Hasil Pencarian  ::  Simpan CSV :: Kembali

"Manajemen risiko telah mengalami perkembangan yang sangat cepat dalam satu dasawarsa terakhir ini. Beberapa metode pengukuran risiko ditemukan dan terus diperbaiki dan dikembangkan. Mulai dari pengukuran deviasi standar dengan metode Markowitz, penerapan Economic Value Added (EVA), Asset-Liability Management (ALM), sampai kepada yang sangat terkenal dan banyak dipakai - Value at Risk (VaR).VaR dikembangkan oleh JP Morgan dengan riskmetric nya, adalah suatu metode yang sederhana, pengukuran kerugian yang mungkin terjadi secara statistik. Akan tetapi dengan semakin kompleksnya dunia pasar keuangan dan pasar modal, dan semakin kompleksnya produk-produk keuangan, membuat semakin tingginya tingkat korelasi antara satu dengan yang lain. Metode VaR mendapat tantangan besar untuk menjawab kebutuhan manajemen risiko saat ini. Dalam banyak kasus VaR tidak berhasil membantu manajer risiko dalam menangkap nilai kerugian yang besar atau extreme value. VaR banyak sekali menggunakan asumsi dasar yang ironisnya asumsi tersebut tidak berlaku pada produk produk keuangan saat ini. VaR masih dapat digunakan pada saat pasar berlangsung normal. Tapi pada saat pasar sedang berturbulensi maka VaR sudah menjadi tidak valid. Hal ini seperti seseorang membawa payung sebelum hujan, dan ketika hujan turun, payung tersebut tidak bisa terbuka. Maka dibutuhkan suatu model yang bisa membantu dan melengkapi VaR untuk mengukur potensi kerugian yang jarang terjadi namun berskala dan berdampak besar.Metode Extreme Value Theory (EVT) adalah suatu model statistik yang ditemukan untuk menjelaskan perilaku data khususnya pada bagian ekor (jail). Dalam banyak contoh produk keuangan dalam hal ini saham, sering kali didapat abnormal return, bagian ini dapat dijelaskan dengan model EVT tersebut. EVT dengan pendekatan Generalized Parcto Distribution (GPD) mencoba membuat distribusi data khusus bagian tail dengan batas ambang (ihreshold) 10%. Lalu dari parameter GPD yang diperoleh maka dapat dicari besaran VaR EVT-GPD yang merupakan potensi nilai ekstrim pada saham tersebut.Tujuan dari penulisan ini adalah untuk menentukan estimasi parameter dari distribusi ekor {tail distribution) sesuai dengan metode identifikasi nilai ekstrim yang dipilih. Dan menguji kemampuan VaR EVT-GPD sebagai ukuran risiko alternatif terhadap VaR tradisional dalam mengelola risiko saham yang tergabung dalam LQ45, menguuji apakah metode EVT-GPD dapat diandalkan dengan melakukan backlesting, lalu membandingkan hasil perhitungan VaR EVT-GPD dengan VaR tradisional historical simulation.Data yang digunakan adalah data historis saham-saham yang bergabung dalam LQ45 per Desember 2007 yang diperoleh dari internet. Lalu dilakukan suatu pengukuran VaR konvesional; historical simulation untuk data data ini. Dalam mengaplikasikan EVT-GPD kedalam data ini, sebelumnya ditentukan threshold yang membatasi data yang digunakan, rule of thumb 10%. Setelah diperoleh estimasi parameter GPD, dilakukan proses pengukuran VaR EVT-GPD.Hasil untuk tiap saham yang diperoleh akan melalui proses validasi (backtesting) dengan menggunakan data Januari 2008 yang diketahui terdapat kejatuhan pasar modal Indonesia yang cukup besar di bulan tersebut. Proses backlesting menunjukan metode VaR konvensional - historical simulation tidak valid dalam mengukur risiko di bulan Januari 2008, sedangkan VaR EVT GPD dapat menangkap potensi kerugian besar dalam bulan tersebut.Kesimpulan dari penelitian ini adalah, adanya potensi nilai ekstrim pada pergerakan harga saham yang bergabung dalam LQ45. gagalnya metode VaR konvensional - historical simulation dalam menangkap kejadian kejadian besar yang tidak diharapkan. Model VaR EVT-GPD dapat menangkap nilai risiko yang besar selama periode backtesting.

---

Risk Management has experienced fast development in the last decade. Several methods of risk measurement were invented and continually been improved and been developed. From Standard deviation measurement or risk-return relationship by Markowitz method, the implementation of Economic Value Added (EVA), Asset- Liability Management (ALM), until to the famous one - Value at Risk (VaR).

VaR was developed by JP Morgan with its risfanetric, is a simple method, a statistically approached which can measure the unpredictable loss in the future. But as the Financial and Capital markets and Financial product get more complex, the correlation among each other is progressively higher. Currently the biggest chalienge of VaR is to provide tke risk management’s requirement to measure the risk. In most cases VaR failed to help risk manager in controlling a big loss or extreme value. VaR is using myriad basic assumption that ironically those assumptions are not the real fact which happens in the market or recent Financial products. VaR has the advantages at the moment of normal market, but in the time of turbulence market mostly VaR have become not valid. It is like someone brings the umbrella but when the rains pour down, the umbrella can not be opened. Therefore a model which can help and company VaR to measure big loss potency that rarely happens but has a big impact is needed.

Extreme Value Theory (EVT) method is an invention of statistical model to describe data’s behavior in particular tail of distribution. In many Financial products in this case: stocks, there will be some time the retum is abnormal, that part can be described by EVT model. EVT with Generalized Pareto Distribution (GPD) approach is trying to separate and to grouping tail data into a pareto distribution with the ihreshold bound of 10%. Then the acquired GPD parameter is used to ineasure VaR EVT-GPD which constitutes extreme loss potency on that stock.

The purpose of this research is to determine parameter estimation of tail distribu t ion according to Identification method of extreme value which is chosen, and to examine VaR EVT GPD's ability as the alternative tools to traditional VaR in measuring extreme losses of stocks within LQ45, and to find does EVT-GPD method can be relied on by doing backtesting, then compares VaR EVT-GPD's measurement resuit to traditional VaR-historical simulation.

The Data which are utilized in this research are historicai prices data within LQ45 index in Indonesia Stock Exchange by December 2007. The data were collected from intemets. Then traditional VaR-historical simulation is calculated form those data In applying EVT-GPD into this data, previously ij has been determined the Ihreshold that draws the line of data, the rule of ihumb 10% threshold is applied. After the estimated parameters of GPD Distribution are collected, they are used in VaR EVT-GPD measurement process.

The Resuit for every acquired stock will have a validation process or backtesting, using January 2008 data which there was a big volume downfall of Indonesia Capital market an that month. The backtesting process shows that conventional VaR - historicai simulation is not valid to measure risk on month January 2008, meanwhile VaR EVT-GPD can grasp the unpredictabie big loss over that month.

Conclusion of this research is, acknowledging the extreme losses potency on Indonesian stocks price within LQ45, VaR - historicai simulation method is failed to identifying big losses. VaR EVT-GPD model can grasp the big risk or losses over the backtesting month.

"

"Risiko adalah salah satu unsur penting dalam berinvestasi pada dunia usaha di era modern ini. Ungkapan "No pain, no gain" dalam dunia investasi merupakan aksioma-kebenaran yang tidak perlu dibuktikan. Setiap investor selalu berusaha untuk meminimumkan risiko bahkan selalu mencoba untuk menghindarinya.Dalam berinvestasi di pasar modal, salah satu cara untuk meminimumkan risiko adalah dengan melakukan kombinasi atas aset-aset investasi-portofolio. Fokus meminimumkan risiko dilakukan dengan cara seleksi sekuritas dan pengalokasian dana investasi sehingga menghasilkan komposisi tiap-tiap asset yang menghasilkan risiko paling kecil.Karya akhir ini bertujuan untuk meneliti komposisi pembentuk portofolio optimal dari 20 (duapuluh) saharn yang selalu turut serta-bertahan-dalam membentuk indeks LQ45, periode 1 Januari 2001 - 31 Desember 2005, dengan menggunakan model opthnasi Markowitz dengan pendekatan Single Index Model dari William Sharpe. Model Markowitz-dibantu dengan program optimasi Solver, akan dipergunakan sebagai tool dalam menentukan komposisi optimal dari saham-saham dalam portofolio sedangkan Sharpe's Measure akan menyeleksi ekuitas saham yang layak dijadikan sebagai pembentuk portofolio optimal.Dari 20 (duapuluh) ekuitas saham bertahan dalam indeks LQ45, dengan seleksi dengan Sharpe's Measure, hanya 8 (delapan) yang memenuhi kriteria dan diikutseitakan dalam optimasi portofolio, yaitu: saham TLKM, TKIM, TINS, UNTR, GJTL, GGRM, PNBN, dan saham INTP. Dalam penelitian iebih lanjut, komposisi saham INTP adalah 0% dalam portofolio optimal.Dari hasil penelitian yang telah dilakukan, diperoleh 8 (delapan) saham yang membentuk portofolio optimal. Dengan asumsi bahwa semua dana yang tersedia akan diinvestasikan semuanya dalam portofolio ekuitas saham maka berikut persentase dana yang hat-us dialokasikan untuk membeli masing-masing saham, yaitu:Kode Nama Emiten PersentaseTLKM Telekomunikasi Indonesia Tbk 42.9225%TKIM Pabrik Kertas Tjiwi Kiinia Tbk 14.5728%TINS Timah Tbk 14.1161%UNTR United Tractor Tbk 12.4491%GJTL Gajah Tunggal Tbk 11.2972%GGRM Gudang Garam Tbk 2.7328%PNBN Bank Pan Indonesia Tbk 1.9097% Jumlah 100.0000%Portofolio optimum yang terbentuk mampu menghasilkan expected return mingguan sebesar 0.3147% dengan risiko sebesar 3.5412%.

---

Risk is one of the most important element on investment in modern business activities. When investing, "No pain, no gain" is an axiom-no need to prove the truth. An investor is always trying to minimize the risk even trying to avoid it.Investing in capital market, an investor could combine the assets in minimizing the risk---portfolio. Securities selection and allocation of investing fund are intended to minimize the risk therefore resulting minimum risk by assets composition.This thesis will research the composition of element of optimal portfolio from 20 (twenty) stocks which are always existing in LQ45 index, for period 1 January 2001-31 December 2005, by using Markowitz optimizing model with Sharpe's Single Index Model approaches. Markowitz model-combined with solver optimizing program, will be used as tool to determine optimal composition of the stocks in the portfolio while Sharpe's Measure will select the feasible stocks equity become optimal portfolio builder.From 20 (twenty) stocks existing in LQ45 index, Sharpe's Measure select only 8 (eight) stocks which are feasible and meet the criteria and selected become portfolio builder, i.e: stock of TLKM, TKIM, TINS, UNTR, GJTL, GGRM, PNBN, and INTP. Furthermore, INTP stock composition in optimal portfolio is 0%. Research resulting 8 (eight) stocks formed optimum portfolio. Assume that an investor would spend the whole of the fund into stock equity portfolio, allocation into each stock equity are as follows:Code Emitten PercentageTLKM Telekomunikasi Indonesia Tbk 42.9225%TKIM Pabrik Kertas Tjiwi Kimia Tbk 14.5728%TINS Timah Tbk 14.1161%UNTR United Tractor Tbk 12.4491%GJTL Gaj ah Tunggal Tbk 11.2972%GGRM Gudang Garam Tbk 2.7328%PNBN Bank Pan Indonesia Tbk 1.9097% Total 100.0000%Optimum portfolio configured resulting weekly expected return 0.3147% while the risk is 3.5412% per week."

"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."

"ABSTRAK

Penelitian ini bertujuan untuk mengamati reaksi LQ45 yang berbasis di Bursa Efek Indonesia dengan peristiwa politik nasional. Penelitian ini berfokus pada dua event nasional politik, yaitu: Hasil Pemilihan Presiden tahun 2009 (Quick Count) dan 2014 (Quick Count). Metode studi peristiwa yang digunakan dalam penelitian ini, dengan menggunakan panjang sebelas hari untuk periode event window, lima hari sebelum dan lima hari setelah kejadian. Reaksi didekati dengan abnormal return yang signifikan dan perbedaan yang signifikan rata-rata abnormal return antara sebelum tanggal acara dan setelah tanggal event selama periode event window. Hasil penelitian menunjukkan berbagai signifikan abnormal return dari setiap peristiwa politik. Dan berdasarkan uji statistik, tidak ada perbedaan yang signifikan rata-rata abnormal return antara sebelum dan pasca pemilihan presiden pada tahun 2009 dan ada perbedaan yang signifikan rata- rata abnormal return antara sebelum dan pasca pemilihan presiden tahun 2014.

---

ABSTRACT

---

This research is aimed to observe reaction of LQ45 based in Indonesian Stock Exchange to the national political events. This research is focusing on two national political events, which are: The Presidential Election Results in 2009 (Quick Count) and 2014 (Quick Count). The event study method is applied in this research, using eleven days length for window event period, five days before and five days after the event. The reaction is approximated by significant abnormal return and significant difference of average abnormal return between before event date and after event date during the event window period. The results show various significant of abnormal returns from each political event. Based on statistical test, there are no significant differences of average abnormal return between pre and post presidential election in 2009 and there are significant differences of average abnormal return between pre and post presidential election in 2014.

"

"Penelitian ini bertujuan untuk mengidentifikasi dampak pengumuman perubahan konstituen indeks LQ45 terhadap saham yang disertakan dan dikeluarkan. Penelitian ini menggunakan indeks LQ45 sebagai obyek penelitian. Dengan menggunakan event study, penelitian ini menemukan bahwa saham yang disertakan ke dalam perhitungan indeks mengalami akumulasi rata-rata abnormal return yang positif, sedangkan yang dikeluarkan dari indeks mengalami akumulasi rata-rata abnormal return yang negatif. Ditemukan bahwa volume mengalami perubahan jika dibandingkan antara periode sebelum dan setelah pengumuman, serta terdapat perbedaan kekuatan antara akumulasi abnormal return. Dari hasil penelitian, disimpulkan bahwa penelitian ini mendukung Imperfect Substitution Hypothesis (ISH).

---

This research examines the effect of announcement made for the reconstitution of LQ45 constituents toward the stock that were being included and the stock that were being excluded. This study uses LQ45 Index as research object. Using Event Study method, there is evidence that shows included stock gained positive accumulated average abnormal return, while excluded stock gained negative accumulated average abnormal return. There is also evidence that shows the increase of trading volume, by comparing the before and after announcement period. There is also evidence that the power between exclusion is different, that were shown by comparing two exclusions cumulative abnormal return. It can be concluded that this study supports the Imperfect Substitution Hypothesis (ISH)."

"ABSTRAKPenelitian ini bertujuan untuk mengamati reaksi saham-saham yang tergabung dalam indeks LQ45 dengan peristiwa politik nasional. Penelitian ini berfokus kepada peristiwa politik khususnya pemilihan umum yang terjadi dalam rentang waktu 11 tahun antara tahun 2009 hingga 2019. Metode studi peristiwa digunakan dalam penelitian ini, dengan menggunakan panjang sebelas hari untuk periode event window, lima hari sebelum dan lima hari sesudah tanggal kejadian. Reaksi didekati dengan abnormal return yang signifikan selama periode event window. Hasil penelitian menunjukan berbagai signifikansi abnormal dari setiap peristwa politik.

---

ABSTRACT

This study aims to observe the reaction of stocks incorporated in the LQ45 index with national political events. This research focuses on political events, especially general elections that occur in the span of 11 years between 2009 and 2019. The event study method was used in this study, using eleven days for the event window period, five days before and five days after the date of the event. The reaction is approached with a significant abnormal return during the event window period. The results showed a variety of abnormal significance of each political event."

"ABSTRAK

Penelitian ini memiliki dua tujuan. Tujuan pertama adalah menentukan Beta

sebagai indikator dad Resiko bisnis. Dan tujuan kedua adalah menganalisis secara cross

section linier regresi antara beta tersebut dengan beberapa variable independent seperti ;

Operating Leverage, Financial Leverage, Firm Size, dan Cyclicality.

Dalam penelitian ini penulis mencoba untuk mengamati atau melakukan

penelitian mcngcnai hubungan antara faktor fimdamental perusahaan dalam hal ini

Operating Leverage, Financial Leverage, Firm Size, dan Cyclicaliqy, terhadap Beta.

Pengamaian dilakukan terhadap saham-sallam yang trdapat di Indeks LQ 45 dalam

kurun waktu 1998 sampai dengan 2002.

Dari hasil pengujian dengan menggunakan Pearson Correlation dan model

regresi linier berganda menunjukkan bahwa basil yang ditunjukkan tidaklah stabil dari

waktu ke wakm. Hal ini menunjuldcan adanya faktor-faktor lain yang mempengamhi Beta

selain variable-variabel fundamental seperti yang pennlis sebutkan diatas.

Hasil dari penelitian ini dapal dikatakan bahwa variable Firm Size dan C)»cIica1i!y

yang mernpunyai pengaruh signilikan dalam kurun waktu 1998 sampai dengan 2002.

Hal ini menunjukkan bahwa Operating Leverage dan Financial Leverage kurang

mempengaruhi Risiko bisnis dari penmhaan yang berada pada Indeks LQ 45.

---

ABSTRACT

This research has two objectives. The lirst objective is to analyze whether the

Beta reflects as indicators of business risk. 'I`he second objective is analyzed by using

cross sectional liner regression between Beta and some independent variable, such as:

Operating Leverage, Financial Leverage, Firm Size, and Cyclicality.

ln this research, the author tried to observe about the relationship between

fundamental factors of company and Beta as indicator of Business Risk. The Subject of

observation are stocks of companies at LQ 45 Indices around 1998 until 2002.

The results of the partial test using Pearson Correlation and Multiple Correlation

model indicates that the results is unstable from year by year. This result indicates that

there are the other factors could influence Beta beside Fundamental factors.

Result of this research can be said that Firm Size variable and of Cyclicality

having influence isn't it in range of time 1998 up to 2002. This matter indicate that

Operating Leverage and of Financial Leverage less influence Risk business of company.

---

"

"Sejak Oktober 2010 terjadi penurunan kinerja saham LQ45, ditunjukkan oleh lebih rendahnya rata-rata imbal hasil (return) dan lebih tingginya risiko volatilitas terhadap IHSG. Hal ini diduga dipengaruhi oleh metode penetapan saham-saham yang masuk kelompok LQ45 kurang tepat. Selain itu, diduga dipengaruhi juga oleh ketidakkonsistenan dalam menerapkan ARS. Ada tiga tujuan dari penelitian ini; (1) menguji dampak kebijakan BEI dalam penetapan saham-saham pada LQ45 dan ARS terhadap risiko pasar; (2) menguji risiko strategis dari variable-variabel dalam penetapan LQ45, seperti nilai transaksi dan kapitalitasi pasar serta frekuensi pelanggaran batas harga terhadap risiko pasar; dan (3) menginvestigasi risiko operasional akibat kelalaian, pelanggaran dan kemungkinan dampaknya terhadap risiko reputasi. Hasil pengujian menunjukkan selain disebabkan oleh faktor eksternal, risiko pasar juga disebabkan oleh faktor internal. Pemilihan 26 saham yang tetap pada LQ45, 19 diantaranya memiliki Beta (risiko pasar) lebih besar dari Beta LQ45. Analisis risiko strategis menunjukkan nilai transaksi dan frekuensi pelanggaran batas harga berdampak positif dan signifikan terhadap Risiko Pasar 26 saham. Analisis risiko operasional menunjukkan bahwa 21 saham yang dikeluarkan dari LQ45 memiliki kinerja lebih baik. Hal ini mengindikasikan adanya pelanggaran yang dilakukan BEI dalam penetapan saham-saham dalam kelompok LQ45. Selain itu, ada indikasi ketidakkonsistenan dalam penerapan sistem penolakan otomatis atau ARS. Pengumuman daftar saham yang keluar dari LQ45 juga berdampak pada risiko reputasi (reputational risk).

---

Since October 2010, LQ45 Stock performance has been decreasing, that is shown by lower return and higher volatility risk to IHSG. It is hypothesized that the causing of this problems are the implementation method of stocks categorized in LQ45 is inappropriate and Automatic Rejection System (ARS) is not conducted consistently. The objetives of this research are (1) to investigate the impact of BEI policy in implementing stocks on LQ45 and ARS to market risk; (2) to investigate strategic risk of variables which are used to determines stocks into LQ45 group, for instance, transaction value and market capitalization and frequency its violation on limit prices range to market risk; and (3) to investigate operational risk that caused by carelessness, violating, and its impact to reputation risk. The result of this study shows that market risk is caused not only by external factors but also internal factors. Nineteen of 26 stocks in LQ45 index, have higher market risk than LQ45. The analysis of strategic risk shows that transaction value and the violation of prices range have postive and significant impact to 26 stocks risk market. The analysis of operational risk shows that 21 stocks that have been excluded from LQ45 have better performance. It is found that implementation of ARS is not conducted consistenly for LQ45 group. Moreover, the announcement of stock list in LQ45 has affected to reputational risk."

" ABSTRAK Penelitian ini bertujuan untuk mengetahui apakah pencarian informasi atas suatu saham melalui search engine, khususnya Google memiliki pengaruh dengan return atas saham tersebut. Penulis melakukan penelitian ini dengan menggunakan data sampel atas perusahaan yang termasuk di index LQ45 selama periode 2012-2015. Penulis menemukan bahwa pencarian atas saham melalui Google ternyata berpengaruh signifikan terhadap excess return atas saham tersebut, meskipun hubungannya negatif.

---

ABSTRACT This study aims to determine whether the search for information on a stock through search engines, especially Google have influence with return on these shares. The author conducted this study using sample data on the companies included in the index LQ45 during the period 2012 2015. The authors found that the search for the shares through Google were significantly affected to the excess return on the underlying share, despite a negative relationship."