Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penentuan harga pada saat pembukaan pasar adalah suatu hal yang sulit dan merupakan saat yang paling menentukan di hari perdagangan. Untuk memudahkan penentuan harga saat pembukaan, beberapa bursa di dunia telah memperkenalkan suatu periode pra-pembukaan. Harga indikatif yang dibentuk selama periode ini dapat memudahkan para investor untuk memperkirakan tingkat keseimbangan baru dan menentukan strategi optimum mereka. Akan tetapi, karena tidak ada perdagangan yang sesungguhnya terjadi hingga pasar dibuka secara resmi, investor bisa tergoda untuk memanipulasi harga.Karya akhir ini bertujuan untuk mempelajari dampak periode pra-pembukaan terhadap volatilitas dan aktivitas saham ketika periode pra-pembukaan tersebut pertama sekali diperkenalkan oleh Bursa Efek Jakarta. Dengan menggunakan data intrahari dalam analisis, penelitian ini dimaksudkan untuk menguji apakah periode pra-pembukaan di BEJ dapat menurunkan tingkat asimetri informasi antar pelaku pasar yang diproksi dengan penurunan volatilitas pembukaan pasar yang selama ini terjadi. Disamping itu, riset ini juga ditujukan untuk mengetahui apakah periode pra-pembukaan mempengaruhi aktivitas perdagangan. Riset ini juga dimaksudkan untuk melihat apakah terdapat perbedaan pola dinamika volatilitas dan aktivitas terkait dengan kapitalisasi perdagangan saham

---

Determining the price at the opening of the market is a difficult thing and is the most decisive moment of the trading day. To make it easier to determine the price at the opening, several exchanges around the world have introduced a pre-opening period. The indicative prices formed during this period can make it easier for investors to estimate new equilibrium levels and determine their optimum strategy. However, since no actual trading takes place until the market officially opens, investors can be tempted to manipulate prices.

This final paper aims to study the impact of the pre-opening period on volatility and stock activity when the pre-opening period was first introduced by the Jakarta Stock Exchange. By using intraday data in the analysis, this study is intended to test whether the pre-opening period on the JSE can reduce the level of information asymmetry between market participants which is proxied by the decrease in market opening volatility that has occurred so far. In addition, this research is also intended to determine whether the pre-opening period affects trading activity."

"ABSTRAKPT Bursa Efek Jakarta (BEJ) mulai tanggal 3 Januari 2005 menetapkan kebijakan baru fraksi harga saham, yaitu menambah satu fraksi harga Rp 10,- dari sebelumnya yang berlaku tiga fraksi saham yakni Rp 5,-, Rp 25,- dan Rp 50,-. Tujuan kebijakan fraksi saham ini menurut Direktur Utama BEJ adalah untuk meningkatkan likuiditas bursa sekaligus menambah pendapatan BEJ. Fraksi harga Rp 10,- tersebut diberlakukan terhadap kelompok saham dengan harga Rp 500,- sampai dengan kurang dari Rp 2.000,-, sehingga terjadi penurunati fraksi harga bagi kelompok saham tersebut yaitu dari sebelumnya Rp 25,- menjadi Rp 10,-.Karya akhir ini mempunyai tiga tujuan utama yaitu meneliti dampak penurunan fraksi harga saham tersebut terhadap (I) likuiditas, (2) strategi order dan (3) aktivitas perdagangan di BEJ. Likuiditas dalam penelitian ini adalah kemampuan untuk bertransaksi dalam jumlah besar secara cepat, dengan biaya rendah tanpa memengaruhi harga. Mengikuti penelitian-penelitian sebelumnya, ukuran likuiditas dalam penelitian ini adalah spread dan depth. Strategi order yang diteliti adalah perubahan strategi dari limit order ke market order dan perubahan order size yang diberikan pelaku pasar. Sedangkan aktivitas perdagangan diukur dengan frekuensi, volume dan nilai perdagangan.Hasil penelitian pada karya akhir ini menunjukkan bahwa nominal spread dan relative spread menurun secara signifikan setelah penurunan fraksi harga saham. Namun demikian depth juga turun secara signifikan. Penurunan spread dapat diartikan sebagai peningkatan likuiditas karena menurunnya biaya immediacy; sedangkan penurunan depth dapat diartikan sebagai penurunan likuiditas karena menurunnya kemampuan untuk bertransaksi dalam jumlah besar tanpa memengaruhi harga.Karena penurunan spread dan depth mempunyai arti yang saling bertentangan terhadap likuiditas, maka penelitian ini mengukur dampak terhadap likuiditas secara keseluruhan dengan mengikuti penelitian empiris sebelumnya yaitu menggunakan rasio depth-to-spread. Penelitian ini menemukan penurunan yang signifikan pada rasio depth-tospread setelah penurunan fraksi harga. Hal ini dapat diartikan bahwa penurunan depth (penurunan likuiditas) adalah lebih besar dibandingkan penurunan spread (peningkatan likuiditas). Dengan demikian dapat disimpulkan bahwa secara keseluruhan penurunan fraksi harga tidak meningkatkan likuiditas.Quote Matchers mengambil kesempatan dengan semakin kecilnya fraksi harga. Mereka dapat memberikan order dengan harga yang sedikit lebih tinggi ketika ingin membeli atau sedikit lebih rendah ketika ingin menjual untuk mendahului order yang terlebih dahulu masuk. Untuk mengatasi para quote matcher, limit order traders akan menyembunyikan order mereka, memecah order atau merubah strategi limit order ke market order. Penelitian ini menemukan penurunan yang signifikan pada jumlah order (order size) yang diberikan investor setelah penurunan fraksi harga saham. Hal ini diduga sebagai strategi investor menyembunyikan order mereka dengan cara memecah order untuk mengatasi masalah quote matching yang timbul akibat fraksi harga yang semakin kecil.Untuk mengukur apakah investor merubah strategi limit order menjadi market order penelitian ini menggunakan relative marketable limit order yaitu rasio volume marketable limit order dibagi total order yang masuk. Penelitian ini menemukan kenaikan yang signifikan pada relative marketable limit order. Hal ini berarti tetjadi peningkatan proporsi market order pada total order yang diberikan investor. Hal ini diduga sebagai perubahan strategi order investor dari limit order ke market orderPenelitian ini menemukan harga saham sebagai faktor yang membedakan dampak penurunan fraksi harga terhadap aktivitas perdagangan. Kelompok saham harga rendah mengalami kenaikan yang signifikan pada frekuensi, volume dan nilai perdagangan. Sedangkan kelompok saham harga tinggi walaupun terjadi peningkatan aktivitas perdagangan namun tidak signifikan. Penjelasan yang mungkin tepat adalah penurunan fraksi harga menyebabkan turunnya spread yang berarti menurunnya biaya transaksi. Penurunan biaya transaksi tersebut relatif cukup berarti bagi kelompok saham harga rendah sehingga meningkatkan aktivitas perdagangan. Sedangkan bagi kelompok saham harga tinggi penurunan biaya transaksi tersebut relatif tidak berarti untuk meningkatkan aktivitasperdagangan.Temuan pada penelitian ini memberikan beberapa implikasi. Bagi BEJ penurunan fraksi harga berhasil menaikan aktivitas perdagangan terutama untuk saham dengan harga rendah sehingga meningkatkan pendapatan BEJ. Bagi para investor, penurunan fraksi harga mempunyai implikasi yang beragam. Penurunan spread berarti menurunnya biaya immediacy. Namun penurunan depth menyebabkan menurunnya kemampuan untuk bertransaksi dalam jumlah besar tanpa memengaruhi harga. Dengan demikian penurunan fraksi harga menyebabkan saham-saham menjadi lebih likuid bagi investor yang bertransaksi dalam jumlah kecil namun menjadi kurang likuid bagi investor yang bertransaksi dalam jumlah besar. Penurunan fraksi harga juga menimbulkan masalah quote matching strategy. Hal ini ditanggapi oleh investor dengan cara memecah order mereka yaitu dengan jalan menurunkan order size mereka dan lebih memilih menggunakan market order dibanding limit order. Bagi para akademisi hasil penelitian ini semakin menguatkan kesimpulan bahwa penurunan fraksi harga saham akan menurunkan spread dan depth. Selain itu hasil penelitian ini memperluas studi empiris mengenai pengaruh penurunan fraksi harga saham terhadap strategi order yang dilakukan investor."

"Volatilitas return sebuah saham menggambarkan fluktuasi pada return saham tersebut, yang sekaligus juga menunjukkan risikonya. Investor yang spekulatif menyukai saham-saham yang mempunyai volatilitas tinggi, karena memungkinkan memperoleh keuntungan (gain) yang besar dalam jangka waktu yang singkat. Selain keuntungan besar, volatilitas yang tinggi dapat mengakibatkan kerugian (loss) yang besar pula. Untuk menghindari kerugian ini, dibutuhkan model yang dapat digunakan memprediksi return dan volatilitas saham.Volatilitas juga dipandang sebagai salah satu ukuran kecepatan pasar (speed of the market). Pasar yang bergerak lambat (move slowly) adalah pasar yang bervo]alilitas rendah (low-volatility market), sedangkan pasar yang bergerak cepat (move quickly) adalah pasar yang bervolatilitas tinggi (high-volatility market).Tujuan penelitian ini adalah membuat model dan menganalisis tingkat volatilitas return saham-saham perbankan yang ada di Bursa Efek Jakarta (BEJ) selama periode 1998-2005. Model-mode] yang dihasilkan diharapkan dapat digunakan untuk melakukan peramalan (forecasting) volatilitas masa yang akan datang. Dalam pembuatan model optimal ini, model ARMAIARIMA terbukti cukup baik dijadikan sebagai model dasar untuk conditional mean. Dari 23 bank yang diteliti, 17 bank memiliki volatilitas yang heteroskedastic, sedangkan 6 bank lainnya homoskedastic. Terhadap bank-bank yang volatilitasnya homoskedastic, model volatilitasnya cukup dihitung menggunakan formula deviasi standar biasa. Volatilitas yang bersifat heteroskedastic akan berupa conditional variance dan estimasinya lebih cocok menggunakan metoda ARCH (AutoRegressive Conditional Heteroskedasticity).Penelitian ini membuktikan bahwa model ARCHIGARCH beserta varian-variannya cukup baik untuk memodelkan volatilitas yang heteroskedastic. Model ARCH(1) adalah model keluarga ARCHIGARCH yang paling cocok digunakan memodelkan saham-saham perbankan Indonesia, jauh lebih cocok (fit) dibandingkan dengan model GARCH(l,l) yang sangat digemari di beberapa pasar global dunia. Model volatilitas ARCH(l) dipakai oleh 8 bank, kemudian model EGARCH dipakai oleh 4 bank, yaitu 2 bank memakai model EGARCH(0,1,0), I bank memakai model EGARCH(1,1,4), dan I bank lagi memakai model EGARCH(1,0,1). Model volatilitas lainnya yang digunakan adalah 3 bank menggunakan model TARCH(1,1,1), 1 bank menggunakan model GARCH(1,1), dan I bank lagi menggunakan model PARCH(1,1,0,1). Keseluruhan model-model optimal yang dihasilkan ini sudah signifikan pada significance level 5%.Temuan lain dari penelitian ini menyimpulkan penggunaan variabel-variabel makroekonomi seperti tingkat SBI, tingkat inflasi, dan tingkat suku bunga kredit ternyata tidak cocok digunakan sebagai regressor untuk pembuatan model conditional mean dan conditional variance, terutama bila dikombinasikan dengan GARCH(I,I). Akan tetapi variabeI-variabel makroekonomi ini dapat digunakan untuk perbaikan model conditional mean dengan jalan menambahkannya pada model ARMAJARJMA yang diperoleh, seperti terlihat pada model untuk 5 bank_ Penggunaan model ARCHIGARCH bagi perbaikan conditional mean dapat dilakukan melalui penambahan komponen ARCH-MIGARCH-M, seperti terlihat pada model untuk 6 bank.Bagi investor yang memiliki karakteristik risk averse, melakukan investasi dengan membeli dan menyimpan saham-saharn perbankan Indonesia bukanlah hal yang dianjurkan. Kesimpulan ini didasarkan pada temuan yang menyatakan hanya 8 dari 23 bank yang memiliki rata-rata return bulanan yang positif. Dui 8 yang positif ini ada 3 bank yang memberikan return rata-rata diatas return rata-rata IHSG, dan hanya 2 bank yang diatas return rata-rata tingkat SBI. Return rata-rata saham perbankan Indonesia secara keseluruhan adalah -0,52% per bulan. Bagi investor yang memiliki karakteristik risk-taker, membeli saham-saham perbankan Indonesia cukup menjanjikan, karena volatilitas saham-saham perbankan di Bursa Efek Jakarta cukup tinggi. Penelitian ini menunjukkan ada bank yang volatilitas return-nya mencapai 33% per bulan, dan bahkan ada juga yang return maksimumnya diatas 100% per bulan.

---

The volatility of a share's returns depicts the fluctuation of the returns of the shares which at the same time also shows its risk. Speculative investors like shares of high volatility, because such shares make possible to earn large gains within a short time. Besides big gains, high volatility could bring big losses too. To avoid these losses, a good model is needed that could be used to predict the return and volatility of shares.

Volatility is also deemed as one of measurements to rate the speed of the market. A market that moves slowly is a low-volatility market, while a market that moves quickly is a high-volatility market.

The goal of this research is to create the optimal models and analyze the return volatility of banking shares listed on the Jakarta Stock Exchange (JSX) during the 1998-2005 period. The models created is expected to be useable for the forecasting of future volatility. In making the optimal model, the ARMAIARIMA model is proven to be good enough as a basic model for the conditional mean. Of 23 banks examined, 17 showed a heteroskedastic volatility, while 6 others showed a homoskedastic volatility. On the banks with homoskedastic volatility, it is adequate to calculate the model's volatility by applying the naive method based on historical sample variance (i.e. ordinary standard deviation formula). The heteroskedastic volatility will take the conditional variance form and its estimation is more suitable using the AutoRegressive Conditional Heteroskedasticity (ARCH) method.

The research proves that the ARCHIGARCH (Generalized ARCH) model along with its variants is good enough to be a model of a heteroskedastic volatility. The ARCH(1) model is of the family of ARCHIGARCH models which is most suitable for use to model Indonesian banking shares, more fit in comparison with the GARCH(1,1) model which is the most favorite among several world global market. The ARCH(1) volatility model is used by 8 banks, the EGARCH model by 4 banks, i.e. 2 banks use the EGARCH(0,1,0), I bank uses the EGARCH(1,1,4) model, and another 1 bank uses the EGARCH (1,0,1) model. The other volatility models used are: 3 banks uses the TARCH (1,1,1) model, 1 bank uses the GARCH(1,1) model, and 1 more bank uses the PARCH (1,1,0,1) model. The whole optimal models created are already significant at the significance level of 5%.

Another finding of this research concluded that the macroeconomic variables such as SBI rate, inflation rate, and credit interest rate are not suitable for use as the regressors in making the conditional mean and conditional variance model, particularly when combined with GARCH(1,1). These macroeconomic variables, however, could be used to make improvements on the conditional mean model by adding it to the ARMAIARIMA model obtained, such as to be seen in the model for 5 banks. An application of the ARCHIGARCH model to improve on the conditional mean can be done through adding an ARCH-MI LARCH-M model, as seen in the model for 6 banks.

For investors with risk-averse characteristic, to invest by purchasing and holding Indonesian banking shares is not encouraged. This conclusion is based on the finding that only 8 out of 23 banks have have a positive average monthly return. Of the 8 with positive average, 3 banks yielded an average return above the IHSG average return, and only 2 banks had an average return above the SBI rate. The average return of Indonesian banking shares as a whole is -0,52% per month. For investors who are risk-taker, to buy Indonesian banking shares is quite promising, because the volatility banking shares on the Jakarta Stocks Exchange is quite high. The research shows there was a bank which had a return volatility of 33% per month, and there was even a maximum return of over 100% per month."

"Skripsi ini merupakan penelitian terhadap dampak peristiwa right issue terhadap return saham. Penelitian ini menguji hipotesis pasar efisien bentuk setengah kuat pada peristiwa right issue pada sampel saham-saham liquid yang tercatat di Bursa Efek Jakarta periode 1997-2000 dengan metodologi event study. Pada penelitian ini ditemukan bahwa respon pasar terhadap peristiwa fight issue adalah negatif dan pasar Bursa Efek Jakarta belum efisien bentuk setengah kuat pada perode 1997-2000 untuk peristiwa right issue. Hal ini dapat dibuktikan dengan adanya penolakan hipotesis tentang keberadaan abnormal return pada periode eventyang berarti bahwa event mempengaruhi secara signifikan perilaku dan return saham."

"Stock split dilakukan oleh manajemen perusahaan dengan berbagai tujuan, antara lain untuk mempertahankan harga saham pada kisaran yang optimal, memberikan sinyal mengenai prospek saham di masa yang akan datang dan untuk meningkatkan likuiditas saham.Tujuan penelitian yang dilakukan oleh penulis ini adalah untuk mengetahui apakah terjadi peningkatan likuiditas saham setelah stock split diberlakukan di Bursa Efek Jakarta (BEJ) dengan menggunakan parameter depth to spread.Objek dari penelitian ini adalah saham-saham yang melakukan stock split di Bursa Efek Jakarta dari Januari 2002 sampai dengan Juli 2005. Data dalam penelilian ini dianalisis menggunakan uji beda rerata dan regresi model.Pada penelitian ini penulis mendapatkan :1. Terdapat penurunan likuiditas saham sampel yang berubah fraksi harga sahamnya setelah split.2. Event stock split tidak mempunyai pengaruh yang signifikan terhadap likuiditas setelah dikontrol dengan variabel lainnya.

---

Stock split is done by corporate managements with the purposes are optimal price trading range, signaling future prospect and to improve the liquidity of their stocks.

The aim of his study is to prove is there an improvement of stock?s liquidity alter stock split event at Jakarta Stock Exchange, by using depth to spread as parameter.

The object of this study are shares that done stock split at Jakarta Stock Exchange from January 2002 until July 2005. The data analyzed by compare mean test and regress the models.

The result of this study are :

1. There is a decrease in liquidity of stock which has tick size changed alter split.

2. The event of stock split doesn?t have any effect to stock?s liquidity after there was controlled by another variables."

"Penulisan karya akhir ini mempunyai beberapa tujuan yaitu: [1] meneliti pola intrahari rerata return, rerata volatilitas return dan rerata volume transaksi; [2] meneliti efek akhir hari; [3] meneliti secara deskriplif rerata return hari Benin; serta [4] meneliti perbedaan rerata return, rerata volatilitas return dan rerata volume transaksi antar kelompok dalam interval pengamatan 15 menit.Pengujian dengan menggunakan data BEI sebanyak 40 saham dari 02 Januari 2006 sampai dengan 31 Juli 2006. Saham yang digunakan sebagai sampel mengikuti Ekaputra (2003) dan menggunakan interval pengamatan 15 menu.Rerata return intrahari tertinggi terjadi pada interval 20 yang menunjukkan adanya efek akhir hari untuk semua kelompok (sesuai dengan hasil penelitian Ekaputra ,2003), rerata return pada awal hari Senin bernilai negatif untuk kelompok I, II, V (sesuai dengan hasil penelitian Ekaputra ,2003), rerata return pada awal hari Senin bernilai positif untuk kelompok III, IV (tidak sesuai dengan hasil penelitian Ekaputra ,2003), perbedaan rerata return antara interval 20 dengan interval yang lainnya signifikan terjadi pada interval 20 untuk semua kelompok berdasarkan pengujian dengan menggunakan GLM.Rerata volatilitas return intrahari tertinggi terjadi pada interval 14 untuk kelompok 1 (tidak sesuai dengan hasil penelitian Ekaputra ,2003) dan interval 20 untuk kelompok II, III, IV, V (sesuai dengan hasil penelitian Ekaputra ,2003), perbedaan rerata volatilitas return antara interval 20 dan interval lainnya signifikan untuk semua kelompok berdasarkan pengujian dengan menggunakan GLM. Rerata volume transaksi intrahari tcrtinggi tcrjadi pada interval 1 dan interval 20 untuk kelompok I, li, IIi (sesuai dengan hasil penclilian Ekaputra ,2003), interval 1 dan interval 14 untuk kelompok IV (tidak sesuai dengan basil penclitian Ekaputra ,2003), interval 3 untuk kelompok V (tidak sesuai dcngan hasil penelitian Ekaputra ,2003), perbedaan rerata volume transaksi antara interval 20 dan interval lainnya signifikan untuk scmua kelornpok berdasarkan pengujian dengan mcnggunakan GLM.

---

The objectives of this final paper are : [I] to study intraday pattern of return, volatility of return and transaction volume, [2] to observe the existence of day end effect, [3] to research descriptively averages of stocks return on Monday, [4] to test mean statistically differences of return, volatility of return and transaction volume among observation intervals.The research uses Jakarta Stock Exchange (JSX) data for 40 stocks from January 02, 2006 to July 31, 2006. Stocks' samples for this research are as same as stocks' samples of Ekaputra (2003) and using 15 minutes of observation intervals.The highest intraday of return happened in interval 20 that shown day-end effect for all groups ( matched with Ekaputra,2003), return in the beginning of Monday is negative for group I, II, V (matched with Ekaputra, 2003), return in the beginning of Monday is positive for group III, IV (unmatched with Ekaputra , 2003), differences of return between interval 20 and other intervals are significant for all groups based on GLM testing.The highest intraday of volatility of return happened in interval 14 for group I (unmatched with Ekaputra, 2003) and interval 20 for group II, III, IV, V (matched with Ekaputra, 2003), differences of volatility of return between interval 20 and other intervals are significant for all groups based on GLM testing.The highest intraday of transaction volume happened in interval 1 and interval 20 for group I, II, III (matched with Ekaputra, 2003), interval I and interval 14 for group IV (unmatched with Ekaputra, 2003), interval 3 for group V (unmatched with Ekaputra, 2003), differences of transaction volume between interval 20 and other intervals are significant for all groups based on GLM testing."

"Karya tulis ini bertujuan untuk mempelajari dan mengukur volatilitas serta membuat estimasi model yang dapat meramalkan volatilitas imbal basil saham-saham sektor tekstil dan Barmen. Periode penelitian adalah antara tahun 1998 sampai dengan 2005. Dalam melakukan estimasi model volatilitas model yang dipilih adalah Autoregressive Conditional Heteroscedasticity (ARCH) dan Generalized Autoregressive Conditional Heteroscedasticity (GARCH). Kelebihan dari model tersebut adalah kemampuannya untuk menangkap kecendrungan dari volatility clustering dimana berdasarkan basil observasi pergerakan yang besar (kecil) biasanya diikuti dengan pergerakan yang besar (kecil) pula.Hasil penelitian menyimpulkan bahwa terdapat 8 emiten yang memiliki volatilitas return bersifat homoscedastic yaitu PT Argo Pantes Tbk (ARGO), PT Centex Tbk (CNTX), PT Ever Shine Tex Tbk (ESTI), PT Apac Citra Centertex Tbk (MYTX), PT Pan Brothers Tex Tbk (PBRX), PT Texmaco Jaya Tbk (TEJA) dan PT Teijin Indonesia Fiber Corporation Tbk (TFCO). Volatilitas return saham 8 emiten tersebut bersifat konstan sepanjang waktu sehingga tidak dapat dibuat model conditional variance dengan menggunakan model ARCH/ GARCH.Sementara itu terdapat 10 emiten yang memili volatilitas return bersifat heteroscedastic yaitu PT Karwell Indonesia Tbk (KARW), PT Panasia Filamen Inti Tbk (PAFI), PT Ricky Putra Globalindo Tbk (RICY), PT Stinson Textile Manufacture Tbk (SSTM) dan PT Panasia Indosyntec Tbk (HDTX). Dengan demikian hanya terliadap 10 emiten tersebut dapat dibuat estimasi model conditional variace dengan metode ARCH/GARCH untuk meramalkan volatilitas return saham emiten yang bergerak dalam bidang tekstil dan garmen.Kesimpulan permodelan volatilitas (conditional variance) terhadap 10 emiten yang memiliki volatilitas bersifat heteroscedastic adalah model ARCH hanya cocok digunakan untuk emiten ERTX (ARCH (3)), RICY (ARCH (3)), dan SSTM (ARCH (2)) sedangkan model GARCH cocok untuk emiten ADMG (GARCH (1, I)), HDTX (GARCH (1, I)), INDR (LARCH (I, 1)), KARW (GARCH (3, 2)), MYRX (GARCH (2, 3)), PAF1 (GARCH (4, 1)), dan POLY (GARCH (4, 1)).Berdasarkan model ARCH/ GARCH tersebut diketahui bahwa pada periode 1998 sampai dengan 1999 (awal-awal krisisi ekonomi) volatilitas imbal hasil saham relatif tinggi, yang diikuti oleh volatilitas yang rendah setelah tahun 1999 sampai dengan 2005. Hal ini sesuai dengan penelitian yang dilakukan oleh Aggarwal dkk (1999) bahwa pada saat krisis terjadi perubahan volatilitas yang cukup besar karena adanya perubahan kurs mats uang negara yang bersangkutan.Seluruh model volatilitas dengan ARCH/ GARCH signifikan secara statistik, namun demikian seluruh model tersebut memiliki tingkat explanatory power yang rcndah dimana model tersebut hanya dapat menerangkan variasi volatilitas sekarang di bawah 5% kccuali terhadap dua emiten yaitu MYRX dan POLY . Hal ini mcnunjukkan bahwva masih banyak variabel lain yang dibutuhkan untuk dapat menerangkan volatilitas return saham selain volatilitas dan kesalahan periode sebelumnya."