Hasil Pencarian  ::  Simpan CSV :: Kembali

"Seorang investor akan berhadapan dengan resiko ketika melakukan investasi pada bursa saham. Resiko Saham dalam penelitian ini akan di lihat melalui volatilitas dari return saham. Penelitian ini menggunakan tiga model peramalan volatilitas, yaitu HISVOL, ARCH, GARCH.Tujuan dari penelitian ini adalah untuk mengetahui apakah volatilitas pada saat ini dipengaruhi oleh volatilitas sebelumnya dan kesalahan sebelumnya secara parsial maupun simultan. Selain itu penelitian ini juga bertujuan untuk mengetahui apakah model penelitian yang diajukan sesuai dengan data yang ada di pasar modal Indonesia.Obyek dari penelitian ini adalah saham LQ45 yang tercatat di Bursa Efek Jakarta (BEJ) tahun 2004. Jumlah obyek penelitian secara keseluruhan adalah 50 saham. Terdapat lima saham yang hanya tercatat pada LQ45 semester satu. Terdapat enam saham yang hanya tercatat pada LQ45 semester dua. Terdapat 39 saham yang tercatat pada LQ45 semester satu dan semester dua Periode penelitian adalah dari Januari 1995 sampai dengan Desember 2004.Hasil dari Penelitian adalah terdapat 41 saham yang secara statistik signifikan pada tingkat signifikansi lima persen dengan menggunakan Model 1: HISVOL, hal ini menandakan volatilitas saham LQ45 semester satu dan semester dua tahun 2004 dipengaruhi oleh volatilitas periode t-l. Terdapat 17 saham yang secara statistik signifikan pada tingkat signifikansi lima persen dengan menggunakan Model 2: ARCH, hal ini menandakan volatilitas saham LQ45 semester satu dan semester dua tahun 2004 dipengaruhi oleh Kuadrat Residual Return periode t-1. Dengan menggunakan Model 3: GARCH terdapat 41 saham yang secara statistik signifikan pada tingkat signifikansi lima persen. Hal ini menandakan volatilitas saham LQ45 semester satu dan semester dua tahun 2004 dipengaruhi oleh volatilitas periode t-l dan Kuadrat Residual Return periode t-1 secara bersama-sama. Dan hanya terdapat enam saham yang secara statistik tidak signifikan pada tingkat signifikansi lima persen dengan menggunakan tiga model yang diajukan.

---

An investor will be dealing with risk when he/she investing in stock market. Stock risk in this research will be seeing from stock return volatility. This Research will used three model of forecasting Volatility, which is HISVOL, ARCH, and GARCH.

Purpose from this research is to know whether today volatility is influence by previous volatility and previous residual return. This research also have purpose to know whether the model that being proposed is can be used according data from Indonesian Stock Market.

Object from this research is LQ45 stocks listed in Bursa Efek Jakarta (BEJ) for the year 2004. There are 50 stocks in total. There are five stocks that listed only in LQ45 first semester. There are six stocks that listed only in LQ45 second semester. There are 39 stocks that listed in LQ45 first semester and second semester. Period of this research is from January 1995 until December 2004.

Result from this research: 41 stocks are statistically significant with five percent significance degree using Model 1: HISVGL, this result shows that volatility of LQ45 first semester and second semester is influenced by previous volatility. 17 stocks are statistically significant with five percent significance degree using Model 2: ARCH, this result shows that volatility of LQ45 first semester and second semester is influenced by previous residual return. 41 stocks are statistically significant with five percent significance degree using Model 3: GARCH, this result shows that volatility of LQ45 first semester and second semester is simultaneously influenced by previous volatility and previous Residual return. There is six stocks that insignificant statistically using with five percent significance degree using all three model that being proposed to analyze volatility."

"Pasca krisis ekonomi tahun 1998 industri reksadana menunjukkan kemajuan yang signifikan. Dalam lima tahun terakhir (1999-2004) kinerja reksadana mengalami peningkatan yang dapat dilihat dari meningkatnya Nilai Aktiva Bersih (NAB), jumlah reksadana yang beredar maupun jumlah investornya.Pada tahun 2005 Reksadana mengalami penurunan yang sangat signifikan akibat redemption besar-besaran sehingga dari total NAB Rp. 120 trilyun di awal tahun menjadi hanya Rp. 23 trilyun di akhir tahun.Hal menarik pada industri reksadana ini adalah : pada saat terjadi krisis industri reksadana akibat redemption besar-besaran semua pihak baik investor, pengelola reksadana, bank sebagai agent penjualan dan regulator yang mengatur industri ini seakan tersadar bahwa risiko investasi di reksadana diluar kemampuan mereka menanggungnya.Pemikiran bahwa reksadana dilihat sebagai investasi yang memberikan return yang tinggi dan risiko optimal relatif terhadap investasi tradisional di deposito atau saham namun faktanya menjadi investasi yang menimbulkan kerugian luar biasa bagi semua stakeholder yang terkait dengan industri ini.Pada umumnya pada setiap penjualan reksadana, prospektus menyajikan risiko berinvestasi dalam reksadana tetapi informasi risiko masih bersifat umum seperti risiko ekonomi, risiko likiditas dan risiko penurunan nilai NAB. Berkaitan dengan hal tersebut pada Karya Akhir ini bertujuan melakukan penelitian risiko secara lebih spesifik pada risiko pasar dengan metode Value at Risk (VaR) pada Manajer Investasi PT. XYZ. Return NAB diposisikan sebagai risk factor dalam berinvestasi pads reksadana dan volatilitas dari return NAB tersebut menjadi parameter dalam menghitung VaR dengan mengimplementasikan model Autoregressive Conditional Heteroscedasticity (ARCH) I Generalised Autoregressive Conditional Heteroscedastic (GARO-I) ARCHIGARCH.Dan hasil penelitian terhadap reksadana pendapatan tetap PT. XYZ diperoleh kesimpulan bahwa model ARCHIGARCH untuk menghitung VaR dapat diterapkan dan valid berdasarkan backtesting dan Kupiec test pada retur reksadana pendapatan tetap BOND, TRON dan BUNGA sedangkan pada reksadana pendapatan tetap INDAH yang volatilitas return NAB nya homoskedastic perhitungan VaR menggunakan standard deviasi biasa dan valid.Sebagaimana dijelaskan di atas volatilitas return merupakan parameter dalam menghitung VaR NAB reksadana pendapatan tetap, berdasarkan penelitian reksadana pendapatan tetap INDAH memiliki volatilitas return tertinggi sedangkan reksadana pendapatan tetap BUNGA volatilitas return nya paling rendah sedangkan reksadana pendapatan tetap BOND dan TRON volatilitas return nya relatif sama dan berada dibawah volatilitas INDAH tetapi di atas volatilitas BUNGA.Secara keseluruhan portfolio reksadana pendapatan tetap terlihat return NAB bersifat honioskedastic sehingga untuk menghitung VaR total portfolio reksadana pendapatan tetap volatilitas portfolio dihitung dengan standard deviasi biasa.Perhitungan VaR portfolio menunjukkan adanya korelasi antar return NAB sehingga VaR Diversified portfolio lebih kecil dibanding VaR Undiversifred.

---

Mutual fund Industry in Indonesia performs significant progress after economy crisis in 1998. Mutual fund growth in 5 years (1999-2004) show that Net Asset Value (NAV), mutual fund product and investors growing fast.

In 2005 mutual fund industry crash after panic redemption by investors that surprised by fast decline in mutual fund NAV in mark to market term, especially fix income mutual fund. Total NAV Rp. 120 trillion in fall 80% in one year.

It's a curiosity that panic redemption brought the mutual fund industry into crisis, the stake holder: investors, fund manager, sales agent and even the regulator just realize that it's a high risk investment to invest in mutual fund.

The mainstream think that Indonesia mutual fund return higher than time deposit return in the same risk level break by the catastrophic loss for all stakeholder during 2005.

The objective of this final research is to measure market risk in mutual fund (BOND, INDAH, TRON and BUNGA) with Value at Risk (VaR) method using ARCH/GARCH model at PT. XYZ.

This research imitate the mutual fund portfolio research for fix income mutual fund only, with argument of limited data resources and fix income mutual fund is the most significant portfolio in PT. XYZ fund management.

The NAV Return plot as risk factor when invest in mutual fund and the return volatility plot as the risk parameter to calculate VaR by implement Autoregressive Conditional Heteroscedasticity (ARCH) I Generalized Autoregressive Conditional Heteroscedastic (GARCH) model.

This, research conclusion can explain that ARCH/GARCH model base on back testing and Kupiec test is valid to calculate VaR of BOND, TRON and BUNGA in the other side INDAH using STDEV to calculate VaR related to homoschedastic term of INDAH volatility.

The statistical test show that INDAH had the highest return volatility, BUNGA return volatility relatively lower and BOND and TRON relatively same in medium level.

Over all the total portfolio NAV return is homoskedastic so by methodology we calculate VaR of Portfolio using STDEV.

Portfolio VaR calculation shows correlation in the portfolio diversified the risk proof by the fact that VaR Diversified portfolio lower than VaR Undiversified."

"The farm household face with mary risk,especially,product price and production. The objective of this study are to analyze the product price and production risk,factor incorporating the farm household economic behavior and the effect of external factors on the farm household economic behavior under price and production risk......"

"This study search for proper models to forecast Jakarta Composite Index (JCI) and then compare their forecasts. The stock index from strong markets, like Dow Jane Industrial Average (DJIA) and NIKKEL as well as the index from regional markets, like SEI are expected to have strong influences on JCI. More specyfcally, it is expected that SET will be able to explain the realocation of short term fund from Thailand to indonesia through capital market due to unfavour political situation in Thailand. Other than that, exchange rate is also expected to have eject on JCI movements, By using the daily data from January 3, 2005 to January 2, 2006, the stuajzfound that the proper models to be used to forecast JCI are GARCH (22) Model and ARIM4 (1,1,0) Model. The empirical results showed that the forecast from ARIM4 Model is superior to that of GARCH Model."

"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."