Equation (1) is the AR process of o

Equation (1) is the AR process of order k for inflation (pt). Equation (2) gives the
estimates of inflation uncertainty as the conditional variance for the past variance of
the error terms, estimated from equation (1).
There is a serious drawback in using the ARCH/GARCH model to generate inflation
uncertainty, because it considers 12t
2i , which is the square of the inflation shock. Thus,
it fails to distinguish between the positive and negative deviations between inflation
and estimated inflation. In other words, it implicitly assumes that the estimated
inflation can deviate from the actual inflation in only one direction.
We can overcome this problem by considering the exponential GARCH (or
EGARCH) model, which can take into account positive and the negative shocks[6].
Instead of using the square of the estimated error term as in GARCH to calculate the
conditional variance (equation (2) above), EGARCH uses the ratio of estimated error
and its standard deviation in actual and absolute terms. In addition, in EGARCH the
conditional variance is also dependent on the lagged variance of the error term.
Thus, our multivariate EGARCH model in mean (EGARCH-M) for inflation and

Hasil (Bahasa Indonesia) 1:

Persamaan (1) adalah proses AR urutan k inflasi (pt). Memberikan persamaan (2)perkiraan inflasi ketidakpastian sebagai varians bersyarat untuk masa lalu varians daripersyaratan kesalahan, diperkirakan dari persamaan (1).Ada kelemahan serius dalam menggunakan model yang ARCH GARCH untuk menghasilkan inflasiketidakpastian, karena ia menganggap 12t2i, yang merupakan alun-alun shock inflasi. Dengan demikian,gagal untuk membedakan antara positif dan negatif penyimpangan-penyimpangan antara inflasidan perkiraan inflasi. Dengan kata lain, itu secara implisit mengasumsikan bahwa perkiraaninflasi dapat menyimpang dari inflasi sebenarnya hanya dalam satu arah.Kita bisa mengatasi masalah ini dengan mempertimbangkan GARCH eksponensial (atauModel EGARCH), yang dapat mengambil ke account positif dan negatif guncangan [6].Daripada menggunakan alun-alun istilah perkiraan kesalahan seperti GARCH untuk menghitungbersyarat varians (persamaan (2) di atas), EGARCH menggunakan rasio perkiraan kesalahandan deviasi standar yang dalam istilah aktual dan mutlak. Selain itu, di EGARCHvarians bersyarat ini juga tergantung pada varians lagged istilah kesalahan.Dengan demikian, kami multivarian EGARCH model dalam berarti (EGARCH-M) inflasi dan

Hasil (Bahasa Indonesia) 2:

Persamaan (1) merupakan proses AR order k inflasi (pt). Persamaan (2) memberikan
perkiraan ketidakpastian inflasi sebagai varians bersyarat untuk varian terakhir dari
istilah kesalahan, diperkirakan dari persamaan (1).
Ada kelemahan serius dalam menggunakan ARCH model / GARCH untuk menghasilkan inflasi
ketidakpastian, karena menganggap 12t
2i, yang merupakan kuadrat dari shock inflasi. Dengan demikian,
gagal untuk membedakan antara penyimpangan positif dan negatif antara inflasi
dan diperkirakan inflasi. Dengan kata lain, secara implisit mengasumsikan bahwa perkiraan
inflasi dapat menyimpang dari inflasi aktual hanya satu arah.
Kita dapat mengatasi masalah ini dengan mempertimbangkan eksponensial GARCH (atau
EGARCH) model, yang bisa memperhitungkan positif dan guncangan negatif [6 ].
Alih-alih menggunakan persegi istilah kesalahan diperkirakan di GARCH untuk menghitung
varians bersyarat (persamaan (2) di atas), EGARCH menggunakan rasio diperkirakan kesalahan
dan deviasi standar dalam hal yang sebenarnya dan mutlak. Selain itu, di EGARCH yang
varians bersyarat juga tergantung pada varian tertinggal dari istilah kesalahan.
Jadi, multivariat model yang EGARCH kami dalam mean (EGARCH-M) untuk inflasi dan