Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada portofolio investasi yang kompisisinya sebagian besar terdiri dari ekuitas saham, akan membutuhkan fokus yang lebih besar untuk melihat pergerakan return saham. Dalam penelitian mi akan dikaji mengenai volatilitas return reksa dana saham dan kinerjanya. Pengukuran volatilitas dilakukan melalui pendekatan model GARCH pada 18 Reksa Dana saham yang telah aktif paling tidak 3 tahun. Pergerakan dan sensitivitas dari reksa dana saham tentu saja dapat diduga oleh beberpa faktor beta selain beta dari indeks pasar. Dalam hal mi dasar dari pemodelan disini merupakan turunan dari Multfrictor Model (APT). Namun pendekatan variabel independentnya (faktor makro) di proxy dengan vaniabel yang berbeda. Faktor-faktor yang dijadikan vaniabel independet tersebut adalah return indeks harga saham gabungan (IHSG) , return kurs rupiáh terhadap US.Dollar dan return JIBOR. Variabel independent yang tidak signifikan akan dihilangkan dari model barn setelah itu dibuat pemodelan volatilitasnya melalui mean process dan variance process. Berdasarkan sensitivitas yang dapat dilihat dari model, sebagiai besar reksa dana masih menjadikan faktor IHSG sebagai penduga resiko. Terdapat tiga reksa dana yang memiliki proxy faktor tambahan lain yaitu DR. Reksa dana tersebut adalah Manulife Dana Saham, Panin Dana Maksima dan Si Dana Saham. Berdasarkan pemodelan volatilitas dengan pendekatan model GARCH didapatkan 17 reksa dana memiliki gejala (heteroscedastic). Namun 4 diantaranya masih kurang kuat jika volatilitasnya dijelaskan dengan menggunakan pendekatan GARCH. Reksa dana tersebut diantaranya Bahana Dana Prima, Maestrodinamis, Platinum Saham dan Scbroder Dana Prestasi Plus. Sedangkan 1 reksa dana lagi ditemukan memiliki vanians yang konstan (homoscedastic). Pada pengkuran kinerja akan dipilih 3 reksa dana urutan teratas. Berdasarkan indeks sharpe : Manulife Dana Saham, Trim Kapital, Fortis Ekuitas. Berdasarkan Indeks Treynor yaitu ; Fortis Ekuitas, Panin Dana Maksima dan Trim Kapital. Sedangkan pada Indeks Jensen yaitu Fortis Ekuitas, Panin Dana Maskima dan Trim Kapital."

"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). "

"Penelitian ini bertujuan untuk melihat style dan kinerja reksa dana berdasarkan styte yang dibuat. Style dari reksa dana dibangun atas lima buah indeks sebagai pendekatan faktor aset yaitu indeks LQ45, indeks nonLQ45 Aktif, indeks nonLQ45 Semi-Aktif, indeks nonLQ45 Pasif dan suku bunga SBI 1 bulanan sebagai pendekatan dari aset pasar uang.Untuk membangun tiga indeks pendukung yang digunakan (indeks nonLQ45 Aktif, indeks nonLQ45 Semi Aktif dan indeks nonLQ45 Pasit) digunakan metode market capitalization weighted index. Style dibangun menggunakan metode style analysis yang diciptakan oleh William Sharpe. Hasil dari penelitian ini menunjukkan bahwa reksa dana saham yang diteliti cenderung mengalokasikan dananya pada saham-saham LQ45 dan aset-aset pasar uang. Sedangkan kinerja reksa dana yang diteliti menunjukkan mayoritas dari reksa dana ini masih belum dapat mengalahkan style-nya secara signifikan.

---

Abstract

This study based on Sharpe 's study on return-based style analysis. This study aimed at build a style and measure fund performance based on that style. There are five asset class factors that being used to build style. Indexes that being used to proxy those factors are LQ45 index, nonLQ45 Aktif index, nonLQ45 Semi-Aktif index, nonLQ45 Pasif index and SBI 1 Month rate as proxy for money market assets. To build nonLQ45 Aktif, nonLQ45 Semi-Aktif and LQ45 Pasif indexes, market-capitalization weighted index method will be used. Result from this study show that stock fund in this study have their most asset allocation on LQ45's stock and money market assets. Perfomance measure in this study shows that most fund in this stuady still had their return below their style."

"ABSTRAKSebagai salah satu instrumen portofolio, pengukuran dalam penelitian ini menggunakan tiga metode yang lazim digunakan yaitu: Sharpe, Treynor dan Jenson Indeks. Ketiga metode ini diharapkan mampu memberikan penjelasan secara menyeluruh mengenai tingkat return yang dihasilkan unit linked tanpa mengesampingkan potensi resiko instrumen tsb."

"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."

"Penilaian kineria portofolio yang dikelola secara aktif tidak bisa diukur dengan metoda tradisional yang mengasumsikan nilai harapan investasi (expected return) dan beta portofolio konstan sepanjang waktu. Oleh karena itu penilaian kinerja tersebut harus dilakukan dengan pendekatan pada kinerja pemilihan sekuritas untuk membentuk portofolio optimal dan kemampuan market timing. Kedua komponen tersebut merupakan komponen dalam pengelolaan portofolio aktif dan masing-masing memberikan kontribusi pada kinerja portofolio secara keseluruhan.Heririksson dan Merton telah membuktikan bahwa dengan prosedur parametrik, penilaian kinerja portofolio yang dikelola secara aktif dapat dilakukan dengan analisa regresi pada data-data lampau excess return portofolio tersebut. Teknik yang dikembangkan oleh Henriksson dan Merton ini menghasilkan suatu penilaian yang semakin kecil kinerjanya bila jumlah sampel pengamatannya semakin besar.Dengan menggunakan Model yang dikembangkan oleh Hennksson dan Merton, penelitian ini menggunakan sampel reksa dana saham dan reksa dana campuran yang sudah efektif sebelum 1 Januari 1997. Hal ini didasari pada asumsi bahwa kedua jenis reksa dana terbuka tersebut diasumsikan mengelola portofolionya secara aktif. Dengan batasan tersebut dan seluruh reksa dana yang sudah ada di Indonesia, terpilih sebelas sampel reksa dana dengan pengamatan excess return per minggu untuk periode 3 Januari 1997 sampai dengan 29 Agustus 1997 seluruhnya terdapat 34 pengamatan.Dari hasil model regresi kuadrat terkecil didapatkan bahwa sepuluh dan sebelas reksa dana tersebut tidak bisa dinilai kinerja pemilihan sekurítasnya karena gagal dalam uji signifikansi nilal taksiran konstanta dengan uji t pada tingkat kepercayaan 95%. Sedangkan lima reksa dana juga tidak bisa dinilai kemampuan market timing dengan alasan yang sama. Enam reksa dana lai nnya terbukti mempunyai kemampuan market timing yang bagus.Dengan model yang dikembangkan oleh Henriksson dan Merton, penilaían kineija reksa dana sudah bisa dilakukan dengan kesalahan yang kecil, meskipun model tersebut tidak bisa menjelaskan perubahan dinamis excess return portofolio yang dikelola secara aktif akibat pen.ibahan parameter ekonomi makro yang sangat dramatis. Hal ini disebabkan oleb karena dalam model tersebut, pengaruh informasi-informasi yang tersedia untuk umum melaluí media massa (public ¡nfrrmutions) tidak diperhitungkan sebagai suatu variabel. Untuk melanjutkan penelitian ¡ni di masa datang, bisa dikembangkan suatu model yang bersyarat pada public ínJèrmuíiofls tersebut. Dengan model bersyarat (conditional performance evaluation model) diharapkan tingkat kesalahan (bias) dalam penilaian kinerja portofolio yang dikelola secara aktif bisa semakin diperkecil dan bahkan dihilangkan."

"Penelitian ini mengukur VaR dengan pendekatan Historical Simulations dan Expected Shortfall (ES) pada portofolio .reksa dana X. Perhitungan. ES dilakukan dengan menghitung nilai rata-rata imbal hasil portofolio reksa dana X yang melebihi VaR pada tingkat kepercayaan 95 % dan 99 %,. Validasi model VaR dan ES dilakukan dengan bactesting menggunakan metode Kupiec’s. Rasio ES terhadap VaR diketahui memiliki hubungan dengan kurtosis dari distribusi imbal hasil portofolio, dimana kurtosis yang besar akan menghasilkan rasio ES/VaR yang besar pula. ES dapat diaplikasikan sebagai komplemen terhadap VaR terutama dalam kondisi pasar yang ekstrim (fail events).

---

This research measures VaR of mutual fund X portfolio using the Historical Simulation and Expected Shortfall approaches. ES measurement is prepared by means of the average of portfolio return of mutual fund X that exceeds VaR at.95% and 99% confidence level. VaR and ES model validation is accomplished by backtesting using the Kupiec’s method. Ratio of ES to VaR is acknowledged to have an association with the kurtosis of the portfolio return, where high kurtosis will»result in high ES/VaR. ES is useful as a complementary to VaR particularly in anextreme market conditions (tail.events). "

"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."