ANALISIS PENGARUH IDIOSYNCRATIC VOLATILITY TERHADAP ...

1 Universitas Indonesia

ANALISIS PENGARUH IDIOSYNCRATIC VOLATILITY TERHADAP EXPECTED RETURN PADA SAHAM YANG TERDAFTAR DI BURSA

EFEK INDONESIA PERIODE 2006-2010

Inav Haria Chandra

Program Studi S1 Reguler

Departemen Manajemen

Fakultas Ekonomi Universitas Indonesia

Abstrak

Penelitian ini tergolong studi asset pricing yang bertujuan untuk mengetahui bagaimana hubungan suatu risiko terhadap expected return . Idiosyncratic volatility merupakan proksi alami dari idiosyncratic risk yang hanya terdapat pada suatu sekuritas. Dalam penelitian ini, nilai idiosyncratic volatility dihitung dengan pendekatan direct decomposition method, menggunakan model Fama-French Three Factor. Disamping itu, penulis mengestimasi nilai expected idiosyncratic volatility dengan model EGARCH karena sifat volatilitas yang memiliki variasi terhadap waktu (time varying). Hasil dari penelitian ini menunjukkan bahwa idiosyncratic volatility berpengaruh positif terhadap return saham pada waktu bersamaan (contemporaneous). Sedangkan nilai lagged idiosyncratic volatility juga ditemukan berpengaruh positif terhadap return. Terakhir, penulis menemukan bahwa nilai expected idiosyncratic volatility yang diestimasi dengan model EGARCH memiliki pengaruh positif terhadap return dimana hasil ini dapat digunakan untuk menggambarkan hubungan antara idiosyncratic risk dan expected return. Kata Kunci : Asset Pricing; EGARCH; Fama-Macbeth Cross-sectional regression; Fama-French

Three Factor Model; Idiosyncratic volatility

1. PENDAHULUAN

Dalam kebijakan investasi, khususnya saham, risiko dan return menjadi dasar

pertimbangan utama. Pertanyaan mengenai risiko apa sajakah yang mempengaruhi retrun saham

telah lama menjadi perhatian para peneliti dan praktisi dunia keuangan. Markowitz (1959),

Sharpe (1964) dan Lintner (1965) menunjukkan bahwa total risiko pada suatu aset, termasuk

salah satunya saham, merupakan gabungan dari systematic risk dan idiosyncratic risk. Systematic

risk merupakan faktor yang memiliki pengaruh terhadap seluruh sekuritas di suatu pasar.

Sedangkan idiosyncratic risk merupakan risiko yang hanya terdapat pada suatu sekuritas.

Analisis pengaruh..., Inav Haria Chandra, FE UI, 2013


Perdebatan mengenai pengaruh idiosyncratic risk terhadap imbal hasil saham telah

banyak dijelaskan dalam berbagai literatur keuangan hingga saat ini. Sharpe (1964) menegaskan

bahwa expected return saham hanya didapatkan sebagai kompensasi atas risiko sistematik, yaitu

risiko pasar. Sebagai tambahan, Sharpe (1964) juga menyatakan.bahwa tidak ada pengaruh

apapun antara idiosyncratic risk dan expected return. Hal sebaliknya, Levy (1978) menyatakan

bahwa jika investor tidak memiliki kemampuan dalam memiliki portofolio yang terdiversifikasi

secara penuh, maka investor akan meminta kompensasi atas idiosyncratic risk. Pendapat ini

didukung oleh Malkiel dan Xu (2006) yang menyatakan bahwa idiosyncratic risk harus dijadikan

faktor yang memengaruhi harga suatu aset

Nilai idiosincratic risk tidak dapat diobservasi secara langsung. Oleh karena itu

dibutuhkan suatu proksi dalam mengukur nilai idiosyncratic risk. Sejauh ini, para peneliti telah

banyak menggunakan idiosyncratic volatility sebagai proksi dari idiosyncratic risk. Dalam

mengestimasi idiosyncratic volatility terdapat dua pendekatan, yaitu indirect decomposition

method dan direct decomposition method. Dalam pendekatan Indirect decomposition method,

nilai idiosyncratic volatility dihitung berdasarkan selisih volatilitas return saham terhadap

volatilitas return pasar. Metode ini pernah digunakan oleh: Malkiel dan Xu (1996, 2006),

Campbell et al (2001) dan Goyal dan Santa-Clara (2003). Sedangkan dalam pendekatan direct

decomposition method, nilai idiosyncratic volatility didapatkan dari perhitungan residual regresi

return saham terhadap faktor sistematis. Bali dan Cakici (2008) menggunakan model CAPM

dalam estimasi idiosyncratic volatility pada saham di AS. Sedangkan Ang et al (2006,2009)

menggunakan model Fama-French Three Factor dalam mengestimasi idiosyncratic volatility. Di

sisi lain, Fu (2009) menggunakan model EGARCH untuk estimasi nilai idiosyncratic volatility.

Dalam konteks Indonesia, penelitian mengenai idiosyncratic risk di Indonesia pernah

dilakukan oleh Yudistika (2011). Dengan menggunakan pendekatan indirect, Yudistika

menemukan bahwa idiosyncratic risk tidak memiliki pengaruh signifikan terhadap return saham

di Indonesia. Berbeda dengan penelitian sebelumnya (Yudistika, 2011), dalam penelitian ini,

penulis akan menggunakan pendekatan direct decomposition method dalam estimasi nilai

idiosyncratic volatility. Pendekatan ini dipilih karena akan memberikan hasil estimasi yang lebih

akurat dibandingkan pendekatan indirect decomposition method yang dinilai lebih sering

overestimasi (Malkiel dan Xu, 2003). Dalam penelitian ini, nilai idiosyncratic volatility akan



diestimasi dengan menggunakan model Fama French Three Factor (Fama dan French, 1993).

Model ini dipilih karena lebih baik dalam menjelaskan return saham dibandingkan model CAPM

Dalam penelitian ini, penulis akan melakukan pengujian pengaruh idiosyncratic volatility

terhadap return secara contemporaneous dan ex-ante. Pengujian secara contemporeneous

dilakukan dengan menggunakan nilai realized idiosyncratic volatility . Pengujian secara ex-ante

dibutuhkan untuk mengetahui bagaimana pengaruh idiosyncratic volatility terhadap expected

return. Oleh karena itu, dalam pengujian secara ex-ante dibutuhkan proksi dari expected

idiosyncratic volatility. Penulis akan menggunakan nilai lagged idiosyncratic volatility sebagai

proksi dari expected idiosyncratic volatility sesuai dengan penelitian Ang et al (2006). Disamping

itu nilai expected idiosyncratic volatility juga akan diestimasi dengan menggunakan model

EGARCH sesuai dengan penelitian Fu (2009). Jadi, secara garis besar, terdapat tiga hal yang

akan diuji dalam penelitian ini. Pertana, penulis akan menguji bagaimanakah pengaruh

idiosyncratic volatility terhadap return saham secara contemporaneous. Kedua, bagaimanakah

pengaruh lagged idiosyncratic volatility terhadap return. Ketiga, bagaimanakah pengaruh

expected idiosyncratic volatility yang diestimasi menggunakan model EGARCH terhadap return.

Pengujian tersebut dilakukan dengan menggunakan Fama-Macbeth Cross-sectional regression

dan memasukkan beberapa variabel kontrol sesuai dengan perkembangan studi asset pricing.

2. TINJAUAN TEORITIS

Studi perihal asset pricing dipelopori Sharpe (1964) dan Lintner (1965) yang

mengenalkan Capital Asset Pricing Model (CAPM) sebagai model ekuilibrium. Dalam model ini,

risiko suatu saham dipengaruhi oleh faktor sistematis, yaitu risiko pasar. Namun, menurut Fama

dan French (1992), model ini tidak mampu menjelaskan anomali size, value, dan momentum

effect. Lebih jauh, Fama dan French mengenalkan model tiga faktor dengan menambahkan SMB

sebagai proksi zize dan HML sebagai proksi dari value effect. Bertolak dari penelitian Fama dan

French (1992), studi asset pricing semakin berkembang secara pesat. Likuiditas dan momentum

merupakan dua variabel yang penting dalam studi asset pricing. Penelitian mengenai likuiditas

dipelopori oleh Amihud dan Mendelson (1986) mengukur likuiditas dengan menggunakan bid-

ask spread dan menemukan bahwa saham yang memiliki spread yang lebih besar memiliki

ekspektasi return yang lebih besar. Chordia et al (2001) menggunakan turnover sebagai ukuran

likuiditas yang mencerminkan volume perdagangan. Turnover merupakan rasio antara volume



perdagangan dengan jumlah saham yang beredar pada suatu periode waktu. Jegadeesh dan

Titman (1993) menjadi pelopor dalam penelitian mengenai momentum. Dalam penelitiannya,

Jegadeesh dan Titman (1993) menemukan bahwa saham winner, pada rentang waktu tingga

hingga 12 bulan lalu, secara rata-rata memiliki peforma yang lebih baik dibandingkan saham

loser.

Penelitian mengenai idiosyncratic volatility dipelopori oleh studi bersifat eksplorasi oleh

Merton (1980) mengenai model expected return. Merton memprediksikan hubungan yang positif

antara idiosyncratic risk dan expected return ketika investor tidak melakukan diversifikasi atas

portfolio-nya. Menurut French, Schwart dan Stambaugh (1987), studi yang dilakukan oleh

Merton (1980) lebih menekankan hubungan market risk premium dan volatilitas pada waktu yang

bersamaan (contemporaneous) dibandingkan hubungan secara ex-ante, dengan kata lain,

perhitungan volatilitas tersebut memasukkan komponen ex-ante dan unexpected change. Dengan

dimasukkan-nya kedua komponen tersebut, maka hubungan secara ex-ante menjadi samar. Oleh

karena itu, French, Schwart dan Stambaugh menggunakan dua pendekatan statistik dalam

penelitiannya, yaitu dengan 1) menggunakan return harian dalam mengestimasi volatilitas

bulanan, dan 2) menggunakan model GARCH dalam mengestimasi ukuran ex-ante dari

volatilitas. Hasilnya, ditemukan bahwa terdapat hubungan yang positif antara expected risk

premium dan tingkat volatilitas yang diprediksi (menggunakan GARCH). Selain itu, ditemukan

juga bukti hubungan yang negatif antara komponen unexpected change dari volatilitas dan excess

holding period return (𝑅𝑚𝑡 − 𝑅𝑓𝑡).

Campbell et al (2001) melanjutkan penelitian mengenai volatilitas dengan melakukan

pendekatan disagregat pada volatilitas tersebut menjadi beberapa komponen. Menurut Campbell

et al, volatilitas secara agregat merupakan hal yang penting pada sebagian besar teori hubungan

risiko dan return. Namun, goncangan (volatility) pada tingkat industri dan perusahaan

(idiosyncratic) juga merupakan komponen yang juga penting dari return suatu saham. Atas dasar

itulah Campbell et al mencoba menjelaskan bagaimana perkembangan historis dari pergerakan

volatilitas baik pada tingkat pasar, industri, dan perusahaan. Hasilnya, pertama, mereka

menemukan bahwa terjadi tren yang positif pada volatilitas tingkat perusahaan (idiosyncratic),

disisi lain, tren yang sama tidak terjadi pada volatilitas pada tingkat pasar dan industri. Kedua,

tren peningkatan idiosyncratic volatility relatif terhadap volatilitas pasar secara implisit



menyatakan bahwa korelasi antara return saham individual mengalami penurunan dalam

beberapa dekade terakhir. Terakhir, mereka menemukan bahwa idiosyncratic volatility memiliki

porsi terbesar pada volatilitas total perusahaan secara rata-rata, dan juga menjadi bagian terbesar

pada pergerakan volatilitas total dari perusahaan dari waktu ke waktu.

Hasil penelitian Campbel et al (2001) didukung oleh temuan empiris yang dilakukan oleh

Malkiel dan Xu (2002). Dalam penelitiannya, Malkiel dan Xu (2002) menggunakan baik itu

pendekatan indirect, seperti yang dilakukan oleh Cambpell et al (2001), maupun pendekatan

direct, dengan memanfaatkan model Fama dan French (1992), dalam mengestimasi nilai

idiosyncratic volatility. Sama hal-nya dengan penelitian sebelumnya, Malkiel dan Xu (2003)

mengkonfirmasi bahwa telah terjadi peningkatan idiosyncratic volatility dalam beberapa dekade

terakhir. Lebih jauh mereka mencoba mengidentifikasi penyebab dibalik peningkatan nilai

idiosyncratic volatility. Mereka menemukan bahwa peningkatan proporsi kepemilikan investor

institusional memiliki hubungan positif dengan idiosyncratic volatility dari saham individual.

Disamping itu, ekspektasi pertumbuhan laba juga memiliki hubungan yang positif dengan

idiosyncratic volatility. Di sisi lain, mereka menemukan bahwa nilai idiosyncratic volatility yang

tinggi tidak disebabkan oleh peningkatan jumlah small stocks pada sampel penelitian-nya.

Mengenai metode pendekatan, Malkiel dan Xu (2003) berpendapat bahwa pendekatan indirect

cenderung berlebihan (overstate) dalam mengestimasi idiosyncratic volatility secara keseluruhan.

Tingkat pertumbuhan idiosyncratic volatility yang diestimasi menggunakan pendekatan indirect

cenderung lebih tinggi dibandingkan nilai yang diestimasi menggunakan pendekatan direct.

Penelitian berikutnya lebih menekankan pencarian bukti empiris “apakah idiosyncratic

volatility harus dijadikan risiko yang harus diperhatikan oleh investor”, atau dengan kata lain,

penelitian berikut mencoba menemukan bagaimana hubgungan antara idiosyncratic volatility dan

expected return. Goyal dan Santa-clara (2003) menggunakan pendekatan time-series dalam

pengujian hubungan tersebut. Mereka menggunakan average stock volatility sebagai faktor risiko

yang mempengaruhi return. Sebagai hasilnya, mereka menemukan bahwa, secara signifikan,

terdapat hubungan positif antara average stock variance (yang sebagian besar bersumber dari

idiosyncratic) dan return di pasar. Di lain hal, mereka juga menemukan bahwa lagged market

variance tidak memiliki kekuatan dalam peramalan (forecasting) return pasar.



Kontras dengan penelitian sebelumnya, Ang et al (2006) menemukan hasil temuan yang

berbeda dengan melakukan peneltitian secara cross-section. Secara garis besar, penelitian Ang et

al bertujuan untuk : 1) mengetahui apakah volatilitas dari pasar merupakan salah satu faktor

risiko yang harus dipertimbangkan , dan 2) mengetahui bagaimana hubungan antara idiosyncratic

volatility dan expected return.1Dalam penelitian tersebut, Ang et al menggunakan perubahan nilai

indeks VIX sebagai proksi perubahan aggregate volatility2. Penelitian ini menggunakan analisis

portfolio yang dientuk berdasarkan nilai aggregate volatility. Hasilnya, saham yang memiliki

eksposur yang tinggi terhadap aggregate volatility di masa lalu memiliki rata-rata return yang

rendah di masa depan. Selain itu, mereka juga menemukan bahwa saham yang memiliki nilai

idiosyncratic volatility yang tinggi memiliki rata-rata return yang sangat rendah, dimana

fenomena ini tidak dapat dijelaskan oleh eksposur yang bersumber dari aggregate volatility risk.

Melihat hasil yang sangat variatif pada penelitian sebelumnya, Fu (2009) mencoba

meluruskan bagaimana seharusnya hubungan idiosyncratic volatility terhadap return.

Menurutnya, nilai idiosyncratic volatility bersifat bervariasi setiap waktu (time-varying). Oleh

karena itu dibutuhkan suatu model yang mampu menangkap sifat tersebut. Fu menggunakan

model EGARCH untuk mengestimasi nilai expected idiosyncratic volatility. Hasilnya, Fu

menemukan bahwa expected idiosyncratic volatility yang diestimasi dengan model EGARCH

secara signifikan berpengaruh positif terhadap expected return. Lebih lanjut, Fu juga meng-

konfirmasi bahwa hubungan negatif yang ditemukan oleh Ang et al (2006) dipicu oleh return

reversal pada saham kecil dengan idiosyncratic volatility yang tinggi.

Dalam konteks Indonesia, penelitian mengenai pengaruh idiosyncratic risk terhadap

return pernah dilakukan oleh Yudistika (2011). Dalam penelitiannya, yudistika menggunakan

metode yang pernah digunakan oleh Goyal dan Santa-clara (2003) dalam menguji pengaruh

idiosyncratic risk terhadap return. Penelitian tersebut mengambil sampel saham dari indeks LQ-

45 pada periode 2006-2010. Hasilnya, yudistika membuktikan bahwa idiosyncratic risk tidak

memiliki pengaruh signifikan terhadap return saham IHSG.

1 Idiosyncratic volatility dihitung relatif terhadap model Fama dan French (1993). 2 VIX merupakan indeks yang dikeluarkan oleh Chicago Board Option Exchange (CBOE)



3. Metodologi Penelitian

3.1 Operasionalisasi variabel

Variabel dependen yang digunakan dalam penelitian ini adalah return bulanan dari

saham. Untuk menghitung return bulanan, penulis menggunakan data monthly adjusted closing

price. ini terdapat tiga variabel independen yang akan diuji pengaruhnya terhadap variabel

dependen. Ketiga variabel independen tersebut yaitu: 1) realized idiosyncratic volatility, 2)

lagged realized idiosyncratic volatility dan 3) expected idiosyncratic volatility.Untuk

mendapatkan nilai ketiga variabel independen tersebut akan dijelaskan pada bagian 3.3.1 dan

3.32

Tabel 1. Operasionalisasi Variabel

Variabel Deskripsi Keterangan Variabel dependen

Return Realized return saham. Return dihitung dengan menggunakan data adjusted closing price

Variabel independen

IVOLt Realized Idiosyncratic volatility . Didapatkan dari residual regresi return terhadap faktor sistematis (Fama-French Three Factor).

IVOL𝑡−1 Lagged Idiosyncratic volatility Merupakan nilai idiosyncratic volatility bulan lalu

E(IVOL𝑡) Expected Idiosyncratic volatility. Merupakan hasil estimasi conditional variance dari model EGARCH

Variabel Kontrol ln(ME)

Logaritma natural dari Market equity.

Nilai market equity didapatjan dari data market capitalization

ln(BE/ME)

Logaritma natural dari rasio Book equity terhadap Market equity

Nilai Book equity didapatkan dari shareholder’s equity

RET(-2,-7) Return kumulatif dari bulan t-7 hingga t-2. ---

Ln(TURN) Logaritma natural dari rata-rata share turnover selama 36 bulan sebelumnya.

Share turnover merupakan rasio turnover by volume terhadap jumlah saham beredar



Untuk hasil yang lebih valid, penulis menambahkan beberapa variabel kontrol sesuai

dengan perkembangan studi asset pricing. Adapun ketiga variabel kontrol tersebut yaitu : 1)

market equity (ME), 2) book to market equity (BE/ME), 3) share turnover, dan 4) return

kumulatif dari tujuh hingga dua bulan lalu (Ret, 2-7). Untuk variabel ME, BE/ME dan share

turnover diubah dalam bentuk logaritma.. Variabel market equity (ME) dan book-to-market

equity (BE/ME) digunakan untuk menjelaskan size dan value effect (Fama dan French, 1992).

Nilai ME didapatkan dari kapitalisasi pasar, sedangkan BE didapatkan dari shareholder’s equity.

BE/ME merupakan hasil rasio book equity terhadap market equity. Berdasarkan penelitian Fama

dan French, nilai ME pada bulan Juni digunakan untuk menjelaskan return selama 12 bulan

berikutnya. Nilai BE/ME pada akhir tahun fiskal t digunakan untuk menjelaskan return dari

bulan Juli tahun t+1 hingga bulan Juni tahun t+2. Adanya gap waktu selama 6 bulan antara ME

dan BE/ME bertujuan untuk memastikan bahwa informasi BE/ME diketahui oleh publik.

Variabel kontrol selanutnya, share turnover, digunakan sebagai proksi likuiditas.

Sebagaimana dijelaskan dalam penelitian Chordia et al (2001), share turnover merupakan rasio

jumlah saham yang diperdagangkan terhadap jumlah saham yang beredar. Untuk informasi

jumlah saham yang diperdagangkan, penulis menggunakan data volume perdagangan. Dalam

penelitian ini, variabel TURN merupakan rata-rata share turnover selama 36 periode sebelumnya.

Sedangkan variabel Ret-2-7 digunakan sebagai proksi dari momentum. Sesuai dengan penelitian

Jegadeesh (1990), nilai Ret-2,-7 merupakan return kumulatif pada saham yang pegang dari bulan

t-7 hingga bulan t-2.

3.2 Alur Penelitian

Dalam penelitian ini, penulis menggunakan model Fama-French Three Factor model

(FF-3), sebagaimana juga telah digunakan oleh Ang (2006) dan Fu (2009), dalam mengestimasi

realized idiosyncratic volatility pada saham yang terdaftar di BEI. Berebeda dengan model

CAPM, pada model Fama-French menambahkan SMB dan HML sebagai faktor sistematik.

Khusus di Indonesia, nilai SMB dan HML belum tersedia. Oleh karena itu, nilai SMB dan HML

harus dihitung terlebih dahulu. Nilai SMB dan HML didapatkan sesuai dengan penelitian yang

dilakukan oleh Fama dan French (1992). Perhitungan SMB dan HML dilakukan secara harian

dan bulanan. Nilai SMB dan HML harian dibutuhkan untuk menghitung nilai realized



idiosyncratic volatility. Sedangkan nilai SMB dan HML bulanan akan digunakan untuk estimasi

nilai expected idiosyncratic volatility. Setelah mendapatkan nilai variabel independen,

selanjutnya akan dilakukan regresi secara cross-section berdasarkan peneitian Fama dan Macbeth

(1973). Secara ringkas, alur dari penelitian ini dapat dilihat pada Bagan 1.

Bagan 1. Alur Penelirian



3.3 Metode Penglahan Data

3.3.1 Menghitung realized idiosyncratic volatility

Setelah mendapatkan nilai SMB dan HML, selanjutnya dihitung nilai realized

idiosyncratic volatility berdasarkan model berikut,

𝑅𝑖𝜏 − 𝑟𝜏 = 𝛼𝑖𝑡 + 𝑏𝑖𝑡(𝑅𝑚 − 𝑟𝜏) + 𝑠𝑖𝑡𝑆𝑀𝐵𝜏 + ℎ 𝑖𝑡𝐻𝑀𝐿𝜏 + 𝜀𝑖𝜏

(1)

dimana 𝜏 merupakan hari dan t merupakan bulan,dan 𝜏 ∈ 𝑡.Sedangkan 𝛼𝑖𝑡, 𝑏𝑖𝑡 , 𝑠𝑖𝑡 dan ℎ 𝑖𝑡

merupakan sensitivitas dari faktor. Regresi dilakukan dilakukan pada setiap saham setiap

bulannya. Kemudian dihitung idiosyncratic volatility bulanan dari saham yang merupakan

standar deviasi dari residual regresi persamaan 3,5:

𝐼𝑉𝑂𝐿𝑖𝑡 = �𝑣𝑎𝑟(𝜀𝑖𝜏)

(2)

Selanjutnya, nilai standard deviasi residual harian diubah dalam bentuk bulanan dengan

mengalikan hasil persamaan (2) dengan akar pangkat dua dari jumlah hari dalam bulan

bersangkutan.

3.3.2 Menghitung expected idiosyncratic volatility dengan EGARCH

Untuk mengetahui hubungan antara return dengan expected idiosyncratic volatility,

dibutuhkan model yang mampu menjelaskan sifat idiosyncratic volatility yang bervariasi

terhadap waktu (time varying). Untuk itu, penulis akan menggunakan model exponential

generalized autoregressive conditional heteroscedaticity (EGARCH) seperti yang digunakan

oleh Fu (2009). Konsisten dengan penelitian Fu (2009), penulis akan menggunakan model

EGARCH (p,q) dimana 1 ≤ 𝑝 ≤ 3 , 1 ≤ 𝑞 ≤ 3. Untuk lebih jelasnya, berikut penjelasan

persamaannya :

𝑅𝑖𝑡 − 𝑟𝑓 = 𝛼𝑖 + 𝛽𝑖�𝑅𝑚𝑡 − 𝑟𝑓� + 𝑠𝑖𝑆𝑀𝐵𝑡 + ℎ𝑖𝐻𝑀𝐿𝑡 + 𝜀𝑖𝑡 , 𝜀𝑖𝑡 ~ 𝑁(0,𝜎𝑖𝑡2),

(3)



ln𝜎𝑖,𝑡2 = 𝛼𝑖 + �𝑏𝑖,𝑙 ln𝜎𝑖,𝑡−𝑙2 + �𝑐𝑖,𝑘 �𝜃 �𝜀𝑖,𝑡−𝑘𝜎𝑖,𝑡−𝑘

� + 𝛾 ��𝜀𝑖,𝑡−𝑘𝜎𝑖,𝑡−𝑘

� − (2 𝜋⁄ )1 2� ��𝑞

𝑘=1

𝑝

𝑙=1

(4)

Persamaan (3) merupakan model Fama-french three factor, dimana 𝛼𝑖𝑖, 𝛽𝑖 , 𝑠𝑖𝑡 dan ℎ 𝑖𝑡

merupakan sensitivitas dari faktor. Residual (𝜀𝑖𝑡) diasumsikan normal dengan rerata nol dan

memiliki conditional variance (𝜎𝑖𝑡2). Persamaan (4) mencoba mengestimasi conditional variance

yang merupakan fungsi dari p-periode varians residual ( 𝜎𝑖2) masa lalu dan q-periode dari return

shock (𝜀𝑖) masa lalu. Nilai expected idiosyncratic volatility didapatkan dari hasil persamaan (4)

yang dinyatakan dalam bentuk standard deviasi (𝜎𝑖𝑡 )

Pada masing masing saham, penulis akan menggunakan 9 model EGARCH : EGARCH

(1,1), EGARCH (1,2), EGARCH (1,3), EGARCH (2,1), EGARCH (2,2), EGARCH (2,3),

EGARCH (3,1), EGARCH (3,2), dan EGARCH (3,3). Apabila terjadi konvergensi pada banyak

model, maka model terbaik dipilih berdasarkan nilai Akaike Information Criterion (AIC)

terendah. Dalam mengestimasi parameter pada persamaan (4), peneliti akan menggunakan data

satu periode penuh. Untuk menghindari look-ahead bias3, peneliti akan memperluas data hingga

30 observasi sebelum awal periode penelitian.

3.3.3 Fama Macbeth Cross-sectional Regression

Dalam penelitian ini, penulis akan menggunakan metode Fama Macbeth Cross-sectional

Regression (Fama dan Macbeth, 1973) dalam menguji variabel yang memiliki pengaruh terhadap

return. Pada setiap bulan dalam periode penelitian, akan dilakukan regresi menurut persamaan

berikut :

𝑅𝑖,𝑡 = 𝛾0,𝑡 + �𝛾𝑘,𝑡𝑋𝑘𝑖,𝑡 + 𝜀𝑖,𝑡, 𝑖 = 1,2, … ,𝑁, 𝑡 = 1,2, … ,𝑇,𝐾

𝑘=1

(5)

3 Look ahead bias merupakan bias yang terjadi karena pengguanaan informasi atau data dalam suatu penelitian atau simulasi dimana informasi atau data tersebut tidak tersedia pada waktu penelitian bersangkutan. French, Schwart dan Stambaugh (1987) menggunakan data satu periode penuh dalam mengestimasi parameter pada model GARCH. Hal serupa juga dilakukan oleh Fu (2009). Mereka berpendapat bahwa walaupun parameter tersebut berubah tiap waktu, hasil penelitian tidak mengalami perubahan.



dimana 𝑅𝑖,𝑡 merupakan return saham i pada bulan t. 𝑋𝑘𝑖,𝑡 merupakan variabel penjelas dari

expected return. Sedangkan T merupakan jumlah bulan yang menjadi periode observasi dalam

penelitian ini.

Untuk selanjutya akan dihitung nilai 𝛾�𝑘 dan nilan varians-nya dengan persamaan berikut :

𝛾�𝑘 =1𝑇�𝛾�𝑘,𝑡

𝑇

𝑡=1

(6)

𝑉𝑎𝑟(𝛾�𝑘) =∑ (𝛾�𝑘,𝑡 − 𝛾�𝑘)2𝑇𝑡=1

𝑇(𝑇 − 1) .

(7)

Dengan kata lain, rata-rata slope (𝛾�𝑘) merupakan rata-rata hasil estimasi cross-section selama T

bulan.

Selanjutnya akan dihitung nilai t-statistik yang merupakan rata-rata slope dibagi degan

time-series standard error-nya, yang merupakan akar pangkat dua dari persamaan 3.14 dibagi

dengan jumlah periode penelitian (T). Untuk lebih jelasnya, berikut formula untuk menghitung

nilai t-statistik:

𝑡 =𝛾�𝑘

�𝑉𝑎𝑟(𝛾�𝑘)𝑇

(8)

4. Hasil Penelitian

4.1 Deskriptif variabel dalam penelitian

Tabel 2 menunjukkan statistik deskriptif dari hasil pengolahan data yang akan diolah

selanjutnya dalam regresi cross-section Fama-Macbeth. Variabel excess return didaptakan

setelah mengurangi return dengan risk-free interest (SBI rate). Variabel book to market equity

(BE/ME), dan market equity (ME), dan Turnover (Turn) disajikan dalam bentuk logaritma

natural agar tidak terjadi kemencengan data (skewness) yang signifikan.



Tabel 2. Statistik deskriptif

sumber: hasil olahan penulis

Rata-rata dari return bulanan dalam periode penelitian ini adalah sebesar 2.8% dan rata-

rata excess return adalah sebesar 2.1%. Sementara itu, sebagai variabel independen, idiosyncratic

volatility (IVOL) memiliki rata-rata 12.1% selama tahun periode penelitian. Sedangkan variabel

expected idiosyncratic volatility (EIVOL) yang didapatkan dari estimasi menggunakan model

EGARCH memiliki rata-rata yang tidak jauh berbeda dari nilai aktualnya, yaitu sebesar 13.8%.

Selain itu, sebagai variabel kontrol, Ln(ME) memiliki nilai rata-rata sebesar 19.95. Sedangkan

nilai Ln(BE/ME) memiliki nilai rata-rata 0.216, atau dengan kata lain, rata-rata perusahaan dalam

penelitian ini adalah perusahaan yang sedang bertumbuh (value growth) sebagai implikasi dari

nilai logaritma natural yang positif

4.2 Hasil Regresi Cross-section Fama-Macbeth

Seperti yang telah dijelaskan pada bagian sebelumnya, terdapat tiga variabel independen

yang diuji dalam penelitian ini. Ketiga variabel independen tersebut yaitu nilai idiosyncratic

volatility bulanan (𝐼𝑉𝑂𝐿𝑡), nilai lagged idiosyncratic volatility (𝐼𝑉𝑂𝐿𝑡−1), dan nilai expected

idiosyncratic volatility 𝐸(𝐼𝑉𝑂𝐿𝑡) yang diestimasi dengan model EGARCH. Agar mampu

menjelaskan return secara baik, penulis menambahkan market capitalization dan book to market

equity (Fama dan French, 1992) sebagai variabel kontrol. Selain itu,penilis menambahkan

variabel kontrol lainnya, yaitu variabel Turn dan Ret (-2,-7) sebagai proksi likuiditas (Chordia et

al, 2001) dan momentum (Jegadeesh, 1990). Seperti yang terlihat pada tabel 3, terdapat tiga

model yang diuji dalam penelitian ini. Nilai dalam tabel tersebut merupakan rata-rata slope dari



regresi dari beberapa variabel terhadap return setiap bulannya selama 60 bulan. Sedangkan nilai

yang berada dalam kurung merupakan nilai t-statistik. Nilai pada kolom terakhir merupakan rata-

rata 𝑅2 selama 60 bulan.

Tabel 3. Hasil regresi Cross-section Fama-Macbeth

Model C 𝐼𝑉𝑂𝐿𝑡 𝐼𝑉𝑂𝐿𝑡−1 𝐸(𝐼𝑉𝑂𝐿)𝑡 Ln(ME) Ln(BE/ME) Ln(Turn) Ret(-2,-7) 𝑅2 1 -0.086*** 0.378***

0.003*** 0.004*** -0.002*** -0.007*** 16.8%

(-27.074) (42.275)

(15.526) (13.192) (-16.924) (-6.616)

2 0.042***

0.033***

-0.001*** 0.006*** -0.001*** -0.017*** 8.1%

(8.130)

(10.573)

(-5.686) (18.164) (-4.158) (-13.059)

3 -0.016***

0.248*** 0.000 0.004*** -0.002*** -0.017*** 14.7% (-3.546) (36.426) (-0.313) (12.298) (-9.453) (-15.363)

*** singnifikan pada tingkat 1%

Sumber : hasil olahan penulis

Pada model 1, penulis ingin menguji hubungan dari idiosyncratic volatility terhadap

return pada waktu yang bersamaan (contemporaneous). Dengan tingkat signifikansi 1% (t-critical

= 2.66) ,maka dari hasil olah data, terlihat ada hubungan yang signifikan antara kedua variabel

tersebut, dengan nilai t-stat untuk variabel IVOL sebesar 42.27. Dengan koefisien sebesar 0.378

menunjukkan bahwa setiap peningkatan IVOL sebesar 1%, maka secara bersamaan return akan

meningkat sebesar 0.378%. Dengan demikian hipotesis yang menyatakan bahwa idiosyncratic

volatility berpengaruh positif terhadap return pada waktu yang bersamaan diterima.

Hasil ini sesuai dengan penelitian yang dilakukan oleh Fu (2009). Fu membuktikan

bahwa idiosyncratic volatility berpengaruh positif terhadap return. Namun hubungan ini hanya

bersifat “pengaruh pada waktu yang sama” (contemporaneous). Dari sudut pandang teori, kita

tidak dapat menarik kesimpulan inferensial mengenai pengaruh idiosyncratic volatility terhadap

expected return. Hal ini disebabkan oleh potensi adanya korelasi antara unexpected shock pada

return (𝑅𝑡 − 𝐸(𝑅𝑡)) dan unexpected shock pada idiosyncratic volatility(𝐼𝑉𝑂𝐿𝑡 − 𝐸(𝐼𝑉𝑂𝐿𝑡)).

Pendapat yang sama juga diberikan oleh French, Schwart dan Stambaugh (1987) dalam kritiknya

terhadap studi ekplorasi Merton (1980). Jadi, dapat disimpulkan, pengaruh idiosyncratic volatility

terhadap return pada model pertama hanya menunjukkan pengaruh pada waktu bersamaan. Hasil

ini akan digunakan sebagai referensi perbandingan pada model lainnya. Untuk dapat menjelaskan



hubungan idiosyncratic volatility terhadap expected return maka dibutuhkanlah proksi dari

expected idiosyncratic volatility.

Pada model ke-2, nilai idiosyncratic volatility bulan lalu (lagged) digunakan sebagai

proksi dari expected idiosyncratic volatility. Dengan tingkat signifikansi 1% (t-critical = 2.66)

,maka dari hasil olah data, terlihat ada hubungan yang signifikan antara kedua variabel tersebut,

dengan nilai t-stat untuk variabel 𝐼𝑉𝑂𝐿𝑡−1 sebesar 10.57. Dengan koefisien sebesar 0.378

menunjukkan bahwa setiap peningkatan 𝐼𝑉𝑂𝐿𝑡−1 sebesar 1%, maka return akan meningkat

sebesar 0.033%. Dengan demikian hipotesis yang menyatakan bahwa lagged idiosyncratic

volatility berpengaruh positif terhadap return diterima. Dengan kata lain saham yang memiliki

nilai idiosyncratic volatility yang tinggi akan memiliki return yang tinggi di masa depan. Hasil

ini kontras dengan penelitian yang dilakukan oleh Ang et al (2006). Dalam penelitiannya, dengan

menggunakan analisis portfolio, Ang et al menemukan bahwa saham dengan nilai idiosyncratic

volatility yang tinggi akan memiliki return yang sangat rendah (negatif) di masa depan. Dengan

menggunakan data yang sama, Fu (2009) juga menemukan bahwa lagged idiosyncratic volatility

berpengaruh negatif terhadap return. Namun, menurut Fu, hubungan negatif ini dipicu oleh

fenomena return reversal pada saham yang memiliki nilai idiosyncratic volatility yang tinggi.

Pada model ke-3, nilai expected idiosyncratic volatility didapatkan dari estimasi

menggunakan model EGARCH. Dengan menggunakan tingkat signifikansi 1%, maka dapat

disimpulkan bahwa expected idiosyncratic volatility memiliki pengaruh positif terhadap return.

Dengan koefisien sebesar 0.248 menunjukkan bahwa setiap peningkatan 𝐸(𝐼𝑉𝑂𝐿)𝑡 sebesar 1 %

akan meningkatkan return sebesar 0.248%. Sehingga, hipotesis yang menyatakan expected

idiosyncratic volatility memiliki pengaruh positif terhadap return dapat diterima. Hasil pada

model ke-3 sesuai dengan penelitian yang dilakukan oleh Fu (2009). Dalam penelitiannya, Fu

menemukan hubungan positif antara expected idiosyncratic volatility dengan rata-rata return

secara cross-section. Lebih lanjut, hasil tersebut dapat digunakan untuk menarik kesimpulan

inferensial dari pengaruh idiosyncratic volatility dan terhadap expected return.

Variabel Ln(BE/ME) digunakan untuk menjelaskan value effect pada return. Dari hasil

diatas, penulis menemukan secara konsisten hubungan positif antara book to market equity

terhadap return. Hasil ini mengkonfirmasi hubungan positif book-to-maket equity terhadap return

dalam berbagai literatur. Berbeda hal-nya pada variabel Ln(ME) yang digunakan untuk



menjelaskan pengaruh ukuran perusahaan (size) terhadap return. Dari hasil diatas, penulis

menemukan pengaruh ukuran perusahaan terhadap return yang tidak konsisten dalam ketiga

model tersebut. Pada model pertama, ditemukan pengaruh positif ukuran perusahaan terhadap

return. Sedangkan pada model ke-2, pengaruh tersebut menjadi negatif. Pada model ketiga,

hubungan ukuran perusahaan terhadap return menjadi tidak signifikan. Hasil ini cukup kontras

dengan temuan size effect dalam berbagai literatur. Fama dan Frech (1992) dalam penelitiannya

menemukan pengaruh negatif dari ukuran perusahaan terhadap return . Namun, diakui oleh Fama

dan French, bahwa pengaruh size effect lebih lemah dibandingkan pengaruh book-to-market

terhadap return. Lebih jauh, menurut Merton (1987), size effect yang ditemukan pada berbagai

penelitian lebih disebabkan karena peneliti mengabaikan faktor lain seperti idiosyncratic risk.

Jadi dapat disimpulkan bahwa pengaruh ukuran perusahaan yang tidak konsisten pada hasil

regresi diatas kemungkinan besar disebabkan oleh adanya variabel idiosyncratic volatility dalam

model penelitian.

Variabel Ln(Turn) digunakan untuk menjelaskan pengaruh likuiditas terhadap return.

Berdasarkan hasil diatas, ditemukan bahwa share turnover memiliki pengaruh negatif terhadap

return, dimana pengaruh negatif tersebut konsisten pada semua model dalam penelitian ini.

Dengan kata lain, saham yang memiliki likuiditas rendah, secara rata-rata memiliki return yang

lebih tinggi dibandingkan saham yang memiliki likuiditas lebih tinggi. Sedangkan, variabel Ret(-

2,-7) digunakan untuk menjelaskan efek momentum. Berdasarkan hasil diatas, ditemukan bahwa

momentum memiliki pengaruh negatif terhadap return, dimana penaruh tersebut konsisten pada

ketiga model. Semakin tinggi return saham dalam rentang waktu tiga hingga 12 bulan lalu maka

return yang akan didapat pada bulan ini semakin rendah. Hasil ini menunjukkan bahwa efek

momentum tidak terjadi pada sampel saham. Atau dengan kata lain terjadi short-term reversal

pada saham yang memiliki return tinggi di masa lalu (winner). Hasil ini didukung oleh penelitian

yang dilakukan oleh Luxianto (2010) pada saham di Indonesia. Dalam penelitiannya, Luxianto

menunjukkan bahwa saham pada portfolio winner tidak mampu melebihi kinerja pasar secara

signifikan. Sebaliknya, saham pada portfolio loser secara signifikan mampu melebihi kinerja

pasar



4.3 Pembahasan Hasil Penelitian

Dari hasil pada tabel 3. pada model pertama, penulis menemukan bahwa nilai

idiosyncratic volatility mempengaruhi return pada waktu yang bersamaan. Namun, kita belum

dapat menarik kesimpulan mengenai pengaruhnya terhadap expected return. Untuk itulah

dibutuhkan proksi dari expected return yang akan dijelaskan pada model kedua dan ketiga. Pada

model kedua, penulis mencoba menggunakan nilai lagged idiosyncratic volatility sebagai proksi

dari expected idiosyncratic volatility dan menemukan pengaruh yang positif. Pada model ketiga,

nilai expected idiosyncratic volatility diestimasi menggunakan model EGARCH, dan penulis juga

menemukan pengaruh positif terhadap return.

Pertanyaan yang menarik adalah, antara lagged idiosyncratic volatility (model 2) dan

expected idiosyncratic volatility yang di etimasi dengan EGARCH (model 3), variabel apakah

yang lebih baik sebagai proksi dari expected idiosyncratic volatility. Jika melihat dari nilai 𝑅2

pada tabel 3, maka model ketiga dinilai lebih mampu menjelaskan variasi dari return

dibandingkan model kedua. Menurut Fu (2009) nilai lagged idiosyncratic volatility bukan

merupakan proksi yang baik dari expected idiosyncratic volatility. Hal ini disebabkan oleh

idiosyncratic volatility yang tidak mengikuti random walk process.

Dari hasil regresi cross-section Fama Macbeth secara keseluruhan, dapat disimpulkan

bahwa idiosyncratic volatility berpengaruh positif terhadap expected return Hasil dalam

penelitian ini memberikan bukti empiris lain dari pengaruh idiosyncratic risk dalam konteks

Indonesia. Pada penelitian sebeumnya, Yudistika (2011) tidak menemukan pengaruh

idiosyncratic risk terhadap return pada pasar modal Indonesia. Menurut penulis penelitian yang

dilakukan oleh Yudistika memiliki beberapa kelemahan. Pertama, sampel penelitian hanya

berjumlah 18 saham yang terdaftar di LQ-45 dimana jumlah tersebut dirasa belum cukup untuk

mewakili karakteristik saham di Indonesia. Disamping itu, dalam penelitiannya Yudistika tidak

melakukan kontrol terhadap variabel lain yang secara empiris berpengaruh terhadap return

sehingga hasil penelitian dirasa kurang valid.

Hasil dari penelitian ini memberikan implikasi perihal asset pricing dan keuangan

perusahaan. Hasil ini dapat menjadi bahan pertimbangan bagi investor dan manajer perusahaan

dalam menghitung cost of equity . Karena idiosyncratic volatility terbukti mempengaruhi return,



investor sebaiknya menggunakan faktor ini dalam mengestimasi return yang diharapkan.

Investor dapat mengurangi risko dari investasi dengan menghindari saham yang memiliki nilai

idiosyncratic volatility yang tinggi. Dari sudut pandang perusahaan, nilai idiosyncratic volatility

yang tinggi akan menurunkan nilai perusahaan di mata investor. Hal ini disebabkan oleh investor

yang menginginkan return yang lebih tinggi sebagai kompensasi tingginya nilai risiko dari

perusahaan.

5. Kesimpulan

Berdasarkan hasil analisis pada bagian pembahasan, ditemukan bahwa realized

idiosyncratic volatility berpengaruh positif terhadap return pada waktu yang bersamaan

(contemporaneous). Sehingga, saham yang memiliki nilai realized idiosyncratic volatility yang

tinggi akan memberikan return yang lebih tinggi pada saat itu. Disamping itu, nilai lagged

idiosyncratic volatility berpengaruh positif terhadap return. Dengan kata lain, saham dengan

realized idiosyncratic volatility yang tinggi pada saat ini, cenderug memiliki return yang tinggi di

masa depan. Terakhir, sebagai expected idiosyncratic volatility , nilai conditional volatility yang

diestimasi dengan model EGARCH ditemukan berpengaruh positif terhadap return. Lebih jauh,

hasil ini dapat digunakan untuk kesimpulan inferensial mengenai pengaruh idiosyncratic

volatility terhadap expectd return

Referensi

Amihud, Y., Mendelson, H. (1986). Asset Pricing and The Bid Ask Spread. Journal of Financial

Economics, 17, 223-249

Ang, A., Hodrick, R. J., Xing, Y., Zhang, X. (2006). The cross-section of volatility and expected

returns. Journal of Finance, 61(1), 259-299.

Bali, T. G., Cakici, N. (2008). Idiosyncratic Volatility and the Cross-section of Expected Returns.

Journal of Financial and Quantitative Analysis, 43(1), 29

Cambell, J. Y., Lettau, M., Malkiel, B. G., & X u, Y. (2001). Have Individual Stocks Become

More Volatile? An Empirical Exploration of Idiosyncratic Risk. Journal of Finance, 56,

1-43.



Chordia, T., Subrahmanyam, A. Anshuman, V. (2001). Trading Activity and Expected Stock

Returns. Journal of Financial Economics, 59, 3-32.

Fama, E. F., & French, K. R. (1992). The Cross Section of Expected Returns. Journal of Finance,

47, 427-465.

Fama, E.F., Macbeth, J. (1973). Risk and Return Equilibrium: Empirical Test. Journal of Political

Economy 81, 607-636.

French, K.R., Schwert, G.W., Stambaugh, R.F. (1987). Expected Stock Returns and Volatility.

Journal of Financial Economics, 19, 3-29.

Fu, F. (2009). Idiosyncratic Risk and the Cross-section of Expected Stock Returns. Journal of

Financial Economics, 91, 24-37.

Goyal, A.,Santa-clara, P. (2003). Idiosyncratic risk matters! Journal of Finance, 58, 975-1007.

Jegadeesh, N., Titman, S. (1993). Returns to buying winners and selling losers: implication for

stock market efficiency. Journal of Finance 48, 65-92.

Levy, H. (1978). Equilibrium in an imperfect market: A constraint on the number of securities in

the portfolio. American economic review 68, 642-658.

Lintner, J. (1965). The Valuationof Risk Asset and the Selection of Risky Investment in Stock

Portfolios and Capital Budget, Review of Economic and Statistics 47, 13-37

Luxianto, Rizky. (2010). Comparison in Measuring Effectiveness of Momentum and Contrarian

Trading Strategy in Indonesia Stock Exchange. Tesis. Fakultas Ekonomi Universitas

Indonesia.

Malkiel, B. G., Xu, Y. (1996). Risk and Return Revisited. The Journal of Portfolio

Management,Spring , 9-14.

Malkiel, B. G., Xu, Y.(2003). Investigating the behaviour of Idiosyncratic Volatility. Journal of

Business, 76(4), 613-644.



Malkiel, B. G., & Xu, Y. (2006). Idiosyncratic risk and security returns. Princeton University &

The University of Texas at Dallas.

Merton, R. C. (1980). On Estimating the Expected Return on The Market: An Expliratory

Investigation. Journal of Financial Economics. 8, 323-361.

Markowitz, H. (1959). Portfolio Selection. Efficient Diversification of Investments, Yale

University Press.

Sharpe, W. (1964). “Capital Asset Prices : a theory of market equilibrium”, Journal of Finance

19, 425-442

Yudistika, W. (2011). Analisis Pengaruh Idiosyncratic Risk terhadap return saham Pada Pasar

Saham Indonesia Periode penelitian 2006-2010. Skripsi. Fakultas Ekonomi Universitas

Indonesia


ANALISIS PENGARUH IDIOSYNCRATIC VOLATILITY TERHADAP ...

Documents

Transcript of ANALISIS PENGARUH IDIOSYNCRATIC VOLATILITY TERHADAP ...