Karakteristik pada sekitar Tindak Pengawasan Yun Hariadi Dept. Dynamical System Modeling Bandung Fe Institute
[email protected]
Abstrak Bursa Efek Jakarta melakukan tindak pengawasan terhadap emiten yang meliputi: konfirmasi, kehati‐hatian, dan suspensi. Dalam menjalankan tindak pengawasan tersebut BEJ memiliki sistem acuan yang dikenal sebagai tanggal acuan, selanjutnya pengawasan dilakukan setelah munculnya tanggal acuan tersebut, masalah selanjutnya adalah menentukan perlu tidaknya tindak pengawasan dilakukan. Tanggal usulan sehingga tindak pengawasan dilakukan dikenal sebagai tanggal usulan, dan saham‐saham dikelompokan dalam kuadran berdasarkan penilaian fundamental dan teknikal. Paper ini merupakan kajian tahap awal untuk melakukan standarisasi yang akan menjadi acuan parameter dalam menentukan tanggal usulan. Pola ketakwajaran yang digunakan dalam kajian ini meliputi metode: return, abnormal return, Abnormal Performance Index (API), dan volatilitas GARCH(1,1). Hasil analisis paper ini menunjukkan bahwa kuadran menentukan tingkat kestabilan saham yang berakibat pada tingkat ketakwajaran sehingga berpengaruh terhadap tindak pengawasan. Volatilitas GARCH(1,1) merupakan metode yang paling konsisten dibanding ketiga metode lainnya. Metode API mampu melihat perbedaan cukup baik (tingkat kepercayaan 95%) terhadap tindak pengawasan pada saham dalam kuadran dengan teknikal tidak bagus. Sedangkan volatilitas GARCH cukup baik (tingkat kepercayaan 95%) untuk membedakan tindak pengawasan pada saham dalam kuadran dengan fundamental tidak bagus. Kata kunci: konfirmasi, kehati‐hatian, suspensi, ketidakwajaran, return, abnormal return, abnormal performance Index, volatilitas GARCH.
1. Pendahuluan Paper ini sebagai bagian dalam kajian untuk melakukan standarisasi tindak pengawasan yang dilakukan Bursa Efek Jakarta (BEJ) terhadap emitennya. Bagian paling awal untuk melakukan standarisasi adalah mengetahui karakteristik dari obyek yang akan mengalami tindak pengawasan, yang selanjutnya akan menjadi dasar dalam standarisasi. Bursa Efek Jakarta mengenal tiga tindak pengawasan yaitu: konfirmasi, kehati‐hatian, dan suspensi. Perbedaan tindak pengawasan tersebut terletak pada ketidakwajaran perubahan harga dan volum.
Untuk melakukan tindak pengawasan tersebut BEJ telah memiliki tanggal acuan yang merupakan sistem peringatan otomatis (yang akan memberi peringatan awal), tanggal acuan ini menjadi dasar pengamatan selanjutnya untuk melakukan tindak. Permasalahan utama adalah menentukan perubahan harga atau volum setelah tanggal acuan sehingga tindak pengawasan diterapkan. Dengan kata lain, pada perubahan harga atau volum berapa (setelah tanggal acuan) tindak konfirmasi atau kehati‐hatian atau suspensi dilakukan? Untuk menjawab pertanyaan pokok tersebut, paper ini memulai dari tahap awal yaitu menyelidiki karakteristik tindak pengawasan yang sudah dilakukan. Sehingga kajian pada paper ini memfokuskan pada waktu di sekitar tindak pengawasan yaitu pada waktu mengandung tanggal acuan (ta) hingga tanggal usulan (tu). Kajian pada sekitar tanggal tindak pengawasan tersebut memfokuskan pada pola ketidakwajaran, pola ketidakwajaran menggunakan perubahan harga harian yang kita definisikan sebagai metode yaitu: return, abnormal return, Abnormal Performance Index (API), dan volatilitas GARCH. Pada setiap metode tersebut, saham dikelompokan berdasarkan kuadran‐1,2,3,4 (tabel‐1). Pemilihan kuadran (bukan harga) untuk menyesuaikan dengan dasar yang digunakan oleh divisi pengawasan BEJ sehingga hasilnya nanti berguna langsung terhadap sistem yang sudah ada yaitu sistem tanggal acuan dan mejadi sistem tanggal usulan. Seandainya diperoleh batas kewajaran suatu pergerakah harga atau volum maka batas ini akan mejadi dasar terhadap pergerakan harga. Pembatasan harga merupakan topik yang mengundang kontroversi, beberapa penelitian menunjukkan ketidak efektifan hal tersebut[Kim et al 1997] namun beberapa penelitian yang lain mendukung hal tersebut[Ma et al 1989]. Tujuan utama dalam pembatasan harga adalah untuk menjaga harga tetap “stabil” dalam rentang tertentu. Pembatasan harga akan mempengaruhi: volatilitas , equilibrium, dan likuiditas. Yang dalam beberapa penelitian diuji melalui volatility spillover hypothesis, delayed price discovery hypothesis, dan trading interference hypothesis [Kim et al 1997]. Nilai atau skala untuk pembatasan harga cukup sederhana, misalnya pada Shanghai Stock Exchange (SHSE) dan Shenzhen Stock Exchange (SZSE) menggunakan ±10% dari nilai penutupan hari sebelumnya sebagai batas harga, dan jika dalam tiga hari berturut‐turut melanggar batas tersebut maka dilakukan suspensi [Chen et al 2005]. Sedangkan pada Tokyo Stock Exchange (TSE) menggunakan besaran harga sebagai pengelompokan presentase dan presentase variasi tiap transaksi antara 0.5% s.d 5% dan presentase batas harga harian dari 5% s.d 30% [Kim et al 1997]. Paper ini disusun sebagai berikut: pada bagian metodologi menggambarkan model untuk pola ketidakwajaran. Pada bagian analisis, menerapkan metodologi sebelumnya dengan melakukan pengujian anova satu arah dan pengujian perbandingan, bagian akhir ditutup dengan diskusi tentang pengembangan untuk standarisasi tindak pengawasan.
Tabel 1 Pengelompokan saham dalam kuadran.
Data Teknikal meliputi: Total Volume, Total Value, Total Frekuensi, Spread (bid – ask). Data Fundamental meliputi: Total Asset, Total Equity, Operating Profit, Net Income, Cash Flows from Operating, Earning per Share (EPS), Book Value (BV), Price Earning Ration (PER), Price to Book Value (PBV), Return on Equity (ROE).[was BEJ]
2. Metodologi Misalkan harga saham ke‐I dalam waktu 10, dengan ta merupakan tanggal acuan dan tu merupakan tanggal usulan, dan N merupakan jumlah saham dalam suatu kuadran. Return Abnormal Return
,
ln
Abnormal Performance Index 1
1
Volatilitas GARCH(1,1)
3. Analisis Data tindak pengawasan adalah tahun 2005, dengan pengelompokan saham dalam kuadran pada bulan Desember 2004 m e t o d e tindak kuad konf 1 2 3 4
Return mean std 0.1796 0.1163 0.0846 0.0636 0.1087 0.1023 0.1812 0.1013
abnormalReturn mean std 0.0392 0.0514 0.0492 0.0357 0.0836 0.0862 0.1029 0.1205
API mean std 1.2042 0.1834 1.1077 0.1884 1.1691 0.2042 1.3003 0.4617
volatilitas GARCH mean std 0.0781 0.0375 0.0474 0.026 0.0627 0.0506 0.0967 0.0711
hati
1 2 3 4
0.2973 0.0747 0.1811 0.2491
0 0 0.0732 0.0887
0.2973 0.0556 0.138 0.2351
0 0 0.0291 0.0842
1.4016 1.1618 1.5211 1.6124
0 0 0.2006 0.3642
0.0764 0.0389 0.1069 0.1246
0 0 0.0338 0.0529
susp
1 2 3 4
0.1566 0.0747 0.1735 0.2551
0.2711 0 0.0656 0.1158
0.1395 0.0747 0.1268 0.2492
0.1383 0 0.0355 0.1034
1.2746 1.4386 1.5673 1.8379
0.4499 0 0.0775 0.8791
0.1389 0.0385 0.0936 0.1605
0.0866 0 0.0403 0.0977
Tabel 2 Nilai mean beserta standar deviasi pada maksimal nilai setiap metode (return, abnormal return, API, dan volatilitas GARCH), setiap tindak pengawasan (konf, hati, susp) dan pada seluruh kuadran (1,2,3,4).
Tabel‐2 merangkum perilaku saham‐saham di sekitar tanggal acuan hingga tanggal usulan tindak pengawasan. Hampir pada semua kuadran (kecuali kuadran‐3) di semua metode (return, abnormal
return, API, dan volatilitas GARCH) nilai untuk suspensi (susp) lebih besar dibandingkan dengan kehati‐ hatian (hati) dan lebih besar terhadap konfirmasi (konf).
3.1 Perbedaan Kuadran Jika kita tinjau pada masing‐masing kuadran, untuk kuadran‐2 memiliki nilai paling kecil pada semua tindak pengawasan di hampir semua metode (kecuali metode API). Hal ini menujukkan bahwa untuk saham dengan teknikal dan fundamental bagus memiliki rentang pergerakan yang kecil untuk mendapatkan tindak pengawasan. Dengan kata lain, saham dalam kuadran‐2 memiliki tingkat kestabilan yang tinggi, sehingga perubahan sedikit saja mendapatkan tindak pengawasan. Hasil uji anova menunjukkan bahwa secara keseluruhan sulit untuk menolak H0 hal ini menyatakan bahwa, saham dalam kuadran‐2 untuk ketiga tindak pengawasan: konfirmasi, kehati‐hatian, dan suspensi memiliki nilai rata‐rata yang tidak berbeda pada keseluruhan metode. Sehingga berdasarkan data yang ada, tidak bisa dibedakan secara statistik perbedaan tindak pengawasan baik pada konfirmasi, kehati‐hatian, dan suspensi.
Gambar 1 Distribusi masing‐masing tindak pengawasan untuk saham dalam kuadran‐2, searah jarum jam dari pojok kiri atas: return, abnormal return, volatilitas GARCH. terlihat jelas bahwa data dalam kuadran‐2 mengalami sedikit tindak pengawasan kehati‐hatian (hati) dan suspensi (susp) yang hanya ditunjukkan garis pada gambar2 di atas, berbeda dengan tindak konfirmasi (konf). Secara umum, nilai rata‐rata dari tindak konfirmasi lebih kecil dibanding kehati‐ hatian dan lebih kecil dibanding dengan suspensi.
Tabel 3 Hasil uji anova untuk kuadran‐2, dari atas ke bawah metode: return, abnormal return, API, dan volatilitas GARCH. pada semua metode nilai P lebih besar dari 0.05, sehingga tidak cukup untuk menolak H0 pada selang kepercayaan 95%. Meski nilai F pada metode API lebih besar dari 1 namun nilai P jauh lebih besar dari 0.05 untuk menolak H0.
Untuk kuadran‐4, pada tindak pengawasan konfirmasi dan suspensi memiliki nilai yang paling tinggi pada semua metode di bandingkan dengan kuadran yang lain, hal ini menunjukkan bahwa saham dengan teknikal dan fundamental yang tidak bagus memiliki rentang pergerakan yang lebih lebar untuk mendapatkan tindak pengawasan. Hal ini juga menunjukkan tingkat kestabilan yang rendah untuk saham dalam kuadran‐4. Pada tindak pengawasan kehati‐hatian, perilaku saham dalam kuadran‐4 lebih rendah dibanding dengan saham dalam kuadran‐1.
Gambar 2 Tindak konfirmasi memiliki nilai rata‐rata yang jauh berbeda dibanding dengan tindak pengawasan lainnya. Juga terlihat jelas, pada kuadran‐4 ini nilai rata‐rata dari tindak pengawasan kehati‐hatian dengan suspensi tidak jauh berbeda, namun suspensi berada pada nilai tertinggi. Dan secara umum hasil ini cukup konsisten terhadap tindak pengawasan.
Tabel 2 Nilai P cukup kecil, kurang dari 0.05, hal ini cukup menyakinkan untuk menerima H1 bahwa ketiga tindak pengawasan memiliki perbedaan, dengan tingkat kepercayaan 95%. Nilai P paling kecil dan nilai F paling besar ada pada metode abnormal return, hal ini menyatakan bahwa metode ini mampu melihat perbedaan ketiga tindak pengawasan dengan cermat dibandingkan metode lainnya.
Hasil uji anova untuk kuadran‐4 pada semua metode menunjukkan bahwa terjadi perbedaan untuk ketiga tindak pengawasan. Meski perbedaan ini tidak menjamin bahwa keseluruhan tindak pengawasan berbeda namun bisa kita katakan bahwa sekurang‐kurangnya terdapat sepasang perbedaan pada tindak pengawasan misalnya antara konfirmasi dengan suspensi. Sementara untuk saham dalam kuadran‐1 dan kuadran‐3 memiliki perilaku yang hampir sama, hal ini ditunjukkan oleh nilai pada tabel‐2 yang tidak berbeda. Pada beberapa tindak pengawasan kuadran‐1 dan kuadran‐3 silih berganti sebagai yang memiliki nilai yang lebih besar. Sehingga sulit untuk mengatakan kondisi yang lebih baik antara kuadran‐1 dengan kuadran‐3. Hal ini memberi informasi bahwa saham dengan salah satu kondisi: teknikal tidak bagus atau fundamental tidak bagus, memiliki perilaku yang hampir sama dalam hal ketidakwajaran yang berakibat mendapatkan tindak pengawasan. Kondisi kestabilan saham, nilai pada tabel‐2, dalam kuadran‐1 dan kuadran‐3 di atas saham dalam kuadran‐4 dan di bawah saham dalam kuadran‐2. Hal ini menggambarkan bahwa kondisi teknikal dan fundamental mempengaruhi kestabilan saham dalam menerima tindak pengawasan. Makin kecil nilai dalam tabel‐2, yang berarti makin kecil pergerakan saham untuk mendapatkan tindak pengawasan maka makin stabil kondisi saham tersebut. Kondisi ini juga memberi gambaran tentang kesimetrisan perilaku saham dalam kuadran‐1 dan kuadran‐3, dan kondisi berlawanan pada kuadran‐2 dan kuadran‐4. Sementara pada gambar‐3 dan gambar‐4 hasil ini melengkapi tabel sebelumnya bahwa, bahwa perilaku saham dalam kuadran‐1 dan kuadran‐3 hampir sama. Hal ini terlihat bahwa pada tindak pengawasan konfirmasi memiliki perbedaan dibandingkan dengan tindak pengawasan lainnya. Dan pada tindak pengawasan kehati‐hatian dan suspensi nyaris sama. Hasil uji anova yang ditampilkan pada tabel‐ 3 dan tabel‐4 memberi perbedaan yang lain antara kuadran‐1 dan kuadran‐3. Dari sisi perbedaan perilaku dari tindak pengawasan terlihat bahwa untuk kuadran‐1 terdapat dua metode yaitu abnormal return dan volatilitas GARCH yang memberi perbedaan terhadap tindak pengawasan. Sementara pada kuadran‐3 hanya pada metode API yang memberi perbedaan terhadap tindak pengawasan.
Gambar 3 Pada keseluruhan metode terlihat bahwa rata‐rata tindak pengawasan konfirmasi cukup berbeda dengan tindak suspensi. Sementara pada tindak kehati‐hatian memiliki sebaran yang sangat kecil, hal ini menggambarkan frekwensi yang jarang pada tindak tersebut.
Gambar 4 Pada seluruh metode, terlihat rata‐rata tindak pengawasan suspensi lebih rendah dibandingkan dengan kehati‐ hatian, hal ini menunjukkan ketidak konsistenan tindak pengawasan pada kumpulan saham kuadran‐3.
Tabel 3 Hasil uji anova pada kuadran‐1, pada metode abnormal return dan volatilitas GARCH cukup menyakinkan bahwa terjadi perbedaan pada tindak pengawasan, hal ini ditunjukkan oleh nilai P yang kurang dari 0.05.
Tabel 4 Hasil uji anova pada kuadran‐3, hanya pada metode API terjadi penerimaan H1 yang menyatakan bahwa terjadi perbedaan pada tindak pengawasan. Sementara pada metode lainnya ketiga tindak pengawasan tidak memiliki perbedaan.
3.2 Perbedaan Metode Jika pada bagian sebelumnya kita melihat perbedaan kuadran pada seluruh metode sedangkan dalam bagian ini kita akan melihat perbedaan metode pada seluruh kuadran. Pada bagian sebelumnya kita hanya mampu menjawab bahwa terjadi perbedaan tindak pengawasan tanpa mengetahui secara rinci pada tindak pengawasan yang mana terjadi perbedaan. Pada bagian ini, perbedaan tindak pengawasan akan dianalisis dengan rinci sehingga kita tahu pada tindak pengawasan yang mana terjadi perbedaan. Analisis perbedaan pada keseluruhan metode ini pada tingkat kepercayaan 95%.
Gambar 5 Metode return pada seluruh kuadran, warna berbeda pada tindak pengawasan menggambarkan terjadinya perbedaan statistik pada tindak pengawasan (merah dan biru), sedangkan warna yang sama menggambarkan kesamaan statistik pada tindak pengawasan.
Pada metode return, terjadi perbedaan statistik pada tindak pengawasan di kuadran‐4. Dan perbedaan ini terjadi pada konfirmasi terhadap kehati‐hatian dan suspensi. Sementara antara suspensi dengan kehati‐hatian tidak menunjukkan perbedaan secara statistik. Hal ini berarti, pada nilai return tertentu suatu saham dalam kuadran‐4 bisa mengalam tindak pengawasan kehati‐hatian atau suspensi. Tentu saja hal ini menunjukkan ketidakkonsistenan. Sedangkan pada kuadran yang lain (kuadran‐1,2,3) metode return tidak mampu melihat perbedaan pada setiap tindak pengawasan.
Gambar 6 Metode abnormal return pada seluruh kuadran, terlihat bahwa pada kuadran‐1 dan kuadran‐4 terjadi perbedaan statistik antara tindak pengawasan konfirmasi terhadap kehati‐hatian dan suspensi.
Jika pada metode sebelumnya (return) hanya mampu menangkap perbedaan di tindak pengawasan pada kuadran‐4 saja, pada metode abnormal return mampu menangkap perbedaan tindak pengawasan di kuadran‐1 dan kuadran‐4. Pada kedua kuadran tersebut, tindak pengawasan konfirmasi berbeda terhadap kehati‐hatian dan suspensi. Namun antara kehati‐hatian dan suspensi tidak terjadi perbedaan, bahkan untuk kuadran‐1 terjadi ketidakkonsistenan, nilai pada tindak suspensi lebih rendah dibanding kehati‐hatian.
Gambar 7
Metode API pada seluruh kuadran. Pada kuadran‐3 dan kuadran‐4 terjadi perbedaan pada tindak pengawasan. Kuadran‐3 dan kuadran‐4 merupakan saham dengan teknikal tidak bagus.
Pada metode API, terjadi perbedaan antara tindak pengawasan konfirmasi terhadap kehati‐ hatian dan suspensi untuk kuadran‐3, dan terjadi perbedaan antara tindak pengawasan konfirmasi terhadap suspensi pada kuadran‐4. Pada kuadran‐3 tidak terjadi perbedaan antara tindak pengawasan kehati‐hatian terhadap suspensi, hal ini bentuk ketidakkonsistenan. Perbedaan tindak pengawasan pada kuadran‐4 konsisten, meski tidak mampu menggambarkan tindak pengawasan kehati‐hatian.
Gambar 8 Metode volatilitas GARCH. pada kuadran‐1 dan kuadran‐4 terjadi perbedaan pada tindak pengawasan. Saham dalam kuadran‐1 dan kuadran‐4 merupakan saham dengan fundamental tidak bagus.
Pada kuadran‐1 dan kuadran‐4 terjadi perbedaan antara tindak pengawasan konfirmasi terhadap suspensi. Dibandingkan dengan metode‐metode sebelumnya, pada metode volatilitas GARCH ini tidak mengandung ketidakkonsistenan. Jadi pada tindak pengawasan konfirmasi jelas berbeda secara statistik dengan suspensi. Dibandingkan dengan metode abnormal return yang sama‐sama mampu melihat terjadinya perbedaan tindak pengawasan pada kuadran‐1 dan kuadran‐4, namun metode volatilitas GARCH relatif lebih bagus karena tidak mengandung ketidakkonsistenan. Dengan kata lain, volatilitas GARCH mampu melihat perbedaan secara konsisten tindak pengawasan pada saham‐saham dengan fundamental tidak bagus. Juga terlihat bahwa keseluruhan metode tidak mampu menangkap perbedaan tindak pengawasan untuk kuadran‐2. Hal ini memberi informasi bahwa saham dalam kuadran‐2 memiliki tingkat perubaha yang kecil sedemikian sehingga keempat metode tidak mampu melihat perbedaan pada tindak pengawasan.
4. Diskusi Nilai standar deviasi (std) yang nol pada tabel2 di atas lebih menunjukkan adanya keterbatasan data dibandingkan dengan keseragaman data, dalam hal ini hanya terdapat satu kasus pada tindak pengawasan tersebut. Berdasarkan frekwensi tindak pengawasan, saham dalam kuadran‐1 dan kuadran‐ 2 jarang mendapatkan tindak pengawasan kehati‐hatian (hati), sementara saham dalam kuadran‐2 juga jarang mendapatkan tindak pengawasan suspensi (susp). Dari analisis setiap kuadran dan setiap metode untuk tindak pengawasan, bisa kita dapatkan karakteristik tindak pengawasan. Misalkan metode dalam tindak pengawasan yang terdiri dari: return, abnormalReturn, API, dan volatilitas GARCH. Dan misalkan 1, 2, 3, 4 menyatakan kuadran‐1,2,3,4, serta merupakan tindak pengawasan yang terdiri dari: konf, hati, susp. Dan
,
,
nilai pada tabel2 di atas maka kita peroleh ,
,
,
,
, ,
,
,
, ,
,
,
… (i) ,
,
… (ii)
Kekonsistenan yang dipenuhi oleh kedua persamaan tersebut di atas akan menjadi dasar dalam standarisasi terhadap tindak pengawasan. Pada bagian analisis terlihat bahwa tidak ada satupun metode yang sempurna konsisten memenuhi persamaan (i), kondisi tidak sempurna ini lebih disebabkan oleh ketersediaan data, hal ini terlihat dari ketidak‐konsistenan pada kuadran‐2 pada semua metode dengan std bernilai nol. Salah satu unsur penting yang akan digunakan sebagai standarisasi adalah kekonsistenan. Sehingga dalam upaya untuk mendapatkan metode sebagai dasar dalam standarisasi harus mempertimbangkan faktor konsistensi. Konsistensi ini ditujukan pada penerapan tindak pengawasan ke depan atau yang akan datang, dan tentu saja akan lebih baik jika berdasarkan data sebelumnya bahwa perilaku ini juga menunjukkan kekonsistenan.
Daftar Pustaka Chen, G.M., Rui, O.M., and Wang, S.S. "The Effectiveness of Price Limits and Stock Characteristics: Evidence from the Shanghai and Shenzhen Stock Exchanges". Springer Science + Business Media, Inc. Manufactured in The Netherlands. Review of Quantitative Finance and Accounting, 25: 159–182, 2005. Ma, C.K., R.P. Rao and S.R. Sears, “Volatility, Price Resolution, and the Effectiveness of Price Limits.” Journalof Financial Service Research 3, 165–199, (1989). Kim, K.A., and Rhee, S.G. "Price Limit Performance: Evidence from the Tokyo Stock Exchange". THE JOURNAL OF FINANCE .VOL. LII, NO. 2 JUNE 1997 Hariadi, Y.,dan Surya, Y. "Peramalan dalam selang GARCH(1,1)". Working Paper WPH2003. Bandung Fe Institute (2003). Hopewell, M.H.& Schwartz, Jr. A.L. “Temporary Trading Suspensions in Individual NYSE Securities”. The Journal of Finance, Vol. 33, No. 5. (Dec., 1978), pp. 1355‐1373.
LAMPIRAN
kuadran1
Return y b.bawah µ(x)‐ µ(y) b.atas 2 ‐0.5151 ‐0.1176 0.2798 3 ‐0.1554 0.023 0.2014 3 ‐0.2796 0.1406 0.5609
'konf' 'hati' 'susp'
x 1 1 2
'konf' 'hati' 'susp'
1 2 1 3 2 3
‐0.147 ‐0.147 ‐0.2193
0.0099 0.0099 0
0.1669 0.1669 0.2193
'konf' 'hati' 'susp'
1 2 1 3 2 3
‐0.198 ‐0.1787 ‐0.1512
‐0.0725 ‐0.0649 0.0076
0.0531 0.049 0.1664
'konf' 'hati' 'susp'
1 2 1 3 2 3
‐0.1356 ‐0.131 ‐0.0821
‐0.0679 ‐0.0739 ‐0.006
‐0.0002 ‐0.0167 0.0702
'konf' 'hati' 'susp'
AbnormalReturn x y b.bawah µ(x)‐ µ(y) b.atas 1 2 ‐0.4492 ‐0.2581 ‐0.0669 1 3 ‐0.1861 ‐0.1003 ‐0.0145 2 3 ‐0.0443 0.1578 0.3599
'konf' 'hati' 'susp'
1 2 1 3 2 3
‐0.0943 ‐0.1135 ‐0.142
‐0.0064 ‐0.0255 ‐0.0192
0.0816 0.0624 0.1037
'konf' 'hati' 'susp'
1 2 1 3 2 3
‐0.1567 ‐0.136 ‐0.1183
‐0.0543 ‐0.0431 0.0112
0.048 0.0497 0.1407
'konf' 'hati' 'susp'
1 2 1 3 2 3
‐0.205 ‐0.2077 ‐0.0959
‐0.1322 ‐0.1463 ‐0.0141
‐0.0595 ‐0.0849 0.0678
kuadran2
kuadran3
kuadran4
kuadran1
kuadran2
kuadran3
kuadran4
kuadran1
y 2 3 3
API b.bawah µ(x)‐ µ(y) b.atas ‐0.8426 ‐0.1974 0.4478 ‐0.3599 ‐0.0704 0.2191 ‐0.5552 0.127 0.8092
'konf' 'hati' 'susp'
x 1 1 2
'konf' 'hati' 'susp'
1 2 1 3 2 3
‐0.5187 ‐0.7955 ‐0.9259
‐0.0541 ‐0.3309 ‐0.2768
0.4106 0.1338 0.3723
'konf' 'hati' 'susp'
1 2 1 3 2 3
‐0.6036 ‐0.6263 ‐0.3644
‐0.352 ‐0.3982 ‐0.0462
‐0.1005 ‐0.1701 0.272
'konf' 'hati' 'susp'
1 2 1 3 2 3
‐0.6972 ‐0.8626 ‐0.6587
‐0.3121 ‐0.5376 ‐0.2255
0.073 ‐0.2125 0.2076
kuadran2
kuadran3
kuadran4
kuadran1
vGARCH y b.bawah µ(x)‐ µ(y) b.atas 2 ‐0.1259 0.0017 0.1292 3 ‐0.1181 ‐0.0608 ‐0.0036 3 ‐0.1973 ‐0.0625 0.0724
'konf' 'hati' 'susp'
x 1 1 2
'konf' 'hati' 'susp'
1 2 1 3 2 3
‐0.0556 ‐0.0553 ‐0.0893
0.0085 0.0088 0.0003
0.0726 0.073 0.0899
'konf' 'hati' 'susp'
1 2 1 3 2 3
‐0.107 ‐0.0878 ‐0.066
‐0.0443 ‐0.031 0.0133
0.0184 0.0259 0.0926
'konf' 'hati' 'susp'
1 2 1 3 2 3
‐0.078 ‐0.1061 ‐0.0923
‐0.0279 ‐0.0638 ‐0.0359
0.0223 ‐0.0214 0.0206
kuadran2
kuadran3
kuadran4
