1 / 43

OVERVIEW

OVERVIEW. 1/42. Konsep efisiensi pasar membahas tentang bagaimana pasar merespon informasi yang mempengaruhi pergerakan harga sekuritas menuju ke arah keseimbangan baru . Bab ini , memberikan pemahaman yang lebih baik mengenai : konsep pasar modal yang efisien ;

deo
Download Presentation

OVERVIEW

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. OVERVIEW 1/42 • Konsepefisiensipasarmembahastentangbagaimanapasarmeresponinformasi yang mempengaruhipergerakanhargasekuritasmenujukearahkeseimbanganbaru. • Babini, memberikanpemahaman yang lebihbaikmengenai: • konsep pasar modal yang efisien; • bentuk-bentukpasarefisien; • implikasipasarefisien.

  2. TOPIK PEMBAHASAN 2/42 • KonsepPasar Modal Efisien • HipotesisPasarEfisien • PengujianterhadapHipotesis Pasar Efisien • PengujianPrediktabilitas Return • StudiPeristiwa(Event Studies) • PengujianPrivate Information • Implikasi Pasar Modal Efisien

  3. KONSEP PASAR MODAL EFISIEN 3/42 • Dalamkontekskeuangan, konseppasar yang efisienlebihditekankanpadaaspekinformasi, artinyapasar yang efisienadalahpasardimanahargasemuasekuritas yang diperdagangkantelahmencerminkansemuainformasi yang tersedia.

  4. KONSEP PASAR MODAL EFISIEN 4/42 • Informasi yang tersediabisameliputisemuainformasi yang tersediabaikinformasidimasalalu (misalkanlabaperusahaantahunlalu), maupuninformasisaatini (misalkanrencanakenaikandividentahunini), sertainformasi yang bersifatsebagaipendapat/opinirasional yang beredardipasar yang bisamempengaruhiperubahanharga.

  5. KONSEP PASAR MODAL EFISIEN 5/42 • Konseptersebutmenyiratkanadanyasuatuprosespenyesuaianhargasekuritasmenujuhargakeseimbangan yang baru, sebagairesponatasinformasibaru yang masukkepasar.

  6. Harga (Rp) 1500 Pasar efisien 1200 Pasar tidak efisien 1000 -2 500 -1 0 1 2 T (hari) ILUSTRASI KONSEP PASAR YANG EFISIEN 6/42 • Jikapasarefisienmakainformasitersebutakandengancepattercerminpadahargasaham yang baru. • Akantetapi, jikaprosespenyesuaianhargapasarsahamtersebuttidakberjalandenganefisienmakaakanadalagdalamprosestersebutdanhaliniditunjukkanolehgarisputus-putus.

  7. KONDISI UNTUK TERCAPAINYA PASAR EFISIEN 7/42 • Adabanyak investor yang rasionaldanberusahauntukmemaksimalkan profit. • Investor merupakanprice taker, sehinggatindakandarisatu investor sajatidakakanmampumempengaruhihargadarisekuritas. • Semuapelakupasardapatmemperolehinformasipadasaat yang samadengancara yang murahdanmudah. • Informasi yang terjadibersifatrandom. • Investor bereaksisecaracepatterhadapinformasibaru, sehinggahargasekuritasakanberubahsesuaidenganperubahannilaisebenarnyaakibatinformasitersebut.

  8. HIPOTESIS PASAR EFISIEN 8/42 • Aspekpentingdalammenilaiefisiensipasaradalahseberapacepatsuatuinformasibarudiserapolehpasar yang tercermindalampenyesuaianmenujuhargakeseimbangan yang baru. • Dalamkenyataannyasulitsekaliditemuibaikitupasar yang benar-benarefisienataupunbenar-benartidakefisien. Padaumumnyapasarakanefisientetapipadatingkattertentusaja.

  9. (3) Seluruh informasi yang tersedia termasuk informasi dalam atau privat (2) Seluruhinformasipublik (1) Informasidalamhargasahamdimasalalu HIMPUNAN INFORMASI SAHAM 9/42 • Lingkaranpertama (1) merepresentasikaninformasi yang relevanbagipenilaiansaham yang dapatdipelajaridenganmenganalisasejarahhargapasarsaham. • Lingkarankedua (2) menyatakaninformasi yang tersediapadapublik. • Lingkaranketiga (3) menyatakanseluruhinformasi yang jugameliputiinformasirahasiaorangdalam.

  10. KLASIFIKASI BENTUK PASAR YANG EFISIEN 10/42 • Fama (1970), mengklasifikasikan bentuk pasar yang efisien ke dalam tiga efficient market hypothesis (EMH), yaitu:

  11. HIPOTESIS PASAR EFISIEN 11/42 • Padatahun 1991, Famamengemukakanpenyempurnaanatasklasifikasiefisiensipasar. • Efisiensibentuklemahdisempurnakanmenjadisuatuklasifikasi yang lebihbersifatumumuntukmengujiprediktabilitasreturn (return predictability).

  12. HIPOTESIS PASAR EFISIEN 12/42 • Efisiensibentuksetengahkuatdiubahmenjadistudiperistiwa (event studies) • Sedangkanpengujianefisiensipasardalambentukkuatdisebutsebagaipengujianinformasiprivat (private information).

  13. PENGUJIAN MENGGUNAKAN RETURN HARAPAN 13/42 • Dalampasarefisien, hargasekuritasseharusnyamerefleksikaninformasimengenairisikodanharapanmengenai return mendatangnya. Return yang sepadandenganrisikosahamdisebutreturn normal (normal return).

  14. PENGUJIAN MENGGUNAKAN RETURN HARAPAN 14/42 • Jikapasaradalahtidakefisien, sekuritas-sekuritasakanmenghasilkan return yang lebihbesardibandingnormalnya, yang disebut return tak normal (excess return). • Dengandemikian, pengujianefisiensipasarpadadasarnyaadalahpengujian return tak normal.

  15. 1. MEAN-ADJUSTED RETURNS 15/42 • Jikapasaradalahefisiendanreturnsahambervariasisecararandomdisekitarnilaisebenarnya (true value), maka rata-rata returnsekuritas yang dihitungdariperiodesebelumnyadapatdigunakansebagaireturnharapan. • Formulanyaadalahsebagaiberikut: ARi,t = Ri,t – Dalamhalini: ARi,t = returntak normal sekuritasipadahari t. Ri,t = returnaktualsekuritasipadahari t. = rata-rata returnsekuritasiselamasekianharisebelumhari t.

  16. 2. MARKET ADJUSTED RETURNS 16/42 • Salahsatuteknikuntukmenghitungreturntak normal adalahdenganmenghilangkanpengaruhpasarterhadapreturnhariansekuritas. • Returntak normal dihitungdenganmengurangkanreturnpasarpadahari t (RM,t) darireturnsaham, sepertiditunjukkanpadapersamaanberikut: ARi,t = Ri,t - RM,t

  17. 3. MARKET MODEL RETURNS 17/42 • Market model digambarkandenganpersamaanberikut: Ri = 1 + iRm + ei Keterangan: 1 = intersepdalamregresiuntuksekuritasi. I = koefisienregresi yang menyatakanslopegarisregresi. Inimengukurperubahan yang diharapkandalamreturnsekuritassehubungandenganperubahandalamreturnpasar. ei = kekeliruanregresi.

  18. 3. MARKET MODEL RETURNS 18/42 • Returntak normal harianditentukandenganmengurangkanreturnrealisasidarireturnharapanpadahari t.

  19. PENGUJIAN TERHADAP HIPOTESIS PASAR EFISIEN 19/42

  20. PENGUJIAN PREDIKTABILITAS RETURN 20/42 • Pengujianprediktabilitasreturndapatdilakukandenganberbagaicara, antara lain dengan: • Mempelajaripolareturnseasonal. • Menggunakan data returndimasa yang lalu, baikuntukprediktabilitasjangkapendekmaupunjangkapanjang. • Mempelajarihubunganreturndengankarakteristikperusahaan.

  21. POLA RETURN SEKURITAS 21/42 • Sejumlahpenelitiantelahmenunjukkanadanyasuatupoladalamreturnsekuritas. • Polaharian Gibbons dan Hess (1981) menemukanbahwareturnpadahariSeninakanlebihrendahdibandingkandenganhari lain di Bursa Saham New York. 20% 10% 0% -10% -20% -30% Senin Selasa Rabu Kamis Jumat

  22. POLA RETURN SEKURITAS 22/42 • PolaBulanan January effect, bahwapadabulanJanuariterdapatreturn yang lebihtinggidibandingkandenganbulan-bulanlainnyadaninibiasanyaterjadipadasaham yang nilainyakecil (small stock). Padapasar yang efisien, pola seasonal tersebutseharusnyatidakterjadi. Investor yang melihatadanyareturn yang tinggidibulanJanuariakanmulaimelakukanpembeliandiakhirbulanDesemberuntukmendapatkanreturntak normal.

  23. MEMPREDIKSI RETURN DARI DATA RETURN DI WAKTU LALU 23/42 • PrediksiJangkaPendek Pengujianprediksijangkapendekbiasanyadilakukanuntukmengetahuiapakahreturnpadaperiodesebelumnya (biasanyasehariataubeberapaharisebelumnya) dapatdigunakanuntukmemprediksireturnhariini. • Beberapacarapengujian yang dapatdilakukan: Ujikorelasi, run test, filter testdankekuatanrelatifsekuritas.

  24. MEMPREDIKSI RETURN DARI DATA RETURN DI WAKTU LALU (JANGKA PENDEK) 24/42 • UjiKorelasi Ujikorelasiadalahpengujianhubungan linier antara return hariinidengan return diwaktulalu. Semakintinggikorelasiantara return masalaludengan return saatini, berartisemakintinggikemampuan return masalautersebutuntukmemprediksi return masadepan.

  25. MEMPREDIKSI RETURN DARI DATA RETURN DI WAKTU LALU (JANGKA PENDEK) 25/42 Secara matematis, bentuk persamaannya bisa ditulis sebagai berikut: Dalam hal ini: a = tingkat return yang diharapkan yang tidak berhubungan dengan return sebelumnya b = besarnya hubungan antara return di waktu yang lalu dengan return hari ini

  26. MEMPREDIKSI RETURN DARI DATA RETURN DI WAKTU LALU (JANGKA PENDEK) 26/42 • Run test Padaanalisisrun ini, perubahanhargaditandaidengan (+) bilaterjadikenaikanharga, (-) bilaterjadipenurunandan 0 bilatidakterjadiperubahan. Urutantanda yang samadiantaratanda yang berbedadisebutdenganrun. Misalnyaperubahanhargasebuahsekuritasadalah + - - - - + + + 0. Dalamcontohtersebut, terdapatempatrun.

  27. MEMPREDIKSI RETURN DARI DATA RETURN DI WAKTU LALU (JANGKA PENDEK) 27/42 Bila perubahan harga sekuritas mempunyai hubungan atau korelasi yang positip dari waktu ke waktu, maka diharapkan akan terjadi sedikit perubahan run. Sedangkan, jika terdapat korelasi negatif, maka akan banyak perubahan run yang terjadi.

  28. MEMPREDIKSI RETURN DARI DATA RETURN DI WAKTU LALU (JANGKA PENDEK) 28/42 • Filter test Polareturn yang lebihkompleksbisajugamenghasilkanreturntak normal. Teknikanalisisfilter rule biasanyadilakukandenganmembandingkanreturn yang didapatjikamelakukanstrategiperdaganganaktiftertentudenganreturn yang didapatjika investor melakukanstrategibelidansimpan (buy and hold strategy). Strategiperdaganganiniakanmenunjukkankapan investor sebaiknyamelakukanpembeliandankapan investor sebaiknyamenjualsekuritastersebutatauseringjugadisebutdengantiming strategy.

  29. MEMPREDIKSI RETURN DARI DATA RETURN DI WAKTU LALU (JANGKA PENDEK) 29/42 • Relative strength Salahsatucara yang banyakdikenaluntukmengkombinasikaninformasihargasekuritasdimasalaluuntukmemilihsaham, adalahdengancara yang disebutsebagaikekuatanrelatif (relative strength). Levy (1967), yaitudenganmembandingkanhargasuatusahamsaatini ( ) denganharga rata-rata sahamtersebutselamabeberapaperiode ( ). Makarelative strengthsahamtersebutadalahsebesar /

  30. MEMPREDIKSI RETURN DARI DATA RETURN DI WAKTU LALU (JANGKA PANJANG) 30/42 • Famadan French (1988) sertaPoterbadan Summers (1988) telahmenelitikorelasireturndenganjangkawaktupengujian yang relatiflebih lama. • Famadan French melakukanpengujiandenganmenggunakan data periode 1926-1985, danmenemukanbahwaterdapatkorelasisebesar –0,25 untukjangkawaktutigatahundankorelasisebesar –0,40 untukjangkawaktuempattahun. • Akantetapi, hasilinibanyakdiragukankarenaadanyakelemahandalamstatistikdansetelahtahun 1940 korelasitersebutsangatkecildantidaksignifikan.

  31. HUBUNGAN RETURN DAN KARAKTERISTIK PERUSAHAAN 31/42 • Telahbanyakpenelitian yang menemukanadanyahubunganantarakarakteristikperusahaandengan return tak normal. • Beberapakarakteristiktersebutantara lain ukuran (size), nilaipasardibagidengannilaibuku (market tobook value), dandividendibagidenganhargasaham (earning price).

  32. HUBUNGAN RETURN DANKARAKTERISTIK PERUSAHAAN 32/42 • Size Effect Banz ( 1981), menunjukkanbuktiempiris paling awalmengenaiadanyasize effect, yaituadanyakecenderungansaham-sahamperusahaankecil yang mempunyai return yang lebihtinggidibandingsaham-sahamperusahaanbesar.

  33. HUBUNGAN RETURN DANKARAKTERISTIK PERUSAHAAN 33/42 • Nilaipasardibagidengannilaibuku (market to book) Penelitianmenemukanbahwaadaperbedaanreturnantarasaham yang mempunyaimarket to book value yang tinggidibandingsaham yang mempunyaimarket to book value rendah. Saham-saham yang mempunyaimarket to book yang tinggiakancederungmempunyaitingkatreturn yang lebihbesardibandingkandengansaham-saham yang mempunyaimarket to book yang rendah.

  34. HUBUNGAN RETURN DANKARAKTERISTIK PERUSAHAAN 34/42 • Earning price Basu (1977) melakukanpenelitianmengenaihubunganantararasioearning/price (E/P) dengantingkatreturntak normal yang diperolehdenganmenggunakan CAPM.

  35. Rata-rata return tahunan 20% 15% 10% 5% (P/E tinggi) A B C D E (P/E rendah) HUBUNGAN RETURN DAN KARAKTERISTIK PERUSAHAAN 35/42 • HasilstudiBasuditunjukkansecarasederhanapadagambarberikut:

  36. STUDI PERISTIWA (EVENT STUDIES) 36/42 • Penelitian yang mengamatidampakdaripengumumaninformasiterhadaphargasekuritasseringdisebutdenganevent studies. • Penelitianevent studiesumumnyaberkaitandenganseberapacepatsuatuinformasi yang masukkepasardapattercerminpadahargasaham.

  37. METODOLOGI STUDI PERISTIWA (1) 37/42 • Mengumpulkansampel. Berupaperusahan-perusahaan yang mempunyai pengumuman yang mengejutkan pasar (event). • Mengidentifikasi hari pengumuman atau event. • Menentukanperiodeanalisis. Periode analisis dibagi menjadi dua yaitu: • periode estimasi untuk menghitung return yang diharapkan E(Ri) • periode pengamatan (jendela) untuk menghitung return aktual dan return tak normal.

  38. METODOLOGI STUDI PERISTIWA (2) 38/42 • Menghitungreturnaktualmasing-masingsampelsetiaphariselamaperiodepengamatan. • Menghitungreturntak normal. Dihitungdenganmengurangireturnaktual yang sebenarnyaterjadidenganreturn yang diharapkan. • Menghitung rata-rata returntak normal semuasampelsetiaphari.

  39. METODOLOGI STUDI PERISTIWA (2) 39/42 • Terkadang return tak normal hariantersebutdigabungkanuntukmenghitung return tak normal kumulatifselamaperiodetertentu. • Menghitung return aktualmasing-masingsampelsetiaphariselamaperiodepengamatan.

  40. PENGUJIAN PRIVATE INFORMATION 40/42 • Pengujianprivate information meliputipengujianapakahpihakinsiderperusahaandankelompok investor tertentu yang dianggapmempunyaiaksesinformasilebihbaik, dapatmemperolehreturntak normal dibandingkandenganreturnpasarumumnya.

  41. PENGUJIAN PRIVATE INFORMATION 41/42 • Pihak-pihak yang disebutinsider adalahdirektur, manajer, karyawanataupemegangsaham yang dianggapbisamendapatkaninformasi yang sesungguhnyamengenaiperusahaan yang tidakdapatdilakukanolehpihaklainnya. • Pihakinsiderumumnyadiharuskanmelaporkankegiatanperdagangannyakepadasuatukomisi yang bertindaksebagaipengawas bursa.

  42. IMPLIKASI PASAR MODEL EFISIEN 42/42 • Belumsemuakaumpraktisipasar modal bisamenerimakonsepmengenaipasar yang efisienini.

More Related