Emikros1 PDF

Mikrostruktur Pasar Uang Antar Bank Rupiah Pembentukan dan Perilaku Harga 77
MIKROSTRUKTUR PASAR UANG ANTAR BANK RUPIAH

PEMBENTUKAN DAN PERILAKU HARGA
Wahyu Dewati, Iss Savitri Hafid, Dadal Angkoro

Ibrahim, Zainuddin Nasution *)
Abstrak
Mikrostruktur PUAB Rupiah O/N dipengaruhi perubahan stance kebijakan moneter dari kontraktif
menjadi ekspansif selama periode 2001 s.d. 2003 termasuk perubahan kebijakan Fasbi menjadi “dual
windows” dan pembedaan rate Fasbi pagi dan sore. Dibandingkan sebelumnya, struktur pasar yang
bersifat loose oligopoly lebih tersegmentasi dengan dominasi yang berubah sesuai kondisi pasar dan
internal bank. Bank memelihara clientile relationship dengan counterparty tertentu.
Perubahan mikrostruktur PUAB mempengaruhi price formation yang tercermin dari pergeseran
saat pembentukan harga dan lebih sensitifnya suku bunga terhadap masuknya informasi baru meski
volume trasaksi relatif tetap. Perilaku harga intraday lebih volatile terutama sore hari, saat 40% vol-
ume transaksi terkonsentrasi. Dari model perilaku harga, suku bunga instrumen moneter seperti Fasbi
semakin berperan sebagai reference rate bagi pasar sehingga terbesar pengaruhnya terhadap harga.
Perubahan Fasbi menjadi dual windows, perubahan tenor menjadi O/N serta pembedaan suku bunga
pagi dan sore secara simultan meningkatkan volatilitas harga dengan persistensi efek yang lebih
rendah dibanding sebelumnya. Selain itu, volume transaksi dan shock suku bunga PUAB periode
sebelumnya menimbulkan volatilitas yang besar pada hari berikutnya dengan persistensi efek yang
relatif rendah. Secara keseluruhan, perubahan kebijakan menyebabkan harga PUAB lebih sensitif
terhadap shock.
Keterbatasan data menyebabkan belum dapat dikemukakan hubungan spillovers yang konsisten
antara pasar Rupiah (PUAB O/N) dan pasar valas maupun pasar saham. Meski demikian, dari model
spillovers dapat ditemukan hubungan nilai tukar USD/IDR yang dipengaruhi PUAB O/N, Fed Fund,
SIBOR dan kurs sendiri. Sementara harga saham dipengaruhi hanya oleh nilai tukar USD/IDR saja
*) Para penulis mengucapkan terima kasih kepada pimpinan Direktorat Riset Ekonomi dan Kebijakan Moneter dan Bagian
Studi Struktur dan Perkembangan Pasar Keuangan atas saran dan dukungan dalam penyelesaian paper; serta kepada Dr.
Bambang Hermanto - Jurusan Manajemen Fakultas Ekonomi Universitas Indonesia atas masukan-masukannya dalam
metodologi penelitian.
78 Buletin Ekonomi Moneter dan Perbankan, Maret 2004
dengan koefisien yang relatif kecil. Menurut survey, bank mengutamakan informasi PUAB dalam
keputusan transaksi PUAB Rupiah, kecuali sebagian bank asing dan campuran yang memperhitungkan
informasi pasar valas dan modal.
Implikasinya, controllability otoritas moneter atas suku bunga PUAB dipengaruhi mikrostruktur
pasar, informasi dan pengendalian instrumen moneter yang menjadi reference rate pasar. Saat ini,
instrumen tersebut adalah Fasbi. Struktur pasar yang tersegmentasi menghambat pembentukan harga
yang efisien sehingga perlu diperbaiki melalui pengaturan dan penataan kembali fungsi dan mekanisme
penggunaan instrumen moneter yang menjadi reference pasar. Untuk menjaga stabilitas harga,
disarankan: penataan kembali tenor, rate dan mekanisme perdagangan Fasbi seperti pengembalian
single window. Selain itu, timing penyampaian informasi kebijakan perlu dilakukan pagi hari sebelum
transaksi ramai agar pengaruhnya besar dalam pembentukan harga. Transparansi dan konsistensi
komunikasi informasi kepada seluruh pasar harus dijaga agar tidak terjadi fluktuasi harga yang
berlebihan. Ke depan diharapkan aktivitas transaksi antar bank meningkat dan animo penempatan
pada bank sentral secara berlebihan dapat dikurangi, serta pembentukan harga yang lebih efisien
dapat dicapai. Berfungsinya pasar secara baik (well functioning) akan mendukung PUAB sebagai
target operasional kebijakan moneter.
1. Pendahuluan
1.1. Latar Belakang
Pasar Uang Antar Bank (PUAB) merupakan media pertama bagi transmisi kebijakan
moneter. Melalui transaksi pinjaman antar bank yang sebagian besar berjangka waktu
pendek (harian/overnight) sinyal kebijakan moneter ditransmisikan kepada suku bunga
instrumen lainnya di pasar keuangan. Dalam kerangka inflation targeting, suku bunga
jangka pendek seperti PUAB merupakan salah satu pilihan target operasional kebijakan
moneter karena peranannya yang semakin penting dalam mempengaruhi stabilitas harga.
Melalui intervensi ke pasar uang secara periodik bank sentral mempengaruhi level reserve
bank-bank dan sekaligus mengendalikan volatilitas suku bunga agar mencapai target
yang dikehendaki. Bagi perbankan, PUAB menjadi salah satu alternatif pemenuhan
kebutuhan likuiditas harian.
Sebagai alternatif pilihan target operasional, aspek kemampuan bank sentral dalam
mengendalikan suku bunga tersebut melalui instrumen moneter yang tersedia (aspek con-
trollability) menjadi penting. Kemampuan otoritas moneter dalam mengelola volatilitas suku
bunga penting karena fluktuasi yang berlebihan dapat dipersepsikan sebagai
ketidakmampuan bank sentral mencapai target intermediate, dan berpotensi merusak
reputasi serta kemampuan bank sentral mengelola ekspektasi pasar.
Idealnya, dalam pasar uang yang telah berfungsi dengan baik (well functioning), suku
bunga yang menjadi sasaran operasional mampu mencerminkan sinyal yang informatif
tentang perubahan fundamental atau perubahan faktor-faktor yang mempengaruhi keputusan
investasi. Pasar tersebut memiliki karakteristik likuiditas yang optimum dan stabil, sepenuhnya
terintegrasi dan tidak tersegmentasi sehingga instrumen dengan karakteristik yang sama
akan ditransaksikan pada harga yang relatif sama. Oleh karenanya, suku bunga relatif stabil
dan tidak mudah bergejolak karena perubahan (shifting) likuiditas. Dalam pasar seperti ini
segmentasi sangat minimum karena likuiditas yang tersedia maksimal, pelaksanaan transaksi
mudah, cepat dan murah. Untuk mencapai kondisi yang kondusif tersebut diperlukan peran
bank sentral untuk mendorong tercapainya well functioning market. 1
Di Indonesia, meski peranan PUAB penting baik sebagai media transmisi kebijakan
moneter dan sarana pemenuhan likuiditas perbankan, namun keberadaan pasar tersebut
belum mencapai kondisi ideal sebagaimana dikemukakan di atas. Sebagai langkah awal
menuju kondisi pasar yang lebih baik, dalam studi ini dilakukan pendekatan mikrostruktur
untuk meneliti faktor-faktor yang berperan dalam upaya mengembangkan pasar uang di In-
1 Barth J. Marvin et al, Changes in Market Functioning and Central Bank Policy, Bank for International Settlements, 2002.
donesia. Menurut pendekatan mikrostruktur, faktor tersebut antara lain meliputi gambaran
peta struktur mikro pasar, proses pembentukan dan perilaku harga PUAB, peran pemain
dominan pada ketiga hal dimaksud serta keterkaitan antara PUAB dengan pasar keuangan
lainnya. Dari mekanisme pembentukan harga dan perilaku harga dapat dijelaskan perilaku
variabel-variabel mikro yang signifikan mempengaruhi pembentukan dan perilaku harga PUAB
dalam jangka pendek (intraday maupun interday) yang tidak tercermin dalam perubahan
variabel makro. Pendekatan mikrostruktur diyakini dapat menjelaskan perilaku variabel mikro
dalam jangka pendek yang berpengaruh pada perkembangan pasar keuangan.
1.2. Tujuan dan Manfaat Penelitian

Penelitian ini bertujuan untuk meberikan gambaran mikrostruktur PUAB yang
mencakup dampak perubahan stance kebijakan moneter yang kontraktif di tahun 2001
menjadi ekspansif di tahun 2002 – 2003. Selain itu, penelitian berfokus pada perilaku pemain
dominan dalam pembentukan dan perilaku harga yang berkaitan dengan aspek controllability.
Hasil penelitian ini diharapkan memberikan informasi struktur mikro PUAB guna mendukung
upaya bank sentral mengembangkan pasar uang yang mampu berfungsi dengan baik (well
functioning) sehingga transmisi kebijakan moneter melalui pasar uang dapat berjalan dengan
optimal.
Dari pemahaman analisis suatu pasar tidak dapat diisolasi dari pengaruh pasar lainnya,
dilakukan penelitian spillovers atau keterkaitan antara harga aset di pasar yang berlainan
untuk menjelaskan hubungan antara harga-harga dalam PUAB, pasar valas maupun pasar
saham. Diharapkan dapat diketahui dampak limpahan lintas pasar (spillovers) antara harga-
harga asset yang bergerak secara substansial karena volatilitas relatif dari salah satu harga
aset dalam pasar yang berlainan tersebut.
1.3. Metodologi dan Data

Estimasi model perilaku harga menggunakan reduced-form GARCH, sedangkan untuk
estimasi model spillovers menggunakan structural-form GARCH. Pengolahan data untuk
pemetaan struktur pasar dan pembentukan harga menggunakan metode statistika deskriptif
dan inference. Survei terhadap 60 bank peserta PUAB yang mewakili pemain dominan dan
non dominan ditujukan untuk memperkaya hasil studi ini. Responden bank dipilih dengan
kriteria tertentu seperti pemain dominan, pemain non dominan serta bank yang melakukan
transaksi valas.
Data PUAB O/N bersumber dari data Real Time Gross Settlement (RTGS) dan terminal
Pusat Informasi Pasar Uang (PIPU), sedangkan rate dan volume transaksi spot dari hasil
olah data terminal PIPU dan terminal Bloomberg. Data indeks harga saham Bursa Efek
Jakarta yang dihitung oleh Morgan Stanley, data Operasi Pasar Terbuka (OPT) dan data
makro lainnya yang bersumber dari Statistik Keuangan Bank Indonesia.
2. Tinjauan Literatur
2.1. Pendekatan Mikrostruktur
Pengertian market microstructure dapat didefinisikan sebagai “the process and outcomes
of exchanging assets under explicit trading rules” (O’Hara, 1995). Dalam perspektif
mikrostruktur, informasi yang secara implisit terkandung dalam data pasar keuangan, melalui
learning process diterjemahkan ke dalam pembentukan harga (price formation). Studi ini juga
mempelajari perilaku harga (price behavior) dan conduct pasar, termasuk pengaruh struktur
dan mekanisme perdagangan yang spesifik terhadap proses pembentukan harga yang menjadi
dasar penyusunan price-setting rules yang berkembang di pasar. Studi mikrostruktur
memperkaya pemahaman return aset keuangan dan proses pasar menjadi efisien. Sedangkan
hasil penelitian mikrostruktur mengenai perilaku harga dan pasar dapat menjadi acuan
pengembangan regulasi pasar dan pembuatan desain baru mekanisme perdagangan yang
mendorong pasar untuk berfungsi dengan baik (well functioning market).2
Model mikrostruktur menggunakan beberapa asumsi sebagai berikut: (i) informasi

yang mempengaruhi harga hanya dimiliki sebagian pelaku pasar (non-public information),
oleh karena itu informasi yang beberapa saat lebih dahulu hanya diketahui pelaku pasar
tertentu dapat dimanfaatkan untuk mem-forecast harga berikutnya. Diantara pelaku pasar
terdapat berbagai-bagai interpretasi atas informasi yang bersifat umum sehingga pengaruhnya
terhadap harga berlainan. (ii) Pelaku pasar berbeda-beda dalam caranya mempengaruhi
harga. Para pelaku pasar memiliki motif transaksi yang berlainan, sebagian pelaku bertransaksi
untuk memenuhi kebutuhan likuiditas, namun sebagian lainnya untuk spekulasi ataupun profit
motive. (iii) Mekanisme perdagangan diyakini memiliki pengaruh terhadap harga. Sebagai
contoh, kurang transparannya nilai dan harga transaksi individual mengakibatkan harga tidak
dapat diobservasi seluruh pelaku pasar sehingga memperlambat updating keyakinan pasar
terhadap harga yang wajar dan selanjutnya merubah jalur harga yang terealisir.3
Literatur microstructure melonggarkan asumsi-asumsi yang mendasari asset pricing

models seperti –trading cost dianggap nol, informasi sepenuhnya tersedia bagi seluruh
2 O’hara, M. 1995: Market Microstructure Theory. Cambridge, MA: Blackwell Business.

3 Lyons, R. 2001: The Microstructure Approach to Exchange Rates. Cambridge, MA: The MIT Press
peserta pasar yang bersifat homogen dan rational expectations- yang secara keseluruhan
mengabaikan pentingnya peranan struktur pasar dalam pricing. Literatur mikrostruktur
mengangkat pentingnya peran struktur pasar, dalam pembentukan harga. Salah satu
proposisi literatur ini, pricing of assets tidak dapat ditentukan secara terpisah dari struktur
institusional pasar khususnya organisasi dan mekanisme perdagangan. Beberapa proposisi
dalam literatur mikrostruktur antara lain: trading cost berperan penting dalam mempengaruhi
efisiensi pasar, bila trading cost mahal maka investors menjadi enggan untuk bertransaksi;
traders tersegmentasi (fragmented) secara spatial maupun temporer sehingga sulit untuk
merepresentasi seluruh traders dalam pasar tunggal yang berkesinambungan. Selanjutnya,
struktur pasar mempengaruhi interaksi antar traders sehingga menentukan bagaimana
informasi mempengaruhi harga; pembentukan harga di pasar sekunder juga dipengaruhi
oleh penawaran dan permintaan. Deviasi harga dari harga ekuilibriumnya dipengaruhi oleh
berbagai faktor seperti ukuran traders, thinness of the market, timing masuknya order dan
lainnya; sedangkan pengaruhnya terhadap volatilitas harga dipengaruhi oleh struktur pasar
seperti peraturan perdagangan, transparansi, frekuensi kliring dan lainnya.4
Sebagaimana dikemukakan struktur pasar, proses dan mekanisme perdagangan

mempengaruhi pembentukan harga yang efisien. Oleh karenanya otoritas moneter maupun
otoritas sistem keuangan yang lain berkepentingan untuk mengembangkan desain dan
sistem perdagangan yang berlaku di pasar agar proses pembentukan harga lebih efisien
dan pasar berfungsi dengan baik. Dengan berfungsinya pasar secara efisien dapat
diharapkan transmisi kebijakan moneter berjalan dengan baik.
2.2. Pendekatan Mikrsotruktur untuk Pasar Uang Antar Bank (PUAB) Rupiah O/N
PUAB O/N merupakan pasar uang dimana bank melakukan transaksi pinjaman (atau
pemberian pinjaman) antar bank dalam mata uang rupiah dengan jangka sangat pendek,
satu hari atau overnight (O/N). Pasar ini memiliki karakeristik tersendiri, produk yang
diperdagangkan melibatkan mata uang yang sama desain sistem perdagangannya
memungkinkan setiap pemain bertindak untuk dan atas nama dirinya sendiri, tidak
membedakan secara resmi jenis-jenis pemain sebagai agen maupun untuk kepentingan
sendiri; dan biaya transaksi relatif sangat kecil sehingga tidak mempengaruhi keputusan
bertransaksi.
Selain itu, dalam PUAB tidak dikenal data inventory dan backlog maupun order flow
4 Dattels, Peter, “Microstructure of Government Securiuties Markets”, IMF Working paper 95/117, Washington, 1995. Lihat
juga Cohen, Schwartz, Whitcomb (1986) serta Blume dan Seigel (1992).
sebagaimana yang digunakan dalam mikrostruktur pasar saham dan valuta asing. Demikian
pula, tidak tersedia data penawaran dan permintaan PUAB serta kuotasi (bid-ask) harga
yang mengakibatkan hilangnya informasi yang berperan penting dalam pendekatan
mikrostruktur. Sebagai penggantinya dalam analisis mikrostruktur PUAB digunakan data
setelmen transaksi sehingga jumlah penawaran selalu sama dengan permintaan. Meski
kandungan informasi data setelmen PUAB tidak sebaik dalam data inventory, backlog, order
flow maupun kuotasi (bid-ask), namun data setelmen tersebut masih memiliki informasi
yang diperlukan dalam analisis mikrostruktur, seperti harga dan volume transaksi dari waktu
ke waktu dalam satu hari (intraday) maupun interday.
2.3. Pembentukan Harga (Price Formation)

Permasalahan pembentukan harga selalu dihadapi lembaga intermediasi yang
seringkali berada dalam situasi dimana pemain lainnya memiliki informasi yang lebih lengkap
dalam menentukan harga.5 Informasi baru mempengaruhi perubahan harga dan aktivitas
perdagangan intraday dan mendorong tercapainya harga baru yang menjadi acuan transaksi
berikutnya. Melalui interaksi dan observasi perdagangan dalam kurun waktu tertentu, pelaku
pasar mempelajari informasi yang dimiliki pemain lainnya dan menggunakannya sebagai
referensi dalam formulasi pembentukan harga transaksinya.
Informasi berperan penting dalam pendekatan “moment to moment trading”. Dalam

transaksi intrahari/intraday atau perdagangan harian (interday), variabel fundamental yang
berperan penting dalam pendekatan makro, dipandang sebagai variabel yang eksogen.
Dalam hal ini fundamental diartikan sebagai faktor-faktor yang relevan dalam
mempertimbangkan keputusan investasi, seperti ekspektasi perkembangan indikator makro
ekonomi yang berperan penting dalam pasar obligasi, atau prospek penghasilan emiten di
masa yang akan datang dalam pasar saham.
Studi empiris PUAB di Amerika menyimpulkan pembentukan dan perilaku harga

dipengaruhi mikrostruktur institutional environment yang diartikan sebagai spesifikasi
mekanisme perdagangan yang berlaku, strategi dan penetapan kebijakan moneter, instrumen
dan prosedur operasional kebijakan moneter, peraturan dan struktur trading pelaku pasar,
serta infrastruktur sistem pembayaran (Hartman dan Manna, 2001).
Pada pasar yang telah berfungsi dengan baik (well functioning market) harga (suku
bunga) berfungsi sebagai sinyal yang informatif mengenai fundamental. Pasar tersebut
5 Dufour, A and R.F. Engle (2000): “Time and price impact of a trade”, Journal of Finance, vol.55, no.6, December, pp 2467-
98. Lihat juga O’Hara (2001), Madhavan (2000), Lyons (2001).
memiliki likuiditas yang optimal dan stabil sehingga harga tidak mudah terpengaruh oleh
perubahan (shift) likuiditas. Adapun likuiditas pasar, dipengaruhi oleh mikrostruktur pasar.
Pasar dianggap likuid bila setiap transaksi, bahkan yang dilakukan secara mendadak,
dapat diselesaikan dengan cepat, biayanya murah dan harganya tidak bergejolak.
Struktur pasar mencerminkan tingkat kompetisi antar pemain dan jenis pasarnya.
Market share atau pangsa pasar yang dikuasai bank tertentu merupakan indikator derajad
kekuatan monopoli, semakin besar pangsanya semakin besar kekuatan monopoli.
Sementara itu, konsentrasi pasar yang merupakan kombinasi pangsa pasar beberapa
pemain dominan mencerminkan kekuatan oligopoli, bila terkoordinasi dengan ketat dapat
mendekati karakteristik monopoli.
Analisis struktur pasar bertolak dari segmentasi pasar yang memperlihatkan

keberadaan kelompok pemain dominan dan non dominan. Pemain dominan menjadi penting
bila menggunakan kekuatannya untuk mempengaruhi pasar, yang tercermin dari perubahan
volatilitas harga karena perilaku pemain dominan yang diikuti pemain lainnya.
Pengaruh struktur pasar dari industri maupun struktur mikro terhadap pembentukan
harga dan dinamikanya digambarkan dalam diagram berikut:
Skema 2.1.
INDUSTRY MICROSTRUCTURE
F
o
Bid ask spread r
m
Price Settlement a
t
i
o
Volatility n
Opening
Structure Conduct Performance Volume session B
e
h
Dynamic/ a
Time stamp Intraday
Intraday v
i
Closing o
session r
Sesuai karakter monopoli, pemain dominan akan berusaha memperoleh keuntungan

dengan memanfaatkan dominasinya sehingga mendapat harga jual yang lebih tinggi (atau
harga beli yang lebih rendah) dibanding pemain non dominan. Harga tercermin dari suku
bunga yang diperoleh pemain dominan saat meminjamkan/meminjam kepada/dari pemain
non dominan. Posisi tawar yang kuat memungkinkan harga pemain dominan menjadi acuan
harga pasar yang ditunjukkan oleh arah pergerakan harga pemain dominan yang sejalan
dengan pasar.
Untuk menentukan keberadaan pemain dominan digunakan ukuran pangsa pasar

pemain tertentu, kosentrasi pasar, atau barrier to entry yaitu kondisi yang menyulitkan pesaing
masuk ke pasar. Pangsa pemain dominan diukur dengan Hirshman-Hirfendahl Index (HHI)
yang melibatkan pangsa pasar semua pemain. Dalam pasar monopoli, hanya terdapat satu
pemain yang menguasai 100% pangsa pasar sehingga HHI 10.000. Untuk pasar persaingan
sempurna, setiap pangsa pasar kurang dari atau sama dengan 1%, HHI kurang atau sama
dengan 100. Menurut Sheperd (1990) bila nilai HHI dibawah 1000 dan konsentrasi dibawah
40% menunjukkan pasar loose oligopoly, namun bila HHI di atas 1800 dan konsentrasi di
atas 60% menunjukkan tight oligopoly.
Struktur mikro pasar mempengaruhi dinamika pembentukan harga intraday melalui

arus informasi, saat pembentukan harga, peran pemain dominan, maupun pola fluktuasi
dan konvergensi harga. Perubahan harga dalam suatu sesi perdagangan dalam interval
waktu pendek dipicu oleh arus informasi yang terkandung dalam volume perdagangan dan
frekuensi.
Meskipun pasar uang tidak diatur secara resmi, namun pasar uang akan cenderung
berperilaku seperti pasar keuangan lainnya yang ditandai pseudo market atau pseudo
specialist. Untuk itu perlu dibuktikan adanya pola hubungan antar pemain yang bersifat
“clientale” atau “klien/pelanggan loyal”. Pola hubungan antar pemain diformulasikan untuk
menggambarkan keterkaitan dua jenis pemain dengan ukuran proporsi lawan transaksi
diantara bank pemberi maupun peminjam.
2.4. Peran Informasi pada Pembentukan Harga dan Likuiditas Pasar

Kajian mikrostruktur mengenai pembentukan harga dan likuiditas juga dilakukan melalui
berbagai penelitian empiris di pasar keuangan untuk mengetahui reaksi pasar pada saat
masuknya informasi publik. Reaksi pasar tersebut tercermin pada perubahan kuotasi, harga
dan volume perdagangan serta persistensinya yang secara simultan mempengaruhi
perubahan likuiditas yang tersedia di pasar. Temuan dari kajian ini akan memberikan dasar
yang lebih kuat mengenai proses pembentukan harga dan likuiditas pasar dari waktu ke
waktu. Dari sisi perumusan kebijakan, pemahaman hal ini akan membantu penyusunan
formulasi dan strategi kebijakan.
French and Roll (1986), Jone, Kaul dan Lipson (1994) menyimpulkan terjadinya
perubahan harga pada pasar saham tanpa diikuti perdagangan saham sedangkan Locke
(1996) menyimpulkan bahwa kegiatan market makers meningkat tajam sesudah masuknya
informasi publik pada future market.
Fleming and Remolona (1999) menyimpulkan pengaruh informasi publik pada proses
pembentukan harga dan likuiditas pasar US Treasury Market berjangka 5 tahun
menyebabkan terjadinya dua tahap proses penyesuaian harga, volume perdagangan,
dan bid-ask spread. Pertama, diumumkannya indikator makroekonomi menyebabkan
perubahan kuotasi harga yang tajam tanpa diikuti perdagangan dan baru beberapa saat
kemudian serentak diikuti penurunan volume perdagangan. Hal ini mengindikasikan reaksi
perubahan harga tidak seketika diikuti perubahan volume perdagangan. Segera setelah
pengumuman indikator makro, harga meningkat tajam, bid-ask spread melebar secara
drastis sebagai dampak penyesuaian inventory control. Perubahan harga yang tajam
tersebut mendorong market makers memperlebar bid-ask spread untuk menghindari risiko
pemeliharaan inventory yang besar. Selanjutnya, volume perdagangan meningkat pesat
dan diikuti persistensi volatilitas harga serta bid-ask spread yang cukup lebar. Peristensi
volaitilitas pada tahap ini didorong oleh proses rekonsiliasi berbagai persepsi investor
terhadap informasi baru yang berdampak terhadap pembentukan harga. Lamanya proses
ini tergantung kepada jenis informasi publik atau non-publik, misalnya informasi pribadi
para investor.
Informasi non publik dapat berupa pengetahuan individu dealer terhadap aliran
order (order flow) nasabahnya dan pengaruhnya terhadap harga. Informasi tersebut juga
mempengaruhi bid-ask spread menjadi lebih lebar, sedangkan fenomena “hot potato
trading” yaitu perpindahan inventory antar dealer karena ketidakseimbangan-menjadikan
dampak informasi menjadi kabur (Lyons, 1995, 1996, 1997).
Pengaruh informasi keputusan kebijakan moneter terhadap pasar tercermin pada

hasil kajian European money market dimana aktifitas kuotasi dan volatilitas harga serta
spread menjadi lebih tinggi pada hari Kamis saat pertemuan European Central Bank
(ECB) Governing Council. Sesaat sesudah pengumuman keputusan suku bunga, pasar
memperlihatkan proses realokasi likuiditas yang diikuti perubahan volatilitas harga.6
6 ECB Working Paper No. 80, Oktober 2001

Pengaruh asimetri informasi tampak pada perilaku dan heterogenitas trader (pelaku
jual/beli di pasar). Frenkel dan Froot (1990) menunjukkan implikasi dari asimetri informasi
terhadap tingginya korelasi antara volume dan volatilitas perdagangan yang tercermin pada
trading behaviour dan trading process.
2.5. Perilaku Harga (Price Behaviour)

Salah satu aspek penting dalam perilaku harga adalah divergence antara harga
awal dan harga-harga yang terjadi berikutnya (O’Hara, 1995). Salah satu faktor yang
berpengaruh pada divergence tersebut adalah design struktur pasar, seperti sistem market
maker atau broker yang mempengaruhi pilihan (trade off) antara spread kecil namun disertai
proses adjustment yang lambat atau spread besar yang diikuti proses adjusment yang cepat.
Dalam struktur market maker pada awalnya harga terbentuk dengan tidak efisien (spread
lebar) namun informasi dengan cepat direspon oleh perubahan harga sehingga spread
semakin menyempit dan harga lebih efisien.
Analisis grafis dan perumusan model empiris didasarkan pada praktek perdagangan
dan perilaku pemain serta karakteristik data seperti rata-rata tertimbang bunga PUAB dan
volume transaksi harian sebagai proxy informasi yang relatif cepat terobservasi oleh pelaku
pasar. Model perilaku harga yang mencerminkan faktor-faktor yang berpengaruh pada
perilaku harga dalam jangka pendek adalah sebagai berikut:
Rι = αVι-1 + ϑi-1 Ri-1 + µι
Ri mewakili suku bunga PUAB periode t, Vi-1 mewakili volume transaksi pada hari
sebelumnya, Ri-1 adalah suku bunga pada hari sebelumnya. Model di atas telah
memperhitungkan faktor keterlambatan informasi Rt memasuki pasar. Dalam beberapa studi,
model tersebut diperluas dengan mengakomodasi variabel-variabel makro ekonomi yang
secara teoritis mempengaruhi kebijakan penentuan suku bunga PUAB, sehingga diperoleh
suatu model campuran (Hybrid Model).
Hybrid Model yang dikembangkan Lyons (2002) mengkombinasikan pendekatan mikro

dan makro yang menggambarkan hubungan antara faktor fundamental ekonomi dan harga
menurut pandangan: makro, mikro dan hybrid. Menurut perspektif makro, informasi
fundamental ekonomi diketahui secara luas oleh masyarakat, demikian pula pengaruh informasi
publik kepada harga. Konsekuensinya, penyesuaian harga terjadi secara langsung dan segera.
Sedangkan menurut perspektif mikrostruktur, informasi fundamental ekonomi tidak diketahui

secara luas, pada awalnya hanya pelaku tertentu saja yang memiliki informasi tersebut dan
memanfaatkannya untuk merubah harga. Menurut perspektif mikrostruktur, informasi
terkandung dalam order flow (aliran pesanan jual atau beli dari nasabah kepada agen/broker)
yang menjadi sinyal bagi price setter untuk menentukan penyesuaian harga. Dengan demikian
model hybrid mengakomodir kemungkinan informasi mempengaruhi harga secara langsung
maupun melalui proses order flow. Dari model tersebut dapat diperkirakan signifikansi pengaruh
variabel fundamental ekonomi dan variabel mikro terhadap perilaku harga.
Skema 2.2.
The Macro View
Public information Price

About fundamentals
The Microstructure View
Non Public information Order

Price
About fundamentals Flow
The Hybrid View
Information Order Price

About fundamentals Flow
2.6. Spillovers antar Harga Asset di Pasar Keuangan

Studi spillovers mencoba memodelkan interaksi kontemperanus perubahan harga-
harga asset antar pasar finansial. Rigobon & Sack (2003) melalui model spillovers
membuktikan adanya interaksi contemporenous yang cukup kuat diantara variabel variabel
suku bunga jangka pendek dan jangka panjang serta pasar saham. Pemahaman perilaku
interaksi variabel antar pasar finansial tersebut penting untuk memprediksi akibat yang
ditimbulkan oleh perubahan harian dari harga asset finansial terhadap alur varians (future
paths variances) dan korelasinya di masa yang akan datang yang berpengaruh pada
perubahan portofolio. Dengan pemahaman interaksi kontemporanus tersebut, otoritas
moneter dapat memperkirakan kecenderungan perubahan portofolio bila terjadi shock di
pasar uang, pasar valas atau saham.
Model spillovers di atas memungkinkan penentuan sumber pemicu current movement

dalam harga financial asset tertentu, apakah didorong oleh shock dalam asset itu sendiri
atau oleh endogenus response terhadap shock atas inovasi aset lainnya. Sumber shock
digunakan untuk memprediksi future paths variances variabel-variabel finansial serta korelasi
diantara variabel-variabel tersebut. Unexpected increase suku bunga jangka pendek dapat
disebabkan oleh shock pada suku bunga itu sendiri atau oleh endogenous response suku
bunga terhadap positive shock dalam equity prices. Positive covariance diantara future
movements dalam harga ekuitas dan suku bunga karena shock harga ekuitas akan menarik
suku bunga dengan arah sama. Sebaliknya, bila shock berasal dari suku bunga maka dapat
diharapkan hubungan korelasi negatif sebab pasar finansial diperkirakan lebih sering terpapar
shock-shock suku bunga berikutnya sehingga mendorong harga ekuitas dengan arah
berlawanan.
Studi Rigobon dan Sacks, memisahkan berbagai kemungkinan dan fokus pada
interaksi kontemperanus diantara harga-harga aset dengan melibatkan variabel suku bunga
jangka pendek 3 bulan, slope yield curve dari Treasury Notes 10 tahun dan return di pasar
saham. Estimasi didukung oleh data yang lengkap yang diperoleh pada pasar finansial
yang memiliki struktur dan conduct yang advanced.
Keterkaitan antar pasar juga diperlihatkan oleh Young Sook Lee (2001) dimana suku
bunga overnight Eurodollar dapat diprediksi dan bergerak searah dengan Fed Fund rate.
Keterkaitan Fed Fund rate dan overnight Eurodollar sangat erat, calendar day effect yang
berlaku pada Fed Fund market ternyata juga berlaku pada ovenight Eurodollar meski dengan
besaran yang lebih kecil.
Penelitian Mikrostruktur PUAB Rupiah O/N 2002 mengindikasikan keterkaitan antar

pasar yang memperlihatkan alur dan volume transaksi pinjaman PUAB yang didominasi
kelompok bank asing. Sementara itu, Kajian Mikrostruktur Pasar Valas 2003, memperlihatkan
pangsa volume transaksi bank asing relatif besar terhadap total transaksi pasar valas.
Mengingat transaksi valas merupakan pertukaran antara valas dan rupiah, maka pangsa
transaksi valas dan rupiah tersebut merefleksikan perputaran likuiditas rupiah dari bank
yang dominan di kedua pasar tersebut.
Hasil survey memperlihatkan bank berperilaku profit maksimisasi dengan

memanfaatkan opportunity cost dalam penempatan kelebihan likuiditas bank di pasar lain.
Selain PUAB, bank memiliki berbagai alternatif sumber dana dan penempatan likuiditas
seperti SBI, Fasbi, Surat Utang Negara (SUN) dan berbagai instrumen valas maupun pasar
modal. Pemilihan alternatif tersebut dipengaruhi oleh informasi di pasar lain dan motivasi
memperbaiki posisi likuiditas ataupun keuntungan. Oleh karenanya analisis suatu pasar
tidak dapat mengabaikan keterkaitan dengan pasar lainnya agar tidak bias dari situasi
sesungguhnya. Sehubungan dengan, shock di pasar keuangan yang umumnya bersumber
dari perubahan kebijakan moneter, pergeseran preferensi investor terhadap resiko, dan
ekspektasi inflasi yang akan datang, secara intuitif akan mendorong pergerakan di pasar
keuangan, termasuk likuiditas dan pergerakan harga asset di PUAB, pasar valas dan pasar
saham.
2.7. Hasil Penelitian Mikrostruktur PUAB Rupiah O/N 2002

Dari analisis price formation and behaviour disimpulkan bahwa sebagian besar dari
variabel-variabel yang berpengaruh dalam pembentukan dan perilaku harga PUAB
merupakan instrumen moneter yang dapat dikendalikan melalui operasional kebijakan
moneter. Oleh karena itu, otoritas moneter dapat menggunakan PUAB Rupiah O/N sebagai
target intermediate pelaksanaan operasional kebijakan moneter7 . Hasil penelitian empiris
memperlihatkan bahwa suku bunga PUAB O/N dapat dipengaruhi sampai degree tertentu
melalui instrumen Operasi Pasar Terbuka (OPT) yang tersedia saat ini seperti suku bunga
instrumen Fasilitas (penempatan pada) Bank Indonesia (FASBI) yang berfungsi sebagai
floor price memiliki pengaruh terbesar disusul oleh pertumbuhan volume OPT dan suku
bunga Sertifikat Bank Indoensia (SBI). Dari model perilaku harga dapat diukur besarnya
dampak perubahan suku bunga Fasbi dan variabel lainnya atas volatilitas PUAB O/N. Dengan
beberapa penyempurnaan, model ini dapat diharapkan menjadi embrio model prediksi suku
bunga PUAB O/N beberapa hari ke depan.
Analisis struktur mikro pasar dengan menggunakan data tahun PUAB tahun 2001
memperlihatkan perilaku suku bunga dipengaruhi oleh segmentasi pasar, dimana sebagian
kecil bank berperan sebagai pemain dominan, secara bersama-sama menguasai 50%
pangsa pasar. Bank-bank dominan tersebut berperan sebagai penentu harga (price setter)
pada transaksi-transaksi di pagi hari, yang kemudian menjadi acuan harga transaksi
berikutnya saat frekuensi transaksi semakin meningkat (ramai).
Selain instrumen moneter, faktor-faktor lain yang mempengaruhi pembentukan harga

adalah conduct/mekanisme bekerjanya pasar saat pembentukan harga (price formation)
dan masuknya informasi baru yang mempengaruhi volatilitas harga, serta faktor-faktor lainnya
seperti pemenuhan kebutuhan likuiditas, squaring dan profit taking mendorong bank
melakukan transaksi PUAB.
7 Program Kerja Startegis Bagian SPPK 2000 dan 2001

3. Metodologi Penelitian
3.1. Pembentukan Harga
3.1.1. Struktur Pasar dan Struktur Mikro

Analisis struktur pasar dilakukan dengan melihat keberadaan pemain dominan,
bagaimana perilaku bank dominan dan adakah “client-agent relationship” antar pemain di
PUAB. Pengukuran keberadaan pemain dominan dilakukan dengan menggunakan indikator
Hirshman-Hirfendahl Index (HHI)8 dan pemetaan pangsa pasar bank individual. Informasi
mengenai bagaimana perilaku bank dominan dalam hal pola hubungan klien dan apakah
pemanfaatan dominasi dalam mencari keuntungan dipotret dari hasil survei mengenai analisis
trading partner baik dari sisi jenis bank, pangsa bank dan kebijakan kuotasi.
Selanjutnya, untuk memahami struktur mikro PUAB, dilakukan pengamatan atas

perilaku pergerakan PUAB berdasarkan data transaksi PUAB terutama dikaitkan dengan
siklus waktu tertentu dan keberadaan pemain dominan. Perilaku transaksi yang dicerminkan
dari jumlah transaksi (frekuensi) dan besarnya volume (nominal) dapat dilihat dengan siklus
bulanan, mingguan, harian, bahkan per jam transaksi. Proses pemahaman struktur mikro
dilakukan dengan melihat arus informasi ke pasar, pola waktu pembentukan harga harian,
dan keberadaan pola hubungan klien/pelanggan loyal antar pemain.
Berdasarkan berbagai penelitian empiris, arus informasi merupakan pemicu

perubahan harga. Namun, peubah yang biasa digunakan dalam pasar valas dan pasar
saham, seperti arus order jual/beli (order flows), tidak ditemukan dalam data set PUAB
rupiah. Sebagai alternatif, dapat digunakan peubah frekuensi dan volume. Dari sisi kedekatan
dengan peubah arus order, peubah frekuensi dianggap lebih dekat dengan peubah arus
order. Namun, mengingat tingkat suku bunga PUAB yang tercatat adalah rata-rata tertimbang
dengan relatif volume sebagai penimbangnya, maka pada penelitian ini digunakan peubah
volume sebagai proxy informasi. Dengan demikian, pemetaan rata-rata volume vs interval
waktu dalam suatu kurun waktu perdagangan dapat menggambarkan siklus periodik arus
informasi dan transaksi. Jika pola musiman tersebut juga dipetakan untuk tingkat bunga
PUAB, baik tingkat bunga rata-rata tertimbang, maupun tingkat bunga dari kedua jenis
pemain tersebut, serta volatilitasnya, maka akan dapat diketahui pola waktu atau timing
masuknya pemain dominan ke pasar dan pengaruhnya secara relatif terhadap harga atau
tingkat bunga PUAB.
8 HHI = (pangsa pasar1)2 + (pangsa pasar2)2 + (pangsa pasar 3)2 + …+ (pangsa pasarn)2
3.1.2. Respon Pasar atas Masuknya Informasi Publik

Adanya informasi publik yang masuk dapat mempengaruhi transaksi bank di PUAB
serta pergerakan harga di pasar. Informasi disini meliputi informasi di PUAB, informasi di
pasar lainnya (dalam hal ini pasar valas dan pasar modal), informasi mengenai kondisi
ekonomi dan sosial politik baik dari pengumuman indikator indikator ekonomi/moneter
maupun pengamat.
Untuk melihat bagaimana respon pasar terhadap informasi publik dilakukan survei
kepada bank untuk mengetahui alasan bertransaksi dan pengaruh informasi dari pasar
lainnya kepada transaksi bank, identifikasi variabel yang mempengaruhi bank dalam
menetapkan harga di PUAB dan kecepatan bank dalam merespon. Selain itu, dilakukan
pula analisis terhadap data pada hari-hari yang terdapat pengumuman (announcement
day) untuk melihat signifikansi perbedaan volume dan harga antara data pada saat terdapat
announcement event dan tidak terdapat announcement event (non announcement day).
Untuk mengukur respon suku bunga sebagai akibat perubahan informasi, digunakan ukuran
standar deviasi suku bunga masing-masing kelompok bank yang terlebih dahulu dipisahkan
antara tanggal-tanggal yang terdapat informasi baru (announcement day) dengan data
non announcement day.
Kelompok announcement day tersebut terdiri hari Rabu (saat peserta lelang SBI
merespon informasi pengumuman target indikatif lelang Sertifikat Bank Indonesia yang
diumumkan pada satu hari kerja sebelumnya, hari Kamis (saat settlement hasil lelang
SBI), tanggal 1 atau hari kerja pertama setiap awal bulannya (saat pengumuman tingkat
inflasi), tanggal-tanggal yang terdapat pengumuman perubahan suku bunga Fasbi, dan
tangggal-tanggal dimana terdapat pengumuman perubahan suku bunga penjaminan.
Sementara untuk waktu yang dipilih adalah 5 menit karena merupakan jangka waktu tercepat
diserapnya pengumuman oleh pergerakan harga dan pergerakan transaksi perdagangan,
sebagaimana dikutip dari hasil survei terhadap pelaku PUAB Rupiah.
Sebagai tambahan dari penelitian sebelumnya, analisis announcement effect

diperdalam untuk melihat kemungkinan perubahan perilaku setelah pemberlakuan sistim
Fasbi dual rate dan window untuk melihat kemungkinan adanya perubahan perilaku harga
serta dipilah atas kelompok bank dominan dan non dominan. Sehingga data transaksi
PUAB pada analisis announcement effect dibagi menjadi empat kelompok yaitu pemain
pasar PUAB dominan dan non dominan, serta periode sebelum dan setelah pelaksanaan
kebijakan Fasbi yang membuka dua sesi dengan dua rate yang berbeda sejak tanggal 18
September 2002.
Tabel 3.1. Matrik Data
Kebijakan Fasbi Dua Sesi

Kelompok Bank
Sebelum Setelah
Bank Dominan 1-A 2-A
Bank Non Dominan 1-B 2-B
Untuk melihat pergerakan harga dilakukan perbandingan varians harga dalam inter-
val lima menit dari jam 8.00 sampai dengan jam 17.00 untuk hari-hari yang terdapat
pengumuman dengan hari-hari dimana tidak terdapat pengumuman. Untuk masing-masing
kelompok announcement day dan non announcement day, dihitung standar deviasi dari
suku bunga lalu dari keduanya dihitung rasio standar deviasi announcement day terhadap
non announcement day. Angka rasio > 1 menunjukkan volatilitas harga lebih tinggi pada
saat adanya announcement. Untuk menguji signifikansi perbedaan varians tersebut,
digunakan p-value (probability value) yang merupakan batas level signifikan yang terendah
untuk menolak hipotesis nol.
Adapun untuk melihat pengaruh pengumuman pada transaksi perdagangan, dilakukan

penghitungan rerata volume masing masing kelompok bank dalam interval lima menit dari
jam 8.00 sampai dengan jam 17.00 untuk hari-hari yang terdapat pengumuman dan hari-
hari dimana tidak terdapat pengumuman. Dengan asumsi masing-masing kelompok an-
nouncement day dan non announcement day mempunyai rerata volume yang berbeda,
kemudian dihitung selisih rerata kelompok announcement day dikurangi non announce-
ment day. Untuk menguji signifikansi selisih rerata tersebut digunakan t-statistic p-value.
3.2. Perilaku Harga

Pada penelitian “Mikrostruktur Pasar Uang Antar Bank Rupiah” (2002) telah dapat
diungkapkan beberapa temuan mengenai perilaku harga. Namun demikian, data yang
digunakan untuk uji empiris adalah data dengan periode bulan Januari 2000 sampai dengan
Desember 2001. Sepanjang tahun 2002 hingga pertengahan 2003, telah terjadi beberapa
perubahan mendasar pada kebijakan makro moneter khususnya terkait dengan mekanisme
instrumen moneter yang digunakan sebagai variabel dalam uji empiris sebelumnya.
Perubahan kebijakan tersebut mengharuskan verifikasi terhadap model perilaku harga yang
telah ada dengan melakukan perpanjangan data dan memasukkan rasio perubahan ke
dalam model.
Dilain pihak, selain melakukan verifikasi terhadap model perilaku harga, pada penelitian
ini dicoba untuk mengkaji keterkaitan antar pasar uang antar bank dengan pasar lainnya,
seperti pasar valuta asing dan pasar modal atau lebih dikenal dengan istilah spillover effect
(Rigobon, 2003).
3.2.1. Perilaku Harga dan Perubahan Kebijakan

Pengujian empiris atas perilaku harga dilakukan masih menggunakan model dasar
yang sama seperti pada penelitian sebelumnya, yaitu model hybrid yang menfokuskan pada
nilai masa lalu. Pengujian yang dilakukan pada penelitian ini adalah sebagai berikut :
a. Menghitung nilai dari determinan yang dapat mempengaruhi PUAB O/N serta mengukur
variance dari variabel PUAB O/N, dengan perpanjangan data hingga bulan Juli 2003;
b. Mengukur pengaruh dari perubahan kebijakan yang telah dilakukan dengan
menambahkan peubah dummy (Dk) pada persamaan di atas, yang mana k merupakan
jumlah peubah dummy yang diperlukan. Dengan perumusan model yang ada pada
perilaku harga, maka dapat dilakukan pula pengukuran pengaruh suatu perubahan
kebijakan dengan cara mengukur pergeseran konstanta b yang signifikan, serta
perubahan sensitivitas peubah makro (b1 dan b2) sebesar β1 dan β2χ .
Sesuai dengan “Permodelan Struktur Mikro PUAB Rupiah” oleh Hermanto (2002),
maka model struktur mikro dari perilaku harga dapat dirumuskan sebagai berikut:
(3.1.) RONt = b1VONt-1 + b2Mt-1 + εt
atau,
RONt = b1VONt-1 + b2Mt-1 + β0Dk + β1D1Mt-1 + β2D2Mt-1 +εt
(3.1.1.) εt = φ1 εt-1 + µt
(3.1.2.) RONt = b1VONt-1 + b2Mt + φ1 εt-1 + µt
atau,
RONt = b1VONt-1 + b2Mt-1 + β0Dk + β1D1Mt-1 + β2D2Mt-1 + φ1 εt-1 + µt
dimana,
RONt = suku bunga rata-rata tertimbang PUAB O/N
VON = volume total PUAB O/N
Mt = variabel makro lainnya di luar PUAB O/N yang mempengaruhi
seperti RJibor , RFasbit , VOMOt

Dk = variabel dummy
3.2.2. Pengukuran Dampak Spillover antara PUAB dan Pasar Valas

Pengukuran dampak spillover antara PUAB Rupiah dan pasar valuta asing pada
penelitian ini mencoba untuk menerapkan metode yang telah dilakukan oleh Rigobon (2003).
Rigobon mendasarkan metode estimasi dampak spillover antara PUAB Rupiah dan pasar
valas berdasarkan hal sebagai berikut:
a. Bahwa terdapat suatu kesamaan residual antara proses estimasi berdasarkan structural
form VAR dengan reduced form VAR.
b. Dengan demikian bila variance residu structural form bersifat heteroskedastik GARCH,
maka variance residu reduced form juga akan mengikuti pola GARCH yang sama (pada
kasus ini diasumsikan sebagai GARCH 1,1).
c. Bentuk GARCH seperti dimaksud di atas harus mempertahankan unconditional variance
residu, sehingga pada akhirnya dapat memberikan jalan untuk menemukan kembali
besaran structural yang menggambarkan dampak spillover.
d. Reduced form dimungkinkan untuk diestimasi dengan metode Ordinary Least Square
(OLS) atau Maximum Likelihood Estimation (MLE).
Sesuai dengan kondisi tersebut di atas maka parameter GARCH residu yang signifikan
menjadi suatu prasyarat mutlak yang harus dipenuhi agar dapat menemukan kembali
structural form. Bilamana parameter GARCH residu tidak signifikan maka terdapat 2
kemungkinan penjelasan, yakni, dapat disebabkan oleh metode estimasi atau karena pola
data.
Untuk memastikan penyebab tidak signifikannya parameter GARCH residu maka perlu
dilakukan estimasi kembali dengan berbagai metoda estimasi. Beberapa metode tersebut
adalah univariate GARCH dari hasil estimasi MLE pada reduced form mean process, atau
multivariate GARCH dari Engle. Bila dengan penggunaan berbagai metoda estimasi,
parameter GARCH residu masih tidak signifikan maka dapat disimpulkan bahwa
permasalahannya terletak pada data.
Mengikuti permodelan spillover oleh Hermanto (2003), maka structural form VAR dan
GARCH (1,1) dari variabel endogen (PUAB dan kurs) dan variabel eksogen (SIBOR atau
Fed Fund) dapat diuraikan sebagai berikut:
(3.2.) AX t = Ψ + Φ l ( X t ) + Q l ( Z t ) + η t
(3.3.) σ2t = ϖ + α + η2t-1 + βσ2t-1 + µt µt = N (0,1)Ω white noise

adapun bentuk reduced form adalah,
(3.4.) Xt = A-1Ψ + A−1 Φ l ( X t ) + A-1 Q l ( Z t ) + v t vt = A-1 η t
(3.5.) σ2’t = c + αη2’t-1 + bs2’t-1 + µt
c = A-1 ϖ , a = A-1 α , b = A-1 β
dimana,
Xt = suku bunga rata-rata tertimbang PUAB O/N dan kurs IDR/USD
Zt = suku bunga SIBOR atau Fed Fund
Dengan asumsi bahwa GARCH dari reduced form identik dengan GARCH structural
form, maka dapat ditemukan kembali persamaan structural form dengan menambahkan
beberapa batasan. Reduced form tersebut dapat diestimasi dengan OLS atau MLE, dan
seharusnya proses estimasi dapat menghasilkan unconditional variance yang positif dari
GARCH.
Dengan demikian, diperoleh suatu gambaran sebagai berikut:
a. Univariate GARCH berdasarkan asumsi sistim VAR pada mean process ; antara PUAB
dan kurs saling memberikan pengaruhnya. Hal tersebut penting untuk menjamin adanya
saling keterkaitan antara PUAB dan kurs sehingga akan dapat diukur keberadaan
limpahan lintas pasar (spillover). Dengan model pengukuran spillover berdasarkan
univariate GARCH didapatkan koefisien (w) omega (rata-rata unconditional variance),
(a) alpha dan (b) beta (ukuran ketergantungan nilai varians terhadap lag suatu kejutan
dan lag nilai harapan varians) yang positif dan signifikan.
b. Model lain yang disusun adalah model multivariate GARCH dengan dasar matriks varians-
kovarians harapan varians bersyarat (expected conditional variance) yang sesuai dengan
matriks varians-kovarians tak kondisional Engle (2002). Restriksi lain yang diterapkan
untuk model ini adalah untuk menjamin kepositifan nilai w, a dan b dengan multivariate
GARCH yang diajukan olah BEKK (Baba, Engle, Kraft dan Kroner, 2003). Model ini
menggunakan residu yang distandardisasi untuk mengurangi pengaruh perbedaan
varians pada data level.
c. Model ketiga dibangun berdasarkan restriksi yang sama dengan model kedua. Namun
perbedaannya terletak pada penggunaan transformasi logaritma natural, untuk
mengurangi besarnya varians pada kurs yang berada pada level.
d. Sementara itu, model keempat merupakan model yang sama dengan model kedua
dengan perbedaan nilai residu asli sebagai nilai awal iterasi GARCH.
3.3. Data dan Variabel

Analisis grafis yang ditampilkan dalam pembahasan adalah berdasarkan data transaksi
PIPU O/N dari tahun 2002 sampai dengan Juli 2003 dan data settlement RTGS dari tahun
2001 sampai dengan Juli 2003. Sementara untuk data yang digunakan dalam persamaan
model menggunakan data PIPU dari tahun 2000 sampai dengan Juli 2003. Keseluruhan
data tersebut mencakup transaksi PUAB O/N yang dilakukan oleh 133 bank.
Data PIPU digunakan dalam pemetaan transaksi PUAB untuk melihat struktur mikro
dan dalam estimasi model. Kelebihan data PIPU adalah adanya informasi mengenai rata
rata suku bunga tertimbang harian. Selain itu PIPU dapat di akses oleh bank-bank sehingga
mencerminkan arus informasi mengenai kondisi di pasar yang diketahui secara publik.
Namun data PIPU memiliki kelemahan yaitu jam transaksi yang tercatat mencerminkan
jam pelaporan. Pada beberapa bank kecil, pelaporan dilakukan secara batch sehingga
kemungkinan terdapat deviasi yang besar antara jam transaksi dengan jam pelaporan.
Karena itu, pada analisis yang memerlukan informasi waktu (analisis intrahari dan
announcement effect) digunakan data RTGS. Data RTGS memiliki informasi mengenai jam
settlement yang dianggap lebih mendekati jam transaksi.
Khusus untuk uji empiris, data yang digunakan adalah data harian dengan periode
tanggal 1 Januari 2000 sampai dengan 31 Juli 2003. Adapun variabel yang digunakan
adalah sebagai berikut:
a. RON atau AVGPUAB merupakan variabel suku bunga PUAB O/N yang di proxy oleh suku
bunga rata-rata tertimbang PUAB O/N, dan sekaligus merupakan variabel endogen dari
fungsi variabel mikro dan makro lainnya;
b. VON atau LN_VT adalah variabel pertumbuhan total volume PUAB O/N. Salah satu
alasan penggunaan volume PUAB O/N sebagai salah satu variabel mikro adalah karena
harga (price) dari PUAB yang diwakili oleh suku bunga, pada data interday memiliki
hubungan yang kuat dengan volume. Selain itu, volume PUAB O/N juga digunakan
secara bersama dengan dummy variabel untuk mendapatkan variabel dummy interaktif;
c. RFASBI atau Fasbi merupakan variabel suku bunga Fasbi O/N;
d. Kurs IDR/USD atau LPXLAST adalah nilai tukar USD terhadap rupiah pada akhir hari
yang didapatkan dari data Bloomberg;
e. FEDFUND merupakan data suku bunga Federal Reserve Amerika Serikat yang juga
diperoleh dari data Bloomberg;
f. D1 adalah variable dummy yang mewakili adanya perubahan kebijakan

(mekanisme) Fasbi pada bulan September 2002, yakni perubahan dari single window
menjadi dual windows (Fasbi pagi dan sore). Pada hari sebelum terjadi perubahan
kebijakan direpresentasikan dengan angka 0, sedangkan periode setelah terjadi
perubahan kebijakan direpresentasikan dengan angka 1;
g. Adapun D2 juga merupakan variabel dummy yang merepresentasikan terjadinya

perubahan kebijakan Fasbi pada bulan Februari 2003, yang mana Fasbi dengan tenor
di atas 1 hari dihapuskan. Dengan demikian hanya terdapat Fasbi O/N, dan khusus
untuk rate Fasbi O/N sore ditetapkan sebesar 50% dari Fasbi O/N pagi;
h. LMSCI_ALLIDR adalah logaritma natural dari indeks seluruh saham yang terdapat pada
Morgan Stanley Composite Index (MSCI) dalam rupiah;
i. LMSCI_GIDR merupakan logaritma natural indeks saham pilihan dari MSCI dalam rupiah.
3.4. Survei
Untuk mengkonfirmasi hasil pengolahan data dan estimasi model, studi ini melakukan
survei dalam rangka memperoleh informasi langsung faktor-faktor yang membentuk harga
dan yang mempengaruhi perilaku harga. Survei ditujukan kepada 60 bank peserta PUAB
dengan pertanyaan yang meliputi informasi umum, kebijakan kuotasi harga, pembentukan
harga dan perilaku harga.
Sampel yang diambil dari pelaku pasar uang dipilih dengan menggunakan metode
gabungan stratified sampling dan quota sampling. Penentuan sampel dimulai dari
pengelompokkan bank berdasarkan pangsa transaksi PUAB O/N menjadi 5 kelompok bank.
Sejumlah 20 sampel pertama, diperoleh dari kelompok pertama yang menunjukkan pemain
besar. Sedangkan untuk 40 sampel berikutnya mewakili 4 kelompok berikutnya yang masing-
masing diambil sebanyak 10 sampel.
Sementara itu, untuk analisis hasil kuesioner dilakukan dengan dua cara. Pertama,
untuk pertanyaan dimana responden hanya memilih satu jawaban, analisis dilakukan dengan
menghitung prosentase responden untuk satu pertanyaan tersebut. Kedua, untuk pertanyaan
dimana responden memilih berdasarkan urutan prioritas, maka analisis dilakukan
berdasarkan nilai atau skor dengan rumus:
Nilai (skor) = (Jumlah pilihan +1) – Nilai Peringkat9
Karakter responden dan hasil survei selengkapnya ada pada lampiran.
9 Untuk jawaban yang tidak berperingkat diberi nilai nol.

4. Hasil Pengujian
4.1. Pembentukan Harga
4.1.1. Struktur Pasar

Untuk memahami struktur pasar dilakukan identifikasi keberadaan pemain dominan
dalam pasar yang diteliti. Perhitungan Hirsman-Hirfendahl Index (HHI) untuk data PUAB
O/N antara tahun 2001–Juli 2003 berkisar dari 296–364. Angka pada kisaran ini menunjukkan
PUAB Rupiah O/N merupakan pasar dengan persaingan yang bersifat loose oligopoly.
Tabel 4.1. Perkembangan Index HHI
Tahun HHI
2001 296
2002 272
2003 364
Hal tersebut di atas sejalan dengan temuan berdasarkan penghitungan pangsa pasar
bank individual. Pada penelitian sebelumnya dengan mengunakan data tahun 2001, diketahui
bahwa tidak ada bank yang dominan secara individu, tetapi dominasi ditemukan pada 10
bank dengan pangsa terbesar yang menguasai hampir separuh pangsa pasar secara
keseluruhan. Perpanjangan data sampai dengan Juli 2003 menunjukkan keberadaan pemain
dominan tersebut masih ada meski dengan urutan bank yang sedikit berbeda serta pangsa
yang sedikit meningkat. Perubahan komposisi pemain dominan (bank pemberi dan bank
peminjam) dari tahun ke tahun mencerminkan adanya pergeseran dominasi di antara pemain.
Pangsa terbesar untuk bank individu adalah 8% - 12%. Sementara itu, untuk 10 bank dengan
pangsa terbesar, pangsa kelompok 10 besar berada pada kisaran 47 – 58%.
Hasil survei menunjukkan bahwa keberadaan pemain dominan juga disadari oleh
peserta PUAB. Terdapat 58% responden setuju bahwa terdapat pemain dominan. Dari
responden yang setuju tersebut, 57% menyatakan jumlah pemain dominan berkisar pada 6
– 10 pemain dan 31% berpendapat jumlah pemain dominan berkisar pada 1 – 5 pemain.
Pemain tersebut dominan karena memiliki kelebihan yaitu ketersediaan atau limit dana
yang lebih besar, harga atau tingkat suku bunga yang lebih baik, dan pelayanan yang lebih
baik (mudah dan cepat). Dengan kelebihan di atas, responden memandang pemain dominan
memiliki competitive advantage dibandingkan dengan pemain lainnya, yaitu (1) kemampuan
pemain besar untuk melakukan transaksi dalam volume yang besar dan (2) kemampuan
untuk mempengaruhi arah suku bunga PUAB.
Keberadaan pemain dominan ini terkait dengan praktek yang berlaku di PUAB.
Pertama, survei menunjukkan bahwa transaksi PUAB dilakukan dengan bank yang telah
memiliki credit line dan credit limit. Faktor-faktor yang menentukan credit line dan credit
limit berturut-turut adalah CAR, resiko, ranking dan rating, total aset counterpart, serta masih
adanya program penjaminan pemerintah, Pemain dominan mampu melakukan transaksi
dalam volume besar karena memiliki basisi nasabah yang besar. Data survei menunjukkan
bank yang teridentifikasi sebagai pemain besar adalah bank dengan total aset yang
menengah ke atas (Rp 10 triliun s.d diatas Rp 50 triliun). Karenanya bank ini mampu
mendapatkan credit line dari lebih banyak bank serta credit limit yang lebih besar. Diantara
bank dominan peminjam, juga tampak didominasi oleh bank asing yang dipersepsikan
memiliki resiko lebih rendah serta memiliki kemampuan manajemen likuiditas yang relatif
lebih baik.
Kedua, pemain dominan juga mampu mempengaruhi harga atau arah suku bunga
karena kebijakan bank-bank dalam penetapan kuotasi di PUAB. Survei menjukkan bahwa
terdapat kecenderungan bank yang berperan sebagai market maker memperoleh harga
yang lebih baik saat memberi pinjaman maupun saat meminjam. Umumnya responden
menyatakan selalu atau sering memberikan harga yang lebih rendah kepada bank counter-
part yang dianggap market maker dari pada harga yang diberikan bank kepada non market
maker. Bank yang menyatakan sering atau selalu memberi harga lebih baik meliputi hampir
semua bank berpangsa besar maupun kecil. Namun bank dengan pangsa kecil cenderung
jarang atau tidak pernah memberikan harga yang lebih rendah dari harga pasar kepada
market maker.
Adapun bank yang banyak menyatakan tidak pernah atau jarang memberikan harga
yang lebih rendah adalah bank swasta nasional devisa dan non devisa dengan rata rata
pinjaman harian sampai dengan Rp20 miliar, bank asing, serta bank dominan (kecuali bank
dominan persero). Sementara itu, dari sisi bank sebagai peminjam, sebanyak 28% responden
menjawab selalu atau sering mendapat harga lebih baik pada saat meminjam. Mayoritas
jawaban tersebut berasal dari kelompok bank dominan dan bank asing.
Selain terdapat pemain dominan, dalam perdagangan PUAB juga ditengarai adanya
kecenderungan bertransaksi dengan kelompok bank tertentu dan pembedaan harga
(segmentasi). Berdasarkan jenis bank, diketahui bahwa bank pemberi pinjaman terbanyak
kepada responden adalah bank swasta devisa nasional, bank persero dan bank asing.
Sementara itu, bank peminjam terbanyak dari peserta PUAB adalah bank swasta devisa
nasional, bank asing dan bank persero. Bila dipilah lebih lanjut berdasarkan urutan pilihan
yang paling prioritas, tampak adanya pengelompokan dimana bank swasta devisa nasional
paling banyak meminjam dan memberikan pinjaman pada bank swasta devisa nasional.
Demikian pula bank swasta non devisa paling banyak meminjam dan memberi pinjaman
pada dari bank swasta non devisa. Temuan yang menarik adalah kecenderungan bank
asing paling banyak meminjam dari bank swasta nasional devisa dan bank persero. Namun,
bank asing dan campuran memberi pinjaman umumnya pada bank asing dan campuran
dan hanya sedikit kepada bank persero dan swasta devisa nasional. Hal ini menunjukkan
pembatasan yang tinggi dalam penetapan credit line dan credit limit serta kuatnya posisi
tawar menawar bank asing dan campuran di PUAB.
Dari survei juga didapatkan bahwa faktor yang menentukan mahal/murahnya suatu
kuotasi meliputi posisi likuiditas bank, keadaan PUAB (sepi/ramai), hubungan dengan coun-
terpart serta kuotasi kepada market atau non market maker. Dikaitkan dengan uraian
sebelumnya maka terdapat indikasi bahwa sejumlah bank dapat memanfaatkan posisinya
untuk memperoleh harga terbaik. Bank dominan dan bank asing tidak memberikan harga
yang lebih rendah dari harga terbaik saat memberikan pinjaman. Sementara itu, dalam
mendapatkan pinjaman, hampir seluruh bank dominan bisa mendapatkan harga yang lebih
baik dari harga pasar. Hal ini dikarenakan bank dominan memiliki bargaining position dari
banyaknya counterpart serta kedudukannya sebagai market maker. Dalam hal bank non
dominan dengan pangsa yang cukup kecil tidak memberikan harga yang lebih rendah, hal
ini terjadi dikarenakan counterpart transaksinya adalah bank non dominan dari bank swasta
nasional devisa maupun non devisa.
4.1.2. Struktur Mikro

Berdasarkan data transaksi harian PIPU dalam periode 2002 sampai dengan Juli
2003 diperoleh hal-hal sebagai berikut. Rata-rata volume dan frekuensi harian PUAB
berdasarkan tanggal transaksi, tidak banyak mengalami perbedaan yang fluktuatif. Selisih
rata-rata volume tertinggi dan terendah adalah sebesar Rp1,2 triliun, yaitu dari rata-rata
tertinggi sebesar Rp4,4 triliun dan rata-rata terendah sebesar Rp3,3 triliun. Sementara itu
untuk rata-rata frekuensi transaksi tertinggi dan terendah masing-masing adalah 235 dan
183 kali transaksi, yang terjadi pada tanggal 1 dan 29.
Sementara itu, berdasarkan distribusi mingguan, rata-rata volume dan frekuensi PUAB
tertinggi terjadi pada minggu I (antara tanggal 1 sampai dengan tanggal 7), dengan rata-
rata volume harian mencapai Rp3,7 triliun dengan rata-rata frekuensi harian 205 kali. Namun
secara keseluruhan distribusi volume dan frekuensi cenderung merata setiap minggunya.
Sementara distribusi rata-rata volume dan frekuensi berdasarkan hari-hari dalam sepekan
menunjukkan kecenderungan yang relatif merata, dimana rata-rata volume dan frekuensi
tertinggi dan terendah pada hari Senin dan Rabu. Rata-rata volume dan frekuensi pada
hari Senin adalah sebesar Rp3,8 triliun dengan 213 kali transaksi, sedangkan rata-rata
hari Rabu sebesar Rp3,5 triliun dengan 190 kali transaksi. Distribusi rata-rata volume
tersebut sejalan dengan hasil survei, dimana frekuensi transaksi PUAB pada hari Senin
merupakan hari yang paling ramai sementara hari Rabu merupakan hari yang sepi
(Lampiran hasil survei).
Grafik 4.1. Distribusi Rata-rata Volume Grafik 4.2. Distribusi Rata-rata Volume dan
dan Frekuensi Harian per Minggu Frekuensi Harian per Hari Transaksi
Rp triliun Frekuensi Rp triliun Frekuensi

4 210 4 220
200
190 3 200
3 180
170 2 180
160
Nominal Frek Nominal Frek
2 150 1 160
1-7 8-15 16-23 24-31
Senin Selasa Rabu Kamis Jumat
Perilaku PUAB secara lebih detail tampak pada distribusi intrahari. Secara keseluruhan,
distribusi transaksi PUAB Rupiah antara tahun 2001-2003 tampak tinggi pada pukul 10.00
– 12.00 dan 15.00 – 17.00 (bentuk two humps) dengan konsentrasi pada sore hari yang
mencapai puncaknya pada kisaran jam 16.00 -17.00 yang mencapai 21,1%. Bentuk distribusi
two humps ini umum ditemukan pada PUAB karena pasar cenderung memerlukan waktu
untuk ‘mempelajari’ keadaan pasar sebelum banyak melakukan transakasi menjelang siang
hari serta memenuhi target pemenuhan likuiditas di sore hari. Hasil survei mengkonfirmasi
temuan bahwa waktu transaksi yang paling ramai adalah pukul 8.00 - 9.00, 14.00 - 15.00,
9.00 - 10.00 dan 16.00 – 17.00.
Namun, bila dipilah berdasarkan tahun, tampak adanya perubahan konsentrasi nilai
transaksi PUAB Rupiah intrahari apabila pengamatan transaksi PUAB dibagi menjadi
sebelum dan sesudah kebijakan Fasbi pagi dan sore. Setelah pembedaan rate Fasbi pagi
dan sore, secara umum, terjadi pergeseran waktu transaksi dari PUAB pagi ke PUAB sore.
Penurunan transaksi PUAB pagi terutama terjadi pada jam 9.00 sampai dengan jam 10.00.
Grafik 4.3. Perkembangan Distribusi Nilai

Transaksi PUAB per Kelompok Jam
Periode Tahun 2001 – Juli 2003
Persen
25,0
20,0 Distribusi
15,0
10,0
5,0
0,0
<8 8-9 9-10 10-11 11-12 12-13 13-14 14-15 15-16 16-17 17<
Sedangkan peningkatan transaksi PUAB sore terutama terjadi pada jam 16.00 sampai
dengan jam 17.00.
Pemilahan pola sebaran transaksi berdasarkan kelompok bank dominan dan non
dominan menujukkan kecenderungan pergeseran transaksi ke siang atau sore hari terjadi
pada kelompok bank dominan dan non dominan. Namun terdapat pergeseran preferensi
yang cukup besar dari transaksi PUAB pagi ke PUAB sore untuk kelompok bank non dominan
dibandingkan dengan kelompok bank dominan. Pola sebaran transaksi PUAB tidak terlepas
dari alasan bank bertransaksi mengingat survei menunjukkan bahwa alasan utama bank
meminjam dari PUAB adalah squaring akhir hari sehingga wajar apabila lebih banyak
transaksi dilakukan di sore hari.
Grafik 4.4. Perkembangan Distribusi Nilai Transaksi PUAB Rupiah

per Jam Berdasarkan Kelompok Bank
30.0 30.0
2001- agt 2002 2001- agt 2002
25.0 Sep 2002 - Jul 2003 25.0 Sep 2002 - Jul 2003
20.0 20.0
15.0 15.0
10.0 10.0
5.0 5.0
- -
<8 8-9 9-10 10-11 11-12 12-13 13-14 14-15 15-16 16-17 17< <8 8-9 9-10 10-11 11-12 12-13 13-14 14-15 15-16 16-17 17<
Bank Dominan Bank Non Dominan

Lebih dari separuh responden dari semua kelompok bank dominan maupun non
dominan menyatakan squaring akhir hari sebagai alasan utama dalam memberikan pinjaman.
Alasan squaring akhir hari sebagai tujuan memberi pinjaman yang lebih dominan daripada
alasan memberikan pinjaman adalah sejalan dengan kondisi perbankan yang mengalami
kelebihan likuiditas. Namun demikian, dikaitkan dengan kebijakan bank sentral dengan
membedakan rate Fasbi O/N pagi dan sore sejak bulan September 2002, maka seharusnya
melemparkan likuiditas di sore hari cenderung kurang menguntungkan mengingat pilihan
outlet terakhir yang ada adalah Fasbi sore dengan rate yang hanya separuh dari rate pagi.
Dengan demikian, bank dengan manajemen likuiditas yang baik akan meminimalkan
kemungkinan kelebihan likuiditas di sore hari. Hal ini yang menjelaskan mengapa justru
bank non dominan yang lebih banyak bergeser transaksinya ke sore hari dibandingkan
bank dominan.
Meski transaksi yang ramai justru terjadi di sore hari, temuan penelitian sebelumnya
yang menyatakan proses pembentukan harga adalah di pagi hari tetap valid. Hal ini
dikarenakan transaksi yang terjadi pada pagi hari mencerminkan transaksi karena kebutuhan
likuiditas dan karena tujuan strategis. Sementara itu, transaksi di sore hari lebih banyak
ditujukan untuk squaring
Untuk mengukur arus informasi ke pasar, digunakan pengukuran standar deviasi yang
mencerminkan pola sebaran dari nilai rata-rata akan lebih memberikan informasi tambahan
terhadap perilaku transaksi PUAB. Secara umum, pergerakan standar deviasi suku bunga
PUAB Rupiah O/N untuk bank dominan dan non dominan. mengalami peningkatan dari
pagi sampai sore. Tingginya volatilitas pada sore hari dikarenakan akan ditutupnya pasar
Grafik 4.5. Perkembangan Standar Deviasi Suku

Bunga PUAB Rupiah O/N Berdasarkan jam
transaksi, Periode 2001 – Juli 2003
5,0
4,5 bank dominan
4,0 bank non-dominan
3,5
3,0
2,5
2,0
1,5
1,0
0,5
-
<8 8-9 9-10 10-11 11-12 12-13 13-14 14-15 15-16 16-17 17<
uang di sore hari sehingga bank tidak mempunyai cukup banyak waktu untuk menahan
bertransaksi di PUAB. Secara lebih spesifik, pergerakan standar deviasi suku bunga untuk
bank dominan lebih rendah dari bank non dominan. Hal ini merupakan salah satu indikasi
bahwa bank dominan mempunyai kekuatan dalam menentukan besarnya harga dalam
transaksi PUAB Rupiah, sehingga sebaran tingkat suku bunga dari nilai rata-ratanya relatif
lebih rendah. Bila dikaitkan dengan hasil survei mengenai kecenderungan bank bertransaksi,
diketahui bahwa bank dominan memiliki kelonggaran credit line relatif lebih banyak
dibandingkan bank lainnya sehingga ketidakpastian dalam mendapatkan dana cenderung
lebih kecil.
Bila dipilah berdasarkan periode sebelum dan sesudah pemberlakuan Fasbi dengan
dua rate, tampak terjadi perubahan pola perkembangan standar deviasi pada dua kelompok
bank. Secara umum, pergerakan standar deviasi bank dominan masih di bawah bank non
dominan dan standar deviasi bergerak meningkat di sore hari. Kisaran pergerakan standar
deviasi di pagi hari cenderung lebih rendah dibandingkan sebelum periode September 2003.
Bahkan pada bank dominan cenderung flat di pagi hari. Perubahan ini dapat dikaitkan dengan
Grafik.4.6. Perkembangan Standar Deviasi Suku Bunga PUAB Rupiah O/N

Periode Sebelum dan Setelah Fasbi Dua Sesi
5 5
4,5 Bank Dominan (pre Fasbi dua sesi) 4,5 Bank Dominan (pre Fasbi dua sesi)
4 Bank Non Dominan (pre Fasbi dua sesi) 4 Bank Dominan (post Fasbi dua sesi)
3,5 3,5
3 3
2,5 2,5
2 2
1,5 1,5
1 1
0,5 0,5
0 0
<8 8-9 9-10 10-11 11-12 12-13 13-14 14-15 15-16 16-17 17< <8 8-9 9-10 10-11 11-12 12-13 13-14 14-15 15-16 16-17 17<
5 5
4.5 4,5 Bank Non Dominan (pre Fasbi dua sesi)
Bank Dominan (post Fasbi dua sesi)
4 Bank Non Dominan (post Fasbi dua sesi) 4 Bank Non Dominan (post Fasbi dua sesi)
3.5 3,5
3 3
2.5 2,5
2 2
1.5 1,5
1 1
0.5 0,5
0 0
<8 8-9 9-10 10-11 11-12 12-13 13-14 14-15 15-16 16-17 17< <8 8-9 9-10 10-11 11-12 12-13 13-14 14-15 15-16 16-17 17<
makin besarnya peranan Fasbi dalam pergerakan suku bunga PUAB dimana setelah Sep-
tember 2002, suku bunga PUAB pagi cenderung berhimpitan dengan suku bunga Fasbi.
Sementara pada sore hari, pergerakan standar deviasi justru lebih tinggi dari sebelumnya
karena selain faktor kebutuhan likuiditas yang makin mendesak, pasar juga bergerak mencari
keseimbangan lain disamping mengacu pada rate Fasbi sore yang hanya setengah dari
Fasbi pagi.
4.2. Respon Pasar atas Masuknya Informasi Publik

4.2.1. Informasi yang Mendorong Bank Bertransaksi di PUAB
Pada sub bab sebelumnya, dikemukakan bahwa alasan utama bank bertransaksi di
PUAB adalah untuk memenuhi kebutuhan atau menempatkan kelebihan likuiditas. Namun
dalam memenuhi/menempatkan likuiditas tersebut bank juga memperhatikan aspek
keuntungan. Karenanya apabila terdapat informasi baik di PUAB maupun di pasar lain yang
dapat memberikan tingkat pengembalian lebih baik dan apabila bank dapat mengelola
likuiditas dengan baik, bank akan terdorong untuk bertransaksi di PUAB untuk mencari
keuntungan.
Dari survei diketahui bahwa adanya informasi baru di PUAB merupakan alasan yang
mendorong mereka untuk bertransaksi. Sementara itu, adanya informasi di pasar valas
maupun pasar modal cukup kecil pengaruhnya dalam mendorong bank bertransaksi di
PUAB. Bank yang tujuan bertransaksi karena adanya informasi di PUAB tercatat sebanyak
57% (34 bank) dari total responden semua jenis bank kecuali BPD. Dari bank yang memilih
menyatakan mempertimbangkan informasi di PUAB, 30% adalah bank asing dan campuran
(atau 75% dari total sampel bank asing) dan 28% adalah bank dominan. Sementara itu,
bank yang menyatakan informasi PUAB mendapat prioritas dalam alasan bertransaksi
tercatat sebanyak 9 bank terdiri dari 4 bank dominan dan 3 bank non dominan asing. Masih
sejalan dengan temuan sebelumnya bahwa bank bertransaksi terutama karena faktor
likuiditas, maka dalam survei juga ditemukan bahwa 80% yang menyatakan informasi PUAB
bermanfaat, menggunakan informasi tersebut hanya untuk meminjam di PUAB tetapi tidak
untuk memberikan pinjaman di PUAB. Hal ini dikarenakan bank tetap cenderung memberikan
pinjaman di PUAB untuk mengalokasikan kelebihan likuiditas, terlepas dari adanya informasi
baru di PUAB.
Bank yang mempertimbangkan informasi baru di pasar valas (baik prioritas maupun
non prioritas) tercatat sebanyak 41%. Diantara responden tersebut, 50% adalah bank
dominan. Sementara itu, bank yang menganggap informasi pasar valas adalah prioritas
hanya sebesar 10% dari total responden terdiri dari bank dominan (5 bank: asing, persero
dan swasta devisa) dan 1 bank non dominan (bank campuran). Informasi baru di pasar
valas yang dipertimbangkan bank meliputi informasi mengenai swap rate rupiah, arus modal
masuk/keluar dan volatilitas nilai tukar rupiah.
Bank yang mempertimbangkan informasi baru di pasar modal (baik prioritas maupun
tidak) tercatat sebanyak 47%. Dari responden tersebut, 43% adalah bank dominan, 35%
adalah bank asing dan campuran, 29% bank swasta nasional non dominan. Diantara bank
tersebut, hanya 3 bank (10%) yang menjadikan informasi di pasar saham sebagai prioritas
atas, dan ketiga bank tersebut adalah bank asing.
Dalam hal bank mempertimbangkan informasi di pasar saham, maka jenis informasi
yang terutama mempengaruhi bank melakukan pinjaman adalah meningkatnya yield obligasi
pemerintah dan penerbitan obligasi pemerintah. Sementara itu, informasi yang
mempengaruhi bank memberikan pinjaman adalah menurunnya yield obligasi dan pelunasan
obligasi pemerintah.
Berdasarkan temuan survei tersebut di atas, dapat disimpulkan bahwa selain faktor
likuiditas, peserta PUAB juga memperhitungkan adanya informasi baru di PUAB dalam
bertransaksi untuk tujuan strategis (profit motive). Namun demikian, informasi di pasar lainnya
(pasar valas dan pasar modal) belum menjadi pertimbangan bagi semua, namun sudah
menjadi pertimbangan bagi bank asing dan sedikit bank dominan. Karenanya, pengaruh
perubahan di pasar lainnya terhadap PUAB tidak besar.
4.2.2. Pengaruh perubahan informasi terhadap pergerakan suku bunga

Hasil survei menunjukkan bahwa pada saat terdapat informasi baru ataupun pada
saat terdapat ketidakpastian di pasar, bank cenderung meningkatkan bid-ask spread mereka
di PUAB. Dalam kondisi pasar normal, bank menetapkan bid-ask spread dibawah 5 bps
tercatat sebanyak 43,3% dan bank yang menetapkan bid-ask spread sebesar 5 – 10 bps
tercatat sebanyak 33,3%. Adapun besarnya bid-ask spread dalam kondisi normal terutama
ditentukan oleh posisi likuiditas bank, likuiditas pasar, dan kebijakan suku bunga Fasbi
serta menjaga hubungan baik dengan counterpart (Lampiran Survei ).
Namun dalam kondisi tidak normal, standar bid-ask spread cenderung meningkat.
Bank yang menetapkan bid-ask spread dibawah 25 bps dan antara 5 –10 bps, keduanya
turun menjadi 18,3%. Umumnya bank memberikan bid-ask spread berkisar antara 50 sampai
di atas 125 bps. Bila dilihat lebih detil, maka tampak bahwa setidaknya 50% dari responden
akan meningkatkan bid-ask spread. Kondisi tidak normal tersebut dikarenakan perubahan
aktifitas di PUAB yang tidak di antisipasi, volatilitas PUAB yang tinggi, ketidakpastian informasi
dan sesaat sebelum dan sesudah pengumuman penting di PUAB. Dengan demikian,
masuknya informasi baru dapat menimbulkan ketidakpastian baru di pasar sehingga
mempengaruhi harga di pasar.
Untuk melihat respon suku bunga sebagai akibat perubahan informasi, dilakukan
analisis announcement effect dengan melihat signifikansi perbedaan standar deviasi suku
bunga masing-masing kelompok bank pada tanggal-tanggal yang terdapat informasi baru
(announcement day) dibandingkan hari lainnya (non announcement day). Tampak bahwa
pergerakan standar deviasi baik pada saat announcement day maupun non announcement
day mengalami fluktuasi yang cukup tinggi pada sesi pembukaan dan relatif stabil menjelang
tengah hari. Namun pergerakan suku bunga yang ditunjukkan dengan standar deviasi
mengalami peningkatan menjelang penutupan pasar pada sore hari (grafik 4.7 – 4.10).
Fenomena ini sejalan dengan kebutuhan segera untuk pemenuhan likuiditas akhir hari oleh
Grafik 4.7. Perkembangan Standar Grafik 4.8. Perkembangan Standar

Deviasi Bank Dominan Sebelum Deviasi Bank Non Dominan Sebelum
Fasbi Dua Sesi Fasbi Dua Sesi
1a 1b
5 5
Announcement day (std.dev.) Announcement day (std.dev.)

4 Non-announcement day (std.dev.) 4 Non-announcement day (std.dev.)
3 3
2 2
1 1
0 0
8:00-8:05
8:15-8:20
8:30-8:35
8:45-8:50
9:00-9:05
9:15-9:20
9:30-9:35
9:45-9:50
10:00-10:05
10:15-10:20
10:30-10:35
10:45-10:50
11:00-11:05
11:15-11:20
11:30-11:35
11:45-11:50
12:00-12:05
12:15-12:20
12:30-12:35
12:45-12:50
13:00-13:05
13:15-13:20
13:30-13:35
13:45-13:50
14:00-14:05
14:15-14:20
14:30-14:35
14:45-14:50
15:00-15:05
15:15-15:20
15:30-15:35
15:45-15:50
16:00-16:05
16:15-16:20
16:30-16:35
16:45-16:50
8:00-8:05
8:20-8:25
8:40-8:45
9:00-9:05
9:20-9:25
9:40-9:45
10:00-10:05
10:20-10:25
10:40-10:45
11:00-11:05
11:20-11:25
11:40-11:45
12:00-12:05
12:20-12:25
12:40-12:45
13:00-13:05
13:20-13:25
13:40-13:45
14:00-14:05
14:20-14:25
14:40-14:45
15:00-15:05
15:20-15:25
15:40-15:45
16:00-16:05
16:20-16:25
16:40-16:45
Grafik 4.9. Perkembangan Standar Grafik 4.10. Perkembangan Standar

Deviasi Bank Dominan Setelah Deviasi Bank Non Dominan Setelah
Fasbi Dua Sesi Fasbi Dua Sesi
2a 2b
5 5
Announcement day (std.dev.)
Announcement day (std.dev.)
4 Non-announcement day (std.dev.)
4 Non-announcement day (std.dev.)
3 3
2 2
1 1
0 0
8:00-8:05
8:15-8:20
8:30-8:35
8:45-8:50
9:00-9:05
9:15-9:20
9:30-9:35
9:45-9:50
10:00-10:05
10:15-10:20
10:30-10:35
10:45-10:50
11:00-11:05
11:15-11:20
11:30-11:35
11:45-11:50
12:00-12:05
12:15-12:20
12:30-12:35
12:45-12:50
13:00-13:05
13:15-13:20
13:30-13:35
13:45-13:50
14:00-14:05
14:15-14:20
14:30-14:35
14:45-14:50
15:00-15:05
15:15-15:20
15:30-15:35
15:45-15:50
16:00-16:05
16:15-16:20
16:30-16:35
16:45-16:50
8:00-8:05
8:20-8:25
8:40-8:45
9:00-9:05
9:20-9:25
9:40-9:45
10:00-10:05
10:20-10:25
10:40-10:45
11:00-11:05
11:20-11:25
11:40-11:45
12:00-12:05
12:20-12:25
12:40-12:45
13:00-13:05
13:20-13:25
13:40-13:45
14:00-14:05
14:20-14:25
14:40-14:45
15:00-15:05
15:20-15:25
15:40-15:45
16:00-16:05
16:20-16:25
16:40-16:45
pelaku PUAB untuk memenuhi kewajiban seperti perhitungan Giro Wajib Minimum (GWM)
dan rencana aliran dana oleh nasabah. Dengan demikian, pergerakan suku bunga menjadi
lebih fluktuatif.
Dari keempat grafik tersebut di atas, kita juga dapat melihat perubahan pola pengaruh
informasi pada pergerakan suku bunga setelah pemberlakuan Fasbi dual windows. Standar
deviasi pada saat penutupan untuk announcement day menjadi lebih rendah dibandingkan
dengan non announcement day pada periode setelah pemberlakuan Fasbi dual windows.
Perubahan pola tersebut terjadi untuk bank dominan maupun non dominan yang disertai
dengan tren pergerakan suku bunga yang relatif stabil pada saat penutupan.
Uji signifikansi pengaruh informasi terhadap pembentukan harga PUAB dengan an-
nouncement effect analysis membuktikan bahwa terdapat perbedaan yang signifikan antara
perubahan suku bunga yang terjadi pada kelompok data announcement day dengan data
non announcement day. Titik signifikan (level dibawah 5%) yang terjadi tersebar cukup
merata disepanjang hari baik pada periode sebelum dan sesudah pemberlakuan Fasbi
dual windows). Sementara itu, berdasarkan sensitifitasnya, pembentukan suku bunga
sebagai pengaruh announcement event lebih besar pada kelompok bank non dominan
(grafik 4.11-4.12) dibandingkan dengan kelompok bank dominan (grafik 4.11-4.12). Hal ini
Grafik 4.11. Uji Pembentukan Grafik 4.12. Uji Pembentukan

suku bunga Bank dominan Sebelum suku bunga Bank dominan Setelah
Fasbi dua sesi Fasbi dua sesi
F-1a - 0,05 0,10 0,15 0,20 F-2a - 0.05 0.10 0.15 0.20
8:20-8:25 8:35-8:40
8:45-8:50 9:00-9:05
9:10-9:15 9:25-9:30
9:35-9:40 9:50-9:55
10:00-10:05
10:15-10:20
10:25-10:30
10:40-10:45
10:50-10:55
11:05-11:10
11:15-11:20
11:30-11:35
11:40-11:45
11:55-12:00
12:05-12:10
12:20-12:25
12:30-12:35
12:45-12:50
12:55-13:00
13:10-13:15
13:20-13:25
13:35-13:40
13:45-13:50
14:00-14:05
14:10-14:15
14:25-14:30
14:35-14:40
14:50-14:55
15:00-15:05
15:15-15:20
15:25-15:30
15:40-15:45
15:50-15:55
16:05-16:10
16:16-16:20
16:30-16:35
16:40-16:45
16:55-17:00
Grafik 4.13. Uji Pembentukan Grafik 4.14. Uji Pembentukan

suku bunga Bank Non Dominan suku bunga Bank Non Dominan
Sebelum Fasbi dua sesi Setelah Fasbi dua sesi
F-1a
F-1b -- 0,05
0,05 0,10
0,10 0,15
0,15 0,20
0,20 F-2b - 0,05 0,10 0,15 0,20
8:20-8:25
8:15-8:20 8:25-8:30
8:40-8:45
8:45-8:50 8:50-8:55
9:05-9:10
9:10-9:15 9:15-9:20
9:30-9:35
9:35-9:40 9:40-9:45
10:00-10:05
9:55-10:00 10:05-10:10
10:25-10:30
10:20-10:25 10:30-10:35
10:50-10:55
10:45-10:50 10:55-11:00
11:15-11:20
11:10-11:15 11:20-11:25
11:40-11:45
11:35-11:40 11:45-11:50
12:00-12:05
12:05-12:10 12:10-12:15
12:25-12:30
12:30-12:35 12:35-12:40
12:50-12:55
12:55-13:00 13:00-13:05
13:15-13:20
13:20-13:25 13:25-13:30
13:40-13:45
13:45-13:50 13:50-13:55
14:05-14:10
14:10-14:15 14:15-14:20
14:30-14:35
14:35-14:40 14:40-14:45
14:55-15:00
15:00-15:05 15:05-15:10
15:20-15:25
15:25-15:30 15:30-15:35
15:45-15:50
15:50-15:55 15:55-16:00
16:10-16:16
16:16-16:20
16:20-16:25
16:35-16:40
16:40-16:45
16:45-16:50
terlihat dari titik-titik signifikan yang relatif lebih banyak dan menyebar disepanjang hari
transaksi.
Lebih dari itu, perbandingan pola grafik pada masing-masing kelompok bank dalam
periode sebelum dan sesudah kebijakan Fasbi dua sesi terdapat proses clustering pada
sesi pagi dan sore. Hal ini terlihat dari pengelompokkan titik-titik signifikan yang cenderung
mengumpul pada kisaran jam transaksi pagi dan sore hari.
Pengaruh announcement event yang terjadi pada pembentukan suku bunga tidak
diikuti oleh perubahan volume transaksi. Hasil dari pengujian statistik pengaruh announce-
ment event terhadap volume transaksi tidak menghasilkan titik-titik signifikan yang cukup
banyak. Dengan kata lain, announcement event tidak banyak mempengaruhi perubahan
volume transaksi PUAB. Kurang sensitifnya perubahan volume transaksi sebagai akibat
perubahan announcement event ini disebabkan oleh perilaku transaksi PUAB yang masih
liquidity oriented belum cenderung pada pola untuk memaksimalkan profit dengan
memanfaatkan informasi terkini.
Pola pengaruh announcement event pada volume transaksi tersebut, terjadi pada
Grafik 4.15. Uji Volume transaksi Grafik 4.16. Uji Volume transaksi
Bank Dominan Bank Dominan
T-1a - 0,05 0,10 0,15 0,20 T-2a 0 0,05 0,1 0,15 0,2
8:20-8:25 8:35-8:40
8:45-8:50 9:00-9:05
9:10-9:15 9:25-9:30
9:35-9:40 9:50-9:55
10:00-10:05 10:15-10:20
10:25-10:30 10:40-10:45
10:50-10:55 11:05-11:10
11:15-11:20
11:30-11:35
11:40-11:45
11:55-12:00
12:05-12:10
12:20-12:25
12:30-12:35
12:45-12:50
12:55-13:00
13:10-13:15
13:20-13:25
13:35-13:40
13:45-13:50
14:00-14:05
14:10-14:15
14:25-14:30
14:35-14:40
14:50-14:55
15:00-15:05
15:15-15:20
15:25-15:30
15:40-15:45
15:50-15:55
16:05-16:10
16:16-16:20
16:30-16:35
16:40-16:45
16:55-17:00
Grafik 4.17. Uji Volume transaksi Grafik 4.18. Uji Volume transaksi
Bank Non Dominan Bank Non Dominan
T-1b - 0,05 0,10 0,15 0,20 T-2b 0 0,05 0,1 0,15 0,2
8:15-8:20 8:15-8:20
8:40-8:45 8:45-8:50
9:05-9:10 9:10-9:15
9:30-9:35 9:35-9:40
9:55-10:00 10:00-10:05
10:20-10:25 10:25-10:30
10:45-10:50 10:50-10:55
11:10-11:15 11:15-11:20
11:35-11:40 11:40-11:45
12:00-12:05 12:05-12:10
12:25-12:30 12:30-12:35
12:50-12:55 12:55-13:00
13:15-13:20 13:20-13:25
13:40-13:45 13:45-13:50
14:05-14:10 14:10-14:15
14:30-14:35 14:35-14:40
14:55-15:00 15:00-15:05
15:20-15:25 15:25-15:30
15:45-15:50 15:50-15:55
16:10-16:16 16:16-16:20
16:35-16:40 16:40-16:45
semua kelompok bank baik pada saat sebelum maupun setelah pemberlakuan Fasbi dual
windows.
4.2.3. Variabel yang Berpengaruh pada Pergerakan Harga di PUAB
Untuk lebih memperdalam pemahaman mengenai jenis informasi apa yang dapat
mempengaruhi harga di pasar, dalam survei juga ditanyakan tentang berita atau peristiwa,
baik yang bersifat ekonomi maupun non ekonomi yang mempengaruhi perilaku harga PUAB
O/N. Beberapa variabel peristiwa atau berita tersebut dapat dikelompokkan ke dalam variabel
indikator ekonomi, transaksi keuangan pemerintah dan faktor non ekonomi.
Berdasarkan besarnya dampak, diketahui variabel mikro yang sangat berpengaruh

dan berpengaruh terdiri dari suku bunga Fasbi, suku bunga SBI 1 bulan dan 3 bulan, vol-
ume lelang atau OPT, suku bunga SBI 3 bulan, jumlah uang beredar dan nilai tukar. Transaksi
keuangan pemerintah relatif tidak berpengaruh. Sementara itu, faktor non ekonomi yang
berpengaruh meliputi manuver beberapa bank besar dan situasi sosial politik.
Kecepatan respons variabel yang berpengaruh dan sangat berpengaruh tersebut di

atas berbeda-beda. Variabel suku bunga Fasbi merupakan faktor yang direspon paling cepat
(kurang dari 5 menit). Sangat besarnya pengaruh dan cepatnya respon terhadap suku bunga
Fasbi membuktikan bahwa memang suku bunga Fasbi dijadikan reference rate untuk suku
bunga PUAB. Sementara itu, variabel lainnya yang cukup cepat direspon adalah suku bunga
SBI 1 dan 3 bulan dan manuver oleh beberapa bank besar (kurang dari 10 menit). Informasi
mengenai volume lelang OPT, nilai tukar dan situasi sosial politik dan keamanan direspon
kurang dari 30 menit sementara informasi mengenai jumlah uang beredar direspon lebih
lambat yaitu lebih dari 30 menit.
Informasi publik tersebut di atas juga dimanfaatkan bank untuk memperkirakan

pergerakan suku bunga PUAB yang akan datang. Dari survei diketahui bahwa umumnya
bank dapat memprediksi dengan yakin suku bunga PUAB 1 hari sampai 1 minggu ke depan.
Responden yang menyatakan suku bunga dapat diprediksi 1 hari ke depan meliputi bank
besar dan kecil dari sisi total aset maupun pangsa pasar di PUAB. Responden yang
menyatakan tidak dapat memprediksi dengan yakin hanya 6 % dan merupakan bank dengan
pangsa transaksi PUAB yang kecil (dibawah Rp10 miliar). Sementara itu, responden yang
dapat memprediksi dengan yakin suku bunga 1 minggu ke depan tercatat sebanyak 10%
yang meliputi bank non dominan.
4.3. Perilaku Harga dan Perubahan Kebijakan
Pengujian terhadap perilaku harga dimulai dari model yang telah dispesifikasi pada
penelitian Mikrostruktur PUAB (2002) yang telah dilakukan sebelumnya, yakni sebagai
berikut:
RONt = b1VONt-1 + b2RJIBORt-1 + b3RFASBIt-1 + b4VOMOt-1 + φ1 εt-1 + φ7 εt-1 + µt
Pengujian kembali terhadap persamaan perilaku harga karena adanya penambahan

titik data baru membutuhkan menghasilkan persamaan yang tidak signifikan. Beberapa
variabel yang tercermin pada persamaan lama, seperti suku bunga JIBOR O/N, menghasilkan
koefisien yang tidak signifikan atau dengan kata lain menjadi tidak memiliki pengaruh pada
pembentukan harga PUAB O/N. Karenanya, perlu dilakukan estimasi kembali untuk
mendapatkan persamaan yang sesuai dengan kondisi saat ini.
Hasil estimasi persamaan yang baru tercermin pada beberapa spesifikasi persamaan
di bawah:
Model 1
Model 1 menggambarkan hasil estimasi persamaan baru, seperti di bawah;
RONt = b1VONt-1 + b2RFASBIt-1 + φ1 εt-1 + µt
Melalui mean process dari estimasi persamaan tersebut tercermin bahwa perubahan
1% dari volume transaksi PUAB O/N dengan lag 1 memiliki kontribusi pada perubahan suku
bunga PUAB O/N sebesar 0,166. Selain itu, perubahan 1% suku bunga Fasbi O/N dengan
lag 1 juga akan berpengaruh pada suku bunga PUAB O/N sebesar 0,809 (tabel 4.6.).
Adapun hasil estimasi conditional variance memperlihatkan bahwa tanpa

memperhitungkan pengaruh volatilitas periode sebelumnya, konstanta variance PUAB O/N
adalah sebesar 0,112 sepanjang periode pengamatan. Adapun koefisien a mencerminkan
Tabel 4.2. Mean & Variance Process

Perilaku Harga dan Perubahan Kebijakan
1 2 3 4
tanpa dummy dummy dummy
dummy 1 2 1&2
In_vt (-1) 0.166 0.140 0.141 0.160
z-stat 2.510 2.580 2.675 2.968
FASBI (-1) 0.809 0.854 0.838 0.841
z-stat 9.030 13.176 13.092 12.671
D1 - 0.535 - -
z-stat - 2.747 - -
D1.VT - -4.86E-07 - 2.20E-07
z-stat - -17.677 - -0.736
D2 - - 2.200 -
z-stat - - 4.254 -
D2.VT - - -7.53E-07 -5.49E-07
z-stat - - -20.248 -14.807
AR (1) 0.949 0.931 0.936 0.930
z-stat 50.288 79.863 68.610 86.565
ω 0.112 0.133 0.131 0.136
z-stat 1.903 22.554 24.187 23.224
α 0.655 0.856 0.866 0.825
z-stat 2.447 12.942 13.593 13.708
β 0.313 0.179 0.153 0.165
z-stat
2.739 5.515 4.915 5.028
α+β 0.968 1.034 1.019 0.990
bahwa pergerakan suku bunga periode sebelumnya akan menimbulkan reaksi volatilitas
sebesar 0,655 pada hari ini dengan koefisien lag β atau persistensi efek sebesar 0,312.
Model 2
Walaupun telah ditambahkan jumlah titik data pada model 1, namun di dalamnya
terdapat 2 (dua) kali perubahan kebijakan mekanisme Fasbi. Untuk dapat menangkap
perubahan atau perbedaan yang terjadi pada hasil estimasi dengan adanya perubahan
kebijakan Fasbi maka pada model 2 ditambahkan dengan variabel dummy, yakni pada saat
terjadi perubahan kebijakan mekanisme Fasbi menjadi dual windows dari sebelumnya single
window. Hal ini diperlukan untuk mengetahui pergeseran serta perubahan kemiringan dari
kurva.
RONt = b1VONt-1 + b2RFASBIt-1 + b3D1 + b4D1Mt-1 + φ1 εt-1 + µt

Hasil estimasi mean process persamaan model 2 (tabel 4.2.) menunjukkan bahwa
koefisien dari perubahan volume PUAB O/N menjadi semakin kecil (sebesar 0,140) dan
koefisien suku bunga Fasbi O/N menjadi lebih besar (sebesar 0,854) dibandingkan dengan
koefisien pada model 1. Hal lain yang didapatkan adalah didapatkannya koefisien dummy
(sebesar 0,535) dan dummy interaksi (sebesar -4,86E-07) yang juga signifikan. Hal tersebut
memiliki arti bahwa perubahan mekanisme Fasbi dari single window menjadi dual windows
memiliki pengaruh pada pergeseran serta perubahan kemiringan kurva.
Selain dari itu, konstanta variance PUAB O/N meningkat menjadi sebesar 0,133 atau
lebih besar dari konstanta pada model 1. Sejalan dengan hal tersebut koefisien a juga
meningkat menjadi 0,856 dan koefisien lag b menjadi turun menjadi 0,179. Kondisi terebut
menggambarkan bahwa pada variance process, volatilitas yang terjadi menjadi lebih besar
namun dengan persistensi yang lebih cepat. Tetapi dengan jumlah a dan b yang lebih besar
dari 1, menandakan juga terdapat permasalahan integrated GARCH yang mana shock
yang terjadi terus menerus disimpan atau tidak hilang, sehingga mengakibatkan model
tidak konvergen.
Model 3
Adapun model 3 serupa dengan model 2, namun perbedaannya adalah variabel dummy
yang digunakan adalah perubahan kebijakan mekanisme FASBI yang berupa penghapusan
FASBI dengan tenor di atas 1 hari. Persamaan model 3 adalah sebagai berikut;
RONt = b1VONt-1 + b2RFASBIt-1 + b3D2 + b4D2Mt-1 + φ1 εt-1 + µt
Hasil estimasi mean process pada model 3 tidak berbeda jauh dengan hasil estimasi
model 2. Model 3 (tabel 4.2.) menunjukkan bahwa koefisien dari perubahan volume PUAB
O/N (sebesar 0,141) dan koefisien suku bunga Fasbi O/N (sebesar 0,838) yang relatif sama
dengan model 2. Namun demikian, koefisien dummy dan dummy interaksi dari model 3
menjadi relatif lebih besar yakni masing-masing sebesar 2,200 dan -7,53E-07. Kondisi
tersebut memberikan gambaran bahwa perubahan tenor Fasbi (model 3) memiliki pengaruh
yang lebih besar pada pergeseran dan kemiringan kurva dibandingkan perubahan
mekanisme Fasbi single window menjadi dual windows (model 2).
Hampir sejalan dengan model 2, variance process dari model 3 juga tidak jauh berbeda
yakni dengan koefisien a sebesar 0,866 dan koefisien lag b sebesar 0,153. Variance pro-
cess pada model 3 juga tidak konvergen dengan jumlah a dan b yang lebih besar dari 1.
Model 4
Persamaan pada model 4, mencoba untuk memasukkan variabel dummy interaktif
dari D1 dan D2 untuk mengetahui pengaruh dari perubahan kebijakan secara bersamaan,
yang dapat diuraikan sebagai berikut;
RONt = b1VONt-1 + b2RFASBIt-1 + b3D1Mt-1 + b4D2Mt-1 + φ1 εt-1 + µt
Seperti terlihat pada tabel 4.2. bahwa mean process dari persamaan di atas
menghasilkan koefisien volume PUAB O/N, suku bunga Fasbi O/N masing-masing sebesar
0,160 dan 0,841. Sedangkan untuk koefisien dummy interaksi, hanya dummy interaksi
perubahan tenor Fasbi O/N yang signifikan yakni sebesar -5,49E-07.
Adapun variance process dari model 4 menunjukkan adanya konvergensi, yakni

dengan jumlah koefisien a dan b yang kurang dari 1 (sebesar 0,990), yaitu masing-masing
sebesar 0,825 dan koefisien lag b sebesar 0,165. Dengan demikian dapat disimpulkan
bahwa perubahan kebijakan Fasbi, secara bersamaan menghasilkan volatilitas yang lebih
besar dengan persistensi yang relatif rendah. Namun pergerakan volatilitas ke arah
konvergen berjalan relatif lambat.
4.4. Pengukuran Dampak Spillover antara PUAB dan Pasar Valas

Untuk mengukur dampak spillover antara PUAB dan pasar valas maka diperlukan
analisis hubungan di antara kedua variabel dimaksud. Dalam pada itu, dilakukan estimasi
mean variance dari masing-masing variabel tersebut terhadap variabel eksogen lainnya,
seperti suku bunga Fed Fund, SIBOR, dan Morgan Stanley Composite Index (MSCI). Hasil
estimasi yang dilakukan menjelaskan hubungan atau keterkaitan antara variabel satu dengan
lainnya.
Hasil mean variance dari suku bunga PUAB O/N menjelaskan bahwa perubahan suku
bunga PUAB O/N dipengaruhi oleh kurs atau nilai tukar USD/IDR dan suku bunga PUAB
pada hari sebelumnya, tetapi tidak oleh variabel lainnya. Namun demikian, pengaruh kurs
terhadap suku bunga PUAB O/N relatif sangat kecil (sebesar 3,98E-05) dibandingkan suku
bunga PUAB sendiri (sebesar 0,974).
Sementara itu, hasil mean variance dari kurs mendapatkan hasil bahwa variabel kurs
atau nilai tukar USD/IDR dipengaruhi oleh variabel suku bunga PUAB dengan koefisien
sebesar 1,822, Fed Fund sebesar 2,618 atau SIBOR sebesar 2,648, serta oleh kurs itu
Tabel 4.3.
Rekapitulasi Mean Process antar Variabel
1 2 3 4 5 6 7
AVG_ AVG_ PX PX PX LMSCI LMSCI
PUAB PUAB LAST LAST LAST _GIDR _ALLIDR
AVG_PUAB (-1) 0.973971 0.99967 - - - - -0.000442
z-stat 100.324 623.166 - - - - -1.307359
AVG_PUAB (-6) - - 1.812294 1.822927 - - -
z-stat - - 2.164859 2.160647 - - -
PXLAST 0.0000398 - - - - - -
z-stat 2.813099 - - - - - -
PXLAST (-1) - - 0.997068 0.99708 1.00E+00 - -
z-stat - - 790.2936 783.1207 48828.94 - -
LPXLAST (-1) - - - - - 3.37E-03 0.006699
z-stat - - - - - 2.396821 2.954838
FEDFUND -0.007526 - - - - -0.000494 -
z-stat -0.779686 - - - - -1.602199 -
FEDFUND (-1) - - - 2.618845 - - -0.000675
z-stat - - - 2.887034 - -1.997004
SIBOR1D (-1) - - 2.648957 - - - -
z-stat - - 2.843266 - - - -
LMSCI_GIDR (1) - - - - - 0.992762 -
z-stat - - - - - 306.4329 -
LMSCI_ALLIDR (-1) - - - - - - 0.991526
z-stat
- - - - - - 329.792
sendiri dengan koefisien sebesar 0,997.
Selanjutnya untuk variabel pasar modal, yang di proxy oleh indeks MSCI, ternyata
mean process dari persamaan didapatkan kesimpulan bahwa variabel pasar modal cukup
signifikan dipengaruhi oleh nilai tukar USD/IDR walau dengan koefisien yang tidak terlalu
besar yakni sebesar 3,37E-07 untuk indeks MSCI saham pilihan dan sebesar 0,006 untuk
indeks MSCI seluruh saham. Adapun variabel-variabel lainnya, seperti suku bunga PUAB
O/N, Fed Fund atau SIBOR, tidak memiliki pengaruh atau kontribusi pada perubahan variabel
pasar modal.
Setelah dilakukan estimasi mean variance terhadap seluruh variabel, ditetapkan hanya
variabel suku bunga PUAB O/N dan nilai tukar USD/IDR yang akan diamati dalam model
spillover. Indikator yang digunakan untuk memilih variabel yang digunakan dalam model
spillover adalah keterkaitan yang signifikan diantara variabel yang diamati, yang mana melalui
mean process terlihat hanya suku bunga PUAB O/N dan nilai tukar USD/IDR yang memiliki
hubungan yang signifikan.
Tabel 4.5.
Rekapitulasi Konstanta Model GARCH
Rekapitulasi Konstanta
Rekapitulasi Konstanta Model GARCH
Model GARCH
1 2 3 4
Univariate M-GARCH M-GARCH M-GARCH
M-GARCH StdRes StdRes dg lkurs Res
ωp 0.119 0.003 0.006 6.247

z-stat 33.704 0.011 0.029 20892489
αp 0.663 0.047 -0.044 30.214
z-stat 16.099 19.868 -18.152 11131541
βp 0.294 0.999 0.999 -4.439
z-stat 16.06 1005.979 822.779 -5250565
ap + bp 0.956 1.045 0.955 25.776
ωk 1235.76 0.556 0 -6611.291

z-stat 15.731 0 0 -37784.79
αk 0.676 0.443 0.385 -1182.565
z-stat 24.101 25.332 21.184 -63233.15
βk 0.397 -0.739 0.749 -6.213
z-stat 16.563 -26.04 21.911 -2255075
αk + βk 1.073 -0.296 1.134 -1188.778
Tabel di bawah merupakan rangkuman koefisien dari berbagai macam model GARCH
dan nilai awal sebagai dasar iterasi.
Dengan model pengukuran spillover (model 1) berdasarkan univariate GARCH

didapatkan koefisien w (rata-rata varians tak-kondisional), a dan b (ukuran ketergantungan
nilai varians terhadap lag suatu kejutan dan lag nilai harapan varians) yang positif dan
signifikan. Masalah didapat pada jumlah koefisien a dan b yang mendekati 1. Sebagai
indikator konvergensi model, jumlah a dan b yang ideal adalah lebih kecil dari 1. Jumlah
koefisien a dan b pada PUAB adalah 0,956 dan 1,073 pada kurs. Masalah IGARCH (inte-
grated GARCH) didapat pada kurs. Jumlah a dan b lebih besar daripada 1. Fakta ini
menunjukkan persamaan volatilitas untuk kurs tidak mencapai konvergensi.
Model 2, seperti telah dijelaskan pada bab sebelumnya, adalah model multivariate
GARCH. Berdasarkan model M-GARCH yang dibangun, terdapat masalah positifitas
koefisien kurs. Koefisien a dan b bernilai negatif. Padahal, restriksi yang diterapkan sudah
sedemikian rupa sehingga menjamin kepositifan nilai koefisien GARCH. Masalah ini
kemungkinan besar ditimbulkan oleh masalah data, sesuai dengan hasil univariate, kurs
mengalami masalah koefisien a dan b yang terintegrasi (jumlah a dan b lebih besar dari 1).
Menurut Rigobon (2003) limpahan lintas pasar hanya dapat didefinisikan apabila nilai
koefisien-koefisien dalam GARCH bernilai positif dan signifikan. Pada model kedua ini,
jelas tidak terdapat limpahan lintas pasar.
Sementara itu pada model 3, hasil yang didapat menunjukkan adanya nilai negatif
pada a PUAB. Nilai negatif ini tidak sesuai dengan kondisi yang disyaratkan untuk model
GARCH dimana seluruh koefisien GARCH harus bernilai positif dan signifikan. Model ketiga
ini pun tidak menunjukkan adanya limpahan lintas pasar karena terdapat koefisien yang
negatif.
Hampir sejalan dengan model sebelumnya, dari model 4 mendapatkan hasil yang
tidak berbeda dengan model sebelumnya. Model 4 tersebut mengindikasikan tidak terdapat
limpahan lintas pasar.
Dari keempat model tersebut, dapat diambil suatu kesimpulan umum, nilai awal iterasi
yang sesuai untuk persamaan yang mengandung data level adalah residu yang
distandardisasi. Berdasarkan hasil yang didapat, residu yang distandardisasi ini membantu
mengurangi variabilitas kombinasi data return dan data level. Kesimpulan penting lain yang
diperoleh dari pemodelan berbagai macam GARCH dengan kombinasi nilai awal iterasi
menunjukkan tidak terdapat limpahan lintas pasar secara konsisten.
5. Kesimpulan
Penelitian mikrostruktur PUAB Rupiah O/N periode 2001 s.d. 2003 yang mencakup
periode perubahan stance kebijakan moneter dari kontraktif menjadi ekspansif dan
perubahan Fasbi menjadi “dual windows” memperlihatkan perubahan mikrostruktur PUAB
sebagai berikut:
1. PUAB bersifat loose oligopoly dengan segmentasi pasar yang semakin berkembang.
Survei memperlihatkan pasar menyadari adanya pemain dominan dengan competitive
advantage berupa credit line yang relatif besar, harga yang lebih baik, dan kemudahan
bertransaksi dalam nominal besar. Terdapat pola client-relationship, dimana bank
cenderung memelihara hubungan dengan counterparty tertentu.
2. Pembentukan harga (price formation) oleh kelompok bank dominan (price setter) terjadi
pada waktu transaksi ramai yaitu pada kisaran pk 10.00 s.d. 12.00 dan sore hari. Harga
yang terbentuk menjadi acuan transaksi bank lainnya (price follower).

3. Perubahan perilaku harga (price behavior) intraday dan interday secara signifikan, suku
bunga menjadi lebih fluktuatif, volatilitas intrahari meningkat signifikan sepanjang hari
dan 40% transaksi terkonsentrasi pada sore hari. Rata-rata volume transaksi harian
relatif sama dengan volume dan frekuensi tertinggi pada hari Senin dan terendah pada
hari Rabu.
4. Perubahan Fasbi menjadi dual windows menyebabkan suku bunga menjadi lebih sensitif
terhadap informasi baru, suku bunga semakin fluktuatif karena ketidakpastian saat pasar
menyerap informasi. Fluktuasi harga tertinggi terjadi sore hari menjelang penutupan
pasar, yang mencerminkan upaya pasar menyerap residual informasi disamping
memenuhi kebutuhan likuiditasnya. Meski volatilitas terjadi pada seluruh bank, suku
bunga bank dominan relatif lebih stabil. Peningkatan varians harga tidak selalu diikuti
perubahan volume transaksinya. Survei memperlihatkan ketidakpastian karena
perubahan mendadak aktivitas PUAB yang tidak diantisipasi, volatilitas harga yang tinggi
dan informasi baru mengakibatkan bid-ask spread meningkat jauh melebihi kondisi nor-
mal.
5. Estimasi model perilaku harga menyimpulkan bahwa suku bunga PUAB dan Fasbi periode
sebelumnya berpengaruh terbesar terhadap harga. Adanya persistensi efek
mencerminkan perubahan varians suku bunga akan bertahan beberapa saat sehingga
PUAB tidak begitu bersifat spiky.
6. Estimasi model perilaku harga sebelum dan sesudah kebijakan Fasbi dual windows dan
perubahan tenor Fasbi menjadi O/N, memperlihatkan volatilitas PUAB yang lebih tinggi
dengan persistensi efek lebih rendah. Dengan kata lain, setelah perubahan kebijakan
Fasbi suku bunga PUAB menjadi lebih sensitif terhadap shock dibandingkan sebelum
dilakukannya perubahan kebijakan Fasbi. Survei memperlihatkan pasar memberi prioritas
tinggi dan respon yang cepat atas perubahan Fasbi yang menjadi reference rate PUAB.
Variabel lainnya seperti suku bunga SBI, volume OPT, jumlah uang beredar dan nilai
tukar menempati urutan berikutnya.
7. Estimasi model spillovers menyimpulkan perubahan harga PUAB dipengaruhi suku
bunga PUAB pada hari sebelumnya dan nilai tukar dengan koefisien yang lebih kecil.
Sedangkan nilai tukar dipengaruhi oleh PUAB, Fed Fund, SIBOR dan kurs sendiri
(terbesar pengaruhnya). Sementara indeks harga saham dipengaruhi nilai tukar dengan
koefisien yang relatif kecil. Adapun variabel PUAB O/N, Fed Fund atau SIBOR tidak
berpengaruh pada perubahan indeks harga saham. Secara keseluruhan, tidak terdapat
spillovers antara harga PUAB dan valas, maupun antara variabel pasar valas dan
pasar saham serta PUAB. Survei menunjukkan hanya sebagian bank dominan
khususnya bank asing dan campuran yang dalam transaksi PUAB mempertimbangkan
informasi baru di pasar valas dan saham, seperti perubahan yield dan penerbitan
obligasi pemerintah.
Implikasi kebijakan dari hasil penelitian adalah sebagai berikut:
1. Kemampuan bank sentral mengendalikan suku bunga instrumen moneter yang berperan
sebagai floor price penting dalam mengendalikan suku bunga PUAB. Bagi pasar,
instrumen tersebut (Fasbi) menjadi acuan suku bunga PUAB sehingga keberadaan floor
price perlu diperbaiki regulasi dan mekanisme perdagangannya. Salah satunya
mengembalikan kebijakan Fasbi menjadi single windows supaya suku bunga PUAB
yang semakin berfluktuasi sejak kebijakan Fasbi dual windows dapat diredam.
2. Bank sentral perlu memilih timing dalam menyampaikan informasi kebijakannya agar
berpengaruh signifikan pada pembentukan harga PUAB. Disarankan pada hari saat
volume dan frekuensi transaksi paling ramai dan dilakukan pagi sebelum pembentukan
harga serta difokuskan kepada price setter dengan client relationship yang luas supaya
kebijakan efektif mempengaruhi awal pembentukan harga dan menjadi acuan transaksi
selanjutnya. Transparansi dan konsistensi komunikasi informasi perubahan kebijakan
moneter kepada seluruh pasar perlu dijaga agar tidak menimbulkan ketidakpastian yang
menyebabkan fluktuasi harga yang berlebihan.
3. Meskipun pola client relationship mendukung kestabilan pasar dengan menjamin

terpenuhinya kebutuhan likuiditas saat pasar ketat, namun pola ini menyuburkan
segmentasi dan menghambat berfungsinya pasar dengan baik serta menjadi kendala
terbentuknya harga yang optimal. Diperlukan regulasi dan insentif bagi pasar agar
segmentasi berkurang, transaksi antar bank meningkat dan animo penempatan pada
instrumen moneter berkurang.
Agenda penelitian selanjutnya dapat difokuskan pada upaya menyempurnakan struktur

mikro PUAB agar pasar berfungsi baik (well functioning) dan mampu mentransmisikan
sinyal kebijakan moneter secara optimal dan perubahan suku bunga mencerminkan sinyal
yang informatif tentang perubahan fundamental.
DAFTAR PUSTAKA
Alexander Carol, 2001, Market Models: A Guide to Financial Data Analysis, John Wiley &
Sons Ltd. UK
Allen, Franklin and Gorton, Gary, 1991, Stock Price Manipulation, Market Microstructure
and Asymmetric Information, Working Paper 3862, NBER.
Bartolini, Leonardo., Guiseppe Bertola, Alessandro Prati, “Day-to-Day Monetary Policy and
the Volatility of the Federal Funds Interest Rate”. Journal of Money, Credit, and Banking
34 (February 2002): 137-159.
Bauwen, Luc, S. Laurent dan J.V.K Rombouts (2003), “Multivariate GARCH Models: A Sur-
vey”. www.core.ucl.ac.be/econometrics/Bauwens/Papers/2003-31pdf.pdf
Bera, Anil K., and Higgins, Matthew L., A Survey of ARCH Models: Properties, Estimation
and Testing, Journal of Economic Survey, Volume 7, No.4, 1993.
Bollerslev, Tim, Chou, Ray C., and Kroner Kenneth F, ARCH Modelling in Finance; A review
or the Theory and Empirical Evidence, Journal of Econometrics, Volume 52, 1992.
Cheung, Y.W. and Chinn, M.D., 1999, Traders Market Microstructure and Exchange Rate
Dynamics, Working Paper 7416, NBER.
Dominguez, K.M., 1999, The Market Microstructure of Central Bank Intervention, Working
Paper 7337, NBER.
Enders, Walter, 1995, Applied Econometric Time Series, 1st edition, John Wiley & Sons, Inc.
Engle, Robert (2002), “Dynamic Conditional Correlation-A Simple Class of Multivariate
GARCH Model”. pages.stern.nyu.edu/~rengle/dccfinal.pdf
Fleming, Michael, J and Eli M. Remolona, Price Formation and Liquidity in the US Treasury
Market: The Response to Public Information. The Journal of Finance, Vol. LIV, No 5,
October 1999.
Gonzales, B. and Hermosillo., 1994, The Microstructure of Financial Derivatives Markets;
Exchange-Traded versus Over-the-Counter, Staff Paper, Bank of Canada.
Gourieroux, Christian and Jasiak, Joann, 2001, Financial Econometrics: Problems, Models,
and Methods, Princeton University Press.
Gujarati, Damodar, N. 1995, Basic Econometrics, 3rd edition, McGraw-Hill, Inc.
Hartmann, Philipp., Michele Manna, and Andrés Manzanares, 2001, The microstructure of
The Euro Money Market, Working Paper no. 80, European Central Bank
Hermanto, Bambang., Pemodelan Empiris Perilaku Tingkat Bunga Antara Bank Harian;
Suatu Pendekatan Market Microstructure (akan terbit)
Johnston, Jack., John Dinardo. 1997, Econometric Method, 4th edition, McGraw-Hill, Inc.
Kaminsky, G.L. and Reinhart, C.M., 2001, Financial Market in Times of Stress, Working
paper 8569, NBER.

Lowe, Phillip, 1995, The Link Between the Cash Rate and Market Interest Rate, Research
Discussion Paper 9504, Reserve Bank of Australia.
Lyons, R., 2000, The Microstructure Approach to Exchange Rate, MIT Press.
Lyons, R., 1993, Test of Micro structural Hypotheses in The Foreign Exchange Market,
Working Paper 4471, NBER.
O’Hara, Maureen, 1996, Market Structure Theory, Blackwell Publisher Inc.
Rigobon, R dan Brian Sack (2003), “Spillovers Across US Financial Markets”. web.mit.edu/
rigobon/www/Pdfs/spill.pdf
Roubini, N. and Grilli, V., 1995, Liquidity Models in Open Economies: Theory and Empirical
Evidence, Working Paper 5313, NBER.
Sahalia, Y.A., 1996, Dynamic Equilibrium and Volatility in Financial Asset Market, Working
Paper 5479, NBER.
Sanders, Donald H., and Smidt, Robert K., 2000, Statistics, 6th edition, McGraw-Hill, Inc.
Shepherd, William, G., 1990, The Economics of Industrial Organization, 3rd edition, Prentice-
Hall, Inc.
DAFTAR PUSTAKA
Alexander Carol, 2001, Market Models: A Guide to Financial Data Analysis, John Wiley &
Sons Ltd. UK
Allen, Franklin and Gorton, Gary, 1991, Stock Price Manipulation, Market Microstructure
and Asymmetric Information, Working Paper 3862, NBER.
Bartolini, Leonardo., Guiseppe Bertola, Alessandro Prati, “Day-to-Day Monetary Policy and
the Volatility of the Federal Funds Interest Rate”. Journal of Money, Credit, and Banking
34 (February 2002): 137-159.
Bera, Anil K., and Higgins, Matthew L., A Survey of ARCH Models: Properties, Estimation
and Testing, Journal of Economic Survey, Volume 7, No.4, 1993.
Bollerslev, Tim, Chou, Ray C., and Kroner Kenneth F, ARCH Modelling in Finance; A review
or the Theory and Empirical Evidence, Journal of Econometrics, Volume 52, 1992.
Cheung, Y.W. and Chinn, M.D., 1999, Traders Market Microstructure and Exchange Rate
Dynamics, Working Paper 7416, NBER.
Dominguez, K.M., 1999, The Market Microstructure of Central Bank Intervention, Working
Paper 7337, NBER.
Enders, Walter, 1995, Applied Econometric Time Series, 1st edition, John Wiley & Sons, Inc.
Fleming, Michael, J and Eli M. Remolona, Price Formation and Liquidity in the US Treasury
Market: The Response to Public Information. The Journal of Finance, Vol. LIV, No 5,
October 1999.
Gonzales, B. and Hermosillo., 1994, The Microstructure of Financial Derivatives Markets;
Exchange-Traded versus Over-the-Counter, Staff Paper, Bank of Canada.
Gourieroux, Christian and Jasiak, Joann, 2001, Financial Econometrics: Problems, Models,
and Methods, Princeton University Press.
Gujarati, Damodar, N. 1995, Basic Econometrics, 3rd edition, McGraw-Hill, Inc.
Hartmann, Philipp., Michele Manna, and Andrés Manzanares, 2001, The microstructure of
The Euro Money Market, Working Paper no. 80, European Central Bank
Hermanto, Bambang., Pemodelan Empiris Perilaku Tingkat Bunga Antara Bank Harian;
Suatu Pendekatan Market Microstructure (akan terbit)
Johnston, Jack., John Dinardo. 1997, Econometric Method, 4th edition, McGraw-Hill, Inc.
Kaminsky, G.L. and Reinhart, C.M., 2001, Financial Market in Times of Stress, Working
paper 8569, NBER.
Lowe, Phillip, 1995, The Link Between the Cash Rate and Market Interest Rate, Research
Discussion Paper 9504, Reserve Bank of Australia.
Lyons, R., 2000, The Microstructure Approach to Exchange Rate, MIT Press.
Lyons, R., 1993, Test of Micro structural Hypotheses in The Foreign Exchange Market,
Working Paper 4471, NBER.
O’Hara, Maureen, 1996, Market Structure Theory, Blackwell Publisher Inc.
Roubini, N. and Grilli, V., 1995, Liquidity Models in Open Economies: Theory and Empirical
Evidence, Working Paper 5313, NBER.
Sahalia, Y.A., 1996, Dynamic Equilibrium and Volatility in Financial Asset Market, Working
Paper 5479, NBER.
Sanders, Donald H., and Smidt, Robert K., 2000, Statistics, 6th edition, McGraw-Hill, Inc.
Shepherd, William, G., 1990, The Economics of Industrial Organization, 3rd edition, Prentice-
Hall, Inc.
126 Lampiran
Lampiran 1
Survei Mikrostruktur Pasar Uang Antar Bank
I. Karakteristik Responden:
Grafik 1. Grafik 2.
Berdasarkan Kelompok Bank Berdasarkan Total Assets
Bank Swasta 35% Total Aset > Rp 50

Devisa Nasional 7%
Triliun
Bank Swasta 30%

Non-Devisa Nasional
Total Aset antara Rp 10
Triliun - Rp 50 Triliun 22%
17%
Bank Asing
Bank Campuran 10% Total Aset antara Rp 1

40%
Triliun - Rp 10 Triliun
Bank Persero 7%
Total Aset 32%

Bank Pembangunan 2% < Rp. 1 Triliun
Daerah
0% 10% 20% 30% 40% 0% 10% 20% 30% 40% 50%
Grafik 3. Berdasarkan Rata-rata Grafik 4.Berdasarkan

Harian Volume Borrowing Rata-rata Harian Volume Lending
> 100 miliar 13% > 100 miliar 18%
81 - 100 miliar 5%
80 - 100 miliar 5%
61 - 80 miliar 2%
60 - 80 miliar 7%
41 - 60 miliar 10%
20 - 40 miliar 7%
21 - 40 miliar 17%
11 - 20 miliar 10%
11 - 20 miliar 15%
< 10 miliar 58% < 10 miliar 33%
0% 10% 20% 30% 40% 50% 60% 70% 0% 10% 20% 30% 40%
II. Struktur Pasar

1. Sebagian besar peserta PUAB menyadari bahwa PUAB didominasi oleh beberapa
pemain besar (6 – 10 pemain). Bank yang menyatakan tidak ada pemain besar umumnya
adalah bank non dominan (82%) dengan pangsa pasar < Rp40 miliar.
Grafik 5. Grafik 6.
Keberadaan Pemain Besar Jumlah Pemain Besar
11-15 7%
tidak 12%
berpendapat
6-10 33%
tidak 30%
1-5 18%
ya 58%
nihil & tidak 42%
berpendapat
0% 10% 20% 30% 40% 50% 60% 70% 0% 10% 20% 30% 40% 50%
III. Kebijakan Bertransaksi

1. Faktor yang paling utama bagi bank dalam mempertimbangkan credit line serta credit
limit bagi counterpart adalah resiko dan CAR.
Grafik 7.
Faktor Dalam Menentukan Credit Line
Lainnya 63
total aset 452
ranking dan rating 489
program penjaminan 500

pemerintah
CAR 619
resiko 637
- 100 200 300 400 500 600 700
2. Bank pemberi pinjaman terbanyak kepada responden adalah bank swasta devisa
nasional, bank persero dan bank asing dan bank peminjam terbanyak adalah bank swasta
devisa nasional, bank asing dan bank persero.
Bila dipilah lebih lanjut berdasarkan urutan pilihan yang paling prioritas, tampak
pengelompokan dimana bank swasta devisa nasional paling banyak meminjam (43%)
dan memberikan pinjaman (62%) pada bank swasta devisa nasional. Demikian pula
128 Lampiran
Tabel 1.
Kelompok Bank Pemberi dan Penerima Pinjaman
Skor
BUSD BUSND Persero BPD Camapuran Asing
Memberikan kepada 296 228 197 102 94 88

Menerima dari 245 188 157 47 148 178
bank swasta non devisa paling banyak meminjam (77%) dan memberi pinjaman (59%)
pada dari bank swasta non devisa. Bank asing paling banyak meminjam dari bank swasta
nasional devisa dan bank persero (74%), namun memberi pinjaman umumnya pada
bank asing dan campuran (75%) dan hanya sedikit kepada bank persero dan swasta
devisa nasional (18%). Hal ini menunjukkan pembatasan yang tinggi dalam penetapan
credit line dan credit limit serta kuatnya posisi tawar menawar bank asing dan campuran
di PUAB.
3. Alasan utama bank meminjam dari PUAB adalah antisipasi penarikan dana nasabah,
squaring akhir hari dan antisipasi pembayaran kewajiban jatuh tempo, sementara alasan
utama bank untuk memberi pinjaman di PUAB adalah untuk melempar kelebihan likuiditas
akhir hari, untuk mengalokasikan setoran nasabah/counterpart, dan menjaga hubungan
baik dengan counterpart. Alasan tersebut merupakan jawaban mayoritas bagi bank
dominan maupun dominan dan bagi semua jenis bank. Bahwa alasan utama bank dalam
memberi pinjaman di PUAB adalah untuk menempatkan kelebihan likuiditas menunjukkan
bahwa selain liquidity motive, bank juga mempertimbangkan strategic motive dalam
keputusan transaksi di PUAB mengingat tujuan transaksi tersebut adalah untuk
mendapatkan return dari kelebihan dana.
Tabel 2
Alasan atau Tujuan Bank Melakukan Pinjaman
Skor
Antisipasi penarikan dana nasabah 434
Squaring akhir hari 410

Antisipasi pembayaran kewajiban jatuh tempo 381
Memanfaatkan informasi baru di pasar uang 184
Memanfaatkan informasi baru di pasar valas 96

Memanfaatkan informasi baru di pasar modal 89
Tabel 3
Alasan atau Tujuan Bank Memberikan Pinjaman
Skor
Squaring kelebihan likuiditas di akhir hari 451
Terdapat setoran nasabah/penerimaan piutang jatuh tempo 338
Menjaga hub. baik dengan bank counterpart 250
Memanfaatkan informasi baru di pasar uang 187
Alasan atau tujuan memberikan pinjaman 107
Memanfaatkan informasi baru di pasar valas 88
Memanfaatkan informasi baru di pasar modal 81
Karena strategic motive, sebagian bank juga terdorong untuk bertransaksi dengan adanya
informasi baru di PUAB. Bank yang tujuan bertransaksi karena adanya informasi baru di
PUAB tercatat sebanyak 34 bank. Dari jumlah tersebut, 30% adalah bank asing dan
campuran (atau 75% dari total sampel bank asing) dan 28% adalah bank dominan.
Sementara itu, bank yang menyatakan informasi PUAB mendapat prioritas dalam alasan
bertransaksi tercatat sebanyak 9 bank terdiri dari 4 bank dominan dan 3 bank non dominan
asing.
Masih sejalan dengan hipotesa strategic motive, maka dalam survey juga ditemukan
bahwa 80% bank yang menyatakan informasi PUAB bermanfaat, menggunakan informasi
tersebut hanya untuk meminjam di PUAB tetapi tidak untuk memberikan pinjaman di
PUAB. Hal ini dikarenakan bank tetap cenderung memberikan pinjaman di PUAB untuk
mengalokasikan kelebihan likuiditas, terlepas dari adanya informasi baru di PUAB.
4. Bank yang mempertimbangkan informasi baru di pasar valas (baik prioritas maupun non
prioritas) tercatat sebanyak 41%. Diantara responden tersebut, 50% adalah bank
dominan. Sementara itu, bank yang menganggap informasi pasar valas adalah prioritas
hanya sebesar 10% dari total responden terdiri dari bank dominan (5 bank: asing, persero
dan swasta devisa) dan 1 bank non dominan (bank campuran). Dengan demikian
informasi baru di pasar valas baru dimanfaatkan oleh pemain dominan. Namun masih
sedikit pemain dominan yang memanfaatkannya dibandingkan total pemain dominan
keseluruhan sehingga dampak terhadap PUAB tidak besar. Adapun informasi baru di
pasar valas yang dipertimbangkan bank meliputi informasi mengenai swap rate rupiah,
arus modal masuk/keluar dan volatilitas nilai tukar rupiah.
130 Lampiran
Tabel 4.
Informasi di Pasar Valas yang Mendorong Bank Meminjam Dana
Skor
Tidak ada 224
Meningkatnya swap rate Rupiah 162
Meningkatnya aliran modal asing keluar jangka pendek (capital outflow) 112
Terjadi volatilitas nilai tukar rupiah 106
Menguatnya spot rate rupiah 99
Melemahnya spot rate rupiah 82
Menurunnya swap rate Rupiah 37
Squaring 12
Tabel 5.
Informasi di Pasar Valas yang Mendorong Bank Memberikan Pinjaman
Skor
Tidak ada 224
Meningkatnya spot rate rupiah 86
Squaring 20
5. Bank yang mempertimbangkan informasi baru di pasar modal (baik prioritas maupun
tidak) tercatat sebanyak 47%. Dari responden tersebut, 43% adalah bank dominan, 35%
adalah bank asing dan campuran, 29% bank swasta nasional non dominan. Diantara
bank tersebut, hanya 3 bank (10%) yang menjadikan informasi di pasar saham sebagai
prioritas atas. Ketiga bank tersebut adalah bank asing. Dalam hal bank
mempertimbangkan informasi di pasar saham, maka jenis informasi yang terutama
mempengaruhi transaksi pinjaman mereka adalah meningkatnya yield obligasi pemerintah
dan penerbitan obligasi pemerintah. Sementara itu, informasi yang mempengaruhi
transaksi meminjam adalah menurunnya yield obligasi dan pelunasan obligasi pemerintah.
Tabel 6.
Informasi di Pasar Modal yang Mendorong Bank Meminjam Dana
Skor
Tidak ada 224
Melemahnya spot rate rupiah 82
Squaring 12
Tabel 7.
Informasi di Pasar Modal yang Mendorong Bank Memberikan Pinjaman
Skor
Tidak ada 224
Meningkatnya spot rate rupiah 86
Squaring 20
IV. Kebijakan Kuotasi/Harga

1. Market maker cenderung mendapatkan harga yang lebih baik namun harga tersebut
tidak dapat diperoleh dari semua bank mengingat market maker juga mendapat
pembatasan transaksi dari bank lain (dalam hal ini bank kecil) baik karena
ketidakmampuan bank kecil menawarkan harga yang lebih baik (posisi likuiditas) maupun
karena bank kecil lebih banyak bertransaksi dengan bank kecil lainnya. Dalam transaksi
meminjamkan, 30% responden menyatakan ‘sering’ atau ‘selalu’ memberikan harga yang
lebih rendah kepada bank counterpart yang dianggap ‘market maker’ dari pada harga
yang diberikan bank kepada ‘non market maker’. Bank yang menyatakan ‘sering’ atau
132 Lampiran
‘selalu’ meliputi hampir semua bank berpangsa besar maupun kecil. Namun bank dengan
pangsa kecil cenderung ‘jarang’ atau ‘tidak pernah’ memberikan harga yang lebih rendah
pada market maker. Sementara itu, dalam transaksi meminjam, 28% responden
‘seringkali’ ataupun ‘selalu’ mendapat harga lebih baik pada saat meminjam. Mayoritas
yang menjawab ‘seringkali’ maupun ‘selalu’ mendapat harga yang baik meliputi bank
dominan dan bank asing.
Grafik 8. Bank Beri Market Player Grafik 9. Bank Mendapat

Kuotasi Rendah Kuotasi Rendah dari Market Player
selalu 2% selalu 3%
sering 28% sering 25%
kadang-kadang 20% kadang-kadang 28%
jarang 22% jarang 25%
tidak pernah 28% tidak pernah 18%
0% 5% 10% 15% 20% 25% 30% 0% 5% 10% 15% 20% 25% 30%
2. Dugaan di atas dikonfirmasi pada pertanyaan mengenai faktor yang utama dalam
menentukan mahal/murahnya suatu kuotasi, yaitu mahal murahnya kuotasi dipengaruhi
oleh posisi likuiditas bank, keadaan PUAB (sepi/ramai), hubungan dengan counterparty
serta kuotasi kepada market atau non market maker.
Grafik 10. Faktor yang

Menentukan Besarnya Kuotasi
Sepi/ramainya pasar 102

valas
Keberadaan prog. 105
penjaminan
Tergantung kelmpk. 147
bank
Vol. credit limit bank 167
counterpart
Kuotasi u/ market 170
maker atau bukan
Sepi/ramainya PUAB 374
Posisi likuiditas bank 377
75 125 175 225 275 325 375

3. Dalam kondisi pasar normal, umumnya bank menetapkan bid ask spread dibawah 5 –
10 bps. Bank yang menetapkan bid ask spread 10 bps atau kurang, mewakili semua
jenis bank dari pangsa besar maupun kecil. Sementara itu, bank yang menetapkan spread
yang cukup tinggi (di atas 30 bps atau lebih) hanya terdiri dari empat bank, tiga
diantaranya adalah bank dominan. Bahwa 3 bank dominan tersebut menetapkan bid
ask spread yang besar mengindikasikan kemungkinan adanya pembedaan rate yang
diberikan pada counterparty mengingat dua bank dominan tersebut adalah dominan
dari kedua sisi (pemberi dan peminjam).
Tabel 8.
Bid-Ask Spread PUAB dalam Kondisi Normal
Percent
< 5 bps 43
5 - 10 bps 33
11 - 20 bps 8
21 - 30 bps 7
31 - 40 bps 2
< 40 bps 7
4. Besarnya bid ask spread dalam kondisi normal terutama ditentukan oleh posisi likuiditas
bank, likuiditas pasar, kebijakan suku bunga Fasbi serta menjaga hubungan baik dengan
counterpart.
Grafik 11. Faktor yang Menentukan

Bid-Ask Spread dalam Kondisi Normal
Likuiditas pasar 8
Kondisi pasar 8
Volatilitas indeks 36
harga saham
Volatilitas nilai tukar 105
Keberadaaan program 139
penjaminan pemerintah
Memelihara hubungan baik/ 209
resiprokal dengan bank lain
Kebijakan suku bunga 341
intervensi rupiah
Posisi likuiditas bank anda 454
0 100 200 300 400 500

134 Lampiran
5. Pada saat terdapat informasi baru ataupun pada saat terdapat ketidakpastian di pasar,
bank cenderung meningkatkan bid ask spread mereka di PUAB. Setidaknya 50% dari
responden akan meningkatkan bid ask spread.
Tabel 9.
Bid-Ask Spread PUAB dalam Kondisi Tidak Normal
Percent
< 25 bps 22
25 - 50 bps 18
50 - 75 bps 17
75 - 100 bps 15
100 - 25 bps 15
< 125 bps 13
6. Kondisi tidak normal pada PUAB dikarenakan perubahan aktifitas di PUAB yang tidak di
antisipasi, volatilitas PUAB yang tinggi, ketidakpastian informasi dan sesaat sebelum
dan sesudah pengumuman penting di PUAB.
Grafik 12. Faktor Penentuan Bid-Ask

Spread yang Berbeda dengan Biasanya
SBI jatuh tempo 9

tidak ada
18
Volatilitas indeks harga saham yang
lebih tinggi pada saat itu 32
Volatilitas nilai tukar yang lebih
tinggi pada saat itu 104
Memiliki posisi berlawanan
dengan arah pasar 142
Sesaat sebelum dan sesudah suatu
pengumuman penting di PUAB 227
Ketidak pastian informasi 269
Volatilitas PUAB yang tinggi 370
Perubahan aktifitas di PUAB yang
tidak diantisipasi 373
0 100 200 300 400 500
V. Pembentukan Harga
1. Jam dengan frekuensi teramai menurut bank adalah pukul 8-9, 14-15, 16-17 dan
15-16. Sementara itu, berdasarkan volume, jam teramai adalah pukul 8-9, 14,15, 9-10
dan 16-17.
Grafik 13. Distribusi

Volume dan Frekuensi Transaksi PUAB
10
> 17.00 9 frekuensi
16.00-17.00 283
237 volume
15.00-16.00 250
179
287
14.00-15.00 281
13.00-14.00 78
61
12.00-13.00 16
24
11.00-12.00 143
164
179
10.00-11.00 175
248
09.00-10.00 267
414
08.00-09.00 409
0 100 200 300 400 500
Tabel 10
Variabel yang Berpengaruh Terhadap Pergerakan Suku Bunga PUAB
Tidak Sangat
Rincian
berpengaruh berpengaruh
1 2 3 4
Indikator Ekonomi:
Suku bunga penjaminan PUAB 30 40 15 15
Suku bunga SBI 1 Bulan 0 5 30 65
Suku bunga SBI 3 Bulan 0 25 40 35
Suku bunga Fasbi 5 5 10 80
Volume lelang/OPT 15 20 35 30
Suku bunga PUAB valas 30 50 15 5
Yield Obligasi Pemerintah 25 30 35 10
Yield Obligasi Korporasi 30 40 20 10
Indeks harga saham 45 35 15 5
Jumlah uang beredar 20 30 35 15
Nilai tukar 15 35 40 10
Transaksi Keuangan Pemerintah 40 15 25 20
Faktor Non-Ekonomi:
Manuver oleh beberapa bank besar 5 20 40 35
Komentar pengamat ekonomi dan pejabat pemerintah 5 50 40 5
Situasi sosial politik dan keamanan 10 20 50 20
136 Lampiran
2. Variabel mikro yang ‘sangat berpengaruh’ dan ‘berpengaruh’ terdiri dari suku bunga Fasbi,
suku bunga SBI 1 bulan dan 3 bulan, volume lelang atau OPT, suku bunga SBI 3 bulan,
jumlah uang beredar dan nilai tukar. Transaksi keuangan Pemerintah relatif tidak
berpengaruh. Sementara itu, faktor non ekonomi yang relatif berpengaruh adalah manuver
beberapa bank besar dan situasi sosial politik.
3. Variabel suku bunga Fasbi merupakan faktor yang direspon paling cepat dan
membuktikan bahwa memang suku bunga Fasbi dijadikan reference rate untuk suku
bunga PUAB. Variabel lainnya yang cukup cepat direspon adalah suku bunga SBI 1 dan
3 bulan dan manuver oleh beberapa bank besar (kurang dari 10 menit).
4. Informasi publik tersebut di atas juga dimanfaatkan bank untuk memperkirakan
pergerakan suku bunga PUAB yang akan datang. Dari survei diketahui bahwa umumnya
bank dapat memprediksi dengan yakin suku bunga PUAB 1 hari sampai 1 minggu ke
depan. Responden yang suku bunga dapat diprediksi 1 hari ke depan meliputi bank
Tabel 11. Kecepatan Respon

Terhadap Pergerakan Suku Bunga PUAB (dalam Menit)
Tidak
Rincian <5 < 10 < 30 > 30
ada
Indikator Ekonomi:
Suku bunga penjaminan PUAB 20 10 10 20 40
Suku bunga SBI 1 Bulan 45 35 10 5 5

Suku bunga SBI 3 Bulan 40 35 15 5 5
Suku bunga Fasbi 85 5 0 10 0
Volume lelang/OPT 20 20 15 20 25
Suku bunga PUAB valas 10 20 15 15 40
Yield Obligasi Pemerintah 10 10 25 25 30
Yield Obligasi Korporasi 0 10 25 35 30

Indeks harga saham 0 15 15 25 45
Jumlah uang beredar 5 10 30 40 15
Nilai tukar 20 15 20 20 25
Transaksi Keuangan Pemerintah 0 15 20 25 40
Faktor Non-Ekonomi:
Manuver oleh beberapa bank besar 25 35 25 5 10
Komentar pengamat ekonomi dan pejabat pemerintah 0 25 40 30 5

Situasi sosial politik dan keamanan 20 20 20 25 15
besar dan kecil dari sisi total asset maupun pangsa pasar di PUAB. Responden yang
menyatakan tidak dapat memprediksi dengan yakin hanya 6 % (4 bank) dan merupakan
bank dengan pangsa transaksi PUAB yang kecil (dibawah Rp10 miliar). Sementara itu,
responden yang dapat memprediksi dengan yakin suku bunga 1 minggu ke depan tercatat
sebanyak 10% yang meliputi bank non dominan.
Grafik 14. Kemampuan Responden Grafik 15. Faktor Pertimbangan dalam

Memprediksi Tingkat Suku Bunga PUAB Memprediksi Suku Bunga PUAB
3 bulan 58 Lain lain 130
Sk bunga PUAB valas 152

tidak bisa diprediksi 83
Komentar pengamat/pejabat 180
117 Rencana trans. keu. Pem. 212

1 bulan
Situasi polkam 276
2 minggu 120
Nilai tukar 292
Jml uang beredar 347

1 minggu 195
Vol. Lelang 419
2 - 4 hari ke depan 243 514

Sk Bunga Penjaminan
Sk Bunga SBI 1 bulan 669
Satu hari ke depan 312
Sk bunga Fasbi 720
0 100 200 300 400 0 100 200 300 400 500 600 700 800
138 Lampiran
Lampiran 2
Hasil Estimasi Berbagai Model GARCH
Univariate PUAB
Dependent Variable: AVGPUAB
Method: ML - ARCH (Marquardt)
Date: 12/02/03 Time: 14:37
Sample(adjusted): 1/04/2000 7/31/2003
Included observations: 933 after adjusting endpoints
Convergence achieved after 373 iterations
Variance backcast: ON
Coefficient Std. Error z-Statistic Prob.

AVGPUAB(-1) 0.973971 0.009708 100.3240 0.0000
PXLAST 3.98E-05 1.41E-05 2.813099 0.0049
FEDFUND -0.007526 0.009652 -0.779686 0.4356
Variance Equation
C 0.118895 0.003528 33.70405 0.0000
ARCH(1) 0.662789 0.041169 16.09923 0.0000
GARCH(1) 0.293562 0.018279 16.06041 0.0000
R-squared 0.891344 Mean dependent var 12.53685

Adjusted R-squared 0.890757 S.D. dependent var 2.554259
S.E. of regression 0.844230 Akaike info criterion 1.621274
Sum squared resid 660.6954 Schwarz criterion 1.652389
Log likelihood -750.3244 Durbin-Watson stat 1.966062
Univariate Kurs
Dependent Variable: PXLAST
Method: ML - ARCH (Marquardt)
Date: 11/23/03 Time: 12:24
Sample(adjusted): 1/11/2000 7/31/2003
Included observations: 928 after adjusting endpoints
Variance backcast: ON

PXLAST(-1) 0.997080 0.001273 783.1207 0.0000
AVGPUAB(-6) 1.822927 0.843695 2.160647 0.0307
FEDFUND(-1) 2.618845 0.907106 2.887034 0.0039
Variance Equation
C 1235.760 78.55482 15.73118 0.0000
ARCH(1) 0.675767 0.028039 24.10077 0.0000
GARCH(1) 0.396842 0.023959 16.56330 0.0000
R-squared 0.991227 Mean dependent var 9225.891

Adjusted R-squared 0.991179 S.D. dependent var 980.7764
S.E. of regression 92.11255 Akaike info criterion 11.48940
Sum squared resid 7822913. Schwarz criterion 11.52065
Log likelihood -5325.082 Durbin-Watson stat 1.777236
M-GARCH dengan Standardised Residual

LogL: BVGARCH
Method: Maximum Likelihood (Marquardt)
Date: 12/03/03 Time: 14:03
Sample: 5/03/2000 7/31/2003
Included observations: 847
Evaluation order: By observation
Estimation settings: tol= 1.0E-05, derivs=accurate numeric
Initial Values: OMEGA(1)=0.32326, BETA(1)=0.58099,
ALPHA(1)=0.81041, OMEGA(2)=0.00000, OMEGA(3)=35.3493,
BETA(2)=0.63092, ALPHA(2)=0.83241

OMEGA(1) 0.003077 0.279900 0.010994 0.9912
BETA(1) 0.998516 0.000993 1005.979 0.0000
ALPHA(1) 0.046727 0.002352 19.86798 0.0000
OMEGA(2) 0.556270 75.34109 0.007383 0.9941
OMEGA(3) 1.08E-06 36668649 2.94E-14 1.0000
BETA(2) -0.739041 0.028381 -26.04018 0.0000
ALPHA(2) 0.443309 0.017500 25.33237 0.0000
Log likelihood -3167.906 Akaike info criterion 7.496827

Avg. log likelihood -3.740149 Schwarz criterion 7.536015
Number of Coefs. 7 Hannan-Quinn criter. 7.511840
M-GARCH dengan Standardised Residual dan lkurs
LogL: BVGARCH
Date: 12/03/03 Time: 15:42
Sample: 5/03/2000 7/31/2003
BETA(2)=0.63166, ALPHA(2)=0.82318

OMEGA(1) 0.005545 0.190966 0.029035 0.9768
BETA(1) 0.998783 0.001214 822.7787 0.0000
ALPHA(1) -0.043753 0.002410 -18.15177 0.0000
OMEGA(2) 0.559222 20.57921 0.027174 0.9783
OMEGA(3) -1.20E-06 7059809. -1.70E-13 1.0000
BETA(2) 0.749183 0.034192 21.91134 0.0000
ALPHA(2) 0.385171 0.018182 21.18416 0.0000
Log likelihood -3157.830 Akaike info criterion 7.473033

140 Lampiran
M-GARCH dengan residual
LogL: BVGARCH
Date: 12/03/03 Time: 13:52
Sample: 5/03/2000 7/31/2003
BETA(2)=0.63092, ALPHA(2)=0.83241

OMEGA(1) 6.247452 2.99E-07 20892489 0.0000
BETA(1) -4.438660 8.45E-07 -5250565. 0.0000
ALPHA(1) 30.21445 2.71E-06 11131541 0.0000
OMEGA(2) -6611.291 0.000211 -31288047 0.0000
OMEGA(3) -30016.68 0.794412 -37784.79 0.0000
BETA(2) -6.213082 2.76E-06 -2255075. 0.0000
ALPHA(2) -1182.565 0.018702 -63233.15 0.0000
Log likelihood -10098211 Akaike info criterion 23844.67


Emikros1 PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Emikros1 PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

Mikrostruktur Pasar Uang Antar Bank Rupiah Pembentukan dan Perilaku Harga 77

MIKROSTRUKTUR PASAR UANG ANTAR BANK RUPIAH

Wahyu Dewati, Iss Savitri Hafid, Dadal Angkoro

1.2. Tujuan dan Manfaat Penelitian

1.3. Metodologi dan Data

Model mikrostruktur menggunakan beberapa asumsi sebagai berikut: (i) informasi

Literatur microstructure melonggarkan asumsi-asumsi yang mendasari asset pricing

2 O’hara, M. 1995: Market Microstructure Theory. Cambridge, MA: Blackwell Business.

Sebagaimana dikemukakan struktur pasar, proses dan mekanisme perdagangan

2.3. Pembentukan Harga (Price Formation)

Informasi berperan penting dalam pendekatan “moment to moment trading”. Dalam

Studi empiris PUAB di Amerika menyimpulkan pembentukan dan perilaku harga

Analisis struktur pasar bertolak dari segmentasi pasar yang memperlihatkan

Sesuai karakter monopoli, pemain dominan akan berusaha memperoleh keuntungan

Untuk menentukan keberadaan pemain dominan digunakan ukuran pangsa pasar

Struktur mikro pasar mempengaruhi dinamika pembentukan harga intraday melalui

2.4. Peran Informasi pada Pembentukan Harga dan Likuiditas Pasar

Pengaruh informasi keputusan kebijakan moneter terhadap pasar tercermin pada

6 ECB Working Paper No. 80, Oktober 2001

2.5. Perilaku Harga (Price Behaviour)

Rι = αVι-1 + ϑi-1 Ri-1 + µι

Hybrid Model yang dikembangkan Lyons (2002) mengkombinasikan pendekatan mikro

Sedangkan menurut perspektif mikrostruktur, informasi fundamental ekonomi tidak diketahui

Public information Price

The Microstructure View

Non Public information Order

The Hybrid View

Information Order Price

2.6. Spillovers antar Harga Asset di Pasar Keuangan

Model spillovers di atas memungkinkan penentuan sumber pemicu current movement

Penelitian Mikrostruktur PUAB Rupiah O/N 2002 mengindikasikan keterkaitan antar

Hasil survey memperlihatkan bank berperilaku profit maksimisasi dengan

2.7. Hasil Penelitian Mikrostruktur PUAB Rupiah O/N 2002

Selain instrumen moneter, faktor-faktor lain yang mempengaruhi pembentukan harga

7 Program Kerja Startegis Bagian SPPK 2000 dan 2001

3.1.1. Struktur Pasar dan Struktur Mikro

Selanjutnya, untuk memahami struktur mikro PUAB, dilakukan pengamatan atas

Berdasarkan berbagai penelitian empiris, arus informasi merupakan pemicu

3.1.2. Respon Pasar atas Masuknya Informasi Publik

Sebagai tambahan dari penelitian sebelumnya, analisis announcement effect

Tabel 3.1. Matrik Data

Kebijakan Fasbi Dua Sesi

Adapun untuk melihat pengaruh pengumuman pada transaksi perdagangan, dilakukan

3.2. Perilaku Harga

3.2.1. Perilaku Harga dan Perubahan Kebijakan

(3.1.) RONt = b1VONt-1 + b2Mt-1 + εt

RONt = b1VONt-1 + b2Mt-1 + β0Dk + β1D1Mt-1 + β2D2Mt-1 +εt

(3.1.2.) RONt = b1VONt-1 + b2Mt + φ1 εt-1 + µt

RONt = b1VONt-1 + b2Mt-1 + β0Dk + β1D1Mt-1 + β2D2Mt-1 + φ1 εt-1 + µt

RONt = suku bunga rata-rata tertimbang PUAB O/N

VON = volume total PUAB O/N

Mt = variabel makro lainnya di luar PUAB O/N yang mempengaruhi

seperti RJibor , RFasbit , VOMOt

3.2.2. Pengukuran Dampak Spillover antara PUAB dan Pasar Valas

(3.3.) σ2t = ϖ + α + η2t-1 + βσ2t-1 + µt µt = N (0,1)Ω white noise

adapun bentuk reduced form adalah,

(3.4.) Xt = A-1Ψ + A−1 Φ l ( X t ) + A-1 Q l ( Z t ) + v t vt = A-1 η t

(3.5.) σ2’t = c + αη2’t-1 + bs2’t-1 + µt

c = A-1 ϖ , a = A-1 α , b = A-1 β

Xt = suku bunga rata-rata tertimbang PUAB O/N dan kurs IDR/USD

Zt = suku bunga SIBOR atau Fed Fund

3.3. Data dan Variabel

c. RFASBI atau Fasbi merupakan variabel suku bunga Fasbi O/N;