Hasil Pencarian  ::  Simpan CSV :: Kembali

"Investasi pada instrumen reksa dana yang berbasis saham mengandung tingkat risiko yang relatif lebih besar daripada investasi lain seperti deposito, tabungan dan obligasi. Hal ini dikarenakan penghasilan dari saham yaitu berupa deviden dan capital gain bersifat tidak pasti, dimana deviden ini dapat dibayarkan oleh perusahaan jika ada kelebihan kas. Di lain sisi capital gain ditentukan naik turunnya harga saham di bursa. Risiko tersebut muncul karena adanya volatilitas (fluktuasi) harga sekuritas dari waktu ke waktu. Penelitian karya akhir ini bertujuan untuk mengetahui profil volatilitas imbal hasil Nilai Aktiva Bersih (NAB) reksa dana saham. Model yang dihasilkan diharapkan dapat digunakan untuk memprediksi tingkat volatilitas di masa yang akan datang, yang berguna dalam penentuan keputusan investasi. Pembentukan model adalah dengan menggunakan metode ARCH/GARCH. Penelitian ini menggunakan pendekatan single index dimana indeks pasar digunakan sebagai variabel independen yang memprediksi NAB. Pembentukan model ARCH/GARCH diawali dengan proses mean lalu kemudian dilanjutkan proses conditional variance dimana kemudian baru bisa ditentukan profil volatilitas dari masing-masing reksa dana saham yang dijadikan sampel. Pemodelan dengan menggunakan ARCH/GARCH baru bisa dilakukan apabila didapatkan adanya volatilitas yang tidak konstan atau ada masalah heteroskedastisitas. Hasil penelitian ini menunjukkan hanya ada 3 reksa dana yang dapat dimodelkan dengan menggunakan ARCH/GARCH, hal ini berarti volatilitas imbal hasil reksa dana saham secara umum relatif konstan. Volatilitas yang konstan diduga karena efek dari diversifikasi, dimana terjadi pengurangan unsystematic risk. Model GARCH(1,1) dan GARCH(1,0) merupakan model yang paling cocok digunakan untuk menggambarkan volatilitas portofolio reksa dana saham. Kesimpulan ini berdasarkan temuan hasil penelitian yang menyatakan bahwa model GARCH(1,1) adalah model yang paling optimal untuk dua reksa dana yang volatilitasnya tidak konstan, kecuali Reksa Dana Mawar yang model terbaiknya adalah GARCH(1,0). "

"Variabel penting di dalam melakukan analisis sekuritas adalah keuntungan yang diharapkan (expected return) dan identifikasi risiko atau sering disebut sebagal risk -return analisis. Beta dapat digunakan sebagai ukuran risiko yang sangat membantu investor dalam memprediksi return dan suatu saham yang dimilikinya. Bela menunjukkan sensitivitas tingcat pengembalian sural berharga saham terhadap tingkat pengembalìan berbagai faktor yang mempengaruhinya, seperti tingkat pengembalian pasar. Tingkat pengembalian pasar chtunjukkan oleh besamya pengembalian indeks barga saham gabungan ataupun indeks beberapa saham lertentu yang dianggap representatif Untuk indeks barga saham ini di Buma Efek Jakarta dikenal adanya IHSG dan LQ45. Variance juga dapal digunakan sehagai alat ukur risiko suatu saham. Variance dibedakan menjadi unconditional variance dan conditional variance. Conditional variance sangat penting bagi para investor untuk melakukan analisis fmansial, misalkan untuk inengukur risiko yang akan terjadi dan memperhitungkan return dan investasinya sehingga risiko investasi dapat dikurangi dan return yang diharapkan dapat diperoleh. Conditional variance dapat diformulasikan dengan menggunakan model ARCH / GARCH Engle (1982) memperkenalkan model Autoregressive Conditional Heteroscedasticity (ARCH). Model ini adalab model time-series untuk kondisi heteroscedasticity yang didasarkan pada conditional variance dimana variance adalah fungsi dan variance sebelumnya. Tim Bollerslev (1986) memperkenalkan model Generalized Autoregressive 2onditional Heteroscedasticity (G ARCH) yang merupakan pengernbangan dan model ARCH Model GARCH merupakan teknik pemodelan time-series yang menggunakan peramalan variance masa lalu untuk meramalkan variance masa depan. Karya akhir ini bertujuan untuk mengetahui besarnya beta dan conditional variance sepuluh perusahaan sektor consumer goods yang memiliki total kapitalisasi pasar terbesar selama 1996-2001 dengan menggunakan model ARCH / GARCH. Adapun untuk pengolaban data digunakan alat bantu software EViews version 3.0, sedangkan untuk pembuatan grafik digunakan bantuan Microsoft Excel 2000. Hasil penelitian menunjukkan bahwa saham-saham consumer goods yang dipengaruhi oleb return 1148G dan return 1148S path vmumnya mempunyai pergerakan yang searah dengan pasar maupun sektoralnya karena sebagian besar basil estimasi menunjukkan nilai beta 1H50 dan beta mss yang positif, serta termasuk saham yang agresif terhadap pasar namun defensif terhadap ektoraJnya, berdasarkan hasil estimasi yang sebagian besar menunjukkan nilai beta IHSG> 1 dan beta IHSS < 1. Secara umum dari tahun 1996 hingga tahun 2001, return saham consumer goods juga dipengaruhi oleh return saham pada han-han sebelumnya namun tidak dipengaruhi oleb return IDR. Berdasarkan model ARCH / cIARCH, dari hasil penelitian didapat bahwa pada Umurnnya volatilitas return saham consumer goods sebelum krisis ekonomi mel anda Indonesia fluktuasinya rendah. Volatìlitas meningkat tajam ketika luisis mulal terasa imbasnya path bulan Juli 1997. Fenomena ini mendukung teoni Steward (1989) bahwa krisis ekonomi akan menyebabkan meningkatnya volatilitas dan volatilitas akan turun ketika terjadi ekspansi ekonomi. Agar investor BEJ bisa mendapatkan keuntungan dan investasinya pada saham-saham consumer goods, maka apabila kondisi penerimaan pasar modal sedang membaik, hampir semua saham consumer goods dapat dijadikan pilihan investasi karena memiliki beta yang positif apalagi jika investor memilih saham consumer goods yang juga memiliki miai beta lebih besar dan satu, seperti misalnya saham INDF, KLBF, dan MYOR. Namun demikian, para investor juga harus mengantisipasi keadaan yang sebaliknya, yaitu jika kondisi pasar modal menjadi memburuk. investor justru bisa mengalami kerugian. Berdasarkan data con!iiionuI variance, untuk investasi jangka panjang, investor BEJ sebaiknya memilib saham consumer goods yang tidak mengalami volatilitas dalam periode yang cukup panjang, seperti misalnya saham MYOR. Selain itu, investor juga disaraTikan agar tidak berinvestasi pada saham consumer goods pada periode yang memiliki volatilitas tinggi. Hal ini dimaksudkan agar investor dapat memperkecil risiko yang terjadi."

"ABSTRAKMeskipun kondisi ekonomi makro hingga kini belum menguntungkan, kinerja reksadana mengalami peningkatan baik jumlah reksadana yang beredar maupun jumlah investomya. Reksadana berkembang secara pesat akibat kebijakan pembebasan pajak, sehingga pemilik dana akan memilih reksadana sebagai instrument investasi dibandingkan dengan deposito, terutama untuk reksadana obligasi. Secara teoritis semua investor adalah risk-averse yang berarti investor akan memilih jenis investasi yang memberikan rate of return sebesar mungkin dan tingkat resiko yang serendah mungkin.Untuk membantu investor menakar resiko investasi dapat dilakukan dengan dua cara, yaitu: pertama, dengan beta (p) yang memiliki nilai sebesar satu untuk resiko pasar dan kedua adalah standar deviasi yang biasa disebut dengan volatilitas (a). Reksadana yang akan digunakan sebagai objek penelitian adalah reksadana saham yang memiliki potensi resiko yang tertinggi.Beberapa lembaga independen dunia juga menghitung kinerja investasi yang disesuaikan dengan resiko (risk-adjusted return). Dari basil perhitungan (riskadjusted return), selanjutnya akan dapat dilakukan rating atas reksadana. Rating ini melihat seberapa besar potensi resiko sebuah reksadana kalau dilihat dari data-data historis, selain juga pertumbuhan NAB-nya. Dengan rating ini investor akan dapat memilih reksadana yang mencatat pertumbuhan NAB tinggi, tetapi potensi resikonya seimbang. Gaya investasi tertentu dari reksadana bisa mencatat pertumbuhan yang rendah tetapi memiliki potensi resiko yang tinggi.Proses Rating reksadana saham bertujuan untuk melihat kemampuan Manajer Investasi yang menerbitkan reksadana tersebut dalam mengelola portfolio investasi yang sangat beresiko. Indikator resiko yang akan digunakan adalah conditional variances dan akar dari conditional variances adalah volatilitas (a) yang akan diperoleh dengan metode: Exponential Weighted Moving Average Model (EWMA}, Autoregressive Conditional Heteroscedasticity (ARCH) I Generalised Autoregressive Conditional Heteroscedastic (GARCH).Permasalahan dalam karya akhir ini adalah mengukur risiko investasi dalam reksadana saham menggunakan metode perhitungan standar deviasi (volatilitas) dengan estimator model EWMA dan model ARCH/GARCH, mencari estimator model volatilitas yang terbaik, membuktikan apakah reksadana saham yang memiliki volatilitas yang tingginya melebihi volatilitas pasar (IHSG) akan memiliki pertumbuhan imbal hasil (return) yang tinggi, atau sebaliknya. Meneliti strategi portfolio yang digunakan perusahaan manajer investasi di Indonesia dalam mengelola portofolio reksadana saham.Data yang dipergunakan dalam penulisan karya akhir ini adalah nilai aktiva bersih (NAB) per unit penyertaan, yaitu NAB harian yang dikeluarkan oleh Bank Kustodian. Peri ode penelitian dalam penghitungan volatilitas adalah selama 24 (dua puluh empat) bulan yaitu dari tanggal 1 Januari 2001 sampai dengan 31 Desember 2002 (sekitar 500 titik data). Karya akhir ini difokuskan kepada penghitungan conditional volatilitas pada risiko pasar, yaitu resiko portfolio saham atau ekuitas. Kemudian melakukan uji validitas model dengan melakukan proses backtesting dengan Kupiec Test, baik pada EWMA maupun ARCH/GARCH untuk melihat model apa yang lebih baik.Hasil dari portofolio yang diteliti pada umumnya menunjukkan risiko yang sebanding dengan returnnya, namun bisa saja suatu portofolio yang memiliki volatilitas tinggi tetapi ratingnya tidak begitu baik. Pada reksadana ABN Amro Dana Saham mengikuti fenomena Low Risk High Return. Phinisi Dana Saham, BNI Reksa Dana Berkembang, Panin Dana Saham, GTF Agresi( Si Dana Saham, Rencana Cerdas dan GTF Sentosa mengikuti fenomena High Risk High Return. BIG Nusantara mengikuti fenomena Low Risk Moderat Return. Nikko Saham Nusantara, Master Dinamis, Bahana Dana mengikuti fenomena High Risk Moderat Return. Megah Kapital, Danareksa Mawar, Arjuna, Bima, GTF Sejahtera mengikuti fenomena Low Risk Low Return. Fenomena volatilitas yang tinggi tidak selalu disertai dengan pertumbuhan return yang tinggi, jika para manajer investasi tidak melakukan pengelolaan yang baik. Keputusan terletak di tangan investor sendiri untuk memilih asset lokasi, strategi, style, reksadana maupun manajer investasi yang sesuai dengan rencana investasi."

"Karya tulis ini bertujuan untuk mempelajari dan mengukur volatilitas serta membuat estimasi model yang dapat meramalkan volatilitas imbal basil saham-saham sektor tekstil dan Barmen. Periode penelitian adalah antara tahun 1998 sampai dengan 2005. Dalam melakukan estimasi model volatilitas model yang dipilih adalah Autoregressive Conditional Heteroscedasticity (ARCH) dan Generalized Autoregressive Conditional Heteroscedasticity (GARCH). Kelebihan dari model tersebut adalah kemampuannya untuk menangkap kecendrungan dari volatility clustering dimana berdasarkan basil observasi pergerakan yang besar (kecil) biasanya diikuti dengan pergerakan yang besar (kecil) pula.Hasil penelitian menyimpulkan bahwa terdapat 8 emiten yang memiliki volatilitas return bersifat homoscedastic yaitu PT Argo Pantes Tbk (ARGO), PT Centex Tbk (CNTX), PT Ever Shine Tex Tbk (ESTI), PT Apac Citra Centertex Tbk (MYTX), PT Pan Brothers Tex Tbk (PBRX), PT Texmaco Jaya Tbk (TEJA) dan PT Teijin Indonesia Fiber Corporation Tbk (TFCO). Volatilitas return saham 8 emiten tersebut bersifat konstan sepanjang waktu sehingga tidak dapat dibuat model conditional variance dengan menggunakan model ARCH/ GARCH.Sementara itu terdapat 10 emiten yang memili volatilitas return bersifat heteroscedastic yaitu PT Karwell Indonesia Tbk (KARW), PT Panasia Filamen Inti Tbk (PAFI), PT Ricky Putra Globalindo Tbk (RICY), PT Stinson Textile Manufacture Tbk (SSTM) dan PT Panasia Indosyntec Tbk (HDTX). Dengan demikian hanya terliadap 10 emiten tersebut dapat dibuat estimasi model conditional variace dengan metode ARCH/GARCH untuk meramalkan volatilitas return saham emiten yang bergerak dalam bidang tekstil dan garmen.Kesimpulan permodelan volatilitas (conditional variance) terhadap 10 emiten yang memiliki volatilitas bersifat heteroscedastic adalah model ARCH hanya cocok digunakan untuk emiten ERTX (ARCH (3)), RICY (ARCH (3)), dan SSTM (ARCH (2)) sedangkan model GARCH cocok untuk emiten ADMG (GARCH (1, I)), HDTX (GARCH (1, I)), INDR (LARCH (I, 1)), KARW (GARCH (3, 2)), MYRX (GARCH (2, 3)), PAF1 (GARCH (4, 1)), dan POLY (GARCH (4, 1)).Berdasarkan model ARCH/ GARCH tersebut diketahui bahwa pada periode 1998 sampai dengan 1999 (awal-awal krisisi ekonomi) volatilitas imbal hasil saham relatif tinggi, yang diikuti oleh volatilitas yang rendah setelah tahun 1999 sampai dengan 2005. Hal ini sesuai dengan penelitian yang dilakukan oleh Aggarwal dkk (1999) bahwa pada saat krisis terjadi perubahan volatilitas yang cukup besar karena adanya perubahan kurs mats uang negara yang bersangkutan.Seluruh model volatilitas dengan ARCH/ GARCH signifikan secara statistik, namun demikian seluruh model tersebut memiliki tingkat explanatory power yang rcndah dimana model tersebut hanya dapat menerangkan variasi volatilitas sekarang di bawah 5% kccuali terhadap dua emiten yaitu MYRX dan POLY . Hal ini mcnunjukkan bahwva masih banyak variabel lain yang dibutuhkan untuk dapat menerangkan volatilitas return saham selain volatilitas dan kesalahan periode sebelumnya."

"Volatility pasar obligasi dan pasar saham dapat diprediksi. Analisis yang dilakukan adalah menemukan cara sistematik menggunakan statistik untuk menemukan prediksi yang terbaik. Model yang popular digunakan untuk conditional variance adalah ARCH dan GARCH. Hasilnya menunjukkan bahwa pasar obligasi dan pasar saham diestimasi dengan menggunakan model GARCH (1,1). Volatility pasar obligasi dan pasar saham mempunyai persistensi yang tinggi.

---

Stock market and bond market volatility are predictable. The present analysis is systematic way to use statistics to find the best forecast of volatility. A variety of popular models for conditional variance are ARCH and GARCH The result indicate that bond market and stock market are modeled by GARCH (1,1). Bond market and stock market have high persistence."

"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."

"Reksa Dana masih merupakan pilihan investasi yang diminati masyarakat Indonesia, terbukti dengan meningkatnya dana kelolaan dari tahun ke tahun sejak diperkenalkan di Indonesia pada tahun 1996. Salah satu jenis Reksa Dana yang memberikan return yang paling besar adalah Reksa Dana Saham. Dalam kurun 10 tahun belakangan ini yaitu 1999 hingga 2009 Reksa Dana termasuk Reksa Dana Saham mengalami pasang naik dan turun yang begitu fantastis. Beberapa faktor yang mempengaruhi antara lain besarnya dana kelolaan (size), dan faktor makroekonomi. Hal ini perlu dipertimbangkan oleh investor dan pengelola Reksa Dana dalam hal ini Manajer Investasi. Berdasarkan penelitian dengan menggunakan Multifactor Model dapat diketahui apakah faktor faktor tersebut mempengaruhi secara signifikan atau tidak terhadap imbal hasil (return) Reksa Dana Saham. Dengan mengetahui pengaruh tersebut dapat diketahui juga, bahwasanya masih ada faktor-faktor lain yang mempengaruhi efisiensi pasar modal di Indonesia.

---

Mutual Funds is still the preferred investment choice of the Indonesian society, as evidenced by the increasing funds under management from year to year after it was introduced in Indonesia in 1996. One type of mutual fund that provides the greatest return is Mutual Shares Fund (Equity Funds). Within the past 10 years from 1999 to 2009, including Mutual Funds Stocks experienced tide rises and falls are so fantastic. Some factors which affect, among others, the amount of the fund (size), and macroeconomic factors. This needs to be considered by the investor and of course, the Investment or fund manager. Based on the other research using Multifactor Models, it can be known whether these factors significantly affect or not to return Mutual Shares Fund. By knowing the effect it could be found also, that there are still other factors that affect the efficiency of capital markets in Indonesia."

"Penelitian ini untuk menganalisis estimasi Value at Risk untuk mengukur volatilitas dan risiko Pasar Crude Palmoil (CPO) dengan Metode ARCH/GARCH pada Bursa Malaysia Derivative (BMD) Periode 2007-2010 dengan jumlah data observasi sebanyak 4.950 sampel harga CPO untuk jenis harga spot, future 1 bulan hingga future 4 bulan. Penelitian ini menggunakan metode ARCH/GARCH dengan pemilihan metode ARCH/GARCH yang memberikan hasil paling baik. Hasil penelitian menunjukkan bahwa metode ARCH/GARCH (1,1) merupakan metode yang memberikan estimasi paling baik untuk semua harga kecuali untuk Future 3 bulan periode 2009-2010 dimana metode yang paling baik adalah ARCH/GARCH (2,1) dan ARCH/GARCH (1,2) untuk Future 4 bulan periode 2009-2010. Selain itu, hasil penelitian menunjukkan bahwa volatilitas pasar CPO periode 2009-2010 cenderung menurun dibandingkan periode 2007-2008 dengan penurunan volatilitas terbanyak sebesar 27,66% yaitu pada harga spot. Akibat menurunnya volatilitas tersebut, maka resiko pasar CPO pun mengalami penuruan dengan besaran penurunan terbanyak sebesar 10,66% untuk harga spot. Penurunan ini tetap saja merupakan resiko baik bagi produsen maupun konsumen karenanya perlu dilakukan Hedging untuk memitigasi resiko tersebut. Selain dengan melakukan kontrak dengan formula harga yang mengacu pada harga CPO yang mempunyai nilai VaR terendah, hedging juga dapat dilakukan dengan melakukan perdagangan derivative dalam hal ini futures yang dihedge pada posisi yang berlawanan dengan perdagangan pada pasar spot.

---

This study to analyze Value at Risk estimation for volatility and risk measurement of Crude Palmoil (CPO) using ARCH/GARCH method at Bursa Malaysia Derivative (BMD) for period 2007-2010 with total sample of 4.950 spot price and future price from 1 month up to 4 month future price. This study uses ARCH/GARCH method by selecting the best ARCH/GARCH method that resulting the best and closest estimation. The result shows that ARCH/GARCH(1,1) method give the closest result for whole prices excepted for Future 3 months period 2009-2010 where ARCH/GARCH(2,1) provides the best estimation and for Future 4 months period 2009-2010 where ARCH/GARCH(1,2) provides the best estimation. The other result is that the volatility of Crude Palmoil commodity for period of 2009-2010 tend to be decreased than period of 2007-2008 with the most decreases percentage is 27,66% occur to Spot price and therefore the risk also tend to be decreased with the percentage of decreases is 10,66% occur to Spot price. This decreases still appearing risks for both producer and consumer, therefore hedging is important as risk mitigation. The hedging can be done not only through taking the contract with price reference that has low VaR value, but also by trading its derivative such futures that is hedged oppositely with trading in spot price."

"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."