5.

Mengukur dan Menganalisis Abnormal Return

Pada tahap mengukur dan menganalisis, berarti melakukan penilaian terhadap dampak
kejadian yang merupakan syarat untuk mengukur abnormal return. Urutan waktu
diilustrasikan dengan gambar dibawah ini:

Rangkaian Waktu Sebuah Event Study

Keterangan:
 = 0 sebagai event date
 = T1 + 1 s/d  = T2 merepresentasikan event window
 = T0 + 1 s/d  = T1 merepresentasikan estimation window
 = T2 + 1 s/d  = T3 merepresentasikan post-event window
L1 = T1 -T0 menunjukkan panjangnya estimation window
L2 = T2 - T1 menunjukkan panjangnya event window
L3 = T3 - T2 menunjukkan panjangnya post-event window

A. Estimasi Model Pasar

Dalam kondisi umum Ordinary Least Squares (OLS) adalah prosedur estimasi yang
konsisten untuk model pasar parameter.

Ri dan Rₘ masing-masing adalah pengembalian pada periode peristiwa  untuk sekuritas i
dan pasar.
B. Properti Statistik dari Abnormal Return
Mengingat parameter estimasi model pasar, Abnormal Return adalah istilah model pasar yang
dihitung dari sampel dasar. Abnormal Return dapat diukur dan dianalisis dengan sampel yang
dicari dengan rumus sebagai berikut:

Conditional variace memiliki dua komponen. Salah satu komponennya adalah varians
gangguan dan komponen kedua adalah varians tambahan, sebagai hasil dari kesalahan
pengambilan sampel di αi dan βi. Kesalahan pengambilan sampel ini, umum terjadi pada
semua pengamatan jendela peristiwa, juga mengarah ke korelasi dari abnormal return. Saat
digunakan hipotesis nol, peristiwa yang tidak berdampak pada perilaku pengembalian (rata-
rata atau varians) sifat distribusi dari Abnormal Return dapat digunakan untuk menggambar
kesimpulan selama periode apa pun dalam event window. Di bawah Hipotesis nol, distribusi
sampel Abnormal Return memberikan pengamatan pada event window sebagai berikut:

C. Agregasi Abnormal Return

Pengamatan Abnormal Return harus dikumpulkan untuk menarik kesimpulan secara
keseluruhan dari suatu kejadian. Agregasi sepanjang waktu, akan mempertimbangkan
agregasi melalui waktu untuk keamanan individu dan kemudian akan mempertimbangkan
agregasi dari seluruh sekuritas. Konsep cumulative abnormal return diperlukan untuk
mengakomodasi jendela peristiwa periode berganda. Distribusi dari Cumulative Abnormal
Return saat menggunakan Hipotesis nol adalah sebagai berikut:

Mengingat distribusi nol dari Abnormal Return dan Cumulative Abnormal Return, tes
hipotesis nol dapat dilakukan. Namun, tes dengan satu observasi peristiwa tidak akan berguna
sehingga diperlukan proses agregasi. Average Abnormal Return dapat dikumpulkan melalui
jendela peristiwa menggunakan pendekatan yang sama seperti yang digunakan untuk
menghitung Cumulative Abnormal Return untuk interval apa pun di jendela peristiwa.
D. CAR untuk Pengumuman Laba
Konten informasi laba seperi yang dijelaskan sebelumnya mengilustrasikan penggunaan
sampel residu abnormal dan sampel kumulatif Abnormal Return.

Grafik CAR menunjukkan bahwa sampai batas tertentu, pasar secara bertahap menganalisis
dan memahami mengenai pengumuman yang akan datang. Rata-rata CAR dari perusahaan
dengan pengumuman/berita yang baik secara bertahap meningkat dalam beberapa hari dari -
20 hingga -1 dan rata -rata CAR dari perusahaan dengan berita yang buruk secara bertahap
menurun pada periode ini. Beberapa hari setelah pengumuman, CAR relatif stabil seperti
yang diharapkan, meskipun ada sedikit kecenderungan meningkat dengan perusahaan dengan
berita buruk di hari kedua sampai delapan.
E. Kesimpulan Dengan Pengelompokan
Analisis agregat abnormal return telah mengasumsikan bahwa jendela peristiwa dari
sekuritas yang disertakan tidak tumpang tindih (terjadi pada waktu bersamaan) dalam waktu
kalender. Asumsi ini memungkinkan kita untuk menghitung varian sampel agregat kumulatif
abnormal return tanpa khawatir tentang kovarian melintasi sekuritas. Namun, jika jendela
peristiwa tumpang tindih dan kovarian antara abnormal return bukan nol, hasil distribusi
yang disajikan untuk abnormal return agregat tidak lagi berlaku. Victor Bernard (1987)
membahas beberapa masalah yang terkait dengan pengelompokan.
Penglompokan dapat dilakukan dengan dua cara. Abnormal return dapat dikelompokkan ke
dalam portofolio bertanggal menggunakan waktu peristiwa dan analisis tingkat keamanan.
Pendekatan ini akan memungkinkan korelasi silang dari abnormal return. Metode kedua
untuk melakukan pengelompokan adalah dengan menganalisis abnormal return tanpa
agregasi. Dapat dipertimbangkan untuk menguji hipotesis nol dari suatu peristiwa yang tidak
memiliki dampak menggunakan tidak teragregasi keamanan oleh data keamanan. Pendekatan
ini diterapkan paling umum saat ada pengelompokan total, yaitu peristiwa pada hari yang
sama untuk sejumlah perusahaan.