Analisis Risiko Pada Return Saham Perusahaan Asuransi Menggunakan Metode VaR dengan Pendekatan ARMA-GARCH
DOI:
https://doi.org/10.20956/jmsk.v16i1.6197Keywords:
ARMA-GARCH, saham, value at riskAbstract
Pasar modal Indonesia merupakan salah satu negara tujuan investasi bagi investor di negara-negara maju (developed markets) yang dikenal sebagai emerging market. Perkembangan kondisi perekonomian di Indonesia sendiri dianggap baik bagi para investor untuk menanamkan dana. Saham sektor keuangan menjadi salah satu sektor yang ikut berkembang di sepanjang tahun ini. Tiga dari tujuh saham yang menunjukkan bertumbuh dengan baik adalah PT Asuransi Multi Artha Guna Tbk (AMAG), PT Paninvest Tbk (PNIN), dan PT Lippo General Insurance Tbk (LPGI). Terdapat dua hal penting yaitu tingkat pengembalian atau imbal hasil (return) dan risiko. Komponen lain yang tidak kalah penting adalah volatilitas return saham. Berdasarkan penjelasan diatas, maka dilakukan penelitian untuk menganalisis return saham dan volatilitas ketiga saham. Salah satu metode yang digunakan dalam mengestimasi risiko saham adalah metode VaR (Value at Risk). Untuk mengatasi volatilitas dapat menggunakan ARMA dan GARCH. Dihasilkan bahwa tiga saham perusahaan memberikan nilai rata-rata return yang positif sehingga memberikan keuntungan bagi investor. Saham perusahaan LPGI memiliki potensi risiko yang paling tinggi karena nilai standar deviasi yang tinggi. Model terbaik untuk return saham AMAG adalah ARMA ([7],[7]) dan model GARCH (1,2). Pada return saham LPGI model terbaik adalah ARMA ([2],[2]) dan GARCH (1,1). Return saham PNIN diperoleh model terbaik ARMA (0,[3]) dan GARCH (1,2). Pada pemodelan Parsimony didapatkan model ARMA (1,0) GARCH (1,1) untuk return saham perusahaan AMAG, ARMA (0,1) GARCH (1,1) untuk return saham perusahaan LPGI dan ARMA (1,1) GARCH (1,1) untuk return saham perusahaan PNIN. Pada perhitungan VaR didapatkan investor akan mengalami kerugian maksimum sebesar Rp 47.089.529,- bila menanamkan modal sebesar Rp 1.000.000.000,- di perusahaan AMAG, berlaku pula pada perusahaan LPGI, investor akan mengalami kerugian sebesar Rp 60.018.734,- dan Rp 39.196.540,- di perusahaan PNIN dengan tingkat keyakinan 95%.Downloads
References
Chandra, R. (2010). Analisis Pemilihan Saham oleh Investor Asing di Bursa Efek Indonesia. Bisnis&Birokrasi, Jurnal Ilmu Administrasi dan Organisasi, 101.
Simorangkir, E. (2016, October 03). Detik Finance [On-Line] Dikutip 15 Maret 2017. Retrieved from Detik.com: m.detik.com/finance
Almawadi, I. (2017, Maret 31). Di Tengah Dominasi Perbankan, Saham Asuransi Ini Sudah Naik Lebih Dari 100% [On-Line] 2 Juni 2017. Retrieved from Bareksa: www.bareksa.com.
Nastiti, K. L. (2012). Analisis Volatilitas Saham Perusahaan Go Public dengan Metode ARCH-GARCH. Jurnal Sains dan Seni ITS, 259.
Wei, W. W. (2006). Time Series Analysis: Univariate and Multivariate Methods, Second Edition. New York: Pearson.
Gujarati, D. N. (2004). Basic Econometrics, Fourth Edition. The Mcgraw: Hill Companies.
Cryer, J. D., & Chan, K. S. (2008). Time Series Analysis with Applications in R. Second Edition. New York: Springer.
Bowerman, B. L., & O'Connell, R. T. (1993). Forecasting and Time Series: An Applied Approach, edition. Belmont. California: Duxbury Press.
Daniel, W. W. (1989). Statistik Nonparametrik Terapan. Jakarta: PT. Gramedia
Manganelli, S., & Engle, R. F. (2001). Value at Risk Models in Finance. Working Paper no 75 Wuropean Central Bank (ECB) Germany.
Downloads
Published
How to Cite
Issue
Section
License
This work is licensed under a Creative Commons Attribution 4.0 International License.
Jurnal Matematika, Statistika dan Komputasi is an Open Access journal, all articles are distributed under the terms of the Creative Commons Attribution License, allowing third parties to copy and redistribute the material in any medium or format, transform, and build upon the material, provided the original work is properly cited and states its license. This license allows authors and readers to use all articles, data sets, graphics and appendices in data mining applications, search engines, web sites, blogs and other platforms by providing appropriate reference.