Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKKarya akhir ini bertujuan untuk mendapatkan gambaran profil risiko masmgmasing reksadana saham, membandingkan peringkat reksadana saham berdasarkan kinerja Sharpe, Treynor dan Fama serta mempelajari korelasi yang terjadi pada imbal hasil (return) dengan tolak ukur yang telah ditentukan. Penelitian ini cukup penting untuk memberikan informasi yang lebih mendalam mengenai reksadana saham kep.ada para investor serta kepada manager investasi pengelola reksadana untuk meningkatkan kinerja portofolio yang ditawarkan kepada masyarakat.Dalam karya akhir ini digunakan bantuan metode ARCH/GARCH untuk mendapatkan model yang lebih akurat serta untuk mendapatkan komponen yang . akan digunakan dalam analisa kinerja berikutnya. Analisis kinerja dilakukan dengan bantuan metode Sharpe, Treynor dan Fama decomposition.Metode ARCH/GARCH pada penelitian ini juga digunakan untuk melakukan analisis volatilitas pada masing-masing reksadana saham. Hasil penelitian menunjukkan bahwa tingkat volatilitas dengan cepat dapat kembali ke tingkat yang stabil dalam waktu yang singkat.Dari proses pengolahan data diperoleh hasil bahwa hampir semua reksadana saham dapat dimodelkan dengan GARCH(l,l). Kecuali reksadana Bima, Danareksa Mawar, Panin Dana Maksima serta GTF Sentosa yang hanya dapat dimodelkan dengan ARCH.Dari hasil penelitian hubungan NAB terhadap IHSG menunjukkan bahwa semua reksadana saham mempunyai korelasi yang positif dimana imbal hasil dari NAB akan mengikuti pergerakan dari IHSG. Model yang paling akurat adalah dimiliki oleh reksadana Bahana Dana Prima sedangkan validitas terendah dimiliki oleh GTF Agresif.Hasil pengukuran kinerja dengan ketiga metode tersebut diatas selama periode pengukuran menunjukkan bahwa reksadana Phinisi Dana Saham (HZPHSE) mempunyai nilai indeks yang paling tinggi untuk ketika pengukuran tersebut sedangkan nilai indeks yang paling rendah juga memiliki oleh reksadana yang sama yaitu oleh reksadana Arjuna (UPARJE). Peringkat kinerja untuk masing-masing metode pengukuran cenderung sama terutama untuk metode Sharpe dan Fama (Net Selectivity).Dalam penelitian ini juga didapat temuan bahwa portofolio dengan beta tinggi (lebih besar dari 1) tidak secara otomatis menghasilkan imbal hasil yang lebih baik dibandingkan portofolio yang mempunya1 beta lebih kecil seperti ditunjukkan oleh reksadana Master Dinamis.Berdasarkan hasil pengukuran kinerja yang diperoleh maka dalam pengukuran suatu portofolio metode pengukuran kinerja menggunakan Metode Sharpe dan Fama (Net Selectivity) dapat digunakan untuk melakukan perhitungan kinerja secara bersama-sama karena memberikan hasil yang relatifkonsisten (sama) dalam hasil peringkatnya. Untuk lebih akuratnya penelitian ini maka perlu dilakukan penelitian lanjutan yang membedah lebih detail periode tersebut diatas dengan membaginya ke dalam sub periode -sub periode yang lebih pendek (misal 1 tahun) sehingga akan diperoleh profil serta kinerja yang lebih detail serta dapat dilihat apakah ada pola berulang/konsisten untuk masing-masing reksadana saham tersebut selama periode pengukuran."

"Dengan menggunakan data return 13 indek harian yang didapat dari buzsa dapat digunakan _untuk menghitung suatu ukuran dari volatilitas time-varying. Andersen dan Bollerslev (1998) menyatakan bahwa model-model volatilitas menycdiakan forecast yang baik dari suatu variansi yang terkondisi (the conditional variance). Dalam tulisan ini, penulis menggunakan pendekatan yang sama dengan Bollerslev (1998) dan menggunakan data return 13 indck harian untuk mengestimasi pengukumn volatilitas yang kemudian dibandingkan dengan model-model volatilitas. Tujuan penulisan adalah untuk mengevaluasi apakah evolusi dari model-model volatilitas (dalam hal ini model-model GARCHfamib=) telah membawa hasil forecast volatilitas menjadi lebih baik dali model volatilitas yang lebih sederhana (ARMA). Penulis menggunakan 7 model dari GARCH famibv pada .13 indek yang terdailar di Bursa Efek Jakarta dengan jumlah pengamatan sebanyak 317 pengamatan. Hasil analisis penulis memmjukan bahwa tidak satupun model dari GARCH#1mi(y yang lebih superior dari model GARCHj21mib» lainnya untuk setiap indek, namun beberapa model volatilitas dari GARCH family jelas menunjukkan aproksimasi volatilitas yang Iebih baik jika dibandingkan dengan apa yang didapat dari model ARMA (sebagai bench mark).

---

Within data from 13 daily index which listing on Bursa Efek Jakarta (BEJ) can be measured one important measuring, that is volatility in time series. Andersen and Bollerslev (1986) said that volatility models are specially usetirl when the goal of study to analyze and forecast the conditional variance (volatility).

In this paper, the writer use approximation the same as with Bollerslev (1998), and use retum data of 13 daily index in BEJ to estimate measuring volatility and then make comparison among volatility models. This paper focuses on the performance of various GARCH models in terms of their ability of delivering volatility forecast for stock return data compared to the simple volatility model, that is ARMA.

This paper using 7 models of GARCH family on 13 index which is listing on BFJ with 317 observation daily data. Finally, out of sample tests indicate that no one of GARCH models (in this paper) superior among themselves for every index, but some of GARCH models clearly show that they better than ARMA models as forecaster in volatility. "

"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."