VOL. 6, NO. 1, MARET 2012 ISSN: 1978 - 3116...2 JEB, Vol. 6, No. 1, Maret 2012: 1-23 dan menunjukkan...

ISSN: 1978 - 3116VOL. 6, NO. 1, MARET 2012

JEB

VO

L.

6,

NO

.1

,M

AR

ET

20

12

:1

-93

VOL. 6JEB NO. 1 Hal 1-93 MARET 2012

VOLATILITAS IDIOSYNKRATIS DAN MODEL MULTIFAKTOR

PENGARUH BELANJA PEMERINTAH DAN PENERIMAAN PAJAK PEMERINTAH

TERHADAP PERTUMBUHAN EKONOMI DI INDONESIA, PENDEKATAN

PENGARUH RASIO LIKUIDITAS DAN

TERHADAP

ANALISIS PENDUDUK MISKIN DI PROVINSI DAERAH ISTIMEWA YOGYAKARTA

PENGARUH ALIRAN KAS BEBAS TERHADAP NILAI PEMEGANG SAHAM

DENGAN SET KESEMPATAN INVESTASI DAN DIVIDEN

SEBAGAI VARIABEL MODERATOR

STRUKTUR KEPEMILIKAN ULTIMAT DAN NILAI PERUSAHAAN

ASSET PRICING

ERROR

CORRECTION MODEL (ECM)

FINANCIAL LEVERAGE

DIVIDEND YIELD

Rowland Bismark Fernando Pasaribu

Algifari

Zarah Puspitaningtyas

WasiaturrahmaRudy Badrudin

Rima Agustina Kusuma Wardani

Baldric Siregar

Vol. 6, No. 1, Maret 2012

JURNAL EKONOMI & BISNIS (JEB)

EDITOR IN CHIEF

Djoko SusantoSTIE YKPN Yogyakarta

EDITORIAL BOARD MEMBERS

Baldric Siregar SoeratnoSTIE YKPN Yogyakarta Universitas Gadjah Mada

Dody Hapsoro Wisnu PrajogoSTIE YKPN Yogyakarta STIE YKPN Yogyakarta

MANAGING EDITORS

Sinta SudariniSTIE YKPN Yogyakarta

EDITORIAL SECRETARY

Rudy BadrudinSTIE YKPN Yogyakarta

PUBLISHER

Pusat Penelitian dan Pengabdian Masyarakat STIE YKPN YogyakartaJalan Seturan Yogyakarta 55281

Telpon (0274) 486160, 486321 ext. 1406 Fax. (0274) 486155

EDITORIAL ADDRESS

Jalan Seturan Yogyakarta 55281Telpon (0274) 486160, 486321 ext. 1332 Fax. (0274) 486155

http://www.stieykpn.ac.id e-mail: [email protected] Mandiri atas nama STIE YKPN Yogyakarta No. Rekening 137 – 0095042814

Jurnal Ekonomi & Bisnis (JEB) terbit sejak tahun 2007. JEB merupakan jurnal ilmiah yang diterbitkan oleh Pusat Penelitian dan

Pengabdian Masyarakat Sekolah Tinggi Ilmu Ekonomi Yayasan Keluarga Pahlawan Negara (STIE YKPN) Yogyakarta. Penerbitan

JEB dimaksudkan sebagai media penuangan karya ilmiah baik berupa kajian ilmiah maupun hasil penelitian di bidang ekonomi

dan bisnis. Setiap naskah yang dikirimkan ke JEB akan ditelaah oleh MITRA BESTARI yang bidangnya sesuai. Daftar nama

MITRA BESTARI akan dicantumkan pada nomor paling akhir dari setiap volume. Penulis akan menerima lima eksemplar cetak

lepas (off print) setelah terbit.

JEB diterbitkan setahun tiga kali, yaitu pada bulan Maret, Juli, dan Nopember. Harga langganan JEB Rp7.500,- ditambah biaya

kirim Rp12.500,- per eksemplar. Berlangganan minimal 1 tahun (volume) atau untuk 3 kali terbitan. Kami memberikan kemudahan

bagi para pembaca dalam mengarsip karya ilmiah dalam bentuk electronic file artikel-artikel yang dimuat pada JEB dengan

cara mengakses artikel-artikel tersebut di website STIE YKPN Yogyakarta (http://www.stieykpn.ac.id).

Tahun 2007

ISSN: 1978-3116

J U R N A LEKONOMI & BISNIS

Vol. 6, No. 1, Maret 2012

DAFTAR ISI

VOLATILITAS IDIOSYNKRATIS DAN MODEL ASSET PRICING MULTIFAKTOR

Rowland Bismark Fernando Pasaribu1-23

PENGARUH BELANJA PEMERINTAH DAN PENERIMAAN PAJAK PEMERINTAH TERHADAP

PERTUMBUHAN EKONOMI DI INDONESIA, PENDEKATAN ERROR CORRECTION MODEL (ECM)

Algifari25-39

PENGARUH RASIO LIKUIDITAS DAN FINANCIAL LEVERAGE TERHADAP DIVIDEND YIELD

Zarah Puspitaningtyas41-46

ANALISIS PENDUDUK MISKIN DI PROVINSI DAERAH ISTIMEWA YOGYAKARTA

WasiaturrahmaRudy Badrudin

47-61

PENGARUH ALIRAN KAS BEBAS TERHADAP NILAI PEMEGANG SAHAM DENGAN SET KESEMPATAN

INVESTASI DAN DIVIDEN SEBAGAI VARIABEL MODERATOR

Rima Agustina Kusuma Wardani63-81

STRUKTUR KEPEMILIKAN ULTIMAT DAN NILAI PERUSAHAAN

Baldric Siregar83-93

Tahun 2007

ISSN: 1978-3116


1

VOLATILITAS IDIOSYNKRATIS DAN MODEL ASSET PRICING............... (Rowland Bismark Fernando Pasaribu)

Vol. 6, No. 1 Maret 2012Hal. 1-23

ABSTRACT

The paper is aimed at examining the inter-relationshipsbetween firm size, liquidity, systematic risk, idiosyn-cratic volatility and their relation to expected return inlevel stock and portfolio for Indonesian LQ-45 equi-ties. Our analysis suggests the existence of confound-ing effects that may need to be recognized in makingmeaningful interpretations of the data; specifically, thatas well as being potentially explanatory of equity per-formance, beta, liquidity, systematic risk, and idiosyn-cratic volatility are capable of being the outcome ofequity performance behavior. Other empiric result isaddition of factor idiosyncratic volatility, proved in-creasing explanatory power of model in explaining thevariation of expected return in both level of stock indi-vidually and portfolio on various asset pricing model.Hereinafter three tools of evaluation measurement re-sult indicate that size, liquidity, systematic risk yet stillnot shown optimal performance, even after conductedby extension of all model by adding idiosyncratic vola-tility proxy.

Keywords: expected return, idiosyncratic volatility,stock portfolio, multifactor asset pricing model, treynorindex, jensen-alpha, sharpe index

PENDAHULUAN

Teori klasik investasi sebagaimana direpresen-tasikanCAPM (Sharpe 1964: Lintner, 1965) menyatakan bahwa

VVVVVOLAOLAOLAOLAOLATILITTILITTILITTILITTILITAS IDIOSYNKRAAS IDIOSYNKRAAS IDIOSYNKRAAS IDIOSYNKRAAS IDIOSYNKRATIS DTIS DTIS DTIS DTIS DANANANANANMODEL MODEL MODEL MODEL MODEL ASSET PRICINGASSET PRICINGASSET PRICINGASSET PRICINGASSET PRICING MUL MUL MUL MUL MULTIFTIFTIFTIFTIFAKTORAKTORAKTORAKTORAKTOR

Rowland Bismark Fernando Pasaribu

ABFI PERBANAS INSTITUTE JAKARTAJalan Komando III/2, Nomor 37 JKSL 12920

E-mail: [email protected]

investor memerlukan ekspektasi tingkat pengembalianpada asset yang berisiko dalam ekses tingkatpengembalian bebas risiko yang ditentukan sebagaiproduk dari beta risiko aset tersebut (kovarian atautingkat pengembaliannya dengan tingkat pengembalianpasar) dengan ekspektasi tingkat pengembalian pasardalam ekses tingkat bunga bebas risiko. Telah banyakdilakukan pada sejumlah penelitian terdahulu yangmenyatakan variabel lainnya memiliki kapasitas dalammenjelaskan tingkat pengembalian saham, sepertikapitalisasi emiten dan rasio book-to-market (Banz1981; Rosenberg et al. 1985; Fama dan French 1992,1993, 1996 dan 1998), likuiditas (Amihud dan Mendelson1986; Amihud 2002), leverage (Bhandari, 1988) dan id-

iosyncratic volatility (Malkiel dan Xu 1997, 2006;Goyal dan Santa-Clara, 2003), sementara Fama danFrench (1992) menunjukkan bahwa beta dan kapitalisasiemiten memiliki tingkat korelasi yang tinggi.

Model tiga faktor Fama dan French (1993)menggabungkan kapitalisasi pasar emiten dan rasio B/M bersama dengan koefisien beta banyak digunakansaat ini (terutama dalam penelitian pasar modal). Tetapi,bukti mengenai hal ini tidak selalu satu arah. Sebagaicontoh, Constantinidies (1986) berpendapat bahwabiaya transaksi diasosiasikan dengan likuiditas dapatdiminimalisir dengan mengurangi frekuensiperdagangan dan tidak menghasilkan pengaruh first-

order; Horowitz, Loughran dan Savin (2000)berpendapat bahwa pengaruh size tidak lagi signifikanpada saham-saham di Amerika; Bali, Cakiki, Yan danAhang (2005) tidak setuju dengan temuan Goyal danClata dalam hubungan dengan volatilitas idiosynkratis

Tahun 2007

ISSN: 1978-3116


2

JEB, Vol. 6, No. 1, Maret 2012: 1-23

dan menunjukkan bahwa temuannya lebih dipengaruhioleh saham ukuran kecil dan secara parsial berpotensimenjadi atribut premi likuiditas.

Dalam memisahkan pengaruh variabelkapitalisasi pasar, likuiditas saham, dan volatilitasidiosynkratis di pasar modal Amerika, Spiegel danWang (2005) menyatakan bahwa volatilitasidiosynkratis perusahaan yang tinggi cenderung terjadibaik itu untuk perusahaan dengan kapitalisasi pasaryang kecil dan tingkat likuiditas yang rendah, sertapengembalian saham yang meningkat juga diikutidengan volatilitas idiosynkratis (demikian juga apabilayang terjadi hal sebaliknya). Mereka menyimpulkanbahwa sementara variabel lainnya eksis untuk membawahubungan sistematik dengan tingkat pengembaliansaham, hubungan volatilitas idiosynkratis dengantingkat pengembalian saham mengklasifikasi secarasekaligus kapitalisasi dan likuiditas terhadap tingkatpengembalian.

Derajat dimana beta, kapitalisasi pasar emiten,dan volatilitas idiosynkratis mungkin dapat menjadiproksi untuk satu atau lebih sementara variabel lainnyatetap kontroversial dalam menjelaskan elemen eksposurrisiko investor (baik yang dapat di diversifikasi atautidak). Karena pada hakekatnya, belum ada teori yangmeyakinkan dalam menjelaskan kontribusi dari variabelvolatilitas idiosynkratis. Penelitian ini bertujuan untukmelakukan replikasi terbatas pada pendekatan kalkulasivolatilitas idiosynkratis yang digunakan Malkiel danXu, (1997) serta Clayton et al. (2006) untuk saham yangtergabung dalam LQ-45 di Bursa Efek Indonesia (BEI)periode 2000-2007.

MATERI DAN METODE PENELITIAN

Ball et al. (1979) telah membuktikan adanya hubunganpositif antara tingkat pengembalian dan beta untuksampel perusahaan industri. Wood (1991) menyatakanbahwa hubungan keduanya lemah, dan Faff (1991)menyatakan karakter yang moderat, bahkan padapenelitiannya tahun 2001, Fahh menyatakan bahwatidak terdapat hubungan antara beta dan tingkatpengembalian untuk model standar CAPM. Haaliwelldan Sawicki (1999) mereplikasi penelitian Fama danFrench (1993) dan menyatakan tingkatan statistikal yangsignifikan pada parameter yang secara umum dapatdikomparasi terhadap penelitian Fama dan French

(1993). Faaf (2001b) dan Gaunt (2004) juga telahmelakukan aplikasi model tiga faktor pada pasar Aus-tralia dan hasilnya memang secara statistik signifikandalam menjelaskan tingkat ekspektasi tingkatpengembalian saham dan portofolio saham.

Dengan konfirmasi model tiga faktor Fama danFrench, pertimbangan kapitalisasi pasar emiten ataupengaruh ukuran telah menjadi sesuatu yangkonvensional sifatnya, meskipun bukti lanjutan lainnyatidak selalu sepakat mengenai hal ini. Sebagai contoh,Banz (1981) melakukan penelitian size-effect untukperiode empat puluh lima tahun untuk saham Amerikadan menyatakan bahwa sementara pengaruh tersebutdiasumsikan pada perusahaan kecil tidak terdapat suatuhubungan yang jelas antara size dan tingkatpengembalian. Horowitz et al. (2000) menyimpulkanbahwa size-effect tidak lagi terjadi pada saham-sahamAmerika. Brown et al. (1983) menyatakan bahwa meskiterjadi size-anomaly, dan model estimasi yang terbentuktidak stabil karena size-effect adalah subjek daripenelitian mengenai interval waktu.

Konsisten dengan temuan Banz pada kasushubungan ukuran perusahaan dan return pada sahamkapitalisasi kecil di Amerika, Beedles et al. (1988) jugamenyatakan bahwa size-effect juga signifikan di Aus-tralia dan robust untuk beberapa penyesuaianmetodologi. Juga dibuktikkan bahwa biaya transaksidapat menjelaskan bagian dari dari size-anomaly

meskipun variabel ini bukan merupakan faktor dominan.Chan dan Faff (2003) menyatakan hubungan regresiyang horizontal antara tingkat pengembalian dan size

saham di Australia periode 1990-1999, sementara Gaunt(2004) menyatakan tidak terdapat bukti yang kuatmengenai pengaruh ukuran perusahaan yang kecil padapasar modal Australia.

Malkiel dan Xu (1997) menunjukkan korelasinegatif yang tinggi antara ukuran perusahaan danvolatilitas idiosynkratis serta menyarankan bahwarisiko volatilitas idiosynkratis menjadi penjelas padasize-effect. Risiko volatilitas idiosynkratis secararasional memiliki harga kalau manajer investasi harusmenjustifikasi (kepada klien) kinerja saham individualdalam portofolionya. Penelitian keduanya pada tahun2006 menghasilkan model formal yang konsisten denganvolatilitas idiosynkratis yang telah memiliki harga saatinvestor (baik voluntary atau non-voluntary) tidakterdiversifikasi secara keseluruhan. Malkiel dan Xu

3


(1997) membagi saham ke dalam portofolio berdasarkanvolatilitas idiosynkratis-nya dan menyatakan bahwarata-rata tingkat pengembalian tahunan portofolioselama periode 1963-1994. Hasil penelitiannyamenunjukkan kecenderungan yang nyata bahwavolatilitas idiosynkratis portofolio yang meningkatmenghasilkan tingkat pengembalian yang juga lebihtinggi. Sebaliknya, Ang et.al (2006) menyatakanvolatilitas idiosynkratis yang semakin tinggi justrumenghasilkan tingkat pengembalian yang semakinmenurun. Kontradiksi hasil penelitiannya denganpenelitian sebelumnya adalah studi tersebut tidakmenjelaskan volatilitas idiosynkratis pada levelperusahaan. Sebaliknya, Malkiel dan Xu (2006)berpendapat bahwa hasil studi Ang et al. (2006)mungkin mengalami permasalahan error pada variabelsaat fitting modelnya guna meringkas data sampel.

Ukuran perusahaan secara umum berkorelasipositif dengan likuiditas saham (Amihud, 2002).Karenanya, likuiditas berpotensi menjadi eksplanatoruntuk size-effect. Beedles et al. (1988) menyatakanbahwa perusahaan besar memiliki likuiditas yang lebihtinggi dan menyarankan bahwa likuiditas secara parsialmenjelaskan size-effect. Amihud dan Mendelson (1986)menyarankan bahwa likuiditas adalah atribut yangpenting pada investasi keuangan dan seharusnyamemiliki premi dalam asset pricing. O’Hara (2003)berpendapat bahwa biaya likuiditas sama dengan pajakdimana kalau jumlahnya cukup besar seharusnyaberpengaruh negatif terhadap harga asset.

Dengan menggunakan turnover saham sebagaiproksi likuiditas, Chan dan Faff (2003) menyatakanbahwa turnover berhubungan negatif terhadap tingkatpengembalian saham dan pengaruh tersebut berlakusetelah melakukan kontrol terhadap variabel book-to-

market, size, beta, dan momentum. Marshall dan Young(2003) menjelaskan likuiditas di pasar modal Australiadan hasil temuannya konsisten dengan penelitianChan dan Faaf, bahwa terdapat hubungan yang negatifantara turnover saham dan tingkat pengembaliansaham. Selanjutnya, dengan melakukan komparasi padalima puluh saham emiten terbesar terhadap lima puluhsaham terkecil di pasar modal Australia, Anderson etal. (1997) menyatakan tidak terdapat hubungan yangsignifikan antara tingkat pengembalian abnormal danlikuiditas.

Implikasi model kontrol persediaan Merton

(1987) serta Brunnermeier dan Pedersen (2006) adalahhubungan yang negatif antara likuiditas dan volatilitasidiosynkratis. Bali et al. (2005) menyarankan bahwahubungan antara volatilitas idiosynkratis dan tingkatpengembalian yang dinyatakan oleh Goyal dan Clara(2003) adalah bagian yang dipengaruhi oleh premilikuiditas. Spiegel dan Wang (2005) menggolongkansaham berdasarkan volatilitas idiosynkratis-nya danmenyatakan bahwa prosedur ini menghasilkan output

yang sama sebagaimana halnya klasifikasi berdasarkanlikuiditas bahwa saham dengan volatilitas idiosynkratisyang tinggi memiliki likuiditas yang rendah. Hubunganantara volatilitas idiosynkratis dan tingkatpengembalian dapat menjelaskan hubungan antaralikuiditas dan tingkat pengembalian serta size dantingkat pengembalian. Drew dan Veeraraghaven (2002)menyatakan bahwa premi size and volatilitasidiosynkratisy adalah nyata. Saham dengan ukuran kecildan tingkat volatilitas idiosynkratis yang tinggi justrumenghasilkan tingkat pengembalian yang superior.Temuan lainnya yakni bahwa volatilitas idiosynkratissangat berguna dalam menjelaskan ekspektasi tingkatpengembalian saham lintas-sektor.

Reaksi atas kinerja model asset pricing 1 faktor(CAPM) dalam menjelaskan tingkat pengembalianportofolio saham telah dilakukan baik itu dalamsemangat reformasi atau rekonstruksi model sehinggamuncul apa yang disebut sebagai model asset pricing

multifaktor. Dalam kaitannya tersebut, maka hipotesispenelitian ini adalah penambahan informasi mengenaisize, likuiditas, risiko sistematik dan volatilitasidiosynkratis sebagai tambahan faktor risiko pada modelmultifaktor akan meningkatkan daya prediksi modeldalam mengestimasi tingkat pengembalian portofoliosaham yang diharapkan dibanding model faktor tunggal.

Untuk melakukan penelitian ini penulismenggunakan data keuangan setiap emiten yangpernah dan tergabung dalam LQ-45: harga saham, mar-

ket value, dan book value periode harian, IHSG, danSBI-1 bulanan periode 2000-2007, sehingga data yangdigunakan oleh dalam penelitian ini merupakan datahistoris. Data tersebut diperoleh dengan caramendownload melalui website BEI dan BI diwww.jsx.co.id dan www.bi.gov.id .

Penelitian ini membentuk portofolio sahamberdasarkan klasifikasi ukuran perusahaan dan rasioB/M sesuai dengan hasil penelitian Fama dan French

4

JEB, Vol. 6, No. 1, Maret 2012: 1-23

(2003). Nilai median keseluruhan sampel digunakansebagai breakpoint untuk menetapkan perbedaanantara 2 kategori. Emiten dengan kapitalisasi pasarkurang dari nilai median dianggap sebagai emitendengan kapitalisasi pasar yang kecil dan sebaliknyayang lebih besar dari nilai median dianggap sebagaiemiten dengan kapitalisasi pasar besar. Klasifikasisaham berdasarkan indikator likuiditas juga akanmembagi saham ke dalam 2 kategori yang didasarkannilai median keseluruhan sampel per tahun yaitukategori high-liquid dan low-liquid, begitu juga halnyadengan kriteria systemic risk (high systemic risk danlow systemic risk) serta volatilitas idiosynkratis (high-IV dan low-IV).

Berdasarkan interseksi pengklasifikasi-antersebut, terbentuk 12 kategori portofolio saham, yaitubHLiq (Big Cap-High Liquidity), bLwLIQ (Big Cap-Low Liquidity), sHLiq (Small Cap-High Liquidity),sLLiq (Small Cap-Low Liquidity), bHSR (Big Cap-High

Systemic Risk), bLwSR (Big Cap-Low Systemic Risk),sHSR (Small Cap-High Liquidity), sLSR (Small Cap-Low Systemic Risk), bHIV (Big Cap-High idiosyncratic

volatility), bLwIV (Big Cap-low idiosyncratic volatil-

ity), sHIV (Small Cap-High idiosyncratic volatility),dan sLIV (Small Cap-Low idiosyncratic volatility).Variabel operasional penelitian adalah tingkatpengembalian saham adalah (Ri

t – Ri

t-1)/ (Ri

t-1); size

adalah log natural (nilai rata-rata kapitalisasi hariansaham i dimana cap harian adalah jumlah shares out-

standing x harga penutupan periode t); likuiditasadalah (LIQ it) = rata-rata volume perdagangan (t -2, t -1, t) / shares outstanding bulan t; Systemic Risk (BetaSaham) adalah â i,t = Cov(ri,rm) / Var(rm); dan Idiosyn-cratic Volatility (Malkiel dan Xu, 1997; Clayton et.al,2006) adalah standar deviasi residual estimasi betasaham (â)

Pre-test dilakukan untuk klarifikasi pengaruhsize, likuiditas saham, systemic risk, dan volatilitasidiosynkratis terhadap tingkat pengembalian sahamdan uji asumsi klasik yang mengacu kepada kriteriaBLUE, yakni tidak terjadi multikolinearitas, autokorelasi,dan heteroskedastisitas pada persamaan multiregresi.Hasil pre-test dapat dilihat pada lampiran.

Untuk menguji hipotesis yang telah diajukan,digunakan pendekatan multi regresi pada level sahamindividual dan portofolio saham. Pada model ini akanditambahkan faktor yang dianggap memiliki kapasitas

sebagai tambahan prediktor premi resiko kedalam modelasset pricing tunggal:

Rpi(t) = α +β[[Rm(t) – Rf(t)] + e(t) (Model 1.1)Rpi(t) = α +β[[Rm(t) – Rf(t)] +

cSMB(t) + e(t) (Model 1.2)Rpi(t) = α +β[[Rm(t) – Rf(t)] +

cHML_Liq(t) + e(t) (Model 1.3)Rpi(t) = α +β[[Rm(t) – Rf(t)] +

cHML_SR(t) + e(t) (Model 1.4)Rpi(t) = α +β[[Rm(t) – Rf(t)] +

cHML_IV(t) + e(t) (Model 1.5)

Dalam model multifaktor akan dikolaborasifaktor resiko yang diusulkan Fama dan French (size

dan likuiditas) dalam model asset pricing secara parsialdengan faktor penjelas tambahan (systemic risk danidiosyncratic-volatility):Rpi(t) = α +β[[Rm(t)-Rf(t)] + sSMB(t) +

cHMLiq(t) + e(t) (Model 2.1)Rpi(t) = α +β[[Rm(t)-Rf(t)] + sSMB(t) +

cHMSR(t) + e(t) (Model 2.2)Rpi(t) = α +β[[Rm(t)-Rf(t)] + sSMB(t) +

cHMIV(t) + e(t) (Model 2.3)Rpi(t) = α +β[[Rm(t)-Rf(t)] + hHMLiq(t) +

cHMSR(t) + e(t) (Model 2.4)Rpi(t) = α +β[[Rm(t)-Rf(t)] + hHMLiq(t) +

cHMIV(t) + e(t) (Model 2.5)Rpi(t) = α +β[[Rm(t)-Rf(t)] + hHMSR(t) +

cHMIV(t) + e(t) (Model 2.6)Rpi(t) = α +β[[Rm(t) – Rf(t)] + sSMB(t) +

h1HMLiq(t) + h2HMSR + h3HMIV e(t)

Rpi(t) = tingkat pengembalian portofolio sahami periode ke t

Rm (t) – Rf(t) = nilai rata-rata excess return dikurangi

risk free rate periode ke tSMB(t) = return portofolio SMB; (sHLiq + sLLiq

+ sHSR + sLSR + sHIV + sLIV) - (bHLiq+ bLwLIQ + bHSR + bLwSR + bHIV +bLwIV) periode ke t

HML-Liq(t) = return portofolio HML-Liq; (bHLiq +sHLiq)-(bLwLiq +sLwLiq) periode ke t

HML-SR(t) = return portofolio HML-SR; (bHSR +sHSR)-(bLwSR +sLwSR) periode ke t

HML-IV(t) = return portofolio HML-IV; (bHIV +sHIV)-(bLwIV +sLwSR) periode ke t

5


b, s, h1-h3 = Koefisien regresi

Tahap selanjutnya adalah uji signifikansisimultan dan parsial terhadap seluruh model asset pric-

ing dan perluasannya. Relevansi portfolio saham yangterbentuk dilakukan dengan menggunakan alat ukurIndeks-Sharpe, Indeks-Treynor, dan Jensen-Alpha.Treynor Index (reward to volatility ratio)mengemukakan bahwa risiko terdiri dari dua komponenyaitu risiko yang timbul akibat fluktuasi pasar dan risikoyang muncul dari fluktuasi unik sekuritas individualdari suatu portofolio (Reilly dan Brown, 2000).Selanjutnya diasumsikan bahwa portofolioterdiversifikasi dengan optimum, karenanya risiko uniksekuritas individual dapat diabaikan. Melalui asumsiini, Treynor mengukur kinerja portofolio berdasarkanrisiko sistematis atau beta sebagai risiko fluktuatif relatifterhadap risiko pasar (Sharpe, Alexander dan Bailey,1999). Pengukuran dengan metode Treynordiformulasikan sebagai berikut (Jones, 2000):

Treynor Indeks = (Erp – Rf) / βp

ER(p) : Expected Return PortofolioRf : Risk Free Rate

Âp : Beta Portofolio

Semakin tinggi nilai positif rasio Treynor,semakin baik kinerja portofolio.

Jensen-Alpha (differential return measure)memperkenalkan metode ini dalam mengukur kinerjainvestasi Reksa Dana pada tahun 1968. Metode Jensenmengukur kinerja investasi suatu portofolio didasarkanatas pengembangan CAPM. Menurut Jones (2000:587)perhitungan dengan metode Jensen diformulasikansebagai berikut:

αρ = (Rp – Rf) – [βp(Rm – Rf)]

αρ : Jensen AlphaRp : Return PortofolioRf : Risk Free RateÂp : Beta Portofolio

Kinerja portofolio dapat dilihat dari nilai alpha,apabila alpha bernilai positif berarti kinerja portofolioyang lebih tinggi daripada kinerja pasar.

Pengukuran dengan metode Indeks Sharpe, didasarkanpada apa yang disebut premi risiko. Premi risiko adalahperbedaan (selisih) antara return rata-rata portofoliodan investasi bebas resiko (risk free asset). IndeksSharpe membagi premi risiko dengan standar deviasiportofolio selama pengukuran, dimana standar deviasimerupakan risiko total. Dengan demikian, Shapemengukur premi risiko yang dihasilkan dari setiap unitrisiko yang ada. Dengan perhitungan tersebut, semakintinggi nilai pengukuran, semakin baik kinerja yangdihasilkan. Pengukuran Indeks Sharpe diformulasikansebagai berikut:

Sj = (Ri - Rf ) / σj

Sj = Indeks SharpeRj = return rata-rata portofolio j selama jangka waktu

pengukuranRf = return rata-rata aset bebas risiko selama jangka

waktu pengukuranσj = standar deviasi portofolio j selama jangka waktu

pengukuran

HASIL PENELITIAN

Berdasarkan Tabel 1 diperoleh nilai rata-rata tingkatpengembalian portofolio dan faktor risiko selamaperiode penelitian. Kecuali portofolio sLwIV dansLwLIQ, hampir seluruh portofolio saham yangterbentuk memiliki tingkap pengembalian bulananpositif dengan rentang 0,03%-0,39% per bulan. Nilaitingkat pengembalian tertinggi dihasilkan olehportofolio bHIV dengan rata-rata tingkat pengembaliansebesar 0,39% per bulan, sementara tingkatpengembalian terendah dihasilkan oleh portofoliosaham sLwIV dengan nilai negatif (0,06%). Dilihatberdasarkan size, portofolio saham dengan ukuranbesar secara umum masih menghasilkan tingkatpengembalian yang lebih tinggi (0,09%-0,39%)dibanding portofolio saham size kecil (-0,06% s/d0,11%).

6

JEB, Vol. 6, No. 1, Maret 2012: 1-23

Tabel 1

Deskripsi Statistik

Portofolio N Min Max Mean Std. Dev

bHLIQ 96 -4.72% 3.02% 0.18% 0.88%bLwLIQ 96 -2.19% 1.93% 0.17% 0.62%sHLIQ 96 -1.56% 6.67% 0.08% 1.01%sLwLIQ 96 -4.77% 3.24% -0.05% 1.00%bHSR 96 -4.72% 2.36% 0.16% 0.94%bLwSR 96 -1.79% 5.04% 0.26% 0.84%sHSR 96 -3.88% 3.24% 0.03% 0.88%sLwSR 96 -4.77% 3.08% 0.11% 0.99%bHIV 96 -4.72% 4.93% 0.39% 1.13%bLwIV 96 -1.30% 1.86% 0.09% 0.51%sHIV 96 -4.77% 6.89% 0.15% 1.32%sLwIV 96 -1.14% 1.23% -0.06% 0.45%

Berdasarkan perhitungan empiris (Tabel 2, panelA-F), hasil uji signifikansi prediktor untuk tingkat sahamindividual adalah beragam, dimana untuk tahun 2000prediktor yang digunakan (size, likuiditas, risikosistematis, dan volatilitas idiosynkratis) secara simultanhanya berpengaruh signifikan pada periode Januari,April, Juni, dan September dengan kemampuanmenjelaskan variasi tingkat pengembalian sahamsebesar 35,37%-96,5%. Pada periode 2001 prediktorhanya berpengaruh signifikan secara simultan padabulan Januari, Juni, Juli, dan September dengankemampuan menjelaskan variasi tingkat pengembaliansaham sebesar 32,9%-99,6%.

Untuk periode 2002, kecuali pada bulan Maret,Juli, Agustus, dan September keempat prediktor secarasimultan memiliki pengaruh yang signifikan terhadaptingkat pengembalian saham. Dengan koefisiendeterminasi sebesar 41,74%-99,13%. Secara parsial,volatilitas idiosynkratis dan size memiliki pengaruhsignifikan yang positif terhadap tingkat pengembaliansaham. Pada periode ini hasil pengaruh signifikanempiris pada risiko sistematis dan likuiditas sahamsecara parsial menunjukan gejala anomali terhadaptingkat pengembalian saham.

Pada tahun 2003, kecuali pada bulan Maret, Juli,dan November keempat prediktor secara simultanmemiliki pengaruh yang signifikan terhadap tingkatpengembalian saham dengan kemampuan menjelaskanvariasi tingkat pengembalian saham sebesar 26,5%-

94,33%. Secara parsial, volatilitas idiosynkratis,likuiditas saham, dan size memiliki pengaruh signifikanyang positif terhadap tingkat pengembalian saham.Anomali justru dihasilkan oleh arah signifikansipengaruh parsial risiko sistematis saham.

Selanjutnya pada tahun 2004, kecuali padabulan Juni dan September keempat prediktor secarasimultan berpengaruh signifikan terhadap tingkatpengembalian saham dengan kemampuan menjelaskanvariasi tingkat pengembalian saham sebesar 21,8%-98,9%. Secara parsial volatilitas idiosynkratis sebagianbesar masih berpengaruh positif terhadap tingkatpengembalian saham. Gejala anomali dihasilkan olehlikuiditas saham (-) dan risiko sistematis (-) dengansignifikansi pengaruh yang negatif terhadap tingkatpengembalian saham.

Keempat prediktor secara simultan jugaberpengaruh signifikan terhadap return saham padatahun 2005, kecuali pada bulan April, Agustus, Sep-tember, dan Desember dengan rentang kemampuanmenjelaskan variasi sebesar 20,67%-99,84%. Secaraparsial pola signifikansi pengaruh simultan nampakhanya diikuti oleh volatilitas idiosynkratis dan tetapmenunjukan arah yang positif terhadap tingkatpengembalian saham. Signifikansi pengaruh positifjuga dihasilkan variabel size dan risiko sistematis padaperiode ini. Gejala anomali masih ditunjukkan olehlikuiditas saham (-) dengan arah signifikansi pengaruhyang asimetris terhadap tingkat pengembalian saham.

Pada tahun 2006, signifikansi simultan terjadipada sebahagian besar periode kecuali bulan Mei danAgustus dengan kapasitas menjelaskan variasi tingkatpengembalian sebesar 25,14%-79,7%. Secara parsial,volatilitas idiosynkratis dan size berpengaruh signifikandengan arah positif terhadap tingkat pengembalian,arah sebaliknya ditunjukkan oleh risiko sistematis.Sementara likuiditas saham (-) dan risiko sistematis (-)masih menghasilkan anomali dengan signifikansipengaruh dengan arah yang berlawanan terhadap teoriinvestasi secara umum.

Pada tahun 2007, signifikansi simultan terjadipada sebahagian besar periode kecuali bulan Agustusdengan kapasitas menjelaskan variasi tingkatpengembalian sebesar 26,67%-70,4%. Secara parsial,volatilitas idiosynkratis, risiko sistematis, dan size

berpengaruh signifikan dengan arah yang positifterhadap tingkat pengembalian. Likuiditas saham masih

7


menghasilkan anomali dengan signifikansi pengaruhyang negatif terhadap tingkat pengembalian saham.

PEMBAHASAN

Dalam hal ini akan dilakukan komparasi antara modeltunggal dan perluasannya terhadap kapasitas modeldalam menjelaskan variasi ekspektasi tingkatpengembalian portofolio saham yang terbentuk secarasimultan dan parsial. Secara keseluruhan faktor betamemiliki pengaruh signifikan yang positif portofoliosaham bHLIQ, bHSR, sHSR, bHIV, bLwIV, dan SlwIVdengan kemampuan menjelaskan variasi ekspektasitingkat pengembalian portofolio berkisar 4,37%-8,12%.Panel B adalah hasil uji dengan mengikutsertakan faktorSMB ke dalam model CAPM. Perubahan yang terjadinampak pada signifikansi simultan yang terjadi padaseluruh portofolio saham yang terbentuk (kecualisHLIQ dan sHLIQ). Secara parsial, proksi size tidakberpengaruh terhadap portofolio saham dengan ukurankecil yang tingkat likuiditasnya tinggi (sHLI) dan tingkatvolatilitas idiosynkratis yang rendah (sLWIV). Denganditambahkannya faktor size juga menambahkan dayakemampuan menjelaskan variasi tingkat pengembalianportofolio menjadi 6.84%-49,21%. Pada model 1.3 (PanelC) prediktor ekspektasi tingkat pengembalian adalahtingkat pengembalian pasar dan proksi likuiditas saham.Secara parsial, faktor pasar memiliki pengaruh positifyang signifikan terhadap ekspektasi tingkatpengembalian portofolio saham (bHLiq, sLwLiq, bHSR,sHSR, bHIV, dan bLwIV) sementara di sisi lain kecualipada portofolio sLWLiq proksi likuiditas saham memilikipengaruh signifikan positif terhadap ekspektasi tingkatpengembalian tiga portofolio saham (bHLiq, sHLiq,bLwSR, dan bHIV). Secara keseluruhan, kedua prediktormemiliki kemampuan menjelaskan variasi dari ekspektasitingkat pengembalian portofolio sebesar 9,09%-48,75%.

Untuk panel D, prediktor tambahan yangdigunakan adalah proksi risiko sistematis saham.Berdasarkan hasil perhitungan empiris diperoleh hasilbahwa secara simultan dua prediktor ini memilikipengaruh yang signifikan (kecuali portofolio bLwLiq,sLwLiq, dan sHIV) terhadap ekspektasi tingkatpengembalian portofolio saham. Pada level parsial,proksi pasar hanya memiliki pengaruh signifikan padaekspektasi tingkat pengembalian portofolio sahamdengan tingkat likuiditas yang tinggi (bHLiq dan sHLiq)

dan volatilitas idiosynkratis [(+) tinggi; (-) rendah] padasaham dengan ukuran besar, sementara pengaruhproksi risiko sistematis memiliki pola pengaruhsignifikan positif yang segmented (hanya kepadaportofolio kelompok likuiditas). Ditambahkannya proksilikuiditas ke dalam model CAPM meningkatkankemampuan dalam menjelaskan variasi ekspektasitingkat pengembalian portofolio sebesar 5,08%-30,53%.

Pada panel E, prediktor tambahan yangdigunakan adalah proksi volatilitas idiosynkratissaham. Berdasarkan hasil perhitungan empiris diperolehhasil bahwa secara simultan dua prediktor ini memilikipengaruh yang signifikan (kecuali portofolio bLwLiqdan sLwIV) terhadap ekspektasi tingkat pengembalianportofolio saham. Pada level parsial, proksi pasar hanyamemiliki pengaruh signifikan pada ekspektasi tingkatpengembalian portofolio yang terbentuk dari sahamdengan tingkat likuiditas yang tinggi (bHLiq); tingkatrisiko sistematis yang tinggi (bHSR, dan sHSR);pengaruh positif untuk portofolio kelompok volatilitasidiosynkratis. Penambahan proksi volatilitasidiosynkratis pada model CAPM meningkatkankemampuan model dalam menjelaskan variasiekspektasi tingkat pengembalian portofolio sebesar7,66%-58,58%.

Model multifaktor portofolio awal mengacu padamodel Fama dan French yang menyatakan bahwaterdapat faktor lain selain pasar yang memiliki potensidalam menjelaskan variasi ekspektasi tingkatpengembalian portofolio saham. Hasil model Fama danFrench dapat dilihat pada panel F (model 2.1) Prediktordalam model adalah faktor pasar, proksi size, danlikuiditas saham. Secara simultan ketiga prediktormemiliki pengaruh yang signifikan terhadap ekspektasitingkat pengembalian seluruh portofolio saham (kecualisLwIV) yang terbentuk. Secara parsial, faktor pasarmemiliki pengaruh signifikan yang positif terhadapseluruh kelompok portofolio yang dipengaruhinya.Secara disparitas, proksi size memiliki pengaruhsignifikan positif pada ekspektasi tingkat pengembalianportofolio ukuran kecil (sHLiq, sLwLiq, sHSR, sLwSR,dan sHSR) dan negatif untuk ukuran besar (bLwLiq,bHSR, dan bHIV). Sementara proksi likuiditas hanyaberpengaruh signifikan terhadap empat portofolio(bHLiq, sHLiq, sLwLiq, dan bLwSR). Secarakeseluruhan, daya kemampuan prediktor dalammenjelaskan variasi ekspektasi tingkat pengembalian

8

JEB, Vol. 6, No. 1, Maret 2012: 1-23

portfolio yang terbentuk adalah 13,38%-62,03%.Pada panel G (model 2.2), prediktor likuiditas

diganti dengan proksi risiko sistematis. Secara simultan,ketiga prediktor memiliki pengaruh yang signifikanterhadap ekspektasi tingkat pengembalian seluruhportofolio saham (kecuali sHLiq) yang terbentuk. Secaraparsial, faktor pasar memiliki pengaruh signifikan yangpositif terhadap seluruh kelompok portofolio yangdipengaruhinya. Secara disparitas, proksi size memilikipengaruh signifikan positif pada ekspektasi tingkatpengembalian portofolio ukuran kecil (sLwLiq, sHSR,sLwSR, dan sHIV) dan negatif untuk ukuran besar(bHLiq, bLwLiq, bHSR, bLwSR, bHIV, dan bLwIV).Sementara proksi risiko sistematis berpengaruhsignifikan negatif terhadap portofolio dengan tingkatrisiko sistematik yang rendah dan sebaliknya pengaruhpositif dengan tingkat risiko yang tinggi. Koefisiendeterminasi hasil perhitungan empiris dari ketigaprediktor ini adalah 8,68%-50,07%.

Pada model 2.3 (Panel H) prediktor risikosistematis diganti dengan proksi volatilitasidiosynkratis. Secara simultan ketiga prediktor memilikipengaruh yang signifikan terhadap ekspektasi tingkatpengembalian seluruh portofolio saham (kecuali sLwIV)yang terbentuk. Secara parsial, faktor pasar tetapberpengaruh signifikan positif terhadap seluruhkelompok portofolio yang dipengaruhinya. Secaradisparitas, proksi size berpengaruh signifikan positifpada ekspektasi tingkat pengembalian portofolioukuran kecil dan negatif untuk ukuran besar untukseluruh kelompok portofolio saham. Sementara proksivolatilitas idiosynkratis berpengaruh signifikan positifterhadap seluruh kelompok portofolio yangdipengaruhinya. Kisaran koefisien determinasi hasilperhitungan empiris dari ketiga prediktor ini adalah12,01%-74,92%.

Pada model 2.4 (Panel I) prediktor pada modelmultifaktor adalah faktor pasar, proksi likuiditas, danrisiko sistematis. Secara simultan seluruh prediktorberpengaruh signifikan terhadap ekspektasi tingkatpengembalian portofolio saham (kecuali bLwLiq dansHIV). Secara parsial, faktor pasar memiliki pengaruhsignifikan yang positif terhadap seluruh kelompokportofolio yang dipengaruhinya. Proksi likuiditassaham hanya berpengaruh signifikan terhadap enamportfolio (bHLiq, sHLiq, sLwLiq, bHSR, bLwSR, bHIV,dan bHIV). Proksi risiko sistematis berpengaruh

signifikan negatif terhadap portofolio dengan tingkatrisiko sistematik yang rendah dan sebaliknya pengaruhpositif dengan tingkat risiko yang tinggi. Koefisiendeterminasi hasil perhitungan empiris dari modelberkisar 8,78%-48,79%.

Pada model 2.5 (Panel J) prediktor modelmultifaktor adalah faktor pasar, proksi likuiditas, danvolatilitas idiosynkratis. Secara simultan seluruhprediktor berpengaruh signifikan terhadap ekspektasitingkat pengembalian portofolio saham (kecuali bLwLiqdan sLwIV). Secara parsial, faktor pasar memilikipengaruh signifikan yang positif terhadap seluruhkelompok portofolio yang dipengaruhinya. Proksilikuiditas saham hanya berpengaruh signifikanterhadap enam portofolio (bHLiq, sLwLiq, bHSR, sHSR,bHIV, dan sLwIV). Lebih lanjut dilihat dari arahpengaruhnya, proksi likuiditas saham berpengaruhnegatif terhadap portofolio small size yanglikuiditasnya rendah dan risiko sistematis yang tinggi.Sementara proksi volatilitas idiosynkratis berpengaruhsignifikan positif terhadap seluruh kelompok portofolioyang dipengaruhinya. Koefisien determinasi hasilperhitungan empiris dari model ini berkisar 12,10%-60,73%.

Pada model 2.6 (Panel K) prediktor modelmultifaktor adalah faktor pasar, risiko sistematis, danvolatilitas idiosynkratis. Secara simultan seluruhprediktor berpengaruh signifikan terhadap ekspektasitingkat pengembalian portofolio saham (kecualibLwLiq). Secara parsial, faktor pasar memiliki pengaruhsignifikan yang positif hanya pada portfolio bHIV danbLwIV. Proksi risiko sistematis saham hanyaberpengaruh segmented terhadap portofoliokelompoknya sendiri dengan arah pengaruh positifuntuk portofolio yang berisiko tinggi dan negatif untuktingkat risiko yang rendah. Sebaliknya proksi volatilitasidiosynkratis berpengaruh signifikan positif terhadapseluruh kelompok portofolio yang dipengaruhinya.Koefisien determinasi hasil perhitungan empiris darimodel ini berkisar 8,28%-58,92%.

Pada model 3.1 (Panel L) prediktor modelmultifaktor adalah faktor pasar, likuiditas saham, risikosistematis, dan volatilitas idiosynkratis. Secara simultanseluruh prediktor berpengaruh signifikan terhadapekspektasi tingkat pengembalian portofolio saham.Secara parsial, faktor pasar tetap berpengaruh signifikanpositif terhadap kelompok portofolio yang

9


dipengaruhinya. Kecuali portofolio bHLiq dan sLwIV,proksi size berpengaruh signifikan terhadap seluruhkelompok portofolio. Secara disparitas, proksi size

berpengaruh signifikan positif pada ekspektasi tingkatpengembalian portofolio ukuran kecil dan negatif untukukuran besar untuk seluruh kelompok portofolio saham.Sedangkan proksi likuiditas, hanya berpengaruhterhadap portofolio saham kelompok likuiditas.Demikian juga halnya dengan proksi risiko sistematissaham yang hanya berpengaruh segmented terhadapportofolio kelompoknya sendiri dengan arah pengaruhpositif untuk portofolio yang berisiko tinggi dan negatifuntuk tingkat risiko yang rendah. Sebaliknya proksivolatilitas idiosynkratis berpengaruh signifikan positifterhadap seluruh kelompok portofolio yangdipengaruhinya. Koefisien determinasi hasilperhitungan empiris untuk model ini berkisar 11,5%-74,94%.

Berdasarkan penjelasan tersebut secara garisbesar hasil empiris penelitian mendukung penelitianterdahulu dalam menyikapi kontradiksi titik sentralCAPM-nya Sharpe (1964) yang menyatakan bahwaekspektasi tingkat pengembalian saham adalah fungsilinier positif dari beta pasarnya. CAPM juga menyatakanbahwa terdapat reward untuk mentoleransi risikosistematis yang diukur dengan premi risiko pasar.Implikasi CAPM menyatakan bahwa risikoidiosynkratis dapat dieliminir dalam portofolio yangterdiversifikasi dan karenanya investor tidak akanmemperoleh reward atas perilaku mentolerir risikoidiosynkratis.

Malkiel dan Xu (1997), Drew dan Veeraraghaven(2002); serta Clayton et al. menyatakan kontradiksiCAPM dengan mengobservasi bahwa volatilitasidiosynkratis memiliki harga dalam pasar dan karenanyaberhubungan dengan tingkat pengembalian saham.Hasil kalkulasi empiris juga menyatakan bahwa size danvolatilitas idiosynkratis adalah premi yang nyata danpervasif. Hasil kalkulasi empiris tersebut jugamenunjukkan bahwa saham dengan volatilitasidiosynkratis yang tinggi dan rendah menghasilkantingkat pengembalian yang superior, sementara untuklevel portofolio pengaruh proksi ini juga sebahagianbesar positif terhadap seluruh kelompok portofoliosaham yang terbentuk. Penelitian ini juga mendukungMalkiel dan Xu (2000) dan Clayton et al. (2006) yangmenyatakan bahwa volatilitas idiosynkratis berguna

dalam menjelaskan ekspektasi tingkat pengembaliansecara cross-section dan karenanya juga sebagaipenjelasan alternatif untuk kesimpulan yang dinyatakanFama dan French (1992).

Evaluasi kinerja portofolio dilakukan denganmenggunakan 3 alat ukur, yakni: Indeks-Treynor, Al-pha-Jensen, dan Indeks-Sharpe. Berdasarkan Tabel 4(Panel A-C), tampak kriteria Treynor-Index selamaperiode penelitian menunjukkan bahwa kinerja portfo-lio belum maksimal (ditunjukkan dengan indeksportofolio yang masih negatif) baik itu kategorilikuiditas, risiko sistematis atau volatilitas idiosynkratis.Periode penelitian sampai dengan tahun 2004 masihdihasilkan beberapa portofolio yang menunjukkanindeks positif, tetapi nilai ini masih harus dicermatidengan melihat koefisien beta portofolionya. Sesudahtahun 2004 hampir seluruh portofolio saham memilikiindeks negatif. Hal ini berarti ekspektasi tingkatpengembalian portofolio masih lebih kecil dibandingrisk free rate sehingga apabila dikomparasi terhadaprisiko fluktuatif relatif terhadap risiko pasar meng-hasilkan nilai indeks yang negatif. Dengan pendekatanJensen-Alpha, kinerja portofolio dapat dilihat dari nilaialpha; dimana apabila alpha bernilai positif berartimenunjukkan kinerja portofolio yang lebih tinggidaripada kinerja pasar. Berdasarkan hasil perhitungan,diperoleh tidak satupun portofolio yang memiliki indekspositif. Kondisi ini secara ringkas dapat dikatakanbahwa tingkat pengembalian portofolio selama periodepenelitian masih inferior terhadap resiko sistematisnyayang di satu sisi berfungsi sebagai multiplier padakinerja pasar. Mengacu kepada indeks-Sharpe, secaraumum premi risiko seluruh portofolio masih tinggiselama periode penelitian. Hal ini ditunjukkan denganindeks yang negatif pada seluruh portofolio selamaperiode penelitian. Dengan kata lain, tingkatpengembalian portofolio masih lebih rendah dibandingtingkat pengembalian rata-rata aset bebas risiko.

Berdasarkan hasil evaluasi dengan 3 alat ukurdapat diperoleh informasi bahwa aspek size, likuiditassaham, dan risiko sistematis tidak serta merta menjaminportofolio yang terbentuk menghasilkan konsensusperihal accepted risk yang reliable versus tingkatpengembalian yang diharapkan. Pernyataan ini semakindikonfirmasi apabila kriteria pembentukkan portofoliomempertimbangkan volatilitas idiosynkratis sahamemiten.

10

JEB, Vol. 6, No. 1, Maret 2012: 1-23

SIMPULAN DAN SARAN

Simpulan

Penelitian ini bertujuan untuk membuktikan signifikansivolatilitas idiosynkratis saham terhadap tingkatpengembalian portofolio saham dan melakukanevaluasi kinerja portfolio yang terbentuk dengan alatukut indeks Treynor, Alpha-Jensen, dan indeks Sharpe.Hasil penelitian menunjukkan bahwa untuk modelfaktor tunggal dan variasi model multifaktorkecenderungan yang dihasilkan adalah signifikansipengaruh yang positif terhadap expected return port-folio saham. Hasil empiris lainnya adalah penambahanproksi idiosynkratis, memang terbukti meningkatkandaya prediksi model dalam menjelaskan variasi expected

return portfolio saham pada seluruh model asset pric-ing yang digunakan. Hasil evaluasi dengan 3 alat ukurmenyatakan bahwa aspek size, likuiditas, dan risikosistematis saham masih belum menunjukkan kinerjaportfolio yang optimal bahkan setelah dilakukanperluasan pada seluruh model dengan menambahvolatilitas idiosynkratis saham emiten. Penelitian inimasih memiliki beberapa keterbatasan, yaitu jumlahsampel yang masih sedikit dan periode penelitian yangpendek (7 tahun) dan formasi pembentukan portofolio(tahunan), proksi volatilitas yang digunakan masihterlalu umum (hanya volatilitas idiosynkratis), danindikator risiko masih mengacu kepada standar deviasi

Saran

Berdasarkan keterbatasan penelitian tersebut, hasilpenelitian ini diharapkan dapat memberikan saran atauimplikasi bagi penelitian selanjutnya, yaitu jikadimungkinkan menambah periode pembentukkanportofolio, misalnya bulanan, triwulan, kuartal, dan persemester sehingga dapat memberikan informasi yanglebih komprehensif mengenai kinerja portofolio yangterbentuk dengan pendekatan yang digunakan,menambah ukuran resiko portofolio, misalnya risk re-

duce yang dihitung dengan parameter value at risk,dan menambah kriteria saham pembentuk portofolio,seperti saham yang termasuk dalam kategori winner-looser, underpriced-overpriced.

DAFTAR PUSTAKA

Amihud, Y. Mendelson, H. 1986. “Asset pricing andthe bid-ask spread”. Journal of Financial Eco-

nomics, 17, 223-249.

Amihud, Y. 2002. “Illiquidity and stock Returns: Cross-section and time-series effects”. Journal of Fi-

nancial Market,s 5; 31-56.

Anderson, D., Clarkson, P., Moran, S. 1997. “The asso-ciation between information, liquidity and twostock market anomalies: the size effect and sea-sonalities in equity returns”. Accounting Re-

search Journal 10, 6-19.

Ang, A., Hodrick, R., Xing, Y., Zhang, X. 2006. “Thecross-section of volatility and expected re-turns”. Journal of Finance 61, 259-299.

Bali, T., Cakici, N., Yan, X., Zhang, Z. 2005. “Does idio-syncratic risk really matter?” Journal of finance

60, 905-929.

Ball, R., Brown, P., Officer, R. 1979. “Asset pricing inthe Australian industrial equity market”. Aus-

tralian Journal of Management 1, 1-32.

Banz, R. 1981. “The relationship between return andmarket value of common stocks”. Journal of

Financial Economics 9, 3-18.

Beedles, W., Dodd, P., Officer, R. 1988. “Regularities inAustralian share returns”. Australian Journal

of Management 13, 1-29.

Bhandari, L. 1988. “Debt/Equity ratio and expectedcommon stock returns: Empirical evidence”.Journal of Finance 43, 507-528.

Brown, P., Kleidon, A., Marsh, T. 1983. “New evidenceon the nature of size-related anomalies in stockprices”. Journal of Financial Economics 12,

33-56.

11


Brunnermeier, M., Pedersen, L. 2006. Market liquidityand funding liquidity. Working paper, PrincetonUniversity.

Chan, H., Faff, R. 2003. “An investigation into the roleof liquidity in asset pricing: Australian Evi-dence”. Pacific-Basin Finance Journal 11, 555-572.

Clayton, Louise. Michael Dempsey, dan M.Veeraraghaven. 2006. Are Beta, Firm Size andIdiosyncratic Volatility related to Stock Return?Australian Evidence. Working Paper, Dept ofAccounting and Finance, Monash University.

Constantinides, G. 1986. “Capital market equilibrium withtransaction costs”. Journal of Political

Economy 94, 842-862.

Drew, M dan M. Veeraraghaven. 2002. IdiosyncraticVolatility: Evidence from Asia. Discussion Pa-

per, No. 107, Maret, Queensland University ofTechnology.

Faff, R. 1991. “A likelihood ratio test of the zero-betaCAPM in Australian equity returns”. Account-

ing and Finance 31, 88-95.

Faff, R. 2001. “An examination of the Fama and Frenchthree-factor model using commercially availablefactors”. Australian Journal of Management

26, 1-17.

Fama, E., French, K. 1992 “The cross-section of ex-pected stock returns”. Journal of Finance 47,427-465.

Fama, E., French, K. 1993. “Common risk factors in thereturns on stocks and bonds”. Journal of Fi-

nancial Economics 33, 3-56.

Fama, E., French, K. 1996. “Multifactor explanations ofasset pricing anomalies”. Journal of Finance

51, 55-84.

Fama, E., French K. 1998. “Value versus growth: Theinternational evidence”. Journal of Finance 53,

1975-1999.

Gaunt, C. 2004. “Size and book to market effects andthe Fama French three factor asset pricingmodel: evidence from the Australianstockmarket”. Accounting and Finance 44, 27-44.

Goyal, A., Santa-Clara, P. 2003. “Idiosyncratic risk mat-ters”. Journal of Finance 58, 975-1008.

Halliwell, J., Heaney, R., Sawicki, J. 1999. “Size and bookto market effects in Australian share markets: Atime series analysis”. Accounting Research

Journal 12, 122-137.

Horowitz, J., Loughran, T., Savin, N. 2000. “Three analy-ses of the firm size premium”. Journal of Em-

pirical Finance 7, 143-153.

Lintner, J. 1965. “The valuation of risk assets and theselection of risky investments in stock portfo-lios and capital budgets”. Review of Econom-

ics and Statistics, 13-37.

Malkiel, B., Xu, Y. 1997. “Risk and return revisited”.Journal of Portfolio Management 23, 9-14.

Malkiel, B., Xu, Y. 2006. Idiosyncratic risk and securityReturns, Working paper, Princeton University.

Marshall, B., Young, M. 2003. “Liquidity and stock re-turns in pure order-driven markets: evidencefrom the Australian stock market”. International

Review of Financial Analysis 12, 173-188.

Merton, R. 1987. “A simple model of capital market equi-librium with incomplete information”. Journal

of Finance 42, 483-510.

Moosa, I., Bollen., B. 2002. “A benchmark for measur-ing bias in estimated daily value at risk”. Inter-

national Review of Financial Analysis 11, 85-100.

O’Hara, M. 2003. “Presidential address: Liquidity andprice discovery”. Journal of Finance 58, 1335-

12

JEB, Vol. 6, No. 1, Maret 2012: 1-23

1354.

Rosenberg, B., Reid, K., Lanstein, R. 1985. “Persuasiveevidence of market inefficiency”. Journal of

Portfolio Management 11, 9-17.

Sharpe, W. 1964. “Capital asset prices: a theory of mar-ket equilibrium under conditions of risk”. Jour-

nal of Finance 19, 425–442.

Spiegel, M., Wang, X. 2005. Cross-sectional variationin stock returns: Liquidity and idiosyncratic risk.Working paper, Yale University.

Wood, J. 1991. “A cross-sectional regression test ofthe mean-variance efficiency of an Australianvalue weighted market portfolio”. Accounting

and Finance 31, 96-109.

13


Systematic Idiosyncratic

(Constant) Ln_Size Liquidity Risk Volatility R² DW Sig.F

Jan Koefisien -0.0173 0.0001 0.6435 0.0054 0.1906 0.4890 1.78 0.000Sig.t 0.4916 0.9511 0.3998 0.0042 0.0022

Feb Koefisien -0.0204 0.0007 0.5792 0.0020 0.0335 0.1755 2.07 0.187Sig.t 0.1590 0.3288 0.2676 0.1389 0.4454

Mar Koefisien 0.0026 -0.0001 -0.4957 0.0007 -0.0464 0.0448 1.97 0.648Sig.t 0.8669 0.9137 0.5183 0.7115 0.2744

Apr Koefisien -0.0319 0.0010 0.1653 -0.0019 0.0860 0.3537 2.44 0.007Sig.t 0.0037 0.0458 0.7470 0.0422 0.0122

May Koefisien -0.0290 0.0011 -2.2313 0.0011 0.0327 0.1148 2.18 0.420Sig.t 0.1150 0.2152 0.1063 0.8360 0.6000

Juni Koefisien -0.0069 0.0002 1.0190 0.0035 0.1684 0.9649 1.58 0.000Sig.t 0.7942 0.8538 0.7109 0.0175 0.0000

Juli Koefisien 0.0142 -0.0007 -0.1075 0.0004 -0.0747 0.1545 2.06 0.252Sig.t 0.0927 0.0633 0.8950 0.6538 0.1495

Agust Koefisien -0.0138 0.0004 0.5982 -0.0025 0.1106 0.1139 1.67 0.424Sig.t 0.1531 0.3986 0.4906 0.2824 0.1340

Sept Koefisien 0.0226 -0.0013 1.4726 0.0024 -0.1487 0.4334 1.52 0.001Sig.t 0.0830 0.0610 0.3515 0.6635 0.0002

Oct Koefisien 0.0112 -0.0005 2.1441 0.0014 -0.1808 0.1995 2.10 0.130Sig.t 0.4012 0.3745 0.0782 0.3159 0.0281

Nov Koefisien 0.0055 -0.0001 -0.2632 0.0007 -0.1030 0.1363 2.42 0.321Sig.t 0.3625 0.8259 0.8011 0.5369 0.0392

Dec Koefisien 0.0010 -0.0002 0.6064 -0.0009 -0.0705 0.0423 2.39 0.847Sig.t 0.9228 0.7290 0.6583 0.6608 0.3163

Panel B. Tahun 2001



Jan Koefisien -0.0336 0.0016 -0.5849 0.0021 0.0277 0.5140 2.24 0.000Sig.t 0.0000 0.0000 0.5904 0.0750 0.3213

Feb Koefisien -0.0169 0.0010 -1.6771 0.0008 -0.0941 0.1716 2.25 0.198Sig.t 0.2089 0.1154 0.1282 0.5536 0.2382

Mar Koefisien -0.0218 0.0007 -1.1635 0.0026 0.0685 0.0958 1.90 0.131Sig.t 0.0673 0.2241 0.0343 0.1015 0.1403

Apr Koefisien -0.0094 0.0002 -0.2579 -0.0006 0.0713 0.0955 2.42 0.524Sig.t 0.1842 0.6066 0.3958 0.6331 0.1256

May Koefisien 0.0052 0.0000 0.5610 -0.0017 0.0318 0.1265 1.80 0.364Sig.t 0.6575 0.9909 0.0622 0.5442 0.6050

Tabel 2

Hasil Model Multifaktor Level Saham

Panel A. Tahun 2000

14

JEB, Vol. 6, No. 1, Maret 2012: 1-23

Juni Koefisien -0.0063 0.0001 -0.1005 0.0018 0.2321 0.6583 1.94 0.000Sig.t 0.3021 0.6501 0.7757 0.2137 0.0000

Juli Koefisien -0.0057 0.0001 0.4574 0.0016 0.1805 0.9960 2.14 0.000Sig.t 0.4507 0.8235 0.2049 0.0706 0.0000

Agust Koefisien -0.0006 -0.0001 0.1675 0.0007 0.0170 0.0917 1.84 0.545Sig.t 0.7685 0.1894 0.2422 0.5390 0.5867

Sept Koefisien -0.0044 -0.0002 -0.3106 -0.0056 0.1169 0.3290 2.20 0.013Sig.t 0.2051 0.2829 0.2250 0.0360 0.0218

Oct Koefisien -0.0008 0.0001 0.1553 0.0000 -0.0619 0.1396 1.61 0.308Sig.t 0.8004 0.5473 0.6200 0.9725 0.0562

Nov Koefisien -0.0029 0.0000 -0.1723 -0.0023 0.0482 0.1654 2.00 0.216Sig.t 0.5060 0.9881 0.7608 0.0486 0.2349

Dec Koefisien 0.0000 0.0001 -0.7416 0.0025 0.0245 0.2211 2.32 0.092Sig.t 0.9886 0.3901 0.0341 0.0640 0.4689

Panel C. 2002



Jan Koefisien -0.0045 0.0001 0.9536 -0.0036 0.1740 0.3846 2.12 0.004Sig.t 0.3953 0.6202 0.0951 0.1191 0.0110

Feb Koefisien -0.0014 0.0002 -0.2103 -0.0091 -0.0714 0.4275 2.29 0.001Sig.t 0.7971 0.5304 0.7547 0.0000 0.1167

Mar Koefisien -0.0016 0.0006 -1.3985 0.0008 -0.0777 0.1300 2.02 0.080Sig.t 0.8364 0.1028 0.0311 0.4855 0.1353

Apr Koefisien -0.0029 -0.0001 0.0852 -0.0001 0.2784 0.5318 1.45 0.000Sig.t 0.7804 0.8278 0.9125 0.9459 0.0000

May Koefisien -0.0045 0.0002 0.2243 -0.0027 -0.0581 0.2535 2.32 0.053Sig.t 0.3698 0.4498 0.5558 0.0126 0.0679

Juni Koefisien -0.0063 -0.0001 0.1634 -0.0051 0.1901 0.9913 2.23 0.000Sig.t 0.4222 0.8060 0.7093 0.0026 0.0000

Juli Koefisien -0.0010 -0.0003 0.3109 -0.0032 0.0137 0.1038 1.89 0.477Sig.t 0.8696 0.2983 0.7600 0.1146 0.6775

Agust Koefisien -0.0015 -0.0001 -0.0676 0.0008 0.0499 0.2236 2.11 0.088Sig.t 0.6546 0.4259 0.9248 0.4308 0.1483

Sept Koefisien 0.0039 -0.0005 -0.0227 0.0047 -0.0033 0.1476 1.84 0.277Sig.t 0.7694 0.4909 0.9884 0.0726 0.9269

Oct Koefisien -0.0166 0.0004 -1.0742 0.0004 0.1407 0.4174 1.20 0.002Sig.t 0.1759 0.4925 0.2456 0.9073 0.0002


Dec Koefisien -0.0221 0.0010 0.0843 0.0055 0.2250 0.9707 1.82 0.000Sig.t 0.1740 0.2603 0.9455 0.0384 0.0000

15


Panel D. 2003



Jan Koefisien -0.0171 0.0005 -0.9687 -0.0005 0.1750 0.9433 1.63 0.000Sig.t 0.0482 0.2426 0.3102 0.4330 0.0000

Feb Koefisien -0.0118 0.0006 0.8755 -0.0041 0.0791 0.6483 1.57 0.000Sig.t 0.1667 0.1771 0.4334 0.0001 0.0008

Mar Koefisien -0.0046 0.0003 -0.9934 -0.0019 0.0410 0.0154 2.01 0.357Sig.t 0.7168 0.6834 0.6116 0.3879 0.1563

Apr Koefisien -0.0020 0.0001 1.5886 0.0016 0.2852 0.7999 2.38 0.000Sig.t 0.8612 0.9143 0.1038 0.0397 0.0000

May Koefisien -0.0125 0.0005 0.4978 -0.0026 0.1684 0.4695 2.00 0.000Sig.t 0.4348 0.4929 0.4043 0.0169 0.0001

Juni Koefisien -0.0376 0.0015 -0.5685 -0.0015 0.1443 0.6709 1.39 0.000Sig.t 0.0040 0.0135 0.2271 0.0588 0.0006

Juli Koefisien 0.0025 -0.0001 0.9397 0.0040 0.0923 0.1992 2.18 0.131Sig.t 0.8888 0.8768 0.3437 0.0849 0.0549

Agust Koefisien 0.0021 -0.0004 1.7493 -0.0028 0.2262 0.6029 1.94 0.000Sig.t 0.9232 0.7021 0.0666 0.1809 0.0000

Sept Koefisien -0.0235 0.0012 0.2191 0.0000 0.0590 0.2649 1.94 0.043Sig.t 0.0370 0.0222 0.6547 0.9740 0.2478

Oct Koefisien -0.0326 0.0013 -0.0715 -0.0019 0.1456 0.2811 1.80 0.032Sig.t 0.0315 0.0489 0.8816 0.2410 0.0206


Dec Koefisien -0.0092 0.0004 2.2255 -0.0025 0.1450 0.5120 1.66 0.000Sig.t 0.6505 0.7036 0.0023 0.3287 0.0561

Panel E. 2004




Feb Koefisien -0.0212 0.0009 -0.4472 -0.0030 0.2805 0.4153 1.66 0.002Sig.t 0.1489 0.1973 0.0408 0.0334 0.0020

Mar Koefisien 0.0021 -0.0001 0.3409 -0.0005 -0.1084 0.2180 1.59 0.019Sig.t 0.8695 0.9245 0.0205 0.7938 0.0415

Apr Koefisien -0.0323 0.0013 -0.2970 0.0071 0.2450 0.6785 2.20 0.000Sig.t 0.0014 0.0061 0.0079 0.0134 0.0002

May Koefisien -0.0242 0.0004 -0.9490 -0.0010 0.2373 0.9890 2.28 0.000Sig.t 0.1099 0.5504 0.0014 0.8042 0.0000

Juni Koefisien -0.0006 0.0000 0.3296 -0.0016 -0.0246 0.0762 2.17 0.639Sig.t 0.9468 0.9795 0.2680 0.3506 0.6833

Juli Koefisien -0.0017 0.0000 0.3151 -0.0006 0.1643 0.5049 1.99 0.000

16

JEB, Vol. 6, No. 1, Maret 2012: 1-23

Sig.t 0.5988 0.8784 0.2260 0.4375 0.0010Agust Koefisien -0.0064 0.0003 -0.4654 -0.0008 0.1347 0.2696 1.88 0.040

Sig.t 0.2162 0.2005 0.0659 0.5084 0.0068Sept Koefisien 0.0159 -0.0004 0.0510 0.0020 -0.0850 0.1663 2.13 0.213

Sig.t 0.2747 0.5405 0.9124 0.0446 0.2729Oct Koefisien -0.0047 0.0001 -1.0678 0.0009 0.3321 0.4866 2.51 0.000

Sig.t 0.7815 0.9371 0.0557 0.5745 0.0000Nov Koefisien -0.0022 0.0006 0.6741 0.0015 -0.2161 0.4850 1.47 0.000

Sig.t 0.9219 0.5203 0.2793 0.4231 0.0002Dec Koefisien -0.0392 0.0015 -0.2570 0.0005 0.2810 0.4161 2.07 0.002

Sig.t 0.0010 0.0036 0.4608 0.7441 0.0012

Panel F. 2005



Jan Koefisien -0.0185 0.0008 -0.1435 0.0010 0.1110 0.2598 1.70 0.047Sig.t 0.0368 0.0374 0.6610 0.1679 0.0534

Feb Koefisien 0.0044 -0.0004 -0.0271 -0.0033 0.3083 0.7793 2.31 0.000Sig.t 0.7811 0.6056 0.9357 0.0000 0.0001

Mar Koefisien -0.0131 0.0003 0.0635 -0.0006 0.2315 0.9803 1.61 0.000Sig.t 0.3395 0.6321 0.8072 0.7130 0.0000

Apr Koefisien -0.0011 -0.0001 -0.1809 0.0050 0.0858 0.1820 1.91 0.170Sig.t 0.9411 0.8811 0.5576 0.0319 0.1488

May Koefisien 0.0000 0.0000 0.0147 -0.0012 0.9832 0.9984 2.10 0.000Sig.t 0.9480 0.2867 0.5741 0.0000 0.0000

Juni Koefisien -0.0137 0.0006 -0.5598 0.0004 0.1500 0.3754 1.42 0.005Sig.t 0.0526 0.0573 0.0132 0.6285 0.0178

Juli Koefisien -0.0085 0.0002 0.1651 0.0006 0.1947 0.3325 2.50 0.012Sig.t 0.4040 0.6003 0.6173 0.5368 0.0139

Agust Koefisien -0.0121 0.0005 -0.3822 0.0006 -0.1620 0.2426 2.19 0.064Sig.t 0.3900 0.3808 0.4371 0.8567 0.0268

Sept Koefisien 0.0009 0.0001 -0.1755 -0.0028 -0.1032 0.1085 1.65 0.452Sig.t 0.9442 0.8039 0.7179 0.2702 0.2886

Oct Koefisien -0.0110 0.0003 0.2171 -0.0020 0.1378 0.2518 2.01 0.050Sig.t 0.2608 0.5500 0.5917 0.0956 0.0545


Dec Koefisien -0.0184 0.0009 -0.7376 0.0004 0.1740 0.2544 2.12 0.052Sig.t 0.0566 0.0414 0.0842 0.7951 0.0096

17


Panel G. 2006




Feb Koefisien 0.0001 -0.0003 1.4767 -0.0023 0.1645 0.4635 1.48 0.001Sig.t 0.9943 0.5829 0.0023 0.0482 0.0926

Mar Koefisien -0.0175 0.0006 -0.4754 -0.0029 0.3011 0.4845 1.73 0.000Sig.t 0.0082 0.0312 0.0350 0.0228 0.0007

Apr Koefisien -0.0063 0.0000 0.2065 -0.0042 0.3981 0.4179 2.71 0.002Sig.t 0.5694 0.9310 0.4930 0.0155 0.0002

May Koefisien -0.0018 -0.0003 0.4480 -0.0020 0.0103 0.1162 2.61 0.413Sig.t 0.8921 0.6380 0.1229 0.5703 0.8803


Juli Koefisien -0.0205 0.0009 0.5198 -0.0065 -0.0184 0.6386 1.78 0.000Sig.t 0.0419 0.0348 0.0316 0.0002 0.6962

Agust Koefisien 0.0022 -0.0001 0.0944 0.0010 0.1345 0.1824 2.14 0.169Sig.t 0.8625 0.8279 0.8403 0.5207 0.0829

Sept Koefisien 0.0096 -0.0002 -0.1167 -0.0009 -0.1465 0.3681 2.28 0.005Sig.t 0.6706 0.8775 0.8601 0.6465 0.0975

Oct Koefisien -0.0424 0.0017 -0.8728 0.0002 0.3408 0.4951 2.16 0.000Sig.t 0.0024 0.0033 0.0293 0.8394 0.0000

Nov Koefisien -0.0465 0.0019 -0.1265 0.0015 0.1463 0.3831 2.65 0.004Sig.t 0.0008 0.0010 0.6874 0.3783 0.0297

Dec Koefisien -0.0102 0.0002 1.0054 -0.0047 0.2975 0.7970 1.50 0.000Sig.t 0.5319 0.7860 0.0312 0.0505 0.0046

Panel H. 2007



Jan Koefisien -0.0140 0.0001 0.0028 0.0023 0.4538 0.7040 1.97 0.000Sig.t 0.3617 0.8238 0.9885 0.1222 0.0000

Feb Koefisien -0.0252 0.0008 -0.0664 -0.0019 0.3295 0.4168 1.74 0.002Sig.t 0.0814 0.1817 0.6297 0.2137 0.0080

Mar Koefisien -0.0305 0.0012 0.0060 -0.0004 0.1515 0.2667 2.05 0.008Sig.t 0.0029 0.0055 0.9462 0.6841 0.1919

Apr Koefisien 0.0362 -0.0013 0.1160 0.0069 -0.0580 0.2725 1.55 0.038Sig.t 0.2413 0.3114 0.5647 0.0400 0.3685

May Koefisien -0.0204 0.0008 0.0764 -0.0012 0.1480 0.4266 1.92 0.001Sig.t 0.3847 0.4059 0.5208 0.3991 0.0049


Juli Koefisien -0.0055 0.0003 0.2278 0.0071 -0.0816 0.2758 1.74 0.036

18

JEB, Vol. 6, No. 1, Maret 2012: 1-23

Sig.t 0.8395 0.7822 0.0878 0.1672 0.2006Agust Koefisien -0.0314 0.0012 -0.1588 0.0005 0.0189 0.1549 2.67 0.250

Sig.t 0.0413 0.0471 0.1027 0.8786 0.7311Sept Koefisien -0.0224 0.0010 0.1766 -0.0004 0.1131 0.4104 1.85 0.002

Sig.t 0.0599 0.0529 0.0623 0.7679 0.0714Oct Koefisien -0.0312 0.0012 -0.1042 0.0081 0.2381 0.3868 1.68 0.004

Sig.t 0.0526 0.0907 0.4421 0.0698 0.0365Nov Koefisien -0.0322 0.0012 0.0738 -0.0012 0.1203 0.4952 1.39 0.000

Sig.t 0.0036 0.0136 0.5243 0.3887 0.0435Dec Koefisien 0.0012 -0.0004 -0.1183 -0.0012 0.3974 0.4546 2.10 0.001

Sig.t 0.8812 0.3171 0.2792 0.4825 0.0001

Hasil Model Multifaktor Level Portofolio

Panel A. Model 1.1

Portfolio Prediktor R² Rm sig.t

bHLIQ Rm-Rf 8.05% 0.078 0.005bLwLIQ 0.81% 0.018 0.384sHLIQ 3.18% 0.056 0.082sLwLIQ 1.53% 0.039 0.231bHSR 6.50% 0.075 0.012bLwSR 1.14% 0.028 0.300sHSR 5.32% 0.064 0.024sLwSR 0.20% 0.014 0.669bHIV 6.62% 0.091 0.011bLwIV 8.12% 0.046 0.005sHIV 0.32% 0.023 0.583sLwIV 4.37% 0.030 0.041

Panel B. Model 1.2

sig.t sig.t

Portfolio Prediktor R² Rm s Rm SMB sig.F

bHLIQ Rm-Rf 14.10% 0.07 -0.05 0.008 0.012 0.001bLwLIQ SMB 17.29% 0.01 -0.06 0.567 0.000 0.000sHLIQ 4.01% 0.06 0.02 0.071 0.372 0.149sLwLIQ 49.21% 0.06 0.17 0.015 0.000 0.000bHSR 18.37% 0.07 -0.08 0.019 0.000 0.000bLwSR 6.84% 0.02 -0.05 0.395 0.019 0.037sHSR 28.88% 0.08 0.11 0.002 0.000 0.000sLwSR 22.35% 0.03 0.12 0.354 0.000 0.000bHIV 24.13% 0.08 -0.12 0.017 0.000 0.000bLwIV 13.37% 0.04 -0.03 0.007 0.020 0.001sHIV 31.81% 0.04 0.18 0.222 0.000 0.000sLwIV 4.79% 0.03 0.01 0.037 0.527 0.102

19


Panel C. Model 1.3

sig.t sig.t

Portfolio Prediktor R² Rm HML_Liq Rm HML.Liq sig.F

bHLIQ Rm-Rf 33.42% 0.06 0.29 0.021 0.000 0.000bLwLIQ HML_Liq 1.36% 0.02 0.03 0.458 0.472 0.529sHLIQ 48.75% 0.02 0.44 0.365 0.000 0.000sLwLIQ 22.06% 0.06 -0.30 0.036 0.000 0.000bHSR 9.09% 0.07 0.10 0.025 0.107 0.012bLwSR 11.74% 0.01 0.18 0.588 0.001 0.003sHSR 9.46% 0.07 -0.12 0.010 0.042 0.010sLwSR 0.38% 0.02 -0.03 0.627 0.682 0.839bHIV 15.23% 0.07 0.22 0.033 0.003 0.000bLwIV 11.66% 0.04 0.06 0.012 0.056 0.003sHIV 1.99% 0.03 -0.11 0.456 0.211 0.392sLwIV 4.70% 0.03 0.02 0.055 0.571 0.106

Pnel D. Model 1.4

sig.t sig.t

Portfolio Prediktor R² Rm HML_SR Rm HML.SR sig.F

bHLIQ Rm-Rf 8.43% 0.08 -0.04 0.004 0.539 0.017bLwLIQ HML_SR 1.64% 0.01 0.04 0.501 0.377 0.463sHLIQ 5.08% 0.07 -0.09 0.048 0.176 0.088sLwLIQ 1.55% 0.04 0.01 0.255 0.882 0.484bHSR 20.32% 0.05 0.23 0.063 0.000 0.000bLwSR 13.47% 0.05 -0.20 0.071 0.000 0.001sHSR 16.72% 0.04 0.20 0.100 0.001 0.000sLwSR 30.53% 0.05 -0.37 0.076 0.000 0.000bHIV 7.55% 0.08 0.07 0.022 0.337 0.026bLwIV 9.74% 0.05 -0.04 0.003 0.199 0.009sHIV 0.52% 0.03 -0.04 0.533 0.667 0.784sLwIV 7.94% 0.02 0.06 0.098 0.061 0.021

Panel E. Model 1.5

sig.t sig.t

Portfolio Prediktor R² Rm HML_IV Rm HML.IV sig.F

bHLIQ Rm-Rf 16.49% 0.07 0.16 0.007 0.003 0.000bLwLIQ HML_IV 0.96% 0.02 0.02 0.403 0.701 0.637sHLIQ 11.93% 0.05 0.18 0.113 0.003 0.003sLwLIQ 25.85% 0.03 0.30 0.337 0.000 0.000bHSR 22.67% 0.07 0.23 0.016 0.000 0.000bLwSR 7.66% 0.02 0.13 0.383 0.012 0.025sHSR 14.07% 0.06 0.16 0.033 0.003 0.001sLwSR 16.11% 0.00 0.24 0.882 0.000 0.000bHIV 38.89% 0.08 0.39 0.010 0.000 0.000

20

JEB, Vol. 6, No. 1, Maret 2012: 1-23

Panel F. Model 2.1

sig.t Sig.t Sig.t

Portfolio Prediktor R² Rm s HML_Liq Rm SMB HML.Liq sig.F

bHLIQ Rm-Rf 33.85% 0.06 -0.02 0.27 0.022 0.442 0.000 0.000bLwLIQ SMB 17.93% 0.01 -0.07 -0.04 0.495 0.000 0.397 0.000sHLIQ HML_Liq 62.03% 0.03 0.10 0.54 0.227 0.000 0.000 0.000sLwLIQ 53.81% 0.07 0.15 -0.15 0.004 0.000 0.003 0.000bHSR 18.50% 0.07 -0.08 0.02 0.024 0.002 0.696 0.000bLwSR 13.38% 0.01 -0.03 0.15 0.613 0.190 0.010 0.004sHSR 28.95% 0.08 0.10 -0.02 0.003 0.000 0.759 0.000sLwSR 24.31% 0.02 0.13 0.10 0.477 0.000 0.126 0.000bHIV 26.38% 0.07 -0.10 0.12 0.030 0.000 0.097 0.000bLwIV 14.62% 0.04 -0.02 0.04 0.012 0.078 0.248 0.002sHIV 32.49% 0.04 0.19 0.08 0.281 0.000 0.337 0.000sLwIV 5.55% 0.03 0.01 0.03 0.052 0.367 0.392 0.153

Panel G. Model 2.2

sig.t Sig.t Sig.t

Portfolio Prediktor R² Rm s HML_SR Rm SMB HML.SR sig.F

bHLIQ Rm-Rf 14.90% 0.08 -0.06 -0.05 0.005 0.010 0.356 0.002bLwLIQ SMB 17.50% 0.01 -0.06 0.02 0.642 0.000 0.626 0.000sHLIQ HML_SR 5.66% 0.07 0.02 -0.09 0.044 0.454 0.208 0.145sLwLIQ 50.07% 0.05 0.17 0.06 0.031 0.000 0.210 0.000bHSR 29.62% 0.05 -0.07 0.21 0.081 0.001 0.000 0.000bLwSR 21.29% 0.04 -0.06 -0.22 0.091 0.003 0.000 0.000sHSR 44.42% 0.05 0.12 0.23 0.016 0.000 0.000 0.000sLwSR 47.49% 0.06 0.10 -0.34 0.019 0.000 0.000 0.000bHIV 24.38% 0.07 -0.12 0.04 0.025 0.000 0.584 0.000bLwIV 15.74% 0.05 -0.03 -0.05 0.003 0.012 0.111 0.001sHIV 31.84% 0.04 0.18 0.02 0.249 0.000 0.835 0.000sLwIV 8.68% 0.03 0.01 0.06 0.089 0.391 0.051 0.038

Panel H. Model 2.3

sig.t Sig.t Sig.t

Portfolio Prediktor R² Rm s HML_IV Rm SMB HML.IV sig.F

bHLIQ Rm-Rf 26.54% 0.06 -0.07 0.19 0.013 0.001 0.000 0.000bLwLIQ SMB 19.02% 0.01 -0.07 0.05 0.661 0.000 0.165 0.000sHLIQ HML_IV 12.01% 0.05 0.01 0.18 0.110 0.782 0.005 0.008sLwLIQ 61.53% 0.05 0.15 0.22 0.024 0.000 0.000 0.000

bLwIV 8.62% 0.05 0.02 0.006 0.479 0.015sHIV 58.58% 0.00 0.62 0.992 0.000 0.000sLwIV 4.67% 0.03 -0.02 0.038 0.589 0.108

21


bHSR 42.28% 0.05 -0.11 0.29 0.029 0.000 0.000 0.000bLwSR 16.76% 0.01 -0.06 0.17 0.565 0.002 0.001 0.001sHSR 32.66% 0.07 0.10 0.11 0.004 0.000 0.025 0.000sLwSR 31.56% 0.02 0.10 0.19 0.521 0.000 0.001 0.000bHIV 69.78% 0.06 -0.16 0.48 0.008 0.000 0.000 0.000bLwIV 14.89% 0.04 -0.03 0.04 0.011 0.011 0.203 0.002sHIV 74.92% 0.02 0.14 0.54 0.424 0.000 0.000 0.000sLwIV 5.29% 0.03 0.01 -0.02 0.033 0.443 0.488 0.170

Panel I. Model 2.4

sig.t Sig.t Sig.t

Portfolio Prediktor R² Rm HML_Liq HML_SR Rm HML_Liq HML_SR sig.F

bHLIQ Rm-Rf 33.49% 0.05 0.29 0.02 0.030 0.000 0.757 0.000bLwLIQ HML_Liq 2.48% 0.01 0.04 0.05 0.626 0.376 0.307 0.508sHLIQ HML_SR 48.79% 0.02 0.44 -0.01 0.346 0.000 0.777 0.000sLwLIQ 22.47% 0.07 -0.30 -0.04 0.028 0.000 0.486 0.000bHSR 25.56% 0.04 0.14 0.26 0.163 0.013 0.000 0.000bLwSR 20.69% 0.03 0.15 -0.17 0.198 0.005 0.002 0.000sHSR 18.89% 0.05 -0.09 0.18 0.055 0.120 0.002 0.000sLwSR 32.50% 0.06 -0.09 -0.38 0.039 0.105 0.000 0.000bHIV 17.46% 0.06 0.24 0.11 0.081 0.001 0.118 0.000bLwIV 12.59% 0.04 0.06 -0.03 0.008 0.087 0.326 0.006sHIV 2.46% 0.04 -0.12 -0.06 0.382 0.180 0.510 0.512sLwIV 8.78% 0.02 0.03 0.06 0.148 0.360 0.046 0.037

Panel J. Model 2.5

sig.t Sig.t Sig.t

Portfolio Prediktor R² Rm HML_Liq HML_IV Rm HML_Liq HML_IV sig.F

bHLIQ Rm-Rf 41.21% 0.05 0.29 0.15 0.028 0.000 0.001 0.000bLwLIQ HML_Liq 1.51% 0.01 0.03 0.01 0.477 0.479 0.714 0.705sHLIQ HML_IV 56.62% 0.02 0.44 0.17 0.490 0.000 0.000 0.000sLwLIQ 47.42% 0.05 -0.30 0.31 0.038 0.000 0.000 0.000bHSR 24.97% 0.06 0.09 0.23 0.032 0.096 0.000 0.000bLwSR 17.89% 0.01 0.18 0.13 0.709 0.001 0.010 0.000sHSR 18.49% 0.07 -0.12 0.16 0.013 0.028 0.002 0.000sLwSR 16.37% 0.01 -0.03 0.24 0.816 0.589 0.000 0.001bHIV 46.77% 0.06 0.21 0.39 0.031 0.000 0.000 0.000bLwIV 12.10% 0.04 0.06 0.02 0.014 0.059 0.500 0.008sHIV 60.73% 0.01 -0.13 0.62 0.730 0.027 0.000 0.000sLwIV 5.02% 0.03 0.02 -0.02 0.051 0.564 0.581 0.190

22

JEB, Vol. 6, No. 1, Maret 2012: 1-23

Panel K. Model 2.6

sig.t Sig.t Sig.t

Portfolio Prediktor R² Rm HML_SR HML_IV Rm HML_SR HML_IV sig.F

bHLIQ Rm-Rf 16.93% 0.08 -0.04 0.16 0.006 0.486 0.003 0.001bLwLIQ HML_SR 1.79% 0.01 0.04 0.01 0.521 0.383 0.714 0.644sHLIQ HML_IV 13.98% 0.06 -0.10 0.18 0.064 0.142 0.003 0.003sLwLIQ 25.85% 0.03 0.00 0.30 0.357 0.943 0.000 0.000bHSR 35.96% 0.04 0.23 0.23 0.083 0.000 0.000 0.000bLwSR 20.31% 0.04 -0.20 0.13 0.095 0.000 0.006 0.000sHSR 25.12% 0.04 0.20 0.16 0.133 0.000 0.002 0.000sLwSR 47.25% 0.04 -0.37 0.25 0.099 0.000 0.000 0.000bHIV 39.63% 0.07 0.07 0.39 0.020 0.291 0.000 0.000bLwIV 10.27% 0.05 -0.04 0.02 0.003 0.196 0.463 0.018sHIV 58.92% 0.00 -0.05 0.62 0.868 0.384 0.000 0.000sLwIV 8.28% 0.02 0.06 -0.02 0.092 0.060 0.560 0.046

Panel L. Model 3.1

sig.t Sig.t Sig.t Sig.t Sig.tPortfolio Prediktor R² Rm SMB HML_Liq HML_SR HML_IV Rm SMB HML_Liq HML_SR HML.IV sig.F

bHLIQ Rm-Rf 43.11% 0.05 -0.03 0.25 0.00 0.17 0.036 0.090 0.000 0.921 0.000 0.000

bLwLIQ SMB 19.97% 0.01 -0.07 -0.04 0.01 0.06 0.613 0.000 0.350 0.846 0.142 0.001

sHLIQ HML_Liq 66.07% 0.02 0.09 0.53 0.02 0.12 0.393 0.000 0.000 0.568 0.002 0.000

sLwLIQ HML_SR 68.10% 0.06 0.13 -0.18 0.01 0.24 0.005 0.000 0.000 0.774 0.000 0.000

bHSR HML_IV 52.50% 0.03 -0.09 0.04 0.21 0.28 0.166 0.000 0.426 0.000 0.000 0.000

bLwSR 34.03% 0.03 -0.06 0.08 -0.21 0.17 0.228 0.003 0.129 0.000 0.000 0.000

sHSR 47.76% 0.05 0.11 0.03 0.24 0.09 0.034 0.000 0.565 0.000 0.028 0.000

sLwSR 58.13% 0.05 0.08 -0.01 -0.35 0.20 0.027 0.000 0.804 0.000 0.000 0.000

bHIV 70.49% 0.05 -0.15 0.07 0.03 0.47 0.025 0.000 0.159 0.496 0.000 0.000

bLwIV 17.82% 0.04 -0.03 0.02 -0.05 0.04 0.007 0.025 0.516 0.146 0.208 0.003

sHIV 74.94% 0.02 0.14 0.01 -0.01 0.54 0.433 0.000 0.911 0.866 0.000 0.000

sLwIV 11.50% 0.02 0.02 0.05 0.07 -0.03 0.136 0.126 0.139 0.023 0.328 0.048

Tabel 4

Hasil Evaluasi Portfolio

Panel A. Indeks Treynor

Portfolio 2000 2001 2002 2003 2004 2005 2006 2007

bHLIQ 2.50 -11.48 0.97 -0.21 -0.39 -0.11 -39.21 -0.33bLwLIQ -10.06 -8.18 -2.79 -0.72 1.04 -0.12 -0.22 -0.32sHLIQ 1.26 -2.47 1.42 2.68 0.30 -0.14 -0.10 0.13sLwLIQ 3.07 -5.26 -39.21 0.47 0.26 -0.18 -0.67 -0.27bHSR 7.51 -5.46 0.88 -0.22 0.92 -0.14 0.29 -0.13bLwSR 11.83 -5.24 1.17 -0.79 -0.27 -0.13 0.47 0.97sHSR 22.39 -1.38 1.67 0.31 0.16 -0.15 -0.78 -0.11

23


sLwSR 16.61 -39.71 43.98 -0.53 0.36 -0.11 -0.11 -0.69bHIV -9.93 -2.69 1.22 -0.26 -0.55 -0.13 1.79 -0.48bLwIV 9.10 -11.25 -6.20 -0.46 0.43 -0.14 -0.42 -0.91sHIV 3.24 -1.35 18.60 0.30 0.25 -0.12 -0.18 0.06sLwIV 3.64 -3.60 13.23 -1.17 0.27 -0.14 -0.16 -0.11

Panel B. Alpha-Jensen

Portfolio 2000 2001 2002 2003 2004 2005 2006 2007

bHLIQ -0.15 -0.16 -0.17 -0.05 -0.06 -0.01 -0.11 -0.06bLwLIQ -0.14 -0.16 -0.14 -0.08 -0.08 -0.02 -0.05 -0.06sHLIQ -0.15 -0.15 -0.17 -0.09 -0.09 -0.03 0.02 -0.14sLwLIQ -0.15 -0.16 -0.15 -0.12 -0.09 -0.04 -0.10 -0.06bHSR -0.14 -0.16 -0.18 -0.05 -0.08 -0.03 -0.16 -0.03bLwSR -0.14 -0.16 -0.17 -0.08 -0.05 -0.03 -0.14 -0.09sHSR -0.14 -0.15 -0.16 -0.12 -0.10 -0.04 -0.10 -0.02sLwSR -0.14 -0.16 -0.15 -0.08 -0.09 -0.02 0.00 -0.08bHIV -0.14 -0.16 -0.17 -0.06 -0.06 -0.03 -0.12 -0.07bLwIV -0.14 -0.16 -0.15 -0.08 -0.08 -0.03 -0.08 -0.08sHIV -0.15 -0.14 -0.15 -0.12 -0.10 -0.02 -0.04 -0.21sLwIV -0.14 -0.16 -0.15 -0.09 -0.09 -0.03 -0.03 -0.02

Panel C. Indeks Sharpe

Portfolio 2000 2001 2002 2003 2004 2005 2006 2007

bHLIQ -10.67 -22.40 -21.43 -8.80 -10.13 -13.78 -21.52 -13.38bLwLIQ -28.47 -23.64 -21.92 -13.35 -8.31 -14.48 -47.93 -18.36sHLIQ -19.47 -30.25 -24.29 -4.60 -9.56 -17.16 -13.13 -11.19sLwLIQ -18.69 -21.53 -24.16 -12.47 -3.95 -13.98 -9.70 -16.92bHSR -9.93 -18.40 -22.53 -10.42 -7.29 -10.98 -20.17 -17.44bLwSR -29.57 -15.79 -23.10 -13.00 -11.42 -15.68 -7.66 -12.73sHSR -17.15 -32.81 -20.39 -11.74 -6.21 -20.06 -8.76 -23.09sLwSR -32.55 -16.78 -24.83 -6.13 -4.91 -9.99 -14.92 -21.91bHIV -6.30 -14.63 -24.46 -9.45 -7.94 -11.40 -17.55 -10.08bLwIV -31.97 -27.91 -27.74 -17.74 -13.34 -15.96 -55.91 -15.32sHIV -17.07 -18.35 -7.04 -10.12 -3.87 -9.83 -8.04 -12.14sLwIV -26.63 -46.81 -26.18 -21.64 -15.29 -20.99 -27.80 -23.98

VOL. 6, NO. 1, MARET 2012 ISSN: 1978 - 3116...2 JEB, Vol. 6, No. 1, Maret 2012: 1-23 dan menunjukkan...

Documents

Transcript of VOL. 6, NO. 1, MARET 2012 ISSN: 1978 - 3116...2 JEB, Vol. 6, No. 1, Maret 2012: 1-23 dan menunjukkan...