National Conference on Management Research 2008 ISBN: Makassar, 27 November 2008

National Conference on Management Research 2008___________________

ISBN: 979-442-242-8

Makassar, 27 November 2008

AGENT BASED MODEL MENGGUNAKAN COMPUTER AID DESIGN (CAD) DALAM PENGELOLAAN RISIKO INVESTASI di BURSA EFEK INDONESIA Dr.Afdal Mazni,SE.MSiM Sampe Rampun.M.SE.,MM Denny Iskandar.Tj.,SE.MM FE-Universitas Muhammadiyah Metro FE-UKRIDA Jakarta e-mail : [email protected]

ABSTRACT This research is categorized as experimental method of computing simulation, pursuant to an approach of Agent Based Model. Artificial market design as an agent is investors, who have a behavior characteristic of agent reconstruction based on enlargement of the modern finance theory called "behavioral finance". Behavioral reconstruction of agent includes the first, the base attribute of basic strategy (fundamental, chartist and noisy), and strength of agent effect. The second, the temporal attribute consisted by the capital, share and risk expectation. The advantage of understanding behavioral change for investor or agents is to understand the movement of LQ-45 index. Convergence condition from the second form of population data is made as a ground to predict index group of LQ-45. The model its convergent using as predictor device to investment of strategy hedging toward futures index contract of LQ-4 The validity and significance of the model would be conducted by using the Pre Test and Post Test from operation model. It also test the volatility cluster, leptokurtosis distribution and test the fractal, Ito Process. Based on the analysis result of model activation and prediction as strategic investment decision at futures contract LQ-45 index, indicated the model as convergent generally market artificial predominated by fundamental and chartist type investor, and also show the behavioral characteristic of irrationality agent which mirror from characteristic of time series data of group control and model.

Keyword : Agent Based Model, CAD, LQ-45 Index Volatility, Risiko Investasi

Agent Based Model Menggunakan Computer Aid Design (Cad)........................


ISBN: 979-442-242-8


II.. PPEEN ND DA AH HU ULLU UA AN N 11..11.. LLaattaarr BBeellaakkaanngg M Maassaallaahh Risiko investasi pada dasarnya tidak ada yang sama sekali dapat dieliminasi atau dihilangkan. Upaya yang dapat dilakukan adalah menurunkan dampak dan frekuensi terjadinya risiko. Alternatif strategi mengurangi kandungan risiko investasi dapat menggunakan strategi investasi diversifikasi (penyebaran risiko), atau strategi investasi pada asuransi (pengalihan risiko) maupun strategi investasi hedging (lindung nilai aset terhadap risiko). Kajian empiris dari berbagai hasil penelitian pada pasar modal di luar negeri tentang pengelolaan risiko sudah lazim dilakukan seperti penelitian Robert F Stambaugh

(1999), Rajesh Chakrabarti (2000), John Y.Cambell et.al (2001),

Torben G. Andersen et.al (2001), Jeff Fleming et.al (2001), Simon Z.Beninga dan Casper M.Oosterhof (2004), dengan berbagai variasi variabel, atau penelitian dengan menggunakan metode eksperimental seperti Sallans., et.al (2003), Takahashi & Terano (2003), Tesfatsion (2002), Srbljinovic dan Skunca (2003), Cetin & Baydar (2004), Situngkir & Surya (2003). Kompleksitas sistem pasar modal mendorong dinamika aktivitas pasar (market event); di era sekarang lebih mencerminkan perilaku irasionalitas (irrationality) dari pelaku pasar. Teori keuangan konvensional lebih mendasarkan kepada pendekatan linearitas, yang kurang mampu mengakomodir perkembangan dinamika pasar modal sekarang yang cenderung bersifat dinamis dan non-linear. Data keuangan pasar modal yang bersifat non-linear disebabkan oleh perilaku investor yang irasional (overconfidence, overreaction & underreaction). Kondisi ini tergambarkan dari karakterisitik data tersebut yang bersifat pengelompokan volatilitas, kurtosis berlebih (excess kurtosis) dan distribusi ekor gemuk dan sifat Multifraktalitas (Surya. et.al; 2003), (Cannesa ; 2003), (Gabaix.,et.al ; 2003), (Farmer.,et.al ; 2003) dan (Bouchaud ; 2000). Sifat karakterisitik data yang non-linear ini telah mendorong perkembangan teori keuangan pada era tahun 1990an dengan kehadiran teori Behavioral Finance (Ritter ; 2003). Konsep teori Behavioral Finance dibangun berdasarkan dua pilar pemahaman yakni psikologi kognitif (cognitive psychology) dan keterbatasan proses arbitrase harga (price arbitrage). Dalam pendekatan bottom-up perilaku pelaku pasar (agent) lebih diyakini memiliki peran yang besar terhadap dinamika perubahan



ISBN: 979-442-242-8


pasar (harga maupun indeks), sehingga mendorong kehadiran model alternatif yang menggunakan

simulasi komputasi pasar modal yakni pendekatan

Agent Based

Aprroach, yang salah satu modelnya adalah Agent Based Model. Mengacu kepada penelitian yang dilakukan oleh oleh Surya. et.al (2003), Cannesa (2003), Gabaix.,et.al (2003), Farmer.,et.al (2003) dan Bouchaud (2000), disimpulkan bahwa perilaku investor, sebagai agen karakteristik, dibentuk oleh atribut dasar dan atribut temporal. Adapun atribut dasar terdiri dari strategi dasar, dan kekuatan pengaruh agen, dan atribut temporal yang terdiri dari modal, kepemilikan dan ekspektasi risiko. 11..22.. M Maassaallaahh PPeenneelliittiiaann. Masalah pokok penelitian ini adalah pengkajian rekonstruksi model keterpaduan antara strategi dasar, kekuatan pengaruh agen, modal, kepemilikan dan ekspektasi risiko terhadap strategi investasi pada kontrak futures Indeks LQ-45 melalui program model simulasi agen (agent based model) terhadap risiko investasi. Secara rinci, rumusan masalah penelitian dijabarkan sebagai berikut: 1. Apakah faktor atribut dasar dan atribut temporal dapat membentuk rekonstruksi program Agent Based Model ? 2. Apakah strategi investasi berdasarkan Agent based Model efektif terhadap penurunan kandungan risiko investasi pada Indeks LQ-45 ? 1.3. Tujuan Dan Manfaat Penelitian Tujuan penelitian ini adalah untuk: 1. Mengetahui dan menganalisis faktor atribut dasar (strategi dasar dan kekuatan pengaruh agen) serta atribut temporal (modal, kepemilikan dan ekspektasi risiko) sebagai atribut yang membentuk rekonstruksi program Agent Based Model 2. Mengetahui dan menganalisis pengaruh efektifitas strategi investasi yang berdasarkan Agent Based Model

terhadap penurunan kandungan risiko

investasi pada indeks LQ-45.

1.4. Manfaat Penelitian Hasil penelitian ini diharapkan akan memberikan manfaat sebagai berikut:



ISBN: 979-442-242-8


a). Sebagai masukan bagi investor bahwa terdapat alternatif model yang berdasarkan perilaku agen untuk mengambil keputusan strategi investasi dalam rangka menurunkan risiko investasi dan meningkatkan kinerja investasi, khususnya pada kontrak futures Indeks LQ-45. b). Sebagai masukan bagi peneliti lainnya bahwa perilaku investor dalam mengambil keputusan tentang strategi investasi dapat dimodelkan melalui model simulasi perilaku agen (agent based model).

IIII.. K KA AJJIIA AN N PPU USSTTA AK KA A 22..11.. PPeerriillaakkuu IInnvveessttoorr TTeerrhhaaddaapp PPeerruubbaahhaann H Haarrggaa ddaann PPaassaarr A Arrttiiffiissiiaall. Realitas empiris pasar modal terutama di luar negri pada pada era tahun 1980an - 1990an justru banyak menggambarkan situasi anomali dari kondisi ideal pasar efisien, atau sering terjadi situasi “irationalitas” investor terhadap informasi baru; justru investor menunjukkan sikap “overconfident” dan sikap “overreaction” dan / atau “underreaction” terhadap informasi baru seperti yang terkait dengan IPO, merger, stock split dan spin-off dsb.nya (Poteshman:2001), serta pada periode era yang sama pemanfaatan media teknologi informasi pada pasar modal kadangkala juga memberikan informasi yang “bias” sehingga menyebabkan ketidaktepatan dalam keputusan investasi (Olsen: 1998). Perkembangan perilaku aktor pasar seperti demikian telah memunculkan paradigma baru dalam ilmu keuangan yakni “behavioral finance”, yang merupakan kelanjutan dari teori hipotesa pasar efisien (EMH) meskipun masih memunculkan kontroversi seperti yang diungkapkan oleh Fama (1998). Menggunakan pendekatan kombinasi ilmu psikologi cognitive dengan prinsip ekonomi dalam proses pengambilan keputusan investasi serta pendekatan keterbatasan proses “prices arbitrage” . Prinsip-prinsip yang menjadi pilar dari

teori “behavioral finance”

tersebut adalah (Ritter,2003) ; prospect theory, loss aversion, mental accounting, self control, regret, heuristic, herd behaviour, overeconfidence, over dan underreaction, anchoring. Agent Based Model (ABM) awalnya merupakan model konsep sederhana tentang mikrokomputer, dan kemudian dari model tersebut berkembang seperti dibuat simulasi situasi riel antara tingkat mikro dengan makro sistem sosial, yang secara



ISBN: 979-442-242-8


teoritis cenderung memebentuk sistem yang seimbang (equilibrium) atau menuju dan bergerak di sekitar titik keseimbangan. Model ini

diperkenalkan oleh seorang

komputer sains Craig Reynold dalam kehidupan biologis atau dikenal dengan model Artificial life,

dan dilanjutkan pengembangannya oleh Christoper Langton

("http://en. wikipedia.org/wiki/Agent based_model ). Data statistik keuangan pasar modal terutama data indeks pasar lazimnya bersifat spesifik atau non-linear seperti stokastik dinamik, korelasi jangka pendek, korelasi jangka panjang, self-similiarity dan scalling yang akan membantu dalam memahami perilaku makroskopoik dan mikroskopik sistem ekonomi/keuangan. Inilah bentuk-bentuk sifat data keuangan yang spesifik tersebut (Surya et.al , 2004 : 29-35). Kajian empiris dari berbagai hasil penelitian pasar modal di luar negeri tentang penelitian pasar modal buatan (artificial market) dengan menggunakan metode eksperimental seperti

Sallans., et.al (2003), Takahashi & Terano

Tesfatsion (2002), Srbljinovic dan Skunca (2003), Cetin

(2003),

& Baydar (2004),

Situngkir & Surya (2003). 22..22.. R Riissiikkoo IInnvveessttaassii Risiko dipahami sebagai ukuran penyimpangan dari “return” yang diharapkan baik dalam notasi ukuran standar deviasi maupun variance (Markowitz;1952), (Sarnat:1986) alpha dan beta saham (Markowitz-Sharpe: 1978), delta, gamma dan vega

sebagai ukuran perubahan nilai aset acuan (Smithson :1998, 405-408), dan

VAR (value at risk) sebagai notasi risiko nilai pasar portofolio dengan perspektif waktu ke masa yang akan datang (Pearson; 2002). Kajian empiris tentang pengaruh pengelolaan risiko terhadap kinerja investasi oleh beberapa peneliti seperti Mitchell dan Pulvino (2001), yang mengkaji tentang risk and return dengan strategi risk arbitrage,

dengan menggunakan analisa

contingent claims, pengaruhnya terhadap market return dan biaya transaksi; Coval dan Shumway (2001), yang meneliti expected option return dengan pendekatan asset pricing theory , dengan objek S&P index option return, dan menyimpulkan memiliki hubungan linear dengan beta dari option. Boyle dan Guthrie ((2003), yang mengkaji aspek investasi, faktor ketidakpastian, dan kaitannya dengan likuiditas. Temuannya adalah

bahwa aliran kas sebagai ukuran sensitifitas investasi

mempengaruhi kualitas likuditas perusahaan, dan tingkat ketidakpastian yang tinggi



ISBN: 979-442-242-8


berdampak terhadap sikap ambiguitas dalam aktifitas investasi. Easley et,al (2002) mengkaji tentang risiko informasi, implikasinya terhadap asset return, dan menemukan adanya perbedaan probabilitas informasi sebesar 10 % antara 2 (dua) jenis saham yang berdampak terhadap perbedaan expected return sebesar 2,5 % per tahunnya dari kedua saham tersebut. Berdasarkan uraian kajian teoritis, maka dalam penelitian ini dipahami risiko keuangan adalah yang berkaitan dengan perubahan harga, likuiditas, tingkat suku bunga, dan valuta asing. Besaran perubahan sebagai ukuran atau kandungan risiko ditentukan

dari:

volatilitas

harga,

kecepatan

penyesuaian

harga,

selisih

permintaan,dan volume transaksi. III. METODE PENELITIAN 33..11.. O Obbjjeekk PPeenneelliittiiaann Objek dalam penelitian ini adalah atribut dasar dan atribut temporal pada investor, strategi investasi, risiko investasi dan kinerja investasi pada kontrak futures Indeks LQ-45. Atribut dasar terdiri dari: strategi dasar dan kekuatan pengaruh agen, sedangkan atribut temporal terdiri dari: modal, kepemilikan dan ekspektasi risiko. 33..22.. M Meettooddee PPeenneelliittiiaann Metode yang digunakan dalam penelitian ini adalah metode eksperimental dengan model simulasi komputasi (Sekaran : 2000,166-167), dimana model dibuat sedemikian rupa sehingga tidak berbeda jauh dengan situasi riel pasar modal (artificial market), dan penelitian ini bersifat penjelasan (explanatory research), karena merupakan penelitian yang menjelaskan hubungan kausalitas antara variabelvariabel (Cooper dan Schindler: 2001: 13). 33..33.. V Vaarriiaabbeell PPeenneelliittiiaann Data yang digunakan dalam penelitian ini pada dasarnya dapat dikelompokan menjadi 2 (dua) yakni (Sekaran : 2000,147-149) : 1. Data kelompok kontrol (control group) yakni data harian indeks LQ-45 dari tahun 2002-2006. 2. Data kelompok eksperimental atau simulasi data indeks LQ-45 yang diperoleh dari agent based model.



ISBN: 979-442-242-8


3.4. Metode Analisis Data Proses analisis data melalui aktivasi simulasi komputasi yang

dilakukan

hingga deviasi antara data kelompok kontrol dan kelompok eksperimental minimum dan konvergen. Data eksperimental yang diperoleh didasarkan pada berbagai kombinasi atribut dasar, atribut temporal serta strategi investasi antar investor. Berdasarkan struktur kerangka penelitian eksperimen tersebut, dirancanglah bentuk paradigma konstruksi model seperti berikut ini (Ehrentreich,2002; 2-5 (Surya ; 2004, 161-163), (Takahashi; 2002, 6-8) : - Pasar dalam model simulasi ini didefinisikan sebagai waktu (iterasi) dimana pembuat pasar mencatat harga dari tiap waktu. Pasar melibatkan satu saham yang diperjual-belikan dimana harga tiap saham (Pt) ditentukan oleh “pembuat pasar” tunggal. Setelah agen membuat keputusan menjual, in-aktif atau membeli, pembuat pasar memberikan nilai Pt+1 atas fungsi kelebihan permintaan (jumlah saham dinyatakan sebagai Xt) - Perubahan harga dianggap proporsional terhadap kelebihan permintaan. - Atribut dasar dari agen yang bersifat tetap yang menjadi karakteristik dasar investor dalam menentukan keputusan investasinya adalah strategi, dimana setiap agen memiliki strategi tertentu dalam menentukan keputusannya untuk menjual, in-aktif atau membeli (xt(i) є {-1,0,1}). Model akan mengamati tiga strategi dasar, yakni : a. Strategi fundamentalis, tindakan berdasarkan nilai referensi ƒt yang akan membeli jika pt ≤ ƒt

, dan akan menjual jika pt > ƒt . Dalam simulasi, perubahan nilai

referensi diacak dalam interval tertentu atau ditentukan. b. Strategi chartis, yang akan menjual jika nilai moving average dari return saham. c. Strategi derau (noisy), memilih tindakan membeli secara acak dengan probabilitas 0,5 namun hanya menjual jika merasa aman. d. Kekuatan pengaruh, dimana setiap agen mempunyai kekuatan pengaruh yang berbeda-beda dalam mempengaruhi agen lainnya untuk membuat keputusan menjual, in-aktif atau membeli. Setiap agen mempengaruhi dan dipengaruhi oleh kekuatan pengaruh agen di sekelilingnya yang dinyatakan sebagai s

(i)

.

Setiap keputusan, xt(i) є {-1,0,1}, ditentukan oleh strategi masing-masing agen yang dinormalisasi dari nilai antara -1, 0, 1 sehingga dapat dilihat dalam bentuk probabilitas. e. Atribut lainnya yang bersifat temporal (senantiasa berubah sepanjang simulasi) dari agen dalam menentukan keputusan investasinya adalah : Agent Based Model Menggunakan Computer Aid Design (Cad)........................


ISBN: 979-442-242-8


e.1. Modal dalam bentuk dana investasi dan/atau saham yang akan diinvestasikan pada pasar modal ct(i) e.2. Jumlah saham yang dimiliki oleh investor dalam pasar nt(i). Pada setiap iterasi, nilai kekayaan total yang dimiliki oleh setiap agen adalah: kt(i) = nt(i) pt + ct(i) e.3. Ekspektasi nilai indeks saat jatuh tempo kontrak dengan tiga kemungkinan: lebih kecil, lebih besar atau sama dengan indeks saat sekarang EIt(i) є {1,0,1}. Berdasarkan model simulasi yang diungkapkan di atas, selanjutnya dilakukan proses iterasi alternatif input dengan terlebih dahulu menentukan konfigurasi simulasi awal. Jumlah agen atau investor ditetapkan sejumlah 100 orang. Komposisi jumlah agen menurut masing-masing alternatif strategi investasi yang digunakan adalah: 30 menjual (short-futures) , 40 tidak-aktif, dan 30 membeli (long-futures). Total kontrak futures yang diperdagangkan adalah sebanyak 5. Harga dasar tiap kontrak ditetapkan sebesar Rp 1.000.000,- sementara modal awal yang dimiliki oleh investor adalah sebesar Rp 1.000.000.000,-. Secara ringkas, konfigurasi awal simulasi agent based model dapat dilihat pada Tabel 3.1. Tabel 3.1 : Konfigurasi Awal Simulasi Parameter Jumlah Agen Komposisi Strategi Total Kontrak yang diperdagangkan Harga dasar Kontrak Modal awal agen (maks)

Nilai 100 30 – 40 – 30 50 1.000.000 1.000.000.000

Berdasarkan uraian tahapan proses analisa dan bentuk permodelan serta skenario awal, simulasi akan dilakukan dengan menggunakan program komputasi NetLOGO (versi 3.13). IIV V..H HA ASSIILL PPEEN NEELLIITTIIA AN ND DA AN N PPEEM MBBA AH HA ASSA AN N 4.1. Hasil Penelitian 4.1.1. Analisis Aktifasi Agent Based Model Aktifasi dari Agent Based Model dengan menggunakan software Netlogo, dimana masing-masing perilaku agen diformulasikan sebagai berikut : 1. Atribut dasar terdiri dari : strategi dasar dan kekuatan pengaruh agen. Strategi dasar adalah tipe strategi dasar investor: fundamentalist, chartist, dan noisy. Dalam pemodelan simulasi masing-masing karakter investor diberi notasi yang berbeda,



ISBN: 979-442-242-8


untuk tipe investor “fundamental” adalah ( ; ),untuk tipe investor “chartist” adalah (☺), dan untuk tipe investor “noisy” adalah (☺). Saat aktifasi model akan terjadi kemungkinan investor membeli, menjual atau tidak melakukan keputusan apapun. Untuk membedakan bentuk tindakan keputusan yang ditetapkan oleh investor di suatu “event”, pemodelan juga mengklasifikasikan dengan notasi warna. Warna kuning untuk keputusan “beli”, warna merah untuk keputusan “jual”, warna putih untuk keputusan “netral” (tidak melakukan transaksi). Kekuatan pengaruh, dinyatakan sebagai kuatnya pengaruh seorang agen terhadap agen lainnya. Adapun besaran pengaruh dalam bentuk formulasi total bobot keputusan ditambah dengan bobot pengaruh (0,1 s/d 0,5), yang bersifat acak dalam menentukan keputusan untuk menjual, membeli atau tidak aktif. Bentuk pengaruh diklasifikasikan yakni tipe pengaruh kuat (leader) dan lemah (follower). Dalam pemodelan simulasi, masing-masing karakter investor diberi notasi yang berbeda, karena kecenderungan “realitas pasar” seperti diketahui investor PMA dan pemodal kuat PMDN sering menjadi “leader”, sehingga pembedaan tipe investor dalam model diakomodir dengan penotasian tipe investor “leader” adalah (☺) lebih besar jika dibandingkan dengan tipe investor “follower”(☺). 2. Atribut temporal terdiri dari , pertama Modal, dalam model simulasi kemampuan modal dibuat masing-masing investor rata-rata memiliki modal senilai Rp 1 milyar dan bersifat acak. Ke-dua Kepemilikan saham, adalah variabel atribut temporal juga bersifat acak, adalah jumlah dan jenis saham yang dimiliki oleh investor, dalam model simulasi maksimal kepemilikan jenis saham adalah 45 saham. Disesuaikan dengan jumlah saham komposit yang membentuk indeks LQ45. Ke-tiga Ekspektasi risiko (expected of the variance) bersifat acak dengan spektrum nilai 1-10. Dugaan risiko investasi yang terdiri dari tiga kemungkinan: pertama) in

the money (1,2,3,4) , keadaan dimana strike price lebih rendah

daripada harga tunai saham (market price). b) At the money (5,6), keadaan dimana strike price relatif sama (S.D = ± 0,10) dengan harga tunai saham (market price) dan c) Out of the money (7,8,9,10), keadaan dimana strike price lebih tinggi daripada harga tunai saham (market price). Aplikasi Agent Based Model berfungsi sebagai alat bantu “tool” investor atau agen dalam pengambilan keputusan strategi investasi hedging. Dari investasi tersebut diharapkan terjadi penurunan kandungan risiko investasi sebagai wujud optimasi



ISBN: 979-442-242-8


investasi. Aplikasi Agent Based Model dapat digambarkan alur logika program simulasi komputasi dalam bentuk flow-chart (lihat Gambar di Lampiran 1). Berdasarkan aktifasi program model simulasi komputasi dengan menggunakan software Netlogo, dapat diperoleh hasil analisis program berupa output visual grafik garis warna hijau. Garis ini merupakan hasil data runtut waktu dari kelompok kontrol dari tahun 2000 s/d 2006, atau selama periode pengamatan data 7 tahun transaksi (lampiran 2). Terdiri dari 1694 hari transaksi data pengamatan. Iterasi secara manual dengan skenario awal seperti jumlah komposisi investor 30 – 40 -

30, koefisien pengaruh 0,5 dan koefisien ekspektasi risiko 1- 10,

menghasilkan output bentuk grafik. Bentuk grafik yang terdiri dari 2 (dua) garis indeks LQ-45 warna hijau dan garis indek model warna merah. Proses iterasi variasi perubahan secara manual baik pada komposisi investor, bobot koefisien pengaruh dan bobot koefisien ekspektasi risiko, dan jumlah dan jenis kepemilikan saham dilakukan berulang-ulang, dengan tujuan agar diperoleh indeks model yang memiliki pola trend gerakan atau perubahan indeks yang mendekat atau hampir sama dengan pola perubahan data riel indeks LQ-45, seperti yang diperoleh sebagai output gambar grafik berikut ini (lihat Gambar 4.4).

Gambar 4.4 : Grafik Data Simulasi Indeks Model Varian XIII dari tahun 2000 s/d 2006 Sumber : data diolah

Kondisi data model mendekati pola trend data riel indeks LQ-45 seperti yang diungkap pada grafik di atas. Kondisi model mendekati pola trend data riel ini setelah melalui proses iterasi setup program ribuan kali secara manual. Proses ini berlangsung trial & error yang mencerminkan kelemahan model, karena tidak ada kepastian (bersifat random) pada iterasi keberapa kondisi mendekati pola trend data dan ke dua populasi mengalami konvergen. Berdasarkan proses iterasi yang sebagian diungkap dalam output visual grafik



ISBN: 979-442-242-8


pada Gambar, dapat diringkas hasil analisis dari berbagai varian model yang dimulai dari varian I (satu) sampai dengan varian model XIII (tiga belas), yakni sebagai berikut : Pengujian hipotesis kerja pertama (H1) dapat dibuktikan

bahwa pendugaan

Atribut Dasar yang terdiri dari elemen Strategi Dasar dan Kekuatan Pengaruh Agen, serta Atribut Temporal yang terdiri dari elemen Modal, Kepemilikan dan Ekspektasi Risiko mampu merekonstruksi bentuk Agent Based Model, atau hipotesis nol (H0 = H1) ditolak. 4.2. Pembahasan Tentang Perilaku Investor dan Agent Based Model Investor fundamental hanya melakukan transaksi jual sebanyak 37.323 kali, atau lebih dominan melakukan transaksi beli dibanding transaksi jual. Dalam pandangan investor fundamental, pasar memiliki prospek yang lebih baik. Dinamika pasar simulatif selama periode pengamatan lebih diwarnai/didorong oleh investor tipe “fundamental”. Menurut penelitian Cetin & Baydar (2004), tipologi “fundamental” ini banyak berasal dari investor institusional. Adapun tipe “chartist” sebanyak 34 investor yang mengandalkan analisis pergerakan grafik. Kecenderungan mengarah kepada tipologi “moderat”, dengan pendekatan yang dikenal “head & shoulder”. Investor tipe “chartist” dominan melakukan transaksi jual 211.193 kali, yang merupakan 56,96 % dari total transaksi jual keseluruhan (370.756). Investor “chartist ” hanya melakukan transaksi beli sebanyak 35.173 kali, dan ini kebalikan dari tindakan investor tipe fundamental sebagai kekuatan penyeimbang pasar simulatif. Investor tipe derau (noisy) sebanyak 31 orang dengan total transaksi jual yang dilakukan 122.240 kali dan 109.189 kali transaksi beli. Pada tipe investor ini relatif terjadi keseimbangan antara transaksi jual dengan transaksi beli. Ini mengambarkan kesesuaian karakteristik tipologi investor “noisy” yang “risk taker”, yang relatif mudah dalam mengambil keputusan tindakan. Realitas pasar modal (BEJ) selama periode pengamatan data terbukti mengalami pertumbuhan nilai indeks LQ-45 rata-rata per tahun sebesar 37,87 %. Berdasarkan analisis simulasi komputasi Agent Based Model dinamika pertumbuhan pasar tersebut ditentukan oleh investor “fundamental” sebanyak 35 orang dan investor “chartist” sebanyak 34 orang. Pasar lebih didominasi yakni sebesar 69 % oleh tipologi investor yang melakukan tindakan investasi dengan menggunakan analisa fundamental, yang lazim dilakukan oleh investor institusional (Cetin & Baydar ;



ISBN: 979-442-242-8


2004). Deskripsi pasar ini bermakna investor “leader” berada pada kedua kelompok jenis investor tersebut yang memiliki kekuatan dana dan kekuatan dalam mempengaruhi investor “follower”. Pembahasan tentang karakteristik data keuangan runtut waktu yang bersifat bergejolak (volatile), telah diuji dampak dari volatilitas data stokastik melalui beberapa penelitian terdahulu. Disimpulkan bahwa indeks futures harga saham tidak mengikuti pola data yang bersifat independen sepenuhnya dan distribusi data yang identik, juga pola distribusi Geometric Brownian Motion (GBM). V. KESIMPULAN DAN SARAN PENELITIAN 5.1. Kesimpulan Berdasarkan permasalahan penelitian yang diajukan sebelumnya, diperoleh kesimpulan penilitian sebagai berikut: 1. Model dan analisis pengujian menunjukkan bukti, bahwa atribut dasar (variabel strategi dasar, kekuatan pengaruh agen) dan atribut temporal (jumlah modal, kepemilikan jumlah dan jenis saham, serta ekpektasi risiko), secara simultan dapat merekonstruksi program simulasi komputasi Agent Based Model.

Model

berpengaruh terhadap strategi investasi pada kontrak futures indeks LQ-45, yang dilakukan pengujian validitas model melalui uji konvergen model. 2. Hasil aktifasi Agent Based Model, dapat mengakomodir perilaku data runtut waktu keuangan indeks LQ-45 pada Bursa Efek Indonesia, yang bersifat non-linear. Karakterisitik

sifat

non-linear

data

tersebut

adalah

sifat

stochastic,

pengelompokan volatilitas, distribusi leptokurtosis atau distribusi ekor gemuk (fat tail) dan multifraktal, yang sudah dilakukan pengujian sebagai bentuk uji reliabilitas model. 5.2. Saran-Saran Berdasarkan kesimpulan penelitian dalam menjawab permasalahan yang terjadi pada pasar modal, aplikasi Agent Based Model sebagai alat bantu (tools) pada strategi investasi hedging dan impilkasinya terhadap penurunan risiko, disampaikan beberapa saran sebagai berikut: 1. Agent Based Model dalam penelitian ini, merupakan akumulasi pemahaman teori “behavioral finance” dan pendekatan mikrostruktur pasar modal (bottom-up



ISBN: 979-442-242-8


approach). Melalui modifikasi Agent Based Model yang dikembangkan dari penelitian Ritter (2003), Castiglione (2000), Situngkir & Surya (2003), dapat dijadikan sebagai alat bantu (tools) dalam pengambilan keputusan investasi. Tidak hanya terbatas pada kontrak futures indeks LQ-45 saja,

akan tetapi dapat

diaplikasikan pada berbagai jenis sekuritas derivatif seperti option, swap dan hybrid, maupun pada instrumen keuangan lainnya. Strategi investasi ini merupakan wujud nyata implementasi kebijakan tata-kelola yang baik bagi perusahaan (good corporate governance). 2. Dibutuhkan peningkatan wawasan pemahaman dan pengetahuan tentang pendekatan mikrostruktur pasar dan teori “behavioral finance” sebagai dasar dalam mengkaji deskripsi karakteristik sikap perilaku investor pasar modal di Indonesia. Pemahaman dan pengetahuan ini dapat dijadikan parameter estimasi eskalasi perubahan nilai indeks LQ-45 maupun aktiva berharga lainnya dalam periode data runtut waktu yang bersifat dinamis. 3. Upaya peningkatan kuantitas dan kualitas penelitian dengan setting pasar modal di Indonesia terutama dengan

menggunakan pendekatan eksperimental, melalui

metode simulasi komputasi pasar artifisial bagi penelitian lanjut. Diharapkan agar ditemukan metode uji signifikansi yang mampu menguji keberlakuan temuan secara umum. Guna menambah wahana kajian referensi dengan latarbelakang (setting) realitas pasar modal “spesifik Indonesia” baik pada Bursa Efek Indonesia maupun Bursa Efek Surabaya.



ISBN: 979-442-242-8


DAFTAR PUSTAKA Allayannis, George., Gregory W.Brown & Leora F.Klapper., Capital Structure and Financial Risk: Evidence from Foreign Debt Use in East Asia., The Journal of Finance.,Volume 58., issue 6., December 2003., page 2667. Ansell, Jake & Frank Wharton., 1992. Risk: Analysis, Assessment, and Management, Jhon Wiley & Son Inc. Backus, David. K et.al ., Affine Term Structure Models and the Forward Premium Anomaly., The Journal of Finance., Vol. LVI No.1 February 2001.,279-304. Bansal.V.K, S W.Pruitt & K.C John Wei., An Empirical Reexamination of the Impact of CBOE Option Initiation on the Volatility and Trading Volume of the Underlying Equities : 1973-1986., The Financial Review 24.,1989. Beaver, William.H., George Parker., 1995. Risk Management : Problem & Solutions., McGraw-Hill., New York. Beninga, Simon.Z & Casper M.Oosterhof., Hedging With Forwards & Put in Complete and Incomplete Market., Journal of Banking & Finance. 28.,2004., 1-17. BES Newsletter., melalui Http://www.bes.co.id.html (11/7/03). Biro Pusat Statistik, 2003. “Economic Indicator,” Monthly Statictical Bulletin, Maret. Bouchaud,J.P & Potters.M.,2000., Theory of Financial Risk From Statistical Physics to Risk Management., Cambridge University Press Boyle, Glenn.W & Graeme A.Guthrie., Investment,Uncertainty, and Liquidity., The Journal of Finance.,Volume 58., issue 5., October 2003., page 2143. Brealey, Richard A. & Stewart C.Myers., 2000., Principle of Corporate Finance, Sixth Edition, Mc Graw-Hill, Boston. Bryant, Henry.L & Michael S.Haigh., Bid-Ask Spreads in Commodity Futures Markets., Paper.,2002., Departement of Agricultural and Resource Economic, The University of Maryland, College Park. Cambell, John.Y., et.al., Have Individual Stocks Become More Volatile ? An Empirical Exploration of Idiosyincratic Risk., Journal of Finance., Vol. LVI No.1 February 2001., 1-42. Cannesa, Enrique.,2003.,Multifractality in Time Series.,Pra Cetak arXIve:cond-mat/00417v1 Castiglione, Filippo., Diffusion and Aggregation in an Agent Based Model of Stock Market Fluctuations., International Journal of Modern Physics., Vol.11, No.5, 2000.,page 1-15. Cetin, Onur & Baydar, Cem., Agent Based Modelling for Optimal Trading Decision., Working Paper., February 2004, The University of Cambridge, UK. Chew, Donald.H. Jr (Edited), 2001., The New Corporate Finance : Where Theory Meets Practice, 3th Edition, Mc-Graw-Hill Co-Singapore. Chiang, David., Businessweek., June 14, 1999 Issue.



ISBN: 979-442-242-8


Conrad J., The Price Effect of Option Introduction., The Journal of Finance.,Volume 44., issue 2., April 1989., page 487-498. Coval,Joshua.D & Tyler Shumway., Expected Option Returns., The Journal of Finance.,Volume 56., issue 3., June 2001., page 983. Cox. C.C ., Futures Trading and Market Information., Journal of Political Economic 84., 1976 :1215-37. Cooley,Philip L., 1996., Advances in Business Financial Management: A Collection of Readings., Second Edition., The dryden Press,Florida. Cooper, Donald R. & Pamela S. Schindler., 2001., Business Research Methods, 7th Edition, Mc-Graw-Hill International Edition, Boston. Christoper Langton.,Agent Based Model., melalui based_model.

http://en. wikipedia. org/ wiki /Agent

Damodar Gujarati, 1996., Basic of Econometric, 4th Edition, Mc-Graw-Hill International Edition, Boston. Damodaran .A & J. Lim., The Effects of Option Listing on the Underlying Stocks Return Process., Journal of Banking and Finance, No.15, 1991., 647-64. Dorron Nissim & Amir Ziv., Devidend Changes and Future Profitability., The Journal of Finance.,Volume 56., issue 6., December 2001., page 2111. Durant, Michael., 1999., Economic Value Added : The Invisible Hand at Works.,Credit Research Foundation, Columbia. Easley, David., Soeren Hvidkjaer & Maureen O’Hara., Is Information Risk a Determinant of Asset Returns., The Journal of Finance.,Volume 57., issue 5., October 2002., page 2185. Echols Jhon M, Hasan Shadily.,1982., Kamus Inggris-Indonesia., Cornell University Press.,PT.Gramedia-Jakarta. Eduardus Tandelillin., “Determinant of Systematic Risk: The Experience of Some Indonesian Commond Stocks”, Kelola, 16, IV, 1997,hal. 101-115. Eduardus Tandelilin., 2001., Analisis Investasi dan Manajemen Portofolio, Edisi pertama PT.BPFE, Yogyakarta. Edwards, Franklin.R., Futures Trading and Cash Market Volatility: Stock Index and Interest Rate Futures., Journal of Futures Markets., Vol.8 No.4 1988., 421-439. Elton, Edwin.J., et al., 2003., Modern Portfolio Theory and Investment Analysis., Sixth Edition., Jhon Wiley & Son, Inc., New Jersey. Eraker, Bjorn., Michael Johannes & Nicholas Polson., The Impact of Jumps in Volatility and Returns., The Journal of Finance.,Volume 58., issue 3., June 2003., page 1269. Farid Harianto & Siswanto Sudomo.,1998., Perangkat dan Teknik Analisis di Pasar Modal Indonesia., PT Bursa Efek Jakarta. Farmer, J.Doyne & Lillo,F., 2003., On The Origin of Power-Law Tails In Price Fluctuations, Working Paper 03-09-052.Santa Fe Institute. Fedenia, Mark & Theocharry Grammatikos., Options Trading and the Bid-Ask Spreads of the



ISBN: 979-442-242-8


Underlying Stocks., Journal of Business No.65., July 1972., 335-351. Fleming, Jeff et.al., The Economic Value of Volatility Timing., The Journal of Finance., Vol. LVI No.1 February 2001, 329-352. Floros, Christons & Dimitrios V.Vougas., Hedging Effectiveness in Greek Stock Index Futures Market., Paper.,2001., Department of Economics, University of Portsmouth. Frans A. de Roon, Theo E.Nijman, and Chris Veld., Hedging Pressure Effects in Futures Markets., The Journal of Finance Vol.LV.No.8 June 2002. Francis, Jack. C., 1991. Investment : Analysis and Management, Fifth Edition.,McGrawHill,Inc., New York. Fraser, Malcom., Pawan V.Sharma., Joseph Tanega.,1998. Derivates : Optimal Risk Control., Pearson Education Limited. Gabaix,X.,Goplkirshnan,P., Plerou,V & Stanley, H.E ., A Theory of Power-Law Distributions in Financial Market Fluctuation., Nature. 423.,2003, 267 – 270. Gitman, Lawrence J., 2003., Principle of Managerial Finance., Tenth Edition, Addison Wesley-Pearson Education Inc, New Jersey. Grable, John & Yruth H.Lytton., Financial Risk Tolerance revisited: the development of a Risk Assesment Instrument., Financial Services Review No.8 ,1999., 163-181. Gray, Philip & Stephen F.Gray., A Framework for Valuing Derivative Securities., Journal Financial Markets, Institutions & Instrument, Vol.10 No.5 December 2001. Griffin,John.M & Michael L. Lemmon., Book-to-Market Equity,Distress Risk, and Stock Returns., The Journal of Finance.,Volume 57., issue 5., October 2002., page 2317. Hampton, John J, 1989. Financial Decision Making Concepts: Problem,Cases, Fourth Edition., Prentice-Hall International Inc. Hindy,Ayman., 1995., Element of Quantitative Risk Management., Mc Graw-Hill International Editions, Boston. Hull, John.C 2003, Options, Futures and Other Derivatives., Fifth Edition, Prentice-Hall Pearson Education., New Jersey. Ian Dunlop., Derivatives Securities., melalui Http://www.uwa.edu.au.html (20/1/04). Jarrow, Robert & Stuart Turnbull., 2002., Derivative Securities, Second Edition., SouthWestern College Publishing. Jennings, R.H., and L.T Stark., Earnings Announcement, Stock Price Adjustment and the Existence Options Markets., The Journal of Finance.,Volume 41., issue 1., February 1981., page 43-61. Jogiyanto Hartono., 1998., Teori Portofolio dan Analisis Investasi., Edisi Pertama, BPFE, Yogyakarta. Jones, Charles P., 1998., Investment: Analysis and Management., Sixth Edition., John Wiley Publishing. KPIE., melalui Http://www.kpie.co.id: mailto:[email protected]) : Levy, H. & Sarnat ,M., 1986. Capital Investment and Financial Decisions, Prentice-Hall. Lien, Donald & James Quirk ., Measuring the Benefits From Futures Markets : Conceptual



ISBN: 979-442-242-8


issues., Journal Business and Economics , Vol.1 No.1, 2002., 53-58. Kotler, Philip & Hermawan Kartajaya., 2000., Repositioning Asia : From Bubble to Sustainable Economic., Jhon-Wiley & Sons, (Asia) Singapore. Knopf, John.D., et.al., The Volatility and Price Sensitivities of Managerial Stock Option Portfolios and Corporate Hedging., The Journal of Finance.,Volume 57., issue 2., April 2002., page 801. Mantegna ,R.M & Stanley.H.E., 2000., An Introduction to Econophysics : Correlations and Complexity in Finance., Cambridge University Press. Markowitz, H.M., Portfolio Selection., The Journal of Finance.,Volume 7., issue 2., March 1952., page 77-91. McNamee, David, Risk Management http://www.mcconsulting.com.(15/2/04).

and

Risk

Assessment,

melalui

Michael L. Lemmon and Karl V.Lins., Ownership Structure, Corporate Governance, and Firm Value :Evidence from the East Asian Financial Crisis., The Journal of Finance.,Volume 58., issue 4., August 2003., page 1445. Mitchell,Mark & Todd Pulvino., Characteristics of Risk and Return in Risk Arbitrage., The Journal of Finance.,Volume 56., issue 6., December 2001., page 2135. Moriarity,E.J & P.A.Tosini., Futures Trading and Price Volatility of GNMA CertificatesFurther Evidence., Journal of Futures Markets.,Vol,5. 1985., page 633-641. M.Angeles de Frutos & Carolina Manzano., Risk Aversion, Transparency, and Market Performance., The Journal of Finance.,Volume 57., issue 2., April 2002., page 959. Mayhew, Stewart ., Competition, Market Structure, and Bid-Ask Spreads in Stock Option Markets., The Journal of Finance.,Volume 57., issue 2., April 2002., page 931. Maruyama, Geoffrey M., 1997. Basics of Structural Equation Modeling, London: Sage Publications. Mitchell,Waldrop .M., 1992, Complexity : The Emerging Science at the Edge of Order and Chaos.,Simon Schuster. Narayan Y. Naik & Pradeep K.Yadav., Risk Management with Derivatives by Dealers and Market Quality in Government Bond Markets., The Journal of Finance.,Volume 58., issue 5., October 2003., page 1873. Neal R., Potential and Actual Competition in Equity Options., The Journal of Finance.,Volume 42., issue 2., April 1987., page 511-532. Olsen, Richard B., Volatilities of Different Time Resolutions - Analyzing the Dynamics of Market Components., June 1997. Journal of Empirical Finance, Volume 4, No. 2-3, p. 213-240. Patrick De Fontnouvelle, Raymond P.H. Fishe & Jeffrey H.Harris., The Behavior of Bid-Ask Spreads and Volume in Options Markets during the Competition for Listing in 1999., The Journal of Finance.,Volume 58. Penning, Joost.M.E & Mattew T.G.Meulenberg.,1997., The Hedging Peformance in New Agricultural Futures Markets : A Notes., Journal Agribusiness , Vol.13 No.3., 295300.



ISBN: 979-442-242-8


Pearson, Neil.D., 2002., Risk Budgeting : portfolio Problem Solving With Value-at-Risk, New York: John Wiley & Sons, Inc Perdagangan Berjangka Indeks., melalui Http://e-bursa. com.id.html (11/7/03). Porter,M.E (1998).,The Competitive Advantage of Nation With a New Introduction., New-york, The Free Press. Poteshman, Allen.M., Underreaction, Overreaction, and Increasing Misreation to Information in the Options Market., The Journal of Finance.,Volume 56., issue 3., June 2001., page 851issue 6., December 2003., page 2437. Prasanna Chandra., 2002., Investment Analysis and Portfolio Management, Tata McGrawHill Publishing Company Limited.,New Delhi. Rajesh Chakrabarti., Just Another Day in the Inter-bank Foreign Exchange Market., Journal of Financial Economics No.56,2000., 29-64. Rajna Gibson dan Nicolas Mougeout., The Pricing of Systematic Liquidity Risk: Empirical Evidence From the US Stock Market., Journal of Banking &Finance, 28, 2004.,157178. Rescher, N. 1983., A Philosophical Introduction to the Theory of Risk Evaluation and Management, University Press of America. Rong Fan, Anurag Gupta & Peter Ritchken., Hedging in the Possible Presence of Unspanned Stochastic Volatility: Evidence from Swaption Markets., The Journal of Finance.,Volume 58., issue 5., October 2003., page 2219. Rowe, W.D., 1977., An Anatomy of Risk, John Wiley & Sons Inc. Roy Sembel & Teddy Fardiansyah.,2003., Sekuritas Derivatif : Madu atau Racun., Penerbit Salemba Empat, Jakarta Sallans, Brian et.al., “Simulation and Validation of an Integrated Markets Model”, Journal of Artifial Societies and Social Simulation Vol 6, No.4,2003., p.1-35. Scholes, M., & J. William., “Estimating Betas From Nonsynchronous Trading”, Journal of Financial Economic 5,1977., p. 309-327. Sekaran, Uma., 2000., Research Methods for Business, New York: John Wiley & Sons, Inc. Shiller, Robert J.,2000.,Irrational Exuberance., Princeton University Press, Princeton Skinner.D., Options Markets and Stock Return Volatility., Economics.,Volume 24., 1989., page 61-78.

Journal of Financial

Simmons,Robert., 2000., Performance Measurement &Control Implementing Strategy : text-cases, Prentice Hall Inc.

Systems

For

Smithson, Charles.W, 1998., Managing Financial Risk : Guide to Derivative Product, Financial Engineering, and Value Maximization, Mc Graw-Hill,. New York Smoluk,H.J., Excess Long real Rate Volatility., Journal of Multinational Financial Management., No.9,1999., 155-176. Stambaugh, Robert.F., Predictive Regressions., Journal of Financial Economics., 54, 1999., 375-421. Suad Husnan., 1996. Manajemen Portofolio, Edisi Kedua BPFE, Yogyakarta.



ISBN: 979-442-242-8


Srbljinovic, Armano & Skunca Ognjen., “An Introduction to Agent Based Modelling and Simulation of Social Processes”, Interdisciplinary Description of Complex Systems 1(1-2), 2003.,p. 1-8. Sri Yuliati Handaru et.al.,1996 ., Manajemen Portofolio dan Analisa Investasi., Yogyakarta Andi Offset. Takahashi, Hiroshi & Terano., “Agent Based Approach to Investors Behavior and Asset Price Fluctuation in Financial Market”, Journal of Artifial Societies and Social Simulation Vol 6, No.3,2004., p.1-23. Tarun Chordia, et.al., Commonality in Liquidity., Journal of Financial Economics No.56, 2000., 3-28. Testfatsion,Leigh., “Agent Based Computational Economics”, ISU Economic Working Paper, No.1 July 2002., URL:http://www.econ. Iastate.edu/tesfatsi/ Thayer Watkins.,Derivation of The Black Scholes Equation for Option Value., melalui http://Applet-magic.com Tompkins,Robert.G., 2001, Stock Index Futures Markets : Stochastic Volatility Models., Journal of Futures Markets, Vol.21 No.1.,2001, 43-78 Torben G. Andersen, et.al., Variance ratio Statistics High-Frequency Data: Testing for Changes in Intraday Volatility Patterns., Journal of Finance., Vol. LVI No.1 February,2001., 306-327. Tully,Shawn., The Real Key to Creating Wealth., Fortune, September 20,1993, 123-132. Yohanes Surya et.al ., 2004., Aplikasi Fisika Dalam Analisis Keuangan : Mekanika Statistika Interaksi Agen.,PT.BSD MIPA.,Jakarta. & Hokky Situngkir, 2003, “Statistical Facts of Artificial Stock Market”, Working Paper WPU2003 Bandung Fe Institute, URL:http:// www.bandungfe.net/hs. Yus Badudu & Muhammad Zain, 1994., Kamus Umum Bahasa Indonesia, Cetakan Pertama, Jakarta: Penerbit Sinar Harapan.


National Conference on Management Research 2008 ISBN: Makassar, 27 November 2008

Recommend Documents