Analisis risiko , Lanni Palmitha Rosetty Sianipar, FEBUI, 2013
Transcript of Analisis risiko , Lanni Palmitha Rosetty Sianipar, FEBUI, 2013
Analisis risiko ..., Lanni Palmitha Rosetty Sianipar, FEBUI, 2013
ANALISIS RISIKO MELALUI MOMEN IMBAL HASIL PASAR DAN
FAMA-FRENCH THREE FACTOR MODEL
PERIODE 2002-2012
Lanni Palmitha Rosetty Sianipar1 & Rizky Luxianto2
1. Department of Management, Faculty of Economics, University of Indonesia
2. Department of Management, Faculty of Economics, University of Indonesia
E-mail: [email protected]
Abstrak
Penelitian ini bertujuan untuk menganalisa tentang momen imbal hasil pasar di Indonesia yaitu volatilitas, kecondongan dan keruncingan (volatility, skewness dan kurtosis) dan meneliti mana di antara mereka yang mampu menangkap eksposur risiko. Dengan bantuan cross section dari tingkat imbal hasil, penulis ingin melihat momen pasar mana yang bisa menangkap eksposur risiko. Ada dua pendekatan yang digunakan dalam penelitian ini. Pertama, dengan melihat pergerakan imbal hasil portofolio yang telah disusun berdasarkan koefisien delta volatilitas, delta kecondongan dan delta keruncingan yang didapat dari rumus univariate dan multivariate dan pendekatan yang kedua adalah dengan melihat pergerakan Jensen’s alpha yang telah dihitung menggunakan Fama-French Three Factor Model. Ada empat periode yang digunakan penulis dalam penelitian ini yaitu periode 2002-2012, periode sebelum krisis, periode krisis dan periode setelah krisis. Hasil penelitian di Indonesia menyatakan bahwa keruncingan dari imbal hasil pasar perbulan yang menggunakan rumus univariate mampu menangkap eksposur risiko, baik itu average return maupun Jensen’s alpha.
ANALYSIS OF RISK THROUGH MOMENTS OF MARKET RETURN AND FAMA-FRENCH THREE MODEL FOR THE PERIOD 2002-2012
Abstract
This study analyzes moments of market return in Indonesia, they are volatility, skewness and kurtosis and analyzes which one of them is able to capture exposure of risk. With the help of cross-section of stock return, authors want to see which one from three moments of market return can capture risk. There are two approaches in this study. The first one is by looking at the movement of the portolio return that had been prepared based on the coefficient of delta volatility, delta skewness and delta kurtosis obtained from univariate and multivariate formula and the second one is by looking at the movement of Jensen’s alpha that had been calculated using Fama-French Three Factor Model. There are four period used in this study, those are 2002-2012, before crisis period, crisis period, and after crisis period. The results in Indonesia stated that the kurtosis of monthly market returns using univariate formula is able to capture the exposure of risk, both average returns and Jensen’s alpha. Keywords: Exposure of Risk, Volatility of Market Return, Skewness of Market Return, Kurtosis of Market Return, Fama-French Three Factor Model.
Analisis risiko ..., Lanni Palmitha Rosetty Sianipar, FEBUI, 2013
Pendahuluan
Penelitian tentang risiko semakin berkembang dari hari ke hari, salah satu contohnya
adalah penelitian yang dilakukan oleh Chang et al. (2013) yang menemukan bahwa skewness
imbal hasil indeks pasar saham dapat mengeksposur risiko. Saham yang memiliki eksposur
tinggi terhadap kecondongan pasar (market skewness) menghasilkan rata-rata imbal hasil
(return) yang rendah. Xing dan Zhang (2006) dan Adrian dan Rosenberg (2008) mengatakan,
volatilitas risiko pasar saham juga ditemukan di dalam cross-section of stock return. Setelah
diberikan penemuan baru ini, dibuktikanlah penemuan lain yang tak kalah penting yaitu
membuktikan bahwa market-skewness dan kurtosis adalah ukuran penting dalam mengukur
risiko pasar dan skewness dan kurtosis tidak bisa berubah sama seperti volatilitas. Penelitian ini
merupakan perluasan dari penelitian Ang, et. al. (2006) yang dan menguji apakah skewness dan
kurtosis risiko pasar mempengaruhi cross section of stock return. Chang et al. (2013)
menggunakan imbal hasil saham harian dalam menemukan apakah skewness, kurtosis atau
volatility yang bisa mengeksposur risiko pasar untuk membantu investor dalam menanamkan
uang dan membuat portofolio saham mereka. Penelitian ini pasti akan memiliki hasil yang
berbeda terhadap penelitian Chang et al. (2013) karena menggunakan data-data yang berbeda
dengan periode waktu yang berbeda pula. Setiap negara pasti memiliki karakteristik pasar
mereka masing-masing, begitu juga dengan Indonesia. Penelitian tentang momen pasar juga
belum banyak di Indonesia sehingga belum terlalu banyak referensi dari Indonesia sendiri.
Landasan Teori
Volatilitas (Volatility)
Volatilitas merupakan ukuran terhadap sebaran/dispersi di sekitar rata-rata hasil sekuritas. Satu
cara untuk mengukur volatilitas adalah dengan menghitung standar deviasi, yang akan
menjelaskan pergerakan harga saham di sekitar rata-rata(mean) atau rata-rata bergerak (moving
average/MA). Ketika harga saham bergerak tidak jauh dari rata-rata, standar deviasinya kecil,
volatilitasnya rendah. Begitu juga sebaliknya, ketika harga saham bergerak jauh dari rata-rata
Analisis risiko ..., Lanni Palmitha Rosetty Sianipar, FEBUI, 2013
maka standar deviasinya besar, volatilitasnya tinggi. Untuk sekuritas, semakin tinggi standar
deviasi, semakin besar sebaran tingkat pengembalian, semakin besar pula risiko investasi.
Saham yang memiliki volatilitas tinggi adalah saham yang harganya naik dengan cepat dan turun
dengan cepat. Berbeda dengan saham yang memiliki volatilitas rendah yang pergerakan
harganya tidak terlalu bergejolak. Baik saham yang volatilitas tinggi maupun rendah memiliki
keuntungan dengan perlakuan/strategi yang berbeda. Saham-saham bervolatilitas tinggi cocok
untuk trader jangka pendek dan cenderung agresif. Saham ini disenangi oleh para trader namun
bisa juga memberikan kerugian besar kalau tidak hati-hati. Saham yang volatilitas harganya
rendah cocok untuk trader atau investor jangka panjang.
Ada hubungan erat antara volatilitas dan kinerja pasar. Volatilitas cenderung menurun jika pasar
saham meningkat dan naik ketika pasar sedang jatuh. Saat volatilitas meningkat, risiko
meningkat dan tingkat pengembalian menurun. Risiko direpresentasikan oleh sebaran tingkat
pengembalian di sekitar rata-rata. Investor harus mewaspadai volatilitas pasar jika berharap
untuk menyesuaikan portofolio dengan perubahan.
Kecondongan (Skewness)
Kecondongan (skewness) adalah derajat simetris dari suatu distribusi. Pada umumnya terdapat
empat jenis kecondongan, yaitu normal curve, positive skew, negative skew, dan bimodal. Pada
penelitian ini, penulis akan membahas 3 jenis kecondongan yaitu kecondongan normal,
kecondongan negatif dan kecondongan positif. Semua jenis kecondongan ini menggambarkan
persebaran data-data yang nilainya berbeda, sehingga memiliki mean, median dan mode yang
berbeda-beda.
Gambar 1.1 Kecondongan Normal, Kecondongan Positif, Kecondongan Negatif
Sumber: Gujarati, D. N. (2003). Basic Econometrics 4th Edition. Singapore: Mc-Graw Hill.
Analisis risiko ..., Lanni Palmitha Rosetty Sianipar, FEBUI, 2013
Dalam kurva yang negatively skewed, nilai median dan modus lebih banyak dari mean, dan akan
lebih banyak yang negatif. Dalam dunia saham, kurva yang memiliki kecondongan negatif akan
menghasilkan kerugian bagi investor. Jika data dalam penelitian yang digunakan adalah data
return, berarti kalau kurva distribusi return memiliki kecondongan yang negatif, return memiliki
nilai median dan modus yang negatif dimana ini, mengindikasikan bahwa return kebanyakan
adalah return yang negatif/menurun. Damodaran (1985) adalah orang pertama yang
menunjukkan adanya distribusi imbal hasil yang tidak simetris disebabkan karena investor yang
bereaksi tidak simetris terhadap informasi/berita yang baik dan buruk. Berita baik meningkatkan
harga saham, namun peningkatan ini berkurang karena peningkatan risiko yang disebabkan oleh
peningkatan volatilitas. Sementara, berita buruk menurunkan harga saham dan penurunan ini
diperkuat oleh peningkatan risiko yang disebabkan oleh peningkatan volatilitas. Itu sebabnya
mengapa distribusi return biasanya negatif.
Dalam kurva yang positively skewed, nilai median dan modus lebih banyak dari mean, dan akan
lebih banyak yang positif. Saham yang terdistribusi dalam kurva yang memiliki kecondongan
positif akan menghasilkan keuntungan bagi investor. Jika data dalam penelitian yang digunakan
adalah data return, berarti kalau kurva distribusi return memiliki kecondongan yang positif,
return memiliki nilai median dan modus yang positif, dimana ini menunjukkan bahwa return
kebanyakan adalah return yang positif/menaik. Distribusi bimodal terjadi apabila terdapat dua
atau lebih peak dan biasanya muncul pada saat data yang digunakan berasal dari dua atau lebih
populasi.
Keruncingan (Kurtosis)
Keruncingan (kurtosis) adalah derajat keruncingan atau kelancipan suatu distribusi. Ada tiga
jenis kurtosis, yaitu mesokurtik (distribusi normal), leptokurtik dan platikurtik. Apabila kurva
distribusi berbentuk kurva normal, maka kurva tersebut dinamakan mesokurtik. Kurva dapat
dikatakan normal apabila nilai kurtosis = 3. Apabila kurva distribusi memiliki puncak yang lebih
runcing jika dibandingkan dengan kurva normal, disebut dengan leptokurtik. Data-datanya lebih
banyak menyebar ke arah nilai tengah jika dibandingkan dengan kurva normal. Kurva dapat
dikatakan leptokurtik apabila nilai kurtosis > 3. Apabila kurva distribusi memiliki puncak yang
lebih rendah jika dibandingkan dengan kurva normal, disebut dengan platikurtik. Data-data lebih
Analisis risiko ..., Lanni Palmitha Rosetty Sianipar, FEBUI, 2013
banyak menyebar jauh dari nilai tengah jika dibandingkan dengan kurva normal. Kurva dapat
dikatakan platikurtik apabila nilai kurtosis < 3.
Sebuah distribusi dengan kelebihan kurtosis positif disebut leptokurtic atau leptokurtotic.
“Lepto-“ berarti ramping. Kurva leptokurtik memiliki puncak lebih tinggi di mean dan ekornya
gemuk. Berbeda dengan platikurtik, distribusi dalam kurva ini memiliki puncak yang rendah.
“Platy-“ berarti lebar. Kurva platikurtotik memiliki puncak yang lebar dan ekornya tipis.
Gambar 2.1 Leptokurtik dan Platikurtik
Sumber: Gujarati, D. N. (2003). Basic Econometrics 4th Edition. Singapore: Mc-Graw Hill.
Dalam kurva platikurtik, data terkonsentrasi dalam rentang nilai sempit, semua data yang ada
mendekati mean, atau (banyak yang sama nilainya dengan mean) dan standar deviasinya sama
dengan standar deviasi kurva leptokurtik.
Dalam kurva leptokurtik, data terkonsentrasi dalam rentang nilai luas, semua data yang ada tidak
mendekati mean, atau (banyak yang nilainya berbeda dengan mean) dan nilai dalam kurva ini
lebih bervariasi. Kurva ini memiliki “fat-tails”. Kurva leptokurtik lebih mungkin dalam
menggambarkan keadaan keuangan yang time-series dan menggambarkan residual (error) dalam
sebuah model time-series.
Distribusi leptolurtik adalah distribusi yang biasanya menggambarkan distribusi imbal hasil aset.
Distribusi ini disebabkan karena adanya pengelompokan volatilitas (Campbell dan Hentschel,
1992). Kirchler dan Huber (2007) mengemukakan bahwa heterogenitas informasi adalah
pemeran utama dalam aktivitas perdagangan (trading), volatilitas dan munculnya ekor yang
gendut (fat-tails). Mereka juga menemukan pengelompokan volatilitas (volatility clustering).
Analisis risiko ..., Lanni Palmitha Rosetty Sianipar, FEBUI, 2013
Ketika informasi dilepaskan ke pasar, harga berfluktuasi secara cepat. Volatilitas ini menurun
secara cepat dan bereaksi secara cepat terhadap infomasi yang baru. Harga akan stabil lagi jika
ada informasi baru yang dilepaskan ke pasar.
Metode Penelitian
Data dan Periode Penelitian
Penelitian ini menggunakan data jenis runtun waktu (time series) dari tahun 2002-2012, berupa
data harga saham harian seluruh perusahaan yang listing di BEI, indeks harga saham gabungan
(IHSG), data tingkat bebas risiko (risk-free rate), kapitalisasi pasar (market capitalization) dan
book-to-market ratio semua perusahaan yang telah listing di BEI. Data harga saham harian, SBI
rate, dan harga IHSG harian akan digunakan untuk membuat portofolio saham berdasarkan
eksposur (koefisien regresi) terhadap volatilitas, kecondongan dan keruncingan pasar. Kemudian
data market capitalization dan rasio market-to-book equity akan digunakan untuk membuat
portofolio berdasarkan size dan value untuk mencari nilai SMB dan HML. Data diperoleh dari
Datastream 5.0 yang dapat diakses di Pusat Data Ekonomi dan Bisnis (PDEB) FEUI.
Selanjutnya, data akan diolah di Microsoft Excel dan Eviews6.
Model Regresi Univariate dan Multivarate
Jurnal utama menggunakan 2 strategi dalam meneliti faktor-faktor yang mempengaruhi
keseimbangan imbal hasil yang diharapkan dengan momen imbal hasil pasar saham. Strategi
pertama dengan rumus univariate:
Ri,t – Rf,t = βi0 + βi
MKT (Rm,t – Rf,t) + βiΔVOLΔVOLt + εi,t (1.1)
Ri,t – Rf,t = βi0 + βi
MKT (Rm,t – Rf,t) + βiΔSKEWΔSKEWt + εi,t (1.2)
Ri,t – Rf,t = βi0 + βi
MKT (Rm,t – Rf,t) + βiΔKURTΔKURTt + εi,t (1.3)
Pada strategi kedua digunakan rumus multivariate:
Analisis risiko ..., Lanni Palmitha Rosetty Sianipar, FEBUI, 2013
Ri,t – Rf,t = βi0 + βi
MKT (Rm,t – Rf,t) + βiΔVOLΔVOLt + βi
ΔSKEWΔSKEWt + βiΔKURTΔKURTt + εi,t
(1.4)
Dimana Ri,t adalah imbal hasil saham i pada waktu t, Rf,t adalah return SBI pada waktu t, Rm,t
adalah imbal hasil pasar pada waktu t, ΔVOL adalah selisih (delta) volatilitas, ΔSKEW adalah
selisih (delta) kecondongan (skewness), ΔKURT adalah selisih (delta) keruncingan (kurtosis).
Excess stock return dari semua perusahaan yang menjadi popolasi penelitian diregres dengan
model di atas sehingga dari ketiga rumus di atas, akan didapat koefisien beta delta volatilitas,
beta delta kecondongan (skewness) dan beta delta keruncingan (kurtosis). Koefisien delta
volatilitas, kecondongan dan keruncingan setiap perusahaan akan disusun dari yang kecil ke
yang paling besar, kemudian dibagi menjadi 5 kuintil portofolio. Dalam setiap portofolio
terdapat perusahaan yang berbeda-beda, sehingga average excess stock return setiap portofolio
juga berbeda. Ada 2 jenis periode yang penulis gunakan, yaitu perbulan dan perenambulan,
sehingga untuk volatilitas sendiri akan ada 10 portofolio begitu juga dengan kecondongan dan
keruncingan.
Model Regresi Fama-French
Seluruh perusahaan yang menjadi populasi peneltian akan dikelompokkan berdasarkan market
capitalization dan rasio market-to-book. Pembagian menjadi 2 bagian berdasarkn size dan 3
bagian berdasarkan rasio book-to-market dikarenakan menurut Fama-French (1993) rasio book-
to-market mempunyai peran lebih besar dalam menjelaskan cross-section dari imbal hasil saham
daripada size. Dalam penghitungan SMB dan HML dibutuhkan return masing-masing portofolio.
Untuk menghitung return portofolio, kita harus mengetahui bobot yang dibebankan pada
masing-masing portofolio (value-weighted) berdasarkan kapitalisasi pasar pada awal
pembentukan portofolio.
Value-weighted : !! =!"#$%! × !"#$% !"#$#%&'(&) !!!"#$!
!"#$% !"#$%"&'" !"#$%& !"#$%"&$'"%$() (1.5)
Return Portfolio: Rp = W1R1 + W2R2 + W3R3+...+ WnRn (1.6)
Fama-French Three Factor :
(!!,! − !!,!) = ∝ + !! !!,! − !!,! + !! !"# + ℎ! !"# + !! (1.7)
Analisis risiko ..., Lanni Palmitha Rosetty Sianipar, FEBUI, 2013
Variabel dan Pengukuran
Variabel dependen adalah excess stock return. Sementara variabel independen penelitian ini
adalah excess market return, delta volatilitas, delta kecondongan, delta keruncingan, firm size
effect (SMB), value effect (HML)
Pengembangan Hipotesis
Hipotesis 1: Volatilitas mampu menangkap eksposur risiko melalui cross-section dari return
saham. Untuk menguji hipotesis di atas ada dua cara yang digunakan penulis, yaitu dengan
menguji beda rata-rata average return dan Jenesn’s alpha:
1. Dengan average return
H0 : Rvol5 –Rvol1 ≥ 0
H1 : Rvol5 –Rvol1 < 0
2. Dengan Fama-French Three Factor alpha
H0 : αvol5 –αvol1 ≥ 0
H1 : αvol5 –αvol1 < 0
Hipotesis 2: Kecondongan (skewness) mampu menangkap eksposur risiko melalui cross-section
dari return saham.
1. Dengan average return
H0 : Rskew5 –Rskew1 ≥ 0
H1 : Rskew5 –Rskew1 < 0
2. Dengan Fama-French Three Factor alpha
H0 : αskew5 –αskew1 ≥ 0
H1 : αskew5 –αskew1 < 0
Hipotesis 3: Keruncingan (kurtosis) mampu menangkap eksposur risiko melalui cross-section
dari return saham.
Analisis risiko ..., Lanni Palmitha Rosetty Sianipar, FEBUI, 2013
1. Dengan average return
H0 : Rkurt5 –Rkurt1 ≥ 0
H1 : Rkurt5 –Rkurt1 < 0
2. Dengan Fama-French Three Factor alpha
H0 : αkurt5 –αkurt1 ≥ 0
H1 : αkurt5 –αkurt1 < 0
Untuk menguji hipotesis di atas penulis menggunakan uji t pada rata-rata dan beda rata-rata.
Hipotesis akan diterima bila terbukti average return 5 lebih kecil dari nol dan atau alpha 5 lebih
kecil dari alpha 1 Signifikan bila t ≥ 1,67 dan atau t ≤ -1,67. Signifikan berarti volatilitas
mampu menangkap eksposur risiko melalui cross-section dari return saham. Rvol5 adalah return
portofolio yang terdiri dari perusahaan yang memiliki koefisien volatilitas terbesar. Rvol1 adalah
return portofolio yang terdiri dari perusahaan yang memiliki koefisien volatilitas terkecil. αvol5
adalah Jensen’s alpha portofolio yang terdiri dari perusahaan yang memiliki koefisien volatilitas
terbesar. αvol1 adalah Jensen’s alpha portofolio yang terdiri dari perusahaan yang memiliki
koefisien volatilitas terkecil. Rskew5 adalah return portofolio yang terdiri dari perusahaan yang
memiliki koefisien kecondongan terbesar. Rskew1 adalah return portofolio yang terdiri dari
perusahaan yang memiliki koefisien kecondongan terkecil. αskew5 adalah Jensen’s alpha
portofolio yang terdiri dari perusahaan yang memiliki koefisien kecondongan terbesar. αskew1
adalah Jensen’s alpha portofolio yang terdiri dari perusahaan yang memiliki koefisien
kecondongan terkecil. Rkurt5 adalah return portofolio yang terdiri dari perusahaan yang memiliki
koefisien keruncingan terbesar. Rkurt1 adalah return portofolio yang terdiri dari perusahaan yang
memiliki koefisien keruncingan terkecil. αkurt5 adalah Jensen’s alpha portofolio yang terdiri dari
perusahaan yang memiliki koefisien keruncingan terbesar. αkurt1 adalah Jensen’s alpha portofolio
yang terdiri dari perusahaan yang memiliki koefisien keruncingan terkecil.
Analisis risiko ..., Lanni Palmitha Rosetty Sianipar, FEBUI, 2013
Hasil Penelitian Dan Pembahasan
Periode tahun 2002-2012
Tabel 1.1 Hasil Regresi Model Univariat dan Multivariat Volatilitas Selama Periode 2002-2012
Quintile Portfolio
Sorting statistic 1 2 3 4 5 5 - 1
Panel A: One-month beta estimation period
Volatility Beta (Univariate) -0,3315 -0,0024 0,0236 0,0515 0,9234
(-2,4727) (-2,6342) (30,1966) (50,6039) (1,4450) Average Return -0,0015 -0,0010 -0,0010 -0,0012 -0,0011 0,0005
(-5,4524) (-16,5432) (-13,3835) (-16,0103) (-6,8894) (1,4927)
Fama-French Three Factor Alpha -0,0008 -0,0007 -0,0008 -0,0010 -0,0007 0,0001
(-3,9664) (-4,2929) (-4,2430) (-5,7231) (-2,9325) Volatility Beta (Multivariate) -0,8064 -0,0103 0,0186 0,0472 1,4012
(-1,9801) (-9,4758) (22,4323) (40,1903) (1,1246) Average Return -0,0015 -0,0009 -0,0011 -0,0011 -0,0011 0,0004
(-5,2815) (-16,0239) (-14,9455) (-15,2544) (-7,0144) (1,2827)
Fama-French Three Factor Alpha -0,0008 -0,0007 -0,0009 -0,0009 -0,0007 0,0001
(-3,7321) (-3,7277) (-5,0240) (-5,0143) (-3,3260) Panel B: Six-month beta estimation period
Volatility Beta (Univariate) -0,6295 -0,0483 -0,0050 0,0293 0,1379
(-4,0189) (-29,3236) (-5,0297) (20,3276) (9,0622) Average Return -0,0014 -0,0013 -0,0010 -0,0011 -0,0010 0,0004
(-4,9765) (-21,7063) (-13,5104) (-14,1947) (-6,6131) (1,2068)
Fama-French Three Factor Alpha -0,0007 -0,0007 -0,0008 -0,0009 -0,0009 -0,0002
(-2,6413) (-3,5071) (-4,4308) (-5,5176) (-4,6018) Volatility Beta (Multivariate) -1,6344 -0,0326 0,0065 0,0472 2,7159
(-1,5723) (-19,7127) (7,1571) (26,3456) (1,1543) Average Return -0,0012 -0,0010 -0,0010 -0,0011 -0,0014 -0,0001
(-4,4150) (-17,3140) (-13,9175) (-14,8640) (-8,8209) (-0,3423)
Fama-French Three Factor Alpha -0,0008 -0,0007 -0,0008 -0,0009 -0,0009 -0,0001
(-2,9996) (-3,4107) (-4,6167) (-5,5779) (-4,2260)
Seperti yang sudah dijelaskan pada metodologi, cara menangkap eksposur risiko melalui cross-
section dari return saham adalah dengan melihat perubahan average return dan Jensen’s alpha
(Fama-French Three Factor Alpha). Tabel di atas merupakan tabel koefisien regresi volatilitas
Analisis risiko ..., Lanni Palmitha Rosetty Sianipar, FEBUI, 2013
dan cross section dari imbal hasil saham. Dari kuintil 1 sampai 5, koefisien regresi sudah
diurutkan dari yang terkecil ke yang paling besar. Kalau diperhatikan average return portofolio
untuk volatilitas perbulan dan perenambulan baik yang univariate maupun yang multivariate
bergerak naik-turun, tidak ada yang bergerak menurun secara monoton ataupun menurun secara
monoton. Tetapi untuk Fama-French Three Factor alpha kebanyakan juga bergerak naik turun.
Hanya alpha pada volatilitas perenam bulan yang menggunakan rumus univariate yang bergerak
menurun secara monoton sehingga bisa dikatakan kalau alpha pada volatilitas perenambulan
mampu menangkap eksposur risiko melalui cross-section dari return saham dan secara statistik
signifikan.
Tabel 1.2 di bawah merupakan tabel regresi terhadap kecondongan IHSG selama tahun
2002-2012. Koefisien kecondongan sudah diurutkan dari yang paling kecil ke paling besar. Ada
2 yang mampu menangkap eksposur risiko melalui cross-section dari return saham. Yang
pertama adalah alpha pada kecondongan multivariate yang menurun secara monoton dari
portofolio 1 ke portofolio 5. Yang kedua adalah average return kecondongan univariate
perenambulan. Dapat dilihat pergerakan average return yang menurun secara monoton. Alpha
dan average return tersebut secara statistik signifikan mempengaruhi excess return saham yang
listing di Bursa Efek Indonesia.
Tabel 1.3 di bawah merupakan tabel hasil regresi rumus univariate dan multivariate untuk
keruncingan (kurtosis). Pada keruncingan yang mampu menangkap eksposur risiko melalui
cross-section dari return saham adalah alpha pada keruncingan perbulan yang univariate. Dapat
kita lihat bahwa alphanya meningkat secara monoton sehingga dapat kita katakan bahwa saham
yang terdapat pada portofolio 1, yaitu portofolio yang koefisien kurtosisnya kecil lebih berisiko
daripada saham portofolio 5 yang koefisien kurtosisnya besar. Yang kedua adalah average return
pada keruncingan perenambulan yang univariate. Bisa kita lihat bahwa average returnnya
menaik secara monoton. Ini mengindikasikan bahwa saham yang terdapat pada portofolio 1,
yaitu portofolio yang koefisien kurtosisnya kecil lebih berisiko daripada saham portofolio 5 yang
koefisien kurtosisnya besar. Baik average return dan alpha, semuanya secara statistik signifikan.
Analisis risiko ..., Lanni Palmitha Rosetty Sianipar, FEBUI, 2013
Tabel 1.2 Hasil Regresi Model Univariat dan Multivariat Kecondongan Selama Periode 2002-2012
Quintile Portfolio
Sorting statistic 1 2 3 4 5 5 - 1
Panel A: One-month beta estimation period
Skewness Beta (Univariate) -0,0022 -0,0007 -0,0004 -0,0001 0,0018
(-4,3128) (-58,3337) (-43,1382) (-5,7965) (3,6968)
Average Return -0,0013 -0,0009 -0,0011 -0,0011 -0,0013 -0,0001
(-4,4781) (-16,2062) (-14,7071) (-15,1640) (-8,5962) (-0.1794)
Fama-French Three Factor Alpha -0,0006 -0,0007 -0,0008 -0,0010 -0,0008 -0,0002
(-2,3034) (-3,5146) (-4,2708) (-6,3599) (-5,1853)
Skewness Beta (Multivariate) -0,0026 -0,0006 -0,0003 0,0000 0,0023
(-3,4186) (-46,1380) (-40,9162) (0,2803) (3,3163)
Average Return -0,0013 -0,0010 -0,0011 -0,0010 -0,0013 0,0000
(-4,7239) (-16,8986) (-15,1973) (-13,6209) (-8,3896) (0,1352)
Fama-French Three Factor Alpha -0,0007 -0,0007 -0,0008 -0,0009 -0,0009 -0,0001
(-2,7828) (-3,4390) (-4,6768) (-5,8502) (-5,0304)
Panel B: Six-month beta estimation period
Skewness Beta (Univariate) -0,0023 -0,0006 -0,0003 0,0001 0,0031
(-2,9318) (-44,6109) (-25,2884) (7,2033) (4,5046)
Average Return -0,0011 -0,0011 -0,0011 -0,0011 -0,0014 -0,0004
(-3,7695) (-18,2820) (-15,0981) (-14,2439) (-9,3799) (-1,1765)
Fama-French Three Factor Alpha -0,0008 -0,0008 -0,0008 -0,0009 -0,0007 0,0001
(-3,0300) (-3,6146) (-5,0408) (-5,5350) (-3,9837)
Skewness Beta (Multivariate) -0,0110 -0,0013 -0,0007 -0,0001 0,0068
(-1,5669) (-63,5322) (-43,3020) (-7,1957) (1,9786)
Average Return -0,0013 -0,0011 -0,0010 -0,0010 -0,0013 0,0000
(-4,6632) (-19,0469) (-14,0891) (-13,3638) (-8,3478) (0,1019)
Fama-French Three Factor Alpha -0,0008 -0,0008 -0,0008 -0,0008 -0,0008 0,0000
(-2,8315) (-3,9273) (-4,0345) (-5,9068) (-5,2657)
Analisis risiko ..., Lanni Palmitha Rosetty Sianipar, FEBUI, 2013
Tabel 1.3 Hasil Regresi Model Univariat dan Multivariat Keruncingan Selama Periode 2002-2012
Quintile Portfolio
Sorting statistic 1 2 3 4 5 5 -1
Panel A: One-month beta estimation period
Kurtosis Beta (Univariate) -0,0010 0,0000 0,0001 0,0002 0,0007
(-3,1314) (-4,9525) (28,7033) (48,0523) (5,2726) Average Return -0,0017 -0,0011 -0,0012 -0,0009 -0,0008 0,0009
(-6,1316) (-18,4635) (-16,1415) (-12,4638) (-5,2858) (2,8562)
Fama-French Three Factor Alpha -0,0009 -0,0009 -0,0009 -0,0007 -0,0006 0,0003
(-4,5427) (-6,1491) (-5,0683) (-3,0290) (-2,4470) Kurtosis Beta (Multivariate) -0,0013 -0,0001 0,0001 0,0002 0,0012
(-3,1798) (-17,4684) (15,4767) (34,3175) (2,0109) Average Return -0,0014 -0,0012 -0,0012 -0,0011 -0,0009 0,0004
(-4,8000) (-21,0080) (-15,6204) (-14,6961) (-5,9559) (1,3662)
Fama-French Three Factor Alpha -0,0009 -0,0008 -0,0009 -0,0008 -0,0006 0,0003
(-4,6162) (-4,5956) (-4,9735) (-3,8759) (-2,5515) Panel B: Six-month beta estimation period
Kurtosis Beta (Univariate) -0,0005 -0,0001 0,0000 0,0000 0,0004
(-4,9791) (-35,8352) (-8,3963) (21,1998) (2,6609) Average Return -0,0016 -0,0011 -0,0011 -0,0010 -0,0009 0,0006
(-5,6330) (-19,1683) (-14,9127) (-13,3032) (-6,1311) (2,0139)
Fama-French Three Factor Alpha -0,0007 -0,0009 -0,0009 -0,0008 -0,0008 -0,0001
(-2,9486) (-4,7127) (-4,9648) (-4,2119) (-3,4889) Kurtosis Beta (Multivariate) -0,0012 -0,0002 -0,0001 0,0000 0,0018
(-2,4013) (-66,2359) (-29,8430) (1,6789) (1,3727) Average Return -0,0009 -0,0011 -0,0011 -0,0010 -0,0016 -0,0006
(-3,3356) (-19,2676) (-15,0497) (-13,2409) (-10,3221) (-2,0083)
Fama-French Three Factor Alpha -0,0007 -0,0009 -0,0008 -0,0008 -0,0007 0,0000
(-2,8950) (-4,0688) (-4,5989) (-5,3730) (-3,9846)
Berikut peneliti akan meringas hasil penelitian di dalam tabel untuk mempermuda melihat hasil
penelitian.
Analisis risiko ..., Lanni Palmitha Rosetty Sianipar, FEBUI, 2013
Tabel 1.4 Ringkasan Hasil Regresi untuk Volatilitas
Univariate Multivariate
2002-2012 Volatility
Setiap bulan
Tidak mampu menangkap eksposur risiko
Tidak mampu menangkap eksposur risiko
Setiap 6 bulan Jensen's Alpha Tidak mampu menangkap
eksposur risiko
Sebelum Krisis Volatility
Setiap bulan
Tidak mampu menangkap eksposur risiko
Tidak mampu menangkap eksposur risiko
Setiap 6 bulan Average return Average return
Saat Krisis Volatility
Setiap bulan
Tidak mampu menangkap eksposur risiko
Tidak mampu menangkap eksposur risiko
Setiap 6 bulan
Tidak mampu menangkap eksposur risiko
Tidak mampu menangkap eksposur risiko
Setelah Krisis Volatility
Setiap bulan
Tidak mampu menangkap eksposur risiko
Tidak mampu menangkap eksposur risiko
Setiap 6 bulan Average return Tidak mampu menangkap
eksposur risiko
Tabel 1.5 Ringkasan Hasil Regresi untuk Kecondongan
Univariate Multivariate
2002-2012 Skewness
Setiap bulan
Tidak mampu menangkap eksposur risiko Jensen's Alpha
Setiap 6 bulan Average return Tidak mampu menangkap
eksposur risiko
Sebelum Krisis Skewness
Setiap bulan
Tidak mampu menangkap eksposur risiko Average return
Setiap 6 bulan Jensen's Alpha Jensen's Alpha
Saat Krisis Skewness
Setiap bulan
Tidak mampu menangkap eksposur risiko
Tidak mampu menangkap eksposur risiko
Setiap 6 bulan
Tidak mampu menangkap eksposur risiko
Tidak mampu menangkap eksposur risiko
Setelah Krisis Skewness
Setiap bulan Jensen's Alpha Jensen's Alpha
Setiap 6 bulan
Tidak mampu menangkap eksposur risiko
Tidak mampu menangkap eksposur risiko
Analisis risiko ..., Lanni Palmitha Rosetty Sianipar, FEBUI, 2013
Tabel 1.6 Ringkasan Hasil Regresi untuk Keruncingan
Univariate Multivariate
2002-2012 Kurtosis
Setiap bulan
Average return dan Jensen's Alpha Average return
Setiap 6 bulan Average return Tidak mampu menangkap
eksposur risiko
Sebelum Krisis Kurtosis
Setiap bulan
Average return dan Jensen's Alpha
Tidak mampu menangkap eksposur risiko
Setiap 6 bulan
Tidak mampu menangkap eksposur risiko
Tidak mampu menangkap eksposur risiko
Saat Krisis Kurtosis
Setiap bulan
Average return dan Jensen's Alpha
Tidak mampu menangkap eksposur risiko
Setiap 6 bulan
Tidak mampu menangkap eksposur risiko
Tidak mampu menangkap eksposur risiko
Setelah Krisis Kurtosis Setiap
bulan Average return dan Jensen's Alpha
Tidak mampu menangkap eksposur risiko
Setiap 6 bulan
Tidak mampu menangkap eksposur risiko
Tidak mampu menangkap eksposur risiko
Kesimpulan dan Saran
Kesimpulan
Setiap pasar keuangan pasti memiliki karakteristik tertentu, yang pasti semua pasar tidak
memiliki distribusi harga saham yang normal, sehingga pasar mereka memiliki normal skewness
dan atau mesokurtic. Terutama untuk pasar yang memiliki fat tails, mereka memiliki imbal hasil
yang nilai jauh lebih ekstrim daripada yang bisa diprediksi oleh standar deviasi. Pasar yang
cenderung menunjukkan kecondongan, bisa kita prediksi kalau memiliki kecondongan positif
berarti kebanyakan return yang dihasilkan di atas expected return, begitu juga sebaliknya.
Untuk kurtosis dari harga pasar perbulan yang menggunakan rumus univariate mampu
menangkap eksposur risiko, baik itu average return maupun Jensen’s alpha. Average return dan
Jensen’s Alpha secara statistik signifikan mempengaruhi excess return saham. Bahkan di saat
krisis pun kurtosis mampu menangkap eksposur risiko. Beda dengan volatilitas dan skewness
Analisis risiko ..., Lanni Palmitha Rosetty Sianipar, FEBUI, 2013
(kecondongan) yang di saat krisis sama sekali tidak bisa mengeksposur risiko saham. Jadi, untuk
penelitian di Indonesia, kurtosis dari return pasar setiap bulan yang mampu menangkap eksposur
risiko dan melalui rumus univariate.
Keterbatasan dan Saran
Keterbatasan pada penelitian ini adalah kurang lengkapnya data market capitalization dan
market-to-book yang disediakan oleh Datastream. Peneliti hanya menggunakan 415 perusahaan
yang datanya lengkap untuk menghitung SMB dan HML, dari yang seharusnya 448 perusahaan.
Ada beberapa saran yang ingin diberikan dari penulis berdasarkan hasil penelitian ini:
1. Investor dan Pelaku Pasar di Bursa Efek Indonesia
Investor agar lebih mulai memperhatikan kurtosis harga saham di Indonesia dan IHSG agar bisa
mengetahui saham-saham mana yang berisiko dan bisa mengambil keputusan berinvestasi.
Perhatikan juga keadaan perekonomian karena pasti mempengaruhi harga saham dan IHSG.
Untuk analis agar menganalisa kurtosis menggunakan rumus univariate. Perhatikan average
return dan Jensen’s alpha setiap portofolio saham. Saham-saham yang termasuk dalam
portofolio dengan risiko terbesar sebaiknya dipasangkan dengan saham yang berkorelasi
sebaliknya agar masih tetap bisa diperdagangkan.
2. Penelitian Selanjutnya
a. Menggunakan data market capitalization dan market-to-book yang lengkap, yaitu dari semua
perusahaan yang listing di Bursa Efek Indonesia.
b. Melakukan penelitian terhadap indeks LQ-45 atau Kompas 100 atau indeks lain. Perhatikan
saham-saham di indeks mana yang paling berisiko.
c. Melakukan penelitian terhadap saham-saham di luar negeri, atau negara-negara yang
termasuk dalam komunitas dimana Indonesia juga tergabung dalam komunitas tersebut seperti
APEC, ASEAN, dan lain-lain. Bandingkan juga dengan negara-negara yang termasuk dalam
developed market.
d. Menggunakan Single Factor Model dan Carhart Four-Factor Alpha untuk melihat mana di
antara mereka yang paling bisa mengeksposur risiko.
Analisis risiko ..., Lanni Palmitha Rosetty Sianipar, FEBUI, 2013
e. Melakukan penelitian terhadap masing-masing industri untuk melihat saham maa yang
berisiko dan industri mana yang paling berisiko untuk membantu investor dan trader dalam
mengambil keputusan berunvestasi.
f. Melakukan penelitian dengan jangka waktu yang berbeda dengan penelitian. Mialnya
menggunaka jangka waktu perminggu, pertiga bulan, dan lain-lain. Jangka waktu ini juga bisa
menghasilkan hasil penelitian yang berbeda karena dalam jangka waktu tertentu, pergerakan
harga saham bisa berbeda.
g. Krisis yang digunakan dalam penelitian ini adalah krisis subprime mortgage yang terjadi di
Amerika. Mungkin untuk penelitian berikutnya bisa menggunakan krisis yang terjadi di
Inggris tahun 2007 dan krisis ekonomi Yunani yang terjadi tahun 2012, atau krisis-krisis
lainnya untuk melihat dampak krisis terhadap dunia investasi Indonesia.
h. Melanjutkan penelitian sampai melihat ke-robust-an hasil penelitian.
Daftar Referensi
Ang, et. al. (2006). The Cross-Section of Volatility and Expected Returns. The Journal of Finance 1 , 258-299.
Bo Young Chang, P. C. (2013). Market Skewness Risk and The Cross-Section of Stock Return. Journal of Financial Economics 107 , 46-68.
Gujarati, D. N. (2003). Basic Econometrics 4th Edition. Singapore: Mc-Graw Hill.
Kirchler, M. d. (2007). Fat Tails and Volatility Clustering in Experimental Asset Markets. Journal of Economic Dynamics and Control 31 , 1844-1874.
Rosenberg, T. A. (2008). Stock Returns and Volatility: Pricing the Short-Run and Long-Run Components of Market Risk. The Journal of Finance 6 , 2997-3030.
Zhang, C. S. (2001). Assessing The Financial Performance of Forestry-Related Investement Vehicles: CAPM Vs APT. American Agricultural Economics Association , 617-628.
Analisis risiko ..., Lanni Palmitha Rosetty Sianipar, FEBUI, 2013