ANALISIS TINGKAT VOLATILITAS RETURN SAHAM PADA PERUSAHAN TELEKOMUNIKASI DI INDONESIA
(STUDY KASUS PT. TELKOM DAN PT. INDOSAT) Oleh:
J.C.D. Rijoly
Magister Ilmu Ekonomi Universitas Padjadjaran
ABSTRAK
Tujuan: Dalam menghadapi Asean Economic Community 2015 maka kita di tuntut untuk memikili mobilitas tinggi dalam melaksanakan kegiatan-kegiatan ekonomi, oleh karena iti telekomunikasi menjadi bagian yang tidak terpisahkan untuk menunjang mobilitas tersebut, PT TELKOM dan PT INDOSAT merupakan 2 perusahaan Telekomunikasi di Indonesia yang memiliki Market share terbesar di Indonesia sehingga pada pasar saham ke 2 saham dari Perusahaan tersebut merupakan saham yang termasuk dalam LQ 45 sehingga memiliki resiko yang kecil ketika kita ingin berinvestasi, Oleh karena itu Penelitian ini bertujuan untuk melihat tingkat volatilitas return saham pada ke 2 perusahaan tersebut.
Metode:. Tahap awal metode analisis dalam penelitian ini adalah menentukan apakah harga saham harian yang digunakan memiliki time-varying volatility dan apakah shock yang terjadi pada volatilitas adalah asimetrik. Untuk kepentingan ini dikembangkan basis model-model estimasi yang akan digunakan, yaitu GARCH dan Tahap berikutnya adalah mengaplikasikan model return saham dan volatilitasnya dengan basis model-model tersebut untuk menjawab tujuan dari penelitian ini.
Hasil: Return saham ke-2 perusahaan telekomunikasi tersebut ternyata juga di pengaruhi adanya gejolak perekonomian dalam bentuk good news maupun bad news. Secara umum pergerakan saham ke 2 perusahaan tersebut dipengaruhi lebih signifikan oleh bad news.
I. Pendahuluan
Dewasa ini telekomunikasi merupakan suatu factor yang tidak bisa dilepas-pisahkan dalam kehidupan sehari-hari, dalam perkembangannya berbagai situasi mengharuskan manusia beradaptasi terhadap perkembangan sekitar dengan mobilitas yang tinggi, Indonesia sebagai salah 1 negara terbesar di asia tenggara yang akan menghadapi penyatuan kawasan ekonomi Asia Tenggara (ASEAN Economic Community) juga di hadapkan pada permasalahan serupa oleh karena itu dibutuhkan perusahaan/ lembaga yang mampu menyediakan layanan telekomunikasi berkualitas dalam rangka memenuhi kebutuhan masyarakat tersebut.
GAMBAR 1,1
Dari gambar diatas menunjukan bahwa pada quartal 2 2012 Indonesia merupakan salah satu Negara dengan pengguna Internet terbanyak, Indonesia berada pada urutan ke 8 di dunia, hal ini menunjukan bahwa layanan telekomunikasi menjadi hal yang fundamental bagi masyarakat Indonesia dalam menghadapi era globalisasi mendatang. Di Asia sendiri Indonesia berada pada peringkat 4, sehingga pelayanan telekomunikasi yang di tunjang traffic internet yang baik merupakan salah satu penopang utama peningkatan daya saing Indonesia di masa yang akan datang.
Gambar 1.2
Di Indonesia sendiri terdapat beberapa perusahaan yang bergerak dalam bidang layanan jasa telekomunikasi yang antara lain TELKOM sebagai BUMN, INDOSAT, XL- AXIATA, ESIA, Tri, dll. Diantara perusahaan tersebut yag merupakan perusahaan dengan market share terbesar adalah TELKOM dan INDOSAT.
Tabel. 1.1 Perkembangan Jumlah Pelanggan Telepon Bergerak Seluler 2006 - kuartal I 2010
Sumber: Statistik Telekomunikasi Indonesia 2013
Dari tabel tersebut dapat di lihat bahwa perkembangan pelanggan operator telekomunikasi yang ada di Indonesi secara umum di kuasai oleh ke 3 operator di atas namun dengan melihat perkembangan yang ada maka Indosat dan telkomsel dapat dikatakan sebagai operator telekomunikasi terbesar yang saat ini mendominasi sektor ini di Indonesia, saham PT Telkom dan Indosat di Bursa Efek Indonesia-pun merupakan jenis saham yang tergolong dalam kelompok LQ 45 yang merupakan kelompok perusahan dengan nilai saham paling stabil di bursa efek Indonesia, sehingga risk dari saham tersebut juga dapat dikatakan tergolong rendah, sehingga resiko investasinya pun dapat dikatakan rendah.
Dalam melakukan proses investasi saham biasanya kita di haruskan untuk memperhatikan 2 faktor utama yaitu return dan risk dari proses investasi tersebut dengan asumsi yaitu high risk high expected return. Tingkat pengembalian saham dapat diketahui dengan persentasi rata-rata pengembaliannya atau dari nilai mean-nya. Sementara resiko dapat kita bagi atas 2 bagian yaitu resiko yang bersifat sistematis dan yang bersifat non sistematis. No Operator 2006 2007 2008 2009 2010* 1 Telkomsel 35.597.000 47.890.000 65.299.991 81.643.532 81.950.000 Prabayar 33.935.000 45.977.000 63.359.619 79.608.839 79.903.000 Pasca bayar 1.662.000 1.913.000 1.940.372 2.034.693 2.047.000 2 Indosat 16.704.729 24.545.422 36.510.246 33.136.521 39.100.000 Prabayar 15.878.870 23.945.431 35.591.033 31.333.173 N.A
Pasca bayar 825.859 599.991 919.213 1.803.348 N.A
3 XL-Axiata 9.527.970 15.469.000 26.015.517 31.438.377 32.924.000 Prabayar 9.141.331 14.988.000 25.599.297 31.101.047 32.600.000
Pasca bayar 386.639 481 416.22 337.33 324
Permasalahan bukan pada bagaimana menyebut resiko, melainkan bagaimana mengukurnya/menghitung seberapa besar resiko itu sendiri. Perkembangan selanjutnya ditandai dengan kemunculan sejumlah model pengukur volatilitas. Model-model tersebut secara umum dapat dikategorikan menjadi tiga: Model standard dengan harga penutupan sebagai informasi dasar model-model nilai ekstrem yang memanfaatkan informasi harga pembukaan, tertinggi, terendah maupun penutupan saham (Lamark,Siegert, & Walle,2005); dan model-model jenis ARCH/GARCH.
volatilitas sendiri merupakan ukuran responsiveness perolehan oleh suatu portofolio terhadap perubahan-perubahan perolehan di pasar saham sebagai sebuah keseluruhan dikemukakan oleh Sharpe (1971), pembahasannya atas artikel Fama (1971) mengenai Hipotesa Pasar Efisien. Volatilitas, Beta Sharpe-Lintner-Treynor-Mossin, ataupun mean-variance Markowitz-Tobin merupakan teori yang diharapkan sebagai pengukur yang sederhana tapi meyakinkan untuk risiko.
Perusahaan- perusahaan dalam LQ 45 yang berada dalam Indonesian Stock Exchange dipandang sebagai perusahaan yang memiliki resiko rendah dalam ber-investasi karena telah memiliki struktur pasar yang kuat, return saham yang di expect untuk di terima juga memiliki tingkat kepastian yang baik, dalam LQ 45 ada berbagai macam perusahaan dengan focus ekonominya dan salah satunya adalah perusahaan-perusahaan yang bergerak di sector telekomunikasi saat ini perusahaan-perusahaan atau operator telekomunikasi yang memiliki market share terbesar adalah PT Telkom dan PT Indosat, oleh karena itu hal ini menjadi fenomena yang menarik untuk melihat dan membandingkan tingkat volatilitas saham yang di miliki oleh ke 2 perusahaan tersebut.
II. Literature Review 1.1Portfolio Selection
Sekitar tahun 1952, Harry Markowitz telah memberikan sumbangan pemikiran mengenai masalah “ Portfolio “ dalam penerbitannya dengan judul “ Portfolio Selection “. Markowitz memberikan sumbangan pemikiran mengenai analisa terhadap implikasi daripada suatu kenyataan bahwa setiap investor akan selalu menginginkan expected return yang tinggi dalam rangka untuk menghindari adanya resiko.
Bahwa setiap investor, apalagi investor yang besar selalu akan mempunyai karakteristik untuk memperkecil risk atau resiko dengan harapan untuk bisa memperoleh expected return yang tinggi. Hal ini, kalau kita generalisasi maka setiap investor adalah bisa kita golongkan “ risk averter “ atau “ risk aversion “. Pada dasarnya setiap expected return dari portfolio adalah secara langsung berhubungan atau ada hubungannya dengan expected return dari tiap-tiap security. Disamping itu,
maka portfolio management adalah tergantung pada keinginan dan selera daripada investor itu sendiri.
Sumbangan pemikiran Markowitz dalam hubungannya dengan apa yang disebut portfolio adalah sebagai berikut :
Bahwa portfolio mempunyai 2 ( dua ) karakteristik, yaitu expected return dan risk. Rational investor akan memilih portfolio yang paling Efisien untuk ditahan, dimana akan bisa memaximumkan expected return untuk tingkatan risk yang tertentu ( a given degree of risk ) atau akan berusaha untuk meminimumkan risk untuk expected return yang tertentu.
Untuk menentukan atau mengetahui bahwa portfolio tersebut adalah efficient maka perlu adanya analisa terhadap expected return dari setiap securities dan variance daripada expected return serta hubungannya antara masing-masing securities tersebut. Dua belas tahun kemudian teori portofolio model Markowitz lebih dikembangkan oleh William Sharpe dalam Journal of Finance September 1964 dalam artikelnya “Capital Asset Prices : A Theory of Market Equilibrium “, John Lintner dalam artikelnya : “ The Valuation of Risk Assets and the Selection of Risky Investments in Stock Portfolios and Capital Budgets” dalam Review of Economics and Statistic, Februari 1965 dan Jan Mossin dalam artikelnya “ Equilibrium in Capital Asset Market” di Econometrica, Oktober 1966. Ketiga Ilmuwan ini memberikan kontribusi dalam pengembangan teori portofolio, yang dikenal dengan Teori Keseimbangan Pasar Modal., bahwa jika seluruh investor dalam berinvestasi melakukan hal yang sama sebagaimana dikemukakan oleh Markowitz, maka asset yang diperdagangkan di pasar modal akan habis terbagi dibeli oleh investor, dan proporsi masing-masing surat berharga yang dipegang oleh investor akan identik dengan kapitalisasi pasar asset tersebut di pasar modal. Kesimpulannya, portofolio yang effisien dan optimal adalah portofolio pasar itu sendiri. Dengan demikian, investor dalam berinvestasi tidak perlu membentuk portofolio efisien dan optimal sebagaimana dikemukakan Markowitz, melainkan cukup membentuk portofolio yang identik dengan portofolio pasar. Proporsi masing-masing surat berharga dalam portofolio identik dengan kapitalisasi pasar surat berharga tersebut. Naik turunnya nilai portofolio akan sebanding dengan naik-turunnya imbal hasil pasar, yaitu mengikuti naik-turunnya Index Harga Saham Gabungan. Resiko investasi yang relevan pada teori keseimbangan pasar, adalah resiko yang ditimbulkan oleh fluktuasi harga di pasar modal, dikenal dengan “resiko sistematik”. Resiko lain yang tidak berkaitan dengan fluktuasi harga di pasar modal akan sama dengan nol ( resiko tidak sistematik ). Hal ini sejalan dengan diversifikasi dalam teori keseimbangan pasar yang melibatkan seluruh surat berharga yang diperdagangkan dipasar modal. Investor yang menerapkan teori ini dalam berinvestasi, menganut strategi pasif.
1.2Capital Asset Pricing Model (CAPM)
Menurut Keown et al. (2005), definisi dari capital asset pricing model (CAPM) adalah sebagai berikut.
“An equation stating that the expected rate of return on an investment is a function of the risk free rate, the investment’s systematic risk, and the expected risk premium for the market portofolio of all risky securities“(p.205).
Konsep CAPM pada umumnya berguna untuk mengkuantifikasikan hubungan antara risiko dan return. Capital asset pricing model berfungsi menjelaskan tingkah laku dari harga – harga sekuritas dan memberikan mekanisme bagi investor untuk memiliki pengaruh suatu sekuritas terhadap risiko dan return. CAPM dapat dinyatakan dalam Securities Market Line (SML) sebagai berikut :
Rumus The Required Rate of Return ks = Rf + β (Rm - Rf)
Di mana :
Ks = Tingkat pengembalian yang diharapkan dari suatu saham RF = Tingkat pengembalian bebas risiko
β = Suatu systematic risk yang menjadi tolak ukur sensitivitas return saham RM = Tingkat risiko pasar yang diestimasikan / premi risiko pasar
III. Data & Methodologi
3.1Sumber & Metode Pengumpulan Data
Data yang digunakan dalam penelitian ini adalah data sekunder yang bersifat kuantitatif mengenai indeks harga saham penutupan harian (closing price) dan jumlah saham yang diperdagangkan dari indeks harga saham LQ 45. Adapun sumber data pada penelitian ini diperoleh IDX (Indonesian Stock Exchange). Sedangkan menurut klasifikasi pengumpulannya, data yang digunakan adalah time series. Data yang di ambil mulai dari 1 januari 2013 sampai 23 Oktober 2013
3.2Metode Analisis
Populasi dari penelitian ini adalah saham-saham yang termasuk dalam LQ 45. Alasan pemilihan saham-saham yang termasuk dalam LQ 45 adalah saham-saham tersebut aktif diperdagangkan dan memiliki kapitalisasi pasar yang besar, pada
penelitian ini saham yang di jadikan obkek penelitian di batasi pada saham- saham bidang telekomunikasi terutama saham PT. TELKOM dan PT. INDOSAT.
IV. Model ARCH, GARCH, TARCH
Return saham merupakan data deret waktu dalam bidang keuangan yang memiliki volatilitas tinggi dan ragam yang tidak homogen menurut waktunya (heteroskedastisitas). Analisis dengan model OLS (Ordinary Least Square) terhadap data dengan tingkat volatilitas dan heteroskedastisitas tinggi tentunya tidak dapat diterapkan, karena koefisien yang diperoleh tidak bersifat BLUE (Best Linear Unbiased Estimator) (Gujarati, 1978). Untuk mengatasi hal tersebut, dapat diterapkan model lain yaitu dengan menggunakan model ARCH (Autoregressive Conditional Heteroscedastic) yang dikenalkan pertama kali oleh Engle (1982). Dalam perkembangannya muncul variasi model lain untuk memperbaiki ARCH yaitu GARCH (Generalized Autoregressive Conditional Heteroscedastic) yang diperkenalkan oleh Bollerslev (1986). Model GARCH digunakan untuk menghindari ordo yang besar pada model ARCH (Enders, 1995).
Berangkat dari asumsi bahwa terdapat gejolak yang bersifat asimetris teradap volatilitas (symmetric shocks to volatility). Tetapi dalam banyak kasus sector finansial, misalnya di pasar ekuitas, terdapat sebuah gejolak yang serta merta akan diikuti oleh kenaikan di pasar (efek positif) dalam ukuran yang sama di waktu lain. Dengan kata lain efek negative biasanya lebih besar daripada efek positifnya. Ada 2 model yang mengakomodasi gejolak asimetris yaitu model TARCH (Treshold ARCH) dan EGARCH (Exponential GARCH), khusus dalam penelitian ini penulis akan menggunakan model TARCH.
Model TARCH bisa di jelaskan sebagai berikut:
Yt = 𝛽0 + 𝛽1𝑋𝑡 + 𝜀𝑡 (1.1) Sedangkan spesifikasi untuk (conditional variance) sebagai berikut:
𝜎𝑡= 2 𝛼0+ 𝛼1 𝜎𝑡−1 2 + ⋯ + 𝛼𝑝 𝜎𝑡−𝑝2 + 𝜙𝑒𝑡−1 𝑑𝑡−1 + 𝜆1𝜎𝑡−12 + ⋯ + 𝜆𝑞𝜎𝑡−𝑞2 (1.2) Di mana d adalah variable dummy, 𝑑𝑡−1 = 1 jika 𝑒𝑡−1 < 1 dan , 𝑑𝑡−1 = 0 jika 𝑒𝑡−1 > 1. Di dalam model TARCH ini, berita baik (good news) pada periode t-1 (𝑒𝑡−1 < 0) dan berita buruk (bad news) pada periode t-1 (𝑒𝑡−1 > 1) mempunyai efek berbeda terhadap conditional varian. Berita baik mempunyai dampak terhadap α dan berita buruk terhadap α + ϕ. Jika ϕ ≠ 0 maka terjadi efek asimetris.
V. Hasil & Pembahasan
Pergerakan return saham kadang-kadang sangat fluktuatif hal ini dapat di lihat melalui pergerakan volatility clustering-nya, hal ini dapat di sebabkan sentiment-sentimen yang terjadi dalam pasar saham yaitu adanya good news atau bad news sehingga terjadi shock dalam pergerakan return saham.
Tabel 5. 1 Descriptive Stats IHSG IHSG Mean 4653.142 Median 4630.000 Maximum 5215.000 Minimum 3968.000 Std. Dev. 276.5105 Skewness 0.014579 Kurtosis 2.393175 Jarque-Bera 3.029589 Probability 0.219853 Sum 916669.0 Sum Sq. Dev. 14985782 Observations 197
Dari data di atas dapat di lihat pada awalnya dan di indikasikan bahwa pergerakan IHSG pada periode penelitian acak dan volatile.
Gambar 5.1 Pergerakan IHSG selama periode observasi
Gambar di atas menunjukan adanya fluktuasi nilai IHSG selama periode, hal ini dapat di karenakan adanya sentiment terhadap pasar yaitu adanya good news dan bad news sampai bulan juli 2013 pasar saham kita masihlah dikatakan kondusif sebagai akibat stabilnya pertumbuhan ekonomi kita, namun memasuki bulan agustus seiring dengan anjloknya nilai rupiah serta bergejolaknya perekonomian sebagai akibat naiknya BBM bersubsidi di tambah demo buruh yang meminta kenaikan upah kemudian secara umum mempengaruhi pasar saham sehingga nilai IHSG mengalami penurunan, namun melalui kebijakan pemerintah menaikan tingkat suku bunga BI dan penetapan UMP dan UMK di sentra-sentra industry perlahan kondisi pasar saham mengalami perbaikan awal hingga akhir oktober walaupun nilainya belum signifikan seperti periode sebelum krisis.
5.1 Hasil Estimasi dengan mengunakan GARCH 1.1 Dependent Variable: IHSG
Method: ML - ARCH (Marquardt) - Normal distribution Date: 01/10/14 Time: 12:05
Sample (adjusted): 4 197
Included observations: 194 after adjustments Convergence achieved after 36 iterations Presample variance: backcast (parameter = 0.7)
GARCH = C(6) + C(7)*RESID(-1)^2 + C(8)*GARCH(-1)
Variable Coefficient Std. Error z-Statistic Prob. ISAT 0.116694 0.023332 5.001499 0.0000 TLKM 0.773545 0.053791 14.38065 0.0000 C 2337.616 175.2276 13.34046 0.0000 AR(1) 0.990397 0.057726 17.15694 0.0000 AR(3) -0.021203 0.056375 -0.376103 0.7068 Variance Equation C 3881.188 402.4343 9.644277 0.0000 RESID(-1)^2 0.033049 0.034794 0.949836 0.3422 GARCH(-1) -0.957829 0.050548 -18.94892 0.0000 R-squared 0.973735 Mean dependent var 4657.289 Adjusted R-squared 0.972746 S.D. dependent var 276.5854 S.E. of regression 45.66088 Akaike info criterion 10.51033 Sum squared resid 387794.3 Schwarz criterion 10.64509 Log likelihood -1011.502 Hannan-Quinn criter. 10.56490 F-statistic 985.0765 Durbin-Watson stat 2.102128 Prob(F-statistic) 0.000000
Inverted AR Roots .97 .16 -.14 Sumber: hasil olah data Eviews
Melalui hasil estimasi GARCH di atas dapat dilihat bahwa secara umum saham indosat dan Telkom berpengaruh postif terhadap pergerakan return saham dengan representasi model sebagai berikut:
IHSG = 0.116693615102*ISAT + 0.773545178153*TLKM + 2337.61557981 + [AR(1)=0.990396970095,AR(3)=-0.0212029828724]
GARCH = 3881.18781963 + 0.0330486254512*RESID(-1)^2 - 0.957828943633*GARCH(-1)
5.2 Hasil Estimasi TARCH
Pada model ARCH dan GARCH kita mengasumsikan bahwa gejolak terhadap pasar adalah simetris, dengan menggunakan model TARCH akan dicoba apakah IHSG yang di pengaruhi ke-2 saham tersebut yaitu Indosat dan Telkom memiliki efek asimetris. Dari literature teori keuangan respons/ gejolak pasar lebih besar terjadi ketika adanya good news atau bad news, biasanya respons yang muncul akan lebih besar ketika terjadi bad news daripada good news.
Dependent Variable: IHSG
Method: ML - ARCH (Marquardt) - Normal distribution Date: 01/10/14 Time: 12:19
Sample (adjusted): 4 197
Included observations: 194 after adjustments Convergence achieved after 26 iterations Presample variance: backcast (parameter = 0.7)
GARCH = C(6) + C(7)*RESID(-1)^2 + C(8)*RESID(-1)^2*(RESID(-1)<0) +
C(9)*GARCH(-1)
Variable Coefficient Std. Error z-Statistic Prob. ISAT 0.043736 0.022897 1.910140 0.0561 TLKM 0.651803 0.079839 8.163998 0.0000 C 185.7079 3350461. 5.54E-05 1.0000 AR(1) 1.028642 0.058750 17.50877 0.0000 AR(3) -0.028624 0.059262 -0.483000 0.6291 Variance Equation C 12415.05 2209.552 5.618811 0.0000 RESID(-1)^2 -0.158691 0.053311 -2.976729 0.0029 RESID(-1)^2*(RESID(-1)<0) 0.271100 0.060009 4.517677 0.0000 GARCH(-1) -0.993029 0.003299 -301.0441 0.0000 R-squared 0.971032 Mean dependent var 4657.289 Adjusted R-squared 0.969780 S.D. dependent var 276.5854 S.E. of regression 48.08153 Akaike info criterion 10.82689 Sum squared resid 427689.2 Schwarz criterion 10.97850 Log likelihood -1041.209 Hannan-Quinn criter. 10.88828 F-statistic 775.1809 Durbin-Watson stat 2.006932 Prob(F-statistic) 0.000000
Dari hasil estimasi di atas dapat di lihat bahwa koefisien dari parameter TARCH (RESID(-1)^2*(RESID(-1)<0)) adalah sebesar 0,271 dan signifikan (p value= 0,00) yang artinya bahwa pasar merespons lebih kuat ketika terjadi bad news daripada ketika terjadi good news terutama pada saham Telkom yang sangat signifikan ketika terjadi bad news .
Dari gambar diatas dapat di lihat bahwa untuk beberapa periode observasi tertentu terjadi large swing, pada saham di maksud yang di akibatkan oleh adanya bad news, pada awal periode observasi di dengan pertumbuhan ekonomi yang stabil pasar sempat bergejolak akibat pidato nota keuangan Presiden SBY januari 2013 yang memprediksi akan ada penurunan pertumbuhan ekonomi Indonesia menjadi sekitar 3,9% menjadikan situasi ekonomi menjadi uncertain pasar merespon dengan melemahnya IHSG.
Kemudian pada menuju pertengahan tahun terjadi kenaikan BBM bersubsidi yang kemudian menjadikan kondisi perekonomian menjadi tidak stabil tidak lama kemudian diikuti oleh melemahnya nilai tukar rupiah terhadap dollar AS kondisi inilah yang menyebabkan adanya gejolak paling tinggi terhadap pasar akibat menurunnya neraca transaksi modal kita.
Namun kemudian akibat respons BI terhadap hal tersebut dengan menaikan Tingkat Suku Bunga bank Indonesia pasar kemudian perlahan stabil kembali.
0 2,000 4,000 6,000 8,000 10,000 12,000 14,000 25 50 75 100 125 150 175 Conditional variance
VI. Kesimpulan
Saham merupakan alternative investasi bagi investor dalam melakukan portfolio investment. Banyak pertimbangan yang di pakai oleh investor untuk menentukan seberapa menarik suatu saham. Sebagai investor yang rasional dalama melakukan transaksi factor return dan risk merupakan komponen pertimbangan yang penting dalam melakukan investasi pada pasar modal. Para investor dihadapkan pada keinginan untuk memperoleh return yang optimal dengan memperhatikan factor resiko yang mereka hadapi. Investor berusaha untuk memperoleh return saham yang maksimal dengan tingkat resiko tertentu atas investasi yang mereka lakukan atau return tertentu pada resiko yang minimal.
Namun pada perjalanannya return saham ke-2 perusahaan telekomunikasi tersebut ternyata juga di pengaruhi adanya gejolak perekonomian dalam bentuk good news maupun bad news. Secara umum pergerakan saham ke 2 perusahaan tersebut dipengaruhi lebih signifikan oleh bad news.
Daftar Pustaka
Engle, R. F. (1982). Autoregressive Conditional Heteroskedasticity with Estimates of the variance of United Kingdom Inflation . Econometrica.
Fama, Eugene F, 1970. "Efficient Capital Markets: A Review of Theory and Empirical Work," Journal of Finance, American Finance Association, vol. 25(2), pages 383-417, May.
Fama, E. dan French,K.R. 1988. “Permanent and Temporary Components of Stock Prices”. Journal of Political Economy. 96
Fama, E. dan French,K.R. 1996. “The CAPM is Wanted , Dead or Alive”. Journal of Finance. 51
Gujarati, DN. 2003. “Basic Econometrics”, 4th edition, McGraw-Hill
Keown, et al. 2005. Financial Management. 10thed. New Jersey: Pearson Education Inc. Kroll, Yoram & Levy, Haim & Markowitz, Harry M, 1984. " Mean-Variance versus
Direct Utility Maximization," Journal of Finance, American Finance Association, vol. 39(1), pages 47-61, March.
Lamark,B., Siegert, P.J, Walle,J. 2005. “Volatility Modeling-From ARMA to ARCH”. http://www.globalfinance.org
Litner Jhon. 1965. “The Valuation of Risk Assets and the Selection of Risky Investments in Stock Portfolios and Capital Budgets”. The Review of Economics and Statistics, Vol. 47, No. 1 (Feb., 1965), pp. 13-37.
Markowitz Harry, 1952. “Portfolio Selection”. The Journal of Finance, Vol. 7, No. 1. (Mar., 1952), pp. 77-91. American Finance Association
Mossin Jan, 1966. “Equilibrium in a Capital Asset Market”, Econometrica, 34(4), 1966, pp 768-783.
William F. Sharpe, 1971. "Mean-Absolute-Deviation Characteristic Lines for Securities and Portfolios," Management Science, INFORMS, vol. 18(2), pages B1-B13, October.
Sharpe, IT. F. "Capital Asset Prices: X Theory of Market Equilibrium under Conditions of Risk." J. Filznnce 19 (September 1964) : 425-42
