ISSN: 1978 - 3116

VOL. 6, NO. 1, MARET 2012

JEB
VOL. 6, NO. 1, MARET 2012: 1-93

VOLATILITAS IDIOSYNKRATIS DAN MODEL ASSET PRICING MULTIFAKTOR

Rowland Bismark Fernando Pasaribu
PENGARUH BELANJA PEMERINTAH DAN PENERIMAAN PAJAK PEMERINTAH
TERHADAP PERTUMBUHAN EKONOMI DI INDONESIA, PENDEKATAN ERROR
CORRECTION MODEL (ECM)
Algifari
PENGARUH RASIO LIKUIDITAS DAN FINANCIAL LEVERAGE
TERHADAP DIVIDEND YIELD
Zarah Puspitaningtyas
ANALISIS PENDUDUK MISKIN DI PROVINSI DAERAH ISTIMEWA YOGYAKARTA
Wasiaturrahma
Rudy Badrudin
PENGARUH ALIRAN KAS BEBAS TERHADAP NILAI PEMEGANG SAHAM
DENGAN SET KESEMPATAN INVESTASI DAN DIVIDEN
SEBAGAI VARIABEL MODERATOR
Rima Agustina Kusuma Wardani
STRUKTUR KEPEMILIKAN ULTIMAT DAN NILAI PERUSAHAAN
Baldric Siregar

JEB

VOL. 6

NO. 1

Hal 1-93

MARET 2012

ISSN: 1978-3116

JURNA L

Vol. 6, No. 1, Maret 2012

EKONOMI & BISNIS

Tahun 2007

JURNAL EKONOMI & BISNIS (JEB)

EDITOR IN CHIEF
Djoko Susanto
STIE YKPN Yogyakarta
EDITORIAL BOARD MEMBERS
Baldric Siregar
STIE YKPN Yogyakarta

Soeratno
Universitas Gadjah Mada

Dody Hapsoro
STIE YKPN Yogyakarta

Wisnu Prajogo
STIE YKPN Yogyakarta

MANAGING EDITORS
Sinta Sudarini
STIE YKPN Yogyakarta
EDITORIAL SECRETARY
Rudy Badrudin
STIE YKPN Yogyakarta
PUBLISHER
Pusat Penelitian dan Pengabdian Masyarakat STIE YKPN Yogyakarta
Jalan Seturan Yogyakarta 55281
Telpon (0274) 486160, 486321 ext. 1406 Fax. (0274) 486155
EDITORIAL ADDRESS
Jalan Seturan Yogyakarta 55281
Telpon (0274) 486160, 486321 ext. 1332 Fax. (0274) 486155
http://www.stieykpn.ac.id e-mail: rudy.badrudin@stieykpn.ac.id
Bank Mandiri atas nama STIE YKPN Yogyakarta No. Rekening 137 0095042814

Jurnal Ekonomi & Bisnis (JEB) terbit sejak tahun 2007. JEB merupakan jurnal ilmiah yang diterbitkan oleh Pusat Penelitian dan
Pengabdian Masyarakat Sekolah Tinggi Ilmu Ekonomi Yayasan Keluarga Pahlawan Negara (STIE YKPN) Yogyakarta. Penerbitan
JEB dimaksudkan sebagai media penuangan karya ilmiah baik berupa kajian ilmiah maupun hasil penelitian di bidang ekonomi
dan bisnis. Setiap naskah yang dikirimkan ke JEB akan ditelaah oleh MITRA BESTARI yang bidangnya sesuai. Daftar nama
MITRA BESTARI akan dicantumkan pada nomor paling akhir dari setiap volume. Penulis akan menerima lima eksemplar cetak
lepas (off print) setelah terbit.
JEB diterbitkan setahun tiga kali, yaitu pada bulan Maret, Juli, dan Nopember. Harga langganan JEB Rp7.500,- ditambah biaya
kirim Rp12.500,- per eksemplar. Berlangganan minimal 1 tahun (volume) atau untuk 3 kali terbitan. Kami memberikan kemudahan
bagi para pembaca dalam mengarsip karya ilmiah dalam bentuk electronic file artikel-artikel yang dimuat pada JEB dengan
cara mengakses artikel-artikel tersebut di website STIE YKPN Yogyakarta (http://www.stieykpn.ac.id).

ISSN: 1978-3116

JURNA L

Vol. 6, No. 1, Maret 2012

EKONOMI & BISNIS

Tahun 2007

DAFTAR ISI

VOLATILITAS IDIOSYNKRATIS DAN MODEL ASSET PRICING MULTIFAKTOR

Rowland Bismark Fernando Pasaribu
1-23
PENGARUH BELANJAPEMERINTAH DAN PENERIMAAN PAJAK PEMERINTAH TERHADAP
PERTUMBUHAN EKONOMI DI INDONESIA, PENDEKATAN ERROR CORRECTION MODEL (ECM)
Algifari
25-39
PENGARUH RASIO LIKUIDITAS DAN FINANCIAL LEVERAGE TERHADAP DIVIDEND YIELD
Zarah Puspitaningtyas
41-46
ANALISIS PENDUDUK MISKIN DI PROVINSI DAERAH ISTIMEWAYOGYAKARTA
Wasiaturrahma
Rudy Badrudin
47-61
PENGARUH ALIRAN KAS BEBAS TERHADAP NILAI PEMEGANG SAHAM DENGAN SET KESEMPATAN
INVESTASI DAN DIVIDEN SEBAGAI VARIABEL MODERATOR
Rima Agustina Kusuma Wardani
63-81
STRUKTUR KEPEMILIKAN ULTIMAT DAN NILAI PERUSAHAAN
Baldric Siregar
83-93

ISSN: 1978-3116
VOLATILITAS IDIOSYNKRATIS DAN MODEL ASSET PRICING............... (Rowland Bismark Fernando Pasaribu)
Vol. 6, No. 1 Maret 2012

JURNA L

Hal. 1-23

EKONOMI & BISNIS

Tahun 2007

V OLA
TILIT
AS IDIOSYNKRA
TIS D
TILITAS
IDIOSYNKRATIS
DAN
OLATILIT
AN
TIF
AKTOR
MODEL ASSET PRICING MUL
MULTIF
TIFAKTOR
Rowland Bismark Fernando Pasaribu
ABFI PERBANAS INSTITUTE JAKARTA
Jalan Komando III/2, Nomor 37 JKSL 12920
E-mail: rowland.pasaribu@gmail.com

ABSTRACT
The paper is aimed at examining the inter-relationships
between firm size, liquidity, systematic risk, idiosyncratic volatility and their relation to expected return in
level stock and portfolio for Indonesian LQ-45 equities. Our analysis suggests the existence of confounding effects that may need to be recognized in making
meaningful interpretations of the data; specifically, that
as well as being potentially explanatory of equity performance, beta, liquidity, systematic risk, and idiosyncratic volatility are capable of being the outcome of
equity performance behavior. Other empiric result is
addition of factor idiosyncratic volatility, proved increasing explanatory power of model in explaining the
variation of expected return in both level of stock individually and portfolio on various asset pricing model.
Hereinafter three tools of evaluation measurement result indicate that size, liquidity, systematic risk yet still
not shown optimal performance, even after conducted
by extension of all model by adding idiosyncratic volatility proxy.
Keywords: expected return, idiosyncratic volatility,
stock portfolio, multifactor asset pricing model, treynor
index, jensen-alpha, sharpe index

PENDAHULUAN
Teori klasik investasi sebagaimana direpresen-tasikan
CAPM (Sharpe 1964: Lintner, 1965) menyatakan bahwa

investor memerlukan ekspektasi tingkat pengembalian

pada asset yang berisiko dalam ekses tingkat
pengembalian bebas risiko yang ditentukan sebagai
produk dari beta risiko aset tersebut (kovarian atau
tingkat pengembaliannya dengan tingkat pengembalian
pasar) dengan ekspektasi tingkat pengembalian pasar
dalam ekses tingkat bunga bebas risiko. Telah banyak
dilakukan pada sejumlah penelitian terdahulu yang
menyatakan variabel lainnya memiliki kapasitas dalam
menjelaskan tingkat pengembalian saham, seperti
kapitalisasi emiten dan rasio book-to-market (Banz
1981; Rosenberg et al. 1985; Fama dan French 1992,
1993, 1996 dan 1998), likuiditas (Amihud dan Mendelson
1986; Amihud 2002), leverage (Bhandari, 1988) dan idiosyncratic volatility (Malkiel dan Xu 1997, 2006;
Goyal dan Santa-Clara, 2003), sementara Fama dan
French (1992) menunjukkan bahwa beta dan kapitalisasi
emiten memiliki tingkat korelasi yang tinggi.
Model tiga faktor Fama dan French (1993)
menggabungkan kapitalisasi pasar emiten dan rasio B/
M bersama dengan koefisien beta banyak digunakan
saat ini (terutama dalam penelitian pasar modal). Tetapi,
bukti mengenai hal ini tidak selalu satu arah. Sebagai
contoh, Constantinidies (1986) berpendapat bahwa
biaya transaksi diasosiasikan dengan likuiditas dapat
diminimalisir dengan mengurangi frekuensi
perdagangan dan tidak menghasilkan pengaruh firstorder; Horowitz, Loughran dan Savin (2000)
berpendapat bahwa pengaruh size tidak lagi signifikan
pada saham-saham di Amerika; Bali, Cakiki, Yan dan
Ahang (2005) tidak setuju dengan temuan Goyal dan
Clata dalam hubungan dengan volatilitas idiosynkratis

JEB, Vol. 6, No. 1, Maret 2012: 1-23

dan menunjukkan bahwa temuannya lebih dipengaruhi

oleh saham ukuran kecil dan secara parsial berpotensi
menjadi atribut premi likuiditas.
Dalam memisahkan pengaruh variabel
kapitalisasi pasar, likuiditas saham, dan volatilitas
idiosynkratis di pasar modal Amerika, Spiegel dan
Wang (2005) menyatakan bahwa volatilitas
idiosynkratis perusahaan yang tinggi cenderung terjadi
baik itu untuk perusahaan dengan kapitalisasi pasar
yang kecil dan tingkat likuiditas yang rendah, serta
pengembalian saham yang meningkat juga diikuti
dengan volatilitas idiosynkratis (demikian juga apabila
yang terjadi hal sebaliknya). Mereka menyimpulkan
bahwa sementara variabel lainnya eksis untuk membawa
hubungan sistematik dengan tingkat pengembalian
saham, hubungan volatilitas idiosynkratis dengan
tingkat pengembalian saham mengklasifikasi secara
sekaligus kapitalisasi dan likuiditas terhadap tingkat
pengembalian.
Derajat dimana beta, kapitalisasi pasar emiten,
dan volatilitas idiosynkratis mungkin dapat menjadi
proksi untuk satu atau lebih sementara variabel lainnya
tetap kontroversial dalam menjelaskan elemen eksposur
risiko investor (baik yang dapat di diversifikasi atau
tidak). Karena pada hakekatnya, belum ada teori yang
meyakinkan dalam menjelaskan kontribusi dari variabel
volatilitas idiosynkratis. Penelitian ini bertujuan untuk
melakukan replikasi terbatas pada pendekatan kalkulasi
volatilitas idiosynkratis yang digunakan Malkiel dan
Xu, (1997) serta Clayton et al. (2006) untuk saham yang
tergabung dalam LQ-45 di Bursa Efek Indonesia (BEI)
periode 2000-2007.
MATERI DAN METODE PENELITIAN
Ball et al. (1979) telah membuktikan adanya hubungan
positif antara tingkat pengembalian dan beta untuk
sampel perusahaan industri. Wood (1991) menyatakan
bahwa hubungan keduanya lemah, dan Faff (1991)
menyatakan karakter yang moderat, bahkan pada
penelitiannya tahun 2001, Fahh menyatakan bahwa
tidak terdapat hubungan antara beta dan tingkat
pengembalian untuk model standar CAPM. Haaliwell
dan Sawicki (1999) mereplikasi penelitian Fama dan
French (1993) dan menyatakan tingkatan statistikal yang
signifikan pada parameter yang secara umum dapat
dikomparasi terhadap penelitian Fama dan French

(1993). Faaf (2001b) dan Gaunt (2004) juga telah

melakukan aplikasi model tiga faktor pada pasar Australia dan hasilnya memang secara statistik signifikan
dalam menjelaskan tingkat ekspektasi tingkat
pengembalian saham dan portofolio saham.
Dengan konfirmasi model tiga faktor Fama dan
French, pertimbangan kapitalisasi pasar emiten atau
pengaruh ukuran telah menjadi sesuatu yang
konvensional sifatnya, meskipun bukti lanjutan lainnya
tidak selalu sepakat mengenai hal ini. Sebagai contoh,
Banz (1981) melakukan penelitian size-effect untuk
periode empat puluh lima tahun untuk saham Amerika
dan menyatakan bahwa sementara pengaruh tersebut
diasumsikan pada perusahaan kecil tidak terdapat suatu
hubungan yang jelas antara size dan tingkat
pengembalian. Horowitz et al. (2000) menyimpulkan
bahwa size-effect tidak lagi terjadi pada saham-saham
Amerika. Brown et al. (1983) menyatakan bahwa meski
terjadi size-anomaly, dan model estimasi yang terbentuk
tidak stabil karena size-effect adalah subjek dari
penelitian mengenai interval waktu.
Konsisten dengan temuan Banz pada kasus
hubungan ukuran perusahaan dan return pada saham
kapitalisasi kecil di Amerika, Beedles et al. (1988) juga
menyatakan bahwa size-effect juga signifikan di Australia dan robust untuk beberapa penyesuaian
metodologi. Juga dibuktikkan bahwa biaya transaksi
dapat menjelaskan bagian dari dari size-anomaly
meskipun variabel ini bukan merupakan faktor dominan.
Chan dan Faff (2003) menyatakan hubungan regresi
yang horizontal antara tingkat pengembalian dan size
saham di Australia periode 1990-1999, sementara Gaunt
(2004) menyatakan tidak terdapat bukti yang kuat
mengenai pengaruh ukuran perusahaan yang kecil pada
pasar modal Australia.
Malkiel dan Xu (1997) menunjukkan korelasi
negatif yang tinggi antara ukuran perusahaan dan
volatilitas idiosynkratis serta menyarankan bahwa
risiko volatilitas idiosynkratis menjadi penjelas pada
size-effect. Risiko volatilitas idiosynkratis secara
rasional memiliki harga kalau manajer investasi harus
menjustifikasi (kepada klien) kinerja saham individual
dalam portofolionya. Penelitian keduanya pada tahun
2006 menghasilkan model formal yang konsisten dengan
volatilitas idiosynkratis yang telah memiliki harga saat
investor (baik voluntary atau non-voluntary) tidak
terdiversifikasi secara keseluruhan. Malkiel dan Xu

VOLATILITAS IDIOSYNKRATIS DAN MODEL ASSET PRICING............... (Rowland Bismark Fernando Pasaribu)

(1997) membagi saham ke dalam portofolio berdasarkan

volatilitas idiosynkratis-nya dan menyatakan bahwa
rata-rata tingkat pengembalian tahunan portofolio
selama periode 1963-1994. Hasil penelitiannya
menunjukkan kecenderungan yang nyata bahwa
volatilitas idiosynkratis portofolio yang meningkat
menghasilkan tingkat pengembalian yang juga lebih
tinggi. Sebaliknya, Ang et.al (2006) menyatakan
volatilitas idiosynkratis yang semakin tinggi justru
menghasilkan tingkat pengembalian yang semakin
menurun. Kontradiksi hasil penelitiannya dengan
penelitian sebelumnya adalah studi tersebut tidak
menjelaskan volatilitas idiosynkratis pada level
perusahaan. Sebaliknya, Malkiel dan Xu (2006)
berpendapat bahwa hasil studi Ang et al. (2006)
mungkin mengalami permasalahan error pada variabel
saat fitting modelnya guna meringkas data sampel.
Ukuran perusahaan secara umum berkorelasi
positif dengan likuiditas saham (Amihud, 2002).
Karenanya, likuiditas berpotensi menjadi eksplanator
untuk size-effect. Beedles et al. (1988) menyatakan
bahwa perusahaan besar memiliki likuiditas yang lebih
tinggi dan menyarankan bahwa likuiditas secara parsial
menjelaskan size-effect. Amihud dan Mendelson (1986)
menyarankan bahwa likuiditas adalah atribut yang
penting pada investasi keuangan dan seharusnya
memiliki premi dalam asset pricing. OHara (2003)
berpendapat bahwa biaya likuiditas sama dengan pajak
dimana kalau jumlahnya cukup besar seharusnya
berpengaruh negatif terhadap harga asset.
Dengan menggunakan turnover saham sebagai
proksi likuiditas, Chan dan Faff (2003) menyatakan
bahwa turnover berhubungan negatif terhadap tingkat
pengembalian saham dan pengaruh tersebut berlaku
setelah melakukan kontrol terhadap variabel book-tomarket, size, beta, dan momentum. Marshall dan Young
(2003) menjelaskan likuiditas di pasar modal Australia
dan hasil temuannya konsisten dengan penelitian
Chan dan Faaf, bahwa terdapat hubungan yang negatif
antara turnover saham dan tingkat pengembalian
saham. Selanjutnya, dengan melakukan komparasi pada
lima puluh saham emiten terbesar terhadap lima puluh
saham terkecil di pasar modal Australia, Anderson et
al. (1997) menyatakan tidak terdapat hubungan yang
signifikan antara tingkat pengembalian abnormal dan
likuiditas.
Implikasi model kontrol persediaan Merton

(1987) serta Brunnermeier dan Pedersen (2006) adalah

hubungan yang negatif antara likuiditas dan volatilitas
idiosynkratis. Bali et al. (2005) menyarankan bahwa
hubungan antara volatilitas idiosynkratis dan tingkat
pengembalian yang dinyatakan oleh Goyal dan Clara
(2003) adalah bagian yang dipengaruhi oleh premi
likuiditas. Spiegel dan Wang (2005) menggolongkan
saham berdasarkan volatilitas idiosynkratis-nya dan
menyatakan bahwa prosedur ini menghasilkan output
yang sama sebagaimana halnya klasifikasi berdasarkan
likuiditas bahwa saham dengan volatilitas idiosynkratis
yang tinggi memiliki likuiditas yang rendah. Hubungan
antara volatilitas idiosynkratis dan tingkat
pengembalian dapat menjelaskan hubungan antara
likuiditas dan tingkat pengembalian serta size dan
tingkat pengembalian. Drew dan Veeraraghaven (2002)
menyatakan bahwa premi size and volatilitas
idiosynkratisy adalah nyata. Saham dengan ukuran kecil
dan tingkat volatilitas idiosynkratis yang tinggi justru
menghasilkan tingkat pengembalian yang superior.
Temuan lainnya yakni bahwa volatilitas idiosynkratis
sangat berguna dalam menjelaskan ekspektasi tingkat
pengembalian saham lintas-sektor.
Reaksi atas kinerja model asset pricing 1 faktor
(CAPM) dalam menjelaskan tingkat pengembalian
portofolio saham telah dilakukan baik itu dalam
semangat reformasi atau rekonstruksi model sehingga
muncul apa yang disebut sebagai model asset pricing
multifaktor. Dalam kaitannya tersebut, maka hipotesis
penelitian ini adalah penambahan informasi mengenai
size, likuiditas, risiko sistematik dan volatilitas
idiosynkratis sebagai tambahan faktor risiko pada model
multifaktor akan meningkatkan daya prediksi model
dalam mengestimasi tingkat pengembalian portofolio
saham yang diharapkan dibanding model faktor tunggal.
Untuk melakukan penelitian ini penulis
menggunakan data keuangan setiap emiten yang
pernah dan tergabung dalam LQ-45: harga saham, market value, dan book value periode harian, IHSG, dan
SBI-1 bulanan periode 2000-2007, sehingga data yang
digunakan oleh dalam penelitian ini merupakan data
historis. Data tersebut diperoleh dengan cara
mendownload melalui website BEI dan BI di
www.jsx.co.id dan www.bi.gov.id .
Penelitian ini membentuk portofolio saham
berdasarkan klasifikasi ukuran perusahaan dan rasio
B/M sesuai dengan hasil penelitian Fama dan French

JEB, Vol. 6, No. 1, Maret 2012: 1-23

(2003). Nilai median keseluruhan sampel digunakan

sebagai breakpoint untuk menetapkan perbedaan
antara 2 kategori. Emiten dengan kapitalisasi pasar
kurang dari nilai median dianggap sebagai emiten
dengan kapitalisasi pasar yang kecil dan sebaliknya
yang lebih besar dari nilai median dianggap sebagai
emiten dengan kapitalisasi pasar besar. Klasifikasi
saham berdasarkan indikator likuiditas juga akan
membagi saham ke dalam 2 kategori yang didasarkan
nilai median keseluruhan sampel per tahun yaitu
kategori high-liquid dan low-liquid, begitu juga halnya
dengan kriteria systemic risk (high systemic risk dan
low systemic risk) serta volatilitas idiosynkratis (highIV dan low-IV).
Berdasarkan interseksi pengklasifikasi-an
tersebut, terbentuk 12 kategori portofolio saham, yaitu
bHLiq (Big Cap-High Liquidity), bLwLIQ (Big CapLow Liquidity), sHLiq (Small Cap-High Liquidity),
sLLiq (Small Cap-Low Liquidity), bHSR (Big Cap-High
Systemic Risk), bLwSR (Big Cap-Low Systemic Risk),
sHSR (Small Cap-High Liquidity), sLSR (Small CapLow Systemic Risk), bHIV (Big Cap-High idiosyncratic
volatility), bLwIV (Big Cap-low idiosyncratic volatility), sHIV (Small Cap-High idiosyncratic volatility),
dan sLIV (Small Cap-Low idiosyncratic volatility).
Variabel operasional penelitian adalah tingkat
pengembalian saham adalah (Rit Rit-1)/ (Ri t-1); size
adalah log natural (nilai rata-rata kapitalisasi harian
saham i dimana cap harian adalah jumlah shares outstanding x harga penutupan periode t); likuiditas
adalah (LIQ it) = rata-rata volume perdagangan (t -2, t 1, t) / shares outstanding bulan t; Systemic Risk (Beta
Saham) adalah i,t = Cov(ri,rm) / Var(rm); dan Idiosyncratic Volatility (Malkiel dan Xu, 1997; Clayton et.al,
2006) adalah standar deviasi residual estimasi beta
saham ()
Pre-test dilakukan untuk klarifikasi pengaruh
size, likuiditas saham, systemic risk, dan volatilitas
idiosynkratis terhadap tingkat pengembalian saham
dan uji asumsi klasik yang mengacu kepada kriteria
BLUE, yakni tidak terjadi multikolinearitas, autokorelasi,
dan heteroskedastisitas pada persamaan multiregresi.
Hasil pre-test dapat dilihat pada lampiran.
Untuk menguji hipotesis yang telah diajukan,
digunakan pendekatan multi regresi pada level saham
individual dan portofolio saham. Pada model ini akan
ditambahkan faktor yang dianggap memiliki kapasitas

sebagai tambahan prediktor premi resiko kedalam model

asset pricing tunggal:
Rpi(t) = +[[Rm(t) Rf(t)] + e(t)
Rpi(t) = +[[Rm(t) Rf(t)] +
cSMB(t) + e(t)
Rpi(t) = +[[Rm(t) Rf(t)] +
cHML_Liq(t) + e(t)
Rpi(t) = +[[Rm(t) Rf(t)] +
cHML_SR(t) + e(t)
Rpi(t) = +[[Rm(t) Rf(t)] +
cHML_IV(t) + e(t)

(Model 1.1)
(Model 1.2)
(Model 1.3)
(Model 1.4)
(Model 1.5)

Dalam model multifaktor akan dikolaborasi

faktor resiko yang diusulkan Fama dan French (size
dan likuiditas) dalam model asset pricing secara parsial
dengan faktor penjelas tambahan (systemic risk dan
idiosyncratic-volatility):
Rpi(t) = +[[Rm(t)-Rf(t)] + sSMB(t) +
cHMLiq(t) + e(t)
(Model 2.1)
Rpi(t) = +[[Rm(t)-Rf(t)] + sSMB(t) +
cHMSR(t) + e(t)
(Model 2.2)
Rpi(t) = +[[Rm(t)-Rf(t)] + sSMB(t) +
cHMIV(t) + e(t)
(Model 2.3)
Rpi(t) = +[[Rm(t)-Rf(t)] + hHMLiq(t) +
cHMSR(t) + e(t)
(Model 2.4)
Rpi(t) = +[[Rm(t)-Rf(t)] + hHMLiq(t) +
cHMIV(t) + e(t)
(Model 2.5)
Rpi(t) = +[[Rm(t)-Rf(t)] + hHMSR(t) +
cHMIV(t) + e(t)
(Model 2.6)
Rpi(t) = +[[Rm(t) Rf(t)] + sSMB(t) +
h1HMLiq(t) + h2HMSR + h3HMIV e(t)
Rpi(t)

= tingkat pengembalian portofolio saham

i periode ke t
Rm (t) Rf(t) = nilai rata-rata excess return dikurangi
risk free rate periode ke t
SMB(t)
= return portofolio SMB; (sHLiq + sLLiq
+ sHSR + sLSR + sHIV + sLIV) - (bHLiq
+ bLwLIQ + bHSR + bLwSR + bHIV +
bLwIV) periode ke t
HML-Liq(t) = return portofolio HML-Liq; (bHLiq +
sHLiq)-(bLwLiq +sLwLiq) periode ke t
HML-SR(t) = return portofolio HML-SR; (bHSR +
sHSR)-(bLwSR +sLwSR) periode ke t
HML-IV(t) = return portofolio HML-IV; (bHIV +
sHIV)-(bLwIV +sLwSR) periode ke t

VOLATILITAS IDIOSYNKRATIS DAN MODEL ASSET PRICING............... (Rowland Bismark Fernando Pasaribu)

b, s, h1-h3

= Koefisien regresi

Tahap selanjutnya adalah uji signifikansi

simultan dan parsial terhadap seluruh model asset pricing dan perluasannya. Relevansi portfolio saham yang
terbentuk dilakukan dengan menggunakan alat ukur
Indeks-Sharpe, Indeks-Treynor, dan Jensen-Alpha.
Treynor Index (reward to volatility ratio)
mengemukakan bahwa risiko terdiri dari dua komponen
yaitu risiko yang timbul akibat fluktuasi pasar dan risiko
yang muncul dari fluktuasi unik sekuritas individual
dari suatu portofolio (Reilly dan Brown, 2000).
Selanjutnya diasumsikan bahwa portofolio
terdiversifikasi dengan optimum, karenanya risiko unik
sekuritas individual dapat diabaikan. Melalui asumsi
ini, Treynor mengukur kinerja portofolio berdasarkan
risiko sistematis atau beta sebagai risiko fluktuatif relatif
terhadap risiko pasar (Sharpe, Alexander dan Bailey,
1999). Pengukuran dengan metode Treynor
diformulasikan sebagai berikut (Jones, 2000):
Treynor Indeks = (Erp Rf) / p
ER(p) : Expected Return Portofolio
Rf
: Risk Free Rate
p
: Beta Portofolio
Semakin tinggi nilai positif rasio Treynor,
semakin baik kinerja portofolio.
Jensen-Alpha (differential return measure)
memperkenalkan metode ini dalam mengukur kinerja
investasi Reksa Dana pada tahun 1968. Metode Jensen
mengukur kinerja investasi suatu portofolio didasarkan
atas pengembangan CAPM. Menurut Jones (2000:587)
perhitungan dengan metode Jensen diformulasikan
sebagai berikut:
= (Rp Rf) [p(Rm Rf)]

Rp
Rf
p

:
:
:
:

Jensen Alpha
Return Portofolio
Risk Free Rate
Beta Portofolio

Pengukuran dengan metode Indeks Sharpe, didasarkan

pada apa yang disebut premi risiko. Premi risiko adalah
perbedaan (selisih) antara return rata-rata portofolio
dan investasi bebas resiko (risk free asset). Indeks
Sharpe membagi premi risiko dengan standar deviasi
portofolio selama pengukuran, dimana standar deviasi
merupakan risiko total. Dengan demikian, Shape
mengukur premi risiko yang dihasilkan dari setiap unit
risiko yang ada. Dengan perhitungan tersebut, semakin
tinggi nilai pengukuran, semakin baik kinerja yang
dihasilkan. Pengukuran Indeks Sharpe diformulasikan
sebagai berikut:
Sj = (Ri - Rf ) / j
Sj = Indeks Sharpe
Rj = return rata-rata portofolio j selama jangka waktu
pengukuran
Rf = return rata-rata aset bebas risiko selama jangka
waktu pengukuran
j = standar deviasi portofolio j selama jangka waktu
pengukuran
HASIL PENELITIAN
Berdasarkan Tabel 1 diperoleh nilai rata-rata tingkat
pengembalian portofolio dan faktor risiko selama
periode penelitian. Kecuali portofolio sLwIV dan
sLwLIQ, hampir seluruh portofolio saham yang
terbentuk memiliki tingkap pengembalian bulanan
positif dengan rentang 0,03%-0,39% per bulan. Nilai
tingkat pengembalian tertinggi dihasilkan oleh
portofolio bHIV dengan rata-rata tingkat pengembalian
sebesar 0,39% per bulan, sementara tingkat
pengembalian terendah dihasilkan oleh portofolio
saham sLwIV dengan nilai negatif (0,06%). Dilihat
berdasarkan size, portofolio saham dengan ukuran
besar secara umum masih menghasilkan tingkat
pengembalian yang lebih tinggi (0,09%-0,39%)
dibanding portofolio saham size kecil (-0,06% s/d
0,11%).

Kinerja portofolio dapat dilihat dari nilai alpha,

apabila alpha bernilai positif berarti kinerja portofolio
yang lebih tinggi daripada kinerja pasar.

JEB, Vol. 6, No. 1, Maret 2012: 1-23

Tabel 1
Deskripsi Statistik
Portofolio

Min

bHLIQ
bLwLIQ
sHLIQ
sLwLIQ
bHSR
bLwSR
sHSR
sLwSR
bHIV
bLwIV
sHIV
sLwIV

96
96
96
96
96
96
96
96
96
96
96
96

-4.72%
-2.19%
-1.56%
-4.77%
-4.72%
-1.79%
-3.88%
-4.77%
-4.72%
-1.30%
-4.77%
-1.14%

Max

Mean

3.02% 0.18%
1.93% 0.17%
6.67% 0.08%
3.24% -0.05%
2.36% 0.16%
5.04% 0.26%
3.24% 0.03%
3.08% 0.11%
4.93% 0.39%
1.86% 0.09%
6.89% 0.15%
1.23% -0.06%

Std. Dev
0.88%
0.62%
1.01%
1.00%
0.94%
0.84%
0.88%
0.99%
1.13%
0.51%
1.32%
0.45%

Berdasarkan perhitungan empiris (Tabel 2, panel

A-F), hasil uji signifikansi prediktor untuk tingkat saham
individual adalah beragam, dimana untuk tahun 2000
prediktor yang digunakan (size, likuiditas, risiko
sistematis, dan volatilitas idiosynkratis) secara simultan
hanya berpengaruh signifikan pada periode Januari,
April, Juni, dan September dengan kemampuan
menjelaskan variasi tingkat pengembalian saham
sebesar 35,37%-96,5%. Pada periode 2001 prediktor
hanya berpengaruh signifikan secara simultan pada
bulan Januari, Juni, Juli, dan September dengan
kemampuan menjelaskan variasi tingkat pengembalian
saham sebesar 32,9%-99,6%.
Untuk periode 2002, kecuali pada bulan Maret,
Juli, Agustus, dan September keempat prediktor secara
simultan memiliki pengaruh yang signifikan terhadap
tingkat pengembalian saham. Dengan koefisien
determinasi sebesar 41,74%-99,13%. Secara parsial,
volatilitas idiosynkratis dan size memiliki pengaruh
signifikan yang positif terhadap tingkat pengembalian
saham. Pada periode ini hasil pengaruh signifikan
empiris pada risiko sistematis dan likuiditas saham
secara parsial menunjukan gejala anomali terhadap
tingkat pengembalian saham.
Pada tahun 2003, kecuali pada bulan Maret, Juli,
dan November keempat prediktor secara simultan
memiliki pengaruh yang signifikan terhadap tingkat
pengembalian saham dengan kemampuan menjelaskan
variasi tingkat pengembalian saham sebesar 26,5%-

94,33%. Secara parsial, volatilitas idiosynkratis,

likuiditas saham, dan size memiliki pengaruh signifikan
yang positif terhadap tingkat pengembalian saham.
Anomali justru dihasilkan oleh arah signifikansi
pengaruh parsial risiko sistematis saham.
Selanjutnya pada tahun 2004, kecuali pada
bulan Juni dan September keempat prediktor secara
simultan berpengaruh signifikan terhadap tingkat
pengembalian saham dengan kemampuan menjelaskan
variasi tingkat pengembalian saham sebesar 21,8%98,9%. Secara parsial volatilitas idiosynkratis sebagian
besar masih berpengaruh positif terhadap tingkat
pengembalian saham. Gejala anomali dihasilkan oleh
likuiditas saham (-) dan risiko sistematis (-) dengan
signifikansi pengaruh yang negatif terhadap tingkat
pengembalian saham.
Keempat prediktor secara simultan juga
berpengaruh signifikan terhadap return saham pada
tahun 2005, kecuali pada bulan April, Agustus, September, dan Desember dengan rentang kemampuan
menjelaskan variasi sebesar 20,67%-99,84%. Secara
parsial pola signifikansi pengaruh simultan nampak
hanya diikuti oleh volatilitas idiosynkratis dan tetap
menunjukan arah yang positif terhadap tingkat
pengembalian saham. Signifikansi pengaruh positif
juga dihasilkan variabel size dan risiko sistematis pada
periode ini. Gejala anomali masih ditunjukkan oleh
likuiditas saham (-) dengan arah signifikansi pengaruh
yang asimetris terhadap tingkat pengembalian saham.
Pada tahun 2006, signifikansi simultan terjadi
pada sebahagian besar periode kecuali bulan Mei dan
Agustus dengan kapasitas menjelaskan variasi tingkat
pengembalian sebesar 25,14%-79,7%. Secara parsial,
volatilitas idiosynkratis dan size berpengaruh signifikan
dengan arah positif terhadap tingkat pengembalian,
arah sebaliknya ditunjukkan oleh risiko sistematis.
Sementara likuiditas saham (-) dan risiko sistematis (-)
masih menghasilkan anomali dengan signifikansi
pengaruh dengan arah yang berlawanan terhadap teori
investasi secara umum.
Pada tahun 2007, signifikansi simultan terjadi
pada sebahagian besar periode kecuali bulan Agustus
dengan kapasitas menjelaskan variasi tingkat
pengembalian sebesar 26,67%-70,4%. Secara parsial,
volatilitas idiosynkratis, risiko sistematis, dan size
berpengaruh signifikan dengan arah yang positif
terhadap tingkat pengembalian. Likuiditas saham masih

VOLATILITAS IDIOSYNKRATIS DAN MODEL ASSET PRICING............... (Rowland Bismark Fernando Pasaribu)

menghasilkan anomali dengan signifikansi pengaruh

yang negatif terhadap tingkat pengembalian saham.
PEMBAHASAN
Dalam hal ini akan dilakukan komparasi antara model
tunggal dan perluasannya terhadap kapasitas model
dalam menjelaskan variasi ekspektasi tingkat
pengembalian portofolio saham yang terbentuk secara
simultan dan parsial. Secara keseluruhan faktor beta
memiliki pengaruh signifikan yang positif portofolio
saham bHLIQ, bHSR, sHSR, bHIV, bLwIV, dan SlwIV
dengan kemampuan menjelaskan variasi ekspektasi
tingkat pengembalian portofolio berkisar 4,37%-8,12%.
Panel B adalah hasil uji dengan mengikutsertakan faktor
SMB ke dalam model CAPM. Perubahan yang terjadi
nampak pada signifikansi simultan yang terjadi pada
seluruh portofolio saham yang terbentuk (kecuali
sHLIQ dan sHLIQ). Secara parsial, proksi size tidak
berpengaruh terhadap portofolio saham dengan ukuran
kecil yang tingkat likuiditasnya tinggi (sHLI) dan tingkat
volatilitas idiosynkratis yang rendah (sLWIV). Dengan
ditambahkannya faktor size juga menambahkan daya
kemampuan menjelaskan variasi tingkat pengembalian
portofolio menjadi 6.84%-49,21%. Pada model 1.3 (Panel
C) prediktor ekspektasi tingkat pengembalian adalah
tingkat pengembalian pasar dan proksi likuiditas saham.
Secara parsial, faktor pasar memiliki pengaruh positif
yang signifikan terhadap ekspektasi tingkat
pengembalian portofolio saham (bHLiq, sLwLiq, bHSR,
sHSR, bHIV, dan bLwIV) sementara di sisi lain kecuali
pada portofolio sLWLiq proksi likuiditas saham memiliki
pengaruh signifikan positif terhadap ekspektasi tingkat
pengembalian tiga portofolio saham (bHLiq, sHLiq,
bLwSR, dan bHIV). Secara keseluruhan, kedua prediktor
memiliki kemampuan menjelaskan variasi dari ekspektasi
tingkat pengembalian portofolio sebesar 9,09%-48,75%.
Untuk panel D, prediktor tambahan yang
digunakan adalah proksi risiko sistematis saham.
Berdasarkan hasil perhitungan empiris diperoleh hasil
bahwa secara simultan dua prediktor ini memiliki
pengaruh yang signifikan (kecuali portofolio bLwLiq,
sLwLiq, dan sHIV) terhadap ekspektasi tingkat
pengembalian portofolio saham. Pada level parsial,
proksi pasar hanya memiliki pengaruh signifikan pada
ekspektasi tingkat pengembalian portofolio saham
dengan tingkat likuiditas yang tinggi (bHLiq dan sHLiq)

dan volatilitas idiosynkratis [(+) tinggi; (-) rendah] pada

saham dengan ukuran besar, sementara pengaruh
proksi risiko sistematis memiliki pola pengaruh
signifikan positif yang segmented (hanya kepada
portofolio kelompok likuiditas). Ditambahkannya proksi
likuiditas ke dalam model CAPM meningkatkan
kemampuan dalam menjelaskan variasi ekspektasi
tingkat pengembalian portofolio sebesar 5,08%-30,53%.
Pada panel E, prediktor tambahan yang
digunakan adalah proksi volatilitas idiosynkratis
saham. Berdasarkan hasil perhitungan empiris diperoleh
hasil bahwa secara simultan dua prediktor ini memiliki
pengaruh yang signifikan (kecuali portofolio bLwLiq
dan sLwIV) terhadap ekspektasi tingkat pengembalian
portofolio saham. Pada level parsial, proksi pasar hanya
memiliki pengaruh signifikan pada ekspektasi tingkat
pengembalian portofolio yang terbentuk dari saham
dengan tingkat likuiditas yang tinggi (bHLiq); tingkat
risiko sistematis yang tinggi (bHSR, dan sHSR);
pengaruh positif untuk portofolio kelompok volatilitas
idiosynkratis. Penambahan proksi volatilitas
idiosynkratis pada model CAPM meningkatkan
kemampuan model dalam menjelaskan variasi
ekspektasi tingkat pengembalian portofolio sebesar
7,66%-58,58%.
Model multifaktor portofolio awal mengacu pada
model Fama dan French yang menyatakan bahwa
terdapat faktor lain selain pasar yang memiliki potensi
dalam menjelaskan variasi ekspektasi tingkat
pengembalian portofolio saham. Hasil model Fama dan
French dapat dilihat pada panel F (model 2.1) Prediktor
dalam model adalah faktor pasar, proksi size, dan
likuiditas saham. Secara simultan ketiga prediktor
memiliki pengaruh yang signifikan terhadap ekspektasi
tingkat pengembalian seluruh portofolio saham (kecuali
sLwIV) yang terbentuk. Secara parsial, faktor pasar
memiliki pengaruh signifikan yang positif terhadap
seluruh kelompok portofolio yang dipengaruhinya.
Secara disparitas, proksi size memiliki pengaruh
signifikan positif pada ekspektasi tingkat pengembalian
portofolio ukuran kecil (sHLiq, sLwLiq, sHSR, sLwSR,
dan sHSR) dan negatif untuk ukuran besar (bLwLiq,
bHSR, dan bHIV). Sementara proksi likuiditas hanya
berpengaruh signifikan terhadap empat portofolio
(bHLiq, sHLiq, sLwLiq, dan bLwSR). Secara
keseluruhan, daya kemampuan prediktor dalam
menjelaskan variasi ekspektasi tingkat pengembalian

JEB, Vol. 6, No. 1, Maret 2012: 1-23

portfolio yang terbentuk adalah 13,38%-62,03%.

Pada panel G (model 2.2), prediktor likuiditas
diganti dengan proksi risiko sistematis. Secara simultan,
ketiga prediktor memiliki pengaruh yang signifikan
terhadap ekspektasi tingkat pengembalian seluruh
portofolio saham (kecuali sHLiq) yang terbentuk. Secara
parsial, faktor pasar memiliki pengaruh signifikan yang
positif terhadap seluruh kelompok portofolio yang
dipengaruhinya. Secara disparitas, proksi size memiliki
pengaruh signifikan positif pada ekspektasi tingkat
pengembalian portofolio ukuran kecil (sLwLiq, sHSR,
sLwSR, dan sHIV) dan negatif untuk ukuran besar
(bHLiq, bLwLiq, bHSR, bLwSR, bHIV, dan bLwIV).
Sementara proksi risiko sistematis berpengaruh
signifikan negatif terhadap portofolio dengan tingkat
risiko sistematik yang rendah dan sebaliknya pengaruh
positif dengan tingkat risiko yang tinggi. Koefisien
determinasi hasil perhitungan empiris dari ketiga
prediktor ini adalah 8,68%-50,07%.
Pada model 2.3 (Panel H) prediktor risiko
sistematis diganti dengan proksi volatilitas
idiosynkratis. Secara simultan ketiga prediktor memiliki
pengaruh yang signifikan terhadap ekspektasi tingkat
pengembalian seluruh portofolio saham (kecuali sLwIV)
yang terbentuk. Secara parsial, faktor pasar tetap
berpengaruh signifikan positif terhadap seluruh
kelompok portofolio yang dipengaruhinya. Secara
disparitas, proksi size berpengaruh signifikan positif
pada ekspektasi tingkat pengembalian portofolio
ukuran kecil dan negatif untuk ukuran besar untuk
seluruh kelompok portofolio saham. Sementara proksi
volatilitas idiosynkratis berpengaruh signifikan positif
terhadap seluruh kelompok portofolio yang
dipengaruhinya. Kisaran koefisien determinasi hasil
perhitungan empiris dari ketiga prediktor ini adalah
12,01%-74,92%.
Pada model 2.4 (Panel I) prediktor pada model
multifaktor adalah faktor pasar, proksi likuiditas, dan
risiko sistematis. Secara simultan seluruh prediktor
berpengaruh signifikan terhadap ekspektasi tingkat
pengembalian portofolio saham (kecuali bLwLiq dan
sHIV). Secara parsial, faktor pasar memiliki pengaruh
signifikan yang positif terhadap seluruh kelompok
portofolio yang dipengaruhinya. Proksi likuiditas
saham hanya berpengaruh signifikan terhadap enam
portfolio (bHLiq, sHLiq, sLwLiq, bHSR, bLwSR, bHIV,
dan bHIV). Proksi risiko sistematis berpengaruh

signifikan negatif terhadap portofolio dengan tingkat

risiko sistematik yang rendah dan sebaliknya pengaruh
positif dengan tingkat risiko yang tinggi. Koefisien
determinasi hasil perhitungan empiris dari model
berkisar 8,78%-48,79%.
Pada model 2.5 (Panel J) prediktor model
multifaktor adalah faktor pasar, proksi likuiditas, dan
volatilitas idiosynkratis. Secara simultan seluruh
prediktor berpengaruh signifikan terhadap ekspektasi
tingkat pengembalian portofolio saham (kecuali bLwLiq
dan sLwIV). Secara parsial, faktor pasar memiliki
pengaruh signifikan yang positif terhadap seluruh
kelompok portofolio yang dipengaruhinya. Proksi
likuiditas saham hanya berpengaruh signifikan
terhadap enam portofolio (bHLiq, sLwLiq, bHSR, sHSR,
bHIV, dan sLwIV). Lebih lanjut dilihat dari arah
pengaruhnya, proksi likuiditas saham berpengaruh
negatif terhadap portofolio small size yang
likuiditasnya rendah dan risiko sistematis yang tinggi.
Sementara proksi volatilitas idiosynkratis berpengaruh
signifikan positif terhadap seluruh kelompok portofolio
yang dipengaruhinya. Koefisien determinasi hasil
perhitungan empiris dari model ini berkisar 12,10%60,73%.
Pada model 2.6 (Panel K) prediktor model
multifaktor adalah faktor pasar, risiko sistematis, dan
volatilitas idiosynkratis. Secara simultan seluruh
prediktor berpengaruh signifikan terhadap ekspektasi
tingkat pengembalian portofolio saham (kecuali
bLwLiq). Secara parsial, faktor pasar memiliki pengaruh
signifikan yang positif hanya pada portfolio bHIV dan
bLwIV. Proksi risiko sistematis saham hanya
berpengaruh segmented terhadap portofolio
kelompoknya sendiri dengan arah pengaruh positif
untuk portofolio yang berisiko tinggi dan negatif untuk
tingkat risiko yang rendah. Sebaliknya proksi volatilitas
idiosynkratis berpengaruh signifikan positif terhadap
seluruh kelompok portofolio yang dipengaruhinya.
Koefisien determinasi hasil perhitungan empiris dari
model ini berkisar 8,28%-58,92%.
Pada model 3.1 (Panel L) prediktor model
multifaktor adalah faktor pasar, likuiditas saham, risiko
sistematis, dan volatilitas idiosynkratis. Secara simultan
seluruh prediktor berpengaruh signifikan terhadap
ekspektasi tingkat pengembalian portofolio saham.
Secara parsial, faktor pasar tetap berpengaruh signifikan
positif terhadap kelompok portofolio yang

VOLATILITAS IDIOSYNKRATIS DAN MODEL ASSET PRICING............... (Rowland Bismark Fernando Pasaribu)

dipengaruhinya. Kecuali portofolio bHLiq dan sLwIV,

proksi size berpengaruh signifikan terhadap seluruh
kelompok portofolio. Secara disparitas, proksi size
berpengaruh signifikan positif pada ekspektasi tingkat
pengembalian portofolio ukuran kecil dan negatif untuk
ukuran besar untuk seluruh kelompok portofolio saham.
Sedangkan proksi likuiditas, hanya berpengaruh
terhadap portofolio saham kelompok likuiditas.
Demikian juga halnya dengan proksi risiko sistematis
saham yang hanya berpengaruh segmented terhadap
portofolio kelompoknya sendiri dengan arah pengaruh
positif untuk portofolio yang berisiko tinggi dan negatif
untuk tingkat risiko yang rendah. Sebaliknya proksi
volatilitas idiosynkratis berpengaruh signifikan positif
terhadap seluruh kelompok portofolio yang
dipengaruhinya. Koefisien determinasi hasil
perhitungan empiris untuk model ini berkisar 11,5%74,94%.
Berdasarkan penjelasan tersebut secara garis
besar hasil empiris penelitian mendukung penelitian
terdahulu dalam menyikapi kontradiksi titik sentral
CAPM-nya Sharpe (1964) yang menyatakan bahwa
ekspektasi tingkat pengembalian saham adalah fungsi
linier positif dari beta pasarnya. CAPM juga menyatakan
bahwa terdapat reward untuk mentoleransi risiko
sistematis yang diukur dengan premi risiko pasar.
Implikasi CAPM menyatakan bahwa risiko
idiosynkratis dapat dieliminir dalam portofolio yang
terdiversifikasi dan karenanya investor tidak akan
memperoleh reward atas perilaku mentolerir risiko
idiosynkratis.
Malkiel dan Xu (1997), Drew dan Veeraraghaven
(2002); serta Clayton et al. menyatakan kontradiksi
CAPM dengan mengobservasi bahwa volatilitas
idiosynkratis memiliki harga dalam pasar dan karenanya
berhubungan dengan tingkat pengembalian saham.
Hasil kalkulasi empiris juga menyatakan bahwa size dan
volatilitas idiosynkratis adalah premi yang nyata dan
pervasif. Hasil kalkulasi empiris tersebut juga
menunjukkan bahwa saham dengan volatilitas
idiosynkratis yang tinggi dan rendah menghasilkan
tingkat pengembalian yang superior, sementara untuk
level portofolio pengaruh proksi ini juga sebahagian
besar positif terhadap seluruh kelompok portofolio
saham yang terbentuk. Penelitian ini juga mendukung
Malkiel dan Xu (2000) dan Clayton et al. (2006) yang
menyatakan bahwa volatilitas idiosynkratis berguna

dalam menjelaskan ekspektasi tingkat pengembalian

secara cross-section dan karenanya juga sebagai
penjelasan alternatif untuk kesimpulan yang dinyatakan
Fama dan French (1992).
Evaluasi kinerja portofolio dilakukan dengan
menggunakan 3 alat ukur, yakni: Indeks-Treynor, Alpha-Jensen, dan Indeks-Sharpe. Berdasarkan Tabel 4
(Panel A-C), tampak kriteria Treynor-Index selama
periode penelitian menunjukkan bahwa kinerja portfolio belum maksimal (ditunjukkan dengan indeks
portofolio yang masih negatif) baik itu kategori
likuiditas, risiko sistematis atau volatilitas idiosynkratis.
Periode penelitian sampai dengan tahun 2004 masih
dihasilkan beberapa portofolio yang menunjukkan
indeks positif, tetapi nilai ini masih harus dicermati
dengan melihat koefisien beta portofolionya. Sesudah
tahun 2004 hampir seluruh portofolio saham memiliki
indeks negatif. Hal ini berarti ekspektasi tingkat
pengembalian portofolio masih lebih kecil dibanding
risk free rate sehingga apabila dikomparasi terhadap
risiko fluktuatif relatif terhadap risiko pasar menghasilkan nilai indeks yang negatif. Dengan pendekatan
Jensen-Alpha, kinerja portofolio dapat dilihat dari nilai
alpha; dimana apabila alpha bernilai positif berarti
menunjukkan kinerja portofolio yang lebih tinggi
daripada kinerja pasar. Berdasarkan hasil perhitungan,
diperoleh tidak satupun portofolio yang memiliki indeks
positif. Kondisi ini secara ringkas dapat dikatakan
bahwa tingkat pengembalian portofolio selama periode
penelitian masih inferior terhadap resiko sistematisnya
yang di satu sisi berfungsi sebagai multiplier pada
kinerja pasar. Mengacu kepada indeks-Sharpe, secara
umum premi risiko seluruh portofolio masih tinggi
selama periode penelitian. Hal ini ditunjukkan dengan
indeks yang negatif pada seluruh portofolio selama
periode penelitian. Dengan kata lain, tingkat
pengembalian portofolio masih lebih rendah dibanding
tingkat pengembalian rata-rata aset bebas risiko.
Berdasarkan hasil evaluasi dengan 3 alat ukur
dapat diperoleh informasi bahwa aspek size, likuiditas
saham, dan risiko sistematis tidak serta merta menjamin
portofolio yang terbentuk menghasilkan konsensus
perihal accepted risk yang reliable versus tingkat
pengembalian yang diharapkan. Pernyataan ini semakin
dikonfirmasi apabila kriteria pembentukkan portofolio
mempertimbangkan volatilitas idiosynkratis saham
emiten.

JEB, Vol. 6, No. 1, Maret 2012: 1-23

SIMPULAN DAN SARAN

DAFTAR PUSTAKA

Simpulan
Penelitian ini bertujuan untuk membuktikan signifikansi
volatilitas idiosynkratis saham terhadap tingkat
pengembalian portofolio saham dan melakukan
evaluasi kinerja portfolio yang terbentuk dengan alat
ukut indeks Treynor, Alpha-Jensen, dan indeks Sharpe.
Hasil penelitian menunjukkan bahwa untuk model
faktor tunggal dan variasi model multifaktor
kecenderungan yang dihasilkan adalah signifikansi
pengaruh yang positif terhadap expected return portfolio saham. Hasil empiris lainnya adalah penambahan
proksi idiosynkratis, memang terbukti meningkatkan
daya prediksi model dalam menjelaskan variasi expected
return portfolio saham pada seluruh model asset pricing yang digunakan. Hasil evaluasi dengan 3 alat ukur
menyatakan bahwa aspek size, likuiditas, dan risiko
sistematis saham masih belum menunjukkan kinerja
portfolio yang optimal bahkan setelah dilakukan
perluasan pada seluruh model dengan menambah
volatilitas idiosynkratis saham emiten. Penelitian ini
masih memiliki beberapa keterbatasan, yaitu jumlah
sampel yang masih sedikit dan periode penelitian yang
pendek (7 tahun) dan formasi pembentukan portofolio
(tahunan), proksi volatilitas yang digunakan masih
terlalu umum (hanya volatilitas idiosynkratis), dan
indikator risiko masih mengacu kepada standar deviasi
Saran
Berdasarkan keterbatasan penelitian tersebut, hasil
penelitian ini diharapkan dapat memberikan saran atau
implikasi bagi penelitian selanjutnya, yaitu jika
dimungkinkan menambah periode pembentukkan
portofolio, misalnya bulanan, triwulan, kuartal, dan per
semester sehingga dapat memberikan informasi yang
lebih komprehensif mengenai kinerja portofolio yang
terbentuk dengan pendekatan yang digunakan,
menambah ukuran resiko portofolio, misalnya risk reduce yang dihitung dengan parameter value at risk,
dan menambah kriteria saham pembentuk portofolio,
seperti saham yang termasuk dalam kategori winnerlooser, underpriced-overpriced.

10

Amihud, Y. Mendelson, H. 1986. Asset pricing and

the bid-ask spread. Journal of Financial Economics, 17, 223-249.
Amihud, Y. 2002. Illiquidity and stock Returns: Crosssection and time-series effects. Journal of Financial Market,s 5; 31-56.
Anderson, D., Clarkson, P., Moran, S. 1997. The association between information, liquidity and two
stock market anomalies: the size effect and seasonalities in equity returns. Accounting Research Journal 10, 6-19.
Ang, A., Hodrick, R., Xing, Y., Zhang, X. 2006. The
cross-section of volatility and expected returns. Journal of Finance 61, 259-299.
Bali, T., Cakici, N., Yan, X., Zhang, Z. 2005. Does idiosyncratic risk really matter? Journal of finance
60, 905-929.
Ball, R., Brown, P., Officer, R. 1979. Asset pricing in
the Australian industrial equity market. Australian Journal of Management 1, 1-32.
Banz, R. 1981. The relationship between return and
market value of common stocks. Journal of
Financial Economics 9, 3-18.
Beedles, W., Dodd, P., Officer, R. 1988. Regularities in
Australian share returns. Australian Journal
of Management 13, 1-29.
Bhandari, L. 1988. Debt/Equity ratio and expected
common stock returns: Empirical evidence.
Journal of Finance 43, 507-528.
Brown, P., Kleidon, A., Marsh, T. 1983. New evidence
on the nature of size-related anomalies in stock
prices. Journal of Financial Economics 12,
33-56.

VOLATILITAS IDIOSYNKRATIS DAN MODEL ASSET PRICING............... (Rowland Bismark Fernando Pasaribu)

Brunnermeier, M., Pedersen, L. 2006. Market liquidity

and funding liquidity. Working paper, Princeton
University.
Chan, H., Faff, R. 2003. An investigation into the role
of liquidity in asset pricing: Australian Evidence. Pacific-Basin Finance Journal 11, 555572.
Clayton, Louise. Michael Dempsey, dan M.
Veeraraghaven. 2006. Are Beta, Firm Size and
Idiosyncratic Volatility related to Stock Return?
Australian Evidence. Working Paper, Dept of
Accounting and Finance, Monash University.
Constantinides, G. 1986. Capital market equilibrium with
transaction costs. Journal of Political
Economy 94, 842-862.
Drew, M dan M. Veeraraghaven. 2002. Idiosyncratic
Volatility: Evidence from Asia. Discussion Paper, No. 107, Maret, Queensland University of
Technology.
Faff, R. 1991. A likelihood ratio test of the zero-beta
CAPM in Australian equity returns. Accounting and Finance 31, 88-95.
Faff, R. 2001. An examination of the Fama and French
three-factor model using commercially available
factors. Australian Journal of Management
26, 1-17.
Fama, E., French, K. 1992 The cross-section of expected stock returns. Journal of Finance 47,
427-465.
Fama, E., French, K. 1993. Common risk factors in the
returns on stocks and bonds. Journal of Financial Economics 33, 3-56.

1975-1999.
Gaunt, C. 2004. Size and book to market effects and
the Fama French three factor asset pricing
model: evidence from the Australian
stockmarket. Accounting and Finance 44, 2744.
Goyal, A., Santa-Clara, P. 2003. Idiosyncratic risk matters. Journal of Finance 58, 975-1008.
Halliwell, J., Heaney, R., Sawicki, J. 1999. Size and book
to market effects in Australian share markets: A
time series analysis. Accounting Research
Journal 12, 122-137.
Horowitz, J., Loughran, T., Savin, N. 2000. Three analyses of the firm size premium. Journal of Empirical Finance 7, 143-153.
Lintner, J. 1965. The valuation of risk assets and the
selection of risky investments in stock portfolios and capital budgets. Review of Economics and Statistics, 13-37.
Malkiel, B., Xu, Y. 1997. Risk and return revisited.
Journal of Portfolio Management 23, 9-14.
Malkiel, B., Xu, Y. 2006. Idiosyncratic risk and security
Returns, Working paper, Princeton University.
Marshall, B., Young, M. 2003. Liquidity and stock returns in pure order-driven markets: evidence
from the Australian stock market. International
Review of Financial Analysis 12, 173-188.
Merton, R. 1987. A simple model of capital market equilibrium with incomplete information. Journal
of Finance 42, 483-510.

Fama, E., French, K. 1996. Multifactor explanations of

asset pricing anomalies. Journal of Finance
51, 55-84.

Moosa, I., Bollen., B. 2002. A benchmark for measuring bias in estimated daily value at risk. International Review of Financial Analysis 11, 85100.

Fama, E., French K. 1998. Value versus growth: The

international evidence. Journal of Finance 53,

OHara, M. 2003. Presidential address: Liquidity and

price discovery. Journal of Finance 58, 1335-

11

JEB, Vol. 6, No. 1, Maret 2012: 1-23

1354.
Rosenberg, B., Reid, K., Lanstein, R. 1985. Persuasive
evidence of market inefficiency. Journal of
Portfolio Management 11, 9-17.
Sharpe, W. 1964. Capital asset prices: a theory of market equilibrium under conditions of risk. Journal of Finance 19, 425442.
Spiegel, M., Wang, X. 2005. Cross-sectional variation
in stock returns: Liquidity and idiosyncratic risk.
Working paper, Yale University.
Wood, J. 1991. A cross-sectional regression test of
the mean-variance efficiency of an Australian
value weighted market portfolio. Accounting
and Finance 31, 96-109.

12

VOLATILITAS IDIOSYNKRATIS DAN MODEL ASSET PRICING............... (Rowland Bismark Fernando Pasaribu)

Tabel 2
Hasil Model Multifaktor Level Saham
Panel A. Tahun 2000
(Constant) Ln_Size
Jan
Feb
Mar
Apr
May
Juni
Juli
Agust
Sept
Oct
Nov
Dec

Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t

-0.0173
0.4916
-0.0204
0.1590
0.0026
0.8669
-0.0319
0.0037
-0.0290
0.1150
-0.0069
0.7942
0.0142
0.0927
-0.0138
0.1531
0.0226
0.0830
0.0112
0.4012
0.0055
0.3625
0.0010
0.9228

0.0001
0.9511
0.0007
0.3288
-0.0001
0.9137
0.0010
0.0458
0.0011
0.2152
0.0002
0.8538
-0.0007
0.0633
0.0004
0.3986
-0.0013
0.0610
-0.0005
0.3745
-0.0001
0.8259
-0.0002
0.7290

Liquidity
0.6435
0.3998
0.5792
0.2676
-0.4957
0.5183
0.1653
0.7470
-2.2313
0.1063
1.0190
0.7109
-0.1075
0.8950
0.5982
0.4906
1.4726
0.3515
2.1441
0.0782
-0.2632
0.8011
0.6064
0.6583

Systematic Idiosyncratic
Risk
Volatility
0.0054
0.0042
0.0020
0.1389
0.0007
0.7115
-0.0019
0.0422
0.0011
0.8360
0.0035
0.0175
0.0004
0.6538
-0.0025
0.2824
0.0024
0.6635
0.0014
0.3159
0.0007
0.5369
-0.0009
0.6608

0.1906
0.0022
0.0335
0.4454
-0.0464
0.2744
0.0860
0.0122
0.0327
0.6000
0.1684
0.0000
-0.0747
0.1495
0.1106
0.1340
-0.1487
0.0002
-0.1808
0.0281
-0.1030
0.0392
-0.0705
0.3163

DW

Sig.F

0.4890

1.78

0.000

0.1755

2.07

0.187

0.0448

1.97

0.648

0.3537

2.44

0.007

0.1148

2.18

0.420

0.9649

1.58

0.000

0.1545

2.06

0.252

0.1139

1.67

0.424

0.4334

1.52

0.001

0.1995

2.10

0.130

0.1363

2.42

0.321

0.0423

2.39

0.847

DW

Sig.F

0.5140

2.24

0.000

0.1716

2.25

0.198

0.0958

1.90

0.131

0.0955

2.42

0.524

0.1265

1.80

0.364

Panel B. Tahun 2001

(Constant) Ln_Size
Jan
Feb
Mar
Apr
May

Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t

-0.0336
0.0000
-0.0169
0.2089
-0.0218
0.0673
-0.0094
0.1842
0.0052
0.6575

0.0016
0.0000
0.0010
0.1154
0.0007
0.2241
0.0002
0.6066
0.0000
0.9909

Liquidity
-0.5849
0.5904
-1.6771
0.1282
-1.1635
0.0343
-0.2579
0.3958
0.5610
0.0622

Systematic Idiosyncratic
Risk
Volatility
0.0021
0.0750
0.0008
0.5536
0.0026
0.1015
-0.0006
0.6331
-0.0017
0.5442

0.0277
0.3213
-0.0941
0.2382
0.0685
0.1403
0.0713
0.1256
0.0318
0.6050

13

JEB, Vol. 6, No. 1, Maret 2012: 1-23

Juni
Juli
Agust
Sept
Oct
Nov
Dec

Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t

-0.0063
0.3021
-0.0057
0.4507
-0.0006
0.7685
-0.0044
0.2051
-0.0008
0.8004
-0.0029
0.5060
0.0000
0.9886

0.0001
0.6501
0.0001
0.8235
-0.0001
0.1894
-0.0002
0.2829
0.0001
0.5473
0.0000
0.9881
0.0001
0.3901

-0.1005
0.7757
0.4574
0.2049
0.1675
0.2422
-0.3106
0.2250
0.1553
0.6200
-0.1723
0.7608
-0.7416
0.0341

0.0018
0.2137
0.0016
0.0706
0.0007
0.5390
-0.0056
0.0360
0.0000
0.9725
-0.0023
0.0486
0.0025
0.0640

0.2321
0.0000
0.1805
0.0000
0.0170
0.5867
0.1169
0.0218
-0.0619
0.0562
0.0482
0.2349
0.0245
0.4689

0.6583

1.94

0.000

0.9960

2.14

0.000

0.0917

1.84

0.545

0.3290

2.20

0.013

0.1396

1.61

0.308

0.1654

2.00

0.216

0.2211

2.32

0.092

DW

Sig.F

0.3846

2.12

0.004

0.4275

2.29

0.001

0.1300

2.02

0.080

0.5318

1.45

0.000

0.2535

2.32

0.053

0.9913

2.23

0.000

0.1038

1.89

0.477

0.2236

2.11

0.088

0.1476

1.84

0.277

0.4174

1.20

0.002

0.7440

1.92

0.000

0.9707

1.82

0.000

Panel C. 2002

(Constant) Ln_Size
Jan
Feb
Mar
Apr
May
Juni
Juli
Agust
Sept
Oct
Nov
Dec

14

Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t

-0.0045
0.3953
-0.0014
0.7971
-0.0016
0.8364
-0.0029
0.7804
-0.0045
0.3698
-0.0063
0.4222
-0.0010
0.8696
-0.0015
0.6546
0.0039
0.7694
-0.0166
0.1759
-0.0264
0.0000
-0.0221
0.1740

0.0001
0.6202
0.0002
0.5304
0.0006
0.1028
-0.0001
0.8278
0.0002
0.4498
-0.0001
0.8060
-0.0003
0.2983
-0.0001
0.4259
-0.0005
0.4909
0.0004
0.4925
0.0012
0.0000
0.0010
0.2603

Liquidity
0.9536
0.0951
-0.2103
0.7547
-1.3985
0.0311
0.0852
0.9125
0.2243
0.5558
0.1634
0.7093
0.3109
0.7600
-0.0676
0.9248
-0.0227
0.9884
-1.0742
0.2456
-0.6407
0.1259
0.0843
0.9455

Systematic Idiosyncratic
Risk
Volatility
-0.0036
0.1191
-0.0091
0.0000
0.0008
0.4855
-0.0001
0.9459
-0.0027
0.0126
-0.0051
0.0026
-0.0032
0.1146
0.0008
0.4308
0.0047
0.0726
0.0004
0.9073
-0.0003
0.6345
0.0055
0.0384

0.1740
0.0110
-0.0714
0.1167
-0.0777
0.1353
0.2784
0.0000
-0.0581
0.0679
0.1901
0.0000
0.0137
0.6775
0.0499
0.1483
-0.0033
0.9269
0.1407
0.0002
0.1355
0.0000
0.2250
0.0000

VOLATILITAS IDIOSYNKRATIS DAN MODEL ASSET PRICING............... (Rowland Bismark Fernando Pasaribu)

Panel D. 2003

(Constant) Ln_Size
Jan
Feb
Mar
Apr
May
Juni
Juli
Agust
Sept
Oct
Nov
Dec

Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t

-0.0171
0.0482
-0.0118
0.1667
-0.0046
0.7168
-0.0020
0.8612
-0.0125
0.4348
-0.0376
0.0040
0.0025
0.8888
0.0021
0.9232
-0.0235
0.0370
-0.0326
0.0315
-0.0050
0.7283
-0.0092
0.6505

0.0005
0.2426
0.0006
0.1771
0.0003
0.6834
0.0001
0.9143
0.0005
0.4929
0.0015
0.0135
-0.0001
0.8768
-0.0004
0.7021
0.0012
0.0222
0.0013
0.0489
0.0004
0.5789
0.0004
0.7036

Liquidity
-0.9687
0.3102
0.8755
0.4334
-0.9934
0.6116
1.5886
0.1038
0.4978
0.4043
-0.5685
0.2271
0.9397
0.3437
1.7493
0.0666
0.2191
0.6547
-0.0715
0.8816
-0.6590
0.2322
2.2255
0.0023

Systematic Idiosyncratic
Risk
Volatility
-0.0005
0.4330
-0.0041
0.0001
-0.0019
0.3879
0.0016
0.0397
-0.0026
0.0169
-0.0015
0.0588
0.0040
0.0849
-0.0028
0.1809
0.0000
0.9740
-0.0019
0.2410
-0.0020
0.1116
-0.0025
0.3287

0.1750
0.0000
0.0791
0.0008
0.0410
0.1563
0.2852
0.0000
0.1684
0.0001
0.1443
0.0006
0.0923
0.0549
0.2262
0.0000
0.0590
0.2478
0.1456
0.0206
0.0195
0.7443
0.1450
0.0561

DW

Sig.F

0.9433

1.63

0.000

0.6483

1.57

0.000

0.0154

2.01

0.357

0.7999

2.38

0.000

0.4695

2.00

0.000

0.6709

1.39

0.000

0.1992

2.18

0.131

0.6029

1.94

0.000

0.2649

1.94

0.043

0.2811

1.80

0.032

0.1196

1.95

0.396

0.5120

1.66

0.000

DW

Sig.F

0.5488

1.70

0.000

0.4153

1.66

0.002

0.2180

1.59

0.019

0.6785

2.20

0.000

0.9890

2.28

0.000

0.0762

2.17

0.639

0.5049

1.99

0.000

Panel E. 2004

(Constant) Ln_Size
Jan
Feb
Mar
Apr
May
Juni
Juli

Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien

-0.0139
0.4881
-0.0212
0.1489
0.0021
0.8695
-0.0323
0.0014
-0.0242
0.1099
-0.0006
0.9468
-0.0017

0.0003
0.7441
0.0009
0.1973
-0.0001
0.9245
0.0013
0.0061
0.0004
0.5504
0.0000
0.9795
0.0000

Liquidity
-0.7423
0.0354
-0.4472
0.0408
0.3409
0.0205
-0.2970
0.0079
-0.9490
0.0014
0.3296
0.2680
0.3151

Systematic Idiosyncratic
Risk
Volatility
-0.0067
0.0076
-0.0030
0.0334
-0.0005
0.7938
0.0071
0.0134
-0.0010
0.8042
-0.0016
0.3506
-0.0006

0.2517
0.0004
0.2805
0.0020
-0.1084
0.0415
0.2450
0.0002
0.2373
0.0000
-0.0246
0.6833
0.1643

15

JEB, Vol. 6, No. 1, Maret 2012: 1-23

Agust
Sept
Oct
Nov
Dec

Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t

0.5988
-0.0064
0.2162
0.0159
0.2747
-0.0047
0.7815
-0.0022
0.9219
-0.0392
0.0010

0.8784
0.0003
0.2005
-0.0004
0.5405
0.0001
0.9371
0.0006
0.5203
0.0015
0.0036

0.2260
-0.4654
0.0659
0.0510
0.9124
-1.0678
0.0557
0.6741
0.2793
-0.2570
0.4608

0.4375
-0.0008
0.5084
0.0020
0.0446
0.0009
0.5745
0.0015
0.4231
0.0005
0.7441

0.0010
0.1347
0.0068
-0.0850
0.2729
0.3321
0.0000
-0.2161
0.0002
0.2810
0.0012

0.2696

1.88

0.040

0.1663

2.13

0.213

0.4866

2.51

0.000

0.4850

1.47

0.000

0.4161

2.07

0.002

DW

Sig.F

0.2598

1.70

0.047

0.7793

2.31

0.000

0.9803

1.61

0.000

0.1820

1.91

0.170

0.9984

2.10

0.000

0.3754

1.42

0.005

0.3325

2.50

0.012

0.2426

2.19

0.064

0.1085

1.65

0.452

0.2518

2.01

0.050

0.2067

1.84

0.116

0.2544

2.12

0.052

Panel F. 2005

(Constant) Ln_Size
Jan
Feb
Mar
Apr
May
Juni
Juli
Agust
Sept
Oct
Nov
Dec

16

Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t

-0.0185
0.0368
0.0044
0.7811
-0.0131
0.3395
-0.0011
0.9411
0.0000
0.9480
-0.0137
0.0526
-0.0085
0.4040
-0.0121
0.3900
0.0009
0.9442
-0.0110
0.2608
-0.0097
0.3739
-0.0184
0.0566

0.0008
0.0374
-0.0004
0.6056
0.0003
0.6321
-0.0001
0.8811
0.0000
0.2867
0.0006
0.0573
0.0002
0.6003
0.0005
0.3808
0.0001
0.8039
0.0003
0.5500
0.0003
0.5258
0.0009
0.0414

Liquidity
-0.1435
0.6610
-0.0271
0.9357
0.0635
0.8072
-0.1809
0.5576
0.0147
0.5741
-0.5598
0.0132
0.1651
0.6173
-0.3822
0.4371
-0.1755
0.7179
0.2171
0.5917
-0.3487
0.5001
-0.7376
0.0842

Systematic Idiosyncratic
Risk
Volatility
0.0010
0.1679
-0.0033
0.0000
-0.0006
0.7130
0.0050
0.0319
-0.0012
0.0000
0.0004
0.6285
0.0006
0.5368
0.0006
0.8567
-0.0028
0.2702
-0.0020
0.0956
-0.0017
0.2487
0.0004
0.7951

0.1110
0.0534
0.3083
0.0001
0.2315
0.0000
0.0858
0.1488
0.9832
0.0000
0.1500
0.0178
0.1947
0.0139
-0.1620
0.0268
-0.1032
0.2886
0.1378
0.0545
0.2146
0.0279
0.1740
0.0096

VOLATILITAS IDIOSYNKRATIS DAN MODEL ASSET PRICING............... (Rowland Bismark Fernando Pasaribu)

Panel G. 2006

(Constant) Ln_Size
Jan
Feb
Mar
Apr
May
Juni
Juli
Agust
Sept
Oct
Nov
Dec

Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t

-0.0071
0.4551
0.0001
0.9943
-0.0175
0.0082
-0.0063
0.5694
-0.0018
0.8921
-0.0201
0.0243
-0.0205
0.0419
0.0022
0.8625
0.0096
0.6706
-0.0424
0.0024
-0.0465
0.0008
-0.0102
0.5319

0.0003
0.5059
-0.0003
0.5829
0.0006
0.0312
0.0000
0.9310
-0.0003
0.6380
0.0007
0.0651
0.0009
0.0348
-0.0001
0.8279
-0.0002
0.8775
0.0017
0.0033
0.0019
0.0010
0.0002
0.7860

Liquidity
-0.4106
0.4588
1.4767
0.0023
-0.4754
0.0350
0.2065
0.4930
0.4480
0.1229
0.0511
0.7953
0.5198
0.0316
0.0944
0.8403
-0.1167
0.8601
-0.8728
0.0293
-0.1265
0.6874
1.0054
0.0312

Systematic Idiosyncratic
Risk
Volatility
-0.0013
0.4320
-0.0023
0.0482
-0.0029
0.0228
-0.0042
0.0155
-0.0020
0.5703
0.0033
0.1268
-0.0065
0.0002
0.0010
0.5207
-0.0009
0.6465
0.0002
0.8394
0.0015
0.3783
-0.0047
0.0505

0.2031
0.0153
0.1645
0.0926
0.3011
0.0007
0.3981
0.0002
0.0103
0.8803
0.1495
0.0706
-0.0184
0.6962
0.1345
0.0829
-0.1465
0.0975
0.3408
0.0000
0.1463
0.0297
0.2975
0.0046

DW

Sig.F

0.2514

1.94

0.055

0.4635

1.48

0.001

0.4845

1.73

0.000

0.4179

2.71

0.002

0.1162

2.61

0.413

0.2531

2.49

0.053

0.6386

1.78

0.000

0.1824

2.14

0.169

0.3681

2.28

0.005

0.4951

2.16

0.000

0.3831

2.65

0.004

0.7970

1.50

0.000

DW

Sig.F

0.7040

1.97

0.000

0.4168

1.74

0.002

0.2667

2.05

0.008

0.2725

1.55

0.038

0.4266

1.92

0.001

0.5423

1.77

0.000

0.2758

1.74

0.036

Panel H. 2007

(Constant) Ln_Size
Jan
Feb
Mar
Apr
May
Juni
Juli

Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien

-0.0140
0.3617
-0.0252
0.0814
-0.0305
0.0029
0.0362
0.2413
-0.0204
0.3847
-0.0699
0.0040
-0.0055

0.0001
0.8238
0.0008
0.1817
0.0012
0.0055
-0.0013
0.3114
0.0008
0.4059
0.0028
0.0069
0.0003

Liquidity
0.0028
0.9885
-0.0664
0.6297
0.0060
0.9462
0.1160
0.5647
0.0764
0.5208
0.0270
0.8249
0.2278

Systematic Idiosyncratic
Risk
Volatility
0.0023
0.1222
-0.0019
0.2137
-0.0004
0.6841
0.0069
0.0400
-0.0012
0.3991
0.0043
0.0026
0.0071

0.4538
0.0000
0.3295
0.0080
0.1515
0.1919
-0.0580
0.3685
0.1480
0.0049
0.2810
0.0056
-0.0816

17

JEB, Vol. 6, No. 1, Maret 2012: 1-23

Agust
Sept
Oct
Nov
Dec

Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t
Koefisien
Sig.t

0.8395
-0.0314
0.0413
-0.0224
0.0599
-0.0312
0.0526
-0.0322
0.0036
0.0012
0.8812

0.7822
0.0012
0.0471
0.0010
0.0529
0.0012
0.0907
0.0012
0.0136
-0.0004
0.3171

0.0878
-0.1588
0.1027
0.1766
0.0623
-0.1042
0.4421
0.0738
0.5243
-0.1183
0.2792

0.1672
0.0005
0.8786
-0.0004
0.7679
0.0081
0.0698
-0.0012
0.3887
-0.0012
0.4825

0.2006
0.0189
0.7311
0.1131
0.0714
0.2381
0.0365
0.1203
0.0435
0.3974
0.0001

0.1549

2.67

0.250

0.4104

1.85

0.002

0.3868

1.68

0.004

0.4952

1.39

0.000

0.4546

2.10

0.001

Hasil Model Multifaktor Level Portofolio

Panel A. Model 1.1
Portfolio

Prediktor

bHLIQ
bLwLIQ
sHLIQ
sLwLIQ
bHSR
bLwSR
sHSR
sLwSR
bHIV
bLwIV
sHIV
sLwIV

Rm-Rf

Rm

sig.t

8.05%
0.81%
3.18%
1.53%
6.50%
1.14%
5.32%
0.20%
6.62%
8.12%
0.32%
4.37%

0.078
0.018
0.056
0.039
0.075
0.028
0.064
0.014
0.091
0.046
0.023
0.030

0.005
0.384
0.082
0.231
0.012
0.300
0.024
0.669
0.011
0.005
0.583
0.041

Panel B. Model 1.2

18

Portfolio

Prediktor

bHLIQ
bLwLIQ
sHLIQ
sLwLIQ
bHSR
bLwSR
sHSR
sLwSR
bHIV
bLwIV
sHIV
sLwIV

Rm-Rf
SMB

Rm

sig.t
Rm

sig.t
SMB

sig.F

14.10%
17.29%
4.01%
49.21%
18.37%
6.84%
28.88%
22.35%
24.13%
13.37%
31.81%
4.79%

0.07
0.01
0.06
0.06
0.07
0.02
0.08
0.03
0.08
0.04
0.04
0.03

-0.05
-0.06
0.02
0.17
-0.08
-0.05
0.11
0.12
-0.12
-0.03
0.18
0.01

0.008
0.567
0.071
0.015
0.019
0.395
0.002
0.354
0.017
0.007
0.222
0.037

0.012
0.000
0.372
0.000
0.000
0.019
0.000
0.000
0.000
0.020
0.000
0.527

0.001
0.000
0.149
0.000
0.000
0.037
0.000
0.000
0.000
0.001
0.000
0.102

VOLATILITAS IDIOSYNKRATIS DAN MODEL ASSET PRICING............... (Rowland Bismark Fernando Pasaribu)

Panel C. Model 1.3

Portfolio

Prediktor

Rm

HML_Liq

sig.t
Rm

sig.t
HML.Liq

bHLIQ
bLwLIQ
sHLIQ
sLwLIQ
bHSR
bLwSR
sHSR
sLwSR
bHIV
bLwIV
sHIV
sLwIV

Rm-Rf
HML_Liq

33.42%
1.36%
48.75%
22.06%
9.09%
11.74%
9.46%
0.38%
15.23%
11.66%
1.99%
4.70%

0.06
0.02
0.02
0.06
0.07
0.01
0.07
0.02
0.07
0.04
0.03
0.03

0.29
0.03
0.44
-0.30
0.10
0.18
-0.12
-0.03
0.22
0.06
-0.11
0.02

0.021
0.458
0.365
0.036
0.025
0.588
0.010
0.627
0.033
0.012
0.456
0.055

0.000
0.472
0.000
0.000
0.107
0.001
0.042
0.682
0.003
0.056
0.211
0.571

sig.F
0.000
0.529
0.000
0.000
0.012
0.003
0.010
0.839
0.000
0.003
0.392
0.106

Pnel D. Model 1.4

Portfolio

Prediktor

Rm

HML_SR

sig.t
Rm

sig.t
HML.SR

bHLIQ
bLwLIQ
sHLIQ
sLwLIQ
bHSR
bLwSR
sHSR
sLwSR
bHIV
bLwIV
sHIV
sLwIV

Rm-Rf
HML_SR

8.43%
1.64%
5.08%
1.55%
20.32%
13.47%
16.72%
30.53%
7.55%
9.74%
0.52%
7.94%

0.08
0.01
0.07
0.04
0.05
0.05
0.04
0.05
0.08
0.05
0.03
0.02

-0.04
0.04
-0.09
0.01
0.23
-0.20
0.20
-0.37
0.07
-0.04
-0.04
0.06

0.004
0.501
0.048
0.255
0.063
0.071
0.100
0.076
0.022
0.003
0.533
0.098

0.539
0.377
0.176
0.882
0.000
0.000
0.001
0.000
0.337
0.199
0.667
0.061

sig.F
0.017
0.463
0.088
0.484
0.000
0.001
0.000
0.000
0.026
0.009
0.784
0.021

Panel E. Model 1.5

Portfolio

Prediktor

Rm

HML_IV

sig.t
Rm

sig.t
HML.IV

bHLIQ
bLwLIQ
sHLIQ
sLwLIQ
bHSR
bLwSR
sHSR
sLwSR
bHIV

Rm-Rf
HML_IV

16.49%
0.96%
11.93%
25.85%
22.67%
7.66%
14.07%
16.11%
38.89%

0.07
0.02
0.05
0.03
0.07
0.02
0.06
0.00
0.08

0.16
0.02
0.18
0.30
0.23
0.13
0.16
0.24
0.39

0.007
0.403
0.113
0.337
0.016
0.383
0.033
0.882
0.010

0.003
0.701
0.003
0.000
0.000
0.012
0.003
0.000
0.000

sig.F
0.000
0.637
0.003
0.000
0.000
0.025
0.001
0.000
0.000

19

JEB, Vol. 6, No. 1, Maret 2012: 1-23

bLwIV
sHIV
sLwIV

8.62%
58.58%
4.67%

0.05
0.00
0.03

0.02
0.62
-0.02

0.006
0.992
0.038

0.479
0.000
0.589

0.015
0.000
0.108

Panel F. Model 2.1

Portfolio

Prediktor

Rm

HML_Liq

sig.t
Rm

Sig.t
SMB

Sig.t
HML.Liq

sig.F

bHLIQ
bLwLIQ
sHLIQ
sLwLIQ
bHSR
bLwSR
sHSR
sLwSR
bHIV
bLwIV
sHIV
sLwIV

Rm-Rf
SMB
HML_Liq

33.85%
17.93%
62.03%
53.81%
18.50%
13.38%
28.95%
24.31%
26.38%
14.62%
32.49%
5.55%

0.06
0.01
0.03
0.07
0.07
0.01
0.08
0.02
0.07
0.04
0.04
0.03

-0.02
-0.07
0.10
0.15
-0.08
-0.03
0.10
0.13
-0.10
-0.02
0.19
0.01

0.27
-0.04
0.54
-0.15
0.02
0.15
-0.02
0.10
0.12
0.04
0.08
0.03

0.022
0.495
0.227
0.004
0.024
0.613
0.003
0.477
0.030
0.012
0.281
0.052

0.442
0.000
0.000
0.000
0.002
0.190
0.000
0.000
0.000
0.078
0.000
0.367

0.000
0.397
0.000
0.003
0.696
0.010
0.759
0.126
0.097
0.248
0.337
0.392

0.000
0.000
0.000
0.000
0.000
0.004
0.000
0.000
0.000
0.002
0.000
0.153

Panel G. Model 2.2

Portfolio

Prediktor

Rm

HML_SR

sig.t
Rm

Sig.t
SMB

Sig.t
HML.SR

sig.F

bHLIQ
bLwLIQ
sHLIQ
sLwLIQ
bHSR
bLwSR
sHSR
sLwSR
bHIV
bLwIV
sHIV
sLwIV

Rm-Rf
SMB
HML_SR

14.90%
17.50%
5.66%
50.07%
29.62%
21.29%
44.42%
47.49%
24.38%
15.74%
31.84%
8.68%

0.08
0.01
0.07
0.05
0.05
0.04
0.05
0.06
0.07
0.05
0.04
0.03

-0.06
-0.06
0.02
0.17
-0.07
-0.06
0.12
0.10
-0.12
-0.03
0.18
0.01

-0.05
0.02
-0.09
0.06
0.21
-0.22
0.23
-0.34
0.04
-0.05
0.02
0.06

0.005
0.642
0.044
0.031
0.081
0.091
0.016
0.019
0.025
0.003
0.249
0.089

0.010
0.000
0.454
0.000
0.001
0.003
0.000
0.000
0.000
0.012
0.000
0.391

0.356
0.626
0.208
0.210
0.000
0.000
0.000
0.000
0.584
0.111
0.835
0.051

0.002
0.000
0.145
0.000
0.000
0.000
0.000
0.000
0.000
0.001
0.000
0.038

Panel H. Model 2.3

20

Portfolio

Prediktor

Rm

HML_IV

sig.t
Rm

Sig.t
SMB

Sig.t
HML.IV

sig.F

bHLIQ
bLwLIQ
sHLIQ
sLwLIQ

Rm-Rf
SMB
HML_IV

26.54%
19.02%
12.01%
61.53%

0.06
0.01
0.05
0.05

-0.07
-0.07
0.01
0.15

0.19
0.05
0.18
0.22

0.013
0.661
0.110
0.024

0.001
0.000
0.782
0.000

0.000
0.165
0.005
0.000

0.000
0.000
0.008
0.000

VOLATILITAS IDIOSYNKRATIS DAN MODEL ASSET PRICING............... (Rowland Bismark Fernando Pasaribu)

bHSR
bLwSR
sHSR
sLwSR
bHIV
bLwIV
sHIV
sLwIV

42.28%
16.76%
32.66%
31.56%
69.78%
14.89%
74.92%
5.29%

0.05
0.01
0.07
0.02
0.06
0.04
0.02
0.03

-0.11
-0.06
0.10
0.10
-0.16
-0.03
0.14
0.01

0.29
0.17
0.11
0.19
0.48
0.04
0.54
-0.02

0.029
0.565
0.004
0.521
0.008
0.011
0.424
0.033

0.000
0.002
0.000
0.000
0.000
0.011
0.000
0.443

0.000
0.001
0.025
0.001
0.000
0.203
0.000
0.488

0.000
0.001
0.000
0.000
0.000
0.002
0.000
0.170

Panel I. Model 2.4

Portfolio

Prediktor

Rm

HML_Liq

HML_SR

sig.t
Rm

Sig.t
HML_Liq

Sig.t
HML_SR

sig.F

bHLIQ
bLwLIQ
sHLIQ
sLwLIQ
bHSR
bLwSR
sHSR
sLwSR
bHIV
bLwIV
sHIV
sLwIV

Rm-Rf
HML_Liq
HML_SR

33.49%
2.48%
48.79%
22.47%
25.56%
20.69%
18.89%
32.50%
17.46%
12.59%
2.46%
8.78%

0.05
0.01
0.02
0.07
0.04
0.03
0.05
0.06
0.06
0.04
0.04
0.02

0.29
0.04
0.44
-0.30
0.14
0.15
-0.09
-0.09
0.24
0.06
-0.12
0.03

0.02
0.05
-0.01
-0.04
0.26
-0.17
0.18
-0.38
0.11
-0.03
-0.06
0.06

0.030
0.626
0.346
0.028
0.163
0.198
0.055
0.039
0.081
0.008
0.382
0.148

0.000
0.376
0.000
0.000
0.013
0.005
0.120
0.105
0.001
0.087
0.180
0.360

0.757
0.307
0.777
0.486
0.000
0.002
0.002
0.000
0.118
0.326
0.510
0.046

0.000
0.508
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.006
0.512
0.037

Panel J. Model 2.5

Portfolio

Prediktor

Rm

HML_Liq

HML_IV

sig.t
Rm

Sig.t
HML_Liq

Sig.t
HML_IV

sig.F

bHLIQ
bLwLIQ
sHLIQ
sLwLIQ
bHSR
bLwSR
sHSR
sLwSR
bHIV
bLwIV
sHIV
sLwIV

Rm-Rf
HML_Liq
HML_IV

41.21%
1.51%
56.62%
47.42%
24.97%
17.89%
18.49%
16.37%
46.77%
12.10%
60.73%
5.02%

0.05
0.01
0.02
0.05
0.06
0.01
0.07
0.01
0.06
0.04
0.01
0.03

0.29
0.03
0.44
-0.30
0.09
0.18
-0.12
-0.03
0.21
0.06
-0.13
0.02

0.15
0.01
0.17
0.31
0.23
0.13
0.16
0.24
0.39
0.02
0.62
-0.02

0.028
0.477
0.490
0.038
0.032
0.709
0.013
0.816
0.031
0.014
0.730
0.051

0.000
0.479
0.000
0.000
0.096
0.001
0.028
0.589
0.000
0.059
0.027
0.564

0.001
0.714
0.000
0.000
0.000
0.010
0.002
0.000
0.000
0.500
0.000
0.581

0.000
0.705
0.000
0.000
0.000
0.000
0.000
0.001
0.000
0.008
0.000
0.190

21

JEB, Vol. 6, No. 1, Maret 2012: 1-23

Panel K. Model 2.6

Portfolio

Prediktor

Rm

HML_SR

HML_IV

sig.t
Rm

Sig.t
HML_SR

Sig.t
HML_IV

sig.F

bHLIQ
bLwLIQ
sHLIQ
sLwLIQ
bHSR
bLwSR
sHSR
sLwSR
bHIV
bLwIV
sHIV
sLwIV

Rm-Rf
HML_SR
HML_IV

16.93%
1.79%
13.98%
25.85%
35.96%
20.31%
25.12%
47.25%
39.63%
10.27%
58.92%
8.28%

0.08
0.01
0.06
0.03
0.04
0.04
0.04
0.04
0.07
0.05
0.00
0.02

-0.04
0.04
-0.10
0.00
0.23
-0.20
0.20
-0.37
0.07
-0.04
-0.05
0.06

0.16
0.01
0.18
0.30
0.23
0.13
0.16
0.25
0.39
0.02
0.62
-0.02

0.006
0.521
0.064
0.357
0.083
0.095
0.133
0.099
0.020
0.003
0.868
0.092

0.486
0.383
0.142
0.943
0.000
0.000
0.000
0.000
0.291
0.196
0.384
0.060

0.003
0.714
0.003
0.000
0.000
0.006
0.002
0.000
0.000
0.463
0.000
0.560

0.001
0.644
0.003
0.000
0.000
0.000
0.000
0.000
0.000
0.018
0.000
0.046

Panel L. Model 3.1

R

Rm

SMB HML_Liq HML_SR HML_IV

sig.t
Rm

Sig.t
Sig.t
Sig.t
Sig.t
SMB HML_Liq HML_SR HML.IV sig.F

43.11%
19.97%
66.07%
68.10%
52.50%
34.03%
47.76%
58.13%
70.49%
17.82%
74.94%
11.50%

0.05
0.01
0.02
0.06
0.03
0.03
0.05
0.05
0.05
0.04
0.02
0.02

-0.03
-0.07
0.09
0.13
-0.09
-0.06
0.11
0.08
-0.15
-0.03
0.14
0.02

0.036
0.613
0.393
0.005
0.166
0.228
0.034
0.027
0.025
0.007
0.433
0.136

0.090
0.000
0.000
0.000
0.000
0.003
0.000
0.000
0.000
0.025
0.000
0.126

Portfolio Prediktor
bHLIQ
bLwLIQ
sHLIQ
sLwLIQ
bHSR
bLwSR
sHSR
sLwSR
bHIV
bLwIV
sHIV
sLwIV

Rm-Rf
SMB
HML_Liq
HML_SR
HML_IV

0.25
-0.04
0.53
-0.18
0.04
0.08
0.03
-0.01
0.07
0.02
0.01
0.05

0.00
0.01
0.02
0.01
0.21
-0.21
0.24
-0.35
0.03
-0.05
-0.01
0.07

0.17
0.06
0.12
0.24
0.28
0.17
0.09
0.20
0.47
0.04
0.54
-0.03

0.000
0.350
0.000
0.000
0.426
0.129
0.565
0.804
0.159
0.516
0.911
0.139

0.921
0.846
0.568
0.774
0.000
0.000
0.000
0.000
0.496
0.146
0.866
0.023

0.000
0.142
0.002
0.000
0.000
0.000
0.028
0.000
0.000
0.208
0.000
0.328

Tabel 4
Hasil Evaluasi Portfolio
Panel A. Indeks Treynor

22

Portfolio

2000

2001

2002

2003

2004

2005

2006

2007

bHLIQ
bLwLIQ
sHLIQ
sLwLIQ
bHSR
bLwSR
sHSR

2.50
-10.06
1.26
3.07
7.51
11.83
22.39

-11.48
-8.18
-2.47
-5.26
-5.46
-5.24
-1.38

0.97
-2.79
1.42
-39.21
0.88
1.17
1.67

-0.21
-0.72
2.68
0.47
-0.22
-0.79
0.31

-0.39
1.04
0.30
0.26
0.92
-0.27
0.16

-0.11
-0.12
-0.14
-0.18
-0.14
-0.13
-0.15

-39.21
-0.22
-0.10
-0.67
0.29
0.47
-0.78

-0.33
-0.32
0.13
-0.27
-0.13
0.97
-0.11

0.000
0.001
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.003
0.000
0.048

VOLATILITAS IDIOSYNKRATIS DAN MODEL ASSET PRICING............... (Rowland Bismark Fernando Pasaribu)

sLwSR
bHIV
bLwIV
sHIV
sLwIV

16.61
-9.93
9.10
3.24
3.64

-39.71
-2.69
-11.25
-1.35
-3.60

43.98
1.22
-6.20
18.60
13.23

-0.53
-0.26
-0.46
0.30
-1.17

0.36
-0.55
0.43
0.25
0.27

-0.11
-0.13
-0.14
-0.12
-0.14

-0.11
1.79
-0.42
-0.18
-0.16

-0.69
-0.48
-0.91
0.06
-0.11

Panel B. Alpha-Jensen
Portfolio

2000

2001

2002

2003

2004

2005

2006

2007

bHLIQ
bLwLIQ
sHLIQ
sLwLIQ
bHSR
bLwSR
sHSR
sLwSR
bHIV
bLwIV
sHIV
sLwIV

-0.15
-0.14
-0.15
-0.15
-0.14
-0.14
-0.14
-0.14
-0.14
-0.14
-0.15
-0.14

-0.16
-0.16
-0.15
-0.16
-0.16
-0.16
-0.15
-0.16
-0.16
-0.16
-0.14
-0.16

-0.17
-0.14
-0.17
-0.15
-0.18
-0.17
-0.16
-0.15
-0.17
-0.15
-0.15
-0.15

-0.05
-0.08
-0.09
-0.12
-0.05
-0.08
-0.12
-0.08
-0.06
-0.08
-0.12
-0.09

-0.06
-0.08
-0.09
-0.09
-0.08
-0.05
-0.10
-0.09
-0.06
-0.08
-0.10
-0.09

-0.01
-0.02
-0.03
-0.04
-0.03
-0.03
-0.04
-0.02
-0.03
-0.03
-0.02
-0.03

-0.11
-0.05
0.02
-0.10
-0.16
-0.14
-0.10
0.00
-0.12
-0.08
-0.04
-0.03

-0.06
-0.06
-0.14
-0.06
-0.03
-0.09
-0.02
-0.08
-0.07
-0.08
-0.21
-0.02

Panel C. Indeks Sharpe

Portfolio

2000

2001

2002

2003

2004

2005

2006

2007

bHLIQ
bLwLIQ
sHLIQ
sLwLIQ
bHSR
bLwSR
sHSR
sLwSR
bHIV
bLwIV
sHIV
sLwIV

-10.67
-28.47
-19.47
-18.69
-9.93
-29.57
-17.15
-32.55
-6.30
-31.97
-17.07
-26.63

-22.40
-23.64
-30.25
-21.53
-18.40
-15.79
-32.81
-16.78
-14.63
-27.91
-18.35
-46.81

-21.43
-21.92
-24.29
-24.16
-22.53
-23.10
-20.39
-24.83
-24.46
-27.74
-7.04
-26.18

-8.80
-13.35
-4.60
-12.47
-10.42
-13.00
-11.74
-6.13
-9.45
-17.74
-10.12
-21.64

-10.13
-8.31
-9.56
-3.95
-7.29
-11.42
-6.21
-4.91
-7.94
-13.34
-3.87
-15.29

-13.78
-14.48
-17.16
-13.98
-10.98
-15.68
-20.06
-9.99
-11.40
-15.96
-9.83
-20.99

-21.52
-47.93
-13.13
-9.70
-20.17
-7.66
-8.76
-14.92
-17.55
-55.91
-8.04
-27.80

-13.38
-18.36
-11.19
-16.92
-17.44
-12.73
-23.09
-21.91
-10.08
-15.32
-12.14
-23.98

23