Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"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). "

"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."

"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."

"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."

"Setiap tahun Dana Pihak Ketiga (DPK) yang dihimpun oleh bank di seluruh Indonesia mengalami peningkatan. Total DPK dari tahun 200I hingga tahun 2005 mengalami peningkatan sebesar 46,2%, dari Rp636,2 TriIiun pada tahun 2001 menjadi Rp930,2 Triliun pada tahun 2006. Dari angka tersebut dapat dibayangkan bahwa ada sumber dana yang cukup besar, yang siap disalurkan ke dalam berbagai macam investasi. Nainun jenis dan karakteristik investasi seperti apa yang diharapkan oleh pemilik dana tersebut sangat tergantung dari risk appetite dari masing-masing investor.Umumnya masyarakat di Indonesia lebih memilih berinvestasi sekaligus menyimpan dananya di bank dalam bentuk deposito, karena return yang pasti serta aman. Namun seiring turunnya tingkat suku bunga, sudah saatnya masyarakat untuk memilih kembali jenis investasi lain yang lebih menguntungkan. Yang menjadi permasalahan adalah pada saat investor mulai menyadari bahwa return berinvestasi dalam bentuk deposito sudah tidak menarik lagi, instrumen investasi penggantinya hares ditentukan.Di Indonesia saat ini tersedia berbagai macam jenis instrumen investasi dengan risiko dan return yang bervariasi, salah satu jenis instrumen investasi yang tersedia adalah reksadana. Karena berinvestasi pada deposito akan memiliki risiko seperti halnya berinvestasi pada reksadana, maka sudah selayaknya instrumen ini dijadikan pilihan berinvestasi bagi masyarakat.Pada scat memilih jenis instrumen investasi. setiap investor selalu menginginkan investasi yang merghasilkan high retrn7i, sementara itu setiap investasi yang menawarkan high return pasti memiliki /ugh risk. Oleh sebab itu investor perlu mengetahui apakah reksadana yang ditawarkan dengan high return tersebut benar-benar. memiliki high return jika dibandingkan dengan instrumen sejenis yang memiliki risiko lebih kecil.Data yang digunakan dalam penelitian ini adalah data return harian dari NAB per unit penyertaan yang diperoleh dari data pubtikasi di daiam website BAPEPAM, dimulai dari 10 Mei 2004 sampai dengan 31 Mei 2006, sebanyak 500 titik data pengamatan.Karya akhir ini difokuskan membuktikan fenomena High Risk High Return pada instrumen reksadana. Metode yang digunakan untuk mengetahui besarnya nilai risiko adalah Exponential Weighted Moving Average (EWMA). Validitas dari model yang dipakai diuji melalui proses hack testing menggunakan metode Kupiec Test, dengan tujuan untuk mengetahui apakah pemodelan volatilitas yang digunakan adalah valid. Untuk membuktikan fenomena High Risk High Return, digunakan uji Mean Difference.Hasil penelitian yang diperoleh memperlihatkan bahwa reksadana yang memiliki nilai volatiiitas yang tinggi akan memberikan return yang tinggi juga, sedangkan reksadana yang memiliki volatilitas rendah akan memberikan return yang lebih rendah. Hal ini menunjukkan bahwa fenomena High Risk High Return adalah terbukti benar.

---

Every year banks across Indonesia absorb increasing number of fund from third party. The third party fund from 2001 until 2.005 had increase for 46,2%, from Rp636 Trillion to Rp930,2 Trillion. Those numbers shown that there are big sources of fund that can be used for investor depend upon the risk appetite of each investor.Generally, Indonesian chooses to keep their fund in form of time deposit, for its security and fixed return. Nevertheless, due to decreasing trend of deposit interest, it is about time to find other form of investment instrument that gives higher return. The problem is haw to find another investment that gives higher return?Currently in Indonesia, there are different types of investment instruments with different risks and returns, and one of them is Mutual Fund. Investing in Time Deposit will have the same risks compared to investing in Mutual Fund; therefore, customers should start considering Mutual Fund as a choice for investment.When it comes to choosing the different instruments of investment, each investor always wants high return, meanwhile investors must realize that in order to get high return, there are high risks involved. That is why investors need to know, whether the type of mutual fund offered really has a high return compared with similar instruments that has higher risks.The data used in this research taken from the date return daily from Net Asset Value (NAV) per unit from the publication data in the BAPEPAM website, starting from 10 May 2004 up to 3 I May 2006 and there are 500 data observations recorded. This thesis focused to prove the phenomenon of "High Risk High Return" on the Mutual Fund Instrument_ The method used to find out the level of risk called Exponential Weighted Moving Average (EWMA) method, and to analyze the phenomenon of "High Risk High Return", mean difference methods used as tools. To validate the model with back testing process using Kupiec Test, the objectives of the test is to find out whether the volatility modeling used is valid.The result of this research shows that Mutual Fund that has high volatility will give high return, meanwhile Mutual Fund that has low volatility will give lower return. This indicates that the phenomenon of High Risk High Return is correct."

"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."

"Pasca krisis ekonomi tahun 1998 industri reksadana menunjukkan kemajuan yang signifikan. Dalam lima tahun terakhir (1999-2004) kinerja reksadana mengalami peningkatan yang dapat dilihat dari meningkatnya Nilai Aktiva Bersih (NAB), jumlah reksadana yang beredar maupun jumlah investornya.Pada tahun 2005 Reksadana mengalami penurunan yang sangat signifikan akibat redemption besar-besaran sehingga dari total NAB Rp. 120 trilyun di awal tahun menjadi hanya Rp. 23 trilyun di akhir tahun.Hal menarik pada industri reksadana ini adalah : pada saat terjadi krisis industri reksadana akibat redemption besar-besaran semua pihak baik investor, pengelola reksadana, bank sebagai agent penjualan dan regulator yang mengatur industri ini seakan tersadar bahwa risiko investasi di reksadana diluar kemampuan mereka menanggungnya.Pemikiran bahwa reksadana dilihat sebagai investasi yang memberikan return yang tinggi dan risiko optimal relatif terhadap investasi tradisional di deposito atau saham namun faktanya menjadi investasi yang menimbulkan kerugian luar biasa bagi semua stakeholder yang terkait dengan industri ini.Pada umumnya pada setiap penjualan reksadana, prospektus menyajikan risiko berinvestasi dalam reksadana tetapi informasi risiko masih bersifat umum seperti risiko ekonomi, risiko likiditas dan risiko penurunan nilai NAB. Berkaitan dengan hal tersebut pada Karya Akhir ini bertujuan melakukan penelitian risiko secara lebih spesifik pada risiko pasar dengan metode Value at Risk (VaR) pada Manajer Investasi PT. XYZ. Return NAB diposisikan sebagai risk factor dalam berinvestasi pads reksadana dan volatilitas dari return NAB tersebut menjadi parameter dalam menghitung VaR dengan mengimplementasikan model Autoregressive Conditional Heteroscedasticity (ARCH) I Generalised Autoregressive Conditional Heteroscedastic (GARO-I) ARCHIGARCH.Dan hasil penelitian terhadap reksadana pendapatan tetap PT. XYZ diperoleh kesimpulan bahwa model ARCHIGARCH untuk menghitung VaR dapat diterapkan dan valid berdasarkan backtesting dan Kupiec test pada retur reksadana pendapatan tetap BOND, TRON dan BUNGA sedangkan pada reksadana pendapatan tetap INDAH yang volatilitas return NAB nya homoskedastic perhitungan VaR menggunakan standard deviasi biasa dan valid.Sebagaimana dijelaskan di atas volatilitas return merupakan parameter dalam menghitung VaR NAB reksadana pendapatan tetap, berdasarkan penelitian reksadana pendapatan tetap INDAH memiliki volatilitas return tertinggi sedangkan reksadana pendapatan tetap BUNGA volatilitas return nya paling rendah sedangkan reksadana pendapatan tetap BOND dan TRON volatilitas return nya relatif sama dan berada dibawah volatilitas INDAH tetapi di atas volatilitas BUNGA.Secara keseluruhan portfolio reksadana pendapatan tetap terlihat return NAB bersifat honioskedastic sehingga untuk menghitung VaR total portfolio reksadana pendapatan tetap volatilitas portfolio dihitung dengan standard deviasi biasa.Perhitungan VaR portfolio menunjukkan adanya korelasi antar return NAB sehingga VaR Diversified portfolio lebih kecil dibanding VaR Undiversifred.

---

Mutual fund Industry in Indonesia performs significant progress after economy crisis in 1998. Mutual fund growth in 5 years (1999-2004) show that Net Asset Value (NAV), mutual fund product and investors growing fast.

In 2005 mutual fund industry crash after panic redemption by investors that surprised by fast decline in mutual fund NAV in mark to market term, especially fix income mutual fund. Total NAV Rp. 120 trillion in fall 80% in one year.

It's a curiosity that panic redemption brought the mutual fund industry into crisis, the stake holder: investors, fund manager, sales agent and even the regulator just realize that it's a high risk investment to invest in mutual fund.

The mainstream think that Indonesia mutual fund return higher than time deposit return in the same risk level break by the catastrophic loss for all stakeholder during 2005.

The objective of this final research is to measure market risk in mutual fund (BOND, INDAH, TRON and BUNGA) with Value at Risk (VaR) method using ARCH/GARCH model at PT. XYZ.

This research imitate the mutual fund portfolio research for fix income mutual fund only, with argument of limited data resources and fix income mutual fund is the most significant portfolio in PT. XYZ fund management.

The NAV Return plot as risk factor when invest in mutual fund and the return volatility plot as the risk parameter to calculate VaR by implement Autoregressive Conditional Heteroscedasticity (ARCH) I Generalized Autoregressive Conditional Heteroscedastic (GARCH) model.

This, research conclusion can explain that ARCH/GARCH model base on back testing and Kupiec test is valid to calculate VaR of BOND, TRON and BUNGA in the other side INDAH using STDEV to calculate VaR related to homoschedastic term of INDAH volatility.

The statistical test show that INDAH had the highest return volatility, BUNGA return volatility relatively lower and BOND and TRON relatively same in medium level.

Over all the total portfolio NAV return is homoskedastic so by methodology we calculate VaR of Portfolio using STDEV.

Portfolio VaR calculation shows correlation in the portfolio diversified the risk proof by the fact that VaR Diversified portfolio lower than VaR Undiversified."

"Dalam mengelola investasi bagi sebuah lembaga dana pensiun dibutuhkan kehati-hatian dalam pengelolaan risiko investasi terkait dengan jaminan kesejahteraan pegawai perusahaan. Yayasan Dana Pensiun PT.XYZ perlu mengetahui seberapa besar risiko kerugian yang dapat dialami karena memiliki portfolio investasi enam produk reksadana saham. Dalam karya akhir ini akan dihitung besarnya nilai VaR diversified dengan pendekatan volatilitas menggunakan metode EWMA dan ARCH/GARCH. Pada tanggal 28 Agustus 2008 diketahui bahwa nilai VaR diversified portfolio reksadana saham Yayasan Dana Pensiun PT. XYZ sebesar Rp 2.773.037.528. Kegiatan pembaharuan (rebalancing) komposisi penempatan asset perlu dilakukan untuk menambah akurasi model yang dibangun.

---

In order to manage an investment for a pension fund organization, it?s needed a carefully decision to make investment because it may be effecting the employee?s social welfare guarantee. Pension Fund Organization PT.XYZ needs to know how much their risk since they hold an investment. In this thesis we will measure diversified VaR by volatility estimation using EWMA and ARCH/GACRH methods. In Aug 29, 2008 it is known that diversified VaR mutual fund equity investment of Pension Fund Organization PT.XYZ is Rp 2.773.037.528. Rebalancing asset allocation activity is needed in order to increase the accuracy of VaR model."

"Karya akhir ini adalah mengenai perhitungan VaR risiko pasar (dalam hal ini adalah risiko ekuitas) menggunakan volatilitas yang diukur tidak hanya dengan simple standard deviation namun juga dengan model EWMA dan ARCH/GARCH. Model EWMA dan ARCH/GARCH digunakan karena data return dari indeks bursa saham cenderung bersifat heteroskedastik. Khusus untuk model ARCH/GARCH, dalam penelitian ini juga digunakan salah satu variannya yaitu IGARCH. Hasil penelitian ini menunjukkan bahwa secara teoritis seluruh model yang digunakan adalah valid. Namun, bila dilihat secara praktis, model ARCH/GARCH dan variannya memberikan nilai VaR yang lebih rendah dibandingkan dengan model lainnya, konsekuensinya capital charge-nya juga dapat lebih rendah. Menggunakan asumsi portofolio senilai 100.000.000, dengan tingkat keyakinan 99%, potensi kerugian 1 hari ke depan (VaR 1 hari) untuk IHSG tanggal 30 Juni 2009 adalah 5.005.488. Nilai ini merupakan nilai tertinggi dibandingkan dengan indeks bursa saham lainnya. Dalam penelitian ini juga ditunjukkan bahwa stock index futures dapat digunakan untuk melakukan mitigasi risiko ekuitas secara cukup efektif.

---

This thesis is about computing market risk (in this case is equity risk) VaR using volatility measured by not only simple standard devaition but also EWMA and ARCH/GARCH model. The EWMA and ARCH/GARCH model are used due to the data of stock market index return which show a relatively heteroskedastic nature. Especially for ARCH/GARCH model, one of its variant (the IGARCH) is also used in this research. The result from this research shows that theoretically all the model used are valid. But practically, the ARCH/GARCH model and its variant produce a lower VaR value compare to other models, bringing a lower capital charge as the consequence. Using an assumed portfolio value of 100.000.000, with 99% level of confidence, the 1-day ahead potential loss (1-day VaR) for IHSG on June 30, 2009 is 5.005.488. This is the highest value compare to other stock market indices. It is also shown in this research that stock index futures can be used to mitigate equity risk effectively enough."