pengujian carhart four factor model pada saham-saham

of 26/26
Pengujian Carhart Four Factor Model Pada Saham-Saham Perusahaan Yang Terdaftar Di Bursa Efek Indonesia Periode 2005-2015 Aprisya Falahearlya dan Galih Pandekar Faculty of Economic and Business, University Indonesia, Depok 16424, Indonesia E-mail: [email protected] Abstrak Penelitian ini bertujuan untuk mengetahui pengaruh faktor pasar (market), ukuran (size), nilai (value), dan momentum pada Carhart Four Factor Model terhadap excess return portofolio menggunakan metode value weighted dan equally weighted, mengetahui kemampuan Carhart Four Factor Model dalam menjelaskan variasi rata-rata imbal hasil (the variation of average return) pada Bursa Efek Indonesia, dan mengetahui pengaruh variabel momentum di Bursa Efek Indonesia. Dengan menggunakan metode value weighted, hanya faktor pasar (market) dan faktor nilai (value) yang memiliki pengaruh signifikan terhadap excess return portofolio. Dengan menggunakan metode equally weighted, hanya faktor pasar (market), faktor ukuran (size), dan faktor nilai (value) yang memiliki pengaruh signifikan terhadap excess return portofolio. Carhart Four Factor Model mampu menjelaskan variasi rata-rata imbal hasil (the variation of average return) pada Bursa Efek Indonesia bila menggunakan metode equally weighted. Variabel momentum tidak berpengaruh secara signifikan di Bursa Efek Indonesia. Kata kunci: Carhart Four Factor Model; equally weighted; momentum; value weighted A Test of Carhart Four Factor Model on Stocks of Companies Listed at the Indonesia Stock Exchange 2005-2015 Abstract This research aims to determine the effect of market factor, size factor, value factor, and momentum factor on Carhart Four Factor Model towards portfolio excess return using value weighted and equally weighted method, to determine the power of Carhart Four Factor Model to capture the variation of average return at the Indonesia Stock Exchange, and to determine the effect of momentum variable at the Indonesia Stock Exchange. Using value weighted method, only market factor and value factor which have a significant effect towards portfolio excess return. Using equally weighted method, only market factor, size factor, and value factor which have a significant effect towards portfolio excess return. Carhart Four Factor Model is able to capture the variation of average return at the Indonesia Stock Exchange when using equally weighted method. Momentum variable does not have a significant effect at the Indonesia Stock Exchange. Keywords: Carhart Four Factor Model; equally weighted; momentum; value weighted Pengujian Carhart ..., Aprisya Falahearlya, FEB UI, 2016

Post on 27-Oct-2021

2 views

Category:

Documents

0 download

Embed Size (px)

TRANSCRIPT

Microsoft Word - aprisya_falahearlya-skripsi-fakultas_ekonomi-naskah_ringkas-2016.docxAprisya Falahearlya dan Galih Pandekar
Faculty of Economic and Business, University Indonesia, Depok 16424, Indonesia
E-mail: [email protected]
Penelitian ini bertujuan untuk mengetahui pengaruh faktor pasar (market), ukuran (size), nilai (value), dan
momentum pada Carhart Four Factor Model terhadap excess return portofolio menggunakan metode value
weighted dan equally weighted, mengetahui kemampuan Carhart Four Factor Model dalam menjelaskan variasi
rata-rata imbal hasil (the variation of average return) pada Bursa Efek Indonesia, dan mengetahui pengaruh
variabel momentum di Bursa Efek Indonesia. Dengan menggunakan metode value weighted, hanya faktor pasar
(market) dan faktor nilai (value) yang memiliki pengaruh signifikan terhadap excess return portofolio. Dengan
menggunakan metode equally weighted, hanya faktor pasar (market), faktor ukuran (size), dan faktor nilai
(value) yang memiliki pengaruh signifikan terhadap excess return portofolio. Carhart Four Factor Model
mampu menjelaskan variasi rata-rata imbal hasil (the variation of average return) pada Bursa Efek Indonesia
bila menggunakan metode equally weighted. Variabel momentum tidak berpengaruh secara signifikan di Bursa
Efek Indonesia.
Kata kunci: Carhart Four Factor Model; equally weighted; momentum; value weighted
A Test of Carhart Four Factor Model on Stocks of Companies Listed at the Indonesia Stock Exchange 2005-2015
Abstract
This research aims to determine the effect of market factor, size factor, value factor, and momentum factor on
Carhart Four Factor Model towards portfolio excess return using value weighted and equally weighted method,
to determine the power of Carhart Four Factor Model to capture the variation of average return at the Indonesia
Stock Exchange, and to determine the effect of momentum variable at the Indonesia Stock Exchange. Using
value weighted method, only market factor and value factor which have a significant effect towards portfolio
excess return. Using equally weighted method, only market factor, size factor, and value factor which have a
significant effect towards portfolio excess return. Carhart Four Factor Model is able to capture the variation of
average return at the Indonesia Stock Exchange when using equally weighted method. Momentum variable does
not have a significant effect at the Indonesia Stock Exchange.
Keywords: Carhart Four Factor Model; equally weighted; momentum; value weighted
Pengujian Carhart ..., Aprisya Falahearlya, FEB UI, 2016
Pendahuluan
Seorang investor saham atau sekuritas lainnya akan memanfaatkan informasi terkait
prospek arus kas dari aset tersebut ke depannya untuk menjadi pertimbangan dalam memilih
aset investasi serta dalam merancang strategi investasi. Informasi yang dimaksud dapat
berupa informasi terkait kemampuan membayar dividen, nilai aset di pasar, kinerja
perusahaan, dan informasi lainnya yang mampu mencerminkan kualitas suatu aset agar
investor dapat memutuskan seberapa berharga aset tersebut untuk diinvestasikan. Informasi
tersebut dapat diperoleh dari internal perusahaan maupun dari eksternal perusahaan.
Dalam membuat keputusan investasi, investor juga dipengaruhi oleh faktor psikologi
kognitif sehingga sering berperilaku berlebihan dalam menyikapi suatu informasi. Investor
mudah terguncang psikologisnya dan bereaksi atas apa yang didengar hingga mampu
memengaruhi keseluruhan pasar saham. Investor mampu bereaksi berlebihan saat
memperoleh informasi yang tidak terduga (diharapkan atau tidak diharapkan) yang dapat
mempengaruhi harga (kenaikan atau penurunan) melebihi nilai aktual, sehingga
mencerminkan tingkat efisiensi pasar saham (De Bondt dan Thaller, 1985). Salah satu
penelitian penting dalam sejarah ekonomi terkait konsep efisiensi pasar adalah efficient
capital market yang dipublikasikan oleh Eugene F. Fama pada tahun 1970.
Efisiensi pada teori efficient capital market didefinisikan sebagai kecepatan dan
kelengkapan pasar modal dalam menggabungkan informasi yang relevan ke dalam harga
sekuritas. Pada pasar yang efisien, harga sekuritas sudah mencerminkan seluruh informasi
publik yang tersedia terkait produk suatu perusahaan, keuntungan, kualitas manajemen dan
prospek di masa depan, serta informasi baru yang penting terkait perusahaan yang tersedia
bagi publik (umum). Apabila terdapat data baru, harga akan berubah untuk melakukan
penyesuaian agar mencerminkan secara utuh (fully reflect) dampak dari data baru
(Megginson, 1997).
Fama (1970) membagi Efficient Market Hypothesis (hipotesis efisiensi pasar) menjadi
tiga kategori, yaitu bentuk lemah (weak form), setengah kuat (semi-strong form), dan
kuat (strong form). Pada pasar efisien bentuk lemah (weak form efficient market),
diasumsikan bahwa harga sekuritas telah menggabungkan semua informasi historis yang
relevan. Pada pasar efisien bentuk setengah kuat (semi-strong form efficient market), harga
sekuritas telah mencerminkan seluruh informasi relevan yang tersedia bagi publik (umum).
Pada pasar efisien bentuk kuat (strong form efficient market), diasumsikan bahwa harga
Pengujian Carhart ..., Aprisya Falahearlya, FEB UI, 2016
sekuritas telah menggabungkan atau mencerminkan semua informasi relevan, baik informasi
yang bersifat publik (umum) maupun informasi yang bersifat privat (khusus) yang akses
terhadapnya terbatas dan beberapa kali disalahgunakan untuk meraih keuntungan abnormal
tanpa menghiraukan dampaknya secara keseluruhan (Megginson, 1997).
Berdasarkan konsep pasar efisien, dikembangkan suatu model asset pricing oleh
Harry Markowitz (1952) yang kemudian dikenal sebagai Portofolio Markowitz (non-
equilibrium model, belum terdapat keseimbangan antara supply dan demand sehingga masih
ada kecenderungan harga untuk berubah). Teori ini mengasumsikan bahwa imbal hasil
(return) terdistribusi normal dengan memberikan kombinasi portofolio yang memiliki
expected return maksimum dan risiko minimum yang dilihat dari varians. Akan tetapi,
menurut Markowitz (1999) bahwa teorinya gagal untuk memperlihatkan bahwa standar
deviasi sesungguhnya merupakan pengukuran risiko yang lebih bermakna. Selain itu, teorinya
juga tidak memperhitungkan bagian risiko yang tidak dapat didiversifikasi.
Berawal dari ketidaksempurnaan Teori Portofolio Markowitz, maka dikembangkan
model asset pricing baru yakni Capital Asset Pricing Model (CAPM) oleh Sharpe (1964)
yang menambahkan faktor beta sebagai risiko yang tidak dapat didiversifikasi. Model ini
mampu merincikan berapa tambahan imbal hasil (extra return) yang investor harapkan dari
menanggung tingkat risiko tertentu. Akan tetapi, model CAPM banyak dipertanyakan
keakuratannya secara empiris oleh berbagai peneliti sebab belum mampu mengakomodasi
kemunculan berbagai anomali yang merupakan penyimpangan atas Efficient Market
Hypothesis yang secara teoritis dapat dieksploitasi oleh para investor untuk memperoleh
abnormal return. Oleh sebab itu, dikembangkan kembali model asset pricing yang mampu
mengakomodasi dua anomali yang terbukti berpengaruh, yakni size effect dan Book to Market
Equity effect. Model tersebut adalah Fama Frech Three Factor Model oleh Fama and French
(1992,1993) yang menambahkan faktor Small Minus Big (SMB) dan High Minus Low (HML)
ke dalam model CAPM. Pada penelitian lanjutannya, Fama and French (1996)
memperlihatkan bahwa hampir semua anomali yang diketahui signifikan secara empiris
dalam mempengaruhi expected return telah diakomodasi secara efektif dalam Fama French
Three Factor Model buatannya, namun hanya satu anomali dari Jegadeesh and Titman (1993)
yang belum mampu diakomodasi. Anomali tersebut adalah short-term momentum strategy.
Bermula dari keterbatasan Fama French Three Factor Model dalam mengakomodasi
satu-satunya anomali yang belum tertangkap, maka dikembangkan model asset pricing baru,
Pengujian Carhart ..., Aprisya Falahearlya, FEB UI, 2016
yakni Carhart Four Factor Model. Model ini dikembangkan oleh Carhart pada tahun 1997
dengan memasukkan faktor momentum (Winners Minus Losers) sebagai representasi dari
anomali berupa short-term momentum strategy yang sebelumnya telah diteliti oleh Jegadeesh
and Titman (1993). Menurut Carhart (1997) bahwa dengan memasukkan faktor momentum
(WML) yang dilihat dari imbal hasil (return) lag satu tahun, modelnya secara nyata mampu
mengurangi average pricing error dari Capital Asset Pricing Model (CAPM) dan Fama
French Three Factor Model.
Sesungguhnya telah dikembangkan kembali model asset pricing yang lebih baru oleh
Fama and French (2015) yakni Fama French Five Factor Model. Akan tetapi bila
dibandingkan dengan model ini, Carhart Four Factor Model memiliki keunggulan yakni
lebih sesuai untuk diaplikasikan pada reksa dana atau portofolio saham individu sedangkan
Fama French Five Factor Model lebih sesuai untuk diaplikasikan pada saham individu.
Reksa dana di Indonesia banyak diinvestasikan oleh para investor pemula, sedangkan
portofolio saham sedang menjadi fokus pemerintah Indonesia untuk ditingkatkan utilisasinya
mengingat 65% kepemilikan saham di Indonesia masih dikuasai oleh asing (Otoritas Jasa
Keuangan, 2015).
Melihat berbagai kondisi di atas, maka peneliti tertarik untuk melakukan pengujian
Carhart Four Factor Model pada saham-saham perusahaan yang terdaftar di Bursa Efek
Indonesia periode 2005-2015 dengan menggunakan dua metode, yakni metode value weighted
yang membobotkan terhadap nilai kapitalisasi pasar dan metode equally weighted yang hanya
membobotkan pada jumlah total imbal hasil (return) seluruh saham yang ada dalam suatu
portofolio. Penggunaan dua metode ini bertujuan untuk melakukan robustnest check sekaligus
untuk mendapatkan hasil yang lebih komprehensif sebab dalam rangka melengkapi
kekurangan dan kelebihan masing-masing metode.
Penelitian ini bertujuan untuk menjawab permasalahan yakni hendak menyelidiki
apakah faktor risiko selain beta pasar yakni faktor ukuran (SmallMinusBig), faktor nilai
(HighMinusLow), serta faktor momentum (WinnersMinusLosers) yang ada pada Carhart
Four Factor Model juga memiliki peran dalam menjelaskan variasi rata-rata imbal hasil
(average returns) di Bursa Efek Indonesia dengan menggunakan metode value weighted dan
equally weighted. Selain itu, penelitian ini juga bertujuan untuk mengetahui apakah Carhart
Four Factor Model mampu menjelaskan variasi rata-rata imbal hasil (the variation of average
Pengujian Carhart ..., Aprisya Falahearlya, FEB UI, 2016
return) pada Bursa Efek Indonesia dan apakah variabel momentum berpengaruh di Bursa
Efek Indonesia.
Tinjauan Teoritis
Teori Portofolio Markowitz
Model portofolio dasar telah dikembangkan oleh Harry Markowitz (1952, 1959) yang
berasal dari tingkat pengembalian yang diharapkan (expected rate of return) dan risiko yang
diharapkan untuk suatu portofolio aset. Markowitz memperlihatkan bahwa varians dari
tingkat pengembalian (rate of return) merupakan pengukuran risiko portofolio yang penting
dengan sejumlah asumsi yang beralasan.
Aset tunggal atau portofolio dianggap efisien jika tidak ada aset atau portofolio lain
yang menawarkan imbal hasil yang diharapkan (expected return) lebih tinggi dengan risiko
yang sama atau lebih rendah, atau sebaliknya, risiko yang lebih rendah dengan imbal hasil
yang diharapkan (expected return) sama atau lebih tinggi.
Berikut merupakan beberapa rumus terkait suatu portofolio:
Expected return portfolio = E (Rport) = ωi  Ri! !!! (1)
Portfolio standard deviation = !!!!! + !"  !"  !"#  !"! !!!
dengan: ωi                                                            = bobot aset individu dalam portofolio
Ri atau Rj = tingkat imbal hasil (rate of return) aset i atau j
!! = varians tingkat pengembalian (rates of return) aset i
Covij = kovarians antara tingkat pengembalian (rates of return) untuk
aset i dan j
Capital Asset Pricing Model (CAPM)
Capital Asset Pricing Model (CAPM) dikembangkan secara formal oleh Sharpe (1964)
bersama dengan Lintner (1965) Mossin (1966) dan Black (1972). Capital Asset Pricing
Model (CAPM) mengembangkan teori pasar modal dengan membuat investor dapat
mengevaluasi risk-return tradeoff untuk portofolio yang terdiversifikasi dan untuk sekuritas
Pengujian Carhart ..., Aprisya Falahearlya, FEB UI, 2016
tunggal (disebut sebagai equilibrium model). CAPM membawa pada pernyataan bahwa imbal
hasil yang diharapkan (expected return) dapat diuraikan menjadi tingkat bunga bebas risiko
(risk-free rate) dan expected risk premium. Hal tersebut dapat tergambar dalam rumus berikut:
E (Ri) = RFR + !"  [! !" − !"!] (3)
dengan: E(Ri)                                              = imbal hasil saham individual i yang diharapkan (expected
return)
 !"                                                       =  tingkat risiko aset relatif terhadap pasar
     ! !"                                    =  imbal hasil portofolio pasar yang diharapkan (market portfolio
return)
Fama French Three Factor Model
Termotivasi oleh pertumbuhan bukti empiris atas variabel anomali yang ada maka
Fama and French (1993) membuat suatu studi yang memeriksa joint roles dari beta pasar dan
beberapa variabel spesifik perusahaan dalam rata-rata imbal hasil (average returns) pada
saham-saham di Amerika Serikat. Mereka menemukan bahwa Book-to-Market dan ukuran
(size) memiliki peran dominan dalam menjelaskan rata-rata imbal hasil (average returns).
Pada akhirnya dari sekian banyak model yang mengandung faktor empiris, yang paling
terkemuka adalah Fama and French (1993). Fama French mengusulkan three-factor model
yang mengandung faktor pasar, SMB, dan HML:
(Rp – Rf) = ap + bp (Rm – Rf) + sp (SMB) + hp (HML) + !" (4)
dengan: Rp = imbal hasil portofolio pada periode t
Rf = tingkat bunga bebas risiko (risk-free rate)
(Rp – Rf) = excess return portfolio
Rm = imbal hasil portofolio pasar (market portfolio return)
(Rm – Rf) = market risk premium
Pengujian Carhart ..., Aprisya Falahearlya, FEB UI, 2016
SMB = imbal hasil (return) portofolio saham berukuran kecil dan besar
HML = imbal hasil (return) portofolio saham bernilai tinggi dan rendah
ap = intersep
!"                          = random error terms
Carhart Four Factor Model
Berangkat dari tujuan untuk menangkap anomali momentum lag 1 tahun yang
dikemukakan oleh Jegadeesh and Titman (1993), Carhart (1997) membangun sebuah faktor
risiko yang berhubungan dengan efek momentum (WML) dan mengusulkan four factor model
dengan menambahkan faktor risiko ini ke dalam Fama French Three Factor Model. Faktor
keempat Carhart didasarkan pada keinginan memegang saham winners serta menjual saham
losers atas dasar keuntungan dari satu tahun sebelumnya. Untuk mereplikasikan faktor
momentum tersebut, WML didefinisikan sebagai selisih antara imbal hasil (return) portofolio
saham winners dengan imbal hasil (return) portofolio saham losers. Carhart menemukan
bahwa dibandingkan dengan Fama French Three Factor Model, modelnya mampu
mengurangi average pricing error atas suatu portofolio yang diurutkan berdasarkan lag imbal
hasil (return) selama 1 tahun.
Berikut merupakan rumus yang digunakan dalam Carhart Four Factor Model:
(Rp – Rf) = ap + bp (Rm – Rf) + sp (SMB) + hp (HML) + wp (WML) + !"
(5)
Rf = tingkat bunga bebas risiko (risk-free rate)
(Rp – Rf) = excess return portfolio
Rm = imbal hasil portofolio pasar (market portfolio return)
(Rm – Rf) = market risk premium
SMB = imbal hasil (return) portofolio saham ukuran kecil dan besar
HML = imbal hasil (return) portofolio saham nilai tinggi dan rendah
Pengujian Carhart ..., Aprisya Falahearlya, FEB UI, 2016
WML = imbal hasil (return) portofolio saham winners dan losers
ap = intersep
!"                                  = random error terms
Penelitian ini akan menguji Carhart Four Factor Model pada saham-saham
perusahaan yang terdaftar di Bursa Efek Indonesia periode 2005-2015. Pengujian yang
dilakukan menggunakan metode dan cara perhitungan Fama and French (1993), Carhart
(1997), dan Lam et al. (2010). Saham-saham perusahaan yang terdaftar di Bursa Efek
Indonesia periode 2005-2015 akan dibentuk menjadi portofolio saham setiap tahunnya di
bulan Juli tahun berjalan dan akan di hold sampai bulan Juni 1 tahun setelahnya sehingga
portofolio baru, akan dibentuk kembali pada setiap bulan Juli 1 tahun setelahnya.
Pembentukan portofolio ditujukan untuk membentuk empat faktor yang ada pada
Carhart Four Factor Model, yakni faktor pasar (market), faktor ukuran (size), faktor nilai
(value), dan faktor momentum. Kemudian akan dihitung rata-rata imbal hasil setiap portofolio
pada setiap faktor menggunakan metode value weighted dan equally weighted dan akan
dilakukan regresi untuk mengetahui bagaimana pengaruh keempat faktor terhadap excess
return 25 portofolio persinggungan antara faktor ukuran (size) dengan faktor nilai (value)
serta terhadap 25 portofolio persinggungan antara faktor ukuran (size) dengan faktor
momentum. Hasil regresi akan digunakan pula untuk menjawab apakah Carhart Four Factor
Model mampu menjelaskan variasi rata-rata imbal hasil (the variation of average return) pada
Bursa Efek Indonesia. Periode formasi portofolio dan observasi penelitian dilakukan selama
10 tahun yakni periode 2005-2015. Bursa Efek Indonesia dipilih sebagai objek penelitian
Metode Pengumpulan Data
Penelitian ini menggunakan data sekunder sebab data tidak diperoleh langsung dari
sumber utama melainkan sudah tersedia dan dipublikasikan pada masyarakat luas. Data
sekunder tersebut diperoleh dari Datastream Thomson Reuters yang diakses melalui Pusat
Pengujian Carhart ..., Aprisya Falahearlya, FEB UI, 2016
Data Ekonomi dan Bisnis di Fakultas Ekonomi dan Bisnis, Universitas Indonesia - Depok.
Data yang diambil meliputi data: Harga saham (adjusted closing price); Tingkat suku bunga
bebas risiko (suku bunga Sertifikat Bank Indonesia); Indeks Harga Saham Gabungan (market
index); Jumlah saham biasa yang beredar (common share outstanding); Nilai buku ekuitas
(book value of equity). Data-data yang dikumpulkan diambil dalam bentuk bulanan dan
disesuaikan dengan periode penelitian yang dimulai dari tahun 2005 sampai dengan tahun
2015, tepatnya dimulai dari bulan Juli 2005 hingga bulan Juni 2015 mengacu pada penelitian
Fama and French (1993).
portofolio dengan tingkat bunga bebas risiko (risk-free rate). Tingkat bunga bebas risiko
(risk-free rate) menggunakan proksi bunga Sertifikat Bank Indonesia (SBI) 90 hari. Imbal
hasil pasar (market return) menggunakan indeks pasar modal Indonesia yakni Indeks Harga
Saham Gabungan (IHSG) sebagai proksinya. Berbagai jenis data lainnya yang terkait dengan
spesifik fundamental perusahaan adalah faktor ukuran (size) yang menggunakan proksi nilai
kapitalisasi pasar (market capitalization) dilihat dari hasil perkalian antara harga pasar saham
dengan jumlah saham biasa yang beredar, faktor nilai (value) yang menggunakan proksi rasio
book-to-market equity dilihat dari hasil pembagian antara nilai buku (book value) atas ekuitas
perusahaan terhadap nilai kapitalisasi pasar (market capitalization), dan faktor momentum
yang menggunakan proksi imbal hasil (return) historis lag 1 tahun dilihat dari return t-11
bulan.
Pemilihan sampel pada penelitian ini menggunakan teknik purposive sampling yakni
pengambilan sampel dari suatu populasi berdasarkan kriteria tertentu yang harus dipenuhi
sesuai dengan kebutuhan penelitian. Beberapa kriteria yang digunakan dalam pemilihan
sampel penelitian ini adalah: Data saham merupakan data seluruh saham perusahaan yang
terdaftar sebagai emiten di Bursa Efek Indonesia selama tahun 2005 sampai dengan tahun
2015; Data merupakan data yang bersumber dari perusahan non-keuangan (data saham-saham
perusahaan yang tidak berada pada kelompok industri keuangan) (Fama and French, 1993);
Data saham yang tidak memiliki catatan perdagangan untuk lebih dari tiga bulan berturut-
turut selama periode pembentukan portofolio maka seluruh catatan perdagangan saham
selama 12 bulan periode tersebut tidak dimasukkan ke dalam observasi (Lam et al.,2010);
Tersedia data harga saham, jumlah saham biasa yang beredar, serta rasio book-to-market
Pengujian Carhart ..., Aprisya Falahearlya, FEB UI, 2016
equity pada bulan Desember 1 tahun sebelumnya dan bulan Juni tahun berjalan (Fama and
French, 1993); Data saham perusahaan yang memiliki nilai rasio book-to-market equity yang
bernilai negatif tidak dimasukkan ke dalam observasi (Fama and French, 1993).
Model Penelitian
Penelitian ini menggunakan model asset pricing yang dikemukakan oleh Carhart
(1997), yakni Four Factor Model. Model tersebut dinotasikan seperti ini:
(Rp – Rf) = ap + bp (Rm – Rf) + sp (SMB) + hp (HML) + wp (WML) + !" (6)
Variabel dependen dalam model tersebut adalah excess return portofolio (Rp – Rf). ap adalah
intersep dengan asumsi variabel lain ceteris paribus. bp, sp, hp, wp merupakan koefisien dari
masing-masing variabel independen. Variabel independen dari model tersebut terdiri dari (Rm
– Rf) yang merupakan faktor pasar (market) yakni market excess return, SMB (Small Minus
Big) dalam hal ukuran, HML (High Minus Low) dalam hal rasio Book-to-Market equity, dan
WML (Winner Minus Loser) dalam hal imbal hasil (return) historis. Terakhir, !" merupakan
random error terms.
Proses Pembentukan Portofolio
Pengumpulan seluruh data yang dibutuhkan antara lain: harga saham (adjusted closing price),
tingkat suku bunga bebas risiko (bunga Sertifikat Bank Indonesia 90 hari), Indeks Harga
Saham Gabungan (market index), jumlah saham biasa yang beredar (common share
outstanding), serta nilai buku ekuitas (book value of equity).
Menghitung nilai untuk variabel (Rm-Rf), SMB, HML, dan WML menggunakan
proksi masing-masing untuk seluruh sampel yang digunakan pada periode penelitan.
Setiap tahun pada bulan Juni seluruh saham pada sampel diurutkan berdasarkan nilai
kapitalisasi pasar (market capitalization) dan dibagi menjadi dua kelompok yakni 50%
kelompok small dan 50% kelompok big dengan median sebagai pembatasnya.
Setiap tahun seluruh saham pada sampel diurutkan berdasarkan nilai rasio Book-to-Market
equity tanggal 31 Desember tahun sebelumnya dan dikelompokan menjadi 3 yakni 30% high,
40% medium, dan 30% low.
Membentuk enam value weighted portofolio yang merupakan persinggungan antara faktor
ukuran (size) dan nilai (value). Kemudian dihitung rata-rata sederhana dari imbal hasil
(return) variabel SMB dan HML masing-masing menggunakan rumus (3.7) dan (3.9), yakni
Pengujian Carhart ..., Aprisya Falahearlya, FEB UI, 2016
selisih rata-rata imbal hasil (return) portofolio small (SH, SM, SL) dengan portofolio big
(BH, BM, BL) serta portofolio high (SH, SL) dengan portofolio low (BH, BL). Imbal hasil
(return) equally weighted setiap bulan selama periode penelitian juga dihitung.
Setiap tahun di bulan Juni, seluruh saham pada sampel diurutkan berdasarkan
kinerja periode sebelumnya yang dilihat dari imbal hasil (return) 11 bulan sebelumnya.
Kemudian dibagi menjadi tiga kelompok, yakni 30% winner, 40% neutral, dan 30% loser.
Membentuk enam value weighted portofolio yang merupakan persinggungan
antara faktor ukuran (size) dan momentum. Kemudian dihitung rata-rata sederhana dari imbal
hasil (return) variabel WML menggunakan rumus (3.10), yakni selisih rata-rata imbal hasil
(return) portofolio winner (SW, BW) dengan portofolio loser (SL, BL). Imbal hasil equally
weighted setiap bulan selama periode penelitian juga dihitung.
Membentuk 25 portofolio size-B/M dan 25 portofolio size-momentum yang di dalamnya
terdiri dari faktor 5 x 5, artinya setiap portofolio dibagi ke dalam lima kelompok mulai dari
nilai terkecil hingga terbesar. Kemudian dihitung excess return untuk masing-masing
portofolio dari 2 x 25 portofolio yang dibentuk.
Melakukan time series regression untuk keempat faktor terhadap 2 x 25 portofolio
tersebut menggunakan rumus persamaan Carhart Four Factor Model (3.1).
Melakukan uji t-statistic untuk kemudian mengambil kesimpulan dengan didukung
hasil interpretasi dari probabilitas koefisien hasil regresi yang dibandingkan dengan tingkat
signifikansi yang digunakan, yakni 5% dan 10% (Lam et al., 2010).
Metode Analisis Penelitian
Penelitian ini menggunakan metode regresi linear berganda (multiple regression
model) untuk menguji pengaruh keempat faktor pada Carhart Four Factor Model terhadap
excess return portofolio saham. Terlebih dahulu dilakukan uji asumsi klasik menggunakan
program Eviews agar model memenuhi asumsi klasik OLS (Ordinary Least Square) sehingga
dapat dilakukan analisis regresi pada data time series.
Asumsi klasik OLS (Ordinary Least Square) yang harus dipenuhi antara lain adalah
(Gujarati, 2003):
Homoskedastis atau varians error pada setiap observasi konstan.
Tidak ada autokorelasi atau hubungan antara error pada satu observasi dengan error pada
observasi lainnya.
Pengujian Carhart ..., Aprisya Falahearlya, FEB UI, 2016
Setiap variabel bebas bersifat independen atau tidak ada hubungan linier antara satu dengan
lainnya (no perfect multicolineaarity).
Apabila asumsi regresi linear klasik di atas telah dipenuhi, maka estimator least square
yang memiliki varians minimum dikatakan estimator yang tidak bias. Hal ini
mengindikasikan bahwa model telah memenuhi properti OLS (Ordinary Least Square), yakni
Best Linear Unbiased Estimator (BLUE). Sebuah estimator dikatakan BLUE apabila
memenuhi (Gujarati, 2003):
Best: varians minimum, yakni parameter dari sebuah persamaan regresi yang memiliki nilai
varians residual terkecil. Parameter seperti ini dikenal sebagai parameter yang efisien.
Linear: berbentuk linier, artinya persamaan regresi yang dibentuk adalah linier seperti yang
telah dijelaskan sebelumnya.
Unbiased: tidak bias, artinya rata-rata nilai yang diharapkan sama dengan nilai sebenarnya
(aktualnya).
Hasil Penelitian
Low 2 3 4 High Low 2 3 4 High Low 2 3 4 High
Small 0.0229 0.0024 -0.0056 -0.0049 -0.0058 1.4094 0.3431 -2.1934 -5.0420 -12.4857 0.1614 0.7321 0.0303** 0.0000** 0.0000** 2 -0.0053 -0.0086 -0.0059 -0.0060 -0.0060 -2.1405 -2.7800 -9.8316 -13.1188 -7.4014 0.0344** 0.0064** 0.0000** 0.0000** 0.0000** 3 -0.0056 -0.0048 -0.0059 -0.0069 -0.0065 -7.3634 -2.2767 -6.8543 -6.4710 -7.8798 0.0000** 0.0247** 0.0000** 0.0000** 0.0000** 4 -0.0070 -0.0069 -0.0055 -0.0049 0.0049 -11.3841 -15.1673 -9.7248 -3.8372 0.6813 0.0000** 0.0000** 0.0000** 0.0002** 0.4970
Big -0.0069 -0.0068 -0.0029 -0.0067 -0.0056 -53.4475 -36.8965 -1.0978 -0.5333 -0.5754 0.0000** 0.0000** 0.2746 0.5948 0.5661
Small 0.1283 0.1996 0.0420 0.0509 0.0374 1.2405 2.5925 0.8450 2.6516 8.3788 0.2173 0.0108** 0.3999 0.0091** 0.0000** 2 0.2002 0.1528 0.0560 0.0521 0.0896 1.5852 2.4887 4.8677 7.4795 5.5976 0.1157 0.0143** 0.0000** 0.0000** 0.0000** 3 0.0472 0.0488 0.0993 0.0831 0.0904 4.9672 2.3455 5.7736 6.0084 8.3289 0.0000** 0.0207** 0.0000** 0.0000** 0.0000** 4 0.0747 0.0531 0.0767 0.1026 0.1937 8.2468 6.2209 7.4734 3.8217 1.5946 0.0000** 0.0000** 0.0000** 0.0002** 0.1136
Big 0.0369 0.0641 0.2606 1.1351 0.7654 23.2039 15.3617 6.2199 4.7788 3.7542 0.0000** 0.0000** 0.0000** 0.0000** 0.0003**
Small 9.5726 31.8976 2.5662 2.2516 0.9682 1.4833 1.1777 1.1173 1.6689 2.0188 0.1407 0.2413 0.2662 0.0979* 0.0458** 2 2.6918 9.2016 1.0387 0.8812 3.8917 1.2963 1.5999 1.4866 1.5762 1.4652 0.1975 0.1124 0.1398 0.1177 0.1456 3 0.7660 1.6722 7.7656 2.3880 2.8728 0.9546 1.4074 2.0137 1.9919 3.9985 0.3418 0.1620 0.0464** 0.0488** 0.0001** 4 0.9760 0.7595 0.4680 1.3343 2.4302 1.7968 1.3654 1.9624 1.5870 0.6286 0.075* 0.1748 0.0521* 0.1153 0.5308
Big -0.0595 0.0320 -1.3749 4.6865 5.9135 -0.9740 0.2340 -1.2453 0.7500 1.0568 0.3321 0.8154 0.2156 0.4548 0.2928
Small 0.3035 18.5445 2.0577 1.7418 0.5546 0.0762 1.1360 1.4730 1.9723 1.7174 0.9394 0.2583 0.1435 0.0510* 0.0886* 2 0.2821 3.9456 0.7780 0.7081 2.8910 0.0909 1.3028 1.7856 1.9755 1.5351 0.9278 0.1952 0.0768* 0.0506* 0.1275 3 0.3908 1.6641 4.9034 1.9545 2.0356 0.7144 1.9606 1.9776 2.5674 4.4229 0.4764 0.0523* 0.0504* 0.0115** 0.0000** 4 0.7485 0.4556 0.2827 1.7831 7.9435 2.0488 1.1223 1.4169 2.2099 1.7385 0.0428** 0.2641 0.1592 0.0291** 0.0848*
Big -0.0192 -0.0601 -0.0650 4.7738 9.5893 -0.5348 -0.6761 -0.0794 1.0560 2.0935 0.5938 0.5003 0.9368 0.2932 0.0385**
Small -6.7394 -5.3227 1.4603 0.6579 0.0391 -1.2650 -0.8426 1.3760 1.1173 0.2360 0.2084 0.4012 0.1715 0.2662 0.8138 2 2.1826 2.1094 -0.0285 0.2620 0.2370 1.1180 1.4784 -0.1301 1.3631 0.5943 0.2659 0.1420 0.8967 0.1755 0.5535 3 0.2339 0.0816 -1.1508 1.1302 0.0740 1.0167 0.1846 -1.4610 2.3683 0.3029 0.3114 0.8538 0.1467 0.0195** 0.7625 4 0.1468 0.5034 -0.0096 0.4808 -2.3973 0.7554 2.1613 -0.0662 0.8484 -1.5804 0.4515 0.0327** 0.9473 0.3980 0.1168
Big 0.0005 0.0570 -0.6285 0.4867 -4.1100 0.0101 0.9603 -0.8612 0.1370 -1.4041 0.9919 0.3389 0.3909 0.8912 0.1630
Small 0.1043 0.0901 0.0375 0.1315 0.1605 1.0900 2.0995 2.7082 1.7605 2.1891 0.1344 0.1207 0.0698 0.1607 0.1887 2 0.1266 0.3278 0.1818 0.3863 0.2688 1.9969 1.8187 2.0150 1.8279 2.1670 0.1559 0.3504 0.2093 0.4070 0.2933 3 0.0716 0.0720 0.4733 0.4555 0.4614 1.3541 1.2700 1.6401 1.7452 1.7163 0.1028 0.1032 0.4910 0.4738 0.4795 4 0.3991 0.4119 0.4415 0.3259 0.2889 1.9483 1.5727 2.0714 1.7240 1.7605 0.4193 0.4317 0.4603 0.3486 0.3128
Big 0.8319 0.8049 0.4487 0.2875 0.3697 1.8457 1.9689 1.5829 1.9715 1.9115 0.8376 0.8114 0.4672 0.3115 0.3909
Adjusted R2 d-stat R2
h t(h) prob (h)
w t(w) prob (w)
b t(b) prob (b)
a t(a) prob (a)
Tabel 1. Hasil Regresi Time Series dari Value Weighted Excess Return 25 Portofolio Persinggungan Antara Size-BM
Sumber: Hasil olahan peneliti (2016). t( ) merupakan nilai t statistik. prob( ) merupakan nilai probabilitas dari koefisien yang bersangkutan. d-stat merupakan nilai Durbin-Watson test untuk menguji autokorelasi. **Signifikan berbeda dari nol pada tingkat signifikansi 5% ; *Signifikan berbeda dari nol pada tingkat signifikansi 10%
Pengujian Carhart ..., Aprisya Falahearlya, FEB UI, 2016
Losers 2 3 4 Winners Losers 2 3 4 Winners Losers 2 3 4 Winners
Small 0.0093 -0.0006 -0.0050 -0.0067 -0.0008 0.9252 -0.1234 -5.2397 -4.3749 -0.5712 0.3568 0.9020 0.0000** 0.0000** 0.5690 2 -0.0056 -0.0076 -0.0059 -0.0057 -0.0032 -5.1358 -3.8517 -6.6774 -5.4739 -2.1782 0.0000** 0.0002**0.0000** 0.0000**0.0314** 3 -0.0059 -0.0070 -0.0054 -0.0066 -0.0046 -4.9839 -10.2847 -6.2588 -10.0461 -5.3676 0.0000** 0.0000**0.0000** 0.0000**0.0000** 4 -0.0068 -0.0074 -0.0056 -0.0051 -0.0049 -4.3700 -9.1782 -5.9528 -5.7269 -8.1734 0.0000** 0.0000**0.0000** 0.0000**0.0000** Big -0.0062 -0.0071 -0.0071 -0.0051 -0.0050 -2.3144 -11.4703 -12.5424 -6.8478 -8.2010 0.0224** 0.0000**0.0000** 0.0000**0.0000**
Small 0.0882 0.1569 0.0502 0.1456 0.1421 2.0110 2.3205 4.6157 4.1746 4.8271 0.0467** 0.0221**0.0000** 0.0001**0.0000** 2 0.1374 0.1297 0.0711 0.0781 0.1496 6.8487 4.4802 5.6960 4.4650 4.9630 0.0000** 0.0000**0.0000** 0.0000**0.0000** 3 0.0940 0.0645 0.0758 0.0565 0.1360 5.3059 6.8716 4.7303 8.1326 5.3534 0.0000** 0.0000**0.0000** 0.0000**0.0000** 4 0.1139 0.0787 0.1344 0.0743 0.0697 5.5288 5.6797 8.4560 5.7721 5.1571 0.0000** 0.0000**0.0000** 0.0000**0.0000** Big 0.1587 0.0967 0.0912 0.1139 0.0507 3.0712 9.0809 12.7310 5.3220 4.5607 0.0027** 0.0000**0.0000** 0.0000**0.0000**
Small 5.0127 8.0357 3.9767 1.5068 2.0109 1.2948 2.8774 1.4112 1.6211 1.3899 0.1980 0.0048** 0.1609 0.1077 0.1673 2 2.0340 7.3176 1.3007 1.4576 1.3732 1.5757 1.7606 2.5219 1.6597 1.1383 0.1178 0.081* 0.0130** 0.0997* 0.2573 3 0.9301 2.0367 5.7394 1.3702 2.4881 0.9512 1.9279 2.7968 2.7436 1.4276 0.3435 0.0563* 0.0061** 0.0071** 0.1561 4 2.4632 1.5092 1.3672 0.6435 0.7086 1.5934 2.0957 1.5577 1.7606 1.3575 0.1138 0.0383** 0.1220 0.081* 0.1773 Big 4.7495 -0.2449 1.0345 -0.2586 -0.4828 2.7612 -0.6818 2.0252 -0.7832 -1.2424 0.0067** 0.4967 0.0452** 0.4351 0.2166
Small -0.0615 4.7693 2.4291 1.1482 1.2286 -0.0249 2.4781 1.4261 1.7229 1.2640 0.9801 0.0147** 0.1565 0.0876* 0.2088 2 1.4854 4.5885 0.9652 1.1412 0.5236 1.7171 1.7521 2.7155 1.9001 0.6263 0.0887* 0.0824* 0.0076** 0.0599* 0.5323 3 1.2308 1.6661 3.7609 1.0523 1.9639 1.7702 2.2789 2.8712 3.2353 1.7025 0.0794* 0.0245**0.0049** 0.0016** 0.0914* 4 1.8311 0.8744 0.6550 0.5762 0.8368 1.7804 1.9455 1.1292 2.2977 1.8918 0.0777* 0.0542* 0.2612 0.0234** 0.061* Big 3.0366 -0.2749 0.6694 -0.2843 -0.1289 3.4971 -0.7584 2.0644 -1.2876 -0.5135 0.0007** 0.4497 0.0412** 0.2005 0.6086
Small -5.1982 -2.3039 -0.6899 0.8890 2.9220 -1.6582 -1.8350 -1.0411 1.7353 6.7875 0.1000 0.0691* 0.3000 0.0854* 0.0000** 2 -1.2888 0.0370 0.1659 0.4481 2.7815 -2.4445 0.0425 0.7155 1.3028 4.7748 0.016** 0.9662 0.4758 0.1953 0.0000** 3 -0.7420 -0.2248 -0.7612 0.5161 2.3745 -1.7728 -0.7037 -1.7066 3.5590 4.0195 0.0789* 0.4830 0.0906* 0.0005**0.0001** 4 -0.4730 -0.4074 -0.6271 0.3795 0.8595 -0.7067 -1.8839 -2.0342 2.0015 3.3037 0.4812 0.0621* 0.0442** 0.0477**0.0013** Big -1.9143 -0.3164 -0.0195 -0.2882 0.8188 -2.1165 -1.9397 -0.0965 -1.1944 2.6432 0.0365** 0.0549* 0.9233 0.2348 0.0094**
Small 0.1226 0.0777 0.1266 0.2195 0.3149 0.9722 1.6365 2.1525 2.2708 2.1980 0.1521 0.1087 0.1560 0.2457 0.3379 2 0.4934 0.2943 0.2369 0.1678 0.4492 1.7512 1.7871 1.8061 2.3879 1.9000 0.5105 0.3180 0.2625 0.1958 0.4677 3 0.4038 0.4465 0.4672 0.3709 0.3845 1.3909 1.8739 1.7288 1.9082 1.7936 0.4239 0.4651 0.4851 0.3920 0.4052 4 0.3735 0.3138 0.3901 0.3051 0.4152 1.6641 2.1591 2.6888 1.6623 1.5558 0.3946 0.3369 0.4106 0.3285 0.4348 Big 0.2019 0.5101 0.5516 0.4011 0.2630 2.1947 2.0136 1.8257 2.0087 2.0377 0.2287 0.5265 0.5667 0.4212 0.2878
Adjusted R2 d-stat R2
SIZE (ME) a t(a) prob (a)
 
Sumber: Hasil olahan peneliti (2016). t( ) merupakan nilai t statistik. prob( ) merupakan nilai probabilitas dari koefisien yang bersangkutan. d-stat merupakan nilai Durbin-Watson test untuk menguji autokorelasi. **Signifikan berbeda dari nol pada tingkat signifikansi 5% ; *Signifikan berbeda dari nol pada tingkat signifikansi 10%
Tabel 3. Hasil Regresi Time Series dari Equally Weighted Excess Return 25 Portofolio Persinggungan Antara Size-BM
5  
Pembahasan
Low 2 3 4 High Low 2 3 4 High Low 2 3 4 High
Small 0.0249 0.0241 -0.0047 0.0055 0.0085 1.4831 1.2280 -0.4544 1.4083 1.7094 0.1408 0.2220 0.6504 0.1617 0.0900* 2 -0.0026 0.0077 -0.0051 0.0042 0.0017 -0.2605 1.0216 -0.9390 0.9937 0.2629 0.7949 0.3091 0.3497 0.3224 0.7931 3 -0.0051 0.0073 0.0105 0.0017 0.0006 -0.9862 0.7928 1.9717 0.2787 0.1042 0.3261 0.4295 0.0510* 0.7810 0.9172 4 -0.0030 -0.0006 0.0049 0.0062 0.0122 -0.6502 -0.1407 0.8771 0.8795 0.9943 0.5169 0.8884 0.3823 0.3809 0.3222
Big 0.0063 0.0005 0.0049 -0.0128 0.0043 1.6587 0.1416 0.6357 -0.7946 0.3876 0.0999* 0.8877 0.5262 0.4285 0.6990
Small 0.5131 0.6605 0.3669 0.6705 0.9670 3.2205 3.4146 1.9698 6.9731 12.6564 0.0017**0.0009** 0.0513* 0.0000**0.0000** 2 0.6205 0.7769 0.5919 0.7830 1.0226 2.4284 4.2426 7.1116 12.4370 9.1452 0.0167**0.0000**0.0000**0.0000**0.0000** 3 0.3798 0.4956 0.8920 0.7611 0.7920 4.8870 3.9278 8.7334 6.0655 6.1964 0.0000**0.0001**0.0000**0.0000**0.0000** 4 0.6837 0.6715 0.9373 0.6394 0.4712 6.5794 6.6757 10.5067 5.4492 2.4207 0.0000**0.0000**0.0000**0.0000**0.0171**
Big 0.9713 0.9190 1.0160 1.4514 0.7729 15.9465 17.2783 8.4157 5.4368 4.1118 0.0000**0.0000**0.0000**0.0000**0.0001**
Small 0.9974 1.5470 0.8600 1.1164 1.1831 2.6693 2.4715 2.5390 7.1949 9.7039 0.0087**0.0149**0.0125**0.0000**0.0000** 2 0.3972 0.8916 0.5254 0.6141 1.0293 1.0841 2.1563 3.9563 4.6462 4.2835 0.2806 0.0331**0.0001**0.0000**0.0000** 3 0.0652 0.3357 0.2486 0.2210 0.1931 0.4332 1.5564 1.9301 1.1337 0.9891 0.6657 0.1224 0.0561* 0.2593 0.3247 4 0.0613 0.0565 -0.0136 -0.1483 -0.4657 0.2844 0.3151 -0.0929 -0.7606 -2.1122 0.7766 0.7533 0.9262 0.4485 0.0368**
Big -0.1795 -0.1180 -0.2218 0.5166 -0.2208 -1.1021 -1.3898 -2.4330 1.4501 -0.8022 0.2727 0.1673 0.0165** 0.1498 0.4241
Small -0.2588 0.3354 0.5901 0.7776 0.8403 -1.3160 1.7019 3.7382 6.1330 7.8363 0.1908 0.0915* 0.0003**0.0000**0.0000** 2 -0.1043 -0.1710 0.3948 0.5863 1.0104 -0.2714 -0.6088 3.3799 5.0718 5.0622 0.7865 0.5439 0.001** 0.0000**0.0000** 3 -0.1429 0.4982 0.3024 0.7440 0.7984 -1.3248 2.5593 2.0293 3.5373 3.8298 0.1879 0.0118**0.0447**0.0006**0.0002** 4 0.1837 0.0700 0.2507 0.7777 0.9738 1.3119 0.5398 1.9544 5.0419 3.1002 0.1922 0.5904 0.0531* 0.0002**0.0024**
Big -0.1586 -0.0416 0.1961 0.5827 0.8620 -1.3705 -0.5580 1.4326 2.3297 2.1022 0.1732 0.5779 0.1547 0.0216**0.0377**
Small -0.1116 -0.3191 0.0391 -0.0338 -0.1118 -0.8558 -1.3359 0.2574 -0.5585 -1.9930 0.3939 0.1842 0.7973 0.5776 0.0486** 2 0.1346 -0.1332 -0.0483 -0.0224 -0.0060 0.5409 -1.5027 -0.7896 -0.4648 -0.0595 0.5896 0.1357 0.4314 0.6430 0.9527 3 0.0259 -0.2332 -0.0578 0.0715 0.0618 0.5428 -2.3711 -0.7644 1.0192 0.9098 0.5883 0.0194** 0.4462 0.3102 0.3648 4 -0.0346 0.0608 0.0113 0.1282 -0.1988 -0.5549 0.5533 0.1193 1.3170 -1.2097 0.5801 0.5812 0.9053 0.1904 0.2289
Big -0.0984 -0.0195 -0.1549 0.0469 -0.3603 -2.1059 -0.5002 -1.9463 0.2272 -2.8374 0.0374** 0.6179 0.0541* 0.8207 0.0054**
Small 0.1051 0.0828 0.1582 0.5741 0.6765 1.2342 2.2512 2.2787 2.2403 2.0820 0.1352 0.1136 0.1865 0.5884 0.6874 2 0.0844 0.2168 0.3542 0.6294 0.5765 1.8866 2.0588 2.3185 1.8177 2.1492 0.1152 0.2432 0.3759 0.6419 0.5908 3 0.1232 0.2901 0.4739 0.5198 0.5411 1.6891 1.3872 1.9185 1.8279 1.8828 0.1527 0.3139 0.4916 0.5360 0.5565 4 0.4668 0.4185 0.6105 0.5265 0.4051 2.0155 1.6716 2.0648 1.6196 1.5943 0.4847 0.4381 0.6236 0.5424 0.4251
Big 0.8185 0.7751 0.5998 0.3829 0.4191 2.0966 1.9474 1.6991 1.8800 1.9788 0.8246 0.7826 0.6132 0.4036 0.4386
Size (ME) Book-to-Market Equity (BM)
a t(a) prob (a)
b t(b) prob (b)
s t(s) prob (s)
Adj R2 d-stat R2
h t(h) prob (h)
w t(w) prob (w)
Losers 2 3 4 Winners Losers 2 3 4 Winners Losers 2 3 4 Winners
Small 0.0303 0.0114 0.0089 -0.0086 0.0062 2.6557 1.6379 1.1833 -1.2918 0.7392 0.009** 0.1042 0.2391 0.1990 0.4613 2 0.0045 0.0099 -0.0068 -0.0024 0.0118 0.8365 1.2921 -1.4299 -0.5849 1.4598 0.4046 0.1989 0.1555 0.5597 0.1471 3 -0.0002 0.0010 0.0044 -0.0045 0.0123 -0.0304 0.2293 0.8570 -1.0986 2.0072 0.9758 0.8191 0.3932 0.2742 0.0471** 4 0.0029 -0.0064 0.0000 0.0053 0.0037 0.5785 -1.3459 0.0102 0.8765 0.8670 0.5640 0.1810 0.9919 0.3826 0.3878
Big 0.0025 -0.0052 -0.0022 0.0042 0.0027 0.2865 -1.1363 -0.4387 1.1641 0.6672 0.7750 0.2582 0.6617 0.2468 0.5060
Small 0.9509 0.5099 0.5991 0.8597 1.0864 9.3444 4.7833 5.9684 10.6096 9.4799 0.0000** 0.0000** 0.0000** 0.0000** 0.0000** 2 0.9461 0.8940 0.7404 0.7082 0.8830 9.6029 6.5615 9.9840 8.4051 5.6334 0.0000** 0.0000** 0.0000** 0.0000** 0.0000** 3 0.6869 0.6923 0.6785 0.5474 0.9751 6.1770 6.0741 5.9814 7.8131 5.1298 0.0000** 0.0000** 0.0000** 0.0000** 0.0000** 4 0.9130 0.5930 0.7342 0.6792 0.8497 9.7022 7.7339 9.3325 7.0846 8.9052 0.0000** 0.0000** 0.0000** 0.0000** 0.0000**
Big 1.1086 0.8703 0.8174 0.7414 0.7716 7.6011 8.3083 13.1030 10.4326 8.7613 0.0000** 0.0000** 0.0000** 0.0000** 0.0000**
Small 1.3265 1.0034 0.7906 0.6900 1.2542 4.8190 5.8990 3.3009 3.2734 4.5566 0.0000** 0.0000** 0.0013** 0.0014** 0.0000** 2 0.7510 0.8211 0.6433 0.6819 0.2145 3.8141 3.5057 3.7307 5.6507 0.7798 0.0002** 0.0007** 0.0003** 0.0000** 0.4371 3 0.2154 0.3784 0.3511 0.3290 0.3656 1.5117 2.4754 2.4677 2.5768 1.3382 0.1334 0.0148** 0.0151** 0.0112** 0.1835 4 -0.0827 0.0037 0.4561 0.0324 -0.1098 -0.5338 0.0279 3.3831 0.2198 -0.5283 0.5945 0.9778 0.001** 0.8264 0.5983
Big 0.0066 -0.1588 0.0611 -0.0452 0.0529 0.0187 -0.8928 0.6012 -0.5703 0.5116 0.9851 0.3738 0.5489 0.5696 0.6099
Small 0.6072 0.9428 0.3253 0.6520 0.6514 3.4480 6.3022 1.9687 3.7863 3.1160 0.0008** 0.0000** 0.0514* 0.0002** 0.0023** 2 0.5977 0.3967 0.4780 0.6557 -0.0624 5.0018 1.1799 3.3150 6.1418 -0.3158 0.0000** 0.2405 0.0012** 0.0000** 0.7528 3 0.5056 0.3932 0.4376 0.5230 0.5297 3.6862 1.5772 3.8564 4.2013 2.7116 0.0003** 0.1175 0.0002** 0.0001** 0.0077** 4 0.1827 0.1435 0.5148 0.2969 0.4172 1.1299 1.6792 3.3750 2.2764 2.8289 0.2609 0.0958* 0.001** 0.0247** 0.0055**
Big 0.1716 -0.1304 0.2383 0.0884 0.2896 0.7910 -0.9162 2.7155 1.0065 1.9344 0.4306 0.3615 0.0076** 0.3163 0.0555**
Small -0.7812 -0.4149 -0.1009 0.2164 0.6728 -6.9584 -5.2997 -1.1333 2.8173 6.5485 0.0000** 0.0000** 0.2595 0.0057** 0.0000** 2 -0.5453 -0.3509 -0.0002 0.0929 0.6694 -5.7744 -3.5991 -0.0041 1.6612 5.7547 0.0000** 0.0005** 0.9967 0.0994* 0.0000** 3 -0.5325 -0.2951 0.0141 0.1919 0.4643 -6.1063 -4.5362 0.2308 3.5653 4.8834 0.0000** 0.0000** 0.8179 0.0005** 0.0000** 4 -0.5428 -0.2109 -0.0459 0.1577 0.6131 -7.1017 -4.2144 -0.5976 2.2824 4.2381 0.0000** 0.0001** 0.5513 0.0243** 0.0000**
Big -0.5255 -0.1989 -0.1055 0.0719 0.4417 -4.0788 -3.7652 -1.9420 1.2998 5.8484 0.0001** 0.0003** 0.0546* 0.1963 0.0000**
Small 0.4769 0.4269 0.2366 0.5364 0.5494 1.3217 2.1505 2.0873 2.2611 1.8982 0.4944 0.4462 0.2623 0.5520 0.5646 2 0.6311 0.3569 0.4785 0.4840 0.4488 2.0514 2.0709 1.9545 2.4892 1.9185 0.6435 0.3785 0.4960 0.5013 0.4673 3 0.6155 0.5001 0.3777 0.4383 0.4601 1.7594 1.9503 1.9564 2.1620 1.6624 0.6284 0.5169 0.3986 0.4571 0.4782 4 0.7356 0.5049 0.4524 0.4495 0.6451 2.1986 1.9145 2.4832 1.6428 1.3885 0.7445 0.5216 0.4708 0.4680 0.6571
Big 0.5582 0.6710 0.6837 0.6035 0.5900 2.1064 1.9088 1.6403 2.4755 1.9928 0.5730 0.6821 0.6943 0.6168 0.6038
R2d-stat
t(w)
t(h)
Sumber: Hasil olahan peneliti (2016). t( ) merupakan nilai t statistik. prob( ) merupakan nilai probabilitas dari koefisien yang bersangkutan. d-stat merupakan nilai Durbin-Watson test untuk menguji autokorelasi. **Signifikan berbeda dari nol pada tingkat signifikansi 5% ; *Signifikan berbeda dari nol pada tingkat signifikansi 10%
 
 
Sumber: Hasil olahan peneliti (2016). t( ) merupakan nilai t statistik. prob( ) merupakan nilai probabilitas dari koefisien yang bersangkutan. d-stat merupakan nilai Durbin-Watson test untuk menguji autokorelasi. **Signifikan berbeda dari nol pada tingkat signifikansi 5% ; *Signifikan berbeda dari nol pada tingkat signifikansi 10%
Pengujian Carhart ..., Aprisya Falahearlya, FEB UI, 2016
Tabel 1. menunjukkan hasil regresi time series atas excess return dari 25 portofolio
persinggungan Size-BM dengan metode value weighted pada Carhart Four Factor Model
periode Juli 2005 sampai Juni 2015. Hasilnya mengindikasikan bahwa dengan menggunakan
metode value weighted dalam menghitung imbal hasil (return) pada Carhart Four Factor
Model hanya faktor RMRF dan HML yang membantu menjelaskan varasi rata-rata imbal
hasil (variation of average return) di Bursa Efek Indonesia. Hasil temuan ini tidak konsisten
dengan hasil temuan L’Her et al. (2004) dan Lam et al. (2010) yang menemukan bahwa
keempat faktor signifikan dalam menjelaskan varasi rata-rata imbal hasil (variation of
average return) di Bursa Efek Kanada dan Hong Kong. Hal tersebut disebabkan karena
seperti yang dikemukakan Griffin (2002) dalam penelitiannya, bahwa faktor-faktor yang ada
pada Carhart Four Factor Model bersifat country-specific sehingga akan memberikan hasil
berbeda disesuaikan dengan kondisi dan karakteristik domestik masing-masing negara yang
hanya dimiliki negara terkait.
Faktor SMB tidak signifikan dapat dikarenakan saham di Indonesia relatif kecil (dalam
hal nilai kapitalisasi pasar) dibandingkan dengan negara-negara lain di dunia secara
internasional dan total nilai kapitalisasi pasar dari saham domestik didominasi oleh beberapa
perusahaan teratas yang sering diperdagangkan. Berdasarkan data Bursa Efek Indonesia 2015
bahwa 20 perusahaan yang sebagian besar termasuk ke dalam sektor keuangan, consumer
goods, dan infrastruktur menguasai sekitar 60% kapitalisasi pasar IHSG. Oleh sebab itu
diduga faktor ini relevan untuk perusahaan-perusahaan dengan nilai kapitalisasi pasar besar.
Hal tersebut serupa dengan temuan Nartea et al. (2009).
Faktor WML tidak signifikan, artinya data harga saham maupun imbal hasil saham di
Bursa Efek Indonesia telah well-priced, telah mencerminkan seluruh informasi. Kondisi
tersebut membuat faktor momentum tidak dapat dijadikan sebagai faktor yang mampu
memberikan abnormal return bagi investor di Bursa Efek Indonesia. Diperkuat dengan
volatilitas imbal hasil (return) yang cukup tinggi di Indonesia salah satunya dikarenakan
kondisi ekonomi Indonesia yang belum stabil sehingga mudah terpengaruh faktor
makroekonomi seperti inflasi, krisis, maupun faktor makro lainnya, maka sulit untuk
memprediksi saham yang dahulu memiliki kinerja terbaik dilihat dari imbal hasilnya
(winners) akan terus memiliki kinerja terbaik sampai 12 bulan kemudian (short term
momentum strategy), begitu pula untuk saham yang dahulu memiliki kinerja terburuk (losers).
Oleh sebab itu, diduga terdapat trading pattern lain selain strategi momentum yang membeli
saham dengan kinerja terdahulu (imbal hasil) terbaik (winners) dan menjual saham dengan
Pengujian Carhart ..., Aprisya Falahearlya, FEB UI, 2016
kinerja terdahulu (imbal hasil) terburuk (losers). Hal ini serupa degan temuan Chui et al.
(2000).
Tabel 1. juga memperlihatkan nilai intersep dari Carhart Four Factor Model dengan
rentang antara -0,0086 sampai 0,0229 yang sebagian besar menolak H0, artinya intersep
memiliki nilai yang signifikan berbeda dari nol. Oleh sebab sebagian besar koefisien
signifikan, maka penelitian ini memperlihatkan bahwa Carhart Four Factor Model untuk 25
portofolio persinggungan antara Size-BM dengan mengunakan metode value weighted tidak
secara signifikan menjelaskan variasi rata-rata imbal hasil di Bursa Efek Indonesia. Hal
tersebut dapat dikarenakan metode value weighted memiliki kelemahan yakni sulit untuk
menyimpulkan apakah pengaruh suatu variabel berlaku untuk keseluruhan sampel atau hanya
untuk kelompok portofolio tertentu (Habib-Ur-Rahman dan Mohsin H, 2012). Selain itu,
temuan ini menunjukkan bahwa terdapat miss specification pada Carhart Four Factor Model
di Indonesia dengan menggunakan metode value weighted. Oleh sebab itu dapat disimpulkan
bahwa Bursa Efek Indonesia membutuhkan faktor lain yang terbukti secara empiris dapat
menjelaskan variasi rata-rata imbal hasil (the variation of average return) secara signifikan.
Tabel 2. menunjukkan hasil regresi time series atas excess return dari 25 portofolio
persinggungan Size-MOM dengan metode value weighted pada Carhart Four Factor Model
periode Juli 2005 sampai Juni 2015. Hasilnya mengindikasikan bahwa dengan menggunakan
metode value weighted dalam menghitung imbal hasil (return) pada Carhart Four Factor
Model hanya tiga faktor yang membantu menjelaskan varasi rata-rata imbal hasil (variation of
average return) di Bursa Efek Indonesia, yakni faktor RMRF, HML dan WML. Hasil temuan
ini tidak konsisten dengan hasil temuan L’Her et al. (2004) dan Lam et al. (2010) yang
menemukan bahwa keempat faktor signifikan dalam menjelaskan varasi rata-rata imbal hasil
(variation of average return) di Bursa Efek Kanada dan Hong Kong.
Tabel 2. juga memperlihatkan nilai intersep dari Carhart Four Factor Model dengan
rentang antara -0,0076 sampai 0,0093 yang sebagian besar menolak H0, artinya intersep
memiliki nilai yang signifikan berbeda dari nol. Oleh sebab sebagian besar koefisien
signifikan, maka penelitian ini memperlihatkan bahwa Carhart Four Factor Model untuk 25
portofolio persinggungan antara Size-MOM dengan mengunakan metode value weighted tidak
secara signifikan menjelaskan variasi rata-rata imbal hasil (variation of average return) di
Bursa Efek Indonesia.
Pengujian Carhart ..., Aprisya Falahearlya, FEB UI, 2016
Tabel 3. menunjukkan hasil regresi time series atas excess return dari 25 portofolio
persinggungan Size-BM dengan metode equally weighted pada Carhart Four Factor Model
periode Juli 2005 sampai Juni 2015. Hasilnya mengindikasikan bahwa dengan menggunakan
metode equally weighted dalam menghitung imbal hasil (return) pada Carhart Four Factor
Model hanya tiga faktor yang membantu menjelaskan varasi rata-rata imbal hasil (variation of
average return) di Bursa Efek Indonesia, yakni faktor RMRF, SMB dan HML. Hasil temuan
ini tidak konsisten dengan hasil temuan L’Her et al. (2004) dan Lam et al. (2010) yang
menemukan bahwa keempat faktor signifikan dalam menjelaskan varasi rata-rata imbal hasil
(variation of average return) di Bursa Efek Kanada dan Hong Kong. Akan tetapi, hasil
temuan ini konsisten dengan penelitian sebelumnya di Indonesia seperti yang telah dilakukan
oleh Gunadi (2013), Darusman (2012), dan Yusuf (2011) bahwa hanya faktor momentum
yang tidak signifikan dalam menjelaskan menjelaskan varasi rata-rata imbal hasil di BEI.
Tabel 3. juga memperlihatkan nilai intersep dari Carhart Four Factor Model dengan
rentang antara -0,0128 sampai 0,0249 yang sebagian besar menerima H0, artinya intersep
memiliki nilai yang tidak signifikan berbeda dari nol. Oleh sebab sebagian besar koefisien
tidak signifikan, maka dapat disimpulkan bahwa Carhart Four Factor Model untuk 25
portofolio persinggungan antara Size-BM dengan mengunakan metode equally weighted
secara signifikan menjelaskan variasi rata-rata imbal hasil (variation of average return) di
Bursa Efek Indonesia. Hal tersebut sesuai dengan yang diharapkan berdasarkan Merton
(1973) dalam Lam et al. (2010) dan Fama French (1993), artinya Carhart Four Factor Model
merupakan model aset pricing yang well-specified. Hal ini dapat didukung dengan kelebihan
metode equally weighted yang menurut Jegadeesh and Titman (1993) mampu memberikan
informasi yang lebih banyak, menurut Carhart (1997) bobotnya dapat di readjusted kapanpun
saham hilang dari sampel, serta menurut Habib-ur-rahman and Mohsin (2012) lebih mudah
untuk menyimpulkan apakah efek suatu variabel berlaku untuk keseluruhan sampel atau
hanya untuk sampel dengan karakteristik tertentu.
Tabel 4. menunjukkan hasil regresi time series atas excess return dari 25 portofolio
persinggungan Size-MOM dengan metode equally weighted pada Carhart Four Factor Model
periode Juli 2005 sampai Juni 2015. Hasilnya mengindikasikan bahwa dengan menggunakan
metode equally weighted dalam menghitung imbal hasil (return) pada Carhart Four Factor
Model keempat faktor membantu menjelaskan varasi rata-rata imbal hasil (variation of
average return) di Bursa Efek Indonesia, yakni faktor RMRF, SMB, HML dan WML. Hasil
temuan ini konsisten dengan hasil temuan L’Her et al. (2004) dan Lam et al. (2010) yang
Pengujian Carhart ..., Aprisya Falahearlya, FEB UI, 2016
menemukan bahwa keempat faktor signifikan dalam menjelaskan varasi rata-rata imbal hasil
(variation of average return) di Bursa Efek Kanada dan Hong Kong. Hal ini mengindikasikan
bahwa di Indonesia, Carhart Four Factor Model dapat dibuktikan secara empiris dengan
menggunakan metode equally weighted dengan tujuan untuk keperluan akademik. Akan
tetapi, untuk tujuan praktik, indeks yang ada pada Bursa Efek Indonesia menggunakan
metode value weighted. Oleh sebab itu Bursa Efek Indonesia membutuhkan faktor lain yang
dapat menjelaskan variasi rata-rata imbal hasil (the variation of average return) secara
signifikan agar dapat digunakan oleh investor sebagai bahan pertimbangan untuk menyusun
strategi investasi demi memperoleh abnormal return.
Tabel 4. juga memperlihatkan nilai intersep dari Carhart Four Factor Model dengan
rentang antara -0,0068 sampai 0,0303 yang sebagian besar menerima H0, artinya intersep
memiliki nilai yang tidak signifikan berbeda dari nol. Oleh sebab sebagian besar koefisien
tidak signifikan, maka penelitian ini memperlihatkan bahwa Carhart Four Factor Model
untuk 25 portofolio persinggungan antara Size-MOM dengan mengunakan metode equally
weighted secara signifikan menjelaskan variasi rata-rata imbal hasil (variation of average
return) di Bursa Efek Indonesia. Hal tersebut sesuai dengan yang diharapkan berdasarkan
Merton (1973) dalam Lam et al. (2010) dan Fama French (1993), artinya Carhart Four
Factor Model merupakan model aset pricing yang well-specified. Hal ini dapat didukung
dengan kelebihan metode equally weighted yang menurut Jegadeesh and Titman (1993)
mampu memberikan informasi yang lebih banyak, menurut Carhart (1997) bobotnya dapat di
readjusted kapanpun saham hilang dari sampel, serta menurut Habib-ur-rahman and Mohsin
(2012) lebih mudah untuk menyimpulkan apakah efek suatu variabel berlaku untuk
keseluruhan sampel atau hanya untuk sampel dengan karakteristik tertentu.
Kesimpulan
Faktor pasar (market) dan faktor nilai (value) memiliki pengaruh yang signifikan
terhadap excess return portofolio bila menggunakan metode value weighted. Faktor
momentum (momentum) memiliki pengaruh yang signifikan hanya terhadap excess return
portofolio persinggungan antara Size-Momentum bila menggunakan metode value weighted.
Faktor ukuran (size) tidak memiliki pengaruh yang signifikan terhadap excess return
portofolio bila menggunakan metode value weighted. Oleh sebab itu, secara empiris, dengan
menggunakan metode value weighted hanya faktor pasar (market) dan faktor nilai (value)
Pengujian Carhart ..., Aprisya Falahearlya, FEB UI, 2016
yang mampu menjelaskan variasi rata-rata imbal hasil (the variation of average return) pada
Bursa Efek Indonesia. Hal ini berarti bahwa terjadi miss-specification dalam model bila
menggunakan metode value weighted untuk Carhart Four Factor Model di Indonesia. Oleh
sebab itu, Bursa Efek Indonesia membutuhkan faktor lain selain keempat faktor dalam
Carhart Four Factor Model yang mampu menjelaskan variasi rata-rata imbal hasil (the
variation of average return) secara signifikan untuk digunakan dalam praktik investasi, sebab
indeks pada Bursa Efek Indonesia menggunakan metode value weighted.
Faktor pasar (market), faktor ukuran (size), dan faktor nilai (value) memiliki pengaruh
yang signifikan terhadap excess return portofolio bila menggunakan metode equally
weighted. Faktor momentum (momentum) memiliki pengaruh yang signifikan hanya terhadap
excess return portofolio persinggungan antara Size-Momentum bila menggunakan metode
equally weighted. Oleh sebab itu, secara empiris, dengan menggunakan metode equally
weighted hanya faktor pasar (market), faktor ukuran (size), dan faktor nilai (value) yang
mampu menjelaskan variasi rata-rata imbal hasil (the variation of average return) pada Bursa
Efek Indonesia. Hal ini berarti bahwa Carhart Four Factor Model di Indonesia dengan
menggunakan metode equally weighted merupakan model asset pricing yang well-specified.
Akan tetapi, Bursa Efek Indonesia membutuhkan faktor lain yang mampu menjelaskan variasi
rata-rata imbal hasil (the variation of average return) secara signifikan sebab masih
menyisakan satu faktor, yakni faktor momentum yang tidak signifikan. Selain itu, metode
equally weighted di Indonesia lebih sesuai untuk tujuan akademik, sebab untuk praktik,
indeks pada Bursa Efek Indonesia menggunakan metode value weighted.
Secara empiris, intersep hasil penelitian signifikan pada hasil regresi dengan
menggunakan metode value weighted, sedangkan bila menggunakan metode equally
weighted, intersep hasil regresi tidak signifikan. Oleh sebab itu, secara empiris dapat
disimpulkan bahwa Carhart Four Factor Model mampu menjelaskan variasi rata-rata imbal
hasil (the variation of average return) pada Bursa Efek Indonesia bila menggunakan metode
equally weighted. Carhart Four Factor Model merupakan model asset pricing yang well-
specified di Indonesia bila menggunakan metode equally weighted. Akan tetapi di sisi lain,
bila menggunakan metode value weighted, masih terdapat miss-specification pada Carhart
Four Factor Model, sehingga Bursa Efek Indonesia membutuhkan faktor lain dalam
menjelaskan variasi rata-rata imbal hasil (the variation of average return) secara signifikan
untuk digunakan dalam praktik investasi.
Pengujian Carhart ..., Aprisya Falahearlya, FEB UI, 2016
Variabel momentum memiliki pengaruh yang signifikan hanya terhadap excess return
portofolio persinggungan antara Size-Momentum baik dengan menggunakan metode value
weighted maupun metode equally weighted. Oleh sebab itu, secara empiris dapat diambil
kesimpulan bahwa variabel momentum tidak berpengaruh secara signifikan di Bursa Efek
Indonesia dalam menjelaskan variasi rata-rata imbal hasil (the variation of average return).
Hal ini disebabkan karena faktor momentum (WML) sudah well-priced, artinya seluruh
informasi telah tercermin dalam data harga maupun imbal hasil (return) saham-saham
perusahaan. Kondisi tersebut membuat faktor momentum tidak dapat dijadikan sebagai faktor
yang mampu memberikan abnormal return bagi investor di Bursa Efek Indonesia.
Berdasarkan pemaparan tersebut maka dapat diduga bahwa dengan volatilitas imbal hasil
(return) yang cukup tinggi di Bursa Efek Indonesia, akan sulit untuk memprediksi saham
mana yang dahulu menjadi winners akan tetap menjadi winners untuk 12 bulan ke depan
(short term momentum strategy). Oleh karena itu, strategi momentum yakni membeli saham
dengan kinerja (imbal hasil) terdahulu terbaik dan menjual saham dengan kinerja (imbal hasil)
terdahulu terburuk (untuk jangka pendek) kurang sesuai untuk diterapkan di Bursa Efek
Indonesia sebab dapat diduga bahwa terdapat trading pattern lain yang mampu memberikan
abnormal return bagi para investor, maka dibutuhkan adanya faktor lain yang mampu secara
signifikan menjelaskan variasi rata-rata imbal hasil (the variation of average return) di Bursa
Efek Indonesia.
Saran bagi investor, dalam menyusun strategi investasi dan menentukan saham
perusahaan mana yang akan diinvestasikan, investor dapat mempertimbangkan faktor pasar
(market), faktor ukuran (size), dan faktor nilai (value) yang signifikan menjelaskan variasi
rata-rata imbal hasil (the variation of average return) di Bursa Efek Indonesia. Selain itu
investor dapat mempertimbangkan faktor lain selain dari keempat faktor yang ada pada
Carhart Four Factor Model yang juga terbukti mampu menjelaskan variasi rata-rata imbal
hasil (the variation of average return) sekaligus dapat digunakan untuk memperoleh
abnormal return di Bursa Efek Indonesia. Investor juga dapat memilih model asset pricing
yang lebih sederhana untuk kemudian dijadikan sebagai patokan (benchmark) dalam
membentuk portofolio yang optimal, menentukan cost of capital khususnya cost of equity atas
suatu investasi, mengukur kinerja portofolio, serta untuk memperoleh abnormal return.
Pengujian Carhart ..., Aprisya Falahearlya, FEB UI, 2016
Saran bagi pembuat kebijakan, pemerintah dalam konteks ini khususnya Otoritas Jasa
Keuangan (OJK) dapat memanfaatkan patokan (benchmark) dalam membentuk portofolio
yang optimal untuk disosialisasikan kepada para calon investor agar dapat menarik mereka
untuk semakin meningkatkan kegiatan investasi serta tingkat utilitas produk pasar modal di
Indonesia yang sedang menjadi fokus pemerintah. Kemudian juga dapat mengedukasi
masyarakat dengan mengadakan sosialisasi yang menyampaikan faktor-faktor penting yang
sebaiknya diperhatikan dan menjadi bahan pertimbangan investor dalam melakukan investasi
khususnya pada instrumen saham agar dapat memberikan abnormal return bagi para investor.
Saran untuk akademisi, agar dapat melakukan penelitian serupa ataupun lanjutan
dengan membandingkan Carhart Four Factor Model pada model asset pricing lain serta
melihat efek masing-masing variabel independen, terutama pada efek momentum yang
menjadi sorotan utama model Carhart, dengan menyusun strategi momentum hold-sell-buy
dan melakukan uji beda. Akademisi dapat mencari faktor lain yang dibutuhkan oleh
Indonesia.
Daftar Referensi
Aldaarmi, A., Abbod, M., & Salameh, H. (2015). Implement Fama And French And Capital
Asset Pricing Models In Saudi Arabia Stock Market. The Journal of Applied Business
Research, 953-968. Banz, R. (1981). The Relationship Between Return and Market Value of Common Stocks .
Journal of Finance and Economics, 3-18.
Bekaert, G., Erb, C. B., Harvey, C. R., & Viskanta, T. E. (1997). What Matters for Emerging
Equity Market Investment. Emerging Markets Quarterly, 17-46.
Brav , A., Geczy , C., & Gompers, P. (2000). Is the abnormal return following equity issuance
anomalous? Journal of Finance & Economics, 209–249.
Brealey, R. A. (1991). Harry M. Markowitz's Contributions to Financial Economics . The
Scandinavian Journal of Economics , 7-17.
Brooks, C. (2008). Introductory Econometrics for Finance. New York: Cambridge University
Press.
Cakici, N., Fabozzi, F. J., & Tan, S. (2013). Size, Value, and Momentum in Emerging Market
Stock Returns. Emerging Market Review, 46-65.
Carhart, M. M. (1997). On Persistence in Mutual Fund Perfomance. The Journal of Finance,
57-82.
Chan, K., Hameed , A., & Tong, W. (2000). Profitability of Momentum Strategies in the
International Equity Markets. The Journal of Financial and Quantitative Analysis,
153-172.
Chandra, T., & Idrus, H. (2015). Testing Fama and French Three Factors Model Within the
Context of Indonesia Stock Exchange. The Social Sciences , 499-509.
Chui , A. C., Titman , S., & Wei , K. J. (2000). Momentum, Legal Systems and Ownership
Structure: An Analysis of Asian Stock Markets. Chinese Academy of Science, Hong
Kong University of Science and Technology, National Chengchi University, National
Taiwan University, and the Tamkang University’s Year 2000 International Conference
on e-Commerce in the 21th Century (pp. 1-29). Working Paper, SSRN.
Pengujian Carhart ..., Aprisya Falahearlya, FEB UI, 2016
Daniel , K., Grinblatt , M., Titman, S., & Wermers , R. (1997). Measuring mutual fund
performance with characteristics-based benchmarks. Journal of Finance, 1035–1058.
Daniel, K., Titman , S., & Wei, K. J. (2001). Explaining the Cross-Section of Stock Returns in
Japan: Factors or Characteristics? . The Journal of Finance, 743-766.
Darusman, D. (2012, Juli 26). Analisis Pengaruh Firm Size, Book-to-market ratio, Price
Earning Ratio, dan Momentum Terhadap Return Portofolio Saham. Semarang, Jawa
Tengah, Indonesia.
De Bondt , W. F., & Thaler , R. (1985). Does the Stock Market Overreact? The Journal of
Finance, 793-805.
Eraslan, V. (2013). Fama and French Three-Factor Model: Evidence from Istanbul Stock
Exchange . Business and Economics Research Journal, 11-22.
Ersoy, E., & UNLU, U. (2013). Size, Book to Market Ratio and Momentum Strategies:
Evidence from Istanbul Stock Exchange. International Journal of Economic
Perspectives, 28-33.
Fauziana, Finny. (2010). Pengukuran Kinerja Reksa Dana Saham Dengan Menggunakan
Metode Empat Faktor Carhart. Depok, Jawa Barat, Indonesia: Universitas Indonesia.
Fama, Eugene F. (1970). Efficient Capital Markets: A Review Of Theory And Empirical Work.
The Journal of Finance, 28-30.
Fama, Eugene F. (1991). Efficient Capital Markets: II. The Journal of Finance, 1575-1617.
Fama , E. F., & French , K. R. (1992). The Cross-Section of Expected Stock Returns. Journal
of Finance, 427-465.
Fama , E. F., & French , K. R. (1993). Common Risk Factors in The Returns on Stocks and
Bonds . Journal of Finance and Economics, 3-56.
Fama , E. F., & French , K. R. (1996). Multifactor Explanations of Asset Pricing Anomalies .
Journal of Finance , 55-84.
Fama , E. F., & French , K. R. (2004). The Capital Asset Pricing Model: Theory and
Evidence. The Journal of Economic Perspectives, 25-46.
Pengujian Carhart ..., Aprisya Falahearlya, FEB UI, 2016
Fama , E. F., & French , K. R. (2012). Size, Value, and Momentum in International Stock
Returns. Journal of Financial Economics, 457-472.
Fama , E. F., MacBeth, & James , D. (1973). Risk, Return, and Equilibrium: Empirical Tests.
Journal of Political Economy, 607-636.
Fisher, L. (1975). Using Modern Portfolio Theory to Maintain an Efficiently Diversified
Portfolio. Financial Analyst Journal, 73-85.
Fong, W. M., Wong, W. K., & Lean, H. H. (2005). International Momentum Strategies: A
Stochastic Dominance Approach . Journal of Financial Markets, 89-109.
Friend, I., & Blume, M. (1970). Measurement of Portfolio Performance under Uncertainty.
American Economic Review, 607-636.
Griffin, J. M. (2002). Are the Fama and French Factors Global or Country Specific? The
Review of Financial Studies, 783-803.
Grundy , B. D., & Martin, J. S. (2000). Understanding the Nature of the Risks and the Source
of the Rewards to Momentum Investing. The Review of Financial Studies, 29-78.
Gujarati, D. N. (2003). Basic Econometrics. Singapore: McGraw Hill.
Gunadi, Eko. (2013). Analisis Pengaruh Market Return, Size, Book to Market, Momentum
dan Foreign Exchange Terhadap Return Portofolio. Depok, Jawa Barat, Indonesia:
Universitas Indonesia.
Habib-Ur-Rahman , M., & Mohsin, H. (2012). Momentum Effect: Empirical Evidence from
Karachi Stock Exchange. The Pakistan Development Review, 449-461.
Hameed, A., & Yuanto , K. (2002). Momentum Strategies: Evidence from the Pacific Basin
Stock Markets. Journal of Finance Res, 383-397.
Hon, M., & Tonks , I. (2003). Momentum in the UK stock market. Journal of Multinational
Financial Management, 43-70.
Iman, N. (2008). Investasi Riil vs Investasi Finansial. In N. Iman, Panduan Singkat dan
Praktis Memulai Investasi Reksa dana (p. 6). Jakarta: Elex Media Komputindo.
Jegadeesh, N., & Titman, S. (1993). Returns to Buying Winners and Selling Losers:
Implications for Stock Market Efficiency. The Journal of Finance, 65-91.
Pengujian Carhart ..., Aprisya Falahearlya, FEB UI, 2016
Jegadeesh, N., & Titman, S. (2001). Profitability of Momentum Strategies: An Evaluation of
Alternative Explanations . Journal of Finance, 699-720.
Khamlichi , A. E., Arouri, F. M., & Teulon, F. F. (2014). Persistence of Performance Using
The Four-Factor Pricing Model: Evidence From Dow Jones Islamic Index. The
Journal of Applied Business Research, 917-928.
Kim , D., & Kim , M. (2003). A multifactor explanation of post-earnings announcement drift.
Journal of Finance Quantitative Analysis, 383–398.
L’Her , J., Masmoudi , T., & Suret, J. (2004). Evidence to support the four-factor pricing
model from the Canadian Stock market. Journal of International Finance, Market
Institution & Money, 313–328.
Lam, K. S., Li, F. K., & So, S. M. (2010). On the validity of the augmented Fama and
French’s (1993) model: evidence from the Hong Kong stock market. Review of
Quantitative Finance and Accounting, 89-111.
Lee , C. M., & Swaminathan, B. (2000). Price Momentum and Trading Volume . The Journal
of Finance, 2017-2069.
Liu , W., Strong , N., & Xu, X. (1999). The Profitability of Momentum Investing. Journal of
Business Finance and Accounting, 1043-1091.
Markowitz, H. M. (1999). The Early History of Portfolio Theory: 1600-1960 . Financial
Analysts Journal, 5-16.
Megginson, W. L. (1997). Corporate Finance Theory. United States: Addison-Wesley
Educational Publishers Inc.
Merton, R.C., (1973). An intertemporal asset pricing model. Econometrica, 41(5):867– 887.
Nartea, G. V., Ward, B. D., & Djajadikerta, H. G. (2009). Size, BM, and momentum effects
and the robustness of the Fama-French three-factor model Evidence from New
Zealand. International Journal of Managerial Finance, 179-200.
Niunco, S. (2011, May 25). Tests of the 4 factor Capital Asset Pricing Model on the
Amsterdam Stock Exchange. Tests of the 4 factor Capital Asset Pricing Model on the
Amsterdam Stock Exchange. Amsterdam, Netherland: University of Amsterdam.
Pengujian Carhart ..., Aprisya Falahearlya, FEB UI, 2016
Pasaribu, R. B. (2010). Pemilihan Model Asset Pricing. Jurnal Akuntansi dan Manajemen,
217-230.
Perold, A. F. (2004). The Capital Asset Pricing Model. The Journal of Economic
Perspectives, 3-24.
Mason: South-Western Cengage Learning.
Riro, G. K., & Wambugu, J. M. (2015). A Test of Asset-Pricing Models at the Nairobi
Securities Exchange. Research Journal of Finance and Accounting, 27-36.
Rosenberg, B., Reid, K., & Lainstein, R. (1985). Persuasive Evidence of Market Inefficiency .
Journal of Portfolio Management, 9-16.
Rouwenhorst, K. (1998). International momentum strategies. Journal of Finance, 267–284.
Schiereck , D., De Bondt , W., & Weber , M. (1999). Contrarian and momentum strategies in
Germany. Financial Analyst Journal, 104–116.
SCHWERT, G. W. (2002). ANOMALIES AND MARKET EFFICIENCY. In G. W.
SCHWERT, Handbook of the Economics of Finance (pp. 938-971). Elsevier Science
B.V.
Wermers R. (1997). Momentum investment strategies of mutual funds, performance
persistence, and survivorship bias. Working Paper, University of Colorado.
Yusuf, W. M. (2011). Analisis Pengaruh Firm Size Effect, Value Effect, dan Winners-Losers
Effect Terhadap Excess Return Terkait Dengan Anomali Pasar Efisien di Bursa Efek
Indonesia Periode 2005-2010. Depok, Jawa Barat, Indonesia: Universitas Indonesia.
Pengujian Carhart ..., Aprisya Falahearlya, FEB UI, 2016