Portofolio & Investasi Bab 7 - Efisiensi Pasar · KLASIFIKASI BENTUK PASAR YANG EFISIEN Fama (1970), mengklasifikasikan bentuk pasar yang e fisien ke dalam tiga efficient market hypothesis

http

://ww

w.d

ed

en

08

m.w

ord

pre

ss.c

om

OVERVIEW

�Konsepefisie

nsipasarmembahastentang

bagaim

anapasarmeresponinform

asiyang

mempengaruhipergerakanhargasekurita

s

menuju

kearahkeseim

banganbaru.

�Babini, m

emberik

anpemahamanyang le

bih

baik

mengenai:

�konseppasar m

odal y

ang efisie

n;

�bentuk-bentukpasarefisie

n;

�im

plik

asipasarefisie

n.

1/42

TOPIK PEMBAHASAN

�KonsepPasarModal E

fisien

�Hipotesis

PasarEfisie

n

�Pengujia

nterhadapHipotesis

Pasar E

fisien

�Pengujia

nPrediktabilita

sReturn

�StudiPeristiw

a(E

vent S

tudie

s)

�Pengujia

nPriv

ate

Info

rmatio

n

�Im

plik

asiPasar M

odal E

fisien

2/42

KONSEP PASAR MODAL EFISIEN

�Dalam

kontekskeuangan, k

onseppasar

yang efisie

nlebih

dite

kankanpadaaspek

inform

asi, a

rtinyapasaryang efisie

nadalahpasardim

anahargasemua

sekurita

syang diperdagangkantelah

mencerm

inkansemuainform

asiyang

terse

dia.

3/42

�Inform

asiyang te

rsedia

bisa

melip

utisemua

inform

asiyang te

rsedia

baik

inform

asidimasa

lalu

(misa

lkanlabaperusahaantahunlalu),

maupuninform

asisaatini(m

isalkanrencana

kenaikandividentahunini), se

rtainform

asi

yang bersifa

tsebagaipendapat/opinirasio

nal

yang beredardipasaryang bisa

mempengaruhi

perubahanharga.

KONSEP PASAR MODAL EFISIEN4

/42

�Konsepterse

butmenyira

tkanadanya

suatu

prosespenyesuaianhargasekurita

s

menuju

hargakeseim

banganyang baru,

sebagairesponatasinform

asibaru

yang

masukkepasar.

KONSEP PASAR MODAL EFISIEN5

/42

ILUSTRASI KONSEP PASAR YANG EFISIEN

�Jikapasarefisie

nmakainform

asiterse

butakandengancepat

tercerm

inpadahargasaham

yang baru.

�Akantetapi, jik

aprosespenyesuaianhargapasarsaham

terse

but

tidakberja

landenganefisie

nmakaakanada

lagdalam

proses

terse

butdanhaliniditu

njukkanolehgaris

putus-p

utus.

-2

Harga

(Rp)

Pasar tidak

efisien

1200

500

1500

1000

T (hari)

21

-10

Pasar

efisien

6/42

KONDISI UNTUK TERCAPAINYA

PASAR EFISIEN

1.

Adabanyakinvesto

r yang ra

sionaldanberusahauntuk

memaksim

alkanprofit.

2.

Investo

r merupakan

price

taker, se

hinggatin

dakandari

satu

investo

r saja

tidakakanmampumempengaruhi

hargadarisekurita

s.

3.

Semuapelakupasardapatmemperolehinform

asipada

saatyang sa

madengancara

yang m

urahdanmudah.

4.

Inform

asiyang te

rjadibersifa

tra

ndom.

5.

Investo

r bereaksisecara

cepatterhadapinform

asibaru,

sehinggahargasekurita

sakanberubahsesuaidengan

perubahannila

isebenarnyaakibatinform

asiterse

but.

7/42

HIPOTESIS PASAR EFISIEN

�Aspekpentin

gdalam

menila

iefisie

nsipasar

adalahseberapacepatsuatu

inform

asibaru

dise

rapolehpasaryang te

rcerm

indalam

penyesuaianmenuju

hargakeseim

banganyang

baru.

�Dalam

kenyataannyasulit

sekalidite

muibaik

itupasaryang benar-b

enarefisie

nataupun

benar-b

enartid

akefisie

n. P

adaumumnyapasar

akanefisie

ntetapipadatin

gkatterte

ntu

saja.

8/42

HIMPUNAN INFORMASI SAHAM

1.

Lingkaranperta

ma(1)

merepresentasik

aninform

asi

yang re

levanbagipenila

ian

saham

yang dapatdipelajari

denganmenganalisa

sejarah

hargapasarsaham.

2.

Lingkarankedua(2)

menyatakaninform

asiyang

terse

dia

padapublik

.

3.

Lingkaranketig

a(3)

menyatakanseluruhinform

asi

yang ju

gamelip

utiinform

asi

rahasia

orangdalam.

9/42

KLASIFIKASI BENTUK PASAR YANG

EFISIEN

�Fama (1

970), m

engklasifik

asik

an bentuk pasar y

ang efisie

n

ke dalam tig

a e

fficient m

ark

et h

ypoth

esis (E

MH), y

aitu

:

•Semuainform

asidimasa

lalu

(histo

ris) akantercerm

indalam

hargayang

terbentuksekarang.

1.Efisie

n dalam

bentuklemah

(weak fo

rm).

•Hargapasarsaham

yang te

rbentuk

sekarangtelahmencerm

inkan

inform

asihisto

risdita

mbahdengan

semuainform

asiyang dipublik

asik

an.

2.Efisie

n dalam

bentuk

setengahkuat

(semi stro

ng).

•Hargapasarsaham

yang te

rbentuk

sekarangtelahmencerm

inkaninform

asi

histo

risdita

mbahdansemuainform

asi

yang dipublik

asik

andita

mbahdengan

inform

asiyang tid

akdipublik

asik

an.

3.Efisie

n dalam

bentukkuat

(strong fo

rm).

10/42


�Padatahun1991, F

amamengemukakan

penyempurnaanatasklasifik

asiefisie

nsipasar.

�Efisie

nsibentuklemahdise

mpurnakanmenjadi

suatu

klasifik

asiyang le

bih

bersifa

tumum

untukmengujiprediktabilita

sre

turn

(retu

rn

pre

dicta

bility

).

11/42

�Efisie

nsibentuksetengahkuatdiubahmenjadi

studiperistiw

a(e

vent stu

die

s)

�Sedangkanpengujia

nefisie

nsipasardalam

bentukkuatdise

butsebagaipengujia

n

inform

asipriv

at(p

rivate

info

rmatio

n).


12/42

PENGUJIAN MENGGUNAKAN RETURN

HARAPAN

�Dalam

pasarefisie

n, h

argasekurita

s

seharusnyamerefle

ksik

aninform

asi

mengenairisik

odanharapanmengenai

return m

endatangnya. R

etu

rnyang

sepadandenganrisik

osaham

dise

but

retu

rnnorm

al (n

orm

al re

turn).

13/42

�Jikapasaradalahtid

akefisie

n, se

kurita

s-

sekurita

sakanmenghasilk

anreturn yang le

bih

besardibandingnorm

alnya, y

ang dise

butreturn

taknorm

al (e

xce

ss retu

rn).

�Dengandemikian, p

engujia

nefisie

nsipasar

padadasarnyaadalahpengujia

nreturn ta

k

norm

al.

PENGUJIAN MENGGUNAKAN RETURN

HARAPAN

14/42

1. M

EAN-ADJUSTED RETURNS

�Jikapasaradalahefisie

ndan

retu

rnsaham

bervaria

sisecara

random

disekita

rnila

isebenarnya(tru

e v

alu

e), m

akarata-

rata re

turn

sekurita

syang dihitu

ngdariperio

desebelumnya

dapatdigunakansebagaire

turn

harapan.

�Form

ulanyaadalahsebagaiberik

ut:

ARi,t= R

i,t–

Dalam

halini:

ARi,t

= re

turn

taknorm

al se

kurita

sipadaharit.

Ri,t

= re

turn

aktualsekurita

sipadaharit.

= ra

ta-ra

ta re

turn

sekurita

siselamasekianharisebelum

harit.

iR

iR

15/42

2. M

ARKET ADJUSTED RETURNS

�Salahsatu

teknik

untukmenghitu

ng

retu

rntak

norm

al a

dalahdenganmenghila

ngkanpengaruh

pasarterhadap

retu

rnharia

nsekurita

s.

�Retu

rntaknorm

al d

ihitu

ngdengan

mengurangkan

retu

rnpasarpadaharit (R

M,t )

dari

retu

rnsaham, se

perti

ditu

njukkanpada

persa

maanberik

ut:

ARi,t= R

i,t-RM,t

16/42

3. M

ARKET MODEL RETURNS

�Market m

odel d

igambarkandenganpersa

maan

berik

ut:

Ri= ααα α

1+ βββ β

i Rm+ e

i

Keterangan:

α1

= in

terse

pdalam

regresiuntuksekurita

si.

βI

= koefisie

nregresiyang m

enyatakan

slopegaris

regresi.

Inimengukurperubahanyang diharapkandalam

retu

rn

sekurita

ssehubungandenganperubahandalam

retu

rnpasar.

ei

= kekeliru

anregresi.

17/42

�Retu

rntaknorm

al h

aria

ndite

ntukan

denganmengurangkan

retu

rnrealisa

si

dari

retu

rnharapanpadaharit.

3. M

ARKET MODEL RETURNS

18/42

1. P

engujia

nhipotesis

pasarefisie

ndalam

bentuklemahbisa

diujidenganmelakukan

pengujia

nprediktabilita

sre

turn.

2. P

engujia

nhipotesis

pasarefisie

ndalam

bentuksetengahkuatbisa

dila

kukandengan

pengujia

nevent stu

die

s.

3. P

engujia

nhipotesis

pasarefisie

ndalam

bentukkuatbisa

dila

kukandenganpengujia

npriv

ate

info

rmatio

n.

PENGUJIAN TERHADAP


19/42

PENGUJIAN PREDIKTABILITAS

RETURN

�Pengujia

nprediktabilita

sre

turn

dapat

dila

kukandenganberbagaicara, a

ntara

lain

dengan:

1.M

empelajaripola

retu

rnse

aso

nal.

2.M

enggunakandata re

turn

dimasa

yang la

lu, b

aik

untukprediktabilita

sjangkapendekmaupun

jangkapanjang.

3.M

empelajarihubungan

retu

rndengankarakteristik

perusahaan.

20/42

20%

10%

0%

-10%

-20%

-30%

Senin

Selasa

Rabu

Kamis

Jumat

POLA RETURN SEKURITAS

�Sejumlahpenelitia

ntelahmenunjukkanadanya

suatu

pola

dalam

retu

rnsekurita

s.

�Polaharian

Gibbons d

anHess

(1981) m

enemukan

bahwa

retu

rnpada

hariSenin

akanlebih

rendahdibandingkan

denganharilain di

Bursa

Saham

New

York.

21/42

POLA RETURN SEKURITAS

�PolaBulanan

January

effe

ct, b

ahwapadabulanJanuari

terdapatre

turn

yang le

bih

tinggidibandingkan

denganbulan-bulanlainnyadaninibiasanya

terja

dipadasaham

yang nila

inyakecil(sm

all

stock

).

Padapasaryang efisie

n, p

ola

seasonal te

rsebut

seharusnyatid

akterja

di. In

vesto

r yang m

elih

at

adanya

retu

rnyang tin

ggidibulanJanuariakan

mulaimelakukanpembelia

ndiakhirbulan

Desemberuntukmendapatkan

retu

rntaknorm

al.

22/42

MEMPREDIKSI RETURN DARI DATA

RETURN DI W

AKTU LALU

�PrediksiJangkaPendek

Pengujia

nprediksijangkapendekbiasanya

dila

kukanuntukmengetahuiapakah

retu

rn

padaperio

desebelumnya(biasanyasehariatau

beberapaharisebelumnya) d

apatdigunakan

untukmemprediksi

retu

rnhariini.

�Beberapacara

pengujia

nyang dapatdila

kukan:

Ujikorelasi, ru

n te

st, filter te

stdankekuatan

relatif

sekurita

s.

23/42

MEMPREDIKSI RETURN DARI DATA RETURN

DI W

AKTU LALU (JANGKA PENDEK)

1.UjiKorelasi

Ujikorelasiadalahpengujia

nhubunganlin

ier

antara

return hariinidenganreturn diwaktu

lalu. S

emakin

tinggikorelasiantara

return

masa

lalu

denganreturn sa

atini, b

erarti

semakin

tinggikemampuanreturn m

asa

lau

terse

butuntukmemprediksireturn m

asa

depan.

24/42

Secara m

atematis, b

entuk persa

maannya bisa

ditu

lis sebagai b

erik

ut:

Dalam hal in

i:

a =

tingkat re

turn yang diharapkan yang tid

ak

berhubungan dengan re

turn se

belumnya

b =

besarnya hubungan antara re

turn di w

aktu yang

lalu

dengan re

turn hari in

i

t-T

1-t

te

r b

ar

++

=


DI W


25/42


DI W


2.Run te

st

Padaanalisis

run in

i, perubahanhargadita

ndai

dengan(+) b

ilaterja

dikenaikanharga, (-) b

ila

terja

dipenurunandan0 bila

tidakterja

di

perubahan.

Urutantandayang sa

madiantara

tandayang

berbedadise

butdengan

run. M

isalnya

perubahanhargasebuahsekurita

sadalah+ ---

-+ + + 0. D

alam

contohterse

but, te

rdapat

empatru

n.

26/42

Bila

perubahan harga se

kurita

s mempunyai

hubungan atau korelasi y

ang positip

dari w

aktu

ke waktu, m

aka diharapkan akan te

rjadi se

dikit

perubahan ru

n. S

edangkan, jik

a te

rdapat k

orelasi

negatif, m

aka akan banyak perubahan ru

nyang

terja

di.


DI W


27/42


DI W


3.

Filte

r test

Pola

retu

rnyang le

bih

kompleksbisa

juga

menghasilk

an

retu

rntaknorm

al.

Teknik

analisis

filter ru

le biasanyadila

kukandengan

membandingkan

retu

rnyang didapatjik

amelakukan

strategiperdaganganaktif

terte

ntu

dengan

retu

rn

yang didapatjik

ainvesto

r melakukanstra

tegibeli

dansim

pan(b

uy a

nd h

old

strate

gy).

Stra

tegiperdaganganiniakanmenunjukkankapan

investo

r sebaiknyamelakukanpembelia

ndankapan

investo

r sebaiknyamenjualsekurita

sterse

butatau

serin

gjugadise

butdengan

timin

g stra

tegy.

28/42


DI W


4.

Relativ

e stre

ngth

Salahsatu

cara

yang banyakdikenaluntuk

mengkombinasik

aninform

asihargasekurita

sdimasa

lalu

untukmemilih

saham, a

dalahdengancara

yang

dise

butsebagaikekuatanrelatif

(rela

tive stre

ngth).

Levy (1

967), y

aitu

denganmembandingkanharga

suatu

saham

saatini( ) d

enganhargarata-ra

ta

saham

terse

butselamabeberapaperio

de( ).

Maka

rela

tive stre

ngth

saham

terse

butadalahsebesar

/

jtP

jtP

jtP

jtP

29/42


DI W

AKTU LALU (JANGKA PANJANG)

�FamadanFrench (1

988) se

rtaPoterbadanSummers

(1988) te

lahmeneliti

korelasi

retu

rndenganjangka

waktu

pengujia

nyang re

latif

lebih

lama.

�FamadanFrench m

elakukanpengujia

ndengan

menggunakandata perio

de1926-1985, d

anmenemukan

bahwaterdapatkorelasisebesar–0,25 untukjangka

waktu

tigatahundankorelasisebesar–0,40 untuk

jangkawaktu

empattahun.

�Akantetapi, h

asil

inibanyakdira

gukankarenaadanya

kelemahandalam

statistik

dansetelahtahun1940

korelasiterse

butsangatkecildantid

aksig

nifik

an.

30/42

HUBUNGAN RETURN DAN

KARAKTERISTIK PERUSAHAAN

�Telahbanyakpenelitia

nyang m

enemukan

adanyahubunganantara

karakteristik

perusahaandenganreturn ta

knorm

al.

�Beberapakarakteristik

terse

butantara

lain

ukuran(siz

e), n

ilaipasardibagidengannila

i

buku(m

ark

et to

book v

alu

e), d

andividen

dibagidenganhargasaham

(earn

ing p

rice).

31/42

HUBUNGAN RETURN DAN


�Size Effe

ct

Banz( 1

981), m

enunjukkanbuktiempiris

palin

g

awalmengenaiadanya

size e

ffect, y

aitu

adanyakecenderungansaham-sa

ham

perusahaankecilyang m

empunyaireturn yang

lebih

tinggidibandingsaham-sa

ham

perusahaan

besar.

32/42

�Nilaipasardibagidengannilaibuku(m

arket to

book)

Penelitia

nmenemukanbahwaadaperbedaan

retu

rn

antara

saham

yang m

empunyaim

ark

et to

book v

alu

e

yang tin

ggidibandingsaham

yang m

empunyaim

ark

et

to b

ook v

alu

e re

ndah.

Saham-sa

ham

yang m

empunyaim

ark

et to

bookyang

tinggiakancederungmempunyaitin

gkatre

turn

yang

lebih

besardibandingkandengansaham-sa

ham

yang

mempunyaim

ark

et to

bookyang re

ndah.

HUBUNGAN RETURN DAN


33/42

�Earn

ing pric

e

Basu

(1977) m

elakukanpenelitia

nmengenai

hubunganantara

rasio

earn

ing/price

(E/P)

dengantin

gkatre

turn

taknorm

al y

ang

diperolehdenganmenggunakanCAPM.

HUBUNGAN RETURN DAN


34/42

�Hasil

studiBasu

ditu

njukkansecara

sederhana

padagambarberik

ut:

HUBUNGAN RETURN DAN


Rata-rata

return ta

hunan

20%

15%

10%

5%

(P/E ting

gi)

A B

C D

E(P/E rendah)

35/42

STUDI PERISTIWA (EVENT STUDIES)

�Penelitia

nyang m

engamatidampakdari

pengumumaninform

asiterhadapharga

sekurita

sserin

gdise

butdengan

event stu

die

s.

�Penelitia

nevent stu

die

sumumnyaberkaita

n

denganseberapacepatsuatu

inform

asiyang

masukkepasardapattercerm

inpadaharga

saham.

36/42

METODOLOGI STUDI PERISTIWA (1)

1.Mengumpulkansampel.

Berupaperusahan-perusahaan yang m

empunyai

pengumuman yang m

engejutkan pasar (e

vent).

2.Mengidentifik

asi h

ari p

engumuman atau event.

3.Menentukanperiodeanalisis.

Perio

de analisis d

ibagi m

enjadi d

ua yaitu

:

i.perio

de estim

asi u

ntuk m

enghitu

ng re

turn yang

diharapkan E(R

i )

ii.perio

de pengamatan (je

ndela) u

ntuk m

enghitu

ng re

turn

aktual d

an re

turn ta

k norm

al.

37/42


4.Menghitungreturnaktualmasing-masing

sampelsetiaphariselamaperiode

pengamatan.

5.Menghitungreturntaknormal.

Dihitu

ngdenganmengurangire

turn

aktual

yang se

benarnyaterja

didengan

retu

rnyang

diharapkan.

6.Menghitungrata-rata re

turntaknormal

semuasampelsetiaphari.

38/42

7.Terkadangreturn taknormal harian

terse

butdigabungkanuntuk

menghitungreturn taknormal

kumulatif

selamaperiodeterte

ntu.

8.Menghitungreturn aktualmasing-

masingsampelsetiaphariselama

periodepengamatan.


39/42

PENGUJIAN PRIVATE INFORMATION

�Pengujia

npriv

ate

info

rmatio

n m

elip

uti

pengujia

napakahpihak

insid

erperusahaan

dankelompokinvesto

r terte

ntu

yang dianggap

mempunyaiaksesinform

asilebih

baik, d

apat

memperoleh

retu

rntaknorm

al d

ibandingkan

dengan

retu

rnpasarumumnya.

40/42

�Pihak-pihakyang dise

butin

sider a

dalah

dire

ktur, m

anajer, k

aryawanataupemegang

saham

yang dianggapbisa

mendapatkan

inform

asiyang se

sungguhnyamengenai

perusahaanyang tid

akdapatdila

kukanoleh

pihaklainnya.

�Pihak

insid

erumumnyadiharuskanmelaporkan

kegiatanperdagangannyakepadasuatu

komisi

yang bertin

daksebagaipengawasbursa

.

PENGUJIAN PRIVATE INFORMATION

41/42

�Belum

semuakaum

praktisi

pasarmodal b

isa

menerim

akonsepmengenaipasaryang efisie

nini.

•Investo

r yang percaya

bahwapasardalam

kondisi

yang tid

ak

efisie

nakan

menerapkanstra

tegi

perdaganganaktif

(menggunakananalisis

teknikalmaupun

fundamental).

•Sedangkanbagiinvesto

r yang percayapasar

dalam

kondisi

efisie

n,

akancenderung

menerapkanstra

tegi

perdaganganpasif,

denganmembentuk

porto

folio

yang bisa

mereplik

asiindeks

pasar.

IMPLIKASI PASAR MODEL EFISIEN42/42

Portofolio & Investasi Bab 7 - Efisiensi Pasar · KLASIFIKASI BENTUK PASAR YANG EFISIEN Fama (1970), mengklasifikasikan bentuk pasar yang e fisien ke dalam tiga efficient market hypothesis

Documents