Arch/garch volatility untuk perhitungan value at risk tiga saham emiten penghasil cpo

Saham (stock) merupakan salah satu instrumen pasar keuangan yang paling popular. Saham dapat didefinisikan sebagai tanda penyertaan modal seseorang atau pihak (badan usaha) dalam suatu perusahaan atau perseroan terbatas. Keuntungan yang diperoleh investor dengan membeli atau memiliki saham adalah memperoleh dividen dan adanya capital gain yang merupakan selisih antara harga beli dan harga jual. Sebagai instrument investasi, saham juga memiliki risiko yaitu risiko capital loss dan risiko likuidasi. Dalam iklim globalisasi yang begitu dinamik, ketidakpastian merupakan hal yang harus diperhatikan. Dengan semakin besarnya ketidakpastian, berimplikasi pada semakin besarnya risiko yang dihadapi. Risiko secara luas dapat diartikan sebagai derajat ketidak pastian pengembalian dana di masa depan. Risiko di pasar modal diartikan sebagai penyimpangan dari penghasilan yang diharapkan. Risiko terjadi karena kondisi pada saat investor menanamkan modal untuk berinvestasi berbeda dengan saat investasi itu tengah berjalan. Salah satu risiko yang dihadapi investor dengan kepemilikan sahamnya adalah capital loss. Dalam aktivitas perdagangan saham, investor tidak selalu mendapatkan capital gain atau keuntungan atas saham yang dijualnya. Ada kalanya investor harus menjual saham dengan harga jual lebih rendah dari harga beli. Dengan demikian dapat dikatakan bahwa investor tersebut mengalami capital loss. Oleh karena itu dibutuhkan instrument pengukuran risiko capital loss supaya emiten dapat memprediksi berapa kerugian terbesar yang akan dideritanya dalam jangka waktu tertentu, sehingga investor dapat melakukan pengambilan keputusan investasi yang tepat. Pengukuran risiko merupakan hal yang sangat penting dalam analisis keuangan mengingat hal ini berkaitan dengan investasi dengan dana yang cukup besar dan seringkali berkaitan dengan dana publik. Salah satu aspek yang penting dalam analisis risiko adalah perhitungan Value at Risk yang merupakan pengukuran kerugian terburuk dalam kondisi pasar yang normal dalam kurun waktu tertentu dan dengan tingkat kepercayaan tertentu. Value at Risk telah menjadi ukuran standar untuk mengidentifikasi risiko ini. Indikator risiko yang akan digunakan dalam penelitian ini adalah volatilitas (σ) yang akan diperoleh dengan pendekatan Autoregressive Conditional Heteroscedasticity/Generalised Autoregressive Conditional Heteroscedastic (ARCH/GARCH). Volatilitas adalah pengukuran secara statistik variasi harga dari suatu instrument. Investor yang melakukan investasi dalam aset yang memiliki volatilitas tinggi akan cenderung menghadapi risiko yang lebih tinggi dibandingkan dengan investor yang melakukan investasi dalam aset yang memiliki volatilitas rendah. Dari volatilitas yang diperoleh pada confident level tertentu dan holding period tertentu dapat ditentukan Value at Risk yang menggambarkan maksimum potensi kerugian yang dihadapi dalam melakukan investasi pada saham, sehingga emiten dapat menghindari risiko capital loss dan dapat dengan aman berinvestasi. Penelitian ini bertujuan: (1) Mengukur volatilitas harga saham emiten AALI, LSIP dan UNSP dengan pendekatan ARCH/GARCH dan (2) Mengukur risiko investasi saham emiten AALI, LSIP dan UNSP Ruang lingkup penelitian adalah Pemodelan Volatilitas ARCH/GARCH, perhitungan VAR dan validasi model untuk tiga emiten penghasil CPO yaitu: (1) PT Astra Agro Lestari Tbk. (AALI) (2) PT Perusahaan Perkebunan London Sumatera Indonesia Tbk. (LSIP) (3) PT Bakrie Sumatera Plantations Tbk. (UNSP). Data yang di ambil dari ± 1000 (seribu) hari perdagangan (trading days) mulai dari 2 Januari 2006 – 17 Februari 2010. Penelitian ini dilaksanakan di Jakarta dengan menggunakan data sekunder yang diambil dari finance.yahoo.com. Kegiatan penelitian dan pengolahan data dilaksanakan dalam pada bulan Oktober 2010. Pemodelan dilakukan terhadap data return harian saham, yaitu dengan menggunakan logaritma natural antara harga hari ini dibagi harga satu hari yang lampau. Setelah itu, selanjutnya adalah pemodelan volatilitas. Sebelum pemodelan, data mengalami beberapa rangkaian pengujian yaitu, uji stasioneritas, normalitas dan heteroskedastisitas. Uji normalitas dengan menggunakan metode Jarque Bera dan sekaligus mengetahui nilai skewness dan kurtosis. Sementara heteroskedastisitas diuji dengan menggunakan metode White Hereroscedastisity Test. Ketidaknormalan data akan dikoreksi dengan menggunakan persamaan Cornish Fisher Expansion. Nilai alpha yang telah dikoreksi ini akan digunakan ketika menghitung nilai VAR harian. Hasil pengujian untuk seluruh emiten menunjukkan bahwa data bersifat stasioner, tidak normal dan terdapat efek heteroskedastisitas. Dengan demikian pemodelan volatilitas harus menggunakan model ARCH/GARCH. Sebelum pemodelan ARCH/GARCH, maka dilakukan pemodelan time series untuk mengetahui model time series mana yang paling sesuai dengan data tersebut. Pemodelan time series dilakukan dengan menganalisis hasil plot ACF dan PACF untuk mengetahui apakah data mengikuti pola AR, MA, ARMA atau ARIMA. Kriteria model terbaik adalah jika harga P (stat) yang diperoleh sudah signifikan. Hasil analisis menunjukkan bahwa data mengikuti pola ARIMA seasonal pada derajat differencing nol. Untuk ketiga emiten, hasil analisis time series untuk setiap emiten adalah: (1) AALI: (2,0,2)5 (2) LSIP: (3,0,4)5 (3) UNSP: (1,0,1)10. Selanjutnya adalah pemodelan ARCH/GARCH. Model time series yang sudah diperoleh diinput kedalam software Eviews untuk kemudian diolah. Kriteria model terbaik adalah mempunyai nilai P stat yang signifikan dan nilai AIC dan SIC yang terkecil. Hasil yang diperoleh: (1) AALI mengikuti model GARCH (1,1) (2) LSIP mengikuti model GARCH (2,1) sementara (3) UNSP mengikuti pola GARCH (2,1). Selanjutnya dilakukan perhitungan persistensi model GARCH dengan cara menjumlah nilai α dan β. Model dinyatakan persisten jika nilai persistensi mendekati satu. Hasil yang dipeoleh menunjukkan bahwa ketiga model GARCH sudah persisten dan stabil.. Selain itu, model GARCH yang diperoleh mengalami uji ARCH effect untuk mengetahui apakah volatilitas yang diperoleh masih bersifat homoskedastis atau heteroskedastis. Hasil yang diperoleh menunjukkan bahwa ARCH effect sudah hilang yang berarti data sudah bersifat homoskedastis. Dari hasil pemodelan GARCH, diperoleh volatilitas setiap saham. Dengan mengaplikasikan persamaan Value at Risk (VAR) maka diperoleh nilai VAR harian setiap emiten untuk 1000 hari perdagangan. Aspek terpenting dalam pemodelan VAR adalah pengujian validitas model tersebut atau yang lebih sering disebut sebagai backtesting. Backtesting dilakukan dengan membandingkan antara nilai VAR harian dengan nilai P/L (profit dan loss) harian yang sesungguhnya. Jika Loss yang diderita lebih besar dari VAR, maka hasil VAR pada hari tersebut dianggap failure atau tidak mengikuti kejadian sesungguhnya yang terjadi pada hari tersebut. Total jumlah failure untuk setiap emiten dihitung untuk kemudian dimasukkan kedalam persamaan TNoF (total number of failure) yang dibuat oleh Kupiec (1995). Kupiec menyatakan bahwa TNoF mengikuti aturan distribusi binomial pada confidence level yang telah ditentukan. Pada confidence level 95%, nilai Chi-Square (Confidence Level 95% dan Degree of Freedom 1) adalah 3.841. Hipotesis nol: model valid jika hasil persamaan Kupiec lebih kecil dari 3,841. Hasil yang diperoleh untuk total number of failure adalah: (1) AALI 39 failures (2) LSIP 32 failures dan (3) UNSP dengan 30 failures. Hasil uji Kupiec menunjukkan bahwa Hipotesis nol dapat diterima dengan demikian berarti bahwa model VAR untuk setiap emiten adalah valid dan dapat diterima. Tujuan penelitian yang terakhir adalah mencoba menganalisis emiten mana yang mempunyai faktor risiko tertinggi. Analisis dilakukan dengan menghitung VAR untuk 1 hari, 5 hari dan 10 hari bagi setiap emiten. Hasil yang diperoleh menujukkan bahwa urutan risiko dari tertinggi ke terendah adalah (1) UNSP (2) LSIP (3) AALI. Dengan demikian UNSP mempunyai faktor risiko investasi tertinggi dibandingkan emiten lainnya. Beberapa hal yang dapat disimpulkan dari hasil penelitian ini adalah: (1) Volatilitas return dari ketiga emiten bersifat heteroskedastis sehingga pendekatan ARCH/GARCH dapat digunakan untuk pemodelan forecast volatility (2) Model terbaik untuk ketiga emiten tersebut menggunakan model GARCH (1,1) untuk AALI dan LSIP sedangkan UNSP menggunakan model GARCH (2,1) (3) Model GARCH yang diperoleh, berdasarkan uji backtesting dan Kupiec Test, menunjukkan ketiga model tersebut valid pada confidence level 95% sehingga dapat digunakan untuk pengukuran VAR masing-masing emiten (4) Model GARCH yang diperoleh juga sudah persisten dan bebas dari efek ARCH (bersifat homoskedastis) (5) Dari antara ketiga emiten tersebut, UNSP adalah emiten dengan VAR yang tertinggi sehingga mempunyai faktor risiko tertinggi. Selanjutnya saran-saran bagi investor atau yang ingin melakukan penelitian lebih lanjut adalah sebagai berikut: (1) Jika hendak melakukan pemodelan ARCH/GARCH untuk obyek yang mempunyai perubahan harga yang ekstrim, maka peneliti harus memperpanjang rentang waktu (time span) data penelitian. Hal ini karena sifat model ARCH/GARCH yang memaksimumkan fungsi likelihood dimana semakin besar rentang waktu, maka nilai estimator akan konvergen menuju nilai yang sesungguhnya atau dengan kata lain model akan semakin akurat. (2) Perlu kajian lebih lanjut mengenai pengaruh koreksi alpha (Cornish Fisher Expansion) terhadap validitas model VAR (3) bagi investor, VAR adalah salah satu instrumen untuk manajemen risiko, namun selain VAR investor juga perlu mengetahui faktor risiko mana yang paling dominan. Dengan demikian investor akan semakin aman berinvestasi