Hasil Pencarian  ::  Simpan CSV :: Kembali

"Replicating dan Benchmarking merupakan langkah penting dalarn menerapkan strategi indexing, Sementara metode yang digunakan untuk mengukur kinerja replikasi indeks terhadap benchmark-nya adalah tracking error. Tracking error didefinisikan sebagai volatilitas perbedaan return antara replikasi indeks terhadap benchmarknya. Penelitian ini mengkaji penerapan metode tracking error pada return JR dan return IHSG. Data yang digunakan bersumber pada data penutupan harian, mingguan awal, mingguan akhir, bulanan awal dan bulanan akhir pada Bursa Efek Jakarta dari Januari 2001 hingga Desember 2003. Terjadi penyimpangan nilai tracking error yang disebabkan oleh adanya distribusi data yang tidak normal pada data harian dan mingguan, heteroskedastis pada data harian serta nonstasioner pada data bulanan. Koreksi yang dilakukan adalah dengan membuang outliers tertinggi sebanyak 5% dan outliers terendah sebanyak 5% baik pada return JII maupun pads return IHSG.Nilai tracking error return JII terhadap return IHSG berdasarkan data harian adalah sebesar 0.56%, data mingguan awal 0.58%, data mingguan akhir 0.57%, data bulanan awal 0.57% dan data bulanan akhir 0.54%. Diketahui bahwa return JII secara statistik tidak berbeda terhadap return IHSG namun JII lebih agresip dibandingkan pasar dengan ß sebesar 1.14 kali, Dengan kedua kondisi tersebut, berinvestasi indexing pada JII jelas lebih menguntungkan bila dilihat dari sisi transaction cost. Diperoleh pula informasi adanya reversed monthly effect di Bursa Efek Jakarta dimana return pads akhir bulan lebih tinggi dibandingkan return pada awal bulan.

---

Replicating and Benchmarking are important step in applying indexing strategy, whereas method used to measure performance of replicating index to its benchmark is tracking error. Error Tracking defined as volatility of difference of return between replicating index to its benchmark. This research study applying of method of tracking error at JII return and IJ-ISG return. Used Data coming from daily closing data, weekly early, final weekly, monthly early and final monthly at Jakarta Stock Exchange of January 2001 till December 2003. The Value of tracking error are deviate which because of existence of data distribution which not normally distributed at weekly and daily data, non homogeneity of variance at daily data and also non stationer at monthly data. Corrective action taken is by throwing away highest outliers counted 5% and lowest outliers counted 5% goodness at JII return and IHSG return.

Tracking error based on daily data is 0.56%, weekly data early is 0.58%, final weekly data 0.57%, monthly data early 0.57% and final monthly data 0.54%. Known that HI return statistically do not different to IHSG return but JII more aggressive than market with equal to 1.14 times (ß0= 1.14). On the both condition, investment on indexing at JII more beneficial if seen from side of transaction cost. Obtained also information about existence of reversed monthly effect at Jakarta Stock Exchange whereas return by the end of month is higher than the beginning of month."

"Fenomena dimana Indeks Harga Saham Gabungan mengalami tingkat pengembalian yang sangat berbeda yaitu sangat tinggi apabila dibandingkan dengan bulan-bulan lainnya beberapa kali terjadi di Bursa Efek Jakarta. Fenomena ini salah satunya terjadi pada hari-hari terakhir bulan Desember sampai dengan minggu-minggu pertama bulan Januari. Kejadian atau fenomena inilah yang dikenal dengan "January effect". Fenomena ini tidak hanya terjadi di pasar yang belum efisien seperti di Indonesia, namun juga terjadi di negara-negara lain yang memiliki bursa saham bahkan untuk pasar di Amerika yang sudah sangat efisien.Berdasarkan penelitian-penelitian yang telah dilakukan sebelumnya mengenai January effect telah menunjukkan adanya suatu anomaii pasar pada bulan Januari yang berbeda dengan bulan-bulan sebelumnya dimana terjadi kenaikkan harga-harga saham yang meningkatkan return yang lebih tinggi dibandingkan bulan-bulan lainnya. Ada beberapa teori yang menjelaskan mengenai sebab terjadinya fenomena January Effect ini, antara lain adalah teori ketersediaan infonnasi; teori tax-loss selling; teori perilaku investor.Dalam penelitian ini akan dicari hubungan antara return pasar bulan Januari sebagai variabel terikat dengan return bulan Desember dan beberapa variabel makro sebagai variabel bebas (analisis regresi berganda). Variabel-variabel lain tersebut antara lain Inflasi, SBI, Kurs dan PDB. Pencarian hubungan dilakukan dengan metode Ordinary Least Square (OLS) dengan menggunakan software E-Views versi 4.1.Karya Akhir ini memiliki tujuan utama untuk (1) melihat return pasar melalui indikator IHSG pada bulan Januari dari periode I989-2006 di Bursa Efek Jakarta; (2) mengetahui sejauh mana pengaruh variabel-variabel lain terhadap January effect yang terjadi pada Bursa Efek Jakarta dengan melihat besarnya return pasar pada Bursa Efek Jakarta; (3) menghasilkan bahan pertimbangan bagi investor dalam mengatur strategi berinvestasi menghadapi fenomena January effect tersebut.Penelitian yang dilakukan merupakan penelitian empiris dengan periode observasi sepanjang tahun Januari I989 hingga Januari 2006 menggunakan metode analisis regresi berganda. Variabel bebas dalam regresi ini adalah return pasar bulan Desember, variabel makro (Inflasi, SBI, Kurs dan PDB), sedangkan return pasar bulan Januari berlaku sebagai variabeI terikat yang dijelaskan oleh variabel bebas. Menurut literatur, sebelum dilakukan penyusunan model, data hares memenuhi beberapa asumsi dan tidak memiliki masalah tertentu. Dalam penelitian ini dilakukan pengujian asumsi-asumsi yang harus dipenuhi dalam suatu model regresi berganda. Asumsi yang harus dipenuhi atau masalah data yang harus diatasi meliputi norrnalitas, autokorelasi dan multikolinicritas.Analisis regresi berganda dilakukan dengan melalui tujuh permodelan yaitu: (1) Regresi return bulan Desemberterhadap return pasar bulan Januari; (2) Regresi Inflasi terhadap return pasar bulan Januari; (3) Regresi SBI terhadap return pasar bulan Januari; (4) Regresi kurs terhadap return pasar bulan Januari; (5) Regresi PDB terhadap return pasar bulan Januari; (6) Regresi variabel Makro (Inflasi, SBI, Kurs dan PUB) terhadap return pasar bulan Januari; (7) Regresi return bulan Desember, Inflasi, SBI, Kurs dan PDB terhadap return pasar bulan Januari.Hasil analisis menunjukan bahwa sebagian besar variabel-variabel lainnya yang merupakan variabel bebas yaitu return Desember, Inflasi, SBI dan PDB yang diujikan tidak memiliki pengaruh yang signifikan terhadap perubahan return pasar bulan Januari. Hanya variabel Kurs yang memiliki mempengaruhi perubahan return pasar bulan Januari. Sehingga ketika semua variabel-variabeI bebas tersebut diregresi bersamaan terhadap return pasar bulan Januari maka dari basil multi regresi dengan menggunakan software E-Views 4.1 didapat hasil yang tidak signifikan terhadap perubahan return pasar bulan Januari.

---

For several times, Jakarta Stock Exchange has been undergoing unusual phenomenon in which Composite Index giving return that was so high in certain month compared to other months. This so-called January effect, named after its occurrence on the last days of December up to the first weeks of January, occurred not only in inefficient market as in Indonesia, but can also be found in other counties where the market is efficient such as United States' market.Previous studies on January effect had shown market anomaly in January, which was different from the preceding months, that stock price increase had provided higher return than it did in other months of the year. There are several theories explaining the grounds of the January effect phenomenon, such as information availability theory, tax-loss selling theory and investor behavior theory.This study will seek the relationship of market return in January as dependent variable to market return in December and several macroeconomic variables as dependent variables (multi-regression analysis). The macroeconomic variables are inflation, SBI, exchange rate and GDP. Correlation calculation was done through Ordinary Least Square (OLS) using E-Views software version 4.1.The purpose of this thesis are to (1) observe market return through JSX index in January 1989-2006; (2) acknowledge the effect of macro-economic variables to January effect in JSX by measuring high return in the market; (3) provide opinion to investor in setting investment strategy when facing the January effect phenomenon.The study conducted is an empirical study with observation period between January 1989 to January 2006 using multi-regression method. Included in independent variables are market return in December and macro-economic variables (inflation, SBI, exchange rate and GDP), whereas market return in January will be treated as dependent variable that will be defined by the independent variables. According to literature, before a model is being set up, data must fulfill several assumptions and free of certain issue. In the study, assumptions that must be fulfilled in a multi-regression model were tested. The assumptions or data to be covered included normality, autocorrelation and multicolinearity.Multi-regression analysis conducted through seven modeling, which were: (1) regression of market return in December to market return in January; (2) regression of inflation rate to market return in January; (3) regression of SBI rate to market return in January; (4) regression of exchange rate to market return in January; (5) regression of GDP to market return in January; (6) regression of macro-economic variables (inflation, SBI exchange rate and GDP) to market return in January; (7) regression of market return in December, inflation, SBI, exchange rate and GDP to market return in January.Analysis result showed that most tested independent variables, market return in December, inflation, SBI and GDP, had no significant effect on the adjustment of market return in January. Only exchange rate variable that had impact in market return in January. Therefore, when all independent variables were regressed altogether to market return in January, multi-regression result using E-views 4.1 software showed no significant correlation to adjustment market return in January."

"Penelitian mengenai krisis keuangan yang berujung kepada krisis ekonomi merupakan suatu area yang tidak ada habis-habisnya untuk digali. Berkaitan dengan hal ini, tesis ini ditulis untuk melihat 3 variabel keuangan yang diyakini memilki keterkaitan yang kuat, rnasing-masing adalah indeks harga saham gabungan (IHSG) JSX, nilai tukar ER rupiah IDR terhadap dollar USD dan suku bunga 1 bulan SBII M. Secara berurutan variabel itu mewakili pasar saham, pasar valuta asing dan pasar uang. Pada saat yang sama, tesis ini bermaksud menguji teori yang diajukan oleh Jeff Madura (2003) mengenai keterkaitan 3 variabel tersebut.Penelitian dibuat dalam 3 periode dengan tujuan untuk bisa diperbandingkan. Periode yang diamati adalah untuk sebelum krisis (Model 1) 1993:1 - 1997:7; saat krisis (Model II) 1997:8 - 2001:12 dan secara keseluruhan (Model III) 1993:1 - 2001:12. Pemisahan periode sebelum dan saat krisis didasarkan pada awal terjadinya depresiasi IDR yang lebih besar dan biasanya di bulan Juli 1997 dan bulan Agustus 1997 saat nilai IDR di lepaskan ke pasar untuk ditentukan oleh kekuatan permintaan dan penawaran. Metode yang digunakan untuk melakukan analisa adalah dengan menerapkan uji unit root, panjang lag, kointegrasi, model VAR, impulse response dan variance decomposition.Hasil uji unit root menyatakan bahwa dalam Model 1, dari ke-3 variabel yang diuji hanya nilai tukar ER yang tidak bisa mencapai stationary. Namun dalam Model 2, ke-3 variabel mencapai stationer sesudah di difference 1 periode. Sedangkan dalam Model 3 yang paling tampak mengalami structural break hanya nilai tukar ER, sehingga uji unit root dilakukan secara berbeda sesuai prosedur sederhana yang disusun oleh Perron. Hasil uji unit root menyatakan bahwa nilai tukar ER justru stationary pada level-nya.Dengan mendapatkan panjang lag untuk masing-masing periode, dilakukan uji kointegrasi berdasarkan prosedur Johansen dan kemudian dibentuk model VAR. Ketiga model menunjukkan adanya kointegrasi, dimana Model I dan II menunjukkan terdapatnya 3 cointegrating rank, sedangkan Model III hanya ada 1 cointegrating rank. Secara keseluruhan yang ditunjukkan dalam Model III, ER dan SBIIM memiliki korelasi negatif dengan JSX.Analisa dengan impulse response menunjukkan bahwa volatilitas JSX ditentukan secara negatif oleh ER dan SBI1M, sementara antara ER dan SBIIM terdapat korelasi positif. Hasil ini selaras dengan persamaan kointegrasi yang ditunjukkan bahwa ER dan SBIIM memiliki kointegrasi negatif terhadap JSX. Dengan menggunakan variance decomposition, nilai JSX dan ER lebih banyak ditentukan oleh nilai pergerakannya sendiri, sedangkan nilai SBIIM lebih banyak ditentukan oleh nilai pergerakan ER.

---

Research regarding financial crisis ended to an economic crisis is always a never exhaustive subject to explore. In regards to such matter, this thesis is focusing on 3 financial variables which are believed to have strong correlation, namely JSX composite index, exchange rate of IDR to USD and 1 month interest rate SBIIM_ Each of the respective variables represents stock market, foreign currency market and money market. At the same time, this thesis aims to verify the theory proposed by Jeff Madura (2003) regarding the correlation of the 3 variables.

The thesis is conducted in 3 periods for the sake of comparison purpose. The observed periods are before the crisis (Model I) 1993:1 - 1997:7; during crisis (Model II) 1997:8 - 2001:12 and for the whole period (Model III) 1993:1 - 2001:12. The separation of prior and during crisis is when the depreciation of IDR was larger than ever before occurred in July 1997 and when the IDR was released freely to be determined by the forces of demand and supply occurred in August 1997. The tools applied to do the analyses are the unit root test, lag length, cointegration, VAR model, impulse response, and variance decomposition.

Unit root test indicates that in Model I, out of the 3 tested variables, only ER fails to achieve stationary. However, in Model II, all 3 variables are stationary in 1 period difference. Model III shows differently than the other models as it exhibits a structural break of ER, consequently a different unit root test needs to be followed as specified by Perron. The result shows that ER is stationary at level.

Obtaining the lag length for each period, Johansen's procedure for cointegration test is done and models of VAR are constructed accordingly. The 3 models show the presence of cointegration, where Model I and II indicate the existence of cointegrating rank by 3, while Model III shows only 1. In the overall view given in Model III, ER and SBIIM has negative correlation with JSX.

An analysis through impulse response demonstrates that the JSX volatility is negatively determined by ER and SBIIM, while between ER and SBI1M show positive correlation. This is actually confirming the results specified in the cointegration equation that ER and SBIIM had negative correlation against JSX. Applying variance decomposition method, the values of JSX and ER are more determined by their own volatility, while the value of SBIIM was more determined by the movements of ER."