Kerangka Pemikiran TINJAUAN PUSTAKA DAN KERANGKA PEMIKIRAN

Pemodelan Component GARCH CGARCH Model GARCH secara umum lebih disukai dalam memodelkan conditional variance daripada model ARCH karena model GARCH memberikan model yang lebih parsiomious, artinya, lebih mudah untuk mengestimasi sehingga dalam praktek lebih banyak digunakan Strydom dan Charteris, 2011. Secara umum, model GARCH dapat dipisahkan menjadi model persamaan rata-rata mean equation dan model persamaan varians bersyarat conditional variance equation . Persamaan rata-rata dari model GARCH1,1: 3.13 Persamaan varians dari model GARCH1,1: 3.14 dimana: r t : return saham r t-1 : autoregressive lag pertama dari return saham e t-1 : moving average lag pertama dari return saham  : unconditional variance atau varians dari rata-rata : conditional variance atau volatilitas Conditional variance pada persamaan 3.14 menunjukkan bahwa conditional variance saat ini dimodelkan sebagai rata-rata tertimbang dari varians jangka panjang, informasi atau berita baru pada masing-masing periode dan varians pada periode sebelumnya Bollerslev, 1986. Sedangkan model CGARCH merupakan perluasan dari model GARCH yang mendekomposisi volatilitas ke dalam komponen transitory dan komponen permanen. Model ini dapat menangkap efek yang bersifat transitory dan efek yang bersifat permanen dari sebuah guncangan pada suatu data runtun waktu serta dapat mengetahui persistensi efek sebuah guncangan dalam jangka pendek dan jangka panjang Hammoudeh Yuan, 2008. Samouilhan 2007 menyebutkan bahwa kegunaan dari CGARCH adalah sebagai alat yang digunakan untuk memahami perilaku saham pada momen kedua. Model CGARCH yang dikembangkan oleh Engle dan Lee Fawley Neely, 2012 menjelaskan adanya proses difusi volatilitas yang bergerak dengan lambat kembali ke rata-rata sebagai komponen jangka panjang permanen dari conditional variance , q t , dan yang lebih volatil sebagai komponen jangka pendek transitory, h t -q t . Dari persamaan 3.14, dalam persamaan varians bersyarat dari model GARCH terlihat bahwa rata-rata akan kembali ke dengan konstan sepanjang waktu. Sebaliknya, persamaan varians bersyarat dari model CGARCH memperbolehkan rata-rata kembali dengan tingkat yang berbeda-beda atau tidak konstan yang dimodelkan sebagai berikut: 3.15 3.16 dimana: : volatilitas transitory : volatilitas permanen : guncangan akibat adanya informasi atau berita baru pada periode sebelumnya  : efek suatu guncangan terhadap komponen volatilitas permanen  : efek suatu guncangan terhadap komponen volatilitas transitory Persamaan 3.15 merupakan komponen volatilitas transitory yang konvergen ke nol dengan kekuatan sebesar +. Sedangkan persamaan 3.16 merupakan komponen volatilitas permanen yang konvergen ke  dengan kekuatan sebesar , di mana nilai  berkisar antara 0,9 sampai dengan 1 sehingga mendekati unconditional variance dengan sangat lambat. Jika 1  + maka komponen transitory lebih cepat menghilang dibandingkan dengan komponen permanen. Lamanya waktu yang dibutuhkan oleh pengaruh efek guncangan untuk menghilang dapat diukur dengan half-life Samouilhan, 2007. Ukuran ini biasanya digunakan untuk membandingkan beberapa series data yang berbeda. Secara umum formula penghitungan half-life untuk komponen permanen dapat ditulis sebagai berikut: iHL  = ln0.5 ln 3.17 Sedangkan formula penghitungan half-life untuk komponen transitory dapat ditulis sebagai berikut: iHL + = ln0.5 ln+ 3.18 dimana: i merupakan lamanya waktu yang dibutuhkan oleh pengaruh efek guncangan untuk berkurang sebesar separuhnya. Untuk menganalisa pengaruh transaksi asing terhadap volatilitas return saham, dalam penelitian ini digunakan model CGARCH 1,1 dengan menggunakan variabel transaksi asing bersih dan volume perdagangan saham sebagai variabel eksogen dalam persamaan CGARCH 1,1. Model yang digunakan dalam penelitian ini adalah sebagai berikut: Persamaan rata-rata: ∑ ∑ 3.19 Persamaan varians bersyarat: 3.20 3.21 dimana: r it : return saham gabungan maupun return saham sektoral pada periode ke-t : unconditional mean  a dan  b : koefisien autoregressive dan moving average return saham gabungan maupun retun saham sektoral periode ke-t-1 yang menunjukkan bahwa return saham periode ke-t dipegaruhi oleh return saham sebelumnya. : koefisien besarnya pengaruh transaksi asing bersih terhadap return saham pada periode ke-t : koefisien besarnya pengaruh volume perdagangan terhadap return saham pada periode ke-t : error atau residual FNP : transaksi saham yang dilakukan oleh investor asing bersih VOL : volume perdagangan saham Untuk penentuan lag order dari ARMA, ditentukan dengan metode Box-Jenkins, sehingga lag order untuk setiap jenis return saham dapat berbeda tergantung dari nature datanya.

IV. HASIL DAN PEMBAHASAN

4.1 Statistik Deskriptif Indeks Harga Saham Gabungan IHSG dan Indeks Sektoral Harian, 2007-2012

Tabel 1 menyajikan deskripsi statistik dari Indeks Harga Saham Gabungan dan Indeks Sektoral dari sektor keuangan, industri barang konsumsi dan pertambangan selama periode Januari 2007 hingga Mei 2012. Dari Tabel 1 diketahui bahwa rata-rata return dari indeks harian ketiga sektor tersebut lebih besar dari return Indeks Harga Saham Gabungan IHSG serta bervariasi antar sektor. Sektor industri barang konsumsi memberikan rata-rata return lebih besar dibandingkan dengan dengan kedua sektor lainnya. Hammoudeh et al. 2009 menyebutkan bahwa keadaan seperti ini adalah wajar bagi negara dengan perekonomian besar. Indonesia juga merupakan negara dengan perekonomian besar, yang dibuktikan dengan Produk domestik Bruto PDB mencapai 846,8 miliar US pada tahun 2011 dan menjadikannya masuk ke dalam 20 negara dengan perekonomian terbesar di dunia World Bank, 2012. Tabel 1 Ringkasan Statistik Return Indeks Harga Saham Gabungan IHSG dan Indeks Sektoral Harian, 2007-2012 Statistik rIHSG rKeu rKonsumsi rTambang Mean 0.056 0.062 0.095 0.058 Std. Deviasi 1.659 1.880 1.533 2.613 Skewness -0.623 -0.065 -0.172 -0.733 Kurtosis 9.275 6.566 8.009 11.779 Jarque-Bera 2251.262 0.000 700.455 0.000 1386.598 0.000 4357.043 0.000 ADF -32.693 0.000 -32.618 0.000 -33.838 0.000 -32.865 0.000 Sumber: BEI, berbagai tahun diolah Nilai-nilai dalam standar deviasi menunjukan adanya variasi dalam series masing-masing return saham dari waktu ke waktu. Hal ini berarti bertentangan dengan syarat bahwa suatu aset harus bebas resiko atau dengan kata lain, aset-aset