Hasil Pencarian  ::  Simpan CSV :: Kembali

"This study examines the effect of macroeconomics variables to a mutual fund's return. The macroeconomic variables hypothesized to affect the portfolio performance are change in exchange rate (IDR to US dollar return), change in SBI rate, and growth of money supply. Furthermore, the prediction of expected return is also examined whether related to return of previous periods (lag return) and the level of their volatility. The selected mutual fund is Mawar Mutual Funds issued by PT Dana Reksa and data are collected from June 31 *' 1998 until May 21st 2004. The statistical method to test on the hypothesis is Generalized Autoregressive Conditional Heteroskedasticity (GARCH). The results show that there are negative relationships between Mawar Mutual Fund's return to exchange rate return as well as change in SBI rate. This research also indicates that exchange rate return and change in SBI rate affect Mawar Mutual Fund's volatility. There is significant relationship between first lag return and Mawar's return of this period. But the results do not show any relation between Mawar's return to its volatility as well as the growth of money supply."

"Tugas akhir ini bertujuan untuk memperkenalkan model runtun waktu Autoregressive Conditional Heteroscedasticity (ARCH) dan Generalized Autoregressive Conditional Heteroscedasticity (GARCH), kemudian menggabungkannya dengan model runtun waktu stasioner yaitu model Autoregressive Moving Average (ARMA), menjadi model ARMA-ARCH atau ARMA-GARCH. Model ini akan dapat menangkap adanya fenomena pengelompokan volatilitas yang seringkali terjadi pada data runtun waktu finansial. Selain itu akan dijelaskan karakteristiknya, diantaranya adalah sifat kestasioneran dan fungsi autokorelasi, kemudian diperlihatkan berbagai simulasinya. "

"ABSTRAKPenelitian bertujuan memperoleh model peramalan harga emas terbaik antara model GARCH dan EWMA. Variabel dependen adalah harga emas Antam sedangkan variabel independen terdiri dari harga emas dunia, IHSG dan JIBOR. Penelitian menggunakan data harian periode Agustus 2010 - September 2012. Variabel independen berpengaruh signifikan terhadap harga emas Antam dan secara simultan diperoleh R-Square sebesar 97,7375%. Model dalam pendekatan pola adalah GARCH (2,1) sedangkan pada pendekatan kausal GARCH (1,1). Nilai MAPE peramalan harga emas Antam bulan Oktober 2012 menggunakan pendekatan kausal sebesar 1,9114%, pendekatan pola 4,4379% dan EWMA 10,618824%. Dengan demikian, dalam penelitian ini model GARCH lebih akurat dibandingkan EWMA.

---

ABSTRACTThe study aimed at obtaining the best gold price forecasting model between GARCH and EWMA models. The dependent variable is the price of Antam's gold while the independent variables consist of world gold prices, IHSG and JIBOR. The study uses daily data in August 2010 until September 2012. Independent variables significantly influence the Antam’s gold price and simultaneously acquired R-Square of 97.7375%. Models in the pattern approach is GARCH (2.1) whereas the causal approach GARCH (1,1). MAPE values of ​​Antam's gold price forecasting in October 2012 using the causal approach 1.9114%, the pattern approach 4.4379% and EWMA 10.618824%. Thus, in this study GARCH models are more accurate than EWMA."

"Investasi merupakan kegiatan yang sudah umum dilakukan bagi banyak orang yang ingin menyimpan kekayaannya dengan harapan mendapatkan keuntungan suatu hari. Salah satu instrumen investasi yang sering digunakan adalah saham. Karena saham dikenal sebagai data keuangan yang bersifat sangat fluktuatif maka pergerakan antar waktu menyebabkan variansi error bersifat tidak konstan atau heteroskedastisitas. Sehingga dalam memodelkan return saham, dikembangkan model Multivariate Generalized Autoregressive Heteroscedatic (GARCH) yang dapat memodelkan lebih dari satu variabel secara bersamaan dan dapat digunakan pada data yang bersifat heteroskedastisitas. Model Dynamic Conditional Correlation-Multivariate Generalized Autoregressive Heteroscedatic (DCC-MGARCH) digunakan untuk mengetahui hubungan volatilitas antar saham dan pergerakannya. Adapun emiten saham yang dimodelkan adalah PT Bank Central Asia (BBCA) dan PT Bank Rakyat Indonesia (BBRI) karena terdaftar sebagai saham dengan peringkat teratas yang memiliki kapitalisasi pasar yang besar dan tercatat dalam indeks LQ45. Selanjutnya, DCC MGARCH(1,1) digunakan untuk memodelkan return dari kedua saham tersebut secara bersamaan. Selain itu signifikansi parameter Dynamic Conditional Correlation menunjukkan bahwa hanya terdapat jangka panjang spillover volatilitas antar saham BBCA dan BBRI. Hal ini mengindikasikan bahwa volatilitas return BBCA hanya berdampak signifikan terhadap persistensi jangka panjang volatilitas return BBRI tanpa berpengaruh signifikan terhadap penyesuaian jangka pendek volatilitas return BBRI.

---

Investment is a common activity for many people who want to save their wealth in the hope of getting a profit one day. One investment instrument that is often used is stocks. Because stocks are known as financial data that are very volatile movements between times cause the error variance is not constant or heteroscedasticity. So in modeling stock returns, a Multivariate Generalized Autoregressive Heteroscedatic (GARCH) model was developed that can model more than one variable simultaneously and can be used on heteroscedasticity data. The Dynamic Conditional Correlation-Multivariate Generalized Autoregressive Heteroscedatic (DCC-MGARCH) model is used to determine the volatility relationship between stocks and their movements. The stock issuers modeled are PT Bank Central Asia (BBCA) and PT Bank Rakyat Indonesia (BBRI) because they are listed as top-ranked stocks that have a large market capitalization and are listed in the LQ45 index. Furthermore, DCC MGARCH(1,1) is used to model the returns of both stocks simultaneously. In addition, the significance of the Dynamic Conditional Correlation parameter shows that there is only a long-term volatility spillover between BBCA and BRI stocks. This indicates that the volatility of BBCA return has a significant impact on the long-term persistence of BBRI return volatility without having a significant effect on the short-term adjustment of BBRI return volatility."

"Penelitan ini bertujuan untuk mencari suatu model estimasi imbal hasil yang sesuai untuk kondisi pasar seperti di Bursa Efek Jakarta. Hal ini menjadi penting mengingat dalam penilaian sekuritas seperti saham dibutuhkan suatu tingkat imbal hasil yang wajar, yang mencerminkan semua risiko yang relevan.Salah satu model estimasi imbal hasil yang diharapkan adalah Arbitrage Pricing Theory (APT). Konsep APT didasari oleh hukum satu harga (the law of one price), yaitu bahwa dua sekuritas yang memiliki karakteristik yang sama tidak dapat ditransaksikan pada harga yang berbeda. Jika sekuritas tersebut ditransaksikan dengan harga yang berbeda maka akan terjadt abitrage dengan membeli sekuritas yang berharga murah dan pada saat yang sama menjualnya dengan harga yang lebih tinggi sehingga akan diperoleh tingkat imbal hasil tanpa menanggung risiko. Hukum satu harga diasumsikan berlaku karena sekuritas-sekuritas di bursa dipengaruhi oleh faktor-faktor yang sama (common factors), yang bersumber dari berbagai variabel makro ekonomi seperti, suku bunga, inflasi* fluktuasi kurs, perkembangan harga minyak, dan sebagainya. Dengan demikian, penelitian mengenai APT pada prinsipnya berupaya untuk mengidentifikasi faktor-faktor makro ekonomi yang diduga mempengaruhi imbal hasil saham di suatu bursa.Pada penelitian ini, proses identifikasi faktor dilakukan secara intuitif yang bersumber dari berbagai referensi dan penelitian-penefitian yang telah dilakukan sebelumnya. Dengan demikian, diidentifikasi sebanyak delapan belas variabel ekonomi makro yang diduga mempengaruhi tingkat imbal hasil rata-rata saham di BEJ selama periode waktu Januari 2001 sampai dengan September 2002. Faktor-faktor tersebut adalah : suku bunga SBI, suku bunga deposito bank pemerintah, suku bunga kredit, suku bunga investasi, tingkat produksi agregat (PDB), jumlah uang beredar, inflasi, pembelian bersih oleh investor asing, tingkat diskonto bank sentral Amerika dan Jepang, nilai tukar Rupiah terhadap Yen Jepang dan Dollar Amerika, indeks Nikkei, indeks Hanseng, dan indeks Dow Jones, perkembangan harga emas dunia, serta perkembangan harga minyak dunia.Kemudian dilakukan analisis cross-sectional dan uji statistik (/ test dan F test) untuk memverifikasi atau menolak ke-delapan belas variabel tersebut sebagai faktor yang mempengaruhi tingkat imbal hasil rata-rata saham di BEJ.Hasil akhir menyebutkan hanya lima faktor yang signifikan (dimana t hitting lebih besar dari ( tabel, dan F hitting lebih besar dari F tabel) yaitu, suku bunga deposito bank pemerintah, tingkat diskonto bank sentral Amerika, perkembangan harga emas dunia, perkembangan harga minyak dunia, dan pembelian bersih investor asing di BEJ. Kemampuan menjelaskan faktor-faktor yang diidentifikasi (R2) sebesar 35,5%, sehingga 64,5% dari variasi tingkat imbal hasil rata-rata saham di BEJ disebabkan oleh faktor-faktor lain yang belum diidentifikasi.Secara umum, dapat disimpulkan bahwa pengujian APT pada penelitian ini sangat tergantung pada sejauh mana variabel-variabel ekonomi yang digunakan mampu menjelaskan variasi tingkat imbal hasil rata-rata saham di BEJ. Dengan semakin banyaknya saham yang diamati (268 saham), dan semakin panjangnya periode waktu pengamatan maka akan semakin banyak variabel yang harus di dipertimbangkan."

"Dalam membuat keputusan investasi, seorang investor pasti mengharapkan akan mendapatkan keuntungan return berupa capital gain atau dividen. Tetapi dalam setiap investasi pastilah mempunyai suatu risiko. Risiko ini muncul karena tidak adanya suatu kepastian bahwa suatu sekuritas akan terus-terusan memperoleh return, tetapi bisa juga mengalami kerugian. Untuk itu terdapat beberapa model yang dapat digunakan dalam memprediksi risk and return suatu saham sehingga investor pada akhirnya dapat mengetahui alternatif investasi yang paling menguntungkan. Salah satunya adalah model Arbitrage Pricing Theory (APT), model ini muncul sebagai respon terhadap kelemahan Capital Asset Pricing Model (CAPM). Model APT mengakomodir sumber risiko yang lebih bervariasi, yaitu systematic risk yang berupa kondisi makroekonomi di suatu negara.Penelitian ini dilakukan untuk mengetahui apakah model APT dapat digunakan untuk memprediksi risk and return saham sektor pertambangan. Karena untuk saat ini dan untuk beberapa tahun ke depan saham sektor pertambangan memiliki prospek yang cukup cerah karena komoditasnya yang laris di pasar nternasional dan dijual dalam dollar Amerika. Sehingga pada akhirnya dapat diketahui apakah return saham sektor pertambangan dipengaruhi oleh kondisi makroekonomi Indonesia. Ada empat variable makroekonomi yang digunakan, yaitu nilai tukar rupiah terhadap dollar Amerika, tingkat suku bunga SBI, tingkat inflasi, dan jumlah uang beredar. Penelitian ini menggunakan data time series, yaitu data bulanan dari Januari 2003-Desember 2007. Kemudian pengolahan data dilakukan dengan Eviews dengan meregresikan tiap saham dengan masing-masing variabel dengan menggunakan metode Ordinary Least Square. Dari pengujian tersebut didapatkan hasil bahwa model APT hanya signifikan untuk satu perusahaan yaitu APEX. Dan variabel makroekonomi yang mempengaruhi return saham sektor pertambangan adalah nilai tukar rupiah terhadap dollar Amerika."

"ABSTRAKHal yang perlu dilakukan oleh seorang investor adalah mengidentifikasi imbal basil (return) dan risiko yang rnengikat keputusan yang dilakukannya karena trade-off antara keduanya menggambarkan bahwa jika investor mengharapkan imbal basil yang lebih tinggi atas aset yang dipilihnya, rnaka ia hams bersedia rnenanggung kerugian yang lebib besar, dan sebaliknya. Model yang dikembangkan oleh Stephen A Ross (1976) yaitu model Arbitrage Pricing Theory (APT) merupakan salah satu model yang menganalisis hubungan antara return dengan risiko yang mengikatnya. Teori ini memperhitungkan berbagai sumber risiko sistematis, tidak hanya risiko pasar. Dalam model APT yang dikembangkan oleh Bremeister, Roll dan Ross (2003), model ini meneliti hubungan antara return dengan berbagai risiko makro, yaitu faktor risiko kepercayaan, horizon waktu, inflasi, siklus bisnis dan pasar.Dalam model tersebut, return suatu saham terdiri dari dua bagian, yaitu expected dan unexpected return. Unexpected return berkaitan dengan pergerakan return terbadap berbagai surprises atau perbedaan antara faktor makro yang diperkirakan sebelumnya dengan keadaan aktual, sedangkan expected return merupakan imbal basil yang diperkirakan akan diterima dengan memperhitungkan premi terbadap perubahan faktor makro. Berdasarkan hal tersebut, maka dapat diteliti hubungan faktor-faktor makro yang secara apriori berpengaruh terhadap return suatu saham.Penelitian dalam karya akhir ini rnenganalisis penerapan model APT tersebutterhadap 20 saham yang aktif diperdagangkan di Bursa Efek Jakarta sejak bulan Januari 2000 sampai dengan Maret 2004, yaitu saham TLKM, ASII, BNBR, JNDF, ISAT, HMSP, BUMI, BNII, LPBN, GGRM, MLPL, BNGA, UNTR, LPLI, RMBA, MPPA, PNBN, AALI, GJTL dan ANTM. Dari hasil penelitian dapat disimpulkan bahwa model ini dapat menerangkan return 16 saham yang diteliti, berturut-turut dari goodness of.fit yang te1tinggi yaitu saham UNTR, TLKM, GGRM, ASII, ISAT, HMSP, MLPL, INDF, GJTL, MPPA, LPLI, RMBA, ANTM, PNBN, AALI dan BNBR. Nrunun demikian, faktor makro yang secara signifikan berpengaruh terhadap return sahrun yang diteliti hanyalah faJ..'tor risiko pasar, sementara beberapa faktor lairmya adalah faktor risiko inflasi dan siklus usaha untuk sahrun TLKM yang notabene merupakan sahrun paling aktif dalrun srunpel. Untuk empat sahrun dimana model ini tidak signifikan, tiga sahamnya merupakan sahrun dari empat sahrun yang diteliti pada sektor perbankan, yaitu saham LPBN, BNII dan BNGA Model diduga tidak signifikan karena faktor diluar model seperti masalah rekapitalisasi dan penambahan modal bank dimaksud."

"Peramalan beban listrik dalam upaya menjaga kestabilan sistem tenaga listrik di Indonesia pada sistem interkoneksi Jawa-Bali sekarang ini hanya menggunakan acuan data historis sebagai masukan metode peramalan beban. Pola konsumsi daya listrik yang berbeda tiap selang waktu tertentu menimbulkan masalah variansi beban listrik tidak homogen (heteroskedastisitas). Metode Generalized Autoregressive Conditional Heteroskedasticity (GARCH) yang digunakan dalam peramalan beban listrik jangka pendek berdasarkan data historis pada penelitian ini memanfaatkan kondisi heteroskedastisitas tersebut untuk membuat model dan menghasilkan peramalan yang akurat dan presisi. Hasil penelitian menunjukkan bahwa peramalan metode GARCH dengan MAPE 2.668676 % lebih baik dibandingkan peramalan metode koefisien yang dilakukan PT PLN (Persero) dengan MAPE 3.739172 %.

---

Electrical load forecasting in an effort to maintain the stability of electric power systems in Indonesia on Java-Bali interconnection system is currently only used the historical data as a reference input to the load forecasting method. The different patterns of electrical power consumption in each time interval caused problems that the electrical load variance is not homogeneous (heteroskedasticity). Generalized Autoregressive Conditional Heteroskedasticity (GARCH) method used in the short term electrical load forecasting based on historical data in this study is taking the advantage of heteroskedasticity to model and generate an accurate and precision forecasting result. The results show that the GARCH forecasting method with 2.668676% of MAPE is better than the coefficient forecasting method by PT PLN (Persero) with 3.739172% of MAPE."

"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."