analisis fenomena market anomaly month of the year...

ANALISIS FENOMENA MARKET ANOMALY MONTH OF THE YEAR

EFFECT TERHADAP RETURN

(Studi Kasus Indeks - Indeks Indonesia dan indeks World Major Tahun 2010 - 2016)

SKRIPSI

Diajukan Kepada Fakultas Ekonomi dan Bisnis

Untuk Memenuhi Persyaratan Memperoleh Gelar Sarjana Ekonomi

Oleh

ASRI LESTARI

NIM: 1112081000028

JURUSAN MANAJEMEN

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH

JAKARTA

1438 H/2017 M

vi

DAFTAR RIWAYAT HIDUP

IDENTITAS DIRI

Nama : Asri Lestari

Tempat Tanggal Lahir : Jakarta, 12 Juni 1994

Agama : Islam

Alamat : Jl. Syamsi 1 blok A No. 82 – 83 RT 01 RW 13 Villa

Ilhami. Karawaci – Tangerang 15810

Telp / HP : 021 54201628 / 0896 88682 592

Email : [email protected]

PENDIDIKAN FORMAL

2000 – 2006 SD Islamic Village

2006 – 2009 SMP plus Islamic Village

2009 – 2012 SMAN 8 Tangerang

2012 – 2017 Universitas Islam Negeri Syarif Hidayatullah Jakarta

PENDIDIKAN NON-FORMAL

2013 Peserta Sosialisasi Kebijakan Fiskal Dengan Materi

“Kebijakan Fiskal dalam Menghadapi Masyarakat

Ekonomi ASEAN dan Ekonomi Hijau” yang

Diselenggarakan oleh Badan Kebijakan Fiskal,

Kementerian Keuangan Republik Indonesia.

2013 Peserta “Seminar Sosialisasi Penghematan Listrik dan

Energi” yang Diselenggarakan Badan Eksekutif

Mahasiswa Fakultas Eknomi dan Bisnis UIN Jakarta.

vii

2014 Peserta Kegiatan Company Visit PT.Yakult Indonesia

Persada yang diselenggarakan oleh Himpunan

Mahasiswa Jurusan Manajemen Fakultas Ekonomi dan

Bisnis UIN Jakarta.

2014 Peserta Seminar Pasar Modal bersama Panin Sekuritas,

Panin Asset Management dan Bursa Efek Indonesia,

UIN Syarif Hidayatullah Jakarta

PENGALAMAN ORGANISASI

2009 – 2012 Anggota Ekstrakurikuler Karya Ilmiah Remaja (KIR)

SMAN 8 Tangerang

2013 – 2014 Anggota Divisi Informasi dan Komunikasi Himpunan

Mahasiswa Jurusan Manajemen UIN Syarif

Hidayatullah Jakarta

viii

ABSTRACT

This research aim is to analyze the market anomaly month of the year effect on return

in Indonesian and world major indexes during the period of 2010 – 2016. The sample

period divided into two sub-period, there are sub-period 2010 – 2013 and sub-period

2014 – 2016 in order to indicate the persistence of month of the year effect. The sample

selection method used in this research is a purposive sampling method or known as a

judgmental sampling method of weekly return from Indonesian’s indexes and world

major’s indexes based on certain criteria. As the result, the samples that meet the

criteria are consist of 6 Indonesian indexes (BISNIS27, JKSE, KOMPAS100, LQ45,

PEFINDO25, SRIKEHATI) and 4 world major’s indexes (CAC40 from France, DAX

from Germany, FTSE100 from England, IBEX35 from Spain). Ordinary least squares

(OLS) and Generalized Autoregressive Conditional Heteroskedasticity (GARCH) (1,

1) model is used to analyze the data. The finding shows anomaly month of the year

effect exists in some of Indonesia’s indexes and world major’s indexes during the

research period with various occurrences. A few number of month of the year effect

anomalies in earliest sub-period (2010 – 2013) diminishing in the next sub-period. In

conclusion that the intensity of month of the year anomalies is diminishing with time.

September effects can be found in most of Indonesian’s indexes such as JKSE in earlier

sub-period. January and April effect too can be found in the later sub-period. For the

major world indexes, May effect can be found in IBEX35 (Spain) in the earlier sub-

period and February effect can be found in FTSE100 (England) in the later sub-period.

The research also indicates that the month of the year effects were more persistent

among indexes with smaller market capitalization.

Keywords: market anomalies, month of the year effect, return, GARCH model

ix

ABSTRAK

Tujuan dari penelitian ini adalah untuk menganalisis anomali pasar month of the year

effect pada return indeks Indonesia dan indeks world major selama periode 2010 –

2016. Periode sampel dibagi menjadi dua sub-periode, sub-periode 2010 – 2013 dan

sub-periode 2014 – 2016 untuk menunjukan persistansi month of the year effect.

Metode pemilihan sampel pada penelitian ini adalah dengan menggunakan purposive

sampling method atau sering dikenal sebagai judgmental sampling method terhadap

return mingguan dari indeks Indonesia dan indeks world major berdasarkan kriteria

tertentu. Sebagai hasilnya, sampel yang memenuhi keriteria terdiri dari 6 indeks

Indonesia (BISNIS27, JKSE, KOMPAS100, LQ45, PEFINDO25, SRIKEHATI) dan 4

indeks world major (CAC40 dari Perancis, DAX dari Jerman, FTSE100 dari Inggris,

IBEX35 dari Spanyol). Model Ordinary least squares (OLS) dan Generalized

Autoregressive Conditional Heteroskedasticity (GARCH) (1, 1) digunakan untuk

menganalisa data. Temuan menunjukan bahwa anomaly month of the year effect ada

pada beberapa indeks Indonesia dan indeks world major selama periode penelitian

dengan beberapa kejadian. Jumlah beberapa anomali month of the year effect pada awal

sub-periode (2010 – 2013) semakin menurun pada sub-periode selanjutnya. Dapat

disimpulkan bahwa intensitas month of the year effect berkurang seiring dengan

berjalannya waktu. Efek September dapat ditemukan di sebagian besar indeks

Indonesia seperti JKSE pada sub-periode awal. Efek Januari dan April juga dapat

ditemukan di sub-periode selanjutnya, untuk indeks world major, efek bulan Mei dapat

ditemukan di IBEX35 (Spanyol) pada sub-periode awal dan efek Februari dapat

ditemukan pada FTSE100 (Inggris) pada sub-periode selanjutnya. Penelitian ini juga

menunjukan bahwa month of the year effect lebih persisten diantara indeks – indeks

dengan kapitalisasi pasar yang kecil.

Kata kunci: anomaly pasar, month of the year effect, return, model GARCH

x

KATA PENGANTAR

Bismillahirrahmanirrahim,

Segala Puji bagi Allah SWT, karena telah memberikan rahmat dan karunia-

NYA. Shalawat serta salam semoga selalu tercurahkan kepada junjungan besar Nabi

Muhammad SAW yang telah memberikan suri tauladan, serta kepada keluarga, para

sahabatnya dan kepada umatnya hingga akhir zaman.

Skripsi yang berjudul “Analisis Fenomena Market Anomaly Month of the year

effect Terhadap Return (Studi Kasus Indeks Indonesia dan indeks World Major

Tahun 2010 - 2016)” ini kami susun untuk memenuhi salah satu syarat guna

memperoleh gelar Sarjana Ekonomi pada Universitas Islam Negeri Syarif Hidayatullah

Jakarta.

Penulis menyadari bahwa dalam penyusunan dan penulisan skripsi ini tidak lepas

dari bantuan, bimbingan serta dukungan dari berbagai pihak. Oleh Karena itu, penulis

sampaikan rasa terima kasih yang sedalam – dalamnya kepada :

1. Allah SWT atas segala karunia, nikmat, hidayah, rahmat serta kasih sayang-Nya

sehingga penulis dapat menyelesaikan penulisan skripsi ini.

2. Kedua orang tua tercinta, yang selalu menasehati, mendoakan dan menjadi inspirasi

untuk penulis. Yang telah merawat dan membesarkan penulis dengan kasih sayang,

serta selalu memberikan semangan dan dukungan kepada penulis untuk segera

menyelesaikan skripsi ini.

3. Kakak dan adik tercinta, Rizka Utami Putri dan Muhammad Ilham Putradharma

yang telah mendoakan dan memberikan dukungannya kepada penulis untuk


4. Hari Aprianto dan Dara Mawar Jelita yang telah membantu penulis dengan

memberikan dukungan dan selalu memberi motivasi kepada penulis untuk segera


5. Bapak Dr. M. Arief Mufraini, Lc., M.Si selaku Dekan Fakultas Ekonomi dan Bisnis

Universitas Islam Negeri Syarif Hidayatullah Jakarta.

6. Ibu Titi Dewi Warninda, M.Si selaku Ketua Jurusan Manajemen Fakultas Ekonomi

dan Bisnis Universitas Islam Negeri Syarif Hidayatullah Jakarta.

7. Ibu Dr. Hj. Pudji Astuty, SE., MM selaku dosen pembimbing I yang telah

meluangkan waktunya untuk membimbing penulis dalam penyelesaian skripsi ini

xi

dan tak henti memberikan semangat kepada penulis sejak awal hingga akhirnya

skripsi ini terselesaikan.

8. Bapak Taridi Kasbi Ridho, SE., MBA, sebagai dosen pembimbing II yang telah

bersedia membantu membimbing penulis dalam menyelesaikan skripsi ini dari

sejak awal penulisan hingga sripsi ini selesai.

9. Seluruh Bapak/Ibu Dosen Fakultas Ekonomi dan Bisnis Universitas Islam Negeri

Syarif Hidayatullah Jakarta yang telah sabar dan ikhlas mendidik dan memberikan

ilmunya kepada penulis. Insha Allah ilmu yang diberikan dapat bermanfaat.

10. Seluruh staf pengajar dan karyawan Universitas Islam Negeri Syarif Hidayatullah

Jakarta yang telah membantu penulis dalan proses penyelesaian skripsi ini.

11. Hersinta Pusdika, Annisa Rivelia, Fikri Choirunnisa, Yulvie Sabriani, Lutfi wijaya,

Achmad Fauzi, Alilfikram Mughofir yang sejak awal perkuliahan sudah menjadi

teman baik, tempat berbagi suka dan duka.

12. Rekan Manajemen Keuangan 2012 yang selalu ada setiap saat untuk mengingatkan

tugas, mengerjakan tugas dan pertemanan yang indah.

13. Sahabat/i Manajemen 2012 seperjuangan, yang selama ini bersedia bertukar

pikiran, saling menasehati dan memberikan motivasi. Sukses untuk kita semua!

Akhir kata, dengan penuh rasa hormat dan kerendahan hati, saya mengucapkan

terima kasih kepada semua pihak yang tidak dapat disebutkan satu persatu. Semoga

segala bentuk bantuan yang telah diberikan mendapat pahala yang berlipat dari Allah

SWT. Penulis berharap semoga skripsi ini dapat memberikan manfaat bagi penulis

serta pembaca.

Tangerang, 6 April 2017

(Asri Lestari)

xii

DAFTAR ISI

HALAMAN JUDUL ................................................................................................ i

LEMBAR PENGESAHAN SKRIPSI ........................................................... ii

LEMBAR PENGESAHAN UJIAN KOMPREHENSIF ............................ iii

LEMBAR PENGESAHAN UJIAN SKRIPSI ............................................. iv

LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH ...................... v

DAFTAR RIWAYAT HIDUP ...................................................................... vi

ABSTRACT ................................................................................................... viii

ABSTRAK ...................................................................................................... ix

KATA PENGANTAR ..................................................................................... x

DAFTAR ISI .................................................................................................. xii

DAFTAR TABEL ........................................................................................ xiv

DAFTAR GAMBAR .................................................................................... xvi

DAFTAR LAMPIRAN ............................................................................... xvii

BAB I PENDAHULUAN .......................................................................... 1

A. Latar Belakang Masalah ........................................................................ 1

B. Rumusan Masalah ................................................................................. 7

C. Tujuan Penelitian .................................................................................. 7

D. Manfaat Penelitian ................................................................................ 8

BAB II TINJAUAN PUSTAKA ................................................................ 9

A. Landasan Teori ...................................................................................... 9

1. Pasar Modal ..................................................................................... 9

a. Pengertian Pasar Modal............................................................. 9

b. Manfaat Pasar Modal .............................................................. 10

c. Fungsi Pasar Modal ................................................................. 11

d. Jenis Pasar Modal .................................................................... 12

2. Pasar Modal Efisien ...................................................................... 13

3. Market Anomaly ............................................................................ 17

a. Pengertian Market Anomaly .................................................. 17

b. Jenis Anomali Pasar............................................................... 19

c. Month of the year Effect ........................................................ 21

xiii

4. Return Saham ................................................................................ 23

B. Penelitian Terdahulu ........................................................................... 24

C. Kerangka Pemikiran ............................................................................ 41

D. Perumusan Hipotesis ........................................................................... 44

BAB III METODE PENELITIAN .......................................................... 45

A. Ruang lingkup penelitian .................................................................... 45

B. Metode penentuan sampel ................................................................... 45

C. Metode Pengumpulan Data ................................................................. 46

D. Metode Analisis Data .......................................................................... 47

E. Operasional variable............................................................................ 57

BAB IV HASIL DAN PEMBAHASAN .................................................. 59

A. Sekilas Gambaran Umum Objek Penelitian ........................................ 59

1. Gambaran Umum Indeks yang termasuk Indeks

Indonesia ....................................................................................... 59

a. JKSE ...................................................................................... 59

b. LQ45 ...................................................................................... 59

c. BISNIS27............................................................................... 62

d. KOMPAS100......................................................................... 64

e. PEFINDO25 .......................................................................... 66

f. SRIKEHATI .......................................................................... 68

2. Gambaran Umum Indeks yang termasuk Indeks

World Major ................................................................................ 70

a. IBEX35 .................................................................................. 70

b. CAC40 ................................................................................... 71

c. DAX....................................................................................... 72

d. FTSE100 ................................................................................ 74

B. Deskriptif analisis Data ....................................................................... 77

C. Pengujian Month of the Year Effect .................................................... 83

1. Metode Regresi OLS ..................................................................... 83

2. Metode ARCH-GARCH ............................................................... 90

BAB V PENUTUP .................................................................................. 104

A. Kesimpulan ....................................................................................... 104

B. Implikasi ............................................................................................ 106

C. Saran .................................................................................................. 107

DAFTAR PUSTAKA .................................................................................. 108

LAMPIRAN ................................................................................................. 112

xiv

DAFTAR TABEL

No. Keterangan Halaman

1.1 Rata – rata return pasar bulanan periode 2010 – 2016 4

2.1 Jenis Anomali Pasar 19

2.2 Ringkasan Penelitian Terdahulu 35

3.1 Daftar Indeks yang Menjadi Sampel Penelitian 46

4.1 Daftar Saham – saham yang terdaftar di indeks LQ45 61

4.2 Daftar Saham – saham yang terdaftar di indeks BISNIS27 63

4.3 Daftar Saham – saham yang terdaftar di indeks KOMPAS100 64

4.4 Daftar Saham – saham yang terdaftar di indeks PEFINDO25 67

4.5 Daftar Saham – saham yang terdaftar di indeks SRIKEHATI 69

4.6 Daftar Saham – saham yang terdaftar di indeks IBEX35 70

4.7 Daftar Saham – saham yang terdaftar di indeks CAC40 72

4.8 Daftar Saham – saham yang terdaftar di indeks DAX 73

4.9 Daftar Saham – saham yang terdaftar di indeks FTSE100 75

4.10 Uji Deskriptif statistik periode 2010 – 2016 79

4.11 Uji Deskriptif statistik sub-periode 2010 – 2013 80

4.12 Uji Deskriptif statistik sub-periode 2014 – 2016 81

4.13 Uji Stasioneritas Return Indeks 84

4.14 Uji Autokorelasi Return Indeks 86

4.15 Uji Heteroskedestisitas Return Indeks 87

4.16 Hasil Uji Regresi OLS Periode 2010-2016 87

4.17 Hasil Uji Regresi OLS Sub-Periode 2010-2013 88

4.18 Hasil Uji Regresi OLS Sub-Periode 2014-2016 88

4.19 Hasil Uji GARCH (1,1) Periode 2010-2016 92

4.20 Hasil Uji GARCH (1,1) Sub-Periode 2010-2013 93

xv

4.21 Hasil Uji GARCH (1,1) Sub-Periode 2014-2016 93

4.22 Hasil penjumlahan koefisien ARCH-GARCH 94

4.23 Hasil uji ARCH-LM 95

4.24 Rangkuman Uji Keberadaan Month of the Year Effect

periode 2010-2016 97


sub-periode 2010-2013 98


sub-periode 2014-2016 99

xvi

DAFTAR GAMBAR

No Keterangan Halaman

1.1 Rata – rata return pasar bulanan periode 2010 – 2016 5

2.1 Tingkat kumulatif efisiensi pasar dan informasi terkait

dengan setiap tingkat 16

2.2 Grafik Penyesuaian harga sebagai reaksi terhadap informasi

positif pada Pasar efisien dan pasar tidak efisien 18

2.3 Kerangka Pemikiran 43

4.1 Pergerakan return indeks periode 2010-2016 77

xvii

DAFTAR LAMPIRAN

Keterangan Halaman

Lampiran 1: Uji Regresi Linier Return Indeks Periode 2010 – 2016 112



Lampiran 4: Uji GARCH (1,1) Return Indeks Periode 2010 – 2016 142



1

BAB I

PENDAHULUAN

A. Latar Belakang Masalah

Pasar modal merupakan suatu sarana penting dalam

perekonomian yang berfungsi memobilisasi dana dari masyarakat ke

sektor produktif. Perusahaan sebagai pihak yang membutuhkan dana

dapat menghimpun dana melalui pasar modal dengan menjual

sahamnya kepada publik atau menerbitkan surat hutang, sedangkan

investor sebagai pihak yang memiliki dana dapat mempergunakan pasar

modal sebagai salah satu alternatif investasi guna memperoleh

keuntungan (Nursanti, 2015).

Semakin besar keuntungan yang diperoleh investor semakin

besar pula risiko yang harus bersedia ditanggung. Oleh karena itu,

investor membutuhkan informasi relevan dalam mengambil keputusan

investasi. Informasi relevan mengenai kondisi dan arah pasar akan

mudah diperoleh investor apabila pasar dalam keadaan efisien

(Maharani dan Witiastuti, 2015).

Pasar efisien adalah pasar yang mampu menunjukkan harga

saham sebenarnya, serta dapat memberikan jaminan atas kebenaran

keadaan yang ditampilkan (Suad, 1998:264). Penelitian atas efisiensi

2

suatu pasar modal banyak dilakukan. Penelitian – penelitian tersebut

menemukan hal-hal yang berlawanan dengan konsep pasar modal

efisien di beberapa pasar modal, yaitu saat keadaan saham tidak sesuai

dengan informasi yang ada (Suad, 1998:271).

Bodie (2014:364) telah mengklasifikasikan tiga kategori

efisiensi pasar berdasarkan informasi yaitu efisiensi pasar bentuk lemah

(weak form efficiency), efisiensi pasar bentuk setengah kuat (semi

strong form efficiency), dan efisiensi pasar bentuk kuat (strong form

efficiency). Pada pasar dengan efisiensi lemah harga sekuritas secara

penuh mencerminkan informasi masa lalu. Efisiensi pasar bentuk

setengah kuat adalah harga saham secara penuh mencerminkan semua

informasi yang dipublikasikan, sehingga investor tidak akan

memperoleh abnormal return hanya dengan memanfaatkan informasi

publik. Sedangkat efisiensi pasar bentuk kuat yaitu harga saham

mencerminkan semua informasi yang tersedia, baik informasi privat

maupun yang dipublikasikan.

Kondisi tersebut sebenarnya dapat dicermati dan dimanfaatkan

oleh para investor agar dapat memiliki keputusan yang tepat saat

menjual atau membeli saham. Pembahasan mengenai pengujian pasar

efisien tidak bisa terlepas dari membahas tentang adanya penyimpangan

dan ketidak-teraturan yang terkait dengan hipotesis pasar efisien.

3

Penyimpangan dan ketidakteraturan tersebut di sebut dengan anomali

pasar (market anomaly).

Menurut Virginita Pandansari (2008) dalam Saputro (2014),

Berbagai kondisi yang terjadi di dalam suatu pasar modal akan

menimbulkan berbagai dampak yang dapat terlihat dari fluktuasi harga

saham di pasar modal. Kondisi yang tidak dapat diprediksi dengan

paradigma atau teori empiris dalam pasar modal biasa disebut dengan

anomali pasar. Dengan kata lain anomali pasar merupakan gejala

penyimpangan atau ketidak-konsistenan terhadap hipotesis pasar

modal.

Salah satu anomaly market tersebut adalah month of the year

effect. Menurut Jahfer (2015), month of the year effect artinya adalah

return saham dalam beberapa bulan lebih tinggi dari bulan-bulan

lainnya. Temuan yang paling umum dan menarik dari penelitian di atas

anomali efek bulan dalam setahun adalah "efek Januari" dan "efek

April". Hal ini sangat beralasan bahwa pengembalian saham pada

Januari dan bulan April yang berbeda dan signifikan dari bulan lain dari

hasil tahun. Ini sangat melanggar hipotesis pasar yang efisien (EMH)

yang sebagian dikembangkan oleh Fama di tahun 1960-an.

Dengan demikian, maka harga saham dapat mengalami

kenaikan maupun penurunan dari bulan ke bulan dalam satu tahun

perdagangan di pasar modal. Perilaku ini disebut month of the year

4

effect. Month of the year effect lebih mengacu pada adanya perbedaan

atas return bulanan pada tiap bulan dalam satu tahun.

Dikarenakan pada penelitian penelitian terdahulu dapat ditemukan

adanya fenomena market anomaly month of the year effect terhadap

return, maka berikut ini adalah tabel dan grafik data rata – rata return

IHSG secara bulanan yang menunjukan adanya perbedaan return pada

tiap – tiap bulan.

Tabel 1.1

Rata – rata return pasar bulanan periode 2010 – 2016

2010 2011 2012 2013 2014 2015 2016 Rata -

rata

Januari 0.0299 -0.0831 -0.0831 0.0299 0.0412 0.0106 0.0076 -0.0067

Februari -0.0239 0.0172 0.0172 0.0729 0.0472 0.0323 0.0321 0.0279

Maret 0.0858 0.0582 0.0582 0.0293 0.0382 0.0120 0.0177 0.0428

April 0.0674 0.0375 0.0375 0.0215 0.0091 -0.0812 -0.0010 0.0130

Mei -0.0606 0.0045 0.0045 0.0096 0.0100 0.0239 -0.0067 -0.0021

Juni 0.0410 0.0133 0.0133 -0.0475 -0.0046 -0.0596 0.0438 -0.00005

Juli 0.0523 0.0605 0.0605 -0.0313 0.0424 -0.0250 0.0368 0.0280

Agustus 0.0038 -0.0728 -0.0728 -0.0963 0.0119 -0.0578 0.0199 -0.0377

September 0.1277 -0.0795 -0.0795 0.0281 -0.0043 -0.0598 -0.0007 -0.0097

Oktober 0.0376 0.0662 0.0662 0.0443 -0.0115 0.0515 0.0035 0.0368

November -0.0291 -0.0200 -0.0200 -0.0498 0.0092 0.0009 -0.0533 -0.0231

Desember 0.0477 0.0283 0.0283 0.0012 0.0148 0.0195 0.0245 0.0235

Sumber: data sekunder yang diolah (2017)

5

Gambar 1.1

Rata – rata return pasar bulanan periode 2010 – 2016

Sumber: data sekunder yang diolah (2017)

Berdasarkan tabel 1.1 dan gambar 1.1 diatas dapat dilihat adanya

fluktuasi rata – rata return pasar bulanan selama periode 2010 sampai

dengan 2016. Fluktuasi return tersebut disebabkan keputusan dan

persepsi investasi investor yang berbeda – beda tiap bulan. Sejak

pertengahan abad 1970-an, sejumlah penelitian empiris tentang

berbagai anomali pasar tersebut telah banyak dilakukan. Salah satunya

adalah penelitian Nopphon Tangjitprom (2011) Menguji indeks SET

dan indeks SET50 dengan menggunakan model regresi dan model

-0.1500

-0.1000

-0.0500

0.0000

0.0500

0.1000

0.1500

2010 2011 2012 2013

2014 2015 2016 Rata - rata

6

GARCH (1,1). Hasil menyatakan signifikan terjadi efek bulan

Desember dan efek bulan Januari.

S.C.Thushara dan Prabath Perera (2013) menguji efek bulan

pada tahun dan January effect yang hadir di Bursa Efek Colombo

(Colombo Stock Exchange / CSE) berdasarkan data dari periode Januari

2000 hingga Desember 2011. Metode yang digunakan adalah Regresi

dan GARCH (1,1). Hasil Penelitian terdapat efek bulan pada tahun

(month of the year effect) di return harian saham yang diperdagangkan

di CSE. Pada CSE terdapat Efek Januari, Efek Februari, Efek April, dan

Efek September positif.

Aditya Probo Saputro dan Sukirno (2014) menguji Day of The

Week Effect Dan Month of The Year Effect pada IHSG. Metode yang

digunakan adalah Regresi dan t-test. Dari hasil penelitian dapat

disimpulkan bahwa Day of The Week Effect dan Month of The Year

Effect telah terjadi pada pasar modal Indonesia. Dari penelitian ini dapat

dilihat bahwa adanya efek bulan Januari, Maret, Mei dan Agustus

berpengaruh terhadap return indeks pasar.

Berdasarkan uraian diatas peneliti mencoba melakukan

penelitian mengenai anomali pasar dalam hal ini month of the year effect

terhadap return, maka penelitian ini berjudul “Analisis Fenomena

Market Anomaly Month of the Year Effect Terhadap Return (Studi

7

Kasus Indeks - Indeks Indonesia dan Indeks world major Tahun

2010 - 2016)”.

B. Rumusan Masalah

Pada dasarnya, orientasi tingkat return yang diharapkan oleh

hampir seluruh investor harusnya didasarkan keputusan investasi yang

tepat dalam memasuki perdagangan dan transaksi di pasar modal. Salah

satu cara membuat keputusan investasi yang tepat adalah dengan

pengetahuan tentang pola return saham untuk melihat bentuk efisiensi

pasar modal serta melihat penyimpangannya (anomali) yang

ditimbulkan, dalam penelitian ini adalah month of the year effect.

Berdasarkan alasan tersebut, maka rumusah masalah dalam penelitian

ini adalah :

1. Apakah terdapat month of the year effect terhadap return saham

Indeks - Indeks Indonesia selama periode penelitian?

2. Apakah terdapat month of the year effect terhadap return indeks

world major selama periode penelitian?

C. Tujuan Penelitian

Berdasarkan pada perumusah masalah diatas, maka tujuan penelitian ini

adalah sebagai berikut :

1. Untuk menganalisis month of the year effect terhadap return Indeks

- Indeks Indonesia selama periode penelitian.

8

2. Untuk menganalisis month of the year effect terhadap return indeks

world major selama periode penelitian.

D. Manfaat Penelitian

Manfaat penelitian yang diharapkan dapat diperoleh dari hasil

penelitian ini adalah:

1. Bagi akademisi, untuk menambah kepustakaan di bidang ilmu

pengetahuan dan untuk memperkaya kajian ilmiah.

2. Bagi penulis, hasil penelitian dapat digunakan untuk memperdalam

ilmu pengetahuan mengenai month of the year effect terhadap

return.

3. Bagi umum, dapat memberikan sumbangan ilmu pengetahuan

khususnya manajemen konsentrasi keuangan dan bagi mahasiswa

yang mempunyai minat yang sama dengan penulis.

9

BAB II

TINJAUAN PUSTAKA

A. Landasan Teori

1. Pasar Modal

a. Pengertian Pasar Modal

Sesuai dengan Undang-Undang Pasar Modal No. 8 Tahun 1995

pengertian pasar modal adalah kegiatan yang bersangkutan dengan

penawaran umum dan perdagangan efek, perusahaan publik yang

berkaitan dengan efek yang di terbitkannya, serta lembaga profesi yang

bekaitan dengan efek. Pasar modal merupakan tempat bertemunya

antara penjual dan pembeli dengan resiko untung dan rugi, sarana

perusahaan untuk meningkatkan kebutuhan dana jangka panjang

dengan menjual saham atau mengeluarkan obligasi. Saham merupakan

bukti kepemilikan sebagian dari perusahaan. Obligasi (bond)

merupakan suatu kontrak yang mengharuskan peminjam untuk

membayar pokok pinjaman ditambah dengan bunga dalam kurun waktu

tertentu yang sudah disepakati.

Pasar modal merupakan suatu sarana penting dalam

perekonomian yang berfungsi memobilisasi dana dari masyarakat ke

10

sektor produktif. Perusahaan sebagai pihak yang membutuhkan dana

dapat menghimpun dana melalui pasar modal dengan menjual

sahamnya kepada publik atau menerbitkan surat utang, sedangkan

investor sebagai pihak yang memiliki dana dapat mempergunakan pasar

modal sebagai salah satu alternatif investasi guna memperoleh

keuntungan (Nursanti, 2015).

b. Manfaat Pasar Modal

Manfaat Pasar modal adalah sebagai berikut (Sunariyah, 2011:9) :

1) Menyediakan sumber pembiayaan (jangka panjang) bagi dunia

usaha sekaligus memungkinkan alokasi sumber dana secara

optimal.

2) Memberikan wahana investasi bagi investor sekaligus

memungkinkan upaya diversifikasi.

3) Menyediakan lending indikator bagi tren ekonomi negara.

4) Penyebaran kepemilikan perusahaan sampai lapisan masyarakat

menengah.

5) Penyebaran kepemilikan, keterbukaan dan profesionalisme,

menciptakan iklim berusaha yang sehat.

6) Menciptakan lapangan kerja / profesi yang menaik.

7) Memberikan kesempatan memiliki perusahaan yang sehat dan

memiliki prospek.

11

c. Fungsi Pasar modal

Sebagai pasar berbagai instrumen keuangan jangka panjang yang

biasa diperjualbelikan Pasar modal menjalankan dua fungsi sebagai

berikut (Sunariyah, 2011:9) :

1) Fungsi Sebagai Ekonomi

Pasar modal menyediakan fasilitas atau wahana yang

mempertemukan dua kepentingan, yaitu investor pihak yang

memiliki kelebihan dana dan issuer pihak yang memerlukan dana.

Dengan adanya pasar modal maka pihak yang memiliki kelebihan

dana dapat menginvestasikan dana tersebut dengan harapan

memperoleh return (imbalan) sedangkan pihak issuer dalam hal ini

perusahaan yang dapat memanfaatkan dana tersebut untuk

kepentingan investasi tanpa harus menunggu tersedianya dana dari

operasional perusahaan.

2) Fungsi Sebagai Keuangan

Pasar modal memberikan kemungkinan dan kesempatan

memperoleh return (imbalan) bagi pemilik dana, sesuai dengan

karateristik investasi yang dipilih. Dengan adanya pasar modal

diharapkan aktifitas perekonomian menjadi meningkat karena pasar

modal merupakan alternatif pendanaan bagi perusahaan-

12

perusahaan. Sehingga perusahaan dapat beroperasi dengan skala

yang lebih besar dan pada gilirannya akan meningkatkan

pendapatan perusahaan dan kemakmuran masyarakat luas.

d. Jenis Pasar modal

Jenis - jenis pasar modal dapat dikategorikan menjadi 4 pasar, yaitu

sebagai berikut (Samsul, 2006:46) :

1) Pasar Pertama

Pasar pertama merupakan tempat atau sarana bagi perusahaan

yang untuk pertama kali menawarkan saham atau obligasi

kemasyarakat umum. Penawaran umum awal ini, yang disebut

jugainitial public offering (IPO) telah merubah dari perseroan

tertutup menjadi perseroan terbuka (Tbk).

2) Pasar Kedua

Pasar kedua adalah tempat atau sarana transaksi jual-beli efek

antar investor dan harga dibentuk oleh investor melalui perantara

efek.

3) Pasar Ketiga

Pasar ketiga adalah sarana transaksi jual-beli efek antara market

maker serta investor dan harga dibentuk oleh market maker.

Investor dapat memilih market maker yang memberi harga terbaik.

Market maker adalah anggota bursa. Pada market maker ini akan

bersaing dalam menentukan harga saham, karena satu jenis saham

13

dipasarkan oleh lebih dari satu market maker. Jadi, pasar ketiga

bukan merupakan bursa efek berskala kecil tetapi berskala besar

bahkan sangat besar.

4) Pasar Keempat

Pasar keempat adalah sarana transaksi jual-beli antara investor

jual dan investor beli tanpa melalui perantara efek. Transaksi

dilakukan secara tatap muka antara investor beli dan investor jual

untuk saham atas pembawa. Pasar keempat ini hanya dilaksanakan

oleh para investor besar karena dapat menghemat biaya transaksi

daripada jika dilakukan dipasar kedua.

2. Pasar Modal Efisien

Penelitian statistik telah menunjukkan bahwa taksiran harga saham

yang dekat terlihat mengikuti langkah random walk dengan pola yang tidak

dapat dilihat atau diramalkan yang investor dapat manfaatkan. Temuan

tersebut sekarang digunakan segabai bukti efisiensi pasar, yakni bukti

bahwa harga pasar mencerminkan seluruh informasi yang tersedia saat ini.

Hanya informasi baru yang akan menggerakkan harga saham, dan informasi

ini mungkin sama dengan kabar baik atau kabar buruk (Bodie, 2014;329).

Efisiensi pasar dapat didefinisikan sebagai hubungan antar harga-harga

sekuritas dengan informasi yang beredar. Suatu pasar dikatakan efisien

apabila tidak seorangpun, baik investor individu maupun investor institusi,

akan mampu memperoleh abnormal return, setelah disesuaikan dengan

14

risiko, dengan menggunakan strategi perdagangan yang ada (Christian dan

Lestari, 2013).

Pasar efisien adalah pasar dimana semua harga sekuritas secara tepat

dan cepat dapat merefleksikan informasi yang ada (Fama, 1970).

Bodie (2014;364) membedakan tiga jenis hipotesis pasar efisien

berdasarkab “seluruh informasi yang tersedia” yaitu sebagai berikut:

a. Hipotesis bentuk lemah (weak form) menyatakan bahwa harga

saham sudah mencerminkan seluruh informasi yang dapat diperoleh

dengan memeriksa data perdagangan pasar semisal riwayat harga di

masa lalu, volum perdagangan, atau suku bunga jangka pendek. Jeni

hipotesis ini menyatakan bahwa analisis tren tidaklah berguna. Data

harga saham di masa lalu tersedia secara luas dan hamper gratis

untuk didapatkan. Hipotesis bentuk lemah menekankan bahwa jika

data tersebut menyampaikan sinyal yang tepat mengenai kinerja di

masa datang, seluruh investor sudah belajar memanfaatkan sinyal

tersebut. Pada akhirnya, sinyal kehilangan nilainya ketika menjadi

diketahui secara luas Karena membeli sinyal, sebagai contoh, akan

segera berakibat pada kenaikan harga.

b. Hipotesis bentuk agak kuat (semistrong-form) menyatakan bahwa

seluruh informasi yang tersedia secara umum mengenai prospek

perusahaan harus tercermin dalam harga saham. Informasi tersebut

15

meliputi, sebagai tambahan atas harga di masa lalu, data pokok

mengenai merk produk perusahaan, kualitas manajemen, susunan

neraca, paten yang dipegang, peramalan keuntungan, dan praktik

pelaporan. Lagipula, jika investor memiliki akses pada informasi itu

dari sumber yang tersedia secara publik, seseorang akan menduga

hal itu tercermin dalam harga saham.

c. Hipotesis bentuk kuat (strong form) dari hipotesis pasar efisien

menyatakan bahwa harga saham mencerminkan seluruh informasi

yang relevan pada perusahaan, bahkan termasuk informasi yang

hanya tersedia bagi orang dalam perusahaan. Jenis hipotesis ini

sungguh ekstrim. Beberapa akan berpendapat mengenai hal bahwa

pegawai perusahaan memiliki akses terhadap informasi yang

mengena cukup jauh sebelum pemberitaan public memungkinkan

mereka untuk mengambil untung dari perdagangan atas informasi

itu. Tentunya, banyak aktivitas dari komisi bursa dan sekuritas yang

diarahkan untuk menghalangi orang dalam dari mengambil untung

dengan memanfaatkan situasi istimewanya.

Pada pasar modal yang efisien dalam bentuk lemah, harga saham akan

mengikuti pola acak dan tidak dapat diprediksi, namun berbagai bukti

empiris menunjukkan bahwa ternyata pergerakan harga saham ini

cenderung tidak acak bahkan membentuk suatu pola yang seringkali disebut

16

dengan pola musiman (seasonality) atau calendar anomalies (Robiyanto,

2015)

Gambar 2.1 : Tingkat kumulatif efisiensi pasar dan informasi terkait

dengan setiap tingkat (Kadir Can Yalçın, 2010)

Terdapat beberapa faktor yang menyebabkan terjadinya pasar efisien.

Pasar efisien terjadi karena peristiwa-peristiwa sebagai berikut ini:

a. Investor adalah penerima harga (price takers), yang berati bahwa

sebagai pelaku pasar, investor seorang diri tidak dapat mempengaruhi

harga dari suatu sekuritas.

b. Informasi tersedia luas kepada semua pelaku pasar pada saat yang

bersamaan dan harga untuk memperoleh informasi tersebut murah.

c. Informasi dihasilkan secara acak (random) dan tiap-tiap pengumuman

informasi sifatnya random satu dengan yang lainnya sehingga investor

tidak dapat memprediksi kapan emiten akan mengumumkan informasi

yang baru.

17

d. Investor bereaksi dengan menggunakan informasi secara penuh dan

cepat, sehingga harga sekuritas berubah dengan semestinya

3. Market Anomaly

a. Pengertian Market Anomaly

Penelitian atas efisiensi suatu pasar modal banyak dilakukan.

Penelitian – penelitian tersebut menemukan hal-hal yang berlawanan

dengan konsep pasar modal efisien di beberapa pasar modal, yaitu saat

keadaan saham tidak sesuai dengan informasi yang ada (Suad Husnan,

1998:271). Saat pasar saham bereaksi atas hal yang tidak termasuk ke

dalam konsep pasar efisien, hal itulah yang disebut sebagai anomali,

atau gangguan.

Anomali Pasar adalah sebuah kondisi yang tidak teratur, tidak

sesuai atau menyimpang dari hipotesis pasar yang efisien. Anomali di

sini merupakan salah satu bentuk fenomena yang ada di pasar, di mana

ditemukan hal - hal yang seharusnya tidak ada bilamana dianggap

bahwa pasar efisien benar-benar ada. Investor dapat memanfaatkan

kondisi pada saat terjadi anomali pasar ini untuk memperoleh abnormal

return dari investasi yang dilakukannya. (Christian dan Sri Lestari,

2013)

18

Menurut Bostancı (2003) pada Kadir Can Yalçın (2010), ada

banyak pergerakan pasar diamati yang tidak dijelaskan oleh argumen

dari hipotesis pasar yang efisien. Dalam teori keuangan standar,

pergerakan pasar seperti ini yang tidak sesuai dengan hipotesis pasar

efisien disebut anomali

Menurut Woś Żarnowski (2000) pada pawel (2014), analisis

anomali biasanya didasarkan pada pengamatan waktu keuangan seri

jangka panjang untuk mempelajari efek dan pengulangan nya. time

series harus memiliki panjang yang signifikan karena menurunkan

kemungkinan mendeteksi fenomena insidental. Anomali yang

berkelanjutan adalah kondisi yang diperlukan untuk dapat menciptakan

strategi investasi yang menguntungkan.

19

Gambar 2.2 Grafik Penyesuaian harga sebagai reaksi terhadap informasi

positif pada Pasar efisien dan pasar tidak efisien (Paweł Jamróz dan

Grzegorz Koronkiewicz, 2014)

Anomali pasar ini merupakan teknik-teknik atau strategi-strategi

yang berlawanan dengan konsep pasar modal yang efisien.

b. Jenis anomali pasar

Berikut ini adalah Jenis Anomali Pasar secara ringkas :

No Kelompok Jenis Keterangan

1 Anomali

Peristiwa

Analysis

Recomendation

Semakin banyak analis

merekomendasi untuk

membeli suatu saham,

semakin tinggi peluang

harga akan turun Insider

Trading Semakin banyak saham yang

dibeli oleh insiders, semakin

tinggi kemungkinan harga

akan naik.

Listings Harga sekuritas cenderung

naik setelah perusahaan

mengumumkan akan

melakukan pencatatan saham

di Bursa Value lines

trading

changes

Harga sekuritas akan terus

naik setelah Value Line

menempatkan rating

perusahaan pada urutan

tinggi

20


2 Anomali

musiman

January Harga sekuritas cenderung

naik di bulan Januari,

khususnya di hari-hari pertama

Weekend Harga sekuritas cenderung

naik hari Jum’at dan turun hari

Senin. Time of day Harga sekuritas cenderung

naik di 45 menit pertama dan

15 menit terakhir perdagangan

End of

month

Harga sekuritas cenderung

naik di hari-hari akhir tiap

bulan Seasonal Saham perusahaan dengan

penjualan musiman tinggi

cenderung naik selama musim

ramai.

Holidays Ditemukan return positif pada

hari terakhir sebelum liburan

3 Anomali

perusahaan

size Return pada perusahaan kecil

cenderung lebih besar

walaupun sudah disesuaikan

dengan risiko. Closed-end

Mutual

Funds

Return pada close-end funds

yang dijual dengan potongan

cenderung lebih tinggi

Neglect Perusahaan yang tidak diikuti

oleh banyak analis cenderung

menghasilkan return lebih

Tinggi Institutional

holdings Perusahaan yang dimiliki oleh

sedikit institusi cenderung

memiliki return lebih tinggi

21


4 Anomali

akuntansi

P/E Saham dengan P/E ratio rendah

cenderung memiliki return

yang lebih tinggi.

Earning

Surprise Saham dengan capaian

earnings lebih tinggi dari yang

diperkirakan cenderung

mengalami peningkatan harga.

Price/Sales Jika rasionya rendah cenderung

berkinerja lebih baik

Price/book Jika rasionya rendah cenderung

berkinerja lebih baik

Dividend

Yield Jika yield-nya tinggi cenderung

berkinerja lebih baik.

Earning

Momentum Saham perusahaan yang tingkat

pertumbuhan earnings-nya

meningkat cenderung

berkinerja lebih baik.

Tabel 2.1 Jenis Anomali Pasar (Haim S. Levy, 1996:436)

c. Month Of The Year Effect

Menurut Schwert (2002) pada Robiyanto (2015),

mengemukakan bahwa calendar anomalies adalah bukti empiris yang

tidak konsisten dengan teori perilaku penilaian aset. Salah satu calendar

anomalies yang mengemuka adalah month of the year effect yaitu

adanya pola pada bulan-bulan tertentu dalam setiap tahun.

Jahfer (2015), month of the year effect artinya adalah return

saham dalam beberapa bulan lebih tinggi dari bulan-bulan lainnya.

Temuan yang paling umum dan menarik dari penelitian di atas anomali

efek bulan dalam setahun adalah "efek Januari" dan "efek April". Hal

22

ini sangat beralasan bahwa pengembalian saham pada Januari dan bulan

April yang berbeda dan signifikan dari bulan lain dari hasil tahun. Ini

sangat melanggar hipotesis pasar yang efisien (EMH) yang sebagian

dikembangkan oleh Fama di tahun 1960-an.

January Effect merupakan kecenderungan terjadinya kenaikan

harga saham pekan pertama bulan Januari. Adanya kenaikan harga ini

didorong oleh aktivitas investor untuk kembali menyusun portofolionya

setelah mereka "terbenam" selama liburan akhir tahun (Werastuti,

2012).

Sharpe (1999) menyebutkan ada tiga penyebab terjadinya January

effect, yaitu:

a. tax-loss selling

Tax-loss selling dan window dressing pada dasarnya melakukan

hal yang sama, yaitu menjual saham-saham dengan nilai yang

rendah. Bedanya adalah tujuan tax-loss selling dilakukan untuk

pengurangan hutang pajak

b. window dressing

Tujuan window dressing adalah dilakukan untuk memperbaiki

portofolio akhir tahun yang dimiliki perusahaan agar terlihat baik.

23

c. small stock’s beta

Small stock’s beta adalah kecenderungan ketika pada bulan

Januari, perusahaan kecil lebih memberikan tingkat return yang

lebih tinggi dibandingkan dengan perusahaan besar.

4. Return Saham

Return saham merupakan hasil yang diperoleh dari investasi. Dalam

menginvestasikan dana tersebut investor yang realistis akan

membandingkan keuntungan yang dihasilkan dengan risiko yang akan

ditanggung oleh investasi tersebut di masa yang akan datang (Isfenti dan

Octavianus, 2010).

Return merupakan hasil yang diperoleh dari suatu investasi. Return

dapat berupa return realisasi yang sudah terjadi atau return ekspektasi yang

belum terjadi tetapi diharapkan akan terjadi di masa yang akan datang

(Rodoni dan Ali, 2010:71).

Menghitung pengembalian saham (return saham) untuk setiap hari

dapat diamati dengan menggunakan rumus (Christos dan Andreas, 2015):

24

Keterangan :

Rt : Return saham pada hari t

Pt : Harga penutupan (closing price) pada hari ke t

Pt-1 : Harga penutupan (closing price) pada hari t – 1

B. Penelitian Terdahulu

Rizwan Ahmed dan Jingsi Leng (2016) menguji efek musiman pada

bursa saham shanghai di Cina. 3 efek musiman yang diuji adalah weekend

effect, turn of the month dan holiday effect. Periode penelitian adalah dari

Januari 2008 sampai dengan April 2016. Metode yang digunakan peneliti

adalah GARCH(1,1). Hasil Penelitian adalah dapat ditemukan weekend effect

pada pasar saham Shanghai. Ditemukan juga efek selasa dan efek kamis. Dapat

disimpulkan bahwa pasar memiliki bentuk efisiensi lemah (Weak form

efficiency). Selain itu, month of the year effect juga dapat ditemukan pada bulan

Februari, Juli September dan Oktober. Sedangkan untuk holiday effect, hasil

menunjukkan signifikan untuk pasca libur nasional.

M. Shabri ABD. Majid, Zulfa Alvi Vakhira, dan Salina Kassim (2016)

menguji anomali bulan pada bursa efek Indonesia dan Malaysia, Jakarta Stock

Exchange Index (JKSE), Kuala Lumpur Stock Exchange Index (KLSE), Jakarta

Rt = ln(Pt/Pt–1) x 100

25

Islamic Index (JII) and FTSE Bursa Malaysia Hijrah Shariah Indeks (FBMHS)

dengan periode dari tahun 2004 sampai dengan 2015. Metode yang digunakan

adalah independen sampel t-test. Hasil Penelitian menemukan bahwa tidak ada

perbedaan antara return saham konvensional dan syariah, dan anomali kalender

hanya ada di pasar saham Indonesia. Efek bulan April dan juli dapat ditemukan

di return saham konvensional Indonesia, sedangkan hanya efek bulan April

dapat ditemukan pada saham islam Indonesia. Ini berarti bahwa meskipun

kedua pasar saham konvensional dan syariah telah terintegrasi baik di pasar,

bursa efek Malaysia lebih efisien daripada Indonesia.

Jihen Jbenieni Gouider, Amira Kaddour & Azza Hmaid (2015) Menguji

efek anomali kalender pada bursa saham Tunisia. Periode yang digunakan oleh

peneliti adalah dari 02 Januari 2006 sampai 31 Juli 2013. Periode ini meliputi

revolusi Tunisia yang menyebabkan penutupan pasar saham selama dua

minggu. Sehingga Periode penelitian dibagi menjadi dua periode: periode

sebelum revolusi (2006-2010) dan periode setelah revolusi (2011-2013). Data

yang digunakan adalah data harian harga penutupan bursa saham Tunisia atau

TUNINDEKS. Metode yang digunakan peneliti adalah GARCH(1,1). Dari

Hasil Penelitian dapat diberi kesimpulan bahwa adanya efek kalender pada

bursa saham Tunisia. Terdapat efek hari senin negatif dan efek jumat positif di

seluruh periode sehingga dapat di simpulkan bahwa terdapat efek akhir pekan

(weekend effect) namun anomali tersebut menghilang pada periode pasca

revolusi. pada ketiga periode dari penelitian tidak ditemukannya efek januari,

26

namun tedapat efek april, efek agustus dan efek september di ketiga periode.

Dari hasil penelitian juga terdapat efek bulan ramadhan pada seluruh periode

dan periode sebelum revolusi.

Christos N. Christodoulou-Volos dan Andreas Hadjixenophontos

(2015) menguji anomali kalender pada pasar modal London indeks FTSE

kapitalisasi kecil. Anomali kalender yang di uji adalah January, Monthly,

Holiday dan Weekend Effect. Periode penelitian adalah dari 1 april 1996 sampai

dengan 12 Juli 2010. Metode yang digunakan penulis adalah Regresi dan

GARCH(1,1). Hasil dari penelitian dengan menggunakan regresi telah

ditemukan efek pra dan pasca liburan (Holiday Effect) dengan siginifikasi 10%.

Dengan menggunakan GARCH, ditemukan negatif day of the week effect

dengan siginifikansi 10%. January effect juga ditemukan. Semua hasil di atas

sesuai dengan semua literatur yang relevan yang tersedia.

Robiyanto (2015) menguji month of the year effect pada beberapa pasar

modal di Asia Tenggara dan pasar komoditas. Periode yang di uji adalah selama

Januari 1999 sampai Maret 2014. Metode yang di gunakan adalah

GARCH(1,1). Komoditas yang diuji adalah produk emas, perak, platinum dan

paladium serta minyak mentah West Texas Intermediate, dan yang diuji adalah

Harga Saham Gabungan (IHSG) di Bursa Efek Jakarta, Strait Times Index (STI)

di Singapore Stock Exchange, KLSE Composite (KLSE) dari Kuala Lumpur

Stock Exchange dan SET (SET) dari Stock Exchange Thailand. Dari penilitian

ini dapat di indikasi bahwa month of the year effect masih ada di pasar modal

27

di asia tenggara dan pasar komoditas selama periode penelitian. January effect

terjadi pada modal Filipina dan pasar modal Singapura; juga terjadi pada

komoditas Platinum dan Paladium. March effect terjadi pada pasar modal

Indonesia dan pasar paladium serta pasar minyak mentah WTI, sedangkan April

effect hanya terjadi di pasar modal Indonesia. May effect negatif terjadi di pasar

modal Singapura. June effect pada pasar modal Singapura dan negatif pada

pasar paladium. July effect terjadi di pasar Singapura saja dan membukukan

return terbesar untuk pasar modal Singapura. August effect hanya terjadi di

pasar emas dan pasar platinum. Sedangkan September effect terjadi di pasar

modal Singapura, positif tinggi di pasar emas dan pasar perak. October effect

hanya berlaku untuk pasar modal Malaysia saja. Demikian pula November

effect juga hanya berlaku untuk pasar emas. Sementara itu December effect

muncul di pasar modal Indonesia, pasar modal Malaysia, pasar modal Thailand

dan pasar modal Singapura dengan dampak yang positif.

Christos Floros dan Enrique Salvador (2014) menguji anomali kalender

(day of the week dan monthly seasonal effect) di FTSE100 (UK), FTSE/ASE-

20 (Greece), S&P500 (US) and Nasdaq100 (US) spot dan future dengan

periode 2004–2011. Hasil penelitian adalah Selama periode volatilitas rendah,

ada efek Desember positif umum untuk semua return cash. Selain itu, ada efek

Januari positif bagi spot Amerika (Nasdaq100 dan SP500). penelitian ini juga

menemukan efek Februari di Nasdaq100, efek April di FTSE100, dan efek

Maret dan Juli pada SP500 selama periode stabilitas pasar (volatilitas yang

28

rendah). Namun, pada periode volatilitas tinggi efek musiman diperoleh negatif

dalam semua kasus contohnya efek November di Inggris (FTSE100) dan AS

(Nasdaq100 dan SP500). Hasil ini disebabkan hipotesis tax-loss selling

(kerugian portofolio tetap untuk tujuan pajak pada akhir tahun keuangan),

hipotesis yearly investor cash flow, bonus akhir tahun, dan pengumuman

perusahaan. Efek kalender dikondisikan dengan situasi pasar. Pada saat situasi

volatilitas rendah efek kalender cenderung positif, tetapi efek ini berubah

negatif apabila pasar berada di bawah periode volatilitas yang tinggi. Temuan

ini dianjurkan untuk manajer risiko keuangan berurusan dengan pasar

berjangka.

Tajinder Jassal dan Babli Dhiman (2015) menguji kegigihan month of

the year effect di BSE (Bombay stock Exchange) Sensex, saham tingkat capital

kecil dan saham capital menengah dengan periode 2006 sampai dengan 2013.

Metode yang digunakan adalah GARCH(1,1). Hasil Penelitian menunjukan

adanya efek September pada keseluruhan sampel. Efek April dan efek Februari

negative dapat terlihat pada saham capital kecil dan capital menengah. Model

GARCH menegaskan bahwa pasar saham India tidak mengikuti random walk

dan terdapat peluang untuk mendapatkan abnormal return.

Eleftherios Giovanis (2014) menguji efek pergantian bulan pada return

pasar modal di 20 negara. Periode terakhir adalah 31 Desember 2013 untuk

semua seri kecuali dari awal mula periode. Metode yang digunakan adalah

GARCH(1,1). Hasil penelitian menunjukkan bahwa efek pergantian bulan

29

adalah terus-menerus di 19 dari 20 pasar saham selama seluruh periode

diperiksa. Hasil penelitian ini mengkonfirmasi temuan oleh Marquering et al.

(2006), yang menemukan bahwa efek pergantian bulan masih ada terus-

menerus. Marquering et al. (2006) menyatakan bahwa kegigihan pergantian

efek bulan dapat dijelaskan oleh biaya transaksi, yang terlalu tinggi untuk

investor untuk mendapatkan keuntungan dari anomali kalender ini, karena

mereka tidak dapat memanfaatkan pola.

Andrew Urquhart dan Frank McGroarty (2014) Menguji adaptive

market hypothesis (AMH) melalui anomalijh kalender pada Dow Jones

Industrial Average (DJIA). Periode penelitian adalah dari tahun 1900 ke 2013.

Metode yang digunakan yaitu dengan GARCH(1,1). Dari Penelitian ini dapat

dilihat sifat waktu bervariasi dari perilaku anomali kalender dari waktu ke

waktu di DJIA dan menentukan kondisi pasar yang paling kondusif untuk

kinerja mereka. Kami menunjukkan bahwa perilaku keempat anomali kalender

bervariasi dari waktu ke waktu dan bahwa kondisi pasar tertentu lebih

menguntungkan untuk kinerja mereka, sehingga memberikan bukti yang

konsisten dengan AMH. Hasil penelitian menunjukan pada keseluruhan sampel

adanya efek senin, efek januari, efek TOTM, dan efek Halloween. Ditemukan

bukti analisis perilaku waktu yg bervariasi dari keempat anomaly kalender dari

waktu ke-waktu, melalui analisis subsample dan rolling dan juga menunjukkan

bahwa anomali kalender berperilaku berbeda tergantung pada kondisi pasar

tertentu. Bukti ini tidak konsisten dengan EMH tetapi konsisten dengan AMH.

30

Evangelos Vasileiou dan Aristeidis Samitas (2014) menguji efek bulan

pada bursa efek Yunani dengan ATHEXGI sebagai sampel. Periode penelitian

adalah dari 2 Januari 2002 hingga 31 Desember 2012. Periode sampel dibagi

menjadi 2 sub-periode, sub-periode pertumbuhan keuangan (2002-2007) dan

sub periode resesi keuangan (2008-2012). Metode yang digunakan adalah

regresi dan T-GARCH. Hasil empiris menunjukkan bahwa perubahan kondisi

ekonomi dan keuangan mempengaruhi efek kalender. Efek januari terlihat

signifikan pada sub periode pertumbuhan keuangan, tetapi memudar selama

periode resesi. Selain itu, efek februari dan November hanya dapat terlihat pada

periode resesi, sedangkan efek maret juga hanya terlihat pada periode

pertumbuhan. Efek Juli dapat terlihat pada periode keseluruhan dan periode

pertumbuhan. Sehingga, dapat disimpulkan bahwa bursa efek Yunani bersifat

tidak efisien, dikarenakan setelah diuji pada saat selama pertumbuhan maupun

saat periode resesi ada beberapa bulan yang signifikan.

N. P. Ravindra deyshappriya (2014) meguji anomaly pada pasar modal

colombo (colombo stock exchange /CSE). Periode penelitian adalah dari tahun

2004 sampai dengan tahun 2013. Periode penelitian dibagi menjadi 2 periode,

periode selama perang dan periode pasca perang. Metode yang digunakan

adalah regresi dan GARCH(1,1). Hasil menunjukkan adanya efek senin negatif

dan efek positif untuk semua hari-hari lain hanya untuk periode perang. Efek

Januari positif terjadi untuk seluruh periode sampel, efek Desember negatif

tidak dapat diidentifikasi untuk periode pasca perang. Oleh karena itu, studi ini

31

menegaskan adanya anomali stock market; baik efek hari dalam seminggu dan

efek bulan khususnya selama periode perang.

Aditya Probo Saputro dan Sukirno (2014) Menguji day of the week

effect dan month of the year effect pada IHSG ( harga saham gabungan). Periode

penelitian adalah dari tahun 2010 sampai dengan 2012. Metode yang digunakan

adalah Regresi dan t-test. Dari hasil penelitian dapat disimpulkan bahwa day of

the week effect dan month of the year effect telah terjadi pada pasar modal

Indonesia. Efek hari Kamis berpengaruh terhadap return pasar secara parsial,

trading return pada hari Senin dipengaruhi oleh non-trading return pada hari

Jumat minggu sebelumnya dan return yang negatif terjadi pada saat trading

yaitu pembukaan sampai dengan penutupan hari Senin. Dari penelitian ini juga

dapat dilihat bahwa adanya efek bulan Januari, Maret, Mei dan Agustus

berpengaruh terhadap return pasar.

Ali F. Darrat, Bin Li, dan Richard Chung (2013) Menguji anomali

musiman pada return saham harian Johannesburg dari Afrika selatan. Periode

penelitian adalah dari Januari 1973 sampai September 2012. Metode yang

digunakan adalah GARCH (1,1). Hasil penelitian terdapat efek senin negatif

dan efek selasa positif pada Johannesburg. Sedangkan untuk efek bulan (month

of the year effect) Peneliti gagal untuk menemukan return yang signifikan pada

bulan apapun.

32

S.C.Thushara dan Prabath Perera (2013) menguji efek bulan pada tahun

dan January effect yang hadir di Bursa Efek Colombo (Colombo Stock

Exchange / CSE) berdasarkan data dari periode Januari 2000 hingga Desember

2011. Metode yang digunakan adalah Regresi dan GARCH (1,1). Hasil

Penelitian terdapat efek bulan pada tahun (month of the year effect) di return

harian saham yang diperdagangkan di CSE. Pada CSE terdapat Efek Januari,

Efek Februari, Efek April, dan Efek September positif.

Ming Qi & Wenyao Wang (2013) menguji efek calendar pada return

harian emas di Cina. Periode penelitian yaitu dari 30 Desember 2002 sampai

dengan 5 november 2011. Metode yang digunakan peneliti adalah GED-

GARCH (1,1). Hasil penelitian menujukan adanya return anomali emas yang

signifikan pada bulan Februari, April, Agustus, September, November dan

Desember. Sebagian besar efek bulan ini terjadi sebelum 7 hari libur, yang

disebut "Golden Weeks" di Cina.

Ricky Chee-Jiun Chia dan Venus Khim-Sen Liew (2012) Menguji

adanya Anomali efek bulan (month of the year effect) pada NIKKEI225 dari

bursa saham Tokyo (Tokyo Stock Exchange / TSE) dari periode Januari 2000

sampai Juni 2009. Metode yang digunakan adalah Regresi dan TGARCH. Hasil

penelitian terdapat efek November di NIKKEI225 pada periode Januari 2010

sampai Juni 2009. Hasil penelitian ini konsisten dengan bukti sebelumnya yang

mendukung hipotesis tax-loss selling pada pasar saham di U.S. dan U.K.

Adanya month of the year effect di TSE menunjukkan bahwa melalui strategi

33

waktu investasi yang benar, manajer keuangan, konselor keuangan dan investor

bisa mengambil keuntungan dari pola tersebut.

Qiwei Chen (2012) Melakukan Pengujian efek musiman pada bursa di

Amerika, Inggris, Australia dan Cina. Periode sampel data Inggris adalah dari

Januari 1971 sampai Juni 2012; sampel data Amerika Serikat adalah dari

Januari 1973 sampai Juni 2012; sampel data Australia adalah dari Januari 1981

sampai Juni 2012 dan sampel data China dari Januari 1991 sampai Juni 2012.

Metode yang di gunakan pada penelitian ini adalah Regresi, Garch(1,1) dan

GARCH-M. Hasil Penelitian Menunjukan adanya efek musiman (seasonal

effect) pada Amerika Serikat, Inggris, cina, dan Australia dengan sistem pajak

yang berbeda dan pajak akhir tahun. Bukti empiris menunjukkan efek Januari

di Amerika Serikat, Januari dan April efek di Inggris, Efek Juli di Australia dan

tidak ada efek musiman yang signifikan di Cina.

Galih Pandekar dan Nadia Putrini (2012) menguji turn-off-the-month

Effect pada beberapa sector di pasar modal Indonesia dan saham - saham dari

LQ45. Periode penelitian adalah dari Januari 2002 sampai Agustus 2010.

Metode yang digunakan adalah GARCH(p,q). Hasil penelitian dapat dilihat

bahwa turn off the month effect dapat ditemukan pada bursa saham Indonesia.

Efek ini dapat dilihat pada 4 hari transaksi terakhir atau delapan hari pertama

pada bulan selanjutnya. Secara umum, efek TOM juga terjadi di saham-saham

yang konsisten dalam LQ45. Saham ini AALI, ASII, ANTM, BBCA, INDF,

ISAT, INCO, PTBA, SMCB, TLKM dan UNTR.

34

Andreas G. Georgantopoulos, Dimitris F. Kenourgios dan Anastasios

D. Tsamis (2011) menguji anomali kalender terhadap empat saham negara

berkembang (Rumania, Bulgaria, Kroasia dan Turki) dan mitra mereka di

wilayan Balkan (Yunani), Selama periode 2000 – 2008. SOFIX dari Bulgaria,

VANGUARD dari Rumania, CROBEX dari Kroasia, ISE NASIONAL 50 dari

Turki, dan General Indeks Athena (ASE) dari yunani. Lima efek kalender

terkenal pada kedua return dan volatilitas diperiksa; Efek hari dalam seminggu,

efek januari, efek setengah bulan, efek pergantian bulan dan efek bulan. Metode

yang digunakan penguji adalah regresi dan GARCH(1,1). Hasil dari Penelitian

terdapat anomali kalender pada SOFIX dari Bulgaria, VANGUARD dari

Rumania, CROBEX dari Kroasia, ISE NASIONAL 50 dari Turki, dan General

Indeks Athena (ASE) dari Yunani.

Nopphon Tangjitprom (2011) Menguji adanya Anomali kalender

termasuk efek bulan, efek pergantian bulan, dan efek akhir pekan. Periode yang

digunakan adalah tahun 1988 sampai 2009 untuk SET (Stock Exchange of

Thailand) dan periode SET50 sejak dibentuk pada tahun 1995. Metode yang

digunakan adalah Regresi dan Garch(1,1). Hasil menunjukan bahwa adanya

anomaly kalender pada bursa saham Thailand. Return SET dan SET50

abnormal tinggi selama bulan Desember dan Januari, yang dapat dinyatakan

sebagai efek pergantian tahun. Return selama periode pergantian bulan, yang

dapat didefinisikan sebagai hari perdagangan terakhir dan empat hari

35

perdagangan pertama bulan-bulan berikutnya, juga abnormal tinggi. efek akhir

pekan juga ada untuk kedua SET dan SET50. Return saham adalah abnormal

tinggi pada hari Jumat dan rendah yang tidak normal pada hari Senin.

Secara ringkas hasil-hasil penelitian terdahulu dapat dilihat pada tabel

2.2 sebagai berikut :

Tabel 2.2

Ringkasan Penelitian Terdahulu

No Peneliti Judul Alat

Statistik Hasil

1 M. Shabri

ABD.

Majid,

Zulfa

Alvi

Vakhira,

dan

Salina

Kassim

Do

Conventional

and Islamic

Stock Markets

Subject to

Different

Market

Anomalies?

Empirical

Evidences from

Indonesia and

Malaysia (2016)

t-test Hasil Penelitian menemukan bahwa tidak ada

perbedaan antara return saham konvensional dan

syariah, dan anomali kalender hanya ada di

pasar saham Indonesia. Efek bulan April dan juli

dapat ditemukan di return saham konvensional

Indonesia, sedangkan hanya efek bulan April

dapat ditemukan pada saham islam Indonesia.

Ini berarti bahwa meskipun kedua pasar saham

konvensional dan syariah telah terintegrasi baik

di pasar, bursa efek Malaysia lebih efisien

daripada Indonesia.

36


Statistik Hasil

2 Rizwan Ahmed

dan Jingsi Leng

Seasonality

Effects through

ARCH and

GARCH model:

Evidence from

Shanghai Stock

Market (China)

(2016)

GARCH

(1,1)

Hasil Penelitian adalah dapat ditemukan

weekend effect pada pasar saham

Shanghai. Ditemukan juga efek selasa

dan efek kamis. Dapat disimpulkan

bahwa pasar memiliki bentuk efisiensi

lemah (Weak form efficiency). Selain itu,

month of the year effect juga dapat

ditemukan pada bulan Februari, Juli

September dan Oktober. Sedangkan

untuk holiday effect, hasil menunjukkan

signifikan untuk pasca libur nasional.

3 Christos N.

Christodoulou-

Volos dan

Andreas

Hadjixenophontos

Calendar

Anomalies in

The London

Stock

Exchange: A

Re-Examination

(2015)

Regresi

dan

GARCH

(1,1)

Hasil dari penelitian dengan

menggunakan regresi telah ditemukan

efek pra dan pasca liburan (Holiday

Effect) dengan siginifikasi 10%. Dengan

menggunakan GARCH, ditemukan

negatif day of the week effect dengan

siginifikansi 10%. January effect juga

ditemukan. Semua hasil di atas sesuai

dengan semua literatur yang relevan yang

tersedia.

4 Tajinder Jassal

dan Babli Dhiman

Heterogeneous

Evidence an

Analysis of

Monthly

Anomaly (2015)

GARCH

(1,1)

Hasil Penelitian menunjukan adanya efek

September pada keseluruhan sampel.

Efek April dan efek Februari negative

dapat terlihat pada saham capital kecil

dan capital menengah. Model GARCH

menegaskan bahwa pasar saham India

tidak mengikuti random walk dan

terdapat peluang untuk mendapatkan

abnormal return.

5 Robiyanto Month Of The

Year Effect

Pada Beberapa

Pasar Modal Di

Asia Tenggara

dan Pasar

Komoditas

(2015)

GARCH

(1,1)

Dari penilitian ini dapat di indikasi bahwa

month of the year effect masih ada di

pasar modal di asia tenggara dan pasar

komoditas selama periode penelitian.

January effect terjadi pada modal Filipina

dan pasar modal Singapura; juga terjadi

pada komoditas Platinum dan Paladium.

37


Statistik Hasil

6 Jihen

Jbenieni

Gouider,

Amira

Kaddour &

Azza Hmaid

Stock Market

Anomalies:

Case of

Calendar

Effects on the

Tunisian Stock

Market (2015)

GARCH

(1,1)

Dari Hasil Penelitian dapat diberi kesimpulan

bahwa adanya efek kalendar pada bursa

saham Tunisia. Terdapat efek hari senin

negatif dan efek jumat positif sehingga dapat

di simpulkan bahwa terdapat efek akhir pekan

(weekend effect) namun anomali tersebut

menghilang pada periode pasca revolusi. pada

ketiga periode dari penelitian tidak

ditemukannya efek januari, namun tedapat

efek april, efek agustus dan efek september di

ketiga periode. Dari hasil penelitian juga

terdapat efek bulan ramadhan pada seluruh

periode dan periode sebelum revolusi.

7 Andrew

Urquhart dan

Frank

McGroarty

Calendar

effects, market

conditions and

the Adaptive

Market

Hypothesis:

Evidence from

long-run U.S.

data (2014)

GARCH

(1,1)

Hasil penelitian menunjukan pada

keseluruhan sampel adanya efek senin, efek

januari, efek TOTM, dan efek Halloween.

Ditemukan bukti analisis perilaku waktu yg

bervariasi dari keempat anomali kalender dari

waktu ke-waktu, melalui analisis sub-sample

dan rolling dan juga menunjukkan bahwa

anomali kalender berperilaku berbeda

tergantung pada kondisi pasar tertentu. Bukti

ini tidak konsisten dengan EMH tetapi

konsisten dengan AMH.

8 N. P.

Ravindra

Deyshappriya

An Empirical

Investigation on

Stock Market

Anomalies: The

Evidence from

Colombo Stock

Exchange in Sri

Lanka (2014)

Regresi

dan

GARCH

(1,1)

Hasil menunjukkan adanya efek Senin negatif

dan efek positif untuk semua hari-hari lain

hanya untuk periode perang. efek Januari

positif terjadi untuk seluruh periode sampel,

efek Desember negatif tidak dapat

diidentifikasi untuk periode pasca perang.

Oleh karena itu, studi ini menegaskan adanya

anomali Stock Market; baik efek hari dalam

seminggu dan efek bulan khususnya selama

periode perang.

38

No Peneliti Judul Alat Statistik Hasil

9 Evangelos

Vasileiou

dan

Aristeidis

Samitas

Does the financial

crisis influence

the month and the

trading month

effects? Evidence

from the Athens

Stock Exchange

(2014)

regresi dan T-

GARCH

Hasil empiris menunjukkan bahwa

perubahan kondisi ekonomi dan

keuangan mempengaruhi efek kalender.

Efek januari terlihat signifikan pada sub

periode pertumbuhan keuangan, tetapi

memudar selama periode resesi. Selain

itu, efek februari dan November hanya

dapat terlihat pada periode resesi,

sedangkan efek maret juga hanya terlihat

pada periode pertumbuhan. Efek Juli

dapat terlihat pada periode keseluruhan

dan periode pertumbuhan. Sehingga,

dapat disimpulkan bahwa bursa efek

Yunani bersifat tidak efisien.

10 Eleftherios

Giovanis

The Turn-of-the-

Month-Effect:

Evidence from

Periodic

Generalized

Autoregressive

Conditional

Heteroskedasticity

(PGARCH) Model

(2014)

GARCH(1,1)

dan

PGARCH(1,1)

Hasil penelitian menunjukkan bahwa

efek pergantian bulan adalah terus-

menerus di 19 dari 20 indeks pasar saham

selama seluruh periode diperiksa. Hasil

penelitian ini mengkonfirmasi temuan

oleh Marquering et al. (2006), yang

menemukan bahwa efek pergantian bulan

masih ada terus-menerus. Marquering et

al. (2006) menyatakan bahwa kegigihan

pergantian efek bulan dapat dijelaskan

oleh biaya transaksi, yang terlalu tinggi

untuk investor untuk mendapatkan

keuntungan dari anomali kalender ini,

karena mereka tidak dapat memanfaatkan

pola.

39


Statistik Hasil

11 Aditya

Probo

Saputro

dan

Sukirno

Day Of The

Week Effect Dan

Month Of The

Year Effect

Terhadap

Return Indeks

Pasar (2014)

Regresi

dan t-test

Dari hasil penelitian dapat disimpulkan bahwa

Day Of The Week Effect Dan Month Of The Year

Effect telah terjadi pada pasar modal Indonesia.

Efek hari Kamis berpengaruh terhadap return

indeks pasar secara parsial, trading return pada

hari Senin dipengaruhi oleh non trading return

pada hari Jumat minggu sebelumnya dan return

yang negatif terjadi pada saat trading yaitu

pembukaan sampai dengan penutupan hari

Senin. Dari penelitian ini juga dapat dilihat

bahwa adanya efek bulan Januari, Maret, Mei

dan Agustus berpengaruh terhadap return indeks

pasar.

12 Christos

Floros

dan

Enrique

Salvador

Calendar

anomalies in

cash and stock

index futures:

International

evidence (2014)

regresi Hasil penelitian adalah selama periode

volatilitas rendah, ada efek Desember positif

umum untuk semua return cash. Selain itu, ada

efek Januari positif bagi indeks spot Amerika

(Nasdaq100 dan SP500). penelitian ini juga

menemukan efek Februari di Nasdaq100, efek

April di FTSE100, dan efek Maret dan Juli pada

SP500 selama periode stabilitas pasar (volatilitas

yang rendah). Namun, pada periode volatilitas

tinggi efek musiman diperoleh negatif dalam

semua kasus contohnya efek November di

Inggris (FTSE100) dan AS (Nasdaq100 dan

SP500).

13 Ali F.

Darrat,

Bin Li,

dan

Richard

Chung

Seasonal

Anomalies: A

Closer Look at

the

Johannesburg

Stock Exchange

(2013)

GARCH

(1,1)

Hasil penelitian terdapat efek senin negatif dan

efek selasa positif pada indeks Johannesburg.

Sedangkan untuk efek bulan (month of the year

effect) Peneliti gagal untuk menemukan return

yang signifikan pada bulan apapun.

40


Statistik Hasil

14 S.C.Thushara

dan Prabath

Perera

The Month of

The Year Effect:

Empirical

Evidence from

Colombo Stock

Exchange (2013)

Regresi,

GARCH

(1,1)

Hasil Penelitian terdapat efek bulan pada

tahun (month of the year effect) di return

harian saham yang diperdagangkan di CSE.

Pada CSE terdapat Efek Januari, Efek

Februari, Efek April, dan Efek September

positif.

15 Ming Qi &

Wenyao

Wang

The Monthly

Effects in

Chinese Gold

Market (2013)

GED-

GARCH

(1,1)

Hasil penelitian menujukan adanya return

anomali emas yang signifikan pada bulan

Februari, April, Agustus, September,

November dan Desember. Sebagian besar

efek bulan ini terjadi sebelum 7 hari libur,

yang disebut "Golden Weeks" di Cina.

16 Ricky Chee-

Jiun Chia

dan Venus

Khim-Sen

Liew

Month-of-the-

Year and

Symmetrical

Effects in the

Nikkei 225

(2012)

Regresi

dan

TGARCH

Hasil penelitian terdapat efek November di

indeks NIKKEI225 pada periode Januari

2010 sampai Juni 2009. Adanya month of

the year effect di TSE menunjukkan bahwa

melalui strategi waktu investasi yang benar,

manajer keuangan, konselor keuangan dan

investor bisa mengambil keuntungan dari

pola tersebut.

17 Qiwei Chen Risk and

Seasonal Effects:

International

Evidence (2012)

Regresi,

GARCH

(1,1) dan

GARCH-

M

Hasil Penelitian Menunjukan adanya efek

musiman (seasonal effect) pada Amerika

Serikat, Inggris, cina, dan Australia dengan

sistem pajak yang berbeda dan pajak akhir

tahun. Bukti empiris menunjukkan efek

Januari di Amerika Serikat, Januari dan

April efek di Inggris, Efek Juli di Australia

dan tidak ada efek musiman yang signifikan

di Cina.

18 Galih

Pandekar dan

Nadia Putrini

Turn-off-the-

Month Effect on

Stocks in LQ45

Index and

Various Sectors

in the Indonesia

Stock Exchange

using GARCH

(p,q) (2012)

GARCH

(p,q)

Hasil penelitian dapat dilihat bahwa turn off

the month effect dapat ditemukan pada bursa

saham Indonesia. Efek ini dapat dilihat pada

4 hari transaksi terakhir atau delapan hari

pertama pada bulan selanjutnya. Secara

umum, efek TOM juga terjadi di saham-

saham yang konsisten dalam LQ45. Saham

ini AALI, ASII, ANTM, BBCA, INDF,

ISAT, INCO, PTBA, SMCB, TLKM dan

UNTR.

41


Statistik Hasil

19 Andreas G.

Georgantopoulos,

Dimitris F.

Kenourgios dan

Anastasios D.

Tsamis

Calendar

Anomalies in

Emerging

Balkan Equity

Markets (2011)

Regresi,

GARCH

(1,1)

Hasil dari Penelitian terdapat anomali

kalender pada indeks SOFIX dari

Bulgaria, VANGUARD dari Rumania,

CROBEX dari Kroasia, ISE NASIONAL

50 dari Turki, dan General Index Athena

(ASE) dari Yunani.

20 Nopphon

Tangjitprom

The Calendar

Anomalies of

Stock Return in

Thailand

(2011)

Regresi,

GARCH

(1,1)

Hasil menunjukan bahwa adanya anomali

kalender pada bursa saham Thailand.

Return SET dan SET50 abnormal tinggi

selama bulan Desember dan Januari, yang

dapat dinyatakan sebagai efek pergantian

tahun. Return selama periode pergantian

bulan, yang dapat didefinisikan sebagai

hari perdagangan terakhir dan empat hari

perdagangan pertama bulan-bulan

berikutnya, juga abnormal tinggi. efek

akhir pekan juga ada untuk kedua indeks

SET dan indeks SET50. Return saham

adalah abnormal tinggi pada hari Jumat

dan rendah yang tidak normal pada hari

Senin.

C. Kerangka Pemikiran

Kerangka konseptual merupakan suatu model yang menerangkan

bagaimana hubungan suatu teori dengan faktor - faktor penting yang telah

diketahui dalam suatu masalah tertentu. Kerangka konseptual akan

menghubungkan secara teoritis antara variabel-variabel penelitian, yaitu

variabel independen dan variabel dependen.

42

Dalam penelitian ini variabel yang digunakan sebagai variabel

dependen adalah return dari Indeks – indeks indonesia dan indeks World Major.

Sedangkan variabel independen yaitu bulan perdagangan yang meliputi:

Januari, Februari, Maret, April, Mei, Juni, Juli, Agustus, September, Oktober,

November, dan Desember.

Penelitian ini dilakukan terhadap Indeks - Indeks yang yang termasuk

dalam Indeks - Indeks Indonesia dan Indeks world major Tahun 2010 - 2016,

Indeks Indonesia yang di uji terdiri dari LQ45, Bisnis27, JKSE, Kompas100,

Pefindo25 dan Sri Kehati. Sedangkan Indeks World Major yang di uji adalah

CAC40, DAX, IBEX35, FTSE100.

Tujuannya adalah untuk mengetahui apakah adanya anomali pasar

modal month of the year terhadap Indeks - Indeks tersebut. Untuk memudahkan

memahami diberikan gambaran tentang arah penelitian terlihat pada Gambar

2.3 :

43

Uji A

sum

si Klasik

Gambar 2.3

Kerangka Pemikiran

INDEX INDONESIA

(JKSE, LQ45, BISNIS27, KOMPAS100, SRIKEHATI, PEFINDO25)

INDEX WORLD MAJOR

(FTSE100, DAX, IBEX35, CAC40)

Dependen

(Return)

Independen

(Bulan Perdagangan)

Uji Stasioneritas

Uji Autokorelasi

Uji Heteroskedisitas

Uji Analisis Month of

the Year Effect

Uji OLS

Hasil Penelitian

Uji Arch-Garch

44

D. Perumusan Hipotesis

Hipotesis merupakan jawaban masalah atau pertanyaan penelitian yang

dikembangkan berdasarkan teori-teori yang perlu diuji melalui proses

pemilihan, pengumpulan, dan analisis data. Berdasarkan kerangka pemikiran

diatas yang didukung oleh berbagai teori dan berbagai penelitian terdahulu,

maka hipotesis yang dibangun dari penelitian ini adalah :

H1 : Terdapat month of the year effect terhadap return saham di Indeks - Indeks

Indonesia

H2 : Terdapat month of the year effect terhadap return saham di Indeks - indeks

world major

45

BAB III

METODE PENELITIAN

A. Ruang lingkup penelitian

Ruang lingkup penelitian ini adalah beberapa indeks Indonesia yaitu

Jakarta Composite Index (JKSE), LQ45 (JKLQ45), BISNIS27 (JKBI27),

KOMPAS100 (JKKM100), PEFINDO25 (JKPEF25), SRIKEHATI (JKSRI)

dan Indeks yang termasuk dalam Indeks world major yaitu CAC40 (F40) dari

Perancis, DAX (GDAXI) dari Jerman, IBEX35 (IBEX) dari Spanyol, dan

FTSE100 (FTSE) dari Inggris. Periode penelitian yaitu dari Januari 2010

sampai Desember 2016, sub-periode 2010-2013 dan sub-periode 2014-2016.

Data yang digunakan dalam penelitian ini adalah laporan mingguan historical

price index yang konsisten selama periode penelitian, yakni antara Januari 2010

sampai dengan Desember 2016, sub-periode 2010-2013 dan sub-periode 2014-

2016.

Alasan peneliti menggunakan sampel dari Indeks – indeks diatas yakni

karena peneliti menilai bahwa return indeks - indeks Indonesia dan indeks

world major memberikan tingkat return yang baik

B. Metode penentuan sampel

Teknik penentuan sampel yang digunakan dalam penelitian ini dipilih

berdasarkan metode judgement sampling adalah pengumpulan data atas dasar

strategi kecakapan atau pertimbangan pribadi semata.

46

Kriteria saham-saham yang akan dilakukan penelitian untuk dijadikan sampel

penelitian adalah sebagai berikut:

1. Indeks – Indeks yang dipilih adalah Indeks Indonesia dan indeks world

major sejak Januari 2010 sampai dengan Desember 2016.

2. Indeks yang digunakan dalam penelitian ini adalah indeks yang secara terus

menerus terdaftar selama periode penelitian, sedangkan untuk indeks yang

tidak terdaftar secara terus menerus dikeluarkan dari objek penelitian. Tabel

3.1 adalah daftar indeks – indeks yang menjadi sampel penelitian.

Tabel 3.1

Daftar Indeks yang Menjadi Sampel Penelitian

No Nama Indeks Kode Indeks Negara

1 JKSE JKSE Indonesia

2 LQ45 JKLQ45 Indonesia

3 bisnis27 JKBI27 Indonesia

4 Kompas100 JKKM100 Indonesia

5 Pefindo25 JKPEF25 Indonesia

6 Sri Kehati JKSRI Indonesia

7 CAC40 F49 France

8 DAX GDAXI Germany

9 Ibex35 IBEX Spain

10 FTSE100 FTSE United Kingdom

C. Metode Pengumpulan Data

Dalam penelitian ini data yang sekunder yang diperoleh adalah dengan

cara melakukan studi kepustakaan untuk menunjang materi pembahasan pada

penelitian. Kegiatan-kegiatan ini dilaksanakan dengan cara mengumpulkan

47

informasi melalui buku-buku, jurnal literatur, majalah, koran, website dan lain-

lain yang berkaitan dan mendukung penelitian ini. Data yang dimaksud dalam

penelitian ini merupakan data time series yang berupa historical price index

Indonesia dan Indeks world major periode Januari 2010 sampai Desember 2016

yang diperoleh dari Investing.com yaitu data mingguan.

D. Metode Analisis Data

Metode analisis data dilakukan dengan aturan yang harus dilalui melalui

beberapa tahap, yaitu:

1. Menghitung masing-masing return selama periode Januari 2010 sampai

Desember 2016. Return indeks dapat dihitung dengan rumus sebagai

berikut :

2.

Keterangan :

Rt: Return Indeks pada minggu t

Pt: Harga penutupan (closing price) pada minggu ke t

Pt-1: Harga penutupan (closing price) pada minggu t – 1

3. Mengelompokkan return Indeks yang telah dihitung kedalam bulan

perdagangan Januari, Februari, Maret, April, Mei, Juni, Juli, Agustus,

September, November, Desember.


48

4. Melakukan uji analisis market anomaly month of the year effect

Dalam pengujian ini, penguji mencoba untuk menganalisis

keberadaan market anomaly month of the year effect pada beberapa

indeks Indonesia dan indeks world major selama periode observasi,

yaitu periode 2010-2016 dan sub-periode 2010-2013, 2014-2016.

Peneliti akan menggunakan uji regresi linier (OLS) dan metode

Generalized Autoregressiv Conditional Heterokedasticity (GARCH).

a. Uji Regresi Linier

Penelitian ini akan menggunakan regresi linear majemuk

sehingga pada nantinya akan dijelaskan lebih dalam mengenai

penggunaan metode tersebut. Berikut ini adalah permodelan dengan

memasukkan variable dummy dengan persamaan regresi sebagai

berikut:

Rt = β1DJan + β2DFeb + β3DMar + β4DApr + β5DMei + β6DJun + β7DJul +

β8DAgt + β9DSept + β10DOkt + β11DNov + β12DDes + et

Keterangan:

Rt: Return bulanan indeks pada bulan t.

β1, β2, .... β12: Koefisien regresi untuk variabel dummy dari masing-

masing bulan.

Djan : Dummy untuk bulan Januari

49

Dfeb : Dummy untuk bulan Februari

Dmar : Dummy untuk bulan Maret

Dapr : Dummy untuk bulan April

Dmei : Dummy untuk bulan Mei

Djun : Dummy untuk bulan Juni

Djul : Dummy untuk bulan Juli

Dagt : Dummy untuk bulan Agustus

Dsept : Dummy untuk bulan September

Dokt : Dummy untuk bulan Oktober

Dnov : Dummy untuk bulan November

Ddes : Dummy untuk bulan Desember

Nilai DJan = 1 untuk return pada bulan perdagangan Januari

dan 0 untuk return pada bulan perdagangan lainnya. Nilai DFeb = 1

untuk return pada bulan perdagangan Februari dan 0 untuk return

pada bulan perdagangan lainnya, dan seterusnya. Koefisien regresi

ini menunjukan besarnya return rata-rata pada hari perdagangan ke-

t.

Menurut Abdul Hakim (2014:38) untuk mendapatkan estimator

dengan sifat yang diinginkan, yakni BLUE (best, linear, unbiased

estimator), OLS harus memenuhi asumsi – asumsi klasik. Beberapa

asumsi klasik dalam model regresi linier adalah sebagai berikut:

1) E (ui|Xi) = 0, yakni mean residual adalah 0.

50

2) E (Ui|Xi – E (Ui|Xi))2 = σ2, yakni varians dari residual adalah

konstan, dikenal sebagai asumsi homokedastisitas.

3) E (Ui|Xi – E (Ui|Xi)) (Uj|Xj - E (Uj|Xj)) = 0, i ≠ j, yakni tidak ada

serial korelasi antar residual, dikenal sebagai asumsi no serial

correlation.

Agar dapat memenuhi estimator agar bersifat BLUE, maka

dilakukan beberapa uji, kemudian dilakukan treatment bila

ditemukan adanya penyimpangan pada data.

1) Uji Stasioneritas

Data time series merekam perilaku ekonomi dari waktu ke

waktu, maka fluktuasi data mencerminkan bagaimana pelaku

ekonomi berperilaku. Data yang tidak stasioner menunjukan

varians data yang tetap sepanjang waktu observasi, sedangkan

data yang tidak stasioner menjelaskan bahwa pada saat tertentu

situasi ekonomi melakukan suatu tindakan tertentu yang keluar

dari biasanya. (Dr. Mahyus Ekananda, 2014:21)

Sebuah serial dinamakan stasioner jika memiliki mean

konstan, varian konstan, dan otokovarians konstan untuk

panjang lag tertentu (dikenal sebagai konsep weak stationarity).

(Abdul Hakim, 2014;189)

51

Uji stasioneritas akan menggunakan Unit root

Augmented Dickey-Fuller Test (ADF). Hipotesis Unit root

Augmented Dickey-Fuller Test adalah sebagai berikut:

H0 : δ=0

H1 : δ≠0

H0 Mengindikasi adanya unit root. Nilai uji ADF t-statistik

dengan angka lebih rendah dari critical value 5%

mengindikasikan data tidak memiliki masalah unit root atau data

telah stasioner sehingga kesimpulan yang diambil adalah tolak

H0.

2) Uji Autokorelasi

Autokorelasi yang kuat dapat menyebabkan dua variabel

yang tidak berhubungan menjadi berhubungan. Bila metode

OLS digunakan maka akan terlihat R2 yang besar dapat

menghasilkan spurious regression atau regresi palsu (Nachrowi

dan Usman, 2006:186).

Cara untuk melakukan uji autokorelasi selain dengan uji

Durbin Watson juga dapat menggunakan uji LM test atau yang

juga dikenal dengan The Breusch-Godrey (BG) test merupakan

salah satu metode yang dapat digunakan untuk mengecek

adanya penyimpangan autukorelasi pada suatu periode

52

observasi. Penggunaan LM test dalam mendeteksi keberadaan

autokorelasi dirasa lebih baik dibandingkan dengan

menggunakan Durbin Watson karena LM test tidak

mempermasalahkan keberadaan error pada AR dan MA sebagai

variabel bebas. Adapun hipotesis yang digunakan yaitu:

H0 = Tidak terdapat autokorelasi

H1 = Terdapat autokorelasi

Apabila probabilitas pada Obs*R-squared > α = 5%,

mengindikasi data tidak ada autokorelasi sehingga H0 diterima.

Sedangkan, Apabila nilai probabilitas pada Obs*R-squared < α

= 5% maka H0 ditolak.

3) Uji Heteroskedetisitas

Homoskedastisitas berarti varians residual yang konstan,

yakni: E(ui2) = σ2 Pelanggaran terhadap asumsi ini disebut

Heteroskedestisitas yakni varian tidak konstan : E(ui2) = σi

2.

(Abdul Hakim, 2014;113)

Heteroskedestisitas merupakan kondisi dimana varian

tidak konstan atau berubah-ubah. Uji heteroskedestisitas dapat

dilakukan dengan menggunakan White Heterokedasticity test

ataupun dengan melihat Residual Graph. Hipotesis pada uji

Heteroskedestitas adalah sebagai berikut:

H0 = Tidak terdapat heteroskedestisitas

53

H1 = Terdapat heteroskedestisitas

Hipotesis awal mengindikasikan bahwa tidak terdapat

hubungan antara error dengan variabel bebas atau data telah

homokedastis. Bila nilai telah probibality pada Obs*R-squared>

α = 5%, berarti tidak terdapat heteroskedastisitas atau dengan

kata lain terima H0. Sedangkan bila nilai probabilitas pada

Obs*R-squared < α = 5%, berarti terdapat heteroskedastisitas

atau tolak H0.

b. Uji Model ARCH dan GARCH

Dikarenakan data yang digunakan oleh penguji adalah data time

series, sering ditemukan kondisi varian error yang bersifat tidak

konstan sehingga data time series tersebut memiliki masalah

heterokedastisitas. Seperti yang sudah disebutkan sebelumnya,

untuk menggunakan uji regresi linier (OLS) diperlukan data yang

bersifat homokedastis yaitu varian error yang konstan agar

mendapatkan estimator yang bersifat BLUE. Karena ada

penyimpangan tersebut, maka diperlukan model lain.

Menurut Ekananda (2014:258) model ARCH/GARCH (Auto

regressive conditional heteroscedasticity/General auto regressive

conditional heteroscedasticity) menganggap varian error yang tidak

konstan (heterokedastisitas) bukan sebagai suatu masalah, tetapi

54

justru dapat digunakan untuk modelling dan peralaman

(Forcasting).

1) Uji ARCH

Penelitian akan menggunakan trial and error untuk

menemukan persamaan. Berikut adalah persamaan dasar dengan

menggunakan permodelan ARCH :

Rt = β1DJan + β2DFeb + β3DMar + β4DApr + β5DMei + β6DJun + β7DJul

+ β8DAug + β9DSept + β10DOct + β11DNov + β12DDec +∑−4

∫=1 bj + 5rt-

j + ɛt

ARCH model digunakan untuk mengatasi ketidak

pastian dari resiko residual. Keuntungan pendekatan ini adalah

conditional variance atau volatilitas jangka pendek merupakan

fungsi dari error pada return masa lalu. Untuk menemukan

permodelan yang sesuai, dapat dilakukan penambahan jumlah

orde (q) yang lebih besar pada model ARCH (q). Penambahan

orde (q) akan mengakibatkan variance dari residualnya berubah.

Selain itu, jumlah orde (q) yang relatif besar akan

mengakibatkan banyaknya parameter yang harus diestimasi.

Semakin banyak parameter yang harus diestimasi dapat

55

mengakibatkan ketepatan dari estimator berkurang. Hal ini biasa

dijumpai pada pengujian menggunakan data bulanan (Nachrowi

dan Usman, 2006:421).

2) Uji GARCH

Menurut Bollerslev (1986) dalam Robiyanto (2015),

Metode GARCH digunakan ketika terdapat variance error yang

besarnya bergantung pada squared error terms pada beberapa

tahun lalu. Berikut ini adalah pemodelan dari GARCH :

𝜎t2 = 𝛼0 + ∑ 𝛼𝑖𝑞

𝑖=1 𝜀2t-1+ ∑ 𝛾𝜎𝑝

𝑖=12

t-1

Permodelan yang sesuai dalam menggambarkan

volatilitas return saham selama periode observasi, maka akan

dilakukan deteksi keberadaan month of the year efect pada hasil.

Berikut adalah hipotesis penelitian untuk uji tersebut:

H0 : β1, β2,…..β12 = 0

H1 : β1, β2,…..β12 ≠ 0

Hipotesis awal mengindikasikan bahwa terdapat

conditional variance yang bersifat konstan pada periode

56

observasi atau terdapat rata-rata return yang sama selama

periode observasi dimana return bulan Januari akan sama

dengan return bulan Februari, Maret, April, Mei, Juni, Juli,

Agustus, September, Oktober, November, dan Desember.

Hipotesa alternatif mengindikasikan bahwa terdapat perbedaan

return antara kedua belas bulan tersebut yang mencerminkan

keberadaan month of the year effect selama periode observasi.

Bila nilai probabilitas < α=5%, maka terdapat anomali

month of the year effect atau dengan kata lain tolak H0. Hal ini

mengindikasikan bahwa return kedua belas bulan tersebut

berbeda satu sama lain. Sedangkan bila nilai probabilitas > α

=5%, maka tidak terdapat anomali month of the year effect

sehingga kesimpulan yang diambil adalah terima H0. Berikut

adalah diagnostic check lebih lanjut sebagai uji kelayakan untuk

model GARCH, hasil penjumlahan koefisien ARCH dan

GARCH tidak lebih dari 1(α+β<1) (Shochrul R. Ajija,

2011:112).

57

E. Operasional variabel

Berikut ini akan dijelaskan mengenai defenisi operasional variabel yang

akan digunakan penelitian mengenai month of the year effect terhadap return

pasar pada indeks – indeks Indonesia dan Indeks world major pada periode

tahun 2010 sampai 2016, sub-periode 2010-2013 dan sub-periode 2014-2016

yaitu sebagai berikut:

1. Variabel Independen

Variabel independen adalah variabel yang tidak terikat, bebas dan tidak

mempengaruhi variabel dependen. Berdasarkan tujuan penelitian ini adalah

untuk menganalisa ada tidaknya anomali month of the year effect di indeks

- indeks Indonesia dan indeks world major. Maka variabel yang digunakan

adalah return bulan Januari,Februari, Maret, April, Mei, Juni, Juli, Agustus,

September, Oktober,November, Desember.

2. Variabel Dependen

Variabel dependen adalah variabel yang terikat dan dipengaruhi oleh

variabel Independen. Berdasarkan tujuan penelitian ini adalah untuk

menganalisis keberadaan anomali month of the year effect di indeks –

indeks Indonesia dan indeks world major. Variabel yang digunakan adalah

return indeks. Adapun rumus nilai return indeks yang digunakan adalah

sebagai berikut:

58

Keterangan :

Rt : Return indeks pada minggu t

Pt : Harga penutupan (closing price) pada minggu ke t

Pt-1 : Harga penutupan (closing price) pada minggu t – 1


59

BAB IV

HASIL DAN PEMBAHASAN

A. Sekilas Gambaran Umum Objek Penelitian

1. Gambaran Umum Indeks yang termasuk Indeks – Indeks Indonesia

a. JKSE (Jakarta Composite Index/IHSG)

JKSE atau sering disebut dengan IHSG diperkenalkan pada

tanggal 1 April 1983 sebagai indikator pergerakan harga semua saham

yang tercatat di BEI, baik untuk saham biasa dan preferred. Tanggal

dasar untuk perhitungan IHSG adalah 10 Agustus 1982 dengan nilai

indeks dasar 100. Pada saat itu, jumlah saham yang tercatat adalah 13

saham.

b. LQ45

LQ45 merupakan salah satu indeks di Bursa Efek Indonesia

(BEI), di mana indeks tersebut diperoleh dari perhitungan 45 emiten

dengan seleksi kriteria seperti penilaian atas likuiditas. Tujuan indeks

LQ 45 adalah sebagai pelengkap IHSG dan khususnya untuk

menyediakan sarana yang obyektif dan terpercaya bagi analisis

keuangan, manajer investasi, investor dan pemerhati pasar modal

lainnya dalam memonitor pergerakan harga dari saham-saham yang

aktif diperdagangkan.

60

Indeks LQ 45 hanya terdiri dari 45 saham yang telah terpilih melalui

berbagai kriteria pemilihan, sehingga akan terdiri dari saham-saham

dengan likuiditas dan kapitalisasi pasar yang tinggi. Saham-saham pada

indeks LQ 45 harus memenuhi kriteria dan melewati seleksi utama

sebagai berikut:

1) Masuk dalam ranking 60 besar dari total transaksi saham di pasar

reguler (rata-rata nilai transaksi selama 12 bulan terakhir).

2) Ranking berdasar kapitalisasi pasar (rata-rata kapitalisasi pasar

selama 12 bulan terakhir)

3) Telah tercatat di BEJ minimum 3 bulan

4) Keadaan keuangan perusahaan dan prospek pertumbuhannya,

frekuensi dan jumlah hari perdagangan transaksi pasar reguler.

Saham-saham yang termasuk didalam LQ 45 terus dipantau dan

setiap enam bulan akan diadakan review (awal Februari, dan Agustus).

Apabila ada saham yang sudah tidak masuk kriteria maka akan diganti

dengan saham lain yang memenuhi syarat.

Berikut ini adalah daftar saham – saham yang terdaftar dalam indeks

LQ45:

61

Tabel 4.1

Daftar Saham – saham yang terdaftar di indeks LQ45

No Kode Nama Emiten No Kode Nama Emiten

1 AALI Astra Agro Lestari Tbk 24 LPKR Lippo Karawaci Tbk

2 ADHI Adhi Karya (Persero) Tbk 25 LPPF Matahari Department Store Tbk

3 ADRO Adaro Energy Tbk 26 LSIP PP London Sumatra Indonesia Tbk

4 AKRA AKR Corporindo Tbk 27 MNCN Media Nusantara Citra Tbk

5 ANTM Aneka Tambang (Persero) Tbk 28 MPPA Matahari Putra Prima Tbk

6 ASII Astra International Tbk 29 MYRX Hanson International Tbk

7 ASRI Alam Sutera Realty Tbk 30 PGAS Perusahaan Gas Negara (Persero)

Tbk

8 BBCA Bank Central Asia Tbk 31 PTBA Tambang Batubara Bukit Asam

(Persero) Tbk

9 BBNI Bank Negara Indonesia (Persero)

Tbk 32 PTPP PP (Persero) Tbk

10 BBRI Bank Rakyat Indonesia (Persero)

Tbk 33 PWON Pakuwon Jati Tbk

11 BBTN Bank Tabungan Negara (Persero)

Tbk 34 SCMA Surya Citra Media Tbk

12 BMRI Bank Mandiri (Persero) Tbk 35 SILO Siloam International Hospitals Tbk

13 BMTR Global Mediacom Tbk 36 SMGR Semen Indonesia (Persero) Tbk

14 BSDE Bumi Serpong Damai Tbk 37 SMRA Summarecon Agung Tbk

15 CPIN Charoen Pokphand Indonesia Tbk 38 SRIL Sri Rejeki Isman Tbk

16 GGRM Gudang Garam Tbk 39 SSMS Sawit Sumbermas Sarana Tbk

17 HMSP HM Sampoerna Tbk 40 TBIG Tower Bersama Infrastructure Tbk

18 ICBP Indofood CBP Sukses Makmur

Tbk 41 TLKM

Telekomunikasi Indonesia

(Persero) Tbk

19 INCO Vale Indonesia Tbk 42 UNTR United Tractors Tbk

20 INDF Indofood Sukses Makmur Tbk 43 UNVR Unilever Indonesia Tbk

21 INTP Indocement Tunggal Prakasa Tbk 44 WIKA Wijaya Karya (Persero) Tbk

22 JSMR Jasa Marga (Persero) Tbk 45 WSKT Waskita Karya (Persero) Tbk

23 KLBF Kalbe Farma Tbk Sumber: www.idx.com

http://www.idx.com/

62

c. BISNIS27

Pada tanggal 27 Januari 2009, BEI dan Harian Bisnis Indonesia

bergabung bersama untuk meluncurkan Indeks BISNIS-27 yang

memiliki tujuan untuk menjadi salah satu indikator untuk pasar modal

Indonesia.

Indeks BISNIS-27 terdiri dari 27 saham memilih berdasarkan

kriteria fundamental dan teknis. Beberapa faktor fundamental

dipertimbangkan dalam pemilihan saham adalah Operasi Pendapatan,

Laba Bersih, ROA, ROE dan DER, serta LDR dan CAR Emiten di

sektor perbankan. Selanjutnya, kriteria teknis yang akan

dipertimbangkan adalah jumlah hari transaksi dalam satu tahun, nilai

perdagangan, volume, frekuensi, dan kapitalisasi pasar.

Untuk memastikan keadilan dari proses seleksi saham, Komite

Indeks Bisnis-27 didirikan. Komite ini terdiri dari ahli pasar modal dan

profesional. Tanggal dasar dari indeks adalah 28 Desember 2004

dengan nilai dasar 100. BEI dan Harian Bisnis Indonesia secara rutin

akan memantau komponen saham yang masuk dalam perhitungan

indeks. Daftar Emiten yang termasuk dalam Indeks BISNIS-27 akan

ditinjau dan diperbaharui setiap 6 bulan, pada awal Mei dan November.


BISNIS27:

63

Tabel 4.2

Daftar Saham – saham yang terdaftar di indeks BISNIS27

No Kode Nama Emiten

1 AALI Astra Agro Lestari Tbk

2 ADRO Adaro Energy Tbk

3 AKRA AKR Corporindo Tbk

4 ASII Astra International Tbk

5 BBCA Bank Central Asia Tbk

6 BBNI Bank Negara Indonesia (Persero) Tbk

7 BBRI Bank Rakyat Indonesia (Persero) Tbk

8 BDMN Bank Danamon Tbk

9 BMRI Bank Mandiri (Persero) Tbk

10 BSDE Bumi Serpong Damai Tbk

11 CPIN Charoen Pokphand Indonesia Tbk

12 CTRA Ciputra Development Tbk *)

13 GGRM Gudang Garam Tbk

14 ICBP Indofood CBP Sukses Makmur Tbk

15 INCO Vale Indonesia Tbk

16 INTP Indocement Tunggal Prakasa Tbk

17 KLBF Kalbe Farma Tbk

18 LPKR Lippo Karawaci Tbk

19 MIKA Mitra Keluarga Karyasehat Tbk *)

20 MNCN Media Nusantara Citra Tbk

21 PGAS Perusahaan Gas Negara (Persero) Tbk

22 PNBN Bank Pan Indonesia Tbk

23 PTBA Bukit Asam (Persero) Tbk

24 PWON Pakuwon Jati Tbk

25 SMGR Semen Indonesia (Persero) Tbk

26 TLKM Telekomunikasi Indonesia (Persero) Tbk

27 UNTR United Tractors Tbk

Sumber: www.idx.com

http://www.idx.com/

64

d. KOMPAS100

KOMPAS100 diluncurkan di bawah kerjasama antara Bursa

Efek Indonesia dan surat kabar harian Kompas. Penghitungan

KOMPAS100 dimulai pada tanggal dasar 2 Januari 2002 dengan nilai

dasar 100. Indeks KOMPAS100 akan diperbaharui setiap enam bulan

atau setiap bulan Februari dan Agustus. Daftar saham yang terdaftar di

KOMPAS100 adalah sebagai berikut:

Tabel 4.3

Daftar Saham – saham yang terdaftar di indeks KOMPAS100


1 AALI Astra Agro Lestari Tbk 19 BIRD Blue Bird Tbk.

2 ACES Ace Hardware Indonesia Tbk 20 BJBR Bank Pembangunan Daerah Jawa Barat dan Banten Tbk

3 ADHI Adhi Karya (Persero) Tbk 21 BJTM Bank Pembangunan Daerah Jawa Timur Tbk

4 ADRO Adaro Energy Tbk 22 BKSL Sentul City Tbk

5 AISA Tiga Pilar Sejahtera Food Tbk. 23 BMRI Bank Mandiri (Persero) Tbk

6 AKRA AKR Corporindo Tbk 24 BMTR Global Mediacom Tbk

7 ANTM Aneka Tambang (Persero) Tbk 25 BSDE Bumi Serpong Damai Tbk

8 APLN Agung Podomoro Land Tbk 26 BUMI Bumi Resources Tbk

9 ASII Astra International Tbk 27 BWPT BW Plantation Tbk

10 ASRI Alam Sutera Realty Tbk 28 CPIN Charoen Pokphand Indonesia Tbk

11 BBCA Bank Central Asia Tbk 29 CPRO Central Proteinaprima Tbk

12 BBNI Bank Negara Indonesia (Persero) Tbk 30 CTRA Ciputra Development Tbk

13 BBRI Bank Rakyat Indonesia (Persero) Tbk 31 DILD Intiland Development Tbk

14 BBTN Bank Tabungan Negara (Persero) Tbk 32 DSFI Dharma Samudera Fishing Industries Tbk

15 BCIP Bumi Citra Permai Tbk 33 DSNG Dharma Satya Nusantara Tbk

16 BDMN Bank Danamon Indonesia Tbk 34 ELSA Elnusa Tbk

17 BEST Bekasi Fajar Industrial Estate Tbk 35 ENRG Energi Mega Persada Tbk

18 BHIT MNC Investama Tbk 36 ERAA Erajaya Swasembada Tbk

65


37 EXCL XL Axiata Tbk 69 PGAS Perusahaan Gas Negara (Persero) Tbk

38 GGRM Gudang Garam Tbk 70 PLAS Polaris Investama Tbk

39 GIAA Garuda Indonesia (Persero) Tbk 71 PNBN Bank Pan Indonesia Tbk

40 GJTL Gajah Tunggal Tbk 72 PNLF Panin Financial Tbk

41 HMSP HM Sampoerna Tbk 73 PTBA Tambang Batubara Bukit Asam (Persero) Tbk

42 ICBP Indofood CBP Sukses Makmur

Tbk 74 PTPP PP (Persero) Tbk

43 INCO Vale Indonesia Tbk 75 PWON Pakuwon Jati Tbk

44 INDF Indofood Sukses Makmur Tbk 76 RALS Ramayana Lestari Sentosa Tbk

45 INTP Indocement Tunggal Prakasa Tbk 77 SCMA Surya Citra Media Tbk

46 ISAT Indosat Tbk 78 SIDO Industri Jamu dan Farmasi Sido Muncul Tbk

47 ITMG Indo Tambangraya Megah Tbk 79 SILO Siloam International Hospitals Tbk

48 JPFA Japfa Comfeed Indonesia Tbk 80 SIMP Salim Ivomas Pratama Tbk

49 JSMR Jasa Marga (Persero) Tbk 81 SMCB Holcim Indonesia Tbk

50 KIJA Kawasan Industri Jababeka Tbk 82 SMGR Semen Indonesia (Persero) Tbk

51 KLBF Kalbe Farma Tbk 83 SMRA Summarecon Agung Tbk

52 KREN Kresna Graha Sekurindo Tbk 84 SMRU SMR Utama Tbk

53 LCGP Eureka Prima Jakarta Tbk 85 SOCI Soechi Lines Tbk.

54 LINK Link Net Tbk. 86 SRIL Sri Rejeki Isman Tbk

55 LPCK Lippo Cikarang Tbk 87 SSIA Surya Semesta Internusa Tbk

56 LPKR Lippo Karawaci Tbk 88 SSMS Sawit Sumbermas Sarana Tbk

57 LPPF Matahari Department Store Tbk 89 SUGI Sugih Energy Tbk

58 LSIP PP London Sumatra Indonesia Tbk 90 TARA Sitara Propertindo Tbk.

59 MAPI Mitra Adiperkasa Tbk 91 TBIG Tower Bersama Infrastructure Tbk

60 MDLN Modernland Realty Ltd Tbk 92 TINS Timah (Persero) Tbk

61 META Nusantara Infrastructure Tbk 93 TLKM Telekomunikasi Indonesia (Persero) Tbk

62 MIKA Mitra Keluarga Karyasehat Tbk 94 TRAM Trada Maritime Tbk

63 MLPL Multipolar Tbk 95 UNTR United Tractors Tbk

64 MNCN Media Nusantara Citra Tbk 96 UNVR Unilever Indonesia Tbk

65 MPPA Matahari Putra Prima Tbk 97 VIVA Visi Media Asia Tbk

66 MYRX Hanson International Tbk 98 WIKA Wijaya Karya (Persero) Tbk

67 NIRO Nirvana Development Tbk 99 WSKT Waskita Karya (Persero) Tbk

68 PBRX Pan Brothers Tbk 100 WTON Wijaya Karya Beton Tbk.

Sumber: www.idx.com

http://www.idx.com/

66

KOMPAS100 Indeks meliputi 100 saham yang dipilih

berdasarkan kriteria sebagai berikut:

1) Terdaftar di BEI selama minimal 3 bulan;

2) Kinerja perdagangan di pasar reguler, yang meliputi nilai, volume

dan frekuensi transaksi;

3) Jumlah hari perdagangan di pasar reguler;

4) kapitalisasi pasar pada periode waktu tertentu.

e. PEFINDO25

Indeks PEFINDO25 diluncurkan pada tanggal 18 Mei 2009 di

bawah kerjasama antara BEI dan PT Pemeringkat Efek Indonesia

(PEFINDO). Indeks ini mewakili saham (UKM) Kecil dan Menengah

terdaftar dengan kinerja fundamental yang baik dan likuiditas. Tanggal

dasar dari indeks adalah 29 Desember 2005, dengan nilai dasar 100

Indeks PEFINDO25 terdiri dari 25 saham dipilih berdasarkan keuangan

dan likuiditas mereka, serta kepemilikan publik mereka. Setiap enam

bulan, atau setiap bulan Februari dan Agustus saham yang tercatat di

PEFINDO 25 akan diperpanjang. Saham harus menjalani tahapan

seleksi di bawah ini:

1) Memiliki total aset kurang dari Rp1 triliun, berdasarkan laporan

keuangan yang telah diaudit tahunan;

2) Memiliki Kembali sama atau lebih tinggi dari (ROE) tingkat Equity

ini dari BUMD rata-rata semua Emiten di BEI;

67

3) Menerima pendapat Wajar Tanpa Pengecualian oleh akuntan publik

laporan keuangan yang telah diaudit;

4) Telah tercatat di BEI selama minimal 6 (enam) bulan;

5) Daftar 25 saham akan dipilih dengan mempertimbangkan aspek

likuiditas dan jumlah saham yang dimiliki oleh publik (floating

shares).

Daftar saham yang terdaftar di PEFINDO25 adalah sebagai berikut:

Tabel 4.4

Daftar Saham – saham yang terdaftar di indeks PEFINDO25


1 ACES Ace Hardware Indonesia Tbk 14 NRCA Nusa Raya Cipta Tbk

2 ACST Acset Indonusa Tbk 15 RAJA Rukun Raharja Tbk

3 ARNA Arwana Citramulia Tbk 16 RALS Ramayana Lestari Sentosa Tbk

4 ASSA Adi Sarana Armada Tbk 17 ROTI Nippon Indosari Corpindo Tbk

5 BEST Bekasi Fajar Industrial Estate Tbk 18 SAME Sarana Meditama Metropolitan Tbk

6 BISI BISI International Tbk 19 SCMA Surya Citra Media Tbk

7 CSAP Catur Sentosa Adiprana Tbk 20 SIDO Industri Jamu dan Farmasi Sido

Muncul Tbk

8 ELSA Elnusa Tbk 21 SILO Siloam International Hospitals Tbk

9 LINK Link Net Tbk. 22 SMBR Semen Baturaja (Persero) Tbk

10 LPCK Lippo Cikarang Tbk 23 SMSM Selamat Sempurna Tbk

11 LPPF Matahari Department Store Tbk 24 TOTL Total Bangun Persada Tbk

12 MIKA Mitra Keluarga Karyasehat Tbk 25 WTON Wijaya Karya Beton Tbk.

13 MTDL Metrodata Electronics Tbk Sumber: www.idx.com

http://www.idx.com/

68

f. SRIKEHATI

Pada tanggal 8 Juni 2009, BEI bekerja sama dengan Yayasan

Keanekaragaman Hayati Indonesia (Yayasan Keanekaragaman Hayati

Indonesia - KEHATI), sebuah organisasi yang bergerak dengan upaya

konservasi alam dan kelestarian sumber daya keanekaragaman hayati,

untuk meluncurkan Indeks baru yang mengacu pada pelaksanaan

berkelanjutan dan bertanggung jawab investasi (SRI). Indeks ini

bernama Indeks SRI-KEHATI, dan teridiri dari 25 saham.

Indeks ini didirikan sebagai pedoman investasi tambahan untuk

investor dengan mendirikan sebuah patokan pada Emiten dengan

praktek-praktek yang sangat baik untuk mendukung keberlanjutan

mereka melalui metode menyangkut tentang lingkungan, tata sosial dan

kelola perusahaan yang baik. Indeks baru ini diharapkan dapat

meningkatkan eksposur pada Emiten yang telah dilakukan tanggung

jawab lingkungan dan sosial mereka serta tata kelola perusahaan yang

baik.

BEI dan SRI-KEHATI akan rutin memantau komponen saham

yang masuk dalam perhitungan indeks. konstituen indeks akan ditinjau

dan diperbaharui setiap 6 bulan, pada Mei dan November.


SRIKEHATI:

69

Tabel 4.5

Daftar Saham – saham yang terdaftar di indeks SRIKEHATI

No Kode Nama Emiten

1 AALI Astra Agro Lestari Tbk

2 ADHI Adhi Karya (Persero) Tbk

3 ASII Astra International Tbk

4 BBCA Bank Central Asia Tbk

5 BBNI Bank Negara Indonesia (Persero) Tbk

6 BBRI Bank Rakyat Indonesia (Persero) Tbk

7 BDMN Bank Danamon Tbk

8 BMRI Bank Mandiri (Persero) Tbk

9 GJTL Gajah Tunggal Tbk

10 INDF Indofood Sukses Makmur Tbk

11 JPFA Japfa Comfeed Indonesia Tbk

12 JSMR Jasa Marga (Persero) Tbk

13 KLBF Kalbe Farma Tbk

14 LSIP PP London Sumatera Indonesia Tbk

15 PGAS Perusahaan Gas Negara (Persero) Tbk

16 PJAA Pembangunan Jaya Ancol Tbk

17 PTBA Bukit Asam (Persero) Tbk

18 SMCB Holcim Indonesia Tbk

19 SMGR Semen Indonesia (Persero) Tbk

20 TINS Timah (Pesero) Tbk

21 TLKM Telekomunikasi Indonesia (Persero) Tbk

22 UNTR United Tractors Tbk

23 UNVR Unilever Indonesia Tbk

24 WIKA Wijaya Karya (Persero) Tbk

25 WSKT Waskita Karya (Persero) Tbk

Sumber: www.idx.com

http://www.idx.com/

70

2. Gambaran Umum Indeks yang termasuk Indeks – Indeks World Major

a. IBEX35

Indeks IBEX adalah sebuah indeks pasar saham patokan dari

Bolsa de Madrid, bursa efek utama di Spanyol. Dimulai pada tahun

1992, indeks ini dikelola dan dihitung oleh Sociedad de Bolsas, anak

perusahaan di Bolsas y Mercados Españoles (BME), perusahaan yang

bergerak pasar saham Spanyol (termasuk Bolsa de Madrid).


IBEX35 :

Tabel 4.6

Daftar Saham – saham yang terdaftar di indeks IBEX35

No Kode Nama Emiten No Kode Nama Emiten No Kode Nama Emiten

1 ABE Abertis 13 BBVA BBVA 25 IDR Indra Sistemas

2 ANA Acciona 14 CABK Caixabank 26 IAG International Airlines Group

3 AENA AENA 15 DIA Dia 27 MAP Mapfre

4 ACX Acerinox 16 ENG Enagás 28 TL5 Mediaset España

Comunicación

5 ACS ACS 17 ELE Endesa 29 MRL Merlin Properties

6 AMS Amadeus IT

Holding 18 FCC FCC 30 OHL Obrascón Huarte Lain

7 MTS ArcelorMittal 19 FER Ferrovial 31 REE Red Eléctrica de España

8 POP Banco Popular 20 GAM Gamesa 32 REP Repsol

9 SAB Banco Sabadell 21 GAS Gas Natural 33 SCYR Sacyr Vallehermoso

10 SAN Banco Santander 22 GRF Grifols 34 TRE Técnicas Reunidas

11 BKIA Bankia 23 IBE Iberdrola 35 TEF Telefónica

12 BKT Bankinter 24 ITX Inditex

Sumber: www.wikipedia.com

71

IBEX 35 adalah indeks tertimbang kapitalisasi pasar yang terdiri

35 saham paling likuid Spanyol diperdagangkan dalam Indeks Umum

Bursa Saham Madrid, yang terakhir dua kali setiap tahunnya.

b. CAC40

Indeks CAC 40 adalah sebuah indeks pasar saham patokan

Perancis. Indeks ini merupakan ukuran tertimbang kapitalisasi dari 40

nilai yang paling signifikan di antara 100 kapitalisasi pasar tertinggi di

Bursa Saham Paris (sekarang Euronext Paris) merupakan indikator yang

paling banyak digunakan dari pasar saham Paris. Indeks berfungsi

sebagai mendasari untuk produk terstruktur, dana, dana exchange

traded, opsi dan futures.. CAC 40 adalah salah satu indeks nasional

utama di grup bursa saham pan-Eropa Euronext bersama BEL20 di

Brussel, PSI-20 di Lisboa dan AEX di Amsterdam


CAC40:

72

Tabel 4.7

Daftar Saham – saham yang terdaftar di indeks CAC40


1 AC Accor 21 ML Michelin

2 AI Air Liquide 22 NOKIA Nokia

3 AIR Airbus Group 23 ORA Orange

4 MT ArcelorMittal 24 RI Pernod Ricard

5 CS AXA 25 UG Groupe PSA

6 BNP BNP Paribas 26 PUB Publicis

7 EN Bouygues 27 RNO Renault

8 CAP Capgemini 28 SAF Safran

9 CA Carrefour 29 SGO Saint-Gobain

10 ACA Crédit Agricole 30 SAN Sanofi

11 BN Danone 31 SU Schneider Electric

12 ENGI Engie 32 GLE Société Générale

13 EI Essilor 33 SW Sodexo

14 FTI TechnipFMC 34 SOLB Solvay

15 KER Kering 35 FP Total

16 LI Klépierre 36 UL Unibail-Rodamco

17 OR L'Oréal 37 FR Valeo

18 LHN LafargeHolcim 38 VIE Veolia

19 LR Legrand 39 DG Vinci

20 MC LVMH 40 VIV Vivendi


c. DAX

Deutscher Aktien Index, atau The DAX 30 adalah indeks

populer yang terdiri dari 30 perusahaan terbesar di Jerman perdagangan

di Bursa Efek Frankfurt (FSE).

73


DAX:

Tabel 4.8

Daftar Saham – saham yang terdaftar di indeks DAX


1 ADS Adidas 16 FRE Fresenius

2 ALV Allianz 17 FME Fresenius Medical Care

3 BAS BASF 18 HEI HeidelbergCement

4 BAYN Bayer 19 HEN3 Henkel

5 BEI Beiersdorf 20 IFX Infineon Technologies

6 BMW BMW 21 SDF K+S

7 CBK Commerzbank 22 LIN Linde

8 CON Continental 23 MRK Merck

9 DAI Daimler 24 MUV2 Munich Re

10 DBK Deutsche Bank 25 RWE RWE

11 DB1 Deutsche Börse 26 SAP SAP

12 LHA Transport Aviation 27 SIE Siemens

13 DPW Deutsche Post 28 TKA ThyssenKrupp

14 DTE Deutsche Telekom 29 VOW3 Volkswagen Group

15 EOAN E.ON 30 VNA Vonovia

Sumber: www.Wikipedia.com

Indeks sampel dari DAX dipilih sesuai dengan enam kriteria sebagai

berikut:

1) umumnya perusahaan harus terdaftar untuk setidaknya tiga tahun

sebelum masuknya sahamnya di DAX;

2) modal mengambang bebas harus setidaknya mencapai 15%;

http://www.wikipedia.com/

74

3) pergantian;

4) kapitalisasi pasar;

5) ketersediaan harga pembukaan awal, dan

6) keterwakilan cabang untuk ekonomi Jerman.

d. FTSE100

FTSE 100 adalah indeks yang terdiri dari 100 perusahaan

terbesar yang terdaftar di Bursa Efek London (LSE). FTSE 100

diluncurkan pada tanggal 3 Januari 1984 dan memiliki nilai awal

1.000,0. FTSE 100 kini dikelola oleh kelompok FTSE yang merupakan

anak perusahaan yang sepenuhnya dimiliki oleh Bursa Efek London.

Meskipun FTSE 100 adalah indeks yang paling terkenal

perusahaan memproduksi, FTSE Group juga menghitung lebih dari

100.000 indeks lainnya, meliputi pasar di seluruh dunia, setiap hari.


FTSE100:

75

Tabel 4.9

Daftar Saham – saham yang terdaftar di indeks FTSE100


1 III 3i 26 CCH Coca-Cola HBC AG

2 ADN Aberdeen Asset Management 27 CPG Compass Group

3 ADM Admiral Group 28 CRH CRH plc

4 AAL Anglo American plc 29 DCC DCC plc

5 ANTO Antofagasta 30 DGE Diageo

6 ARM ARM Holdings 31 DLG Direct Line Group

7 AHT Ashtead Group 32 DC. Dixons Carphone

8 ABF Associated British Foods 33 EZJ EasyJet

9 AZN AstraZeneca 34 EXPN Experian

10 AV. Aviva 35 FRES Fresnillo plc

11 BAB Babcock International 36 GKN GKN

12 BA. BAE Systems 37 GSK GlaxoSmithKline

13 BARC Barclays 38 GLEN Glencore

14 BDEV Barratt Developments 39 HMSO Hammerson

15 BKG Berkeley Group Holdings 40 HL. Hargreaves Lansdown

16 BLT BHP Billiton 41 HIK Hikma Pharmaceuticals

17 BP. BP 42 HSBA HSBC

18 BATS British American Tobacco 43 IMB Imperial Brands

19 BLND British Land 44 ISAT Inmarsat

20 BT. A BT Group 45 IHG InterContinental Hotels Group

21 BNZL Bunzl 46 IAG International Consolidated

Airlines Group SA

22 BRBY Burberry 47 ITRK Intertek

23 CPI Capita 48 INTU Intu Properties

24 CCL Carnival Corporation & plc 49 ITV ITV plc

25 CNA Centrica 50 JMAT Johnson Matthey

76


51 KGF Kingfisher plc 76 SAB SABMiller

52 LAND Land Securities 77 SGE Sage Group

53 LGEN Legal & General 78 SBRY Sainsbury's

54 LLOY Lloyds Banking Group 79 SDR Schroders

55 LSE London Stock Exchange

Group 80 SVT Severn Trent

56 MKS Marks & Spencer 81 SHP Shire plc

57 MERL Merlin Entertainments 82 SKY Sky plc

58 MNDI Mondi 83 SN. Smith & Nephew

59 NG. National Grid plc 84 SMIN Smiths Group

60 NXT Next plc 85 SPD Sports Direct

61 OML Old Mutual 86 SSE SSE plc

62 PSON Pearson PLC 87 STAN Standard Chartered

63 PSN Persimmon plc 88 SL. Standard Life

64 PFG Provident Financial 89 STJ St. James's Place plc

65 PRU Prudential plc 90 TW. Taylor Wimpey

66 RRS Randgold Resources 91 TSCO Tesco

67 RB. Reckitt Benckiser 92 TPK Travis Perkins

68 REL RELX Group 93 TUI TUI Group

69 REX Rexam 94 ULVR Unilever

70 RIO Rio Tinto Group 95 UU. United Utilities

71 RR. Rolls-Royce Holdings 96 VOD Vodafone Group

72 RBS Royal Bank of Scotland

Group 97 WTB Whitbread

73 RDSA Royal Dutch Shell 98 WOS Wolseley plc

74 RMG Royal Mail 99 WPG Worldpay

75 RSA RSA Insurance Group 100 WPP WPP plc


http://www.wikipedia.com/

77

B. Deskriptif analisis Data

Penelitian ini bertujuan untuk menguji fenomena market anomaly

month of the year effect terhadap return dengan periode 2010 sampai dengan

2016, dengan tambahan sub-periode 2010-2013 dan 2014-2016. Data yang

digunakan adalah data return mingguan dari indeks – indeks Indonesia dan

beberapa Indeks major world. Berikut ini adalah pergerakan return indeks

Indonesia dan indeks world major periode 2010 sampai dengan 2016:

Gambar 4.1

Pergerakan return indeks periode 2010-2016

Sumber: data penelitian yang diolah (2017)

-1.0%

-0.5%

0.0%

0.5%

1.0%

1.5%

2010

2011

2012

2013

2014

2015

2016

78

Berdasarkan gambar diatas dapat dilihat fluktuasi return indeks

dari tahun ke-tahun. Dapat dilihat dari 10 indeks yang dipilih sebagai sampel

penelitian, persentase return tertinggi adalah pada indeks PEFINDO25 pada

periode tahun 2010 yaitu sebesar 1.1563%. Namun, pada tahun 2013, indeks

PEFINDO25 adalah indeks dengan return terendah dibandingkan kesepuluh

indeks lainnya, yaitu sebesar -0.6765%. Terlihat pada indeks world major,

return tertinggi adalah pada indeks DAX periode tahun 2012 yaitu sebesar

0.6113%. Sedangkan, return terendah pada indeks world major adalah pada

indeks IBEX35 pada tahun 2010 yaitu sebesar -0.5960%.

Selanjutnya dilakukan analisis statistik deskriptif untuk melihat

deskriptif data penelitian secara singkat. Seperti yang sudah disebutkan

sebelumnya, populasi penelitian ini adalah indeks – indeks yang terdaftar di

Indonesia dan indeks yang termasuk indeks world major. Setelah penentuan

sampel sesuai kriteria maka didapatkan 6 indeks Indonesia dan 4 indeks world

major periode Januari 2010 sampai dengan Desember 2016. Namun, untuk

melihat analisis month of the year effect secara lebih dalam, maka ditambahkan

sub-periode untuk melihat persistensi adanya anomaly month of the year effect.

Periode keseluruhan dibagi menjadi dua bagian yaitu sub-periode 2010-2013

dan sub-periode 2014- 2016. Berikut ini adalah hasil statistik deskriptif dari

masing – masing indeks selama periode penelitian:

79

Tabel 4.10

Uji Deskriptif statistik periode 2010 – 2016

BISNIS27 JKSE KOMPAS100 LQ45 PEFINDO25 SRIKEHATI CAC40 DAX FTSE100 IBEX35

Mean 0.0021 0.0022 0.0019 0.0022 0.0020 0.0024 0.0007 0.0017 0.0008 -0.0007

Median 0.0026 0.0031 0.0025 0.0023 0.0036 0.0030 0.0023 0.0034 0.0030 0.0017

Maximum 0.1183 0.0784 0.1029 0.1106 0.1094 0.1118 0.0883 0.0959 0.0724 0.0909

Minimum -0.1202 -0.1124 -0.1202 -0.1151 -0.1738 -0.1104 -0.1258 -0.1513 -0.1028 -0.1420

Std. Dev. 0.0285 0.0227 0.0261 0.0271 0.0295 0.0279 0.0276 0.0280 0.0213 0.0341

Skewness -0.2293 -0.6575 -0.4379 -0.1591 -0.6761 -0.1681 -0.4972 -0.5811 -0.4963 -0.2161

Kurtosis 5.2668 6.1181 5.6366 5.2196 7.4927 4.6803 4.6405 5.7590 5.3306 3.8003

Jarque-Bera 81.3474 174.169 117.388 76.464 334.775 44.657 55.969 136.306 97.5912 12.5816

Probability 0 0 0 0 0 0 0 0 0 0.001853

Sum 0.778 0.810 0.690 0.804 0.722 0.867 0.269 0.617 0.277 -0.248

Sum Sq.

Dev. 0.295 0.188 0.249 0.267 0.318 0.284 0.277 0.285 0.165 0.424

Observations 365 365 365 365 365 365 365 365 365 365

Sumber: data penelitian yang sudah diolah (2017)

80

Tabel 4.11

Uji Deskriptif statistik sub-periode 2010 – 2013

BISNIS27 JKSE KOMPAS_100 LQ45 PEFINDO25 SRIKEHATI CAC40 DAX FTSE100 IBEX35

Mean 0.0020 0.0025 0.0019 0.0021 0.0028 0.0023 0.0003 0.0021 0.0010 -0.0008

Median 0.0031 0.0041 0.0031 0.0024 0.0047 0.0040 0.0017 0.0047 0.0020 0.0008

Maximum 0.0848 0.0678 0.0807 0.0887 0.1094 0.0892 0.0883 0.0959 0.0724 0.0909

Minimum -0.1202 -0.1124 -0.1202 -0.1151 -0.1738 -0.1104 -0.1258 -0.1513 -0.1028 -0.1420

Std. Dev. 0.0292 0.0250 0.0276 0.0283 0.0331 0.0289 0.0295 0.0289 0.0220 0.0375

Skewness -0.4998 -0.9115 -0.7411 -0.4431 -0.7954 -0.4169 -0.5099 -0.7602 -0.6531 -0.1514

Kurtosis 4.9944 6.1186 5.6754 5.0703 7.5955 4.4274 4.9529 7.0923 5.9349 3.6759

Jarque-Bera 43.341 113.631 81.462 44.166 205.943 23.797 42.268 165.973 89.871 4.777

Probability 0 0 0 0 0 0.000007 0 0 0 0.09175

Sum 0.4159 0.5192 0.3922 0.4378 0.5830 0.4724 0.0655 0.4401 0.2179 -0.1626

Sum Sq.

Dev. 0.1779 0.1295 0.1584 0.1667 0.2285 0.1731 0.1808 0.1736 0.1005 0.2929

Observations 209 209 209 209 209 209 209 209 209 209


81

Tabel 4.12

Uji Deskriptif statistik sub-periode 2014 – 2016

BISNIS27 JKSE KOMPAS_100 LQ45 PEFINDO25 SRIKEHATI CAC40 DAX FTSE100 IBEX35

Mean 0.0023 0.0019 0.0019 0.0023 0.0009 0.0025 0.0013 0.0011 0.0004 -0.0005

Median 0.0020 0.0013 0.0018 0.0022 0.0027 0.0021 0.0037 0.0021 0.0031 0.0027

Maximum 0.1183 0.0784 0.1029 0.1106 0.0803 0.1118 0.0558 0.0680 0.0691 0.0718

Minimum -0.0975 -0.0596 -0.0751 -0.0762 -0.0710 -0.0786 -0.0760 -0.0870 -0.0678 -0.0984

Std. Dev. 0.0275 0.0194 0.0241 0.0255 0.0239 0.0267 0.0248 0.0268 0.0204 0.0291

Skewness 0.2130 0.0788 0.1789 0.3686 -0.2793 0.2575 -0.4247 -0.2869 -0.2390 -0.3757

Kurtosis 5.6598 4.7886 5.2366 5.3376 3.7291 5.0486 3.3220 3.3040 4.1954 3.2986

Jarque-Bera 47.1645 20.9552 33.3477 39.0515 5.4841 29.0030 5.3636 2.7414 10.7743 4.2492

Probability 0 0.000028 0 0 0.064438 0.000001 0.068439 0.253927 0.004575 0.11948

Sum 0.3620 0.2905 0.2974 0.3665 0.1387 0.3944 0.2039 0.1768 0.0594 -0.0856

Sum Sq.

Dev. 0.1169 0.0586 0.0903 0.1008 0.0888 0.1105 0.0956 0.1112 0.0644 0.1313

Observations 156 156 156 156 156 156 156 156 156 156


82

Berdasarkan data statistik deskriptif dari tabel 4.10, 4.11, dan tabel 4.12

menunjukkan hasil yang beragam. Berdasarkan tabel 4.10, pada periode 2010

sampai dengan 2016 dari semua sampel indeks nilai minimum PEFINDO25

adalah yang paling terkecil yaitu sebesar -0.1738, sedangkan nilai maksimum

tertinggi adalah BISNIS27 yaitu sebesar 0.1183. Nilai rata – rata (mean)

terbesar yaitu pada indeks SRIKEHATI yaitu sebesar 0.0024. Dari semua

indeks pada periode ini, dapat dilihat bahwa nilai Jarque-Bera lebih besar dari

5%, yakni berarti bahwa data bersifat berdistribusi secara normal.

Berdasarkan tabel 4.11, pada periode 2010 sampai dengan 2013 dari

semua indeks, nilai minimum IBEX35 adalah yang paling terkecil yaitu sebesar

-0.1420, sedangkan nilai maksimum tertinggi adalah PEFINDO25 yaitu sebesar

0.1094. Nilai rata – rata (mean) terbesar yaitu pada indeks PEFINDO25 yaitu

sebesar 0.0028. Dari semua indeks pada sub-periode ini, dapat dilihat bahwa

nilai Jarque-Bera lebih besar dari 5%, yakni berarti bahwa data bersifat

berdistribusi secara normal.

Berdasarkan tabel 4.12, pada periode 2010 sampai dengan 2013 dari

semua indeks, nilai minimum BISNIS27 adalah yang paling terkecil yaitu

sebesar -0.0975, dan nilai maksimum yang terbesar adalah pada BISNIS27

yaitu sebesar 0.1183. Nilai rata – rata (mean) terbesar yaitu pada indeks

SRIKEHATI yaitu sebesar 0.0025. Dari semua indeks pada sub-periode ini,

dapat dilihat bahwa nilai Jarque-Bera lebih besar dari 5%, yakni berarti bahwa

data bersifat berdistribusi secara normal.

83

C. Pengujian Month of the Year Effect

Dari enam sampel indeks Indonesia dan empat sampel indeks world major

yang dianalisis untuk mengetahui adanya fenomena market anomaly month of

the year effect pada periode 2010 sampai 2016 dan sub-periode 2010-2013 dan

2014-2016, diperoleh jumlah observasi sebanyak 356 return mingguan untuk

periode 2010-2016, sebanyak 209 jumlah observasi return mingguan untuk sub-

periode 2010-2013 dan 156 jumlah observasi return mingguan untuk sub-

periode 2014-2016.

Metode yang digunakan untuk menguji month of the year effect yaitu

dengan metode regresi OLS dan metode ARCH/GARCH. Selanjutnya dari

kedua metode diatas akan dipilih metode dengan hasil yang terbaik

menggambarkan hasil output fenomena market anomaly month of the year

effect.

1. Metode Regresi OLS

Data return mingguan selama periode penelitian akan diuji pertama

dengan menggunakan regresi linier (OLS), namun sebelumnya di perlukan

pengujian asumsi klasik agar estimator bersifat BLUE (best, linear,

unbiased estimator):

a. Uji Stasioneritas

Uji stasioneritas dilakukan dengan menggunakan Unit root

Augmented Dickey-Fuller Test (ADF), critical value yang digunakan

84

adalah 5%. Berikut adalah tabel hasil uji Stasioneritas dengan

Augmented Dickey Fuller (ADF) terhadap data return indeks:

Tabel 4.13

Uji Stasioneritas Return Indeks

t-statistic

TAHUN INDEKS BISNIS

27 JKSE

KOMPAS

100 LQ45

PEFINDO

25

SRI

KEHATI CAC40 DAX

FTSE

100

IBEX

35

2010-

2016

Critical

Value

1% -3.448 -3.448 -3.448 -3.448 -3.448 -3.448 -3.448 -3.448 -3.448 -3.448

5% -2.869 -2.869 -2.869 -2.869 -2.869 -2.869 -2.869 -2.869 -2.869 -2.869

10% -2.571 -2.571 -2.571 -2.571 -2.571 -2.571 -2.571 -2.571 -2.571 -2.571

ADF test

statistic -23.456 -22.315 -23.191 -23.746 -18.436 -23.370 -19.885 -20.047 -20.281 -20.254

2010-

2013

Critical

Value

1% -3.462 -3.462 -3.462 -3.462 -3.462 -3.462 -3.462 -3.462 -3.462 -3.462

5% -2.875 -2.875 -2.875 -2.875 -2.875 -2.875 -2.875 -2.875 -2.875 -2.875

10% -2.574 -2.574 -2.574 -2.574 -2.574 -2.574 -2.574 -2.574 -2.574 -2.574

ADF test

statistic -17.720 -16.944 -17.479 -17.870 -14.250 -17.468 -15.233 -15.429 -15.340 -15.846

2014-

2016

Critical

Value

1% -3.473 -3.473 -3.473 -3.474 -3.473 -3.473 -3.473 -3.473 -3.473 -3.473

5% -2.880 -2.880 -2.880 -2.881 -2.880 -2.880 -2.880 -2.880 -2.880 -2.880

10% -2.577 -2.577 -2.577 -2.577 -2.577 -2.577 -2.577 -2.577 -2.577 -2.577

ADF test

statistic -15.221 -14.303 -15.104 -14.038 -11.356 -15.429 -12.567 -12.621 -13.134 -12.213


Dari hasil uji stasioneritas dengan uji Augmented Dickey Fuller (ADF),

hasil t-statistic dari semua indeks dari setiap periode dan sub-periode

menunjukan hasil yang lebih rendah dari critical values 5%. Sehingga

dapat disimpulkan bahwa semua data tidak memiliki masalah unit root

atau data telah bersifat stasioner.

85

b. Uji Autokorelasi

Uji autokorelasi dilakukan dengan menggunakan Lagrange

Multiplier test (LM Test) atau yang juga dikenal dengan The Breusch-

Godrey (BG) test. Autokorelasi menunjukan adanya korelasi terhadap

anggota observasi diurutkan menurut waktu.

Hasil dari Lagrange Multiplier test (LM Test) terhadap return

indeks adalah dari semua indeks Indonesia maupun World Major dari

periode keseluruhan maupun kedua sub-periode, nilai prob. Chi square

dari Obs*R-squared menunjukan angka nilai yang lebih besar

dibandngkan dengan α=5%. Hal ini menunjukan bahwa tidak terdapat

autokorelasi

Berikut ini adalah tabel hasil uji Autokorelasi dengan

menggunakan Lagrange Multiplier test (LM Test):

Tabel 4.14

Uji Autokorelasi Return

prob. Chi square

TAHUN BISNIS

27 JKSE

KOMPAS

100 LQ45

PEFINDO

25

SRI

KEHATI

CAC

40 DAX

FTSE

100

IBEX

35

2010-2016 0.9464 0.9029 0.9879 0.888 0.3827 0.7564 0.3887 0.1867 0.1405 0.1426

2010-2013 0.7094 0.6121 0.7181 0.8192 0.1386 0.8847 0.4014 0.0521 0.2691 0.1239

2014-2016 0.6053 0.7076 0.6589 0.5423 0.3531 0.4124 0.3417 0.4526 0.0983 0.0524

Sumber: Data penelitian yang diolah (2017)

86

c. Uji Heteroskedestisitas

Langkah selanjutnya yaitu menguji keberadaan

Heteroskedestisitas. Pengujian Heteroskedestisitas yaitu menggunakan

White Heterokedasticity. Hasil dari uji Heteroskedestisitas dengan

menggunakan White Heterokedasticity dari semua periode penelitian

baik periode keseluruhan maupun kedua sub-periode, menunjukan hasil

Prob. Chi-Square dari Obs*R-Squared yang tidak signifikan terhadap

level α=5%. Atau hasil Prob. Chi-Square dari Obs*R-Squared yang

lebih besar dibandingkan dengan α=5%. Hal ini menunjukan bahwa

tidak ada masalah Heteroskedestisitas.

Berikut ini adalah tabel hasil pengujian Heteroskedestisitas

terhadap return dari keseluruhan perioded an sub-periode:

Tabel 4. 15

Uji Heteroskedestisitas Return

prob. Chi square

TAHUN BISNIS

27 JKSE

KOMPAS

100 LQ45

PEFINDO

25

SRI

KEHATI CAC40 DAX

FTSE

100

IBEX

35

2010-2016 0.1058 0.0558 0.088 0.0819 0.1527 0.1415 0.7931 0.7744 0.7835 0.3521

2010-2013 0.7497 0.4731 0.467 0.272 0.0889 0.0543 0.6488 0.8123 0.3863 0.1239

2014-2016 0.5884 0.5966 0.4572 0.5229 0.3981 0.5996 0.3315 0.3026 0.2295 0.4634


87

Setelah semua data telah memenuhi persyaratan asumsi klasik

atau data sudah bersifat BLUE, maka dilakukan uji Regresi. Berikut adalah

hasil Uji Regresi OLS terhadap data Return:

Tabel 4.16

Hasil Uji Regresi OLS periode 2010 – 2016

OLS BISNIS27 JKSE KOMPAS100 LQ45 PEFINDO25 SRIKEHATI CAC40 DAX FTSE100 IBEX35

January 0.4293 0.3631 0.4101 0.3753 0.5659 0.4221 0.8997 0.7371 0.8661 0.5233

February 0.1906 0.1584 0.1663 0.196 0.2143 0.1931 0.1793 0.2407 0.0347 0.7226

March 0.1348 0.0562 0.1134 0.1329 0.0475 0.0941 0.7185 0.3997 0.6249 0.9978

April 0.7272 0.761 0.9756 0.9562 0.5548 0.9438 0.842 0.993 0.6314 0.6234

May 0.3961 0.4456 0.406 0.527 0.8358 0.5029 0.1389 0.3573 0.0859 0.0789

June 0.7889 0.9892 0.9927 0.821 0.6016 0.6736 0.9612 0.8126 0.8746 0.9423

July 0.1349 0.1025 0.1901 0.1937 0.4096 0.081 0.9087 0.927 0.6608 0.9157

August 0.2643 0.2149 0.2085 0.2823 0.0352 0.3546 0.4796 0.1838 0.5513 0.8099

September 0.7442 0.6128 0.7806 0.6823 0.8688 0.7293 0.7563 0.5403 0.9898 0.2754

October 0.2169 0.214 0.243 0.2197 0.2538 0.3331 0.1647 0.031 0.1387 0.5417

November 0.8012 0.9214 0.8805 0.8368 0.6376 0.6905 0.8371 0.1967 0.8972 0.7651

December 0.5466 0.521 0.6124 0.6235 0.405 0.6718 0.6708 0.8399 0.3453 0.7524


88

Tabel 4.17

Hasil Uji Regresi OLS sub-periode 2010 – 2013


January 0.8548 0.9984 0.8496 0.8231 0.7837 0.722 0.7054 0.4315 0.6194 0.8079

February 0.2887 0.34 0.3411 0.3252 0.7515 0.299 0.7363 0.7112 0.2287 0.8737

March 0.1538 0.0653 0.117 0.1391 0.058 0.1157 0.8719 0.5214 0.8607 0.6063

April 0.5389 0.3245 0.4539 0.5237 0.3659 0.4187 0.6134 0.8114 0.9887 0.4621

May 0.2489 0.2975 0.2459 0.3412 0.91 0.2918 0.0798 0.2575 0.0573 0.0481

June 0.96 0.9325 0.9592 0.8684 0.5512 0.7766 0.8677 0.9727 0.9156 0.5843

July 0.3255 0.2821 0.3686 0.332 0.9111 0.1842 0.9572 0.9655 0.7432 0.9115

August 0.2709 0.316 0.2598 0.2933 0.0686 0.3421 0.4872 0.1495 0.9233 0.993

September 0.174 0.1537 0.1911 0.1667 0.068 0.1613 0.3928 0.1204 0.7296 0.0785

October 0.3286 0.3052 0.349 0.3211 0.2403 0.4225 0.1901 0.0487 0.0774 0.6789

November 0.4206 0.64 0.5294 0.4313 0.8205 0.3385 0.8334 0.4986 0.7284 0.7182

December 0.8817 0.813 0.8987 0.945 0.688 0.9878 0.6926 0.9351 0.3975 0.7501


Tabel 4.18

Hasil Uji Regresi OLS sub-periode 2014 – 2016


January 0.132 0.0977 0.0999 0.079 0.5072 0.0781 0.7487 0.6384 0.362 0.4343

February 0.4466 0.2729 0.3052 0.4059 0.0631 0.4353 0.0758 0.1662 0.0672 0.3918

March 0.5316 0.4818 0.5698 0.5751 0.4501 0.4659 0.7063 0.5911 0.5883 0.4754

April 0.1836 0.3417 0.2871 0.3545 0.715 0.2524 0.7132 0.7736 0.4331 0.8192

May 0.9478 0.864 0.8835 0.8557 0.566 0.8175 0.9155 0.9486 0.7156 0.8273

June 0.7202 0.8823 0.935 0.8777 0.9718 0.7512 0.7611 0.7425 0.7072 0.3588

July 0.2495 0.1889 0.33 0.3904 0.1586 0.2604 0.9051 0.8419 0.7755 0.9817

August 0.671 0.4636 0.5475 0.6815 0.2687 0.7577 0.8028 0.7315 0.4251 0.671

September 0.2173 0.1913 0.1777 0.2356 0.0052 0.2032 0.4885 0.303 0.6366 0.4545

October 0.4557 0.491 0.4922 0.4763 0.7917 0.5883 0.5945 0.3386 0.8985 0.6385

November 0.5938 0.6371 0.5971 0.542 0.6004 0.6222 0.5539 0.241 0.8401 0.9874

December 0.4306 0.4182 0.4935 0.4684 0.3373 0.474 0.8685 0.6642 0.6687 0.9352


89

Berdasarkan hasil output eviews diatas, dengan menggunakan

metode regresi OLS menunjukkan adanya Fenomena market anomaly

month of the year baik pada indeks-indeks yang ada di Indonesia

maupun Indeks-indeks world major. Anomaly tersebut dapat dilihat

dari output dengan nilai probabilitas <0.05 yang artinya signifikan pada

α=5%.

Pada periode keseluruhan yaitu dari tahun 2010 sampai dengan

2016 dengan menggunakan regresi OLS, dapat ditemukan efek bulan

Maret dan Agustus pada indeks PEFINDO25, dan efek bulan Oktober

pada indeks DAX.

Pada sub-periode 2010 – 2013, dengan menggunakan model

regresi OLS, hanya dapat ditemukan efek bulan Mei pada indeks

IBEX35 dan efek bulan Oktober pada Indeks DAX. Tidak ditemukan

adanya fenomena market anomaly month of the year effect pada indeks

Indonesia pada sub-periode ini dengan menggunakan model OLS.

Pada sub-periode 2014 – 2016, dengan menggunakan model

OLS, hanya dapat ditemukan efek bulan September pada indeks

PEFINDO25. Namun, tidak ditemukannya adanya fenomena market

anomaly month of the year effect pada indeks world major. fenomena

market anomaly month of the year effect pada indeks-indeks Indonesia

dan world major pada sub-periode sebelumnya (2010-2013) tidak

muncul pada periode sub-periode (2014-2016) ini.

90

2. Metode ARCH GARCH

Selanjutnya data return mingguan selama periode akan diuji

menggunakan metode ARCH GARCH, berikut adalah proses

pengujiannya:

a. Uji GARCH (1,1) periode 2010 – 2016

Hasil uji GARCH (1,1) pada periode keseluruhan yaitu 2010

sampai dengan 2016 menunjukan bahwa adanya fenomena market

anomaly month of the year effect pada indeks – indeks Indonesia,

namun tidak pada Indeks Major World. Dengan α=5%, efek bulan

Januari dapat dilihat pada Indeks LQ45, efek bulan Maret dan Juli

pada indeks PEFINDO25. Dapat terlihat bahwa efek bulan

September terjadi pada beberapa indeks, yaitu indeks BISNIS27,

KOMPAS100, LQ45, PEFINDO, dan SRIKEHATI.

b. Uji GARCH (1,1) sub-periode 2010-2013

Pada sub-periode 2010-2013, berbeda dengan periode

kesuluruhan, dapat terlihat adanya fenomena market anomaly month

of the year effect pada indeks world major. Sama seperti periode

keseluruhan (2010-2016) efek bulan Maret dan Juli dapat terlihat

pada indeks PEFINDO25. Efek bulan Mei muncul pada IBEX35,

BISNIS27, dan SRIKEHATI. Efek bulan September merupakan

efek yang terbanyak seperti periode keseluruhan, yaitu terjadi pada

indeks BISNIS27, JKSE, KOMPAS100, LQ45, dan SRIKEHATI.

91

c. Uji GARCH (1,1) sub-periode 2014-2016

Pada sub-periode 2014-2016 dapat dilihat bahwa adanya

fenomena market anomaly month of the year effect pada indeks –

indeks Indonesia dan Indeks Major World. Efek bulan Januari

muncul pada empat indeks Indonesia, yaitu JKSE, KOMPAS100,

LQ45, dan SRIKEHATI. Sama seperti periode keseluruhan, efek

Januari muncul pada Indeks LQ45. Selanjutnya dapat dilihat bahwa

efek bulan April muncul pada hampir seluruh indeks Indonesia yang

observasi, yaitu muncul pada indeks BISNIS27, JKSE,

KOMPAS100, dan SRIKEHATI. Efek bulan Mei pada indeks

IBEX35 pada sub-periode sebelumnya menghilang pada periode ini,

namun muncul efek Februari pada indeks FTSE100. Selain itu, Efek

bulan September yang pada Sub-periode sebelumnya dapat terlihat

pada hampir seluruh indeks Indonesia yang di observasi pada sub-

periode ini hanya terlihat pada indeks PEFINDO25 yang pada sub-

periode sebelumnya tidak terlihat adanya efek bulan ini.

92

Berikut ini adalah tabel hasil pengujian fenomena market

anomaly month of the year dengan menggunakan GARCH (1,1) periode

2010 – 2016 dengan sub-periode 2010-2013 dan 2014-2016:

Tabel 4.19

Hasil Uji GARCH (1,1) periode 2010 – 2016

GARCH

(1,1)

BISNIS

27 JKSE

KOMPAS

100 LQ45

PEFINDO

25

SRI

KEHATI CAC40 DAX FTSE100 IBEX35

January 0.1228 0.6499 0.0689 0.0346 0.1269 0.0674 0.7183 0.745 0.9271 0.6114

February 0.1462 0.5801 0.131 0.146 0.1692 0.1311 0.3047 0.3285 0.4144 0.8073

March 0.156 0.3785 0.1365 0.1544 0.0155 0.1234 0.6276 0.3083 0.8209 0.7671

April 0.1759 0.9048 0.1915 0.2062 0.5311 0.1663 0.5126 0.9533 0.8399 0.9463

May 0.1877 0.6701 0.379 0.4271 0.8782 0.2699 0.3575 0.4034 0.4231 0.155

June 0.253 0.994 0.4801 0.3209 0.4848 0.1984 0.9486 0.3357 0.9231 0.6193

July 0.173 0.4824 0.1019 0.1501 0.0071 0.0817 0.3847 0.6736 0.8339 0.6077

August 0.4818 0.5447 0.3744 0.3962 0.0716 0.5384 0.6699 0.5283 0.787 0.702

September 0.0134 0.7637 0.019 0.0149 0.0448 0.0138 0.6467 0.4508 0.9955 0.4223

October 0.393 0.548 0.4606 0.427 0.7376 0.4237 0.3065 0.0844 0.4451 0.4855

November 0.4583 0.9678 0.6633 0.584 0.8511 0.4013 0.9796 0.1407 0.9418 0.6459

December 0.6501 0.7634 0.9331 0.7808 0.4044 0.6558 0.4465 0.6536 0.6114 0.6459


93

Tabel 4.20

Hasil Uji GARCH (1,1) sub-periode 2010 – 2013

GARCH

(1,1)

BISNIS

27 JKSE

KOMPAS

100 LQ45

PEFINDO

25

SRI

KEHATI CAC40 DAX

FTSE

100 IBEX35

January 0.6659 0.6629 0.7487 0.7991 0.4568 0.9018 0.381 0.7145 0.8224 0.9174

February 0.2582 0.3447 0.3187 0.2806 0.6906 0.274 0.9417 0.8876 0.6293 0.7893

March 0.0895 0.0557 0.0893 0.0877 0.0188 0.0658 0.572 0.7604 0.9379 0.6847

April 0.7844 0.5277 0.7103 0.7915 0.3217 0.6019 0.5707 0.9038 0.9954 0.7972

May 0.0155 0.0952 0.0685 0.0748 0.1347 0.0172 0.2989 0.5855 0.2961 0.0498

June 0.1836 0.506 0.3658 0.217 0.3553 0.1776 0.69 0.9858 0.9457 0.8455

July 0.4696 0.2526 0.3617 0.3619 0.0497 0.2804 0.2115 0.9831 0.8645 0.3671

August 0.6959 0.9371 0.6856 0.4377 0.0637 0.6363 0.6857 0.5557 0.9682 0.8448

September 0.0005 0.0001 0.0003 0.0005 0.265 0.0023 0.4193 0.461 0.8793 0.0998

October 0.4763 0.385 0.4629 0.5218 0.7399 0.5117 0.334 0.3967 0.425 0.6225

November 0.2703 0.5647 0.4539 0.343 0.9295 0.2058 0.8202 0.7201 0.8194 0.5495

December 0.9017 0.9329 0.7858 0.9322 0.5934 0.9608 0.649 0.9748 0.7443 0.6669


Tabel 4.21

Hasil Uji GARCH (1,1) sub-periode 2014 – 2016

GARCH

(1,1)

BISNIS

27 JKSE

KOMPAS

100 LQ45

PEFINDO

25

SRI

KEHATI CAC40 DAX

FTSE

100 IBEX35

January 0.0567 0.0317 0.015 0.0047 0.1422 0.0154 0.8191 0.6758 0.3484 0.1776

February 0.3612 0.2827 0.2637 0.3404 0.2411 0.2777 0.5235 0.2694 0.0208 0.3584

March 0.6682 0.6569 0.8339 0.8759 0.2629 0.7371 0.8826 0.7315 0.4853 0.5661

April 0 0.0211 0.0008 0.0034 0.7952 0.0005 0.8435 0.2306 0.3967 0.7345

May 0.9599 0.8314 0.8372 0.8137 0.5168 0.7386 0.9639 0.9468 0.8293 0.8419

June 0.4718 0.6271 0.6477 0.5616 0.8956 0.337 0.878 0.8801 0.9291 0.3495

July 0.0927 0.0617 0.1101 0.1811 0.1467 0.0649 0.9511 0.9361 0.66 0.9759

August 0.7207 0.6825 0.6489 0.6637 0.4373 0.6925 0.8878 0.8494 0.7536 0.5496

September 0.6244 0.3498 0.4817 0.6013 0.0015 0.9411 0.8292 0.6289 0.6901 0.6303

October 0.5347 0.5552 0.4958 0.4462 0.8875 0.4481 0.7487 0.0002 0.9856 0.6307

November 0.9957 0.8497 0.8537 0.7892 0.5221 0.9094 0.7671 0.0872 0.8307 0.9892

December 0.403 0.4495 0.6339 0.5664 0.4278 0.4595 0.9111 0.5311 0.196 0.8654


94

Dari hasil output uji GARCH (1,1) diatas, perlu dilakukan diagnostic

check lebih lanjut sebagai uji kelayakan untuk model tersebut:

1. Hasil penjumlahan koefisien ARCH dan GARCH tidak lebih dari 1

(α+β<1).

Apabila hasil lebih kecil dari satu, maka dapat diindikasi bahwa

model telah stasioner. Dari hasil penjumlahan, semua indeks dari

setiap periode dan sub-periode telah menunjukan hasil bahwa model

telah stasioner.

Berikut adalah tabel hasil penjumlahan tersebut:

Tabel 4.22

Hasil penjumlahan koefisien ARCH-GARCH

Tahun GARCH

(1,1) BISNIS27 JKSE

KOMPAS

100 LQ45

PEFINDO

25

SRI

KEHATI CAC40 DAX

FTSE

100 IBEX35

2010

-

2016

RESID (-1)

^2 0.296 0.15 0.287 0.299 0.165 0.334 0.136 0.111 0.15 0.097

GARCH (-1) 0.45 0.6 0.538 0.508 0.757 0.449 0.759 0.784 0.6 0.797

Jumlah 0.746 0.75 0.824 0.808 0.922 0.782 0.894 0.896 0.75 0.894

2010

-

2013

RESID (-1)

^2 0.411 0.43 0.387 0.322 0.193 0.333 0.261 0.15 0.15 0.159

GARCH (-1) 0.304 0.249 0.306 0.397 0.753 0.38 0.611 0.6 0.6 0.71

Jumlah 0.715 0.68 0.693 0.719 0.946 0.713 0.873 0.75 0.75 0.869

2014

-

2016

RESID (-1)

^2 0.192 0.174 0.24 0.272 0.049 0.328 0.15 0.213 -0.052 -0.028

GARCH (-1) 0.7 0.719 0.668 0.624 0.896 0.57 0.6 -0.431 1.04 0.578

Jumlah 0.892 0.893 0.908 0.895 0.945 0.898 0.75 -0.217 0.988 0.55


95

2. Tidak adanya ARCH effect

Dengan menguji menggunakan uji ARCH-LM, p-value Obs*R-

squared harus lebih besar dari 0.05 yang menunjukan tidak adanya

gangguan heterokedastisitas. Hal ini menunjukan bahwa sudah tidak

terdapat ARCH-effect pada permodelan.

Dapat dilihat dari hasil semua indeks Indonesia maupun world

major pada periode keseluruhan dan kedua sub-periode bahwa nilai

p-value Obs*R-squared lebih besar daripada α=5%.

Berikut ini adalah tabel hasil uji ARCH-LM pada periode

keseluruhan dan sub-periode:

Tabel 4.23

Hasil uji ARCH-LM

prob. Chi square

TAHUN BISNIS

27 JKSE

KOMPAS

100 LQ45

PEFINDO

25

SRI

KEHATI CAC40 DAX

FTSE

100 IBEX35

2010 -2016 0.9536 0.1412 0.841 0.8504 0.6717 0.9056 0.6114 0.8277 0.8878 0.4922

2010-2013 0.8912 0.8086 0.7863 0.7686 0.6613 0.8239 0.9579 0.1441 0.4544 0.4806

2014-2016 0.673 0.5733 0.6176 0.7025 0.9307 0.8555 0.1349 0.6391 0.7725 0.7602


Berdasarkan hasil dari pengujian menggunakan regresi OLS dan menggunakan

GARCH (1,1) tampak menunjukan hasil yang beragam. Namun dari kedua metode

tersebut, analisis menggunakan GARCH (1,1) menggambarkan fenomena market

anomaly month of the year lebih baik dibandingkan dengan menggunakan analisis

96

regresi OLS. Dikarenakan data return indeks adalah termasuk dalam data time

series, maka data tersebut memiliki volatilitas yang tinggi. Volatilitas sering terjadi

di pasar keuangan dan sulit dihindari. Maka perilaku data time series sangat

berbeda dengan asumsi bahwa data time series kecenderungannya mempunyai

error term yang konstan dari waktu ke waktu, perilaku varians residual yang tidak

konstan dan banyak mengalami perubahan dari suatu periode ke periode yang lain

disebut heteroskedastis.

Agar permodelan terbebas dari masalah heteroskedastis maka hanya perlu

transformasi persamaan regresi. Model GARCH berbeda dengan asumsi tersebut,

heteroskedastisitas terjadi karena data time series menunjukan unsure

volatilitasnya. Salah satu pendekatan untuk memprediksi volatilitas varian residual

adalah dengan memasukan variabel independen yang mampu memprediksi

volatilitas residual, karena itulah dirasa model GARCH lebih baik dalam

memprediksi (Hamja, 2012:266).

Berikut ini adalah rangkuman uji fenomena market anomaly month of the year

effect untuk model regresi OLS dan GARCH (1,1) periode keseluruhan dan kedua

sub-periode:

97

Tabel 4.24

Rangkuman Keberadaan Month of the Year Effect periode 2010-2016

Indeks Metode Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec

BISNIS27

OLS 0.0040 0.0071 0.0077 -0.0019 -0.0043 0.0014 0.0077 -0.0057 0.0017 0.0063 -0.0013 0.0031

GARCH

(1,1) 0.0073 0.0079 0.0072 -0.0053 -0.0056 0.0048 0.0062 -0.0036 0.0092 0.0050 -0.0035 0.0020

JKSE

OLS 0.0037 0.0061 0.0078 0.0013 -0.0031 0.0001 0.0067 -0.0051 0.0021 0.0051 -0.0004 0.0027

GARCH

(1,1) 0.0037 0.0061 0.0078 0.0013 -0.0031 0.0001 0.0067 -0.0051 0.0021 0.0051 -0.0004 0.0027

KOMPAS100

OLS 0.0038 0.0069 0.0075 -0.0001 -0.0039 0.0000 0.0062 -0.0059 0.0013 0.0055 -0.0007 0.0024

GARCH

(1,1) 0.0077 0.0075 0.0067 -0.0042 -0.0034 0.0028 0.0062 -0.0042 0.0086 0.0037 -0.0018 0.0003

LQ45

OLS 0.0043 0.0067 0.0074 -0.0003 -0.0030 0.0011 0.0064 -0.0053 0.0020 0.0060 -0.0010 0.0024

GARCH

(1,1) 0.0088 0.0074 0.0068 -0.0041 -0.0030 0.0040 0.0058 -0.0039 0.0090 0.0041 -0.0022 0.0013

PEFINDO25

OLS 0.0030 0.0069 0.0105 0.0032 0.0011 -0.0028 0.0044 -0.0112 0.0009 0.0061 -0.0025 0.0045

GARCH

(1,1) 0.0063 0.0080 0.0102 0.0031 -0.0007 0.0037 0.0107 -0.0091 -0.0073 0.0021 -0.0011 0.0045

SRI

KEHATI

OLS 0.0040 0.0069 0.0084 -0.0004 -0.0033 0.0022 0.0088 -0.0047 0.0018 0.0049 -0.0020 0.0022

GARCH

(1,1) 0.0081 0.0076 0.0077 -0.0042 -0.0042 0.0053 0.0085 -0.0031 0.0088 0.0040 -0.0032 0.0022

CAC40

OLS 0.0006 0.0071 0.0018 -0.0010 -0.0073 -0.0002 0.0006 -0.0035 0.0016 0.0069 0.0010 0.0022

GARCH

(1,1) 0.0017 0.0060 0.0023 0.0025 -0.0049 -0.0003 0.0044 -0.0020 0.0023 0.0050 -0.0001 0.0030

DAX

OLS 0.0017 0.0062 0.0042 0.0000 -0.0046 -0.0012 -

0.0005 -0.0067 0.0031 0.0109 0.0066 0.0010

GARCH

(1,1) 0.0016 0.0057 0.0051 0.0002 -0.0041 -0.0043 0.0023 -0.0032 0.0041 0.0089 0.0074 0.0022

FTSE100

OLS -0.0006 0.0085 -

0.0019 0.0019 -0.0065 0.0006 0.0017 -0.0023 0.0000 0.0057 -0.0005 0.0037

GARCH

(1,1) -0.0006 0.0085

-

0.0019 0.0019 -0.0065 0.0006 0.0017 -0.0023 0.0000 0.0057 -0.0005 0.0037

IBEX35

OLS -0.0039 0.0023 0.0000 -0.0031 -0.0107 -0.0005 -

0.0007 -0.0015 0.0069 0.0038 -0.0019 0.0020

GARCH

(1,1) -0.0024 0.0019 0.0019 0.0004 -0.0089 -0.0027 0.0028 -0.0024 0.0056 0.0043 -0.0027 0.0026


98

Tabel 4.25

Rangkuman Keberadaan Month of the Year Effect sub-periode 2010-2013


BISNIS27

OLS -0.0012 0.0078 0.0102 0.0044 -0.0080 0.0004 0.0068 -0.0079 0.0094 0.0068 -0.0059 0.0010

GARCH

(1,1) 0.0026 0.0066 0.0126 0.0018 -0.0141 0.0075 0.0039 -0.0029 0.0138 0.0059 -0.0064 -0.0007

JKSE

OLS 0.0000 0.0060 0.0112 0.0060 -0.0062 -0.0005 0.0064 -0.0061 0.0084 0.0061 -0.0029 0.0014

GARCH

(1,1) 0.0026 0.0051 0.0124 0.0035 -0.0092 0.0030 0.0044 0.0006 0.0147 0.0051 -0.0031 -0.0004

KOMPAS100

OLS -0.0012 0.0066 0.0106 0.0050 -0.0076 -0.0003 0.0059 -0.0076 0.0086 0.0061 -0.0044 0.0008

GARCH

(1,1) 0.0021 0.0058 0.0124 0.0024 -0.0102 0.0047 0.0041 -0.0034 0.0153 0.0045 -0.0044 -0.0014

LQ45

OLS -0.0015 0.0070 0.0102 0.0044 -0.0064 0.0011 0.0065 -0.0073 0.0093 0.0067 -0.0056 0.0005

GARCH

(1,1) 0.0016 0.0061 0.0125 0.0020 -0.0096 0.0066 0.0047 -0.0056 0.0148 0.0043 -0.0052 -0.0006

PEFINDO25

OLS 0.0021 0.0026 0.0153 0.0073 -0.0009 -0.0048 0.0009 -0.0147 0.0143 0.0092 -0.0019 0.0031

GARCH

(1,1) 0.0052 0.0030 0.0139 0.0076 -0.0090 0.0070 0.0095 -0.0156 0.0077 0.0046 0.0010 0.0037

SRI

KEHATI

OLS -0.0024 0.0075 0.0111 0.0057 -0.0072 0.0020 0.0091 -0.0067 0.0096 0.0055 -0.0069 -0.0001

GARCH

(1,1) 0.0007 0.0061 0.0134 0.0038 -0.0129 0.0078 0.0075 -0.0039 0.0128 0.0047 -0.0064 -0.0004

CAC40

OLS 0.0026 0.0025 0.0012 -0.0037 -0.0124 0.0012 0.0004 -0.0050 0.0060 0.0092 -0.0016 0.0028

GARCH

(1,1) 0.0070 0.0005 0.0030 0.0030 -0.0089 0.0018 0.0123 -0.0023 0.0045 0.0076 -0.0012 0.0025

DAX

OLS 0.0052 0.0027 0.0045 0.0017 -0.0077 -0.0002 0.0003 -0.0102 0.0106 0.0135 0.0049 -0.0006

GARCH

(1,1) 0.0052 0.0027 0.0045 0.0017 -0.0077 -0.0002 0.0003 -0.0102 0.0106 0.0135 0.0049 -0.0006

FTSE100

OLS 0.0025 0.0067 -0.0009 -0.0001 -0.0099 -0.0006 0.0017 -0.0005 0.0018 0.0092 -0.0019 0.0044

GARCH

(1,1) 0.0025 0.0067 -0.0009 -0.0001 -0.0099 -0.0006 0.0017 -0.0005 0.0018 0.0092 -0.0019 0.0044

IBEX35

OLS -0.0021 -0.0015 -0.0047 -0.0067 -0.0177 0.0050 -0.0010 0.0001 0.0157 0.0037 -0.0034 0.0028

GARCH

(1,1) 0.0007 -0.0037 -0.0033 0.0019 -0.0173 0.0014 0.0076 -0.0020 0.0138 0.0045 -0.0046 0.0038


99

Tabel 4.26

Rangkuman Keberadaan Month of the Year Effect sub-periode 2014-2016



BISNIS27

OLS 0.0116 0.0061 0.0046 -0.0107 0.0005 0.0028 0.0089 -0.0031 -0.0099 0.0057 0.0040 0.0063

GARCH

(1,1) 0.0125 0.0078 0.0031 -0.0183 0.0004 0.0049 0.0122 -0.0026 -0.0031 0.0057 0.0000 0.0058

JKSE

OLS 0.0090 0.0062 0.0037 -0.0054 0.0009 0.0008 0.0072 -0.0038 -0.0074 0.0037 0.0025 0.0046

GARCH

(1,1) 0.0096 0.0075 0.0023 -0.0080 0.0012 0.0023 0.0102 -0.0022 -0.0043 0.0039 0.0009 0.0037

KOMPAS100

OLS 0.0112 0.0072 0.0037 -0.0075 0.0010 0.0006 0.0066 -0.0039 -0.0095 0.0046 0.0034 0.0048

GARCH

(1,1) 0.0125 0.0089 0.0015 -0.0115 0.0014 0.0026 0.0102 -0.0028 -0.0038 0.0052 0.0011 0.0030

LQ45

OLS 0.0127 0.0062 0.0039 -0.0069 0.0013 0.0011 0.0062 -0.0028 -0.0089 0.0051 0.0042 0.0054

GARCH

(1,1) 0.0144 0.0082 0.0013 -0.0105 0.0017 0.0033 0.0089 -0.0027 -0.0031 0.0058 0.0017 0.0041

PEFINDO25

OLS 0.0043 0.0127 0.0047 -0.0025 0.0036 -0.0002 0.0092 -0.0070 -0.0192 0.0017 -0.0033 0.0065

GARCH

(1,1) 0.0079 0.0135 0.0067 -0.0017 0.0039 0.0010 0.0110 -0.0047 -0.0187 0.0008 -0.0035 0.0063

SRI

KEHATI

OLS 0.0132 0.0061 0.0053 -0.0089 0.0017 0.0024 0.0084 -0.0022 -0.0099 0.0041 0.0036 0.0056

GARCH

(1,1) 0.0139 0.0082 0.0030 -0.0132 0.0024 0.0053 0.0119 -0.0026 -0.0004 0.0054 0.0007 0.0054

CAC40

OLS -0.0023 0.0131 0.0026 0.0027 -0.0007 -0.0021 0.0008 -0.0017 -0.0051 0.0038 0.0040 0.0012

GARCH

(1,1) -0.0023 0.0131 0.0026 0.0027 -0.0007 -0.0021 0.0008 -0.0017 -0.0051 0.0038 0.0040 0.0012

DAX

OLS -0.0036 0.0109 0.0039 -0.0023 -0.0005 -0.0025 -0.0015 -0.0025 -0.0081 0.0072 0.0086 0.0034

GARCH

(1,1) -0.0020 0.0130 0.0032 -0.0061 0.0005 -0.0012 -0.0005 0.0014 -0.0047 0.0190 0.0098 0.0046

FTSE100

OLS -0.0052 0.0110 -0.0030 0.0047 -0.0020 0.0022 0.0016 -0.0044 -0.0028 0.0007 0.0011 0.0026

GARCH

(1,1) -0.0038 0.0116 -0.0036 0.0047 -0.0019 -0.0007 0.0033 -0.0019 -0.0028 0.0001 0.0015 0.0075

IBEX35

OLS -0.0065 0.0074 0.0057 0.0020 -0.0017 -0.0076 -0.0002 -0.0034 -0.0065 0.0039 -0.0001 0.0007

GARCH

(1,1) -0.0090 0.0076 0.0055 0.0027 -0.0020 -0.0076 -0.0003 -0.0038 -0.0066 0.0037 0.0001 0.0012

100

Beberapa indeks pada periode 2010 sampai dengan 2016 dan sub-periode

menunjukan nilai probabilitas yang signifikan pada α=5%, hal ini mengindikasi

bahwa adanya fenomena market anomaly month of the year effect. Pada periode

2010 – 2016 pada beberapa indeks terlihat adanya efek bulan Maret, Juli, Agustus,

September, dan Oktober. Selanjutnya, untuk sub-periode 2010 – 2013, efek bulan

Maret, Mei, Juli, September, dan Oktober. Dan untuk sub-periode 2014 – 2016,

signifikan bulan Januari, Februari, April, Agustus, dan September.

Berdasarkan penelitian Qiwei Chen (2012) alasan mengapa risiko lebih tinggi

hanya pada bulan Januari dapat dilihat dari hasil periode sampel menyiratkan

bahwa volatilitas return pasar meningkat ketika pengumuman laporan keuangan

ditutup. Dikarenakan ketidakpastian terkait dengan kinerja perusahaan, investor

akan menjual saham untuk menghindari risiko yang mungkin, yang mengarah ke

volatilitas pasar yang meningkat. Hasil penelitiannya menunjukkan bahwa efek

musiman, yang didefinisikan sebagai fakta bahwa dalam bulan kalender tertentu,

mean return pasar secara signifikan lebih tinggi dari bulan-bulan lainnya sepanjang

tahun, karena kompensasi dari volatilitas pasar yang lebih tinggi. volatilitas pasar

meningkat terkait dengan ketidakpastian pengumuman laporan keuangan. Pada

penelitiannya ditemukan efek Januari di Amerika Serikat, Januari dan April efek di

Inggris, Efek Juli di Australia dan tidak ada efek musiman yang signifikan di Cina.

Penelitian tersebut mendukung penelitian Christos Floros dan Enrique Salvador

(2014) melakukan pengujian anomali kalender (day of the week dan monthly

seasonal effect) di FTSE100 (UK), FTSE/ASE-20 (Greece), S&P500 (US) and

101

Nasdaq100 (US) spot dan future indeks dengan periode 2004–2011. Efek kalender

dikondisikan dengan situasi pasar. Pada saat situasi volatilitas rendah efek kalender

cenderung positif, tetapi efek ini berubah negatif apabila pasar berada di bawah

periode volatilitas yang tinggi. Temuan ini dianjurkan untuk manajer risiko

keuangan berurusan dengan pasar berjangka.

Sesuai dengan hasil penelitian Jihen Jbenieni Gouider, Amira Kaddour & Azza

Hmaid (2015) yang meneliti efek anomali kalender pada bursa saham Tunisia.

Dengan periode dibagi menjadi tiga periode (keseluruhan, sesudah dan sebelum

revolusi) dan menggunakan metode GARCH (1,1), Sebagian besar anomali dapat

dijelaskan oleh kombinasi dari berbagai faktor seperti suspensi perdagangan selama

akhir pekan, portofolio rebalancing, saat publikasi informasi dan sentimen

investor. Di sisi lain, juga dapat disimpulkan hasil volatilitas tinggi dan rendah

return saham setelah revolusi, yang menyebabkan hilangnya anomali di pasar

Tunisia. Fenomena ini dapat dijelaskan oleh ketidakpastian dan kurangnya

kepercayaan di kalangan investor di bawah situasi negara baru.

Ricky Chee-Jiun Chia dan Venus Khim-Sen Liew (2012) juga menguji adanya

Anomali efek bulan (month of the year effect) pada indeks NIKKEI225 dari bursa

saham Tokyo (Tokyo Stock Exchange / TSE). Metode yang digunakan adalah

Regresi dan TGARCH. Hasil penelitian terdapat efek November di indeks

NIKKEI225. Adanya month of the year effect menunjukkan bahwa melalui strategi

waktu investasi yang benar, manajer keuangan, konselor keuangan dan investor

bisa mengambil keuntungan dari pola tersebut.

102

Pada periode keseluruhan dan sub-periode 2010 – 2013 efek bulan September

banyak terlihat pada hampir seluruh indeks Indonesia. Ini berarti ada hal – hal yang

mempengaruhi pasar modal Indonesia pada bulan tersebut. Hari besar islam yaitu

Idul Adha terjadi pada bulan September selama periode penelitian, kemungkinan

idul adha mempengaruhi pasar modal Indonesia pada bulan September dikarenakan

sebagian besar penduduk Indonesia beragama islam sehingga perayaan ini

mempengaruhi pasar modal Indonesia namun tidak Pasar modal world Major yang

di uji peneliti. Selain itu, pada sub periode 2014 – 2016 terlihat adanya efek bulan

April pada hampir seluruh indeks Indonesia. Perayaan maulid nabi terjadi pada

bulan April selama sub periode tersebut.

Berdasarkan hasil penelitian, pada sub-periode 2014-2016 efek bulan Januari

terlihat signifikan pada probabilitas 5%, namun pada sub-periode sebelumnya

terindikasi bahwa tidak adanya efek bulan Januari di indeks Indonesia maupun

indeks world major. Evangelos Vasileiou dan Aristeidis Samitas (2014) menguji

efek bulan pada bursa efek Yunani. Berdasarkan hasil penelitiannya efek Januari

signifikan hadir selama masa pertumbuhan, tetapi memudar selama periode resesi.

Selain itu, tren keuangan mempengaruhi hasil beberapa bulan lain. Adapun efek

bulan Juli menampilkan tanda-tanda untuk return positif, khususnya selama periode

pertumbuhan, sedangkan hasil bulan Maret menunjukkan justru sebaliknya. Selama

periode resesi, secara signifikan hasil menurun pada bulan Februari, Juni dan

November. Kesimpulan yang paling signifikan mengenai month of the year effect

adalah bahwa efek Januari memudar selama periode resesi. Oleh karena itu,

103

penjelasan untuk keberadaan efek bulan Januari yang memudar selama bertahun-

tahun mungkin dikarenakan tren keuangan yang berubah.

Dari hasil keseluruhan penelitian, terlihat bahwa jumlah terjadinya month of the

year effect pada indeks Indonesia terjadi lebih banyak dibandingkan dengan Indeks

World Major. Bursa Efek Indonesia (BEI) mengungkapkan, pertumbuhan indeks

saham Indonesia mengalami pertumbuhan tertinggi kedua di kawasan Asia Pasifik.

Namun, kapitalisasi pasar Saham Indonesia jauh tertinggal dibanding dengan

negara-negara lain. Pertumbuhan IHSG mengalahkan indeks acuan di Thailand,

Filipina, Hong Kong, Singapura, Malaysia dan juga Jepang. Namun sayangnya,

meskipun pengalami pertumbuhan yang cukup tinggi, nilai kapitalisasi pasar saham

di Indonesia masih cukup kecil. (Bisnis.Liputan6.com)

Sesuai dengan penelitian Tajinder Jassal dan Babli Dhiman (2015) yang

meneliti adanya month of the year effect pada BSE (Bombay Stock Exchange).

Anomali masih ada di pasar saham India namun mereka yang lebih menonjol di

saham-saham berkapitalisasi kecil dan Saham kapitalisasi menengah. Oleh karena

itu ada peluang yang tersedia untuk investor dalam pasar saham India. Investor

dapat merencanakan strategi portofolio sesuai dengan anomali untuk mendapat

keuntungan yang abnormal dari Indians stock Market.

104

BAB V

PENUTUP

A. Kesimpulan

Peneliti menguji fenomena market anomaly month of the year effect

terhadap return indeks Indonesia dan indeks world major pada periode 2010

sampai 2016 dan dengan sub-periode tahun 2010-2013 dan 2014-2016. Dari

hasil analisis data dan pembahasan hasil penelitian yang telah dilakukan, maka

dapat disimpulkan sebagai berikut:

1. Hasil penelitian menunjukan adanya fenomena month of the year effect

dengan menggunakan model GARCH (1,1) dan model OLS pada indeks

Indonesia pada periode 2010 – 2016 dan sub-periode 2014 - 2016. Pada

sub-periode 2010 sampai 2013, hasil penelitian menunjukkan adanya

fenomena month of the year effect pada indeks Indonesia dengan

menggunakan model GARCH (1,1), namun, tidak ditemukan adanya

fenomena month of the year effect pada sub-periode ini dengan

menggunakan model OLS.

2. Hasil Penelitian pada periode 2010 sampai 2016, dengan menggunakan

model GARCH (1,1) tidak ditemukannya month of the year effect pada

indeks world major. Namun, dengan menggunakan model OLS, dapat

ditemukan efek positif bulan Oktober pada indeks DAX. Pada sub-periode

2010 sampai 2013, hasil penelitian menunjukkan adanya efek bulan Mei

105

pada indeks IBEX35 dengan menggunakan model GARCH (1,1).

Sedangkan dengan menggunakan model OLS, ditemukan efek bulan Mei

pada indeks IBEX35 dan efek bulan Oktober pada Indeks DAX. Pada sub-

periode 2014 sampai 2016, hasil penelitian menunjukkan ditemukan adanya

efek bulan Februari pada indeks FTSE100 dengan menggunakan uji

GARCH (1,1). Namun dengan menggunakan model OLS, tidak

ditemukannya adanya month of the year.

3. Fenomena month of the year effect pada indeks Indonesia dan world major

pada sub-periode 2010-2013 tidak persisten muncul pada sub-periode 2014

- 2016. Beberapa efek bulan yang ditemukan pada sub-periode awal, terlihat

menghilang pada sub-periode selanjutnya, namun ditemukan efek bulan

lain pada sub-periode selanjutnya. Dari output data, model GARCH (1,1)

terlihat lebih baik menggambarkan adanya fenomena market anomaly

month of the year effect dibandingkan dengan menggunakan model OLS.

Hasil penelitian menunjukan bahwa Pasar Modal Indonesia bersifat tidak

efisien dibandingkan dengan beberapa pasar modal world major. Pasar

modal Indonesia bersifat tidak efisien dibandingkan dengan negara tersebut

di karenakan kapitalisasi pasar Indonesia yang tidak besar. Dari kesimpulan

diatas, apabila investor dapat memanfaatkan fenomena month of the year

effect untuk mendapatkan keuntungan lebih, sebaiknya investor

berinvestasi pada pasar modal Indonesia dibandingkan beberapa pasar

modal world major dikarenakan volatilitas harga saham yang tinggi.

106

B. Implikasi

Berdasarkan pada penelitian yang telah dilakukan, mengenai analisis

fenomena market anomaly month of the year effect semoga hasil dari penelitian

ini dapat berguna bagi beberapa pihak:

1. Implikasi Bagi Investor

Hasil penelitian ini diharapkan dapat bermanfaat sebagai suatu referensi

dan penyedia Informasi, sehingga dapat menjadi pertimbangan sebelum

melakukan investasi di pasar modal. Selain itu, investor dapat

mempelajari pola return pasar sebagai salah satu strategi dalam

melakukan jual beli saham dimasa yang akan datang dalam rangka

untuk

mendapatkan keuntungan lebih di dalam pasar modal.

2. Implikasi Bagi Perusahaan

Hasil penelitian ini dapat dijadikan informasi tambahan dan

pertimbangan bagi perusahaan dalam melakukan kebijakan yang

berhubungan dengan investasi.

3. Implikasi Bagi Akademik

Penelitian ini diharapkan dapat digunakan sebagai bahan rujukan bagi

penelitian selanjutnya di bidang Manajemen keuangan, Khususnya

yang bersangkutan dengan analisis mengenai anomal pasar dan analisis

mengenai efisiensi pasar.

107

C. Saran

Telah disadari bahwa penelitian ini masih banyak terdapat kekurangan.

Oleh karenanya, berikut disajikan saran terkait untuk perkembangan penelitian

selanjutnya:

1. Peneliti selanjutnya disarankan untuk menggunakan pengujian analisis

dengan teknik berbeda. Serta membandingkannya dengan metode yang

telah digunakan dalam penelitian ini. Dan memberikan hasil metode

mana yang lebih baik.

2. Peneliti selanjutnya diharapkan dapat menguji seluruh indeks yang

terdapat di Indonesia dan menguji indeks world major lebih banyak di

bandingkan penelitian ini sehingga dapat memberikan pandangan yang

lebih luas.

3. Diharapkan periode penelitian yang dilakukan peneliti selanjutnya

dapat di perpanjang dan menggunakan beberapa sub-periode lebih

banyak agar dapat membandingkan dari sub-periode ke sub-periode dan

memperoleh hasil yang lebih baik lagi.

108

DAFTAR PUSTAKA

Ali F. Darrat, Bin Li, dan Richard Chung. “Seasonal Anomalies: A Closer Look at the

Johannesburg Stock Exchange”. Contemporary Management Research Pages

155-168, Vol. 9, No. 2, 2013.

Agan Deep Sharma, Sanjiv Mittal dan Prachi Khurana. “Month of the year anomalies

in stock markets: Evidence from India”. the international journal of applied

economics and finance vol 8 issue 3, 2014.

Anonim. “IDX Fact Book 2016”. Jakarta: Research Division Bursa Efek Indonesia,

2016.

Bodie, Alex Kane, Alan J. Marcus.”Manajemen Portofolio dan Investasi”. Salemba

Empat, Jakarta, 2014.

Bollerslev, T. “Generalized Autoregressive Conditional Heteroscedasticity”. Journal

of Econometrics, Vol.31, 1986.

Chen, Qiwei. “Risk and Seasonal Effects: International Evidence”. Economics and

Finance Working Paper Series, No. 12-15, 2012.

Chia Jiun, Ricky Chee dan Venus Khim Liew Sen. “Month of the Year and Symmetrical

Effects in the Nikkei 225”. IOSR Journal of Business and Management Volume

3, Issue 2, 2012.

Christodoulou-Volos, Christos N. dan Andreas Hadjixenophontos. “Calendar

Anomalies in The London Stock Exchange: A Re-Examination”. The Cyprus

Journal of Sciences Vol. 13, 2015.

Corrado, Charles J dan Jordan. “Fundamentals of investments Valuation and

Management”. McGraw-Hill, New York, 2002.

Darmaji, Tjiptono dan Hendy M. Fakhruddin. “Pasar Modal di Indonesia Pendekatan

Tanya Jawab”. Salemba empat, Jakarta, 2001.

Deyshappriya, N. P. Ravindra Deyshappriya. “An Empirical Investigation on Stock

Market Anomalies: The Evidence from Colombo Stock Exchange in Sri Lanka”.

International Journal of Economics and Finance Vol. 6 No. 3, 2014.

Ekananda, Mahyus. “Analisis Data Time Series Untuk Penelitian Ekonomi,

Manajemen Dan Akuntansi”, Mitra Wacana Media, Jakarta, 2014.

Fama. “Efficient Capital Markets: A Review of Theory and Empirical Work”. The

Journal of Finance, Vol 25, No. 25, 1970.

109

Fitriyani, Indah dan Maria M. Ratna Sari. “Analisis January Effect Pada Kelompok

Saham Indeks LQ-45 Di Bursa Efek Indonesia Tahun 2009-2011”. E-Jurnal

Akuntansi Universitas Udayana 4.2, 2013.

Floros, hristos dan Enrique Salvador. “Calendar anomalies in cash and stock index

futures: International evidence”. Economic Modelling Volume 37, Pages 216–

223, 2014.

Georgantopoulos, Andreas G., Dimitris F. Kenourgios dan Anastasios D. Tsamis.

“Calendar Anomalies in Emerging Balkan Equity Markets”. International

Economics dan Finance Journal Vol. 6, No. 1, 2011.

Giovanis, Eleftherios. “The Turn-of-the-Month-Effect: Evidence from Periodic

Generalized Autoregressive Conditional Heteroskedasticity (PGARCH)

Model”. International Journal of Economic Sciences and Applied Research

Vol. 7 Iss.3 pp. 43-61, 2014.

Gouider, Jihen Jbenieni, Amira Kaddour dan Azza Hmaid. “Stock Market Anomalies:

Case of Calendar Effects on the Tunisian Stock Market”. Global Journal of

Management and Business Research: (B) Economics and Commerce, Volume

15 Issue 2, 2015.

Hakim, Abdul. “Pengantar Ekonomi Eknometrika”, EKONISIA, Yogyakarta, 2014.

Jamróz, Paweł dan Grzegorz Koronkiewicz. “The Occurrence of the Day of the Week

Effects on Polish and Major World Stock Markets”. Paper on Logic and

Rationality Vol 37, Issue 1, 2014.

Jassal, Tajinder dan Babli Dhiman. “Heterogeneous Evidence an Analysis of Monthly

Anomaly”. International Journal of Applied Business and Economic Research

Vol. 13 No. 3, 2015.

Jones, Charles P. “Investment: Analysis and Management”. John Wiley and Son ,

California, 1998.

Levy, Haim S. “Intoduction Investement”. South Western Publishing, 1996.

Majid, M. Shabri ABD., Zulfa Alvi Vakhira, dan Salina Kassim. ”Do Conventional

and Islamic Stock Markets Subject to Different Market Anomalies? Empirical

Evidences from Indonesia and Malaysia”. Journal of Applied Economic

Sciences Volume XI Issue 5(43), 2016

Nachrowi, Djalal Nachrowi dan Hardius Usman. “Analisis Ekonometrika untuk

Ekonomi dan Keuangan”. LPFEUI, Jakarta, 2006.

Pandekar Galih dan Nadia Putrini. “Turn-off-the-Month Effect on Stocks in LQ45 Index

and Various Sectors in the Indonesia Stock Exchange using GARCH (p,q)”.

Indonesian Capital Market Review Vol. IV No.1, 2012.

110

Qi, Ming dan Wenyao Wang. “The Monthly Effects in Chinese Gold Market”.

International Journal of Economics and Finance; Vol. 5, No. 10, 2013.

R. A, Shochrul, Dyah, Rahmat, Martha. “Cara Cerdas Menguasai EViews”. Salemba

Empat, Jakarta, 2011.

Rizwan Ahmed dan Jingsi Leng. “Seasonality Effects through ARCH and GARCH

model: Evidence from Shanghai Stock Market (China)”. SSRN eLibrary, 2016.

Robiyanto. ”Month of The Year Effect Pada Beberapa Pasar Modal Di Asia Tenggara

dan Pasar Komoditas”. Jurnal Ekonomi dan Bisnis Volume XVIII No. 2, 2015.

Rodoni, Ahmad dan Ali, Herni. “Manajemen Keuangan”. Mitra Wacana Media,

Jakarta, 2010.

Sadalia, Isfenti dan Octavianus Pandiangan. “Analisis Anomali Pasar Perdagangan

Pada Return Saham Di Bursa Efek Indonesia”. Jurnal Ekonom Vol. 13, No.2,

2010.

Samsul, Mohamad.”Pasar Modal dan Manajemen Portofolio”. Erlangga. Jakarta,

2006.

Saputro, Aditya Probo dan Sukirno. “Day of The Week Effect Dan Month Of The Year

Effect Terhadap Return Indeks Pasar”. Jurnal Nominal Volume III No 2, 2014.

Sharpe, William. “Investment”. Sixth Edition. Prentice Hall, New Jersey, 1999.

Suad, Husnan. “Teori Portofolio dan Analisis Sekuritas”. UPP AMP YKPN,

Yogyakarta, 1998.

Sunariyah. “Pengantar Pengetahuan Pasar Modal”. UPP STIM YKPN, Jakarta, 2011.

Thushara, S.C. dan Prabath Perera. “The Month of The Year Effect: Empirical

Evidence from Colombo Stock Exchange”. International Conference on

Management and Economics, 2013.

Urquhart, Andrew dan Frank McGroarty. “Calendar effects, market conditions and the

Adaptive Market Hypothesis: Evidence from long-run U.S. data”. International

Review of Financial Analysis Volume 35, October 2014, Pages 154–166, 2014.

Vasileiou, Evangelos dan Aristeidis Samitas. “Does the financial crisis influence the

month and the trading month effects? Evidence from the Athens Stock

Exchange”. Studies in Economics and Finance Vol. 32 No. 2, 2014.

Werastuti, Desak Nyoman Sri. “Anomali Pasar Pada Return Saham: The Day of Week

Effect, Week Four Effect, Rogalsky Effect, dan January Effect”. Jurnal Ilmiah

Akuntansi dan Humanika Vol.2 No.1, 2012.

111

Yalçın, Kadir Can. “Market Rationality: Efficient Market Hypothesis versus Market

Anomalies”. European Journal of Economic and Political Studies vol 3, issue

2, 2010.

http://jurnal-sdm.blogspot.co.id/2009/07/indek-lq-45-definisi-kriteria-dan.html

diakses pada 10 Desember 2016 pukul 19.45 WIB.

https://finance.detik.com/bursa-dan-valas/3298411/mengenal-lq-45 diakses pada 10

Desember 2016 pukul 19.45 WIB.

https://www.share.com/new-to-investing/the-ftse-100-what-does-it-all-mean/ diakses

pada 10 Desember 2016 pukul 19.45 WIB.

http://www.wikinvest.com/index/German_DAX_Index_(GDAXI) diakses pada 10

Desember 2016 pukul 19.45 WIB.

https://id.wikipedia.org/wiki/Indeks_Harga_Saham_Gabungan#Sejarah_nilai_IHSG

diakses pada 10 Desember 2016 pukul 19.45 WIB.

https://id.wikipedia.org/wiki/IBEX_35 diakses pada 10 Desember 2016 pukul 19.45

WIB.

https://id.wikipedia.org/wiki/CAC_40 diakses pada 10 Desember 2016 pukul 19.45

WIB.

http://bisnis.liputan6.com/read/2098941/kapitalisasi-pasar-saham-ri-jauh-di-bawah-

negara-lain-di-asia diakses pada 10 Desember 2016 pukul 19.45 WIB.

http://jurnal-sdm.blogspot.co.id/2009/07/indek-lq-45-definisi-kriteria-dan.html

https://finance.detik.com/bursa-dan-valas/3298411/mengenal-lq-45%20diakses

https://www.share.com/new-to-investing/the-ftse-100-what-does-it-all-mean/

http://www.wikinvest.com/index/German_DAX_Index_(GDAXI)

https://id.wikipedia.org/wiki/Indeks_Harga_Saham_Gabungan#Sejarah_nilai_IHSG

https://id.wikipedia.org/wiki/IBEX_35

https://id.wikipedia.org/wiki/CAC_40

http://bisnis.liputan6.com/read/2098941/kapitalisasi-pasar-saham-ri-jauh-di-bawah-negara-lain-di-asia

http://bisnis.liputan6.com/read/2098941/kapitalisasi-pasar-saham-ri-jauh-di-bawah-negara-lain-di-asia

112

LAMPIRAN

LAMPIRAN 1: Uji Regresi Linier Return Indeks Periode 2010 – 2016

Dependent Variable: BISNIS27

Method: Least Squares

Date: 03/13/17 Time: 00:41

Sample: 1/03/2010 12/25/2016

Included observations: 365

Variable Coefficient Std. Error t-Statistic Prob.

@MONTH=1 0.003991 0.005044 0.791265 0.4293

@MONTH=2 0.007072 0.005392 1.311469 0.1906

@MONTH=3 0.007681 0.005125 1.498797 0.1348

@MONTH=4 -0.001850 0.005299 -0.349100 0.7272

@MONTH=5 -0.004285 0.005044 -0.849567 0.3961

@MONTH=6 0.001396 0.005210 0.268002 0.7889

@MONTH=7 0.007679 0.005125 1.498471 0.1349

@MONTH=8 -0.005730 0.005125 -1.118148 0.2643

@MONTH=9 0.001701 0.005210 0.326497 0.7442

@MONTH=10 0.006340 0.005125 1.237035 0.2169

@MONTH=11 -0.001312 0.005210 -0.251922 0.8012

@MONTH=12 0.003144 0.005210 0.603459 0.5466

R-squared 0.024948 Mean dependent var 0.002131

Adjusted R-squared -0.005436 S.D. dependent var 0.028456

S.E. of regression 0.028534 Akaike info criterion -4.243141

Sum squared resid 0.287402 Schwarz criterion -4.114925

Log likelihood 786.3732 Hannan-Quinn criter. -4.192186

Durbin-Watson stat 2.484330

113

Dependent Variable: JKSE


Date: 03/13/17 Time: 02:46

Sample: 1/03/2010 12/25/2016



@MONTH=1 0.003664 0.004024 0.910630 0.3631

@MONTH=2 0.006080 0.004302 1.413359 0.1584

@MONTH=3 0.007831 0.004088 1.915604 0.0562

@MONTH=4 0.001287 0.004227 0.304429 0.7610

@MONTH=5 -0.003073 0.004024 -0.763645 0.4456

@MONTH=6 5.65E-05 0.004156 0.013605 0.9892

@MONTH=7 0.006694 0.004088 1.637337 0.1025

@MONTH=8 -0.005079 0.004088 -1.242310 0.2149

@MONTH=9 0.002105 0.004156 0.506509 0.6128

@MONTH=10 0.005090 0.004088 1.245009 0.2140

@MONTH=11 -0.000411 0.004156 -0.098782 0.9214

@MONTH=12 0.002670 0.004156 0.642521 0.5210







114

Dependent Variable: KOMPAS_100


Date: 03/13/17 Time: 02:56

Sample: 1/03/2010 12/25/2016



@MONTH=1 0.003822 0.004634 0.824712 0.4101

@MONTH=2 0.006872 0.004954 1.387151 0.1663

@MONTH=3 0.007472 0.004708 1.587005 0.1134

@MONTH=4 -0.000149 0.004868 -0.030665 0.9756

@MONTH=5 -0.003856 0.004634 -0.832008 0.4060

@MONTH=6 4.36E-05 0.004786 0.009107 0.9927

@MONTH=7 0.006181 0.004708 1.312763 0.1901

@MONTH=8 -0.005932 0.004708 -1.260036 0.2085

@MONTH=9 0.001334 0.004786 0.278799 0.7806

@MONTH=10 0.005506 0.004708 1.169523 0.2430

@MONTH=11 -0.000720 0.004786 -0.150388 0.8805

@MONTH=12 0.002427 0.004786 0.507137 0.6124







115

Dependent Variable: LQ45


Date: 03/13/17 Time: 03:01

Sample: 1/03/2010 12/25/2016



@MONTH=1 0.004273 0.004814 0.887640 0.3753

@MONTH=2 0.006667 0.005146 1.295416 0.1960

@MONTH=3 0.007368 0.004891 1.506308 0.1329

@MONTH=4 -0.000278 0.005057 -0.054968 0.9562

@MONTH=5 -0.003048 0.004814 -0.633219 0.5270

@MONTH=6 0.001126 0.004972 0.226490 0.8210

@MONTH=7 0.006369 0.004891 1.302178 0.1937

@MONTH=8 -0.005266 0.004891 -1.076705 0.2823

@MONTH=9 0.002037 0.004972 0.409612 0.6823

@MONTH=10 0.006014 0.004891 1.229517 0.2197

@MONTH=11 -0.001025 0.004972 -0.206083 0.8368

@MONTH=12 0.002443 0.004972 0.491331 0.6235







116

Dependent Variable: PEFINDO25


Date: 03/13/17 Time: 03:06

Sample: 1/03/2010 12/25/2016



@MONTH=1 0.002995 0.005212 0.574642 0.5659

@MONTH=2 0.006932 0.005572 1.244047 0.2143

@MONTH=3 0.010531 0.005296 1.988673 0.0475

@MONTH=4 0.003236 0.005475 0.591073 0.5548

@MONTH=5 0.001081 0.005212 0.207419 0.8358

@MONTH=6 -0.002813 0.005383 -0.522628 0.6016

@MONTH=7 0.004372 0.005296 0.825587 0.4096

@MONTH=8 -0.011197 0.005296 -2.114415 0.0352

@MONTH=9 0.000890 0.005383 0.165356 0.8688

@MONTH=10 0.006053 0.005296 1.143027 0.2538

@MONTH=11 -0.002538 0.005383 -0.471469 0.6376

@MONTH=12 0.004488 0.005383 0.833736 0.4050


Adjusted R-squared 0.003450 S.D. dependent var 0.029536





117

Dependent Variable: SRIKEHATI


Date: 03/13/17 Time: 03:09

Sample: 1/03/2010 12/25/2016



@MONTH=1 0.003979 0.004951 0.803644 0.4221

@MONTH=2 0.006902 0.005293 1.303922 0.1931

@MONTH=3 0.008445 0.005031 1.678741 0.0941

@MONTH=4 -0.000367 0.005201 -0.070582 0.9438

@MONTH=5 -0.003320 0.004951 -0.670548 0.5029

@MONTH=6 0.002156 0.005114 0.421523 0.6736

@MONTH=7 0.008805 0.005031 1.750214 0.0810

@MONTH=8 -0.004663 0.005031 -0.926992 0.3546

@MONTH=9 0.001771 0.005114 0.346281 0.7293

@MONTH=10 0.004876 0.005031 0.969238 0.3331

@MONTH=11 -0.002038 0.005114 -0.398462 0.6905

@MONTH=12 0.002169 0.005114 0.424089 0.6718







118

Dependent Variable: CAC40


Date: 03/13/17 Time: 03:15

Sample: 1/03/2010 12/25/2016



@MONTH=1 0.000618 0.004901 0.126106 0.8997

@MONTH=2 0.007050 0.005240 1.345449 0.1793

@MONTH=3 0.001796 0.004980 0.360687 0.7185

@MONTH=4 -0.001027 0.005149 -0.199432 0.8420

@MONTH=5 -0.007270 0.004901 -1.483268 0.1389

@MONTH=6 -0.000246 0.005062 -0.048646 0.9612

@MONTH=7 0.000572 0.004980 0.114771 0.9087

@MONTH=8 -0.003524 0.004980 -0.707698 0.4796

@MONTH=9 0.001572 0.005062 0.310577 0.7563

@MONTH=10 0.006934 0.004980 1.392451 0.1647

@MONTH=11 0.001041 0.005062 0.205715 0.8371

@MONTH=12 0.002154 0.005062 0.425453 0.6708







119

Dependent Variable: DAX


Date: 03/13/17 Time: 03:30

Sample: 1/03/2010 12/25/2016



@MONTH=1 0.001663 0.004950 0.335925 0.7371

@MONTH=2 0.006219 0.005292 1.175138 0.2407

@MONTH=3 0.004241 0.005029 0.843242 0.3997

@MONTH=4 4.57E-05 0.005200 0.008788 0.9930

@MONTH=5 -0.004562 0.004950 -0.921705 0.3573

@MONTH=6 -0.001213 0.005112 -0.237280 0.8126

@MONTH=7 -0.000461 0.005029 -0.091659 0.9270

@MONTH=8 -0.006698 0.005029 -1.331799 0.1838

@MONTH=9 0.003134 0.005112 0.612998 0.5403

@MONTH=10 0.010893 0.005029 2.166017 0.0310

@MONTH=11 0.006613 0.005112 1.293543 0.1967

@MONTH=12 0.001033 0.005112 0.202126 0.8399







120

Dependent Variable: FTSE100


Date: 03/13/17 Time: 04:03

Sample: 1/03/2010 12/25/2016



@MONTH=1 -0.000635 0.003762 -0.168720 0.8661

@MONTH=2 0.008526 0.004022 2.120181 0.0347

@MONTH=3 -0.001870 0.003822 -0.489332 0.6249

@MONTH=4 0.001897 0.003952 0.480161 0.6314

@MONTH=5 -0.006479 0.003762 -1.722410 0.0859

@MONTH=6 0.000613 0.003885 0.157896 0.8746

@MONTH=7 0.001678 0.003822 0.439160 0.6608

@MONTH=8 -0.002279 0.003822 -0.596415 0.5513

@MONTH=9 -4.98E-05 0.003885 -0.012816 0.9898

@MONTH=10 0.005672 0.003822 1.484066 0.1387

@MONTH=11 -0.000502 0.003885 -0.129317 0.8972

@MONTH=12 0.003672 0.003885 0.945073 0.3453







121

Dependent Variable: IBEX35


Date: 03/13/17 Time: 04:06

Sample: 1/03/2010 12/25/2016



@MONTH=1 -0.003885 0.006080 -0.638871 0.5233

@MONTH=2 0.002309 0.006500 0.355291 0.7226

@MONTH=3 -1.70E-05 0.006178 -0.002753 0.9978

@MONTH=4 -0.003139 0.006387 -0.491497 0.6234

@MONTH=5 -0.010713 0.006080 -1.761972 0.0789

@MONTH=6 -0.000455 0.006280 -0.072461 0.9423

@MONTH=7 -0.000655 0.006178 -0.105966 0.9157

@MONTH=8 -0.001487 0.006178 -0.240777 0.8099

@MONTH=9 0.006860 0.006280 1.092454 0.2754

@MONTH=10 0.003774 0.006178 0.610869 0.5417

@MONTH=11 -0.001878 0.006280 -0.298986 0.7651

@MONTH=12 0.001983 0.006280 0.315705 0.7524

R-squared 0.015529 Mean dependent var -0.000680






122




Date: 03/13/17 Time: 01:01

Sample: 1/03/2010 12/29/2013



@MONTH=1 -0.001233 0.006730 -0.183256 0.8548

@MONTH=2 0.007803 0.007334 1.063939 0.2887

@MONTH=3 0.010187 0.007115 1.431672 0.1538

@MONTH=4 0.004380 0.007115 0.615531 0.5389

@MONTH=5 -0.007996 0.006915 -1.156367 0.2489

@MONTH=6 0.000357 0.007115 0.050176 0.9600

@MONTH=7 0.006816 0.006915 0.985736 0.3255

@MONTH=8 -0.007856 0.007115 -1.104162 0.2709

@MONTH=9 0.009435 0.006915 1.364527 0.1740

@MONTH=10 0.006772 0.006915 0.979303 0.3286

@MONTH=11 -0.005920 0.007334 -0.807144 0.4206

@MONTH=12 0.001030 0.006915 0.148961 0.8817







123



Date: 03/13/17 Time: 05:00

Sample: 1/03/2010 12/29/2013



@MONTH=1 -1.14E-05 0.005740 -0.001980 0.9984

@MONTH=2 0.005983 0.006255 0.956463 0.3400

@MONTH=3 0.011247 0.006068 1.853395 0.0653

@MONTH=4 0.005994 0.006068 0.987797 0.3245

@MONTH=5 -0.006160 0.005897 -1.044529 0.2975

@MONTH=6 -0.000515 0.006068 -0.084832 0.9325

@MONTH=7 0.006360 0.005897 1.078499 0.2821

@MONTH=8 -0.006100 0.006068 -1.005219 0.3160

@MONTH=9 0.008446 0.005897 1.432220 0.1537

@MONTH=10 0.006063 0.005897 1.028049 0.3052

@MONTH=11 -0.002930 0.006255 -0.468493 0.6400

@MONTH=12 0.001397 0.005897 0.236864 0.8130







124



Date: 03/13/17 Time: 05:40

Sample: 1/03/2010 12/29/2013



@MONTH=1 -0.001207 0.006354 -0.189905 0.8496

@MONTH=2 0.006607 0.006924 0.954205 0.3411

@MONTH=3 0.010576 0.006717 1.574463 0.1170

@MONTH=4 0.005041 0.006717 0.750434 0.4539

@MONTH=5 -0.007596 0.006528 -1.163718 0.2459

@MONTH=6 -0.000344 0.006717 -0.051266 0.9592

@MONTH=7 0.005883 0.006528 0.901190 0.3686

@MONTH=8 -0.007591 0.006717 -1.130061 0.2598

@MONTH=9 0.008564 0.006528 1.311982 0.1911

@MONTH=10 0.006129 0.006528 0.938848 0.3490

@MONTH=11 -0.004362 0.006924 -0.630081 0.5294

@MONTH=12 0.000832 0.006528 0.127483 0.8987







125



Date: 03/13/17 Time: 05:45

Sample: 1/03/2010 12/29/2013



@MONTH=1 -0.001461 0.006525 -0.223892 0.8231

@MONTH=2 0.007013 0.007110 0.986289 0.3252

@MONTH=3 0.010246 0.006898 1.485319 0.1391

@MONTH=4 0.004407 0.006898 0.638839 0.5237

@MONTH=5 -0.006396 0.006704 -0.954109 0.3412

@MONTH=6 0.001144 0.006898 0.165850 0.8684

@MONTH=7 0.006519 0.006704 0.972457 0.3320

@MONTH=8 -0.007269 0.006898 -1.053747 0.2933

@MONTH=9 0.009305 0.006704 1.388055 0.1667

@MONTH=10 0.006668 0.006704 0.994666 0.3211

@MONTH=11 -0.005608 0.007110 -0.788657 0.4313

@MONTH=12 0.000463 0.006704 0.069096 0.9450







126



Date: 03/13/17 Time: 05:50

Sample: 1/03/2010 12/29/2013



@MONTH=1 0.002085 0.007588 0.274840 0.7837

@MONTH=2 0.002622 0.008269 0.317051 0.7515

@MONTH=3 0.015295 0.008022 1.906680 0.0580

@MONTH=4 0.007269 0.008022 0.906177 0.3659

@MONTH=5 -0.000883 0.007796 -0.113228 0.9100

@MONTH=6 -0.004789 0.008022 -0.596953 0.5512

@MONTH=7 0.000872 0.007796 0.111805 0.9111

@MONTH=8 -0.014688 0.008022 -1.830911 0.0686

@MONTH=9 0.014305 0.007796 1.834951 0.0680

@MONTH=10 0.009182 0.007796 1.177788 0.2403

@MONTH=11 -0.001879 0.008269 -0.227249 0.8205

@MONTH=12 0.003135 0.007796 0.402110 0.6880







127



Date: 03/13/17 Time: 06:04

Sample: 1/03/2010 12/29/2013



@MONTH=1 -0.002361 0.006627 -0.356299 0.7220

@MONTH=2 0.007519 0.007221 1.041279 0.2990

@MONTH=3 0.011068 0.007006 1.579957 0.1157

@MONTH=4 0.005677 0.007006 0.810354 0.4187

@MONTH=5 -0.007196 0.006808 -1.057005 0.2918

@MONTH=6 0.001990 0.007006 0.284082 0.7766

@MONTH=7 0.009072 0.006808 1.332479 0.1842

@MONTH=8 -0.006672 0.007006 -0.952419 0.3421

@MONTH=9 0.009573 0.006808 1.406159 0.1613

@MONTH=10 0.005472 0.006808 0.803782 0.4225

@MONTH=11 -0.006929 0.007221 -0.959504 0.3385

@MONTH=12 -0.000104 0.006808 -0.015293 0.9878







128



Date: 03/13/17 Time: 06:08

Sample: 1/03/2010 12/29/2013



@MONTH=1 0.002587 0.006833 0.378573 0.7054

@MONTH=2 0.002511 0.007446 0.337167 0.7363

@MONTH=3 0.001166 0.007224 0.161445 0.8719

@MONTH=4 -0.003656 0.007224 -0.506079 0.6134

@MONTH=5 -0.012364 0.007021 -1.761104 0.0798

@MONTH=6 0.001205 0.007224 0.166840 0.8677

@MONTH=7 0.000377 0.007021 0.053752 0.9572

@MONTH=8 -0.005029 0.007224 -0.696097 0.4872

@MONTH=9 0.006012 0.007021 0.856350 0.3928

@MONTH=10 0.009230 0.007021 1.314752 0.1901

@MONTH=11 -0.001569 0.007446 -0.210659 0.8334

@MONTH=12 0.002780 0.007021 0.395929 0.6926







129



Date: 03/13/17 Time: 06:10

Sample: 1/03/2010 12/29/2013



@MONTH=1 0.005233 0.006638 0.788323 0.4315

@MONTH=2 0.002682 0.007234 0.370751 0.7112

@MONTH=3 0.004508 0.007018 0.642292 0.5214

@MONTH=4 0.001676 0.007018 0.238882 0.8114

@MONTH=5 -0.007746 0.006820 -1.135694 0.2575

@MONTH=6 -0.000241 0.007018 -0.034302 0.9727

@MONTH=7 0.000296 0.006820 0.043338 0.9655

@MONTH=8 -0.010154 0.007018 -1.446928 0.1495

@MONTH=9 0.010638 0.006820 1.559823 0.1204

@MONTH=10 0.013526 0.006820 1.983256 0.0487

@MONTH=11 0.004905 0.007234 0.678018 0.4986

@MONTH=12 -0.000556 0.006820 -0.081583 0.9351







130



Date: 03/13/17 Time: 06:13

Sample: 1/03/2010 12/29/2013



@MONTH=1 0.002520 0.005065 0.497493 0.6194

@MONTH=2 0.006665 0.005519 1.207587 0.2287

@MONTH=3 -0.000941 0.005355 -0.175706 0.8607

@MONTH=4 -7.59E-05 0.005355 -0.014174 0.9887

@MONTH=5 -0.009949 0.005204 -1.911971 0.0573

@MONTH=6 -0.000568 0.005355 -0.106081 0.9156

@MONTH=7 0.001707 0.005204 0.328075 0.7432

@MONTH=8 -0.000516 0.005355 -0.096381 0.9233

@MONTH=9 0.001801 0.005204 0.346148 0.7296

@MONTH=10 0.009239 0.005204 1.775555 0.0774

@MONTH=11 -0.001920 0.005519 -0.347813 0.7284

@MONTH=12 0.004413 0.005204 0.848029 0.3975







131



Date: 03/13/17 Time: 06:16

Sample: 1/03/2010 12/29/2013



@MONTH=1 -0.002108 0.008660 -0.243402 0.8079

@MONTH=2 -0.001502 0.009437 -0.159174 0.8737

@MONTH=3 -0.004726 0.009155 -0.516188 0.6063

@MONTH=4 -0.006746 0.009155 -0.736848 0.4621

@MONTH=5 -0.017692 0.008897 -1.988514 0.0481

@MONTH=6 0.005017 0.009155 0.548005 0.5843

@MONTH=7 -0.000990 0.008897 -0.111307 0.9115

@MONTH=8 8.04E-05 0.009155 0.008784 0.9930

@MONTH=9 0.015736 0.008897 1.768650 0.0785

@MONTH=10 0.003689 0.008897 0.414595 0.6789

@MONTH=11 -0.003410 0.009437 -0.361370 0.7182

@MONTH=12 0.002837 0.008897 0.318902 0.7501







132




Date: 03/13/17 Time: 01:18

Sample: 1/05/2014 12/25/2016



@MONTH=1 0.011627 0.007676 1.514799 0.1320

@MONTH=2 0.006097 0.007989 0.763168 0.4466

@MONTH=3 0.004639 0.007396 0.627138 0.5316

@MONTH=4 -0.010675 0.007989 -1.336146 0.1836

@MONTH=5 0.000486 0.007396 0.065640 0.9478

@MONTH=6 0.002755 0.007676 0.358931 0.7202

@MONTH=7 0.008875 0.007676 1.156212 0.2495

@MONTH=8 -0.003149 0.007396 -0.425706 0.6710

@MONTH=9 -0.009901 0.007989 -1.239274 0.2173

@MONTH=10 0.005741 0.007676 0.747997 0.4557

@MONTH=11 0.003953 0.007396 0.534458 0.5938

@MONTH=12 0.006314 0.007989 0.790363 0.4306







133



Date: 03/13/17 Time: 06:20

Sample: 1/05/2014 12/25/2016



@MONTH=1 0.009036 0.005420 1.667077 0.0977

@MONTH=2 0.006209 0.005642 1.100585 0.2729

@MONTH=3 0.003684 0.005223 0.705309 0.4818

@MONTH=4 -0.005382 0.005642 -0.953984 0.3417

@MONTH=5 0.000896 0.005223 0.171615 0.8640

@MONTH=6 0.000804 0.005420 0.148266 0.8823

@MONTH=7 0.007155 0.005420 1.320126 0.1889

@MONTH=8 -0.003839 0.005223 -0.734966 0.4636

@MONTH=9 -0.007407 0.005642 -1.312891 0.1913

@MONTH=10 0.003743 0.005420 0.690508 0.4910

@MONTH=11 0.002469 0.005223 0.472771 0.6371

@MONTH=12 0.004580 0.005642 0.811837 0.4182







134



Date: 03/13/17 Time: 06:24

Sample: 1/05/2014 12/25/2016



@MONTH=1 0.011171 0.006746 1.655942 0.0999

@MONTH=2 0.007226 0.007021 1.029086 0.3052

@MONTH=3 0.003703 0.006500 0.569646 0.5698

@MONTH=4 -0.007502 0.007021 -1.068410 0.2871

@MONTH=5 0.000954 0.006500 0.146791 0.8835

@MONTH=6 0.000551 0.006746 0.081663 0.9350

@MONTH=7 0.006593 0.006746 0.977375 0.3300

@MONTH=8 -0.003919 0.006500 -0.602871 0.5475

@MONTH=9 -0.009511 0.007021 -1.354530 0.1777

@MONTH=10 0.004645 0.006746 0.688526 0.4922

@MONTH=11 0.003443 0.006500 0.529711 0.5971

@MONTH=12 0.004820 0.007021 0.686424 0.4935







135



Date: 03/13/17 Time: 06:30

Sample: 1/05/2014 12/25/2016



@MONTH=1 0.012654 0.007152 1.769163 0.0790

@MONTH=2 0.006205 0.007444 0.833540 0.4059

@MONTH=3 0.003872 0.006892 0.561823 0.5751

@MONTH=4 -0.006915 0.007444 -0.928852 0.3545

@MONTH=5 0.001256 0.006892 0.182231 0.8557

@MONTH=6 0.001103 0.007152 0.154159 0.8777

@MONTH=7 0.006161 0.007152 0.861428 0.3904

@MONTH=8 -0.002834 0.006892 -0.411257 0.6815

@MONTH=9 -0.008867 0.007444 -1.191026 0.2356

@MONTH=10 0.005108 0.007152 0.714118 0.4763

@MONTH=11 0.004213 0.006892 0.611298 0.5420

@MONTH=12 0.005412 0.007444 0.727037 0.4684







136



Date: 03/13/17 Time: 06:33

Sample: 1/05/2014 12/25/2016



@MONTH=1 0.004325 0.006505 0.664862 0.5072

@MONTH=2 0.012679 0.006770 1.872747 0.0631

@MONTH=3 0.004747 0.006268 0.757266 0.4501

@MONTH=4 -0.002477 0.006770 -0.365885 0.7150

@MONTH=5 0.003606 0.006268 0.575298 0.5660

@MONTH=6 -0.000230 0.006505 -0.035411 0.9718

@MONTH=7 0.009219 0.006505 1.417233 0.1586

@MONTH=8 -0.006959 0.006268 -1.110244 0.2687

@MONTH=9 -0.019232 0.006770 -2.840653 0.0052

@MONTH=10 0.001721 0.006505 0.264556 0.7917

@MONTH=11 -0.003291 0.006268 -0.525050 0.6004

@MONTH=12 0.006518 0.006770 0.962755 0.3373







137



Date: 03/13/17 Time: 06:37

Sample: 1/05/2014 12/25/2016



@MONTH=1 0.013245 0.007465 1.774240 0.0781

@MONTH=2 0.006079 0.007770 0.782317 0.4353

@MONTH=3 0.005259 0.007194 0.731090 0.4659

@MONTH=4 -0.008930 0.007770 -1.149195 0.2524

@MONTH=5 0.001664 0.007194 0.231243 0.8175

@MONTH=6 0.002372 0.007465 0.317709 0.7512

@MONTH=7 0.008435 0.007465 1.129819 0.2604

@MONTH=8 -0.002224 0.007194 -0.309133 0.7577

@MONTH=9 -0.009933 0.007770 -1.278346 0.2032

@MONTH=10 0.004050 0.007465 0.542488 0.5883

@MONTH=11 0.003552 0.007194 0.493783 0.6222

@MONTH=12 0.005578 0.007770 0.717844 0.4740







138



Date: 03/13/17 Time: 06:40

Sample: 1/05/2014 12/25/2016



@MONTH=1 -0.002259 0.007038 -0.321023 0.7487

@MONTH=2 0.013102 0.007326 1.788492 0.0758

@MONTH=3 0.002561 0.006782 0.377592 0.7063

@MONTH=4 0.002698 0.007326 0.368279 0.7132

@MONTH=5 -0.000720 0.006782 -0.106232 0.9155

@MONTH=6 -0.002144 0.007038 -0.304675 0.7611

@MONTH=7 0.000840 0.007038 0.119400 0.9051

@MONTH=8 -0.001697 0.006782 -0.250243 0.8028

@MONTH=9 -0.005088 0.007326 -0.694508 0.4885

@MONTH=10 0.003755 0.007038 0.533451 0.5945

@MONTH=11 0.004024 0.006782 0.593344 0.5539

@MONTH=12 0.001215 0.007326 0.165812 0.8685







139



Date: 03/13/17 Time: 06:43

Sample: 1/05/2014 12/25/2016



@MONTH=1 -0.003555 0.007549 -0.470950 0.6384

@MONTH=2 0.010934 0.007857 1.391536 0.1662

@MONTH=3 0.003917 0.007275 0.538438 0.5911

@MONTH=4 -0.002265 0.007857 -0.288204 0.7736

@MONTH=5 -0.000470 0.007275 -0.064566 0.9486

@MONTH=6 -0.002485 0.007549 -0.329113 0.7425

@MONTH=7 -0.001508 0.007549 -0.199821 0.8419

@MONTH=8 -0.002501 0.007275 -0.343743 0.7315

@MONTH=9 -0.008123 0.007857 -1.033775 0.3030

@MONTH=10 0.007248 0.007549 0.960065 0.3386

@MONTH=11 0.008565 0.007275 1.177428 0.2410

@MONTH=12 0.003418 0.007857 0.434992 0.6642







140



Date: 03/13/17 Time: 06:45

Sample: 1/05/2014 12/25/2016



@MONTH=1 -0.005245 0.005735 -0.914482 0.3620

@MONTH=2 0.011008 0.005970 1.843977 0.0672

@MONTH=3 -0.002999 0.005527 -0.542578 0.5883

@MONTH=4 0.004693 0.005970 0.786115 0.4331

@MONTH=5 -0.002018 0.005527 -0.365116 0.7156

@MONTH=6 0.002158 0.005735 0.376329 0.7072

@MONTH=7 0.001639 0.005735 0.285705 0.7755

@MONTH=8 -0.004421 0.005527 -0.799866 0.4251

@MONTH=9 -0.002826 0.005970 -0.473449 0.6366

@MONTH=10 0.000733 0.005735 0.127736 0.8985

@MONTH=11 0.001117 0.005527 0.202164 0.8401

@MONTH=12 0.002560 0.005970 0.428842 0.6687







141



Date: 03/13/17 Time: 06:47

Sample: 1/05/2014 12/25/2016



@MONTH=1 -0.006481 0.008267 -0.784012 0.4343

@MONTH=2 0.007391 0.008604 0.859028 0.3918

@MONTH=3 0.005701 0.007966 0.715607 0.4754

@MONTH=4 0.001970 0.008604 0.228959 0.8192

@MONTH=5 -0.001741 0.007966 -0.218560 0.8273

@MONTH=6 -0.007611 0.008267 -0.920627 0.3588

@MONTH=7 -0.000190 0.008267 -0.022962 0.9817

@MONTH=8 -0.003391 0.007966 -0.425706 0.6710

@MONTH=9 -0.006453 0.008604 -0.749928 0.4545

@MONTH=10 0.003891 0.008267 0.470733 0.6385

@MONTH=11 -0.000126 0.007966 -0.015821 0.9874

@MONTH=12 0.000700 0.008604 0.081405 0.9352







142

LAMPIRAN 4: Uji GARCH (1,1) Return Indeks Periode 2010 – 2016


Method: ML ARCH - Normal distribution (BFGS / Marquardt steps)

Date: 03/13/17 Time: 00:47

Sample: 1/03/2010 12/25/2016


Convergence achieved after 27 iterations

Coefficient covariance computed using outer product of gradients

Presample variance: backcast (parameter = 0.7)

GARCH = C(13) + C(14)*RESID(-1)^2 + C(15)*GARCH(-1)

Variable Coefficient Std. Error z-Statistic Prob.

@MONTH=1 0.007330 0.004750 1.543268 0.1228

@MONTH=2 0.007928 0.005456 1.452925 0.1462

@MONTH=3 0.007192 0.005069 1.418768 0.1560

@MONTH=4 -0.005273 0.003896 -1.353365 0.1759

@MONTH=5 -0.005648 0.004288 -1.317282 0.1877

@MONTH=6 0.004835 0.004230 1.143058 0.2530

@MONTH=7 0.006233 0.004574 1.362635 0.1730

@MONTH=8 -0.003645 0.005181 -0.703378 0.4818

@MONTH=9 0.009173 0.003708 2.473775 0.0134

@MONTH=10 0.004970 0.005818 0.854245 0.3930

@MONTH=11 -0.003469 0.004677 -0.741723 0.4583

@MONTH=12 0.001958 0.004316 0.453666 0.6501

Variance Equation

C 0.000214 6.21E-05 3.441039 0.0006

RESID(-1)^2 0.295963 0.069959 4.230538 0.0000

GARCH(-1) 0.449730 0.114049 3.943307 0.0001

143



Date: 03/13/17 Time: 02:48

Sample: 1/03/2010 12/25/2016


Failure to improve likelihood (non-zero gradients) after 0 iterations





@MONTH=1 0.003664 0.008073 0.453872 0.6499

@MONTH=2 0.006080 0.010988 0.553298 0.5801

@MONTH=3 0.007831 0.008892 0.880737 0.3785

@MONTH=4 0.001287 0.010759 0.119600 0.9048

@MONTH=5 -0.003073 0.007213 -0.426018 0.6701

@MONTH=6 5.65E-05 0.007569 0.007470 0.9940

@MONTH=7 0.006694 0.009528 0.702491 0.4824

@MONTH=8 -0.005079 0.008385 -0.605719 0.5447

@MONTH=9 0.002105 0.007001 0.300663 0.7637

@MONTH=10 0.005090 0.008471 0.600817 0.5480

@MONTH=11 -0.000411 0.010174 -0.040349 0.9678

@MONTH=12 0.002670 0.008869 0.301066 0.7634

Variance Equation

C 0.000326 0.000354 0.920996 0.3571

RESID(-1)^2 0.150000 0.114835 1.306227 0.1915

GARCH(-1) 0.600000 0.393413 1.525115 0.1272

144



Date: 03/13/17 Time: 02:58

Sample: 1/03/2010 12/25/2016







@MONTH=1 0.007722 0.004245 1.818910 0.0689

@MONTH=2 0.007495 0.004962 1.510361 0.1310

@MONTH=3 0.006689 0.004492 1.488963 0.1365

@MONTH=4 -0.004161 0.003185 -1.306291 0.1915

@MONTH=5 -0.003401 0.003867 -0.879657 0.3790

@MONTH=6 0.002796 0.003960 0.706080 0.4801

@MONTH=7 0.006224 0.003805 1.635587 0.1019

@MONTH=8 -0.004213 0.004743 -0.888180 0.3744

@MONTH=9 0.008572 0.003654 2.345488 0.0190

@MONTH=10 0.003719 0.005039 0.737902 0.4606

@MONTH=11 -0.001821 0.004183 -0.435351 0.6633

@MONTH=12 0.000326 0.003885 0.083969 0.9331

Variance Equation

C 0.000132 4.57E-05 2.897022 0.0038

RESID(-1)^2 0.286644 0.054891 5.222020 0.0000

GARCH(-1) 0.537835 0.085359 6.300878 0.0000

145



Date: 03/13/17 Time: 03:03

Sample: 1/03/2010 12/25/2016







@MONTH=1 0.008841 0.004184 2.112869 0.0346

@MONTH=2 0.007367 0.005068 1.453732 0.1460

@MONTH=3 0.006827 0.004794 1.424225 0.1544

@MONTH=4 -0.004071 0.003220 -1.264149 0.2062

@MONTH=5 -0.003049 0.003840 -0.794200 0.4271

@MONTH=6 0.003966 0.003996 0.992510 0.3209

@MONTH=7 0.005829 0.004050 1.439023 0.1501

@MONTH=8 -0.003929 0.004631 -0.848380 0.3962

@MONTH=9 0.008969 0.003686 2.433614 0.0149

@MONTH=10 0.004066 0.005119 0.794266 0.4270

@MONTH=11 -0.002214 0.004044 -0.547507 0.5840

@MONTH=12 0.001307 0.004695 0.278313 0.7808

Variance Equation

C 0.000154 5.15E-05 2.986296 0.0028

RESID(-1)^2 0.299398 0.067349 4.445435 0.0000

GARCH(-1) 0.508242 0.097498 5.212840 0.0000

146



Date: 03/13/17 Time: 03:07

Sample: 1/03/2010 12/25/2016







@MONTH=1 0.006337 0.004151 1.526605 0.1269

@MONTH=2 0.008035 0.005845 1.374721 0.1692

@MONTH=3 0.010210 0.004220 2.419555 0.0155

@MONTH=4 0.003124 0.004987 0.626336 0.5311

@MONTH=5 -0.000674 0.004400 -0.153221 0.8782

@MONTH=6 0.003735 0.005346 0.698628 0.4848

@MONTH=7 0.010738 0.003991 2.690322 0.0071

@MONTH=8 -0.009149 0.005077 -1.801929 0.0716

@MONTH=9 -0.007302 0.003639 -2.006775 0.0448

@MONTH=10 0.002096 0.006255 0.335062 0.7376

@MONTH=11 -0.001144 0.006091 -0.187742 0.8511

@MONTH=12 0.004479 0.005372 0.833749 0.4044

Variance Equation

C 7.56E-05 3.00E-05 2.518860 0.0118

RESID(-1)^2 0.165030 0.046393 3.557228 0.0004

GARCH(-1) 0.756875 0.056834 13.31723 0.0000

147



Date: 03/13/17 Time: 03:11

Sample: 1/03/2010 12/25/2016







@MONTH=1 0.008068 0.004410 1.829320 0.0674

@MONTH=2 0.007573 0.005016 1.509677 0.1311

@MONTH=3 0.007655 0.004969 1.540485 0.1234

@MONTH=4 -0.004167 0.003010 -1.384345 0.1663

@MONTH=5 -0.004227 0.003831 -1.103397 0.2699

@MONTH=6 0.005277 0.004103 1.285999 0.1984

@MONTH=7 0.008540 0.004905 1.740950 0.0817

@MONTH=8 -0.003116 0.005065 -0.615231 0.5384

@MONTH=9 0.008776 0.003562 2.463441 0.0138

@MONTH=10 0.004032 0.005040 0.800014 0.4237

@MONTH=11 -0.003201 0.003814 -0.839338 0.4013

@MONTH=12 0.002239 0.005023 0.445678 0.6558

Variance Equation

C 0.000187 5.88E-05 3.183722 0.0015

RESID(-1)^2 0.333686 0.086994 3.835749 0.0001

GARCH(-1) 0.448670 0.115684 3.878418 0.0001

148



Date: 03/13/17 Time: 03:16

Sample: 1/03/2010 12/25/2016







@MONTH=1 0.001718 0.004763 0.360782 0.7183

@MONTH=2 0.005964 0.005811 1.026413 0.3047

@MONTH=3 0.002304 0.004749 0.485090 0.6276

@MONTH=4 0.002540 0.003878 0.654793 0.5126

@MONTH=5 -0.004854 0.005275 -0.920200 0.3575

@MONTH=6 -0.000255 0.003962 -0.064446 0.9486

@MONTH=7 0.004412 0.005075 0.869321 0.3847

@MONTH=8 -0.002003 0.004700 -0.426284 0.6699

@MONTH=9 0.002274 0.004962 0.458330 0.6467

@MONTH=10 0.004962 0.004852 1.022656 0.3065

@MONTH=11 -0.000109 0.004274 -0.025594 0.9796

@MONTH=12 0.002962 0.003890 0.761260 0.4465

Variance Equation

C 7.75E-05 4.52E-05 1.713695 0.0866

RESID(-1)^2 0.135585 0.041664 3.254211 0.0011

GARCH(-1) 0.758749 0.098237 7.723635 0.0000

149



Date: 03/13/17 Time: 03:31

Sample: 1/03/2010 12/25/2016







@MONTH=1 0.001603 0.004927 0.325284 0.7450

@MONTH=2 0.005684 0.005816 0.977191 0.3285

@MONTH=3 0.005053 0.004960 1.018878 0.3083

@MONTH=4 0.000225 0.003848 0.058507 0.9533

@MONTH=5 -0.004083 0.004887 -0.835509 0.4034

@MONTH=6 -0.004332 0.004500 -0.962767 0.3357

@MONTH=7 0.002279 0.005411 0.421182 0.6736

@MONTH=8 -0.003210 0.005090 -0.630564 0.5283

@MONTH=9 0.004143 0.005493 0.754122 0.4508

@MONTH=10 0.008871 0.005141 1.725578 0.0844

@MONTH=11 0.007415 0.005034 1.473072 0.1407

@MONTH=12 0.002154 0.004800 0.448773 0.6536

Variance Equation

C 7.95E-05 4.77E-05 1.666762 0.0956

RESID(-1)^2 0.111236 0.057697 1.927921 0.0539

GARCH(-1) 0.784274 0.107883 7.269646 0.0000

150



Date: 03/13/17 Time: 04:04

Sample: 1/03/2010 12/25/2016







@MONTH=1 -0.000635 0.006939 -0.091464 0.9271

@MONTH=2 0.008526 0.010447 0.816134 0.4144

@MONTH=3 -0.001870 0.008263 -0.226347 0.8209

@MONTH=4 0.001897 0.009392 0.202019 0.8399

@MONTH=5 -0.006479 0.008089 -0.801015 0.4231

@MONTH=6 0.000613 0.006356 0.096513 0.9231

@MONTH=7 0.001678 0.008005 0.209683 0.8339

@MONTH=8 -0.002279 0.008436 -0.270214 0.7870

@MONTH=9 -4.98E-05 0.008854 -0.005623 0.9955

@MONTH=10 0.005672 0.007428 0.763599 0.4451

@MONTH=11 -0.000502 0.006884 -0.072980 0.9418

@MONTH=12 0.003672 0.007227 0.508034 0.6114

Variance Equation

C 0.000285 0.000367 0.774804 0.4385

RESID(-1)^2 0.150000 0.167204 0.897108 0.3697

GARCH(-1) 0.600000 0.468354 1.281083 0.2002

151



Date: 03/13/17 Time: 04:06

Sample: 1/03/2010 12/25/2016







@MONTH=1 -0.002409 0.004741 -0.508103 0.6114

@MONTH=2 0.001889 0.007745 0.243877 0.8073

@MONTH=3 0.001887 0.006370 0.296197 0.7671

@MONTH=4 0.000391 0.005813 0.067301 0.9463

@MONTH=5 -0.008945 0.006290 -1.422109 0.1550

@MONTH=6 -0.002654 0.005341 -0.496882 0.6193

@MONTH=7 0.002844 0.005540 0.513329 0.6077

@MONTH=8 -0.002436 0.006366 -0.382556 0.7020

@MONTH=9 0.005584 0.006959 0.802473 0.4223

@MONTH=10 0.004254 0.006099 0.697460 0.4855

@MONTH=11 -0.002725 0.005931 -0.459480 0.6459

@MONTH=12 0.002572 0.005598 0.459480 0.6459

Variance Equation

C 0.000122 0.000111 1.104269 0.2695

RESID(-1)^2 0.097352 0.055084 1.767333 0.0772

GARCH(-1) 0.796504 0.138584 5.747430 0.0000

152




Date: 03/13/17 Time: 01:06

Sample: 1/03/2010 12/29/2013







@MONTH=1 0.002567 0.005946 0.431721 0.6659

@MONTH=2 0.006578 0.005818 1.130632 0.2582

@MONTH=3 0.012591 0.007414 1.698229 0.0895

@MONTH=4 0.001766 0.006456 0.273586 0.7844

@MONTH=5 -0.014070 0.005815 -2.419355 0.0155

@MONTH=6 0.007468 0.005616 1.329758 0.1836

@MONTH=7 0.003918 0.005418 0.723131 0.4696

@MONTH=8 -0.002854 0.007301 -0.390864 0.6959

@MONTH=9 0.013809 0.003990 3.460890 0.0005

@MONTH=10 0.005927 0.008322 0.712235 0.4763

@MONTH=11 -0.006431 0.005834 -1.102354 0.2703

@MONTH=12 -0.000650 0.005262 -0.123557 0.9017

Variance Equation

C 0.000245 9.39E-05 2.613788 0.0090

RESID(-1)^2 0.411247 0.114663 3.586557 0.0003

GARCH(-1) 0.303765 0.173468 1.751131 0.0799

153



Date: 03/13/17 Time: 05:02

Sample: 1/03/2010 12/29/2013







@MONTH=1 0.002570 0.005895 0.435941 0.6629

@MONTH=2 0.005062 0.005356 0.944988 0.3447

@MONTH=3 0.012444 0.006503 1.913765 0.0557

@MONTH=4 0.003510 0.005558 0.631591 0.5277

@MONTH=5 -0.009245 0.005541 -1.668525 0.0952

@MONTH=6 0.003046 0.004580 0.665011 0.5060

@MONTH=7 0.004429 0.003872 1.144053 0.2526

@MONTH=8 0.000550 0.006965 0.078931 0.9371

@MONTH=9 0.014748 0.003761 3.921053 0.0001

@MONTH=10 0.005066 0.005831 0.868729 0.3850

@MONTH=11 -0.003111 0.005402 -0.575889 0.5647

@MONTH=12 -0.000408 0.004842 -0.084188 0.9329

Variance Equation

C 0.000210 6.51E-05 3.218106 0.0013

RESID(-1)^2 0.430383 0.110884 3.881366 0.0001

GARCH(-1) 0.249475 0.172333 1.447633 0.1477

154



Date: 03/13/17 Time: 05:42

Sample: 1/03/2010 12/29/2013







@MONTH=1 0.002070 0.006461 0.320343 0.7487

@MONTH=2 0.005780 0.005797 0.997138 0.3187

@MONTH=3 0.012379 0.007286 1.699068 0.0893

@MONTH=4 0.002400 0.006463 0.371444 0.7103

@MONTH=5 -0.010241 0.005622 -1.821559 0.0685

@MONTH=6 0.004747 0.005250 0.904320 0.3658

@MONTH=7 0.004098 0.004493 0.912061 0.3617

@MONTH=8 -0.003379 0.008346 -0.404894 0.6856

@MONTH=9 0.015265 0.004182 3.649902 0.0003

@MONTH=10 0.004469 0.006089 0.734026 0.4629

@MONTH=11 -0.004385 0.005856 -0.748864 0.4539

@MONTH=12 -0.001424 0.005241 -0.271741 0.7858

Variance Equation

C 0.000235 8.01E-05 2.928423 0.0034

RESID(-1)^2 0.387428 0.098591 3.929656 0.0001

GARCH(-1) 0.305784 0.180147 1.697408 0.0896

155



Date: 03/13/17 Time: 05:47

Sample: 1/03/2010 12/29/2013







@MONTH=1 0.001573 0.006180 0.254528 0.7991

@MONTH=2 0.006149 0.005700 1.078864 0.2806

@MONTH=3 0.012475 0.007305 1.707809 0.0877

@MONTH=4 0.002035 0.007698 0.264305 0.7915

@MONTH=5 -0.009575 0.005373 -1.781857 0.0748

@MONTH=6 0.006592 0.005339 1.234664 0.2170

@MONTH=7 0.004737 0.005196 0.911674 0.3619

@MONTH=8 -0.005642 0.007270 -0.776010 0.4377

@MONTH=9 0.014808 0.004245 3.488145 0.0005

@MONTH=10 0.004333 0.006764 0.640577 0.5218

@MONTH=11 -0.005178 0.005461 -0.948182 0.3430

@MONTH=12 -0.000563 0.006617 -0.085130 0.9322

Variance Equation

C 0.000212 9.13E-05 2.319037 0.0204

RESID(-1)^2 0.321672 0.086636 3.712935 0.0002

GARCH(-1) 0.397307 0.179237 2.216658 0.0266

156



Date: 03/13/17 Time: 05:52

Sample: 1/03/2010 12/29/2013







@MONTH=1 0.005224 0.007019 0.744203 0.4568

@MONTH=2 0.002956 0.007427 0.398050 0.6906

@MONTH=3 0.013906 0.005917 2.350414 0.0188

@MONTH=4 0.007560 0.007629 0.991047 0.3217

@MONTH=5 -0.009039 0.006043 -1.495828 0.1347

@MONTH=6 0.007010 0.007583 0.924453 0.3553

@MONTH=7 0.009544 0.004863 1.962493 0.0497

@MONTH=8 -0.015639 0.008433 -1.854513 0.0637

@MONTH=9 0.007654 0.006867 1.114588 0.2650

@MONTH=10 0.004605 0.013868 0.332032 0.7399

@MONTH=11 0.000975 0.011010 0.088520 0.9295

@MONTH=12 0.003727 0.006980 0.533879 0.5934

Variance Equation

C 7.96E-05 4.37E-05 1.819934 0.0688

RESID(-1)^2 0.192758 0.071796 2.684818 0.0073

GARCH(-1) 0.753095 0.065421 11.51148 0.0000

157



Date: 03/13/17 Time: 06:05

Sample: 1/03/2010 12/29/2013







@MONTH=1 0.000658 0.005339 0.123326 0.9018

@MONTH=2 0.006137 0.005610 1.093909 0.2740

@MONTH=3 0.013412 0.007291 1.839503 0.0658

@MONTH=4 0.003782 0.007250 0.521679 0.6019

@MONTH=5 -0.012884 0.005407 -2.382828 0.0172

@MONTH=6 0.007773 0.005766 1.348196 0.1776

@MONTH=7 0.007540 0.006986 1.079333 0.2804

@MONTH=8 -0.003887 0.008219 -0.472919 0.6363

@MONTH=9 0.012827 0.004209 3.047190 0.0023

@MONTH=10 0.004682 0.007135 0.656244 0.5117

@MONTH=11 -0.006401 0.005059 -1.265319 0.2058

@MONTH=12 -0.000381 0.007755 -0.049109 0.9608

Variance Equation

C 0.000228 0.000105 2.158944 0.0309

RESID(-1)^2 0.332914 0.103461 3.217763 0.0013

GARCH(-1) 0.379904 0.193271 1.965659 0.0493

158



Date: 03/13/17 Time: 06:08

Sample: 1/03/2010 12/29/2013







@MONTH=1 0.006992 0.007982 0.875972 0.3810

@MONTH=2 0.000500 0.006839 0.073164 0.9417

@MONTH=3 0.002966 0.005250 0.565041 0.5720

@MONTH=4 0.002980 0.005255 0.566996 0.5707

@MONTH=5 -0.008891 0.008558 -1.038864 0.2989

@MONTH=6 0.001830 0.004587 0.398841 0.6900

@MONTH=7 0.012330 0.009868 1.249388 0.2115

@MONTH=8 -0.002291 0.005662 -0.404739 0.6857

@MONTH=9 0.004513 0.005587 0.807641 0.4193

@MONTH=10 0.007593 0.007859 0.966138 0.3340

@MONTH=11 -0.001158 0.005093 -0.227348 0.8202

@MONTH=12 0.002460 0.005405 0.455209 0.6490

Variance Equation

C 0.000111 6.99E-05 1.585578 0.1128

RESID(-1)^2 0.261155 0.096637 2.702435 0.0069

GARCH(-1) 0.611458 0.169506 3.607300 0.0003

159



Date: 03/13/17 Time: 06:11

Sample: 1/03/2010 12/29/2013







@MONTH=1 0.005233 0.014304 0.365838 0.7145

@MONTH=2 0.002682 0.018982 0.141294 0.8876

@MONTH=3 0.004508 0.014779 0.304988 0.7604

@MONTH=4 0.001676 0.013870 0.120873 0.9038

@MONTH=5 -0.007746 0.014202 -0.545378 0.5855

@MONTH=6 -0.000241 0.013494 -0.017840 0.9858

@MONTH=7 0.000296 0.013960 0.021173 0.9831

@MONTH=8 -0.010154 0.017231 -0.589303 0.5557

@MONTH=9 0.010638 0.014431 0.737200 0.4610

@MONTH=10 0.013526 0.015961 0.847467 0.3967

@MONTH=11 0.004905 0.013687 0.358351 0.7201

@MONTH=12 -0.000556 0.017592 -0.031628 0.9748

Variance Equation

C 0.000513 0.000911 0.563053 0.5734

RESID(-1)^2 0.150000 0.263458 0.569350 0.5691

GARCH(-1) 0.600000 0.682008 0.879755 0.3790

160



Date: 03/13/17 Time: 06:14

Sample: 1/03/2010 12/29/2013







@MONTH=1 0.002520 0.011225 0.224474 0.8224

@MONTH=2 0.006665 0.013809 0.482648 0.6293

@MONTH=3 -0.000941 0.012077 -0.077899 0.9379

@MONTH=4 -7.59E-05 0.013172 -0.005762 0.9954

@MONTH=5 -0.009949 0.009522 -1.044823 0.2961

@MONTH=6 -0.000568 0.008333 -0.068164 0.9457

@MONTH=7 0.001707 0.010006 0.170619 0.8645

@MONTH=8 -0.000516 0.012948 -0.039859 0.9682

@MONTH=9 0.001801 0.011864 0.151822 0.8793

@MONTH=10 0.009239 0.011581 0.797779 0.4250

@MONTH=11 -0.001920 0.008409 -0.228286 0.8194

@MONTH=12 0.004413 0.013531 0.326130 0.7443

Variance Equation

C 0.000299 0.000500 0.597259 0.5503

RESID(-1)^2 0.150000 0.229043 0.654898 0.5125

GARCH(-1) 0.600000 0.615327 0.975092 0.3295

161



Date: 03/13/17 Time: 06:16

Sample: 1/03/2010 12/29/2013







@MONTH=1 0.000679 0.006545 0.103689 0.9174

@MONTH=2 -0.003668 0.013729 -0.267174 0.7893

@MONTH=3 -0.003314 0.008162 -0.406075 0.6847

@MONTH=4 0.001910 0.007433 0.257013 0.7972

@MONTH=5 -0.017261 0.008800 -1.961532 0.0498

@MONTH=6 0.001357 0.006965 0.194864 0.8455

@MONTH=7 0.007601 0.008428 0.901842 0.3671

@MONTH=8 -0.002041 0.010424 -0.195766 0.8448

@MONTH=9 0.013774 0.008370 1.645738 0.0998

@MONTH=10 0.004520 0.009181 0.492335 0.6225

@MONTH=11 -0.004623 0.007724 -0.598511 0.5495

@MONTH=12 0.003828 0.008896 0.430350 0.6669

Variance Equation

C 0.000184 0.000165 1.119713 0.2628

RESID(-1)^2 0.158765 0.098648 1.609408 0.1075

GARCH(-1) 0.710378 0.188175 3.775100 0.0002

162




Date: 03/13/17 Time: 01:23

Sample: 1/05/2014 12/25/2016







@MONTH=1 0.012507 0.006564 1.905492 0.0567

@MONTH=2 0.007829 0.008574 0.913171 0.3612

@MONTH=3 0.003142 0.007331 0.428633 0.6682

@MONTH=4 -0.018269 0.003918 -4.662453 0.0000

@MONTH=5 0.000393 0.007810 0.050272 0.9599

@MONTH=6 0.004911 0.006826 0.719551 0.4718

@MONTH=7 0.012193 0.007252 1.681400 0.0927

@MONTH=8 -0.002576 0.007207 -0.357457 0.7207

@MONTH=9 -0.003145 0.006422 -0.489690 0.6244

@MONTH=10 0.005724 0.009219 0.620839 0.5347

@MONTH=11 -3.79E-05 0.007118 -0.005332 0.9957

@MONTH=12 0.005797 0.006932 0.836274 0.4030

Variance Equation

C 9.22E-05 5.52E-05 1.669714 0.0950

RESID(-1)^2 0.192319 0.116299 1.653663 0.0982

GARCH(-1) 0.699728 0.141254 4.953673 0.0000

163



Date: 03/13/17 Time: 06:22

Sample: 1/05/2014 12/25/2016







@MONTH=1 0.009594 0.004467 2.147934 0.0317

@MONTH=2 0.007460 0.006944 1.074287 0.2827

@MONTH=3 0.002280 0.005133 0.444259 0.6569

@MONTH=4 -0.007956 0.003450 -2.306002 0.0211

@MONTH=5 0.001190 0.005589 0.212949 0.8314

@MONTH=6 0.002317 0.004768 0.485859 0.6271

@MONTH=7 0.010181 0.005449 1.868469 0.0617

@MONTH=8 -0.002154 0.005267 -0.409042 0.6825

@MONTH=9 -0.004260 0.004556 -0.935048 0.3498

@MONTH=10 0.003915 0.006635 0.590026 0.5552

@MONTH=11 0.000882 0.004655 0.189537 0.8497

@MONTH=12 0.003657 0.004835 0.756290 0.4495

Variance Equation

C 4.42E-05 2.74E-05 1.614827 0.1063

RESID(-1)^2 0.173742 0.103719 1.675128 0.0939

GARCH(-1) 0.718848 0.133528 5.383502 0.0000

164



Date: 03/13/17 Time: 06:26

Sample: 1/05/2014 12/25/2016







@MONTH=1 0.012468 0.005126 2.432304 0.0150

@MONTH=2 0.008926 0.007986 1.117711 0.2637

@MONTH=3 0.001456 0.006940 0.209764 0.8339

@MONTH=4 -0.011540 0.003441 -3.353353 0.0008

@MONTH=5 0.001352 0.006578 0.205539 0.8372

@MONTH=6 0.002589 0.005665 0.457015 0.6477

@MONTH=7 0.010204 0.006386 1.597863 0.1101

@MONTH=8 -0.002848 0.006255 -0.455358 0.6489

@MONTH=9 -0.003842 0.005462 -0.703525 0.4817

@MONTH=10 0.005165 0.007583 0.681187 0.4958

@MONTH=11 0.001050 0.005695 0.184413 0.8537

@MONTH=12 0.003044 0.006394 0.476179 0.6339

Variance Equation

C 6.74E-05 3.82E-05 1.764220 0.0777

RESID(-1)^2 0.239829 0.132045 1.816260 0.0693

GARCH(-1) 0.667781 0.128717 5.187988 0.0000

165



Date: 03/13/17 Time: 06:32

Sample: 1/05/2014 12/25/2016







@MONTH=1 0.014398 0.005090 2.828902 0.0047

@MONTH=2 0.008210 0.008612 0.953327 0.3404

@MONTH=3 0.001296 0.008300 0.156150 0.8759

@MONTH=4 -0.010489 0.003580 -2.929933 0.0034

@MONTH=5 0.001673 0.007101 0.235619 0.8137

@MONTH=6 0.003270 0.005634 0.580414 0.5616

@MONTH=7 0.008871 0.006634 1.337342 0.1811

@MONTH=8 -0.002665 0.006130 -0.434812 0.6637

@MONTH=9 -0.003110 0.005952 -0.522477 0.6013

@MONTH=10 0.005822 0.007643 0.761777 0.4462

@MONTH=11 0.001651 0.006174 0.267410 0.7892

@MONTH=12 0.004075 0.007107 0.573362 0.5664

Variance Equation

C 8.77E-05 4.62E-05 1.898040 0.0577

RESID(-1)^2 0.271704 0.137375 1.977830 0.0479

GARCH(-1) 0.623596 0.128936 4.836475 0.0000

166



Date: 03/13/17 Time: 06:34

Sample: 1/05/2014 12/25/2016







@MONTH=1 0.007881 0.005370 1.467712 0.1422

@MONTH=2 0.013521 0.011535 1.172220 0.2411

@MONTH=3 0.006712 0.005995 1.119550 0.2629

@MONTH=4 -0.001708 0.006581 -0.259562 0.7952

@MONTH=5 0.003909 0.006029 0.648304 0.5168

@MONTH=6 0.001014 0.007726 0.131229 0.8956

@MONTH=7 0.011041 0.007608 1.451255 0.1467

@MONTH=8 -0.004681 0.006027 -0.776693 0.4373

@MONTH=9 -0.018729 0.005911 -3.168644 0.0015

@MONTH=10 0.000797 0.005634 0.141505 0.8875

@MONTH=11 -0.003495 0.005459 -0.640187 0.5221

@MONTH=12 0.006334 0.007987 0.793025 0.4278

Variance Equation

C 2.85E-05 5.57E-05 0.512734 0.6081

RESID(-1)^2 0.049269 0.063614 0.774511 0.4386

GARCH(-1) 0.895634 0.148635 6.025735 0.0000

167



Date: 03/13/17 Time: 06:38

Sample: 1/05/2014 12/25/2016







@MONTH=1 0.013882 0.005727 2.423906 0.0154

@MONTH=2 0.008182 0.007538 1.085513 0.2777

@MONTH=3 0.002959 0.008816 0.335639 0.7371

@MONTH=4 -0.013160 0.003808 -3.456051 0.0005

@MONTH=5 0.002438 0.007304 0.333774 0.7386

@MONTH=6 0.005332 0.005553 0.960119 0.3370

@MONTH=7 0.011946 0.006471 1.846092 0.0649

@MONTH=8 -0.002629 0.006646 -0.395524 0.6925

@MONTH=9 -0.000423 0.005716 -0.073948 0.9411

@MONTH=10 0.005434 0.007164 0.758583 0.4481

@MONTH=11 0.000701 0.006166 0.113741 0.9094

@MONTH=12 0.005355 0.007240 0.739641 0.4595

Variance Equation

C 0.000103 5.22E-05 1.980885 0.0476

RESID(-1)^2 0.327569 0.160089 2.046171 0.0407

GARCH(-1) 0.570331 0.136583 4.175719 0.0000

168



Date: 03/13/17 Time: 06:41

Sample: 1/05/2014 12/25/2016







@MONTH=1 -0.002259 0.009880 -0.228696 0.8191

@MONTH=2 0.013102 0.020538 0.637928 0.5235

@MONTH=3 0.002561 0.017336 0.147720 0.8826

@MONTH=4 0.002698 0.013665 0.197436 0.8435

@MONTH=5 -0.000720 0.015931 -0.045225 0.9639

@MONTH=6 -0.002144 0.013967 -0.153534 0.8780

@MONTH=7 0.000840 0.013695 0.061363 0.9511

@MONTH=8 -0.001697 0.012024 -0.141150 0.8878

@MONTH=9 -0.005088 0.023591 -0.215665 0.8292

@MONTH=10 0.003755 0.011719 0.320393 0.7487

@MONTH=11 0.004024 0.013590 0.296121 0.7671

@MONTH=12 0.001215 0.010878 0.111662 0.9111

Variance Equation

C 0.000386 0.000670 0.576927 0.5640

RESID(-1)^2 0.150000 0.255788 0.586424 0.5576

GARCH(-1) 0.600000 0.621441 0.965497 0.3343

169



Date: 03/13/17 Time: 06:43

Sample: 1/05/2014 12/25/2016







@MONTH=1 -0.002036 0.004869 -0.418246 0.6758

@MONTH=2 0.012979 0.011753 1.104347 0.2694

@MONTH=3 0.003179 0.009264 0.343145 0.7315

@MONTH=4 -0.006142 0.005124 -1.198812 0.2306

@MONTH=5 0.000494 0.007403 0.066705 0.9468

@MONTH=6 -0.001205 0.007989 -0.150847 0.8801

@MONTH=7 -0.000536 0.006683 -0.080149 0.9361

@MONTH=8 0.001366 0.007194 0.189941 0.8494

@MONTH=9 -0.004731 0.009788 -0.483310 0.6289

@MONTH=10 0.019039 0.005135 3.707598 0.0002

@MONTH=11 0.009769 0.005712 1.710189 0.0872

@MONTH=12 0.004555 0.007272 0.626390 0.5311

Variance Equation

C 0.000800 0.000221 3.618689 0.0003

RESID(-1)^2 0.213172 0.092463 2.305487 0.0211

GARCH(-1) -0.430531 0.255815 -1.682978 0.0924

170



Date: 03/13/17 Time: 06:45

Sample: 1/05/2014 12/25/2016







@MONTH=1 -0.003782 0.004034 -0.937677 0.3484

@MONTH=2 0.011642 0.005035 2.312343 0.0208

@MONTH=3 -0.003550 0.005087 -0.697725 0.4853

@MONTH=4 0.004732 0.005583 0.847498 0.3967

@MONTH=5 -0.001885 0.008743 -0.215537 0.8293

@MONTH=6 -0.000695 0.007810 -0.089032 0.9291

@MONTH=7 0.003293 0.007486 0.439846 0.6600

@MONTH=8 -0.001895 0.006037 -0.313951 0.7536

@MONTH=9 -0.002785 0.006984 -0.398744 0.6901

@MONTH=10 9.98E-05 0.005534 0.018035 0.9856

@MONTH=11 0.001520 0.007110 0.213761 0.8307

@MONTH=12 0.007453 0.005764 1.293021 0.1960

Variance Equation

C 5.66E-06 3.47E-06 1.629033 0.1033

RESID(-1)^2 -0.052466 0.012401 -4.230891 0.0000

GARCH(-1) 1.040125 0.000136 7639.734 0.0000

171



Date: 03/13/17 Time: 06:48

Sample: 1/05/2014 12/25/2016







@MONTH=1 -0.008963 0.006649 -1.348061 0.1776

@MONTH=2 0.007604 0.008279 0.918446 0.3584

@MONTH=3 0.005469 0.009531 0.573761 0.5661

@MONTH=4 0.002674 0.007886 0.339157 0.7345

@MONTH=5 -0.002045 0.010256 -0.199408 0.8419

@MONTH=6 -0.007552 0.008072 -0.935627 0.3495

@MONTH=7 -0.000259 0.008572 -0.030264 0.9759

@MONTH=8 -0.003790 0.006334 -0.598301 0.5496

@MONTH=9 -0.006553 0.013616 -0.481292 0.6303

@MONTH=10 0.003685 0.007666 0.480694 0.6307

@MONTH=11 0.000125 0.009241 0.013562 0.9892

@MONTH=12 0.001164 0.006865 0.169543 0.8654

Variance Equation

C 0.000362 0.000754 0.479652 0.6315

RESID(-1)^2 -0.027840 0.074767 -0.372365 0.7096

GARCH(-1) 0.577559 0.927670 0.622591 0.5336

analisis fenomena market anomaly month of the year...

Documents