transmisi kejutan, limpahan kemeruapan dan korelasi ... · dalam pengurusan risiko. kertas kerja...
TRANSCRIPT
PROSIDING PERKEM VIII, JILID 3 (2013) 1434 – 1447
ISSN: 2231-962X
Persidangan Kebangsaan Ekonomi Malaysia ke VIII (PERKEM VIII)
“Dasar Awam Dalam Era Transformasi Ekonomi: Cabaran dan Halatuju”
Johor Bahru, 7 – 9 Jun 2013
Transmisi Kejutan, Limpahan Kemeruapan dan Korelasi Tukaran
Asing: Aplikasi GARCH Multivariat di ASEAN-5
Abu Hassan Shaari Mohd Nor
Mori Kogid
Tamat Sarmidi
Zulkefly Abdul Karim
Pusat Pengajian Ekonomi
Fakulti Ekonomi dan Pengurusan
Universiti Kebangsaan Malaysia
Zaidi Isa
Pusat Pengajian Sains Matematik
Fakulti Sains dan Teknologi
Universiti Kebangsaan Malaysia
ABSTRAK
Kajian berkaitan hubung kait dinamik antara pasaran kewangan akan sentiasa penting terutamanya
dalam pengurusan risiko. Kertas kerja ini cuba melihat hubung kait dinamik antara pasaran kadar
pertukaran asing di ASEAN-5 dengan tumpuan kajian ke atas transmisi kejutan, limpahan kemeruapan
dan korelasi dinamik antara pasaran berdasarkan data harian bermula 3 Januari 1994 hingga 18 Jun
2012. Tempoh kajian juga dipecahkan kepada tiga sub sampel iaitu masing-masing 3 Januari 1994 – 1
September 1998, 2 September 1998 – 21 Julai 2005 dan 22 Julai 2005 – 18 Jun 2012. Hasil kajian
berdasarkan model GARCH-BEKK menunjukkan bahawa kebanyakan transmisi kejutan dan limpahan
kemeruapan memberi kesan yang bererti kepada pasaran di Malaysia, Indonesia, Thailand, Filipina dan
Singapura. Walau bagaimanapun hubungan dinamik ini berubah mengikut sub sampel kajian. Selain
itu, kajian juga menunjukkan bahawa pasaran Thailand, Filipina dan khususnya Indonesia adalah lebih
meruap dan lebih berisiko. Hasil penganggaran korelasi bersyarat dinamik berdasarkan model
GARCH-DCC pula menunjukkan bahawa secara keseluruhan, korelasi antara pasaran Malaysia dan
pasaran-pasaran lain adalah positif dan agak tinggi dalam tempoh-tempoh tertentu khususnya semasa
krisis kewangan Asia dan krisis kewangan global. Sebaliknya korelasi antara pasaran Thailand dan
Singapura adalah tinggi dan kuat walaupun dalam tempoh masa bukan krisis. Kajian juga menunjukkan
bahawa secara keseluruhan, kebanyakan korelasi antara pasaran juga semakin meningkat dalam tahun-
tahun selepas krisis kewangan global.
Kata kunci: ASEAN, kadar pertukaran, MGARCH, BEKK, DCC
ABSTRACT
Researches on the dynamic relationship between financial markets are always relevant, especially in
the area of risk management. This paper attempts to look at the dynamic conditional relationship
between the foreign exchange rate market in the ASEAN-5 with a focus on the study of shock
transmission, volatility spill overs and dynamic conditional correlation between markets based on daily
data beginning January 3, 1994 to June 18, 2012. The study period is also divided into three sub-
samples, January 3, 1994 - September 1, 1998, 2 September 1998 - 21 July 2005, and July 22, 2005 -
18 Jun 2012. The findings based on GARCH-BEKK models show that most of the shock transmission
and volatility spill overs are significant to Indonesia, Malaysia, Thailand, Philippines and Singapore in
the full sample period. However the transmission of market shocks varies according to different time
period. In addition, the study also shows that the market is Thailand, the Philippines and Indonesia in
particular are more volatile and more risky. In general, the dynamic conditional correlation GARCH-
DCC model showed that the correlation between the Malaysian market and other markets are positive
and quite high in certain periods especially during the Asian financial crisis and the global financial
crisis. On the other hand correlation between Thailand and Singapore markets are high and strong
even in non-crisis periods. The study also showed that the correlation between markets is on the
increasing trend in the years after the global financial crisis.
Keywords: ASEAN, exchange rate, MGARCH, BEKK, DCC
Prosiding Persidangan Kebangsaan Ekonomi Malaysia Ke VIII 2013 1435
PENGENALAN
Tidak dinafikan, kemeruapan dalam kadar pertukaran yang juga menggambarkan ketidakstabilan dalam
kadar pertukaran boleh mengekang aktiviti perdagangan. Bagaimanapun, sejumlah kajian lepas
berkaitan isu ini gagal membuktikan bahawa wujud hubungan yang kuat antara kemeruapan dalam
kadar pertukaran dan jumlah perdagangan (Belke & Gros 2002). Dalam konteks ketakpastian,
kebanyakan model ekonomi mengandaikan bahawa varians sebagai pengukur kepada ketakpastian
adalah tetap sepanjang masa. Bagaimanapun, bukti empirikal jelas menyangkal andaian ini. Data-data
siri masa kewangan seperti kadar pertukaran dan pulangan saham dilihat mencerminkan apa yang
dipanggil sebagai pengklusteran kemeruapan (Jacobsen & Dannenburg 2003).
Transmisi atau limpahan kemeruapan antara pasaran kewangan mungkin merupakan
fenomena biasa terutama dalam pasaran menuju era globalisasi, tetapi dalam keadaan abnormal,
limpahan kemeruapan yang lebih besar boleh terjadi disebabkan oleh peningkatan tekanan dalam
pasaran kewangan (Coudert et al. 2011) yang mungkin disebabkan oleh krisis ekonomi atau krisis
kewangan. Sepertimana limpahan krisis eknonomi global 2008 yang telah menampakkan kelemahan
dalam sistem kewangan dunia (Plosser 2009), krisis kewangan Asia yang berlaku pada tahun 1997 juga
membuktikan kelemahan sistem kewangan di rantau Asia khususnya negara-negara ASEAN seperti
Thailand, Malaysia, Indonesia dan Filipina. Malah, kajian tentang bagaimana kebanyakan pasaran-
pasaran kewangan ini telah gagal merupakan suatu perkara yang sangat penting terutama selepas
kemerosotan secara besar-besaran pasaran-pasaran utama dunia dalam tahun 2007 dan 2008 (Junior &
Franca 2012). Ini adalah kerana limpahan krisis ke atas ekonomi negara lain mungkin melebarkan lagi
kemeruapan dalam pasaran kewangan dunia (Saleem 2009). Kajian-kajian lepas juga menunjukkan
bahawa korelasi adalah tinggi antara negara-negara dan pasaran-pasaran kewangan semasa tempoh
krisis (Chesnay & Jondeau 2001). Tambahan lagi, terdapat bukti menunjukkan bahawa semua pasaran
berintegrasi selepas membuka pasaran mereka kepada pelaburan asing (Tai 2007).
Berbanding pasaran yang lebih kukuh, pasaran-pasaran baru muncul semakin dianggap
penting sebagai destinasi pelaburan antarabangsa. Ini dibuktikan dengan terdapatnya sejumlah besar
peningkatan dalam jumlah pelaburan di Asia, Eropah Timur dan Amerika Latin (Marshall et al. 2009).
Pasaran-pasaran baru muncul menjadi destinasi pelaburan yang menarik kerana pasaran-pasaran ini
mampu mencerminkan pulangan dijangka yang tinggi (Aggarwal et al. 1999). Selain itu, pasaran-
pasaran ini juga menawarkan faedah pempelbagaian di samping korelasi yang rendah dengan pasaran-
pasaran maju. Justeru memberikan kelebihan kepada pasaran-pasaran ini untuk membentuk portfolio
dengan risiko yang rendah (Harvey 1995). Pun begitu, pasaran-pasaran baru muncul secara lahiriahnya
juga dikenal pasti sebagai berisiko dan rapuh kepada kejutan antarabangsa. Tambahan lagi korelasi
yang tinggi antara pasaran-pasaran menjadikan strategi pempelbagaian kurang berkesan dalam
mengurangkan risiko portfolio (Girard et al. 2002). Bagaimanapun, faedah daripada pempelbagaian
antarabangsa juga bergantung kepada korelasi antara pulangan terhadap aset domestik dan aset asing
(Gupta & Mollik 2008).
Selain itu, inovasi jangka pendek dalam satu pasaran boleh memberikan kesan perubahan
harga dalam pasaran lain. Fenomena ini lebih dikenali sebagai kesan limpahan kemeruapan (Girard et
al. 2002). Kemeruapan yang tinggi pada dasarnya tidak semestinya berperanan sebagai penyebab
kepada peningkatan dalam korelasi bersyarat. Malah, korelasi pada kebiasaannya mungkin dipengaruhi
oleh trend pasaran. Hasil kajian berkaitan menunjukkan bahawa korelasi bersyarat cenderung
meningkat ketika pasaran sedang menurun. Sebaliknya, tiada peningkatan dalam korelasi bersyarat
ketika pasaran sedang meningkat (Longin & Solnik 2001). Kemeruapan tinggi dalam pasaran juga
dikaitkan dengan korelasi yang kuat antara kebanyakan indeks pasaran kewangan utama dunia. Ini
menggambarkan bahawa pasaran-pasaran cenderung bergerak sehaluan semasa krisis (Junior & Franca
2012).
Beberapa kajian seperti di Thailand dan Indonesia menunjukkan bahawa korelasi kadar
pertukaran antara negara-negara tersebut adalah positif yang juga menggambarkan kebergantungan
antara pasaran. Bagaimanapun, darjah korelasi adalah rendah semasa tempoh krisis (Kuper & Lestano
2007).
Oleh itu, berdasarkan senario di atas, pemahaman dan jangkaan tentang kebergantungan
secara lahiriah dalam momen peringkat kedua bagi pulangan aset adalah penting terutama dalam aspek
pengurusan risiko (Bauwens et al. 2006). Pengenalpastian sifat ini melalui rangka kerja pemodelan
multivariat juga membawa kepada model-model empirikal yang lebih relevan berbanding penggunaan
model-model univariat secara berasingan (Bauwens et al. 2006). Hasil kajian lepas menggunakan
model GARCH multivariat (MGARCH) menunjukkan bahawa model-model kemeruapan multivariat
1436 Abu Hassan Shaari Mohd Nor, Mori Kogid, Tamat Sarmidi, Zulkefly Abdul Karim, Zaidi Isa
yang tergolong dalam kelas ini berupaya menyediakan ciri-ciri kepada proses korelasi dinamik (Rossi
& Spazzini 2010). Dari sudut pengurusan kewangan pula, ia membuka laluan kepada pembuatan
keputusan yang lebih baik dalam pelbagai topik seperti model perletakan harga aset, pemilihan
portfolio, perletakan harga opsyen, lindung nilai dan pengagihan aset atau pengurusan risiko (Bauwens
et al. 2006; Lucchetti 2002).
Kertas kerja ini cuba menganalisis hubungan antara pasaran-pasaran kadar pertukaran di
ASEAN-5 dengan menggunakan model GARCH multivariat. Tidak seperti model GARCH univariat,
model MGARCH berupaya menganalisis varians bersyarat bagi beberapa buah pasaran secara serentak.
Selain itu, model MGARCH juga berupaya menganggar kesan limpahan dan korelasi dinamik antara
pasaran yang dikaji. Dalam kajian ini, transmisi dan kesan limpahan kemeruapan antara pasaran
dianalisis dengan menggunakan model GARCH-BEKK. Kewujudan pergerakan bersama antara
pasaran pula dianalisis melalui penganggaran korelasi bersyarat dinamik dengan menggunakan model
GARCH-DCC.
Kertas kerja ini merangkumi beberapa bahagian. Bahagian-bahagian seterusnya menerangkan
tentang metodologi secara terperinci, deskripsi data dan latar belakang pasaran dan hasil keputusan
empirikal. Manakala kesimpulan dibincangkan dalam bahagian terakhir dan menutup perbincangan.
METODOLOGI
Kebanyakan kajian lepas menunjukkan bahawa rangka kerja model dalam bentuk univariat adalah
sangat berguna dan penting. Namun kebanyakan operasi kewangan memerlukan satu bentuk rangka
kerja multivariat disebabkan kemeruapan yang tinggi seringkali dapat dikesan dalam tempoh-tempoh
masa yang sama antara aset-aset yang berbeza. Pembangunan model MGARCH berdasarkan
spesifikasi univariat merupakan satu langkah ke hadapan dalam pemodelan kemeruapan data siri masa.
Model-model MGARCH membenarkan kovarians bersyarat berubah mengikut masa sebagaimana
varians. Tambahan pula, kovarians bersyarat boleh diaplikasi dengan meluas untuk kedua-dua tujuan
iaitu pemodelan dan peramalan terutama dalam bidang kewangan (Brooks et al. 2003; Mootamri 2011).
Aplikasi model MGARCH adalah sesuai terutama dalam mengkaji hubungan antara varians di
beberapa pasaran (Bauwens et al. 2006). Justeru analisis dalam kajian ini juga mengguna pakai analisis
MGARCH.
Analisis data dalam kajian ini adalah berdasarkan model multivariat VAR(1)-GARCH(1,1).
Katakan Rt = (R1t, R2t, R3t, R4t, R5t)ʹ adalah vektor pulangan, maka persamaan min bersyarat boleh
ditulis seperti berikut:
(1)
di mana α adalah 5×1 vektor pemalar dan β adalah 5×5 matriks koefisien dan εt = (ε1t, ε2t, ε3t, ε4t, ε5t)ʹ
adalah vektor ralat dengan min sifar. Diandaikan juga ralat εt mengandungi varians bersyarat yang
berubah mengikut masa dan mengikut taburan normal iaitu . Maka dalam sistem
persamaan dengan k pemboleh ubah, model MGARCH dalam spesifikasi BEKK (Baba-Engle-Kraft-
Kroner) boleh ditulis seperti berikut:
(2)
di mana C0, Ai dan Bi adalah matriks parameter k×k dengan C0 adalah matriks segi tiga bawah. Walau
bagaimanapun C0 mestilah matriks k×k simetri supaya pintasan bagi elemen-elemen di luar pepenjuru,
hij,t adalah sama (Enders 2010: 178). Dalam bentuk model GARCH(1,1) bivariat, spesifikasi BEKK
(Engle & Kroner 1995) dalam bentuk matriks boleh ditulis seperti berikut:
(3)
Model GARCH-BEKK memastikan bahawa matriks varians-kovarians bersyarat, Ht adalah
positif. Engle dan Kroner (1995) membuktikan bahawa model GARCH-BEKK adalah pegun pada
Prosiding Persidangan Kebangsaan Ekonomi Malaysia Ke VIII 2013 1437
peringkat pembezaan kedua jika dan hanya jika semua nilai eigen bagi (A A) + (B B) adalah kurang
daripada uniti dalam modulus.
Sementara model MGARCH dalam spesifikasi DCC (Dynamic Conditional Correlation) yang
diperkenalkan oleh Engle (2002) boleh ditulis seperti berikut:
(4)
di mana Dt adalah matriks pepenjuru seperti berikut:
(5)
dan setiap hii,t digambarkan sebagai model GARCH univariat. Sementara Rt dalam persamaan (4)
adalah seperti persamaan berikut:
(6)
di mana Qt = (qij,t) adalah N×N matriks positif simetri seperti dalam persamaan berikut:
(7)
di mana dan . adalah matriks korelasi tak bersyarat bagi ut,
simetri dan positif, sementara θ1 dan θ2 adalah parameter positif yang memenuhi syarat θ1 + θ2 < 1.
Penganggaran model GARCH-BEKK dan GARCH-DCC dilakukan dengan memaksimumkan
fungsi kebolehjadian log normal (Gaussian) menggunakan algoritma BFGS (Broyden-Flecther-
Goldfarb-Shanno) dan pemaksimuman kebolehjadian log Gaussian adalah berdasarkan penganggaran
kebolehjadian maksimum kuasi (QML). Jeantheau (1998) membuktikan bahawa penganggar QML
adalah konsisten di bawah andaian proses multivariat adalah pegun dan ergodik (ergodic). Penganggar
QML juga sesuai dan konsisten untuk model-model yang mana min bersyarat dan varians bersyarat
telah dispesifikasikan (Bauwens & Laurent 2005).
DATA DAN LATARBELAKANG PASARAN
Kajian ini menggunakan data siri masa harian kadar pertukaran nominal bermula 3 Januari 1994 hingga
18 Jun 2012 iaitu meliputi 4816 cerapan yang diperoleh daripada Thomson Datastream. Untuk tujuan
penganggaran model GARCH-BEKK sahaja, tempoh kajian juga dipecahkan kepada tiga sub tempoh
khusus iaitu: i) 3 Januari 1994 – 1 September 1998, ii) 2 September 1998 – 21 Julai 2005 dan iii) 22
Julai 2005 – 18 Jun 2012. Sub tempoh masa yang kedua (2 September 1998 – 21 Julai 2005) adalah
tempoh masa di mana kerajaan Malaysia melaksanakan dasar kawalan modal terpilih dan menetapkan
nilai ringgit kepada 3.8 berbanding 1 dolar Amerika Syarikat. Oleh itu, dalam tempoh masa ini, pasaran
Malaysia tidak di ambil kira dalam analisis. Data kadar pertukaran nominal yang melibatkan lima buah
negara ASEAN iaitu Malaysia (MYR), Indonesia (IDR), Thailand (THB), Filipina (PHP) dan
Singapura (SGD) adalah dalam bentuk mata wang domestik berbanding dolar Amerika Syarikat
(USD). Selanjutnya, semua data kadar pertukaran ditransformasikan dalam bentuk pulangan dengan
menggunakan formula berikut:
(8)
di mana R = pulangan kadar pertukaran dan ER = kadar pertukaran. Proses transformasi menghasilkan
data kadar pertukaran dalam bentuk pulangan iaitu RSGD, RMYR, RTHB, RPHP dan RIDR.
Rajah 1 menunjukkan trend kadar pertukaran bagi setiap pasaran. Kebanyakan pasaran
mengalami peralihan trend (kecuali Singapura) terutama selepas krisis kewangan Asia yang berlaku
pada pertengahan tahun 1997. Jadual 1 menunjukkan ringkasan statistik pulangan kadar pertukaran
1438 Abu Hassan Shaari Mohd Nor, Mori Kogid, Tamat Sarmidi, Zulkefly Abdul Karim, Zaidi Isa
bagi setiap pasaran. Dua statistik momen yang pertama dan kedua iaitu min dan sisihan piawai
menunjukkan bahawa Indonesia mempunyai min pulangan dan risiko yang tertinggi iaitu masing-
masing 0.031 dan 1.478. Rajah 2, Rajah 3 dan Rajah 4 juga menunjukkan bahawa pasaran Indonesia
adalah lebih meruap dan berisiko berbanding pasaran lain terutama semasa krisis kewangan Asia 1997-
1998. Sementara Singapura mempunyai min pulangan (negatif) dan risiko yang terendah dengan nilai
masing-masing -0.005 dan 0.367. Semua siri pulangan (kecuali RMYR dan RSGD) bertaburan
pencong ke kanan (positif) seperti ditunjukkan oleh momen ketiga bagi siri RIDR, RPHP dan RTHB
iaitu masing-masing 1.922, 1.276 dan 0.921. Sementara RMYR dan RSGD mempunyai darjah
kepencongan yang lebih kecil dan bernilai negatif iaitu masing-masing -0.256 dan -0.441. Ini
menunjukkan tanda-tanda kewujudan kesan asimetrik dalam siri pulangan bagi setiap pasaran.
Sementara momen keempat menunjukkan semua siri mempunyai lebihan kurtosis (leptokurtik)
terutama RPHP, RIDR, RTHB dan RMYR. Semua siri pulangan juga bertaburan tidak normal seperti
yang ditunjukkan oleh statistik Jarque-Bera dengan nilai statistik yang sangat besar dan sangat
signifikan.
Statistik Ljung-Box dengan 36 lat iaitu masing-masing Q(36) dan Q2(36) menunjukkan bukti
kehadiran autokorelasi dalam kedua-dua reja dan reja kuasa dua bagi semua siri pulangan. Kesan
ARCH juga wujud dalam semua siri pulangan seperti yang ditunjukkan oleh statistik ARCH (36)
dengan 36 lat sekaligus mencadangkan bahawa model GARCH adalah sesuai digunakan dalam
memodelkan proses varians bersyarat. Hasil ujian punca unit menggunakan Dickey-Fuller imbuhan
iaitu ADFc (dengan andaian pemalar) dan ADFct (dengan andaian pemalar dan trend) menunjukkan
bahawa semua siri pulangan adalah pegun.
HASIL KEPUTUSAN EMPIRIKAL
Jadual 2, 3, 4 dan 5 menunjukkan hasil penganggaran transmisi kejutan dan kesan limpahan
kemeruapan antara pulangan kadar pertukaran di ASEAN-5 dengan menggunakan model VAR(1)-
GARCH(1,1)-BEKK. Jadual 2 menunjukkan penganggaran BEKK dalam tempoh masa penuh (3
Januari 1994 hingga 18 Jun 2012), Jadual 3 adalah hasil penganggaran BEKK dalam sub tempoh masa
pertama (3 Januari 1994 hingga 1 September 1998), hasil penganggaran dalam Jadual 4 adalah bagi sub
tempoh masa kedua (2 September 1998 hingga 21 Julai 2005) dan Jadual 5 menunjukkan hasil
penganggaran model BEKK dalam sub tempoh masa yang ketiga (22 Julai 2005 hingga 18 Jun 2012).
Walau bagaimanapun, parameter bagi persamaan min tidak ditunjukkan dalam jadual. Parameter
menggambarkan kesan transmisi kejutan daripada satu pasaran kepada pasaran lain, sementara
parameter menunjukkan kesan limpahan kemeruapan daripada satu pasaran kepada pasaran yang
lain (bagaimanapun, nilai positif atau negatif pada parameter yang dinyatakan tidak menunjukkan
corak hubungan yang khusus antara pasaran). Di mana subskrip i = 1, 2, 3, 4, 5 dan j = 1, 2, 3, 4, 5 (i ≠
j) masing-masing mewakili pulangan kadar pertukaran ASEAN-5 iaitu 1 = RMYR (Malaysia), 2 =
RIDR (Indonesia), 3 = RTHB (Thailand), 4 = RPHP (Filipina) dan 5 = RSGD (Singapura). Sebagai
contoh, koefisien menunjukkan kesan transmisi kejutan dalam pulangan kadar pertukaran daripada
Malaysia kepada Indonesia dan menunjukkan kesan limpahan kemeruapan daripada Indonesia
kepada Malaysia dan seterusnya bagi negara-negara ASEAN-5 yang lain. Hasil keputusan dalam
Jadual 2a, 3a, 4a dan 5a masing-masing diringkaskan seperti dalam Jadual 2b, 3b, 4b dan 5b. Untuk
keteguhan, ujian diagnostik secara univariat dan multivariat juga dilakukan.
Dalam tempoh masa penuh (Jadual 2), secara umum, kesan transmisi kejutan kebanyakannya
adalah daripada Malaysia kepada negara-negara ASEAN-5 yang lain. Secara khusus, kesan transmisi
kejutan sehala daripada RMYR adalah signifikan ke atas RIDR, RTHB, RPHP dan RSGD dengan
magnitud antara 0.38 hingga 0.77. Sementara transmisi kejutan sehala daripada RSGD adalah
signifikan ke atas RIDR, RTHB dan RPHP dengan magnitud yang lebih kecil iaitu antara -0.19 hingga
0.07. Selain itu, kesan transmisi kejutan sehala adalah signifikan daripada RIDR kepada RSGD,
daripada RTHB kepada RPHP dan daripada RPHP kepada RIDR. Sementara, kesan transmisi kejutan
adalah secara dua hala antara RIDR dan RSGD.
Seperti mana transmisi kejutan, kebanyakan kesan limpahan kemeruapan juga adalah daripada
Malaysia kepada negara-negara ASEAN-5 yang lain. Kesan limpahan kemeruapan sehala daripada
RMYR adalah signifikan ke atas RIDR, RTHB, RPHP dan RSGD dengan magnitud kesan limpahan
Prosiding Persidangan Kebangsaan Ekonomi Malaysia Ke VIII 2013 1439
kemeruapan antara -0.19 hingga -0.09. Sementara kesan limpahan kemeruapan sehala juga adalah
signifikan iaitu masing-masing daripada RIDR dan RTHB kepada RPHP dan daripada RPHP dan
RSGD kepada RIDR dengan magnitud antara -0.01 hingga 0.04. Sementara, kesan limpahan
kemeruapan adalah secara dua hala antara RIDR dan RPHP.
Dalam sub tempoh masa pertama (Jadual 3), kesan transmisi kejutan kebanyakannya adalah
daripada Thailand kepada negara-negara ASEAN-5 yang lain. Kesan transmisi kejutan sehala daripada
RTHB adalah signifikan ke atas RMYR, RIDR dan RSGD dengan magnitud antara -0.08 hingga -0.01.
Sementara transmisi kejutan sehala juga signifikan iaitu masing-masing daripada RIDR kepada RMYR
dan RSGD, daripada RPHP kepada RTHB dan RSGD, daripada RSGD kepada RTHB dan RPHP dan
daripada RMYR kepada RSGD. Sementara kesan transmisi kejutan adalah secara dua hala iaitu
masing-masing antara RTHB dan RSGD dan antara RPHP dan RSGD.
Kesan limpahan kemeruapan pula adalah kebanyakannya daripada Malaysia kepada negara-
negara ASEAN-5 yang lain. Kesan limpahan kemeruapan sehala daripada RMYR adalah signifikan ke
atas RTHB, RPHP dan RSGD dengan magnitud kesan limpahan kemeruapan antara -0.14 hingga 0.07.
Sementara kesan limpahan kemeruapan sehala juga adalah signifikan iaitu masing-masing daripada
RIDR dan RSGD kepada RTHB dan RPHP, daripada RTHB kepada RPHP dan RSGD dan daripada
RPHP kepada RTHB dan RSGD. Sementara, kesan limpahan kemeruapan adalah secara dua hala iaitu
masing-masing antara RTHB dan RPHP, antara RTHB dan RSGD dan antara RPHP dan RSGD.
Dalam sub tempoh masa kedua (Jadual 4), analisis kajian tidak mengambil kira pasaran
Malaysia atas sebab yang telah diterangkan terdahulu. Kesan transmisi kejutan sehala daripada RIDR
adalah signifikan ke atas RTHB dan RSGD dengan magnitud antara 0.02 hingga 0.04. Sementara
transmisi kejutan sehala adalah signifikan iaitu masing-masing daripada RTHB kepada RSGD dan
daripada RPHP kepada RIDR. Dalam kes limpahan kemeruapan pula, hanya pasaran Indonesia yang
memberikan kesan limpahan kemeruapan yang signifikan ke atas semua pasaran iaitu Thailand,
Filipina dan Singapura dengan magnitud yang agak kecil iaitu antara -0.02 dan -0.009.
Dalam sub tempoh masa ketiga (Jadual 5), secara umum, kesan transmisi kejutan dan
limpahan kemeruapan tidak begitu ketara berbanding dalam sub tempoh masa yang pertama. Kesan
transmisi kejutan sehala adalah signifikan iaitu masing-masing daripada RTHB kepada RMYR dan
RIDR, daripada RPHP kepada RSGD dan daripada RSGD kepada RIDR. Begitu juga halnya dengan
kesan limpahan kemeruapan di mana kesan sehala adalah signifikan daripada RTHB kepada RMYR
dan secara dua hala antara RIDR dan RTHB.
Pergerakan bersama antara pasaran pula dapat dianalisis melalui korelasi bersyarat dinamik
berdasarkan model VAR(1)-GARCH(1,1)-DCC(1) seperti dalam Jadual 6. Andaian bahawa korelasi
adalah tetap seperti yang ditunjukkan oleh H0: θ1 = θ2 = 0 ditolak pada aras keertian 1%. Kedua-dua
parameter tersebut juga signifikan pada aras keertian 1%. Tambahan lagi, andaian-andaian bahawa θ1 >
0, θ2 > 0 dan θ1+θ2 < 1 juga dipenuhi. Hasil ujian ini mencadangkan bahawa korelasi antara pasaran
adalah tidak tetap, malah berubah mengikut peredaran masa.
Rajah 5 menunjukkan korelasi dinamik pergerakan bersama antara pasaran kadar pertukaran
ASEAN-5. Secara umum, penganggaran korelasi dinamik secara simulasi rajah menunjukkan bahawa
kebanyakan hubungan korelasi dinamik antara pasaran-pasaran adalah secara positif. Korelasi antara
pasaran-pasaran juga dipengaruhi oleh kesan krisis terutamanya krisis kewangan Asia 1997-1998 dan
krisis kewangan (ekonomi) global yang berlaku pada tahun 2007-2008. Secara umum, korelasi antara
pasaran adalah lebih rendah dalam tempoh masa normal iaitu tempoh di mana sebelum berlaku krisis
tetapi menjadi lebih tinggi dan semakin meningkat dalam tempoh-tempoh semasa krisis terutama
selepas krisis kewangan global 2007-2008. Bagaimanapun, terdapat juga keadaan di mana korelasi
antara pasaran adalah tinggi walaupun di luar tempoh krisis seperti ditunjukkan dalam Rajah 5(i).
Rajah tersebut menunjukkan bahawa korelasi antara pasaran Thailand dan Singapura kekal tinggi
walaupun di luar tempoh krisis. Sebagai contoh, tempoh masa antara tahun 2000 hingga tahun 2006.
Berpandukan Rajah 5 juga, hubungan korelasi antara pasaran Malaysia dengan pasaran-
pasaran lain (Indonesia, Thailand, Filipina dan Singapura) menggambarkan corak yang agak jelas.
Korelasi antara pasaran Malaysia dengan pasaran lain menunjukkan trend yang menurun bermula
selepas krisis kewangan Asia iaitu bermula pada penghujung tahun 1998 hingga pertengahan tahun
2005. Corak hubungan ini mungkin dipengaruhi oleh tindakan kerajaan Malaysia melaksanakan dasar
menetapkan nilai ringgit pada kadar 3.8 berbanding 1 dolar Amerika Syarikat dan juga dasar kawalan
modal terpilih yang bermula pada September 1998 dan berakhir pada Julai 2005. Walau bagaimanapun,
trend korelasi antara pasaran menunjukkan tanda meningkat selepas tahun 2005 dan semakin
meningkat selepas krisis kewangan global. Dalam erti kata yang lain, corak trend hubungan korelasi
antara pasaran-pasaran cenderung meningkat pada tahun-tahun seterusnya.
1440 Abu Hassan Shaari Mohd Nor, Mori Kogid, Tamat Sarmidi, Zulkefly Abdul Karim, Zaidi Isa
KESIMPULAN
Kajian lepas menunjukkan bahawa rangka kerja model dalam bentuk univariat adalah sangat berguna
dan penting. Namun kebanyakan operasi kewangan memerlukan satu bentuk rangka kerja multivariat
disebabkan kemeruapan yang tinggi seringkali dapat dikesan dalam tempoh-tempoh masa yang sama
antara aset-aset yang berbeza. Pembangunan model MGARCH berdasarkan spesifikasi univariat
merupakan satu langkah ke hadapan dalam pemodelan kemeruapan data siri masa. Tambahan lagi,
kovarians bersyarat boleh diaplikasi dengan meluas untuk kedua-dua tujuan iaitu pemodelan dan
peramalan terutama dalam bidang kewangan (Brooks et al. 2003; Mootamri 2011). Aplikasi model
MGARCH juga adalah sesuai terutama dalam mengkaji hubungan antara kemeruapan (varians) di
beberapa buah pasaran secara serentak (Bauwens et al. 2006).
Hasil kajian menunjukkan berlaku transmisi kejutan dan limpahan kemeruapan antara pasaran
di ASEAN-5. Dengan peningkatan integrasi antara pasaran dan pelaksanaan dasar liberalisasi
perdagangan dan kewangan yang semakin meluas di kebanyakan negara di dunia khususnya negara
baru muncul (emerging countries), di samping faedah yang diperoleh, hasil kajian menunjukkan
bahawa pasaran-pasaran ini juga berhadapan dengan risiko. Transmisi atau perpindahan risiko
kemeruapan yang diwujudkan oleh kejutan dalaman atau luaran boleh berlaku antara pasaran. Sebagai
contoh, hasil kajian menunjukkan bahawa berlaku transmisi kejutan dan limpahan kemeruapan antara
pasaran di ASEAN-5. Hasil kajian juga menunjukkan bahawa korelasi antara pasaran adalah tinggi
semasa krisis (terutama krisis kewangan Asia 1997-1998 dan krisis ekonomi global 2007-2008). Pun
begitu, terdapat juga keadaan di mana korelasi antara pasaran adalah tinggi walaupun di luar tempoh
krisis.
Menurut Longin dan Solnik (2001), peningkatan darjah korelasi tidak semestinya disebabkan
oleh peningkatan dalam kemeruapan. Bahkan korelasi biasanya dipengaruhi oleh trend pasaran. Hasil
kajian lepas juga menunjukkan bahawa korelasi antara pasaran cenderung tinggi hanya dalam pasaran
sedang meningkat. Sebaliknya, korelasi tidak menunjukkan tanda-tanda meningkat dalam pasaran
sedang menurun.
Selain itu, tindakan kerajaan Malaysia menetapkan nilai ringgit dan melaksanakan dasar
kawalan modal terpilih nyata mempengaruhi hubungan antara pasaran Malaysia dan pasaran-pasaran
ASEAN yang lain seperti Indonesia, Thailand, Filipina dan Singapura. Antara lain, hasil kajian ini
disokong oleh Kuper dan Lestano (1997) yang mengesahkan peranan pembuat dasar dalam
mempengaruhi hasil dan menangguhkan kesan krisis sehingga satu tarikh kemudian.
Hasil dapatan dalam kajian ini diharapkan boleh memberikan maklumat yang penting kepada
para pelabur, pengurus kewangan (risiko) dan pembuat dasar khususnya dalam merangka polisi
berkaitan. Ini adalah kerana hasil kajian mencadangkan bahawa strategi pempelbagaian portfolio di
ASEAN-5 adalah berisiko terutama ketika berlaku krisis ekonomi yang mana akhirnya bukan sahaja
boleh mengurangkan faedah yang diperoleh tetapi juga boleh menyebabkan kerugian besar. Malah,
wujud kecenderungan bahawa transmisi risiko kemeruapan boleh berlaku antara pasaran-pasaran di
ASEAN-5.
RUJUKAN
Aggarwal, R., Inclan, C. & Leal, R. 1999. Volatility in emerging stock markets. Journal of Finance
and Quantitative Analysis 34: 33-57.
Bauwens, L. & Laurent, S. 2005. A new class of multivariate skew densities, with application to
generalized autoregressive conditional heteroscedasticity models. Journal of Business and
Economic Statistics 23(3): 346-354.
Bauwens, L., Laurent, S. & Rombouts, J.V.K. 2006. Multivariate GARCH models: a survey. Journal of
Applied Econometrics 21: 79-109.
Bekiros, S.D. & Diks, C.G.H. 2008. The nonlinear dynamic relationship of exchange rates: parametric
and nonparametric causality testing. Journal of Macroeconomics 30: 1641-1650.
Belke, A. & Gros, D. 2002. Designing monetary relations between the EU and the U.S.: is the degree
of exchange rate volatility relevant? Dlm. N.R. Sabri (pnyt.). International Financial Systems
and Stock Volatility: Issues and Remedies, Volume 13, hlm. 245-270. Oxford: Elsevier
Science Ltd.
Brooks, C. S. P. Burke, S.P. & Persand, G. 2003. Multivariate GARCH models: software choice and
estimation issues. Journal of Applied Econometrics 18: 725-734.
Prosiding Persidangan Kebangsaan Ekonomi Malaysia Ke VIII 2013 1441
Chesnay, F. & Jondeau, E. 2001. Does correlation between stock returns really increase during
turbulent periods? Economic Notes 30(1): 53-80.
Coudert, V., Couharde, C. & Mignon, V. 2011. Exchange rate volatility across financial crisis. Journal
of Banking and Finance 35: 3010-3018.
Enders, W. 2010. Applied Econometric Time Series. 3rd Edition. New Jersey: John Wiley & Sons Inc.
Engle, R.F. 2002. Dynamic conditional correlation: a simple class of multivariate generalized
autoregressive conditional heteroskedasticity models. Journal of Business and Economic
Statistics 20(3): 339-350.
Engle, R.F. & Kroner, F. 1995. Multivariate simultaneous generalized ARCH. Econometric Theory 11:
122-150.
Girard, E., Rahman, H. & Zaher, T. 2002. Consequences of the Asian financial crisis on global asset
allocation strategies: evidence from the Asian block. Dlm. N.R. Sabri (pnyt.). International
Financial Systems and Stock Volatility: Issues and Remedies, Volume 13, hlm. 121-149.
Oxford: Elsevier Science Ltd.
Gupta, R. & Mollik, A.T. 2008. Volatility, time-varying correlation and international portfolio
diversification: an empirical study of Australia and emerging markets. International Research
Journal of Finance and Economics 18: 18-37.
Harvey, C.R. 1995. Predictable risk and returns in emerging markets. Review of Financial Studies 8:
773-816.
Jacobsen, B. & Dannenburg, D. 2003. Volatility clustering in monthly stock returns. Journal of
Empirical Finance 10(4): 479-503.
Jeantheau, T. 1998. Strong consistency of estimators for multivariat ARCH models. Econometric
Theory 14: 70-86.
Junior, L.S. & Franca, I.D.P. 2012. Correlation of financial markets in times of crisis. Physica A 391:
187-208.
Khalid, A.M. & Rajaguru, G. 2004. Financial market linkages in South Asia: evidence using a
multivariate GARCH model. The Pakistan Development Review 43(4 Part II): 585-603.
Kuper, G.H. & Lestano. 2007. Dynamic conditional correlation analysis of financial market
interdependence: an application to Thailand and Indonesia. Journal of Asian Economics 18:
670-684.
Longin, F. & Solnik, B. 2001. Extreme correlation of international equity markets. The Journal of
Finance LVI(2): 649-676.
Lucchetti, R. 2002. Analytical score for multivariate GARCH models. Computational Economics 19:
133-143.
Malliaropulos, D. 1997. A multivariate GARCH model of risk premia in foreign exchange markets.
Economic Modelling 14: 61-79.
Marshall, A., Maulana, T. & Tang, L. 2009. The estimation and determinats of emerging market
country risk and the dynamic conditional correlation GARCH model. International Review of
Financial Analysis 18: 250-259.
Mootamri, I. 2011. Long memory process in asset returns with multivariate GARCH innovations.
Eonomics Research International doi:10.1155/2011/564952.
Plosser, C.I. 2009. Financial econometrics, financial innovation, and financial stability. Journal of
Financial Econometrics 7(1): 3-11.
Rossi, E. & Spazzini, F. 2010. Model and distribution uncertainty in multivariate GARCH estimation: a
Monte Carlo analysis. Computational Statistics and Data Analysis 54: 2786-2800.
Saleem, K. 2009. International linkage of the Russian market and the Russian financial crisis: a
multivariate GARCH analysis. Research in International Business and Finance 23: 243-256.
Tai, C.-S. 2007. Market integration and contagion: evidence from Asian emerging stock and foreign
exchange markets, Emerging Markets Review 8: 264-283.
Tsay, R.S. 2005. Analysis of Financial Time Seris. 2nd Edition. New Jersey: John Wiley & Sons Inc.
JADUAL 1: Ringkasan Statistik untuk Pulangan
1442 Abu Hassan Shaari Mohd Nor, Mori Kogid, Tamat Sarmidi, Zulkefly Abdul Karim, Zaidi Isa
Statistik RMYR RIDR RTHB RPHP RSGD
Min 0.005 0.031 0.004 0.009 -0.005
Sisihan Piawai 0.495 1.478 0.575 0.556 0.367
Kepencongan -0.256 1.922 0.921 1.276 -0.441
Kurtosis 50.805 74.135 55.130 104.491 14.266
Jarque-Bera 458550.1** 1018163.0** 545885.8** 2067809.0** 25618.7**
Q(36) 498.5** 563.2** 309.2** 187.8** 104.4**
Q2(36) 6581.1** 7912.5** 2091.8** 108.9** 3533.2**
ARCH (36) 1039.6** 1700.4** 529.5** 69.6** 918.2**
ADFc -14.32** -10.68** -48.38** -37.89** -71.85**
ADFct -14.36** -10.73** -48.42** -37.95** -71.86**
Nota: ** menunjukkan signifikan pada 1% level.
JADUAL 2a: VAR(1)-GARCH (1,1)-BEKK
c11 -0.00001
c21 c22 -0.0050 -0.0201
c31 c32 c33 -0.0312* 0.0018 0.0182*
c41 c42 c43 c44 0.0268 -0.0089 -0.0095 -0.0000
c51 c52 c53 c54 c55 0.0010 0.0049 0.0302** 0.0003 -0.0001
1.6086** 0.3942** 0.4427** 0.3855** 0.7727**
0.0002 0.2942** 0.0094 0.0151 0.0118**
-0.0005 -0.0118 0.2699** -0.1216** -0.0039
0.0005 0.0554* -0.0034 0.3134** 0.0158
-0.0056 -0.0652** -0.1972** 0.0653* 0.0084
0.6283** -0.0968** -0.0929** -0.1022** -0.1899**
-0.0001 0.9680** 0.0001 -0.0040* -0.0008
0.0001 0.0039 0.9645** 0.0429** 0.0006
-0.00003 -0.0151* 0.0002 0.9496** -0.0013
0.00002 0.0061* 0.0106 -0.0076 0.9919**
Kebolehjadian Log 436.939
Ujian Diagnostik Reja RMYR Reja RIDR Reja RTHB Reja RPHP Reja RSGD
Ljung-Box Q(36) 83.267** 104.904** 122.858** 65.577** 77.926**
McLeod-Li (36) 0.473 36.622 118.774** 7.576 476.496**
Multivariat Q(36) 1425.245**
Nota: ** dan * menunjukkan signifikan dan ditolak pada aras masing-masing 1% dan 5%.
JADUAL 2b: Ringkasan Transmisi Kejutan dan Limpahan Kemeruapan
Transmisi Kejutan
[Limpahan Kemeruapan] RMYR RIDR RTHB RPHP RSGD
RMYR → → → →
RIDR [←] Tiada ← ↔
RTHB [←] [Tiada] → ←
RPHP [←] [↔] [←] ←
RSGD [←] [→] [Tiada] [Tiada]
Nota: ↔ dan ← atau → masing-masing menunjukkan dua hala dan satu hala.
JADUAL 3a: VAR(1)-GARCH (1,1)-BEKK, 3/1/1994 – 1/9/1998
Prosiding Persidangan Kebangsaan Ekonomi Malaysia Ke VIII 2013 1443
c11 -0.0170*
c21 c22 0.0080 0.0281**
c31 c32 c33 0.0086 -0.0097 0.000004
c41 c42 c43 c44 -0.0266* 0.0198* -0.000004 0.000001
c51 c52 c53 c54 c55 0.0343 -0.0344** 0.00001 -0.000002 0.000002
0.0168 0.0600 -0.0550 0.0227 0.0817**
0.0871** 0.6044** -0.0323 0.0248 0.0893**
-0.0815** -0.0174 0.4940** -0.0778 -0.0702*
-0.0042 -0.0210 0.0895** 0.4169 0.1343**
0.0499 -0.0428 -0.0935* 0.2043** -0.1309*
0.9913 0.0004 0.0457** -0.1420* 0.0739
-0.0102 0.8866** 0.0234** -0.0485** -0.0044
0.0519** 0.0040 0.9692** 0.0704* 0.1891**
-0.0403 0.0030 -0.0807** 0.8015** -0.3398**
-0.0266 0.0155 -0.1491* 0.5487** 0.7645**
Kebolehjadian Log -1263.700
Ujian Diagnostik Reja RMYR Reja RIDR Reja RTHB Reja RPHP Reja RSGD
Ljung-Box Q(36) 62.635* 63.866** 37.586 40.203 51.978
McLeod-Li (36) 48.538 102.314** 25.249 48.032 264.282**
Multivariat Q(36) 1057.347
Nota: ** dan * menunjukkan signifikan dan ditolak pada aras masing-masing 1% dan 5%.
JADUAL 3b: Ringkasan Transmisi Kejutan dan Limpahan Kemeruapan
Transmisi Kejutan
[Limpahan Kemeruapan] RMYR RIDR RTHB RPHP RSGD
RMYR ← ← Tiada →
RIDR [Tiada] ← Tiada →
RTHB [←] [←] ← ↔
RPHP [←] [←] [↔] ↔
RSGD [←] [Tiada] [↔] [↔]
Nota: ↔ dan ← atau → masing-masing menunjukkan dua hala dan satu hala.
JADUAL 4a: VAR(1)-GARCH (1,1)-BEKK, 2/9/1998 – 21/7/2005
c11 0.2103**
c21 c22 0.0538 -0.0229
c31 c32 c33 0.0269* -0.0022 -0.0400**
c41 c42 c43 c44 0.0488** -0.0010 -0.0006 -0.000003
0.7126** 0.0477** 0.0246 0.0216**
0.1198 0.2542** 0.0733 0.0592**
0.2257** 0.0292 0.4018** 0.0062
-0.0257 -0.0332 -0.0307 0.1243**
1444 Abu Hassan Shaari Mohd Nor, Mori Kogid, Tamat Sarmidi, Zulkefly Abdul Karim, Zaidi Isa
0.7903** -0.0223** -0.0153* -0.0092**
-0.0022 0.9684** -0.0094 -0.0094
-0.0885 -0.0070 0.9222** -0.0002
-0.0619 -0.0109 -0.0049 0.9783
Kebolehjadian Log -2986.978
Ujian Diagnostik Reja RIDR Reja RTHB Reja RPHP Reja RSGD
Ljung-Box Q(36) 88.306** 66.131** 64.305** 36.566
McLeod-Li (36) 20.962 42.733 35.604 50.903
Multivariat Q(36) 721.187*
Nota: ** dan * menunjukkan signifikan dan ditolak pada aras masing-masing 1% dan 5%.
JADUAL 4b: Ringkasan Transmisi Kejutan dan Limpahan Kemeruapan
Transmisi Kejutan
[Limpahan Kemeruapan] RIDR RTHB RPHP RSGD
RIDR → ← →
RTHB [←] Tiada →
RPHP [←] [Tiada] Tiada
RSGD [←] [Tiada] [Tiada]
Nota: ↔ dan ← atau → masing-masing menunjukkan dua hala dan satu hala.
JADUAL 5a: VAR(1)-GARCH (1,1)-BEKK, 22/7/2005 – 18/6/2012
c11 0.0255**
c21 c22 0.0177 0.0186*
c31 c32 c33 0.1032** 0.0378 0.0507*
c41 c42 c43 c44 -0.0096 0.0275 0.0397 0.000004
c51 c52 c53 c54 c55 0.0024 0.0250 -0.0049 0.000005 -0.000004
-0.2909** 0.0028 -0.0499 -0.0566 -0.0413
0.0016 -0.2587** 0.0025 0.0031 0.0255
0.0538* 0.0473* 0.5755** 0.0151 0.0250
-0.0146 -0.0143 0.0278 -0.2002** -0.0646*
-0.0199 -0.0772* -0.2062 0.0600 -0.1192**
0.9619** -0.0042 0.0204 -0.0002 0.0094
0.0007 0.9713** 0.0136* 0.0038 0.0056
-0.0213* -0.0250* 0.7675** -0.0125 -0.0104
0.0066 0.0047 0.0073 0.9667 -0.0190
0.0012 -0.0032 0.0442 0.0123 0.9871**
Kebolehjadian Log -1870.157
Ujian Diagnostik Reja RMYR Reja RIDR Reja RTHB Reja RPHP Reja RSGD
Ljung-Box Q(36) 54.978 54.501 35.304 28.867 60.773
McLeod-Li (36) 74.266** 53.328 159.716 81.244** 125.592
Multivariat Q(36) 1070.937
Nota: ** dan * menunjukkan signifikan dan ditolak pada aras masing-masing 1% dan 5%.
Prosiding Persidangan Kebangsaan Ekonomi Malaysia Ke VIII 2013 1445
JADUAL 5b: Ringkasan Transmisi Kejutan dan Limpahan Kemeruapan
Transmisi Kejutan
[Limpahan Kemeruapan] RMYR RIDR RTHB RPHP RSGD
RMYR Tiada ← Tiada Tiada
RIDR [Tiada] ← Tiada ←
RTHB [→] [↔] Tiada Tiada
RPHP [Tiada] [Tiada] [Tiada] →
RSGD [Tiada] [Tiada] [Tiada] [Tiada]
Nota: ↔ dan ← atau → masing-masing menunjukkan dua hala dan satu hala.
JADUAL 6: Model VAR(1)-GARCH (1,1)-DCC(1)
c1 c2 c3 c4 c5 2.07E-05 1.93E-04 1.63E-03 1.37E-03* 8.07E-04**
0.222** 0.126** 0.210** 0.169** 0.078**
0.852** 0.910** 0.830** 0.866** 0.924**
θ1 θ2 0.015** 0.984**
θ1 = θ2 = 0 =661774796.708**
Kebolehjadian Log -1269.294
Ujian Diagnostik Reja RMYR Reja RIDR Reja RTHB Reja RPHP Reja RSGD
Ljung-Box Q(36) 62.848* 105.064** 115.330** 73.530** 87.174**
McLeod-Li (36) 0.316 34.291 23.415 36.276 36.646
Multivariat Q(36) 1581.293**
Nota: ** dan * menunjukkan signifikan pada aras masing-masing 1% dan 5%.
1.0
1.2
1.4
1.6
1.8
2.0
94 96 98 00 02 04 06 08 10 12
SGD/USD
2.4
2.8
3.2
3.6
4.0
4.4
4.8
94 96 98 00 02 04 06 08 10 12
MYR/USD
20
30
40
50
60
94 96 98 00 02 04 06 08 10 12
THB/USD
20
30
40
50
60
94 96 98 00 02 04 06 08 10 12
PHP/USD
0
4,000
8,000
12,000
16,000
20,000
94 96 98 00 02 04 06 08 10 12
IDR/USD
RAJAH 1: Kadar Pertukaran Domestik Berbanding 1 USD
-30
-20
-10
0
10
20
30
1994 1996 1998 2000 2002 2004 2006 2008 2010
RMYR RIDR RTHB
RPHP RSGD
1446 Abu Hassan Shaari Mohd Nor, Mori Kogid, Tamat Sarmidi, Zulkefly Abdul Karim, Zaidi Isa
RAJAH 2: Pulangan Kadar Pertukaran
-8
-4
0
4
8
94 96 98 00 02 04 06 08 10 12
RMYR
-30
-20
-10
0
10
20
30
94 96 98 00 02 04 06 08 10 12
RIDR
-8
-4
0
4
8
12
94 96 98 00 02 04 06 08 10 12
RTHB
-15
-10
-5
0
5
10
15
94 96 98 00 02 04 06 08 10 12
RPHP
-6
-4
-2
0
2
4
94 96 98 00 02 04 06 08 10 12
RSGD
RAJAH 3: Pulangan Kadar Pertukaran Individu
(b). Varians RIDR
1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 20120
25
50
75
100
125
150
175
200
225
(d). Varians RPHP
1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 20120
5
10
15
20
25
30
(e). Varians RSGD
1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 20120.0
0.5
1.0
1.5
2.0
2.5
3.0
RAJAH 4: Varians Pulangan Kadar Pertukaran
(a). Korelasi RMYR dan RIDR
1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012-0.2
0.0
0.2
0.4
0.6
0.8
1.0
(a). Varians RMYR
1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 20120.0
2.5
5.0
7.5
10.0
12.5
15.0
17.5
(c). Varians RTHB
1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 20120.0
2.5
5.0
7.5
10.0
12.5
15.0
17.5
20.0
(b). Korelasi RMYR dan RTHB
1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012-0.1
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
(d). Korelasi RMYR dan RSGD
1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012-0.2
0.0
0.2
0.4
0.6
0.8(c). Korelasi RMYR dan RPHP
1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012-0.2
0.0
0.2
0.4
0.6
0.8
Prosiding Persidangan Kebangsaan Ekonomi Malaysia Ke VIII 2013 1447
RAJAH 5: Korelasi antara Pulangan Kadar Pertukaran
(e). Korelasi RIDR dan RTHB
1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012-0.4
-0.2
0.0
0.2
0.4
0.6
0.8(f). Korelasi RIDR dan RPHP
1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012-0.1
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
(g). Korelasi RIDR dan RSGD
1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012-0.25
0.00
0.25
0.50
0.75(h). Korelasi RTHB dan RPHP
1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012-0.8
-0.6
-0.4
-0.2
-0.0
0.2
0.4
0.6
0.8
(i). Korelasi RTHB dan RSGD
1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012-0.1
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8(j). Korelasi RPHP dan RSGD
1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012-0.2
-0.1
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7