Penentuan model yang tepat dalam memperkirakan risiko suatu saham dapat menjadi panduan bagi investor dalam memilih saham. Untuk itu, penelitian ini dimaksudkan untuk mencapai tujuan menentukan model yang cocok untuk semua indeks sektoral yang diteliti. Kemudian melihat karakteristik yang terdapat pada masing-masing indeks sektoral dan membandingkan di antaranya. Selain itu, penelitian ini juga akan melihat apakah conditional variance suatu indeks sektoral asimetri dalam merespon masuknya informasi good news dan bad news.Dalam penelitian ini maka dilakukan uji statistik terhadap 10 data return indeks sektoral dan IHSG di Bursa Efek Jakarta selama periode 2 Januari 1996 sampai 30 Juni 2003. Pengujian dilakukan dengan menggunakan model ARMA-EGARCH (1,1).Hasil pengujian conditional mean dan conditional variance, semua sektor kecuali sektor industri dasar dapat dimodelkan dengan ARMA-EGARCH (1,1). Hasil yang diperoleh bahwa conditional variance (b1} dan setiap indeks sektoral menunjukkan hasil dengan nilai koefisien yang signifikan. Magnitude (g1) dan seluruh indeks sektoral juga menunjukkan koefisien yang positif dan signifikan, yang berarti positif shock mempunyai pengaruh kecil terhadap fluktuasi saham. Koefisien yang positif dan magnitude tersebut konsisten dengan berbagai studi empirik yang pernah dilakukan sebelumnya antara lain Cho dan Engle (2000), Kim dan Karanasos (2001), serta Aziz dan Ekrem (2001).Estimasi parameter volatility asymmetry (q1) menunjukkan hasil yang berbeda antar sektor. Return indeks sektor pertanian, industri dasar, industri barang konsumsi, transportasi dan infrastruktur, aneka industri, dan pertambangan tidak menghasilkan koefisien yang signifikan secara statistik. Sedangkan untuk return indeks keuangan, manufaktur, properti, perdagangan, dan IHSG signifikan secara statistik dan menunjukkan tanda koefisien negatif. Artinya masuknya informasi (good dan bad news) memberi dampak asimetri (efek asimetri/leverage) terhadap indeks sektoral tersebut.Karena nilai koefisien q1 indeks sektoral tersebut berada di antara ?1 dan 0 (-1 < q1 < 0) maka berarti conditional variance akan meningkat lebih besar ketika merespon informasi negatif (bad news) dibandingkan terhadap informasi positif (good news) dengan magnitude yang sama.Hasil pengujian ini menunjukkan bahwa saham-saham yang berada di sektor keuangan, perdagangan, manufaktur, dan properti memiliki risiko yang lebih besar dibandingkan saham-saham di sektor lainnya. Saham-saham tersebut bereaksi lebih besar terhadap informasi negatif (bad news) yang datang, sehingga mengakibatkan risiko lebih besar bagi investor yang memegang saham pada sektor tersebut.

---

Appropriate volatility model is useful for an investor to know about their portfolio characteristic. The aims of this paper are to select the appropriate volatility model for all sectoral indices, to see the characteristic of all sectoral indices, and to investigate whether or not the conditional variance of sectoral indices returns are asymmetric in response to good and bad news.

This study is using daily returns of 10 sectoral indices and JSX CSPI from January 2, 1996 to June 30, 2003. We apply the ARMA-EGARCH (1,1) model to estimates data returns.

Conditional mean and conditional variance of all sector can modeled by ARMA-EGARCH (1,1), except for basic industry sector. The result of conditional variance (b1) and magnitude (g1) are significant to all sectors. This result was consistent with some empiric studies from Cho and Engle (2000), Kim and Karanasos (2001), and Aziz and Ekrem (2001).

Estimates of the volatility asymmetry parameter (q1) showed different result from all sectors. Returns of agriculture, basic industry, consumer goods industry, infrastructure, miscellaneous industry, and mining are not statically significant. Returns of finance, manufacture, property, trade, and CSPI are negative and statically significant. It is mean that conditional covariance have asymmetric/leverage effect in response to good and bad news.

Because the value of q1 is between -1 < q1 < 0, conditional variance of sectors return increases more in response to bad news than to good news of the same magnitude. This result shows that stocks in finance, trade, manufacture, and property sectors are more risky than stocks in other sectors.