Transmisi Kejutan, Limpahan Kemeruapan dan Korelasi ......Kertas kerja ini cuba melihat hubung kait dinamik antara pasaran kadar pertukaran asing di ASEAN-5 dengan tumpuan kajian ke

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


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


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


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.


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.


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


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


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


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



Transmisi Kejutan


RMYR ← ← Tiada →

RIDR [Tiada] ← Tiada →

RTHB [←] [←] ← ↔

RPHP [←] [←] [↔] ↔

RSGD [←] [Tiada] [↔] [↔]



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**


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


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*



Transmisi Kejutan

[Limpahan Kemeruapan] RIDR RTHB RPHP RSGD

RIDR → ← →

RTHB [←] Tiada →

RPHP [←] [Tiada] Tiada

RSGD [←] [Tiada] [Tiada]



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**



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




Transmisi Kejutan


RMYR Tiada ← Tiada Tiada

RIDR [Tiada] ← Tiada ←

RTHB [→] [↔] Tiada Tiada

RPHP [Tiada] [Tiada] [Tiada] →

RSGD [Tiada] [Tiada] [Tiada] [Tiada]


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**



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


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


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

Documents

Transmisi Kejutan, Limpahan Kemeruapan dan Korelasi ......Kertas kerja ini cuba melihat hubung kait dinamik antara pasaran kadar pertukaran asing di ASEAN-5 dengan tumpuan kajian ke