STUDI PERISTIWA

ULASAN MASALAH DAN METODOLOGI

Oleh

I WAYAN AGUS PURNAYASA (1707531123)

Program Studi S1 Akuntansi

Fakultas Ekonomi dan Bisnis
Universitas Udayana
2019
Definisi Metodeologi Event Studies

Tujuan dari studi event adalah untuk menilai apakah ada pengembalian abnormal atau
kelebihan yang diperoleh oleh pemegang keamanan yang menyertai kejadian tertentu di mana
sebuah abnormal atau kelebihan pengembalian adalah perbedaan antara pengembalian yang
diamati dan yang sesuai dengan model pembangkit kembali tertentu.

Dalam studi kasus, tujuannya adalah untuk menguji respons pasar terhadap beberapa kasus
yang didefinisikan dengan baik melalui pengamatan harga keamanan di sekitar kasus tersebut.
Peristiwa ini sering terkait dengan rilis informasi kepada peserta pasar melalui pers keuangan (mis.
Wall Street Journal) atau melalui rilis perusahaan. Kasus lain dapat berupa tindakan korporasi
spesifik tindakan pemerinta.

Pertimbangan lebih lanjut dalam mendefinisikan acara adalah bahwa penyebaran informasi
spesifik perusahaan dapat berlangsung lebih dari satu hari. Suatu perusahaan dapat merilis
informasi satu hari dan pers keuangan dapat melaporkan informasi ini pada hari berikutnya;
kadang-kadang tidak jelas pada hari mana informasi mencapai pasar karena umumnya tidak
diketahui apakah pelaku pasar memiliki informasi selama jam perdagangan pasar pada hari
informasi tersebut dirilis oleh korporasi.

Identifikasi Parameter Waktu

Pengembalian normal atau diprediksi untuk keamanan adalah pengembalian yang

diharapkan untuk diamati jika tidak ada kasus yang terjadi. . Untuk aplikasi di mana faktor-faktor
penentu ini diharapkan berubah karena kasus, perkiraan periode dapat mengikuti acara atau
mewakili beberapa bentuk rata-rata informasi periode pra dan pasca acara. Garis waktu untuk
studi yang menggunakan periode sebelum acara untuk estimasi parameter dapat direpresentasikan
sebagai berikut:

Dimana :

tb = Periode pertama digunakan dalam estimasi pengembalian keamanan normal

 tpre = Periode pertama digunakan dalam perhitungan abnormal return

tw = Periode

tpost = Periode terakhir digunakan dalam perhitungan abnormal return

Tpre dan tpost dipilih sehingga kekayaan apa pun yang mempengaruhi keamanan diharapkan
terjadi dalam periode tersebut. Pemilihan lama periode acara diserahkan kepada peneliti,
meskipun studi sebelumnya dan faktor kelembagaan dapat memengaruhi pilihan. Pemilihan
panjang periode estimasi juga diserahkan kepada peneliti; peneliti harus menimbang manfaat
periode yang lebih lama dan biaya periode yang lebih lama.

Estimasi Pengembalian Saham Biasa yang Diharapkan

Ada tiga kelas teknik yang digunakan untuk memperkirakan pengembalian saham biasa
atau yang diharapkan:

1. model pasar;

2. model yang disesuaikan rata-rata; dan

3. model yang disesuaikan pasar. Mungkin ada beberapa variasi dalam setiap kelas :

Estimasi Pengembalian Kelebihan

Kelebihan pengembalian untuk keamanan individu untuk periode tertentu adalah

perbedaan antara pengembalian yang diamati untuk periode itu dan pengembalian yang diharapkan
atau diperkirakan untuk periode itu.

Standarisasi Pengembalian Saham Abnormal

Analisis signifikansi statistik pengembalian abnormal diperlukan untuk menguji hipotesis

yang terkait dengan reaksi pasar. Analisis membutuhkan standarisasi pengembalian abnormal
untuk mencerminkan kesalahan statistik dalam penentuan pengembalian yang diharapkan. Tes
signifikansi statistik adalah penilaian kesalahan dalam peramalan. Ada tiga cara utama untuk
melakukan standardisasi.

1. Standardisasi pengembalian keamanan individu dalam periode t oleh kesalahan standar

atau kesalahan standar perkiraan pengembalian rata-rata keamanan tersebut dalam periode
estimasi;
 2. Penyesuaian pengembalian abnormal dengan kesalahan standar dari penyimpangan
pengembalian keamanan dari yang diperkirakan dalam periode estimasi untuk semua efek
dalam sampel, untuk semua periode dalam periode estimasi; dan
3. Standardisasi pengembalian abnormal keamanan individu oleh kesalahan standar cross
sectional sampel untuk periode t dalam periode peristiwa.
Agregasi untuk Sekelompok Efek

Pengujian hipotesis mengenai abnormal return memerlukan estimasi kelebihan

pengembalian ini untuk sampel sekuritas. Agregasi pengembalian kelebihan keamanan individu
mensyaratkan memeriksa penampang kelebihan pengembalian untuk setiap periode, di mana
setiap periode relatif sama dengan , dan mungkin merupakan periode waktu kalender yang berbeda
untuk setiap keamanan; dengan demikian, pengembalian berlebih selaras dalam waktu acara.

Penjelasan tentang pengembalian saham abnormal

Dalam banyak aplikasi diinginkan untuk mengasosiasikan kelebihan pengembalian yang

diamati dengan seperangkat faktor penentu melalui analisis regresi dari bentuk:
(26) CARin = f (firm-specific determinants)
Faktor keputusan untuk setiap perusahaan termasuk faktor-faktor seperti ukuran tetap
dan kepemilikan manajemen, dan faktor-faktor ini ditentukan oleh hipotesis tertentu yang
menyelidiki.
Special Issues
Ada sejumlah isu khusus yang timbul dalam studi kasus tersebut. Masalah yang paling umum dan
masalah dijelaskan di bawah ini.
Two Day Events
Reaksi pasar pada kasus tertentu bisa menyebar dalam dua hari. Seperti yang ditunjukkan
pada Masulis [46] dan Dann [ 20] hanya satu untuk melihat apakah ada informasi transaksi yang
tidak jelas ke pasar, informasi ini dapat dipublikasikan keesokan harinya. Oleh karena itu, untuk
pengembalian tidak normal selama dua hari, tepat untuk mengevaluasi baik pengumuman
pengantar keuangan di hari sebelumnya.

Pada dasarnya ada dua metode yang digunakan untuk mengevaluasi abnormal kembali
untuk periode dua hari. Metode pertama adalah menguji kembali yang normal dan kesalahan
standar yang menyertainya menggunakan dua hari pengembalian tidak tumpang tindih.
Pendekatan kedua adalah menghitung tingkat pengembalian yang tidak normal secara individu
pada hari dan hari sebelumnya dan mengevaluasi dua tingkat pengembalian.
Choice of Market Index
Seperti yang dijelaskan pada Brown dan Wner (14), harga aset menyiratkan bahwa
indeks harga aset digunakan sebagai indeks harga yang berbobot oleh indeks pasar. Tapi indeks
keseimbangan lebih mungkin untuk mendeteksi pendapatan keamanan yang tidak normal.
Hasilnya adalah karena hubungan antara indeks keseimbangan dan keuntungan keamanan lebih
besar karena ketepatannya lebih tinggi.
Nonconstant Variance
Seperti yang ditunjukkan oleh Patell dan Warisson [55], Golden Lion dan Litizen [40],
distribusi pendapatan keamanan dapat meningkat sebelum dan sesudah kejadian terjadi. Brown
dan Wner 15 mengusulkan cara untuk mengatasi masalah potensial ini dengan memperkirakan
pemisahan keuntungan berlebih rata-rata oleh perbedaan penampang lintang.Dengan
menggunakan pembubaran transversal 22-0, anda dapat memeriksa integritas kesimpulan yang
berasal dari sebuah tes berdasarkan estimasi pendapatan berlebih. Namun, kelemahan dalam
menggunakan metode ini adalah jika perubahan keuntungan keamanan tidak meningkat sebelum
dan sesudah periode insiden, maka distribusi bagian silang tidak memberikan pengujian yang kuat
karena mengabaikan data periode peristiwa.
Abnormal Dollar Returns
Pendapatan yang tidak biasa memberikan informasi tentang pentingnya statistik dari efek
kekayaan ke kolektif pemegang saham, namun perkiraan pendapatan dolar yang tidak biasa
memberikan informasi yang diperlukan untuk menilai pentingnya perdagangan dan pembagian
kekayaan antara pihak-pihak transaksi. Hasil pendapatan dolar yang tidak normal telah digunakan
secara terbatas.
Perhitungan tingkat pengembalian dana keamanan individu (ADR), tingkat
pengembalian dinamis (CAR), dan tingkat pengembalian yang tidak normal (SADR) mengikuti
metodologi untuk hasil tidak normal yang dijelaskan di atas. Sebagai contoh, dalam penelitian
harian, AR(VA) dikalikan dengan nilai pasar modal pada akhir transaksi sebelumnya (Vi,t-1),
mencapai investasi kembali dolar yang tidak biasa untuk keamanan.
Missing Returns
 Ada beberapa teknik yang digunakan untuk memproses ketangguhan palsu yang hilang
selama perkiraan atau periode kejadian. Jika pengembalian yang hilang dari keamanan disebabkan
oleh penggunaan data yang tidak memungkinkan atau lapisan non-trailer, peneliti dapat melakukan
hal berikut

1. Lepaskan keamanan dari sampel. 4. untuk periode selanjutnya selama periode

2. Gunakan data yang tersedia saja. selanjutnya.
3. Mengukurlah keuntungan atau
Event Clustering

Ada event yang bisa digelar secara umum atau dipusatkan pada waktu kalender. Peristiwa
ini meliputi perubahan undang-undang, perubahan cara akuntansi, dan peraturan mengenai
penghindaran pajak. Masalah yang terjadi dengan berkelompok di Calder Times adalah bahwa
jangka acara dikurangi atau dihilangkan jumlah sekuritas independen. Klustering meningkatkan
distribusi nilai pengukuran kinerja (berberdiri). Oleh karena itu, kekuatan hitam tes yang
mendeteksi kinerja abnormal rendah. Dalam analisis simulasi mereka, Brown dan Warner (141)
menemukan bahwa cara untuk menyesuaikan pergerakan pasar lebih unggul saat disatukan
daripada metode penyesuaian non-pasar (misalnya penyesuaian rata-rata).

Applications to Debt Securities

Penerapan metodologi penelitian kasus untuk penelitian sekuritas, bukan sekuritas,

terbatas. Beberapa pertanyaan yang lebih menarik mengenai redistribusi kekayaan dan efek
kekayaan dalam kasus tertentu harus menerapkan metode ini pada sekuritas hutang. Ada banyak
hambatan untuk menilai reaksi harga keamanan terhadap sekuritas hutang.

1. Data penawaran harga yang tidak memadai.

2. Seringkali tidak diperdagangkan

3. Pengaruh struktur suku bunga istilah pada pengembalian obligasi.

Joint Generalized Least Squares
Schipper and Thompson [58] menawarkan alternatif untuk analisis studi peristiwa khas
menggunakan estimator gabungan generalisasi kuadrat terkecil (GSL) dengan variabel dummy.
Malatesta [45] menguji pendekatan ini menggunakan analisis simulasi dan tidak menemukan
pendekatan GLS yang unggul. Ini adalah perkiraan model pasar OLS atau perkiraan variabel
dummy OLS. Bukti-bukti menunjukkan bahwa model pasar OLS memiliki kekuatan yang lebih
besar daripada model variabel dummy GLS.
Nonparametric Tests
Para peneliti dapat memberikan pengujian yang tidak diinduksi untuk hasil yang tidak
normal. Karena biasanya hasil keamanan yang didistribusikan mungkin tidak akurat dan dapat
digunakan untuk memberikan konfirmasi tes parameter. Tes yang paling umum adalah tes bahasa
isyarat, yang merupakan distribusi z :
(29) z = [Np – E (Np*)] / [Np*(1-p*)]1/2
Dimana :

P = mengamati proporsi pengembalian abnormal positif

P* = Proporsi pengembalian abnormal positif yang diharapkan

N = Jumlah Sekuritas
E = Harapan operator

Kesimpulan

Metodologi penelitian kasus yang dirangkum dalam makalah ini dapat diterapkan untuk
banyak masalah ekonomi dan keuangan. Dalam kebanyakan kasus, teknik yang tepat bukan hanya
satu, tapi ada beberapa teknik yang sesuai. Seperti yang dijelaskan dalam studi simulasi Brown
dan Wordner, ada beberapa panduan yang membatasi pilihan dalam kasus tertentu, namun peneliti
memiliki beberapa satelit untuk memilih banyak fitur analisis. Banyak peneliti umumnya
mengadopsi satu teknik dan memeriksa hasilnya dengan menerapkan teknologi lain yang
dilaporkan pada masing-masing provinsi. Pendekatan ini menenangkan peneliti, tetapi dalam
banyak hal tidak diperlukan. Yaitu, hasil estimasi sedikit sensitif terhadap pilihan, seperti
penggunaan model Scholes-Williams, penggunaan indeks pasar dengan berat setara, atau
standardisasi oleh kesalahan standar yang diprediksi. Para peneliti harus berusaha dengan baik
secara statistik untuk memilih pendekatan, tetapi dengan cara apapun yang mungkin dipilih.

Penggunaan metodologi penelitian kasus telah menjadi umum sehubungan dengan deteksi
efek sekunder. Studi empiris yang lebih menarik di masa depan berhubungan dengan analisis
regresi transversal, analisis korelasi dan pemecahan sampel yang melalui pembagian contoh.
Analisis pasca-trauma untuk pemulihan keamanan yang tidak normal akan memberikan tantangan
dan jawaban atas banyak hipotesis yang menarik.