Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
lndustri jasa keuangan seperti perbankan merupakan industri yang sangat sensitif dengan keadaan pasar keuangan. Pengelolaan dana yang dilakukan perbankan tidak terlepas dari kemungkinan terjadinya kerugian karena berbagai risiko yang harus dihadapi. Salah satu risiko yang dihadapi bank adalah risiko pasar yaitu risiko keuangan yang disebabkan karena adanya perubahan faktor-faktor pasar seperti nilai tukar mata uang asing, tingkat suku bunga, dan harga. Perhitungan risiko nilai tukar didasarkan pada Posisi Devisa Netto (Net Open Position) yang dimiliki bank. Permasalahan yang timbul adalah untuk menghitung besarnya risiko pasar, selama ini yang dilakukan perbankan dengan pendekatan tradisional (non statistik) Sehingga masih diragukan keakuratannya. Sedangkan pengukuran risiko dengan pendekatan statistik dalam hal ini value at risk masih belum banyak diterapkan oleh bank-bank di Indonesia. Dalam karya akhir ini mencoba untuk mengkaji aspek-aspek proses perhitungan risiko pasar dalam mengestimasi besarnya modal yang harus disediakan untuk mengantisipasi risiko pasar khususnya yang disebabkan oleh faktor perubahan nilai tukar atas posisi devisa netto PT. Bank X Tbk per tanggal 30 Juli 2004, baik dengan menggunakan pendekatan standar maupun dengan pendekatan internal model dengan menggunakan pendekatan varian kovarian dengan exponentially weighted moving average (EWMA). Dalam pendekatan standar, pengukuran risiko nilai tukar dilakukan dengan menggunakan pendekatan yang ditetapkan oleh regulator. dimana besarnya Market risk Capital Charge ditetapkan sebesar 8% dari posisi yang memiliki jumlah terbesar diantara posisi long atau short. Dengan pendekatan standar, besarnya Market risk Capital Charge adalah Rp. 71.504 juta. Untuk perhitungan Value at Risk dengan menggunakan pendekatan Variance Covariance - EWMA diawali dengan cara terlebih dahulu menetapkan faktor peluruh yang optimal (optimal decay factor - A ), dimana dalam penelitian ini besarnya faktor peluruh optimal yang digunakan adalah sebesar 0,99. Dengan menggunakan pendekatan ini, besarnya Value at Risk dengan 288 data dan confidence level 99% adalah sebesar Rp. 7.882.42juta dan capital chargenya sebesar Rp. 74.779juta. Mengingat risiko pasar yang melekat dalam portofolio yang dimiliki bank tidak hanya terbatas pada risiko nilai tukar yang melekat pada posisi devisa netto bank, tetapi risiko pasar dan risiko suku bunga yang melekat pada seluruh portofolio yang dimiliki bank, maka pengaruh risiko nilai tukar posisi devisa netto bank terhadap perubahan CAR sangat kecil, yaitu hanya mengalami penurunan sebesar 0,23% dengan pendekatan standar dan 0,17% dengan pendekatan varian kovarian dari CAR bank per tanggal 30 Juli 2004 sebesar 26,04% sebelum memasukkan risiko pasar.

Abstrak :
Kredit Konsumsi nasional sejak krisis moneter sampai dengan bulan Juni 2005 mencatat pertumbuhan tertinggi dibandingkan dengan kredit modal kerja dan kredit investasi. Jumlah penduduk yang besar, keinginan konsumen untuk scialu memenuhi kebutuhan primer, sekunder bahkan tersier, perilaku masyarakat yang cenderung konsumtif, membaiknya daya beli konsumen setelah krisis moneter, meningkatnya pertumbuhan proyek property, terutama di perkotaan, meningkatnya jaringan pemasaran retail, supermarket bahkan hyper market, intensifnya pembukaan jaringan perbankan maupun lembaga keuangan sampai ke pelosok-pelosok kecamatan bahkan desa, khususnya untuk menyediakan pembiayaan kendaraan bermotor, adalah faktor-faktor yang antara lain menyebabkan pertumbuhan kredit konsumsi. Bank X sebagai bank hasil merger beroperasi pada tahun 1999, melakukan pemasaran intensif berbagai produk kredit konsumsi sejak tahun 2002. Sejalan dengan perkembangan perbankan nasional, maka pertumbuhan kredit konsumsi di Bank X mencatat pertumbuhan tertinggi dibandingkan pertumbuhan di segmen corporate, commercial maupun segmen small business dan micro banking. Portofolio kredit konsumsi yang semula hanya sebesar +/- Rp 1,5 trilyun pada tahun 2002, meningkat menjadi sebesar Rp 9,6 trilyun pada bulan Juni 2005. Produk kredit konsumsi, yailu KPR dan Kredit Multiguna mendominasi 81% total portofolio kredit konsumsi di Bank X, sedangkan sisanya tersebar melalui produk Kredit Mitrakarya, Kredit Bebas Agunan (KBA), Kredit Kendara dan Kredit Agunan Deposito (KAD). Peningkatan yang signifikan tersebut dari sisi volume maupun pertumbuhan tersebut, memerlukan langkah antisipasi terhadap aspek risiko kreditnya. Pada tahun 2003 Bank X mengimplementasikan credit scoring untuk menggantikan pengambilan keputusan kredit secara expert systems yang mengandalkan kemampuan justifikasi petugas kredit dan pemegang kewenangan. Penggunaan credit scoring secara otomatisasi menghasilkan keputusan kredit yang lebih cepat dengan justifikasi keputusan yang homogen/seragam. Kemampuan credit scoring dalam memprediksikan potensi default sangat bergantung kepada parameterlvariabel utama yang diukur dan bobot risiko yang ditetapkan dalam model. Namun demikian dalam prakteknya, relevansi masingmasing parameter/variabel dan bobot risiko yang digunakan sensitif terhadap perubahan indikator-indikator ekonomi utama, seperti perubahan inflasi, perubahan nilai tukar rupiah/dollar dan perubahan suku bunga. Kombinasi perubahan indikator ekonomi, memberikan dampak secara langsung atau tidak langsung, terutama bagi mayoritas debitur kredit konsumsi yang berpenghasilan tetap (fixed income). Dampak yang terasa dengan adanya perubahan indicator ekonomi tersebut di atas adalah cenderung memberikan tekanan kepada pendapatan, biaya hidup dan kemampuan membayar kewajiban (angsuran). Dengan demikian tuntutan terhadap review secara berkala terhadap model credit scoring yang digunakan menjadi mutlak, agar model credit scoring tetap relevan dan tetap akurat dalam prediksinya. Berdasarkan kajian terhadap kondisi makro ekonomi dapat disimpulkan bahwa tuntutan review terhadap model credit scoring mutlak segera dilakukan. Kondisi ini terlihat dari perubahan indikator ekonomi utama pada tahun 2005 yang sudah sangat berubah dibandingkan pada saat tahun awal (2003) credit scoring diimplementasikan, seperti kenaikan 2 kali harga BBM selama tahun 2005 yang mendorong inflasi yang mendekati angka 15%, nilai tukar rupiah terhadap dollar yang melebihi angka Rp 10.000 dan peningkatan BI rate yang mencapai 12,25%. Apabila dilihat profil risiko masing-masing produk terlihat perkembangan tingkat NPL kredit konsumsi cenderung merambat naik, walaupun masih dalam angka yang dapat ditoleransi (dibawah 3%). Selanjutnya hasil vintage analysis terhadap beberapa produk kredit konsumsi cenderung memburuk, khususnya pada kredit-kredit yang diberikan pada periode akhir tahun 2004 sampai bulan Juni 2005. Sedangkan analisis yang dilakukan terhadap nilai Kolmogorov-Smimov (KS) model credit scoring, menunjukkan berada pada angka rata-rata 4%, jauh di bawah angka yang direkomendasikan (20%-75%). Kondisi-kondisi ini memberikan pertanyaan apakah model credit scoring yang diimplementasikan sejak bulan Juni tahun 2003 masih relevan untuk menangkap dinamika risiko, atau masih akurat dalam memprediksikan potensi default ke depannya. Berdasarkan penelitian yang dilakukan terhadap model credit scoring yang digunakan oleh Bank X, maka menunjukkan terdapat 13 variabel/parameter yang digunakan dalam memprediksikan potensi default calon debitur, dengan didukung oleh 53 karakteristik yang tersebar dalam berbagai bobot risiko. Adanya jumlah database yang mendukung dalam melakukan simulasi perubahan model adalah faktor penting dalam melakukan perbaikan terhadap model credit scoring yang digunakan. Namun demikian kegiatan memvalidasi model credit scoring secara berkala mutlak dilakukan agar agar model tetap relevan, untuk menekan tingkat risiko kredit yang terjadi. Di masa mendatang, walaupun adanya keterbatasan biaya, namun diharapkan adanya model credit scoring yang berbeda untuk tiap wilayah maupun berbeda untuk setiap produk kredit konsumsi, dapat lebih realistis mendukung target ekspansi kredit konsumsi yang ditetapkan oleh Bank X. Mencermati permasa[ahan yang ada, ke depannya Bank X perlu melakukan beberapa langkah yang diharapkan cukup efektif untuk menekan tingkat risiko kredit konsumsi, antara lain fokus kepada pemasaran KPR dan Kredit Multiguna, lebih intensif melakukan pemasaran kepada segmenikelompok talon debitur profesi karyawan, melakukan validasi model secara berkala, melakukan penyesuaian terhadap angka debt service ratio dan angka loan to value dikaitkan perubahan kondisi makro, mendorong tumbuhnya cross-selling khususnya sesama produk Bank X, menetapkan suku bunga kredit atas dasar risiko individu dan melakukan perbaikan secara berkesinambungan pada kualitas tenaga pemasar (Direct Sales Agency).

Abstrak :
ABSTRAK
Efek globalisasi telah mengakibatkan perkembangan industri jasa keuangan menjadi semakin kompleks.. Hal terse but diperburuk dengan efek psikologis pasca krisis keuangan tahun 1997 lalu yang berakibat pada volatilitas pasar yang cenderung tidak stabil. Untuk kondisi di Indonesia, salah satu eksposur risiko terpenting yang dihadapi oleh suatu Bank adalah eksposur terhadap rh:iko nilai tukar . Eksposur inilah yang menyebabkan terjadinya krisis ekonomi pada tahun 1997 di Indonesia. Eksposur terhadap nilai tukar merupakan salah satu jenis risiko pasar yang dihadapi oleh Bank.

Dalam implementasinya di perbankan Indonesia, konsep perhitungan modal untuk risiko pasar. ini akan mulai diterapkan pada tahun 2004 ol.eh Bank Indonesia. Hal yang menarik berkaitan dengan implementasi pengenaan modal untuk risiko pasar ini adalah bagaimana Bank melakukan manajemen portfolio eksposur yang terkait dengan risiko pasar sehingga modal yang digunakan untuk mengcovernya bisa seefisien mungkin. Dalam thesis ini akan diperbandingkan dua metode perhitungan risiko pasar yaitu : Standardised dan Internal Model approach untuk melihat sampai seberapa efektif pengenaan kedua model tersebut untuk menghitung capital charge yang terkait dengan risiko pasar yaitu foreign exchange portfolio dari suatu bank.

Hasil pengujian dengan kedua metode tersebut memberikan beberapa kesimpulan sebagai berikut:

1. Pengujian dengan menggunakan standardized approach memberikan capital charges yang paling besar dibandingkan dengan pengujian dengan menggunakan metode internal yaitu Variance Covariance dan Historical Simulation

2. Pengujian dengan menggunakan Internal j\tfodel memberikan hasil yang berbeda untuk koridisi Confidence level yang berbeda. Untuk kondisi 99% Cofidence level, pengujian dengan menggunakan Historical Simulation memberikan nilai VaR yang lebih besar dibandingkan pengujian dengan menggunakan Variance Covariance. Sedangkan pada kondisi 95% Confidence level pengujian dengan menggunakan Variance Covariance memberikan nilai VaR yang lebih bcsar dibandingkan pengujian dengan menggunakan Historical Simulation. Hal :i.ni disebabkan adanya pengaruh negative skewness dan leptokurtic pada distribusi aktual yang merupakan dasar perhitungan dari metode Historical Simulation. Berdasarkan hasil pengujian tersebut dapat disimpulkan bahwa suatu metode tidak bisa selalu menghasilkan nilai VaR yang lebih besar dibandingkan met ode yang lain. Nilai V aR dipengaruhi oleh distribusi return aktual dan confidence level

3. Dalam pengujian dengan menggunakan Variance Covariance, jumlah data historis yang berbeda akan diperoleh Decay Factor optimal yang berbeda pula. Dalam pengujian ini, data historis 500 titik data mendapatkan Decay Factor optimal sebesar 0.97. Sedangkan untuk 250 titik data didapatkan Decay Factor optimal sebesar 0.96

4. Pengujian Back Testing dengan menggunakan Variance Covariance diperoleh hasil bahwa untuk confidence level 99%, jumlah kcgagalan yang terjadi melebihi batas non rejection region dari Kupiec. Sedangkan untuk confidence level 95% , jumlah kegagalan yang terjadi belum melewati batas non rejection region dari Kupiec. Pengujian Back Testing dengan menggunakan metode Basel untuk kondisi 250 titik data dan 99% Confidence level diperoleh hasil bahwa jumlah kegagalan yang terjadi dapat dikategorikan pada daerah yellow sehingga capital charges yang terjadi harus dikalikan dengan 3.65. Hasil ini memberikan kesimpulan bahwa untuk pengujian dengan metode Variance Covariance dari JP Morgan , Confidence level 95% memberikan model data yang lebih valid dibandingkan model pengujian dengan menggunakan 99% Confidence level.

5. Pengujian terhadap Expected Tail Losses memberikan hasil nilai kerugian yang lebih besar dari nilai VaR. Oleh karena itu, pengujian dengan ETL dapat. Digunakan untuk mengatasi kelemahan dari V aR yaitu tidak diketahuinya nilai kerugian apabila terjadi suatu kejadian yang melebihi confidence level yang ditetapkan.

6. Pengujian dengan menggunakan stress testing memberikan hasil capital charges yang dibebankan lebih besar dibandingkan perhitungan VaR dengan menggunakan Historical Simulation dan Variance Covariance. Hal ini membuktikan kelemahan VAR yang tidak bisa menangkap suatu kondis1 stress yang terjadi.

7. Kecilnya capital charges untuk risiko pasar dalam karya akhir ini tidak berarti bahwa risiko pasar tidak diperlukan dalam perhitungan rasio modal. Hal ini disebabkan karena :

.. Jumlah Portfolio yang ada tidak mence1minkan portfolio yang sebenarnya dibandingkan saat sebelum krisis. Bank cenderung konservatif dalam eksposur valas yang ditunjukkan dengan kecilnya Posisi Devisa Neto Bank. Padahal untuk mengantisipasi penerapan risiko pasar dan kesiapan modal Bank, Bank Indonesia telah menaikkan posisi rasio PDN dari 20% menjadi 30%.

..Apabila kondisi pasar dan portfolio Bank telah kembali pada posisi sebelum krisis, maka informasi risiko pasar menjadi sangat krusial dan berdampak material pada tambahan modal.

..Komponen yang dihitung dalam karya akhir ini yaitu PDN hanya merupakan salah satu komponen risiko pasar. Belum dilakukan perhilungan secara menyeluruh mengenai eksposur risiko pasar Bank. Misa1nya, eksposur yang terkait dengan perubahan suku bunga pasar dan transaksi-transaksi derivatif

Abstrak :
Dalam Peraturan Bank Indonesia nom or 5/8/PBI/2003 tanggal 19 Mei 2003 tentang Penerapan Manajemen Risiko Bagi Bank Umum ditegaskan bahwa tujuan utama dari penerapan manajemen risiko bank adalah menjaga agar aktivitas operasional yang dilakukan bank tidak menimbulkan kerugian yang melebihi kemampuan bank untuk menyerap kerugian tersebut atau bahkan dapat membahayakan kelangsungan usaha bank. Modal merupakan komponen utama bagi bank dalam di dalam mengantisipasi potensi kerugian yang mungkin terealisasi di dalam menjalankan aktivitas operasional usahanya. Untuk itu salah satu cara dalam mengelola risiko usaha bank adalah dengan mengetahui seberapa besar modal yang hams disediakan oleh bank di dalam mengantisipasi risiko usahanya atau dengan mengetahui seberapa besar total risiko yang dapat diserap dengan modal bank yang tersedia sesuai dengan kondisi, struktur, uk:uran dan kompleksitas usaha masing-masing bank. Salah satu jenis risiko yang harus dihadapi oleh bank dalam menjalankan aktivitas usahanya adalah risiko pasar (market risk), yaitu risiko yang timbul karena adanya pergerakan variabel pasar (adverse movement) dari portofolio yang dimiliki oleh bank, yang dapat merugikan bank. Variabel pasar dalam hal ini adalah suku bunga (interest rate) dan nilai tukar (foreign exchange). Sebagaimana diatur Basle Committe on Banking Supervision (BCBS) dalam Amendment to The Capital Accord Incorporate Market Risk tahun 1996 yang juga telah diadopsi oleh Bank Indonesia sebagai regulator perbankan nasional, terdapat dua pendektan altematif yang dapat digunakan dalam menghitung risiko pasar, yaitu pendekatan standar (standardized approach) dan pendekatan internal model (internal model approach). Perhitungan risiko pasar dilakukan dengan memperhitungkan risiko suku bunga dan risiko nilai tukar. Risiko suku bunga mencakup risiko spesifik (specific risk) dan risiko umum (general market risk). Perhitungan risiko nilai tukar didasarkan pada Posisi Devisa Neto (Net Open Position) yang dimiliki Bank. Karya akhir ini mengkaji aspek-aspek proses perhitungan risiko pasar dalam mengestimasi besamya modal yang harus disediakan untuk mengantisipasi risiko pasar (market risk capital charge), khususnya yang disebabkan oleh faktor perubahan nilai tukar atas posisi devisa neto PT. Bank lntemasional Indonesia Tbk per tanggal 30 Juni 2003, baik dengan menggunakan pendekatan standar maupun pendekatan internal model dengan menggunakan pendekatan simulasi. data historis (historical simulation approach) dan pendekatan varian kovarian (variance covariance approach) dengan exponentially weighted moving average (EWMA). Dalam pendekatan standar, pengukuran risiko nilai tukar dilakukan dengan menggunakan pendekatan standar yang telah ditetapkan oleh regulator, dimana besamya Market Risk Capital Charge ditetapkan sebesar 8% dari posisi yang memiliki jumlah yang terbesar antara posisi long dan posisi short. Dengan pendekatan standar, besamya Market Risk Capital Charge adalah sebesar Rp.5.735 juta,-. Penetapan besamya Value at Risk dengan pendekatan simulasi data historis dilakukan dengan mensimulasi profit and loss atas posisi devisa neto bank berdasarkan return historis nilai tukar masing-masing valuta asing terhadap rupiah selama periode pengamatan, baik dengan 250 data maupun 500 data. Dengan menggunakan 250 data dan tingkat keyakinan (confidence level) 99%, besamya Value at Risk adalah sebesar Rp.888,38 juta,- sehingga besamya Capital at Risk adalah Rp.2.665,14 juta,-. Sedangkan untuk 500 data dan confidence level 99%, basil Value at Risk sebesar Rp.1.269,61 juta,- dan Capital at Risk sebesar Rp.3.808,83 juta,-. Untuk perhitungan Value at Risk dengan menggunakan pendekatan Variance Covariance - EWMA diawali dengan cara terlebih dahulu menetapkan faktor peluruh yang optimal (optimal decay factor ), dimana dalam penelitian ini besarnya faktor peluruh optimal yang digunakan adalah sebesar 0,96. Dengan menggunakan pendekatan ini, besarnya Value at Risk dengan 250 data dan confidence level 99% adalah sebesar Rp.664,24 juta,- dan Capital at Risk sebesar Rp.L992,72 juta,~, sedangkan untuk 500 data dan confidence level 99% Value at Risk sebesar Rp.559,57 juta,- dan Capital at Risk sebesar Rp.1.678,71 juta,-. Mengingat risiko pasar yang melekat dalam portofolio yang dimiliki bank tidak hanya terbatas pada risiko nilai.tukar yang melekat pada posisi devisa neto bank, tetapi risiko pasar dan risiko suku bunga yang melekat pada seluruh portofolio yang dimiliki bank, baik berupa instrumen surat hutang ,(debt instruments),forward rate agreement (FRA),foreign exchange, forward, ataupun dalam bentuk instrumen portofolio lainnya, maka pengaruh risiko nilai tukar posisi devisa neto bank terhadap perubahan CAR bank yang sangat kecil, yaitu hanya mengalami penurunan sebesar 0,17% dengan pendekatan standar, 0,08% dengan pendekatan simulasi historis, dan 0,06% dengan pendekatan varian kovarian dari CAR bank per-tanggal 30 Juni 2003 sebesar 25,88% sebelum memasukkan risiko pasar. Sementara itu berdasarkan hasil stress testing yang dilakukan dengan pendekatan historical scenario dengan tiga skenario, yaitu. skenario terbaik (best scenario), scenario terburuk (worst case scenario), dan skenario yang mungkin (probable case scenario) terdapat potensi terjadinya kerugian sebesar Rp.749 juta dan penurunan modal bank sebesar 0,026% dari posisi modal bank pertanggal 30 Juni 2003 sebesar Rp.2.836.828juta,-.

Abstrak :
ABSTRAK
Meskipun 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.