BAB I
PENDAHULUAN
1.1. Latar Belakang
Investasi berkaitan dengan penempatan dana ke dalam bentuk aset yang lain selama periode tertentu dengan harapan tertentu. Aset yang menjadi objek investasi seseorang secara umum terbagi menjadi dua hal, yaitu aset riil dan aset keuangan. Aset riil berkaitan dengan infrastruktur yang dapat memberikan dampak langsung terhadap kapasitas produktif objek investasi. Sedangkan aset keuangan memiliki kontribusi secara tidak langsung terhadap kapasitas produktif suatu perekonomian, karena aset ini memisahkan kepemilikan dan manajemen dalam suatu perusahaan dan memfasilitasi pemindahan dana untuk perusahaan dengan peluang investasi yang menarik (Zvie Bodie, 2006).
Proses transaksi dalam usaha peningkatan aset keuangan dilakukan oleh investor pada pasar finansial. Pasar finansial adalah pasar di mana individu dan entitas dapat memperdagangkan efek-efek, komoditas, dan barang-barang berharga lainnya. Biaya transaksi mencerminkan besarnya permintaan dan penawaran atas efek-efek, komoditas, dan barang-barang tersebut. Efek-efek meliputi saham-saham dan obligasi, sementara komoditas diantaranya mencakup logam berharga, produk pertanian, dan produk industri lainnya.
Data runtun waktu return saham merupakan salah satu jenis data runtun waktu dalam bidang keuangan yang memiliki volatilitas tinggi dan varians yang berbeda di setiap titik waktunya (Cryer, 1986). Varians yang tidak konstan ini terjadi karena berhubungan dengan resiko yang harus ditanggung seorang investor. Menurut Enders (2004) data runtun waktu seperti ini dinamakan data runtun waktu dengan heterokedastisitas bersyarat. Pada data runtun waktu, khususnya pada bidang keuangan memiliki sifat berfluktuatif, membetuk pola asimetris, memiliki model yang nonstasioner, dan mempunyai variansi residual yang tidak konstan (heteroskedastisitas). Mehmet (2008) mengatakan bahwa
return keuangan memiliki tiga karakteristik. Pertama pengelompokan volatilitas, artinya perubahan sangat besar dapat terjadi pada periode waktu tertentu dan perubahan kecil di periode yang lain. Kedua adalah fat tailedness (excess
kurtosis), artinya return keuangan sering menampilkan ekor lebih besar dari distribusi normal standar. Ketiga adalah efek leverage, adalah suatu keadaan dimana kondisis bad news dan good news memberi pengaruh yang tidak simetris dalam volatilitasnya.
Volatilitas memiliki banyak peranan dalam sektor finansial termasuk dalam hal pengamatan perilaku harga suatu aset finansial. Perilaku tersebut dapat diamati melalui parameter rata-rata dan standar deviasi. Dalam hal ini standar deviasi yang dimiliki oleh residual dinamakan volatilitas. Volatilitas dapat didefinisikan sebagai ukuran ketidakpastian dari pergerakan nilai-nilai sampai pada masa depan.
Pengaruh asimetrik merupakan pengaruh pada perubahan volatilitas ketika terjadi perubahan dari return yang diharapkan. Dengan kata lain, perubahan volatilitas cenderung naik ketika return lebih kecil, dan perubahan volatilitas cenderung turun ketika return lebih besar dari yang diharapkan.
Model generalized autoregresive conditional heteroskedasticity (GARCH) menangkap tiga karakteristik utama pada return keuangan. Perkembangan tipe model GARCH dimulai oleh Engle (1982). Engle memperkenalkan ARCH untuk model heteroskedastisitas dengan melihat hubungan variansi bersyarat dari kombinasi linear kuadrat di masa lalu. Bollersev (1986) selanjutnya memperkenalkan model Generalized Autoregresive Conditional
Heteroskedasticity (GARCH) sebagai pengembangan model ARCH. Model
GARCH merupakan model yang lebih sederhana dengan banyaknya parameter yang lebih sedikit dibandingkan model ARCH berderajat tinggi.
ARCH dan GARCH merupakan model runtun waktu yang dapat menjelaskan heteroskedastisitas pada data. Akan tetapi, model ARCH-GARCH tidak selalu dapat menangkap secara penuh adanya heavy-tail property dengan frekuensi tinggi, sehingga sangat sulit untuk memberikan keputusan kapan suatu pelaku saham akan memposisikan dirinya sebagai pembeli atau penjual. Selain itu
model ARCH dan GARCH tidak mempertimbangkan leverage effect. Chen dan Dias (2010) menjelaskan leverage effect yaitu suatu keadaan bad news dan good news yang memberikan pengaruh asimetris terhadap volatilitas. Data dikatakan
bad news ketika volatilitas mengalami penurunan sedangkan keadaan dikatakan
good news ketika volatilitas mengalami kenaikan secara berkala. Nelson (1991) memperkenalkan model Exponential Generalized Autoregresive Conditional Heteroskedascticity (EGARCH) yang dapat menutupi kelemahan model GARCH dalam menangkap ketidaksimetrisan good news dan bad news dengan memperhitungkan leverage effect. Nelson melakukan pemodelan dengan menggunakan transformasi eksponen untuk varian yang tidak konstan. Karena pergerakan/fluktuasi dari return naik turun yang bernilai positif atau negatif, maka digunakan nilai yang positif yaitu dengan mengambil nilai mutlak dari nilai return
tersebut.
Saham sebagai surat berharga yang menjadi instrumen investasi memberikan peluang keuntungan tinggi namun juga memiliki potensi resiko tinggi. Hal ini sering disebut karakteristik high risk-high return. Sehingga dalam berinvestasi, ada tiga landasan yang menjadi dasar keputusan investor yaitu return
yang diharapkan, tingkat risiko dan hubungan antara return dan risiko.Institusi keuangan dan juga para investor berusaha agar risiko dapat diukur. Pada metode pengukuran risiko secara tradisional, pengukuran risiko hanya digunakan pada aset-aset individual sehingga setiap aset memiliki metode pengukuran risiko yang berbeda (Sartono, 2006). Masalah kemudian akan timbul jika masing-masing aset tersebut digabungkan ke dalam suatu portofolio, karena banyaknya metode yang dipergunakan untuk masing-masing aset tersebut sehingga menyebabkan pengukuran risiko menjadi sulit.
Berkaitan dengan usaha untuk mengembangkan hal tersebut, maka JP Morgan (1994) mengembangkan metode Value at Risk (VaR) dalam pengukuran resiko. Pada masa selanjutnya penggunaan metode ini sangat luas untuk mengukur berbagai jenis risiko karena selain untuk mengukur risiko atas aset tunggal juga bisa digunakan untuk mengukur risiko atas aset dalam suatu portofolio. MenurutBest (1998) metode Value at Risk (VaR) merupakan suatu
metode pengukuran risiko yang secara statistik mengestimasi kerugian maksimum yang mungkin terjadi atas suatu portofolio pada tingkat kepercayaan (confidence level) tertentu. Value at Risk (VaR) juga dapat didefinisikan sebagai estimasi kerugian maksimum yang akan didapat selama periode waktu (time period) tertentu dalam kondisi pasar normal pada tingkat kepercayaan (confidence level) tertentu (Jorion, 2002). Selain itu, pengukuran risiko dengan Value at Risk (VaR) didasarkan pada nilai volatilitas atas aset tunggal ataupun aset dalam suatu portofolio.
Aspek terpenting dalam pengukuran Value at Risk (VaR) adalah menentukan pendekatan melalui jenis metode dan asumsi yang sesuai dengan distribusi dari data return. Hal ini dikarenakan pengukuran Value at Risk (VaR) berdasarkan pada distribusi dari data return dari suatu aset dimana aset tersebut misalkan saham, obligasi, wesel, sertifikat dan deposito. Penerapan melalui pendekatan metode dan asumsi yang sesuai dengan distribusi dari data return akan menghasilkan pengukuran Value at Risk (VaR) yang akurat untuk digunakan sebagai ukuran risiko. Dari beberapa pendekatan yang sering digunakan dalam pengukuran Value at Risk (VaR) salah satu yang paling banyak digunakan adalah pendekatan metode parametrik (sering disebut juga dengan metode variansi-kovariansi/ variance-covariance method).
Investor dalam melakukan kegiatan investasinya melihat dua faktor yaitu faktor tingkat pengembalian saham (return) dan faktor risiko (volatilitas). Return
adalah harapan keuntungan di masa akan datang dan merupakan kompensasi atas waktu dan risiko yang terkait dengan investasi yang dilakukan. Volatilitas adalah besarnya return fluktuasi dari sebuat aset relatif terhadap waktu. Semakin besar volatilitas dari masing-masing suatu aset maka semakin besar kemungkinan mengalami keuntungan atau kerugian dari masing-masing suatu aset tersebut. Karena jika nilai volatilitasnya tinggi maka menunjukkan bahwa return dari masing-masing aset berubah sangat cepat. Dan jika nilai volatilitasnya rendah maka menunjukkan bahwa return dari masing-masing aset cenderung konstan. Sehingga untuk mengurangi risiko tersebut maka dibentuklah portofolio investasi.
Berangkat dari asumsi adanya gejolak asimetris terhadap volatilitas yaitu
leverage effect, maka akan dibahas aplikasi EGARCH untuk peramalan VaR dalam penelitian ini.
1.2. Rumusan Masalah
Dari latar belakang tersebut, penulis merumuskan permasalahan yang menjadi kajian dalam penelitian ini sebagai berikut.
1. Bagaimana perbandingan model GARCH dengan EGARCH pada pergerakan nilai IHSG?
2. Bagaimana nilai VaR menggunakan model GARCH dan EGARCH pada pergerakan nilai IHSG untuk satu periode ke depan?
1.3. Batasan Masalah
Pada penelitian ini, masalah dibatasi peneliti hanya pada:
1. Menggunakan pergerakan indeks harga saham gabungan (IHSG) dengan data yang digunakan adalah data harian dalam periode 30 Juni 2010 sampai dengan 1 Juli 2015
2. Menggunakan bantuan software R untuk pengolahan data
3. Menggunakan model GARCH dan EGARCH untuk menentukan harga IHSG tersebut
1.4. Tujuan Penelitian
Berdasarkan rumusan masalah di atas, tujuan dari penelitian ini adalah sebagai berikut.
1. Mengetahui perbandingan model GARCH dengan EGARCH pada pergerakan nilai IHSG.
2. Mengetahui nilai VaR menggunakan model GARCH dan EGARCH pada pergerakan nilai IHSG untuk satu periode ke depan.
1.5. Manfaat Penelitian
Penelitian ini bermanfaat untuk mengetahui model pergerakan harga IHSG Indonesia dengan model EGARCH sehingga dapat mengetahui seberapa besar pengaruh varians dari harga saham di masa lalu terhadap varians dari harga saham saat ini. Selain itu juga diharapkan dari penelitian ini dapat memberikan informasi ilmiah suatu model EGARCH dan penerapannya untuk tujuan pemodelan dan mendapatkan nilai peramalan di masa depan untuk suatu permasalahan keuangan.
1.6. Tinjauan Pustaka
Dalam analisis data time series, ternyata tidak semua data dapat dimodelkan dengan menggunakan motode ARIMA Box-Jenkins. Beberapa kasus khususnya dalam data keuangan dengan menggunakan metode ARIMA tidak akan mendapatkan suatu model yang bisa mewakili keadaan data. Hal ini disebabkan oleh adanya kondisi heteroskedastisitas (varian tidak konstan). Karena adanya kondisi ini, maka Engle (1982) mengusulkan suatu metode untuk menyelesaikan kasus khususnya data-data yang memuat kondisi tersebut. Model yang dimaksud adalah model Autoregressive Conditional Heteroscedastic (ARCH). Model ini selanjutnya dikembangkan oleh Bollerslev (1986) yang dikenal dengan istilah
GeneralizedAutoregressive Conditional Heteroscedastic (GARCH).
Beberapa penelitian yang telah dilakukan dengan menggunakan model ARCH atau GARCH dalam memodelkan data yang mempunyai varian tidak konstan, diantaranya: Laws dan Gidman (2000) menggunakan model GARCH(1,1) dalam memodelkan volatilitas harga saham FTSE 100, Nasstron (2003) melakukan pemodelan volatilitas pada pasar modal dengan menggunakan GARCH, Garcia dan Contreras (2005) melakukan peramalan biaya pemakaian listrik menggunakan model GARCH.
Model ARCH-GARCH tidak selalu dapat menangkap secara penuh adanya heavy-tail property dengan frekuensi tinggi, sehingga sangat sulit untuk menentukan kapan suatu pelaku saham akan memposisikan dirinya sebagai pembeli atau penjual. Untuk mengatasi hal ini, maka dapat digunakan suatu model
yang merupakan perluasan dari model GARCH yaitu model Exponential GARCH (EGARCH) yang pertama kali diperkenalkan oleh Nelson (1991). Nelson melakukan pemodelan dengan menggunakan transformasi eksponen untuk varian yang tidak konstan. Karena pergerakan/fluktuasi dari return naik turun yang bernilai positif atau negatif, maka digunakan nilai yang positif dengan mengambil nilai mutlak dari nilai return tersebut.
Beberapa penelitian yang menerapkan model EGARCH diantaranya: Hans Malmsten (2004) mengevaluasi model EGARCH dan mengaplikasikannya pada 29 saham paling aktif pada Stockholm Stock Exchange. Untari, Ansori, dan Saefuddin (2009) menganalisis deret waktu dengan ragam galat heterogen dan asimetris pada pergerakan IHSG. Berument, Ozcan, dan Neyapti (2001) dengan memodelkan inflasi yang terjadi di Turki dan hasilnya menunjukkan bahwa inflasi yang memiliki goncangan positif (positive shock Inflation) mempunyai pengaruh lebih besar dibandingkan dengan goncangan yang negatif (negative shock
inflation).
Jogiyanto Hartono (2008) menjelaskan tentang pengertian investasi dan model-model matematis yang membantu dalam menyelesaikan permasalahan investasi. Penundaan konsumsi sekarang yang dimasukkan ke dalam aktiva atau proses produksi produktif yang hasilnya untuk konsumsi mendatang dapat dikatakan sebagai suatu investasi. Setiap kegiatan investasi akan berhubungan dengan tingkat pengembalian dan risiko. Return dan risiko memiliki hubungan yang linier yakni semakin besar ekspektasi pengembalian akan semakin besar pula risiko yang dikompensasikan untuk ditanggung. Risiko sering berkaitan dengan simpangan atau deviasi dari harapan pengembalian dengan yang diterima. Van Horne dan Wachowics, Jr. (1992) mendefinisikan risiko sebagai variabilitas return perolehan terhadap return yang diharapkan.
Value at Risk (VaR) adalah sebuah konsep pengukuran dalam suatu manajemen risiko. VaR didefinisikan sebagai nilai estimasi besarnya kerugian maksimal yang mungkin terjadi pada periode tertentu dengan tingkat keyakinan tertentu dan dalam kondisi pasar yang normal (Dowd, 2005). Tagliafichi (2003) melakukan estimasi VaR menggunakan model GARCH. Dari pengertian ini
terdapat tiga variabel yang penting, yakni besarnya kerugian, periode investasi, dan tingkat keyakinan.
1.7. Metodologi Penelitian
Penelitian tentang peramalan VaR menggunakan GARCH dan EGARCH menggunakan studi literatur, yaitu mempelajari jurnal-jurnal, buku-buku yang terkait dengan VaR, GARCH, dan EGARCH. Langkah pertama yaitu menganalisis bentuk terbaik dari beberapa model yang digunakan. Setelah menganalisis model tersebut, diperoleh model terbaik dari beberapa model yang digunakan. Setelah didapat model terbaik dilanjutkan dengan mengkontruksi pengukuran risiko dan mengetahui besarnya risiko yang dihasilkan dengan Value at Risk (VaR) yang secara umum sering digunakan yakni difokuskan pada pendekatan metode variansi-kovariansi (variance-covariance method). Urutan langkah pelaksanaan penelitian dapat dilihat pada gambar berikut ini.
Gambar 1.1 Diagram Alir Pelaksanaan Penelitian Tidak
Ya Model EGARCH
Hitung VaR
Hitung Standar Deviasi Uji Efek Asimetris
Selesai Ya Model ARCH/GARCH
Homokedastisitas Tidak
Identifikasi Model ARMA
Estimasi Parameter Uji Heterokedastisitas Tidak Ya Transformasi Uji Stasioneritas Tidak Ya Transformasi Hitung Log Return IHSG
Plot Data IHSG Mulai
1.8. Sistematika Penulisan
Tesis ini diberikan dalam enam bab. BAB I memberikan penjelasan pendahuluan yang berisi tentang latar belakang, perumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, tinjauan pustaka, dan sistematika penulisan. BAB II akan menyajikan teori-teori dasar mengenai ruang probabilas, sifat-sifat variabel random, dan martingale. Disamping itu dalam bab ini juga akan dibahas teori-teori dasar tentang model harga saham beserta returnnya. BAB III akan berisi pembahasan analisa teori tentang Exponential Generalized Autoregressive Conditional Heterocedastic (EGARCH) dan Value at Risk (VaR). Bab ini akan dilanjutkan dengan BAB IV yang akan menganalisa contoh kasus implementasi menentukan nilai VaR dengan model EGARCH terhadap pergerakan harga IHSG. Tesis ini ditutup dengan BAB V yang berisi kesimpulan dan saran.
