Makalah ini dibuat untuk memenuhi Tugas Mata Kuliah Investasi dan Manajemen Portofolio
DISUSUN OLEH:
KELOMPOK 5
JURUSAN AKUNTANSI
UNIVERSITAS RIAU
T.A. 2021/2022
KATA PENGANTAR
Puji syukur kami ucapkan kehadirat Allah SWT, yang telah memberikan rahmat serta
karunia-Nya kepada kami sehingga dapat menyelesaikan makalah Investasi dan Manajemen
Portofolio ini tepat pada waktunya. Makalah ini berjudul “Model Perhitungan Return
Taknormal”.
Kami menyadari bahwa makalah ini masih jauh dari sempurna, oleh karena itu kritik dan
saran dari semua pihak yang bersifat membangun, selalu kami harapkan demi kesempurnaan
makalah ini. Semoga makalah ini dapat memberikan wawasan yang lebih luas kepada pembaca.
Akhir kata, kami sampaikan terima kasih kepada semua pihak yang telah berperan serta
dalam penyusunan makalah ini dari awal sampai akhir. Semoga Allah SWT senantiasa meridhoi
segala usaha kita. Amin.
Penulis
i
DAFTAR ISI
KATA PENGANTAR............................................................................................................ i
BAB II PEMBAHASAN........................................................................................................ 2
2.1 Return Taknormal ............................................................................................................ 2
2.1.1 Mean-adjusted Model ............................................................................................ 2
2.1.2 Market Model ........................................................................................................ 4
2.1.3 Market-adjusted Model .......................................................................................... 7
2.2 Rata-rata Return Taknormal ............................................................................................. 8
2.3 Akumulasi Return Taknormal........................................................................................... 9
2.4 Pengujian Statistik Terhadap Return Taknormal ............................................................... 10
2.4.1 Kesalahan Standar Estimasi Berdasarkan Rata-rata Return Periode Estimasi .......... 12
2.4.2 Kesalahan Standar Estimasi Berdasarkan Prediksi Return Periode Estimasi ........... 13
2.4.3 Kesalahan Standar Estimasi Secara Cross-section .................................................. 14
2.5 Penjelas Return Taknormal ............................................................................................... 14
ii
BAB I
PENDAHULUAN
Untuk mendapatkan tambahan modal, salah satu alternatif yang menguntungkan bagi
perusahaan adalah dengan melakukan right issue. Pada saat pengumuman right issue ini
dilakukan, maka pelaku pasar akan segera menganalisis dan memilih informasi tersebut menjadi
informasi baik atau informasi buruk. Abnormal return (return taknormal) lah yang digunakan
sebagai alat ukur untuk menganalisis reaksi pasar.
Dengan melihat return tidak wajar atau return taknormal (abnormal return) maka efisiensi
pasar dapat diuji. Pasar dikatakan tidak efisien jika satu atau beberapa pelaku pasar dapat
menikmati return yang tidak normal dalam jangka waktu yang cukup lama.
1.3 Tujuan
1. Untuk mengetahui tentang model perhitungan return taknormal.
2. Untuk mengetahui model- model dari estimasi return ekspektasi.
3. Untuk mengetahui tentang rata-rata return taknormal dan akumulasi return taknormal.
4. Untuk mengetahui tentang pengujian statistik terhadap return taknormal.
1
BAB II
PEMBAHASAN
Return realisasian atau retrun sesungguhnya merupakan return yang terjadi pada waktu ke-t
yang merupakan selisih harga sekarang relatif terhadap harga sebelumnya atau dapat dihitung
dengan rumus (Pi,t – Pi,t-1) / Pi,t-1. Sedang return ekspektasian merupakan retrun yang harus
diestimasi. Brown dan Warner (1985) mengestimasi return ekspektasian menggunakan model
estimasi mean-adjusted model, market model, dan market-adjusted model.
2.1.1 Mean-adjusted Model
Model sesuaian rata-rata (mean-adjusted model) ini menganggap bahwa return
ekspektasian bernilai konstan yang sama dengan rata-rata return realisasian sebelumnya
selama periode estimasi (estimation period), sebagai berikut:
Keterangan:
E[Ri,t] = return ekspetasian sekuritas ke-i untuk periode peristiwa ke-t
Ri,j = return realisasian sekuritas ke-i pada periode estimasi ke-j
T = lamanya periode estimasi, yaitu dari t1 sampai dengan t2
2
Periode estimasi (estimation period) umumnya merupakan periode sebelum periode
peristiwa. Periode peristiwa (event period) disebut juga dengan periode pengamatan atau
jendela perisitiwa (event window).
Contoh:
Jika digunakan data harian dengan periode jendela selam 7 hari (3 hari sebelum peristiwa,
1 hari peristiwa dan 3 hari setelah hari peristiwa) dan periode estimasi selam 200 hari, maka
dapat digambarkan berikut ini:
Dari gambar di atas terlihat bahwa hari 0 merupakan hari terjadinya pengumuman
peristiwa. Tujuh hari periode jendela diambilkan mulai dari tiga hari sebelum tanggal
peristiwa (hari -3) sampai 3 hari setelah tanggal peristiwa (hari +3). Tujuh hari peristiwa ini
dapat juga dikatakan tiga hari sekitar tanggal peristiwa (yaitu tiga hari sebelum, hari
peristiwanya dan tiga hari sesudahnya). Umumnya periode jendela juga melibatkan hari
sebelum tanggal peristiwa untuk mengetahui apakah terjadi kebocoran informasi, yaitu
apakah pasar sudah mendengar informasinya sebelum informasi itu sendiri diumumkan.
Periode jendela sebagai periode pengamatan merupakan periode yang akan dihitung nilai
3
abnormal return-nya. Untuk contoh ini, abnormal return akan dihitung pada hari -3, -2 dan -1
(untuk ada tidaknya kebocoran informasi), hari 0 (reaksi pasar pada tanggal pengumuman)
dan hari +1, +2, +3 (untuk mengetahui kecepatan reaksi pasar).
Panjangnya periode estimasi selama 200 hari ditunjukan di gambar 2 mulai dari hari -4
samapai hari -203. Tidak ada patokan untuk lamanya periode estimasi (T) ini. Lama periode
estimasi yang umum digunakan adalah berkisar 100 hari sampai dengan 250 hari atau selama
setahun untuk hari-hari perdagangan dikurangi dengan lamanya periode jendela untuk data
harian dan berkisar dari 24 sampai dengan 60 bulan untuk data bulanan.
Jika digunakan mean-adjusted model, return ekspetasian untuk sekuritas ke-i selama
periode jendela (periode ke-t) berdasarkan lama periode estimasi 200 hari dapat dihitung
sebesar:
Contoh hasil return tak normal menggunakan model sesuian rata-rata (meanadjusted model).
4
(1) membentuk model ekspetasi dengan menggunakan data realisasi selama periode estimasi
(2) menggunakan model ekspetasi ini untuk mengestimasi return ekspetasian di periode
jendela
Model ekspetasi dapat dibentuk menggunakan teknik regresi OLS (ordinary least square)
dengan persamaan:
Ri,j = αi +βi . RMi + εij
Keterangan:
Ri,j = return realisasian sekuritas ke-I pada periode estimasi ke-i
αi = intercept untuk sekuritas ke-i
βi = koefisien slope yang merupakan Beta dari sekuritas ke-i
RMi = return indeks pasar pada periode estimasi ke-j yang dapat dihitung dengan rumus RMi
= (IHSGj – IHSGj-i) / IHSGj-i dengan IHSG adalah indeks harga saham gabungan
εij = kesalahan residu sekuritas ke-I pada periode estimasi ke-j
Untuk sekuritas ke-1, dengan menggunakan persamaan (3), return-return sekuritas ini untuk
hari -4 sampai dengan -203 diregresikan dengan return-return indeks pasar untuk hari yang
sama yaitu hari -4 sampai dengan -203. Demikian juga untuk sekuritas ke-2 dan seterusnya
5
sampai sekuritas ke-k, sehingga akan didapatkan k model return ekspetasian. Misalnya
persamaan-persamaan yang didapat dari hasil persamaan regresi adalah sebagai berikut:
R1,j = 0,007 + 1,67 . RMi + ε1,j
R2,j = 0,015 + 1,23 . RMi + ε2,j
⁞ ⁞ ⁞ ⁞
Rk,j = 0,017 + 1,55 . RMi + εk,j
Yang jika digunakan untuk mengestimasi return ekspetasi untuk period ke-t, maka menjadi
model-model estimasi sebagai berikut:
E[R1,t] = 0,007 + 1,67 . E[RM,t]
E[R2,t] = 0,015 + 1,23 . E[RM,t]
⁞ ⁞ ⁞ ⁞
E[R1,t] = 0,017 + 1,55 . E[RM,t]
Untuk model ekspetasi ini, nilai E[RM,t] yang digunakan adalah niai RM,t. Hasil dari model
ini menunjukan bahwa nilai 1,67 merupakan nilai Beta untuk sekuritas ke-2 dan seterusnya.
Setelah model-model estimasi diperoleh, tahap kedua adalah menghitung return estimasi
untuk hari-hari di periode jendela menggunakan model-model estimasi tersebut. Untuk
periode jendela 7 hari, yaitu hari -3, -2, -1, 0, +1, +2 dan +3, data return-return masing-
masing sekuritas dan return-return indeks pasar berturut-turut untuk periode ini tampak pada
tabel berikut ini.
Contoh data return sekuritas dan return indeks pasar sekitar hari pengumuman peristiwa.
Return Return Return Return
Hari Ke-t Sekuritas Sekuritas … Sekuritas Ke-k Indeks Pasar
Ke-1 (R1,i) Ke-2 (R2,i) (Rk,i) (RM,i)
-3 0,27 0,21 … 0,25 0,15
-2 0,27 0,23 … 0,28 0,16
-1 0,31 0,23 … 0,30 0,17
0 0,35 0,25 … 0,33 0,18
+1 0,33 0,20 … 0,34 0,15
+2 0,31 0,23 … 0,31 0,17
+3 0,32 0,24 … 0,32 0,18
6
Return ekspetasian untuk sekuritas ke-1 pada hari -3 dapat diestimasi dengan memasukkan
nilai return indeks pasar untuk hari -3 (yaitu sebesar 0,15) kedalam model ekspetasiaanya:
E[R1,3] = 0,007 + 1,67 . 0,15 = 0,26
Dengan cara yang sama, carilah seperti pada hari -3 return-return ekspetasi sekuritas ke-1
untuk hari -2 sampai dengan +3. Return-return ekspektasian untuk sekuritas kedua dan ke-k
juga dicari seperti pada sekuritas ke-1.
Return tak normal atau abnormal return (RTNi.t) adalah selisih antara return sesungguhnya
(Ri,t) dengan return ekspetasian (E[Ri,t]). Sekuritas ke-1, sekuritas ke-2, maupun sekuritas
ke-k untuk menentukan RTNi.t dilakukan dengan cara yang sama.
Berikut ini disajikan hasil dari Return tak normal (abnormal return) untuk masing-masing
sekuritas.
Return Return Return
Taknormal Taknormal Taknormal
Hari Ke-t …
Sekuritas Ke-1 Sekuritas Ke-2 Sekuritas Ke-k
(RTN1,t) (RTN2,t) (RTNk,t)
-3 0,01 0,01 … 0,00
-2 0,00 0,02 … 0,01
-1 0,02 0,01 … 0,02
0 0,04 0,01 … 0,03
+1 0,07 0,00 … 0,09
+2 0,02 0,01 … 0,03
+3 0,01 0,00 … 0,02
7
18% tersebut. Jika return sekuritas pada hari pengumuman 35%, maka besarnya abnormal
return yang tejadi adalah 17% (35%-18%).
Keterangan:
RRTNt = rata-rata return tak normal (average abnormal return) pada hari ke-t
RTN i,t = return tak normal untuk sekuritas ke-i pada hari ke-t
k = jumlah sekuritas yang terpengaruh oleh pengumuman peristiwa
Dari tabel diatas menunjukkan bahwa selama periode peristiwa, mulai dari hari -3 sampai dengan
+3 terjadi rata-rata return taknormal yang positif. akan tetapi rata-rata return taknormal yang
secara statistik signifikan hanya terjadi di hari -1, 0, +2, dan +3. rata-rata return taknormal yang
signifikan pada hari -1 menunjukkan bahwa sehari sebelum peristiwa diumumkan, informasi
tersebut sudah bocor ke publik yang ditunjukkan oleh reaksi pasar yang signifikan pada hari -1
8
itu. Reaksi terbesar dari pasar terjadi hari ke -0 yaitu hari saat diumumkannya peristiwa tersebut.
Rata-rata return tak normal yang masih signifikan pada hari ke +1, +2, +3 menunjukkan bahwa
pasar masih bereaksi pada hari-hari tersebut.
Keterangan:
ARTNi,t = akumulasi return taknormal sekuritas ke-i pada hari ke-t, yang diakumulasi dari return
taknormal (RTN) sekuritas ke-i mulai hari awla periode perostiwa (t3) sampai dengan hari ke-t
RTNi,a = return taknormal untuk sekuritas ke-i pada hari ke-a, yaitu ,ulai t3 (hari awal periode
jendela) sampai hari ke-t
Jika terdapat k buah sekuritas, maka akumulasi rata-rata return taknormal (ARRTN) atau
cumulative average abnormal return (CAAR) dapat dihitung sebagai berikut:
Keterangan:
ARRTNt = akumulasi rata-rata return tak normal pada hari ke-t
ARTNi,t = akumulasi return taknormal sekuritas ke-i pada hari ke-t
k = jumlah sekuritas yang terpengaruh oleh pengumuman peristiwa
Akumulasi rata-rata return taknormal (ARRTN) dapat juga dihitung denga mengakumulasi
rata-rata return taknormal hari ke-t adalah ARTNt, maka akumulasi rata-rata return taknormal
hari ke-t (ARRTNt) dapat dihitung sebesar :
9
Keterangan:
ARRTNt = akumulasi rata-rata return tak normal pada hari ke-t
ARTNa = rata-rata return taknormal pada hari ke-a, yaitu mulai t3 (hari awal periode jendela)
sampai hari ke-t
Tabel di bawah ini memuat hasil rata-rata return tak normal untuk hari ke-t (RRTNt) mulai
hari -3 sampai dengan hari +3. Akumulasi rata-rata return taknormal ini untuk tiap harinya di
periode peristiwa dapat dilihat di tabel berikut ini:
Contoh Hasil Akumulasi rata-rata return taknormal menggunakan model pasar.
Keterangan:
t = t-hitung
β = parameter yang akan diuji signifikansinya (misalnya adalah koefisien dari regresi, rata-rata
suatu nilai dan sebagainya).
10
Sebagai ilustrasi perhitungan misalnya return taknormal pada hari -3 untuk sekuritas ke 1 adalah
sebesar 0,11, untuk sekuritas ke-2 adalah sebesar 0,06 dan untuk sekuritas ke-k adalah sebesar
0,10, maka rata-rata return taknormal untuk hari -3 adalah sebesar :
= 0,07
= 0,65
Dengan demikian pengujian-t ini dilakukan dengan cara standarisasi dari nilai return taknormal.
Standarisasi yang dilakukan adalah dengan membagi nilai return taknormal dengan nilai standar
estimasinya. Kesalahan standar estimasi merupakan kesalahan standar pada waktu mengestimasi
nilai abnormal returnya. Standarisasi dilakukan untuk return taknormal masing-masing sekuritas.
Return taknormal standarisasi untuk sekuritas ke-I dapat ditulis sebagai berikut :
Keterangan:
RTNSi,t = return taknormal standarisasi sekuritas ke-i pada hari ke-t diperiode peristiwa.
RTNi,t = return taknormal sekuritas ke-i pada hari ke-t di periode peristiwa
Permasalahan yang timbul adalah nilai kesalahan standar estimasi bagaimana yang dapat
digunakan. Beberapa cara telah digunakan untuk menentukan kesalahan standar estimasi yang
akan digunakan yaitu sebagai berikut :
1. Kesalahan standar estimasi ditentukan berdasarkan deviasi standar return-return selama
periode estimasi dengan nilai standarnya yang digunakan adalah nilai rata-rata returnnya.
11
2. Kesalahan standar estimasi ditentukan berdasarkan deviasi standar return-return selama
periode estimasi dengan nilai standar yang digunakan adalah nilai prediksi returnnya.
3. Kesalahan standar estimasi ditentukan berdasarkan deviasi standar return-return hari ke-t
secara cross-section selama periode peristiwa.
Cara pertama dan kedua dilakukan untuk masing-masing sekuritas ke-i. Cara kesatu dan
kedua ini membutuhkan periode estimasi, sehingga hanya dapat diterapkan untuk model pasar
(market model) dan model sesuaian rata-rata dan tidak sesuai untuk model sesuaian pasar karena
model ini tidak menggunakan peride estimasi. Cara ketiga dilakukan secara agregat untuk semua
sekuritas. Cara ketiga ini hanya membutuhkan periode peristiwa dan tidak membutuhkan periode
estimasi. Oleh karena itu, model sesuaian pasar tepat digunakan untuk cara ketiga ini. Model-
model yang lainnya, yaitu market-model dan mean-adjusted model dapat juga menggunakan cara
ketiga ini.
Keterangan:
Ri,j = return sekuritas ke-i untuk hari ke-j selama periode estimasi.
T1 = jumlah hari di periode estimasi, yaitu dari hari ke-t1 sampai dengan hari ke-t2 Data
return, rata-rata return sekuritas dan kesalahan standar estimasi masing-masing sekuritas
selama periode estimasi .
12
Tabel diatas menunjukkan bahwa KSEi dihitung untuk tiap-tiap sekuritas. untuk sekuritas ke-
1 KSE1 dihitung sebagai berikut ini:
1. Hitung rata-rata return sekuritas ke-1 selama periode estimasi, yaitu mulai hari ke-4
sampai hari k-203 selama periode 200 hari:
R1 = (0,20 + 0,15 + 0,17 + ... + 0,09) / 200
= 0,12
2. Kesalahan standar estimasi untuk sekuritas ke-1 adalah sebesar:
KSEi = (((0,20 – 0,12)2 +(0,15 – 0,12)2 + (0,17 – 0,12)2 + ... + (0,09 – 0,12)2 ) / (200 –
2))1/2
= 0,02
KSE2 sampai KSEk dapat dihitung dengan cara yang sama. KSEi ini kemudian digunakan
sebagai pembagi untuk return-return taknormal di periode peistiwa untuk tiap-tiap
sekuritas.
2.4.2 Kesalahan Standar Estimasi Berdasarkan Prediksi Return Periode Estimasi
Kesalahan standar estimasi, baik dengan cara pertama atau cara kedua, dihitung dengan
nilai nilai di periode estimasi. Kesalahan standar estimasi ini dapat disesuaikan dengan nilai
return indeks pasar di periode peristiwa. Hasil dari penyesuaian ini disebut dengan kesalahan
standar peramalan (standar error of the forecast) sebagai berikut:
Keterangan:
13
KSPi,t = Kesalahan standar peramalan sekuritas ke-i hari ke-t di periode peristiwa.
KSEi = Kesalahan peristiwa estimasi untuk sekuritas ke-i.
RMt = Return indeks pasar hari ke-t di periode peristiwa.
RMj = Return indeks pasar hari ke-j di periode estimasi.
RM = rata-rata return indeks pasar selama di periode estimasi.
T1 = jumlah hari di periode estimasi, yaitu dari hari ke-t1 sampai dengan hari ke-t2.
Kesalahan standar peramalan (KSPi,t) nilainya berbeda untuk hari yang berbeda di periode
peristiwa, sedang kesalahan standar estimasi nilainya sama untuk tiap hari di periode
peristiwa untuk masing-masing sekuritas. Kedua kesalahan standar ini banyak digunakan di
beberapa penelitian. Beberapa penelitian menggunakan kesalahan standar estimasi dan
beberapa yang lainnya menggunakan kesalahan standar peramalan. Penggunaan kesalahan
standar peramalan lebih mencerminkan keadaan pasar di hari ke-t di periode peristiwa.
2.4.3 Kesalahan Standar Estimasi Secara Cross-section
Cara ketiga dari perhitungan kesalahan standar estimasi didasarkan pada deviasi standar
return-return tak normal dari k-sekuritas secara cross-section untuk setiap hari di periode
peristiwa. Cara ketiga ini menghitung kesalahan standar estimasi langsung di periode
peristiwa, tidak menggunakan periode estimasi. Cara ketiga ini lebih tepat digunakan untuk
model sesuaian-pasar (marked-adjusted model) yang hanya menggunakan periode peristiwa
dan tidak menggunakan periode estimasi. Kesalahan standar estimasi ini adalah:
Notasi:
KSEi = kesalahan standar estimasi untuk hari ke-t di periode peristiwa.
RTNit = return taknormal sekuritas ke-I untuk hari ke-t di periode peristiwa.
RTNt = rata-rata return taknormal k-sekuritas untuk hari ke-t di periode peristiwa.
K = jumlah sekuritas
14
Beberapa penelitian berusaha untuk menemukan factor-faktor spesifik-perusahaan yang dapat
menjelaskan terjadinya abnormal return tersebut. Untuk menjawab pertanyaan ini, teknik regresi
banyak digunakan. Akumulasi return taknormal (ARTN) digunakan sebagai dependen variabel
dan factor-faktor spesifik-perusahaan digunakan sebagai independen variabel sebagai berikut :
Keterangan :
ARTNi,t4 = akumulasi return taknormal pada hari terakhir di periode jendela, yaitu pada hari ke-
t4 untuk perusahaan ke-i. akumulasi return taknormal ini juga dapat dihitung dengan
menjumlahkan semua return taknormal dalam periode jendela untuk masing-masing perusahaan
ke-i.
Misalnya suatu studi peristiwa tentang pengumuman perusahaan laba menemukan bahwa
perubahan laba mengandung informasi, yaitu terdapat adanya abnormal return disekeliling
tanggal pengumuman perubahan laba tersebut. Hasil ini hanya menunjukan bhwa perubahan laba
mengakibatkan adanya reaksi pasar, tetapi tidak menjelaskan seberapa besar respon pasar
tersebut berhubungan dengan besarnya dari perubahan labanya. Untuk mengetahui hubungan ini,
umumnya digunakan persamaan regresi sebagai berikut ini.
ARTNi adalah akumulai return taknormal perusahaan ke-I dan ▲EPSi adalah perubahan laba
perlembar saham perusahaan ke-i. koefisien regresi β1 menunjukan koefisien respon laba
terhadap return taknormal (earnings response coefficient atau ERC). Jika koefisien β1 ini
signifikan, dapat diartikan bhwa tidak hanya pengumuman perubahan laba saja yang
menimbulkan abnormal return, tetapi juga besarnya (mgnitude) dari perubahan laba tersebut
mempengaruhi besarnya abnormal return. Jika keduanya signifikan, maka pengaruh mana yang
lebih kuat terhadap reaksi pasar dapat dilihat dari besarnya nilai nilai koefisien tersebut.
Beberapa studi juga ingin melihat apakah variable-variabel spesifik perusahaan yang lainnya,
seperti ukuran perusahaan (size), pertumbuhan perusahaan (growth) dan risiko perusahaan (risk)
juga menjelaskan besarnya abnormal return yang terjadi. Persamaan regresi yang digunakan
adalah sebagai berikut:
15
Pengukuran SIZE yang umumnya digunakan adalah nilai total aktiva atau penjualan bersih atau
nilai ekuitas. Pengukuran GROWTH yang banyak digunakan adalah pertumbuhan laba,
pertumbuhan penjualan atau diwakili dengan nilai pasar dibagi dengan nilai buku. Pengukuran
RISK yang banyak digunakan misalnya adalah leverage (total ekuitas dibagi dengan total utang).
16
BAB III
3.1 Kesimpulan
Return taknormal atau disebut juga dengan abnormal return merupakan kelebihan dari return
yang sesungguhnya terjadi terhadap return normal. Yang mana return taknormal adalah selisih
antara return sesungguhnya yang terjadi dengan return ekspektasian. Return ekspektasian
merupakan return yang harus diestimasi. Pengestimasian return ekspektasian ini menggunakan
beberapa model estimasi, diantaranya mean-adjusted model, market model, dan market-adjusted
model.
Pengujian adanya abnormal return tidak dilakukan untuk tiap-tiap sekuritas, tetapi dilakukan
secara agregat dengan menguji rata-rata return taknormal seluruh sekuritas secara cross-section
untuk tiap-tiap hari di periode peristiwa. Studi peristiwa menganalisis return taknormal
(abnormal return) dari sekuritas yang mungkin terjadi di sekitar pengumuman dari suatu
peristiwa.
Terdapat pengujian statistik terhadap return taknormal yang mana bertujuan untuk melihat
signifikansi return taknormal yang ada di periode peristiwa. Signifikansi yang dimaksud adalah
bahwa abnormal return tersebut secara statistic signifikan tidak sama dengan nol (positif untuk
kabar baik dan negative untuk kabar buruk).
3.2 Saran
Penulis menyadari bahwa makalah ini tentunya jauh dari kesempurnaan. Oleh karena itu
masukan serta saran daripara pembaca sangat kami harapkan demi tercapainya kesempurnaan
tersebut. Dengan makalah ini diharapkan dapat menambah wawasan pembaca mengenai model
perhitungan return taknormal yang telah dibahas pada makalah ini.
17
DAFTAR PUSTAKA
Jogiyanto H.M (JO). 2015. Teori Portofolio dan Analisis Investasi. Edisi Keempatbelas.
https://pdfcoffee.com/model-perhitungan-return-taknormal-1-return-taknormal-pdf-free.html
https://id.scribd.com/document/240953080/Kelompok-14-Model-Perhitungan-Return-Taknormal
18