Machine Translated by Google

Surat Penelitian Keuangan 46 (2022) 102350

Daftar isi tersedia di ScienceDirect

Surat Penelitian Keuangan

beranda jurnal: www.elsevier.com/loc/frl

Respons volatilitas pasar saham terhadap pengumuman COVID-19 dan

langkah-langkah pengetatan: Perbandingan pasar negara maju
dan negara berkembang
A,* B A A
Walid Bakar , Peter John Kavalmthara , Vivienne Saverimuttu , Yiyang Liu ,
C
Sajan Cyril
A
Sekolah Bisnis, Universitas Sydney Barat, Sydney, Australia
B
Sekolah Bisnis UNSW, Universitas New South Wales, Sydney, Australia
C
Institut Pendidikan Tinggi Australia, Australia

INFO PASAL ABSTRAK

Klasifikasi JEL: Kami menyelidiki hubungan antara rilis harian pengumuman terkait COVID-19, intervensi defensif
G01
pemerintah, dan volatilitas pasar saham, dengan memanfaatkan jangka waktu satu tahun, untuk menguji,
G10
mengonfirmasi, dan terus menyempurnakan temuan penelitian sebelumnya secara independen. Kami
G12
G15
mengkategorikan pasar saham menjadi pasar negara berkembang dan pasar maju dan mempertimbangkan
G18 perbedaan dan persamaan dengan menggunakan ukuran volatilitas asimetris. Kami menemukan bahwa
H12 terdapat perbedaan besar antara pasar-pasar ini sehubungan dengan interpretasi investor terhadap risiko
Saya18 dalam menanggapi kasus baru yang dikonfirmasi setiap hari, tingkat kematian, tingkat pemulihan, dan
Kata kunci: berbagai intervensi defensif pemerintah. Kami menyarankan penjelasan atas perbedaan-perbedaan ini,
Pengumuman COVID-19 dalam kaitannya dengan budaya nasional, dan kualitas pemerintahan. Selain itu, pengembangan vaksin
Volatilitas pasar saham Pfizer-BioNTech sangat penting bagi kedua pasar tersebut. Temuan ini mempunyai implikasi dalam
GJR-GARCH menyesuaikan respons pemerintah terhadap krisis dalam konteks spesifik suatu negara.
Pasar negara berkembang
Pasar maju

1. Perkenalan

Munculnya pandemi virus Corona (COVID-19) telah melahirkan banyak penelitian akademis. Yang sangat menarik adalah penelitian
yang berfokus pada pandemi dan dampaknya terhadap volatilitas pasar saham (Albulescu, 2021; Baig et al., 2021; Cheng, 2020; Haldar
dan Sethi, 2021; Li et al, 2020; Mazur et al., 2021; Sharma, 2020; Tripathi dan Pandey, 2021; Zaremba dkk., 2020, 2021; Zhang dkk.,
2020). Pemilihan variabel untuk estimasi dalam studi penting ini diambil dari, namun tidak terbatas pada, pengumuman infeksi baru
COVID-19, baik rasio kematian atau tingkat kematian, tingkat pemulihan, likuiditas di pasar keuangan, langkah-langkah pengetatan
pemerintah, pengumuman makroekonomi , dan ketidakpastian kebijakan ekonomi.
Studi yang ada sebagian besar berfokus pada wilayah geografis tertentu seperti Amerika Serikat (Albulescu, 2021; Baek et al., 2020;
Choi, 2020; Onali, 2020), sementara studi lainnya juga mencakup Eropa (Mirza et al., 2020), Australia (Gunay et al., 2021), dan Kawasan
Asia Pasifik (Ibrahim et al., 2020). Penelitian lain berkonsentrasi pada gabungan negara-negara maju dan berkembang di seluruh dunia

* Penulis koresponden: School of Business, Western Sydney University, Sydney, Australia. Tas Terkunci 1797, Penrith NSW, Australia 2751.
Alamat email: w.bakry@westernsydney.edu.au (W.Bakri).

https://doi.org/10.1016/j.frl.2021.102350
Diterima 12 Mei 2021; Diterima dalam bentuk revisi 5 Juli 2021; Diterima 16 Juli 2021 Tersedia
online 20 Juli 2021
1544-6123/© 2021 Elsevier Inc. Semua hak dilindungi undang-undang.
Machine Translated by Google

W. Bakry dkk. Surat Penelitian Keuangan 46 (2022) 102350

(Ashraf, 2020; Zaremba, 2020). Harjoto et al., (2020) melakukan regresi multivariat, sedangkan Uddin et al. (2021) menerapkan model EGARCH, untuk
menguji dampak kasus harian dan kematian akibat COVID-19 terhadap volatilitas pasar saham di pasar negara berkembang dan negara maju secara
terpisah. Pihak lain memfokuskan studi mereka hanya pada pasar negara berkembang atau pasar maju. Keduanya memuat perbandingan persamaan dan
perbedaan antara kedua pasar. Uddin dkk. (2021) mengeksplorasi lebih jauh pengaruh variabel pasar modal dan tingkat negara terhadap volatilitas pasar
saham.
Tujuan utama dari makalah kami adalah untuk mengeksplorasi dampak pengumuman COVID-19 dan langkah-langkah ketat pemerintah terhadap
volatilitas pasar saham, khususnya dengan fokus pada konteks pasar negara berkembang dan negara maju. Selain itu, kami berupaya menguji,
mengonfirmasi, dan mengatasi kesenjangan pengetahuan, mengenai hubungan antara volatilitas pasar saham dan potensi pendorongnya dalam lingkungan COVID-19
Dengan demikian, kami dapat terus meningkatkan dan membangun kepercayaan diri terhadap penelitian saat ini dan sebelumnya.
Mengingat pengumuman baik dan buruk mempunyai dampak asimetris terhadap volatilitas pasar saham (Onan dkk., 2014), penelitian kami cocok
dengan literatur ini dengan mengeksplorasi dampak pengumuman COVID-19 yang mencakup kasus baru yang terkonfirmasi setiap hari, kematian dan
kasus sembuh, serta tindakan ketat pemerintah (secara agregat dan individual), terhadap volatilitas pasar saham dalam penyelidikan kami terhadap
perbedaan dan persamaan antara pasar negara berkembang dan negara maju.
Zaremba dkk. (2020), memelopori investigasi mengenai dampak pembatasan sosial yang diberlakukan pemerintah terhadap volatilitas pasar saham
terkait COVID-19. Mereka mengeksplorasi dampak indeks pengetatan agregat dan dampak individual dari tujuh tindakan kebijakan pemerintah terhadap
volatilitas pasar saham. Meskipun sampel mereka mencakup pasar negara maju dan negara berkembang, tidak seperti investigasi kami, mereka tidak
menyelidiki secara terpisah perbedaan dan persamaan dampak terhadap volatilitas pasar saham di kedua pasar tersebut.
Oleh karena itu, fokus mereka hanya pada dampak ketatnya respons kebijakan pemerintah dan volatilitas pasar saham, yang termasuk dalam model kami.

Keduanya, Harjoto dkk., (2020) dan Uddin dkk. (2021) hanya fokus pada dampak buruk kasus COVID-19 dan kematian terhadap volatilitas pasar
saham. Selain itu, kami mempertimbangkan perbedaan dan persamaan dalam dampak pemulihan COVID-19, tindakan ketat pemerintah, dan pengumuman
keberhasilan uji coba vaksin Pfizer-BioNTech terhadap volatilitas di kedua pasar. Oleh karena itu, kami sangat mendasarkan penelitian-penelitian
sebelumnya dengan berfokus pada bidang minat tertentu yang sudah ada, yaitu volatilitas pasar saham di tengah pandemi, baik di pasar negara
berkembang maupun negara maju.
Kami berkontribusi pada literatur yang ada dengan memperluas penyelidikan kami selama kurang lebih satu tahun, dari 22 Januari 2020 hingga 10
Februari 2021, berbeda dengan Zaremba dkk. (2020) yang fokus pada periode Januari hingga April 2020, Harjoto et al., (2020) dari 14 Januari hingga 20
Agustus 2020, dan Uddin et al (2021) dari 19 Juli 2019 hingga 14 Agustus 2020, semuanya fokus pada jangka waktu kurang lebih 4 – 7 bulan. Dengan
demikian, temuan kami akan memiliki kekuatan lebih besar dalam membenarkan keyakinan epistemik.
Pada akhirnya, kami mencari penjelasan atas perbedaan volatilitas saham di pasar-pasar ini, yang dihasilkan dari interpretasi risiko dan perilaku
investor selanjutnya, dengan mempertimbangkan dampak budaya (Ashraf, 2020; Chiah dan Zhong, 2020; Wang, 2021) terhadap penghindaran
ketidakpastian dan individualisme (Fernandez-Perez et al., 2021) dan tingkat kepercayaan terhadap pemerintah nasional dan sesama warga negara
(Engelhardt et al., 2021).
Temuan kami mengungkapkan perbedaan penting antara negara maju dan negara berkembang yang mempunyai implikasi penting bagi investor
global dan pembuat kebijakan. Tulisan ini selanjutnya dilanjutkan sebagai berikut: Bagian 2 menguraikan data dan menguraikan metodologinya. Bagian 3
melaporkan hasil empiris. Akhirnya, Bagian 4 menyimpulkan penelitian ini.

2. Data dan metodologi

2.1. Deskripsi data

Dalam studi ini, pilihan kami antara pasar negara berkembang dan negara maju didasarkan pada klasifikasi Morgan Stanley Capital International
(MSCI)1 yang mencakup 27 pasar keuangan negara berkembang dan 23 pasar keuangan negara maju. Makalah ini mengumpulkan data pengumuman
COVID-19 (termasuk kasus terkonfirmasi, kematian, dan kasus sembuh), Indeks Ketatnya Respons Pemerintah secara keseluruhan, dan sembilan
indikator atau sub-indeks yang mendasarinya2
, dan indeks pasar saham utama dari setiap pasar keuangan. Data untuk analisis dikumpulkan dengan memanfaatkan
data dari tiga database, yaitu John Hopkins University Coronavirus Resource Centre, Oxford COVID-19 Government Response Tracker (OxCGRT) (Hale
et al., 2020), dan database Refinitiv Datastream. Data tersebut disempurnakan dengan mengecualikan negara-negara yang angka kematian hariannya
dan/atau kasus terkonfirmasinya tidak tersedia atau konstan dalam jangka waktu yang lama. Dataset akhir kami terdiri dari 24 negara berkembang dan 15
negara maju. Tanggal mulai sampel data sesuai dengan tanggal mulainya data COVID-19 Universitas John Hopkins, dengan hari non-perdagangan
dihilangkan. Tabel 1 mencantumkan negara-negara berkembang dan maju yang tercakup dalam studi ini dan indeks pasar saham yang digunakan untuk
masing-masing negara. Terakhir, data harian tingkat negara dikumpulkan untuk masing-masing negara yang dipertimbangkan dalam penelitian ini.

1
(https://www.msci.com/market-classification)
2
Sumber data: Https://www.bsg.ox.ac.uk/research/research-projects/coronavirus- Government-response-tracker (diakses 12 Februari 2021). Untuk rincian
lebih lanjut tentang metodologi yang digunakan untuk menghitung indeks Ketatnya respons pemerintah dan skor sub-indeks indikator yang mendasarinya,
silakan kunjungi https://github.com/OxCGRT/covid-policy-tracker/blob/master/documentation/index_methodology. md#menghitung-skor-sub-indeks-untuk-
setiap indikator

2
Machine Translated by Google

W. Bakry dkk. Surat Penelitian Keuangan 46 (2022) 102350

Tabel 1

Contoh informasi Tabel ini melaporkan negara-negara yang digunakan dalam penelitian ini dan indeks pasar saham utama yang digunakan untuk setiap negara. Panel a. Pasar negara
berkembang yang diklasifikasikan oleh MSCI dan Panel b. Pasar maju seperti yang diklasifikasikan oleh MSCI. Data indeks bersumber dari database Refinitiv Datastream.

TIDAK
Panel Indeks saham TIDAK
Panel Indeks saham
Negara a. Pasar negara berkembang Negara b. Pasar Maju

1 Argentina S&P Merval 1 Australia S&P_ASX 200

2 Brazil BOVESPA 2 Austria ATX
3 Chili S&P_CLX IGPA CLP 3 Belgium BEL 20
4 Cina* Komposit Shanghai 4 Kanada S&P_TSX
5 Kolumbia KOLCAP 5 Denmark OMX Kopenhagen 20
6 Republik Ceko PX 6 Perancis CAC 40
7 Mesir Mesir Hermes Keuangan 7 Jerman DAX30
8 Yunani Komposit Athex 8 Israel TA125
9 Hungaria Budapest SE 9 Italia MIB FTSE
10 India BAGUS 500 10 Jepang Nikkei 225
11 Indonesia Komposit BEI 11 Belanda AEX
12 Malaysia FTSE KLCI 12 Portugal PSI
13 Meksiko S&P_BMV IPC 13 Swiss IKM
14 Pakistan Karachi 100 14 Britania Raya FTSE 100
15 Peru S&P_BVL Umum 15 Amerika Serikat S&P 500
16 Filipina Komposit PSEi
17 Polandia rambut palsu 30

18 Qatar QE Umum
19 Rusia MOEX
20 Arab Saudi Tadawul Semua Bagikan
21 Afrika Selatan FTSE_JSE Semua Bagikan
22 Korea Selatan Komposit KOSPI
23 Turki BIST 100
24 Uni Emirat Arab Jenderal ADX

*Meskipun penelitian ini menggunakan data yang dimulai dari tanggal 22 Januari 2020 (tanggal mulai data yang dilaporkan oleh John Hopkins mengenai COVID-19), kasus COVID-19 dan
indeks Ketatnya Respons Pemerintah untuk Tiongkok dimulai jauh sebelum tanggal tersebut.

2.2. Memperkirakan volatilitas: model asimetris Glosten–Jagannathan–Runkle (GJR)-GARCH

Meskipun model GARCH tradisional dapat menangkap pengelompokan volatilitas dan leptokurtosis, model tersebut berasumsi bahwa data keuangan
terdiri dari distribusi asimetris. Artinya, model ini tidak memperhitungkan tanda nilai kesalahan di masa lalu dan oleh karena itu, tidak mampu menangkap
respons asimetris volatilitas terhadap guncangan pasar yang disebabkan oleh berita baik dan buruk (misalnya, efek leverage).3 Model GJR- GARCH
( Glosten et al., 1993) menangkap efek leverage dengan mengkaji dorongan guncangan negatif, yang lebih besar dibandingkan dorongan guncangan
positif (Dutta, 2014).
Kami menyelidiki bagaimana pengumuman harian mengenai COVID-19 dan respons ketat pemerintah terkait dengan volatilitas indeks pasar saham
di pasar negara berkembang dan negara maju. Untuk mencapai hal ini, kami menggunakan model GJR-GARCH (1,1) dan memperoleh varian bersyarat
dari indeks pasar. GJR-GARCH (1,1) diberikan oleh:

rt = ÿ + ÿt (1)

ht = ÿ + ÿÿ2 tÿ 1 + ÿÿ2tÿ 1dtÿ 1 + ÿjhtÿ 1

(2)

dimana rt adalah imbal hasil indeks harga pasar saham masing-masing negara yang dihitung sebagai ln(Pt/ Pt ÿ 1), ht yang merupakan varians prakiraan
bersyarat pada waktu t; ÿ menunjukkan parameter asimetris; dt ÿ 1 merupakan variabel dummy dimana dt ÿ 1 = 1 jika ÿt ÿ 1< 0 (kabar buruk) dan dt ÿ =
1 0 jika ÿt ÿ 1 ÿ 0 (kabar baik).

2.3. Model penelitian

Untuk menguji dampak pengumuman COVID-19 yang bervariasi terhadap waktu dan respons ketat pemerintah terhadap volatilitas pasar saham
di pasar negara berkembang dan maju, kami menggunakan analisis data panel untuk memperkirakan model berikut:4

VOLi,t = ÿ0 + ÿ1CCi,t + ÿ2DRi,t + ÿ3RRi,t + ÿ4GSIi,t +ÿC ÿcXc,i,t + ÿt + ÿi,t (3)

c=1

3
Asimetri volatilitas adalah fenomena yang biasa diamati pada data deret waktu keuangan dimana tingkat volatilitas pasar cenderung lebih tinggi
selama tren turun pasar dan lebih rendah selama tren naik pasar.
4
Penelitian ini menggunakan uji akar unit panel Levin, Lin, dan Chu (2002) dan Im, Pesaran, dan Shin (2003) untuk memastikan apakah data stasioner pada tingkat I(0) atau perbedaan
pertama I(1). Hasilnya tersedia dari penulis berdasarkan permintaan.

3
Machine Translated by Google

W. Bakry dkk. Surat Penelitian Keuangan 46 (2022) 102350

dimana i dan t masing-masing mengacu pada negara dan waktu. ÿ0 adalah suku konstan. Variabel terikat VOLi,t adalah varians kondisional yang diekstraksi
dari GJR-GARCH asimetris (1,1) untuk negara i pada hari ke -t. Variabel independen utama adalah proksi pengumuman COVID-19, yang meliputi angka kasus
terkonfirmasi COVID-19 harian (CCi,t), angka kematian COVID-19 (DRi,t), angka kesembuhan COVID-19 (RRi,t ), dan perubahan indeks pengetatan respons
pemerintah secara keseluruhan (GSIi,t). Xc,i,t adalah seperangkat variabel kontrol yang mencakup variabel kontrol tingkat negara dan boneka untuk hari
pengumuman dan administrasi vaksin Pfizer-BioNTech5 , hari pemilihan, dan larangan penjualan pendek. ÿt adalah variabel dummy untuk memperhitungkanKITA
efek tetap harian negara invarian waktu yang tidak teramati dari istilah kesalahan. ÿi, ini adalah istilah kesalahan. Tabel 2 memberikan gambaran rinci mengenai
variabel-variabel yang disebutkan di atas.
Selain menguji pengaruh umum Indeks Respons Ketat (Stringency Response Index/GSI) pemerintah secara keseluruhan, penelitian ini juga mengukur
pengaruh masing-masing dari sembilan sub-indeks respons pemerintah terhadap volatilitas pasar negara berkembang dan negara maju. Untuk mencapai hal
itu, kami memperkirakan ulang Persamaan. (3) dengan mengganti variabel GSI dengan sembilan indikator respons pemerintah yang terpisah:

VOLi,t = ÿ0 + ÿ1CCi,t + ÿ2DRi,t + ÿ3RRi,t +ÿJ ÿjGSIj,i,t +ÿC ÿcXc,i,t + ÿt + ÿi,t (4)
j=1 c=1

dimana GSIj,i, adalah sekumpulan sembilan sub-indeks yang mewakili respons kebijakan ketat pemerintah yang berbeda untuk negara i pada hari ke -t.
Penjelasan rinci untuk masing-masing sembilan variabel disajikan pada Tabel 2. Persamaan 3 dan 4 dapat diperkirakan menggunakan regresi panel statis
reguler seperti pooled Ordinary Least Squares (OLS), panel fixed effect, dan regresi efek acak panel. Namun, untuk menentukan model yang paling efisien dan
dapat diandalkan, penelitian ini menggunakan dua tes pasca-estimasi: Tes Hausman, (1978) , yang menguji apakah kesalahan berkorelasi dengan regresi dan
dengan demikian membantu dalam memilih antara efek panel tetap dan efek acak panel. , dan uji Breusch-Pagan Lagrange Multiplier (LM) untuk menilai
keberadaan efek individu yang tidak teramati dan oleh karena itu kelayakan penggunaan regresi OLS yang dikumpulkan.

Terakhir, untuk memastikan hasil kami kuat, estimasi ulang varian bersyarat dilakukan setelah menambahkan lebih banyak spesifikasi ke persamaan rata-
rata estimasi model GJR-GARCH (1,1). Secara khusus, proses AR (1), MA (1), dan ARMA (1,1) masing-masing ditambahkan ke Persamaan (1) dan spesifikasi
rata-rata yang paling sesuai untuk setiap pasar saham ditemukan berdasarkan kriteria informasi Akaike (AIC) dan kriteria informasi Bayesian (BIC).

2.4. Statistik deskriptif

Tabel 3 menampilkan sifat statistik dari seluruh variabel yang digunakan dalam penelitian ini. Nilai rata-rata volatilitas pasar saham masing-masing adalah
0,0033 dan 0,0036 untuk pasar negara berkembang dan negara maju. Nilai minimum dan maksimum volatilitas harian untuk kedua pasar menunjukkan bahwa
pasar-pasar tersebut mengalami fluktuasi yang luas. Meskipun kasus terkonfirmasi COVID-19 dan angka kematian sedikit lebih tinggi di negara maju, tingkat
kesembuhan jauh lebih tinggi di negara berkembang. Selain itu, terdapat perbedaan rata-rata tingkat keketatan kebijakan pemerintah yang diterapkan di setiap
pasar. Misalnya, negara-negara berkembang rata-rata mengalami lebih banyak penutupan sekolah dan lebih banyak pembatalan acara-acara publik, sedangkan
negara-negara maju rata-rata memiliki lebih banyak pembatasan perjalanan internasional. Lampiran Online A dan B (Tabel A.1 dan B.1) menunjukkan matriks
korelasi antara semua variabel untuk pasar negara berkembang dan negara maju. Matriks korelasi menunjukkan tidak adanya korelasi yang tinggi antar variabel
independen yang berarti tidak ada kekhawatiran multikolinearitas.

3. Hasil dan Pembahasan

Tabel 4 menyajikan hasil empiris analisis kami. Kami menemukan bahwa terdapat perbedaan penting antara pasar negara berkembang dan negara maju
dalam hal bagaimana persepsi risiko investor berubah setelah mendengar pengumuman tersebut. Tabel 4 kolom (1) dan (3) menunjukkan hasil utama untuk
Persamaan. (3). Di kedua pasar tersebut, terdapat hubungan positif dan signifikan antara volatilitas dan kasus terkonfirmasi COVID-19. Peningkatan kasus
COVID-19 dapat memicu peningkatan ketidakpastian mengenai seberapa kritis pandemi ini, seberapa parah dampak keuangan terhadap dunia usaha (termasuk
berapa lama krisis ini akan berlangsung), sifat dan ketatnya tindakan pemerintah yang mungkin diambil, dan tanggapan masyarakat terhadap hal ini. tindakan
(Wagner, 2020). Hal ini sesuai dengan temuan penelitian sebelumnya (Harjoto et al., 2020; Uddin et al. 2021). Tingkat kematian mempunyai dampak positif dan
signifikan terhadap volatilitas hanya di pasar negara berkembang. Kemungkinan besar investor di negara maju lebih mementingkan kandungan informasi dalam
kasus terkonfirmasi dibandingkan tingkat kematian ketika menilai prospek perekonomian dan bisnis – hasil yang konsisten dengan Harjoto dkk., (2020).
Meningkatnya persepsi risiko investor di pasar negara berkembang ketika angka kematian meningkat, mungkin terkait dengan kurangnya kepercayaan terhadap
jumlah kasus terkonfirmasi yang dilaporkan dan efektivitas intervensi pemerintah dalam kondisi tata kelola yang lemah (Uddin dkk., 2021 ) , menyiratkan
penderitaan ekonomi yang lebih besar dan pengetatan yang harus dilakukan. Penghindaran ketidakpastian yang lebih tinggi dalam budaya nasional negara-
negara berkembang juga dapat memperkuat kekhawatiran investor terhadap peningkatan angka kematian (Ashraf, 2020). Selain itu, perbaikan tingkat pemulihan
diketahui hanya mampu meredam volatilitas di pasar negara berkembang. Karena hanya di pasar negara berkembang investor merasa prihatin dengan informasi
tersebut

5
Dari semua potensi pengumuman vaksin pada tahun 2020, pengumuman vaksin Pfizer-BioNTech pada tanggal 9 November 2020 adalah yang paling menarik
sejauh ini karena merupakan pengumuman pertama yang menunjukkan hasil yang menjanjikan terkait uji klinis Fase III dengan vaksin mereka menunjukkan hasil
90 persen. efektivitas dalam melindungi masyarakat dari penularan virus (Badiani et al. 2020). Menanggapi berita ini, pasar saham global mengalami lonjakan
hingga mencapai rekor tertinggi seiring dengan semakin dekatnya harapan bahwa perekonomian akan kembali normal. Selain itu, pasar saham global mengalami
kenaikan seiring dengan diberikannya putaran pertama vaksin Pfizer-BioNTech.

4
Machine Translated by Google

W. Bakry dkk. Surat Penelitian Keuangan 46 (2022) 102350

Tabel 2
Variabel dan Definisi Tabel tersebut menampilkan definisi rinci variabel-variabel yang digunakan dalam penelitian ini.
Variabel Definisi

VOL volatilitas return saham harian untuk negara i pada waktu t. Diukur sebagai varians tanpa syarat dari model GJR-GARCH (1,1). Tingkat kasus
CC terkonfirmasi diukur sebagai jumlah kasus terkonfirmasi di negara i pada waktu t dibagi dengan jumlah kumulatif kasus terkonfirmasi di negara i pada waktu t. angka kematian
diukur
dr sebagai jumlah kematian di negara i pada waktu t dibagi dengan jumlah kumulatif kasus terkonfirmasi di negara i pada waktu t. tingkat kesembuhan jumlah kesembuhan
RR negara i pada waktu t dibagi dengan jumlah kumulatif kasus terkonfirmasi di negara i pada waktu t. perubahan Indeks Respons Ketat pemerintah secara
GSI keseluruhan untuk negara i antara waktu t dan waktu t-1. tingkat pembatasan penutupan sekolah untuk negara i pada waktu
SI1 t. tingkat pembatasan penutupan tempat kerja untuk negara i pada waktu
SI2 t. tingkat pembatasan acara publik untuk negara i pada waktu t. tingkat
SI3 pembatasan batas jumlah pertemuan publik untuk negara i pada waktu
SI4 t. tingkat pembatasan penutupan angkutan umum untuk negara i pada waktu t. tingkat
SI5 pembatasan persyaratan "tinggal di rumah" untuk negara i pada waktu t. tingkat
SI6 pembatasan perjalanan dalam negeri antar daerah/kota untuk negara i pada waktu t.
SI7 tingkat pembatasan perjalanan internasional untuk negara i pada waktu t. tingkat kampanye
SI8 informasi publik untuk negara i pada waktu t. logaritma natural total kapitalisasi
SI9 pasar dalam USD untuk negara i pada waktu t. logaritma natural rasio
Ln(MV) Harga terhadap Pendapatan seluruh pasar untuk negara i pada waktu t. hasil Dividen seluruh pasar
Ln(PE) untuk negara i pada waktu t.
DY
UGD Persentase perubahan harian nilai tukar negara i pada waktu t. adalah variabel dummy
PfizerAnn yang bernilai 1 pada hari Pfizer-BioNTech mengumumkan pengembangan vaksinasi COVID-19 yang 90 persen efektif dalam menghentikan virus dan 0 sebaliknya.

PfizerVAC adalah variabel dummy yang mengambil 1 pada hari Pfizer-BioNTech memberikan vaksin COVID-19 pertama dan 0 pada hari sebaliknya.
USelec adalah variabel dummy yang bernilai 1 pada hari pemilu Amerika Serikat 2020 dan 0 pada hari sebaliknya.
ShortSban adalah variabel dummy yang mengambil 1 pada hari dimana transaksi short-selling dilarang di negara i dan 0 pada hari sebaliknya.

Tabel 3
Ringkasan statistik Tabel ini melaporkan ringkasan statistik untuk variabel dependen dan independen untuk setiap pasar.

Pasar negara berkembang Pasar Maju

Variabel Ob Berarti SD Minimal Maks Ob Berarti SD Minimal Maks

VOL 6504 0,0033 0,0061 0,0001 0,1424 4065 0,0036 0,0794 0,0001 0,2207
CC 6504 0,0325 0,0902 0,0000 1.0000 4065 0,0335 0,0906 0,0000 1.0000
dr 6504 0,0007 0,0020 0,0000 0,0617 4065 0,0008 0,0028 0,0000 0,0909
RR 6504 0,0097 0,0278 0,0000 1.0000 4065 0,0077 0,0260 0,0000 1.0000
GSI 6504 0,0024 0,0310 -0,3890 0,4720 4065 0,0025 0,0304 -0,3890 0,4440
SI1 6504 0,0089 0,0022 -0,0200 0,0300 4065 0,0076 0,0024 -0,0300 0,0300
SI2 6504 0,0077 0,0020 -0,0200 0,0300 4065 0,0081 0,0020 -0,0200 0,0300
SI3 6504 0,0072 0,0015 -0,0200 0,0200 4065 0,0064 0,0017 -0,0200 0,0200
SI4 6504 0,0137 0,0025 -0,0400 0,0400 4065 0,0138 0,0024 -0,0400 0,0400
SI5 6504 0,0034 0,0015 -0,0200 0,0200 4065 0,0027 0,0008 -0,0200 0,0100
SI6 6504 0,0066 0,0018 -0,0300 0,0300 4065 0,0057 0,0020 -0,0200 0,0200
SI7 6504 0,0045 0,0017 -0,0200 0,0200 4065 0,0047 0,0017 -0,0200 0,0200
Si8 6504 0,0097 0,0023 -0,0400 0,0400 4065 0,0121 0,0020 -0,0300 0,0300
SI9 6504 0,0074 0,0011 0,0000 0,0200 4065 0,0074 0,0011 0,0000 0,0200
Ln(MV) 6504 12.130 1.4641 9.6520 15.978 4605 13.798 1.5819 10.633 17.534
Ln(PE) 6504 2,6401 0,3879 1,3350 3,5115 4605 2,9486 0,2866 1,9169 3,5695
DY 6504 0,0354 0,0179 0,0060 0,1006 4605 0,0282 0,0108 0,0115 0,0652
UGD 6504 -0,0001 0,0070 -0,0782 0,0548 4605 0,0003 0,0048 -0,0344 0,0376

puas dengan angka kematian, maka masuk akal jika negara-negara tersebut akan memberikan respons positif terhadap angka kesembuhan.
Kami juga menemukan perbedaan besar antara pasar negara berkembang dan negara maju dalam cara investor menafsirkan risiko berdasarkan tanggapan pemerintah
terhadap COVID-19. Terdapat hubungan positif yang kuat antara volatilitas dan ketatnya tindakan pemerintah di pasar negara berkembang, namun ada hubungan negatif antara
variabel-variabel ini di pasar negara maju. Sebuah studi awal oleh Zaremba et al. (2020) menggunakan sampel gabungan dari pasar negara maju dan negara berkembang dan
menemukan bahwa intervensi non-farmasi meningkatkan volatilitas. Temuan kami bahwa investor di pasar negara berkembang mempunyai rasa ketidakpastian yang tinggi
terhadap pengumuman tindakan pemerintah dapat dilihat sebagai cerminan dari semakin tingginya kerapuhan pasar negara berkembang terhadap hasil ekonomi buruk yang
melekat dalam tindakan tersebut. Hal ini juga dapat dijelaskan oleh kemungkinan rendahnya tingkat kepercayaan terhadap tindakan pemerintah selama pandemi serta terhadap
kepatuhan masyarakat terhadap perintah pemerintah di pasar negara berkembang (Engelhardt et al., 2021). Ketakutan akan lemahnya kepatuhan pemerintah terhadap respons
pemerintah, sehingga memperburuk dampak pandemi, dapat memicu pengetatan kebijakan lebih lanjut (Zaremba dkk., 2020).

Untuk mengetahui apakah budaya nasional berperan dalam menjelaskan perbedaan yang diamati dalam tingkat hubungan antara volatilitas dan indeks keketatan, kami
membandingkan median skor individualisme dan skor penghindaran ketidakpastian di pasar negara berkembang dan negara maju (lihat Tabel 5 ) . Kami menemukan bahwa
skor individualisme lebih rendah dan skor penghindaran ketidakpastian lebih tinggi di pasar negara berkembang. Temuan ini konsisten dengan Fernandez-Perez dkk. (2021)
bahwa semakin tinggi volatilitas pasar saham dikaitkan

5
Machine Translated by Google

W. Bakry dkk. Surat Penelitian Keuangan 46 (2022) 102350

Tabel 4
Pengaruh kasus terkonfirmasi COVID-19, kematian, pemulihan, dan ketatnya respons kebijakan pemerintah terhadap volatilitas pasar saham
negara berkembang dan negara maju.
Pasar Pasar Berkembang (1) Pasar Maju (3) (4)
(2)
Model Tetap Efek Tetap dengan intervensi pemerintah SI Acak Efek Tetap dengan intervensi pemerintah SI
Spesifikasi Indikator efek Efek Indikator
Variabel VOL VOL VOL VOL

CC 0,0030*** 0,0029*** 0,0024* 0,0019*

(0,001) (0,001) (0,001) (0,001)
dr 0,1406*** 0,1424*** -0,0235 -0,0223
(0,032) (0,032) (0,039) (0,039)
RR -0,0040** -0,0041** -0,0023 -0,0027
(0,002) (0,002) (0,004) (0,004)
GSI 0,0068*** -0,0059*
(0,000) (0,003)
SI1 0,0509* -0,0003
(0,027) (0,043)
SI2 0,1204*** 0,0216
(0,033) (0,055)
SI3 -0,1460*** -0,0951*
(0,042) (0,058)
SI4 0,0000 -0,0840*
(0,024) (0,045)
SI5 -0,0135 0,3506***
(0,041) (0,116)
SI6 -0,0135 -0,0338
(0,035) (0,057)
SI7 0,0971*** -0,0584
(0,037) (0,060)
SI8 0,0743*** -0,1251**
(0,025) (0,050)
SI9 0,0451 0,0933
(0,052) (0,090)
dalam(MV) 0,0013*** 0,0013*** 0,0002 0,0022
(0,000) (0,000) (0,000) (0,002)
dalam(PE) -0,0029*** -0,0029*** -0,0055*** -0,0061***
(0,000) (0,001) (0,001) (0,001)
DY 0,0473*** 0,0470*** -0,0530*** -0,0581***
(0,012) (0,012) (0,018) (0,019)
UGD 0,0118 0,0111 0,1365*** 0,1363***
(0,009) (0,009) (0,029) (0,029)
PfizerAnn 0,0024* 0,0024* 0,0047** 0,0047**
(0,001) (0,001) (0,002) (0,002)
PfizerVAC 0,0017 0,0017 0,0020 0,0020
(0,001) (0,001) (0,002) (0,002)
USelec 0,0016 0,0015 0,0007 0,0004
(0,001) (0,001) (0,002) (0,002)
Ban Pendek 0,0003 0,0004 -0,0013** -0,0013**
(0,000) (0,000) (0,001) (0,001)
Boneka siang hari Ya Ya Ya Ya
Konstan -0,0089* -0,0088* 0,0161*** 0,0522*
(0,005) (0,005) (0,005) (0,029)
Pengamatan 6,504 6,504 4,065 4,065
R2 0,4413 0,4447 0,4796 0,4827
Masalah> F 0,0000 0,0000 0,0000
Masalah > chi2 0,0000
tes Hausman 36.28*** 50.01*** 8,26 149,53***
tes LM 593,26***

Tabel tersebut menyajikan hasil regresi data panel pada periode 22/01/2020-10/02/2021. Variabel terikatnya adalah volatilitas bersyarat harian (VOL ) GJR-
GARCH (1,1) untuk indeks pasar saham negara berkembang dan negara maju. Variabel independen yang digunakan adalah tingkat kasus terkonfirmasi baru
(CC) harian COVID-19, tingkat kematian harian (DR), tingkat kesembuhan harian (RR), Indeks Keketatan Respons Pemerintah (SI) COVID-19, dan logaritma
natural dari total pasar harian. nilai dalam USD (ln(MV)), logaritma natural rasio PE harian seluruh pasar (ln(PE)), hasil Dividen seluruh pasar harian (DY),
persentase perubahan nilai tukar harian (ER). Hari Pengumuman Vaksin COVID-19 Pfizer-BioNTech (PfizerAnn), hari pelaksanaan Vaksin COVID-19 Pfizer-
BioNTech (PfizerVAC), hari pemilu AS tahun 2020 (USelec) , dan larangan short-selling (ShortSban) adalah variabel tiruan yang sama dengan 1 untuk
peristiwa tersebut hari dan 0 sebaliknya. SI1 hingga SI9 merupakan perbedaan indikator intervensi pemerintah Indeks Keketatan di negara i pada hari t.
Definisi rinci dari variabel-variabel diberikan pada Tabel 2. Angka-angka dalam tanda kurung adalah kesalahan standar yang kuat. *, **, dan *** masing-
masing menunjukkan signifikansi pada tingkat 10%, 5%, dan 1%.

6
Machine Translated by Google

W. Bakry dkk. Surat Penelitian Keuangan 46 (2022) 102350

Tabel 5
Perbandingan skor Individualisme dan Penghindaran Ketidakpastian untuk pasar negara berkembang dan negara maju Tabel ini melaporkan skor
Individualisme dan skor Penghindaran Ketidakpastian untuk negara-negara yang termasuk dalam sampel pasar negara berkembang dan negara maju
diberikan di bawah ini. Masing-masing dari dua dimensi ini diberi skor dalam rentang 0-100.
TIDAK
Negara- Muncul Individualisme Ketakpastian Tidak Ada Negara- Maju Individualisme Ketakpastian
Pasar Skor Skor Penghindaran Pasar Skor Skor Penghindaran

1 Argentina 46 86 1 Australia 90 51
2 Brazil 38 76 2 Austria 55 70
3 Chili 23 86 3 Belgium 75 94
4 Cina 20 30 4 Kanada 80 48
5 Kolumbia 13 80 5 Denmark 74 23
6 Republik Ceko 58 74 6 Perancis 71 86
7 Mesir 25 80 7 Jerman 67 65
8 Yunani 35 100 8 Israel 54 81
9 Hungaria 80 82 9 Italia 76 75
10 India 48 40 10 Jepang 46 92
11 Indonesia 14 48 Belanda 11 80 53
12 Malaysia 26 36 12 Portugal 27 99
13 Meksiko 30 82 13 Swiss 68 58
14 Pakistan 14 70 14 Britania Raya 89 35
15 Peru 16 87 15 Amerika Serikat 91 46
16 Filipina 32 44
17 Polandia 60 93
18 Qatar 25 80
19 Rusia 39 95
20 Arab Saudi 25 80
21 Afrika Selatan 65 49
22 Korea Selatan 18 85
23 Turki 37 85
24 Arab Bersatu 25 80
emirat
median 28.0 80.0 74.0 74.0 65.0
Berarti 33.8 72.8 69.5 69.5 65.1

Sumber: Hofstede Insights, diakses pada 22 April 2021, https://www.hofstede-insights.com/country-comparison/

dengan negara-negara yang menunjukkan individualisme yang lebih rendah dan penghindaran ketidakpastian yang lebih tinggi.
Tabel 4 kolom (2) dan (4) menunjukkan hasil untuk Persamaan. (4). Terdapat perbedaan besar antara kedua pasar dalam hal bagaimana volatilitas
merespons perubahan sub-indeks yang membentuk Indeks Ketat. Di pasar negara berkembang, penutupan sekolah, penutupan tempat kerja, pembatasan
pergerakan internal, dan pembatasan perjalanan internasional mempunyai dampak positif dan signifikan terhadap volatilitas. Di pasar negara maju, tidak satu
pun dari sub-indeks ini yang memiliki hubungan positif dengan volatilitas. Temuan-temuan ini menyoroti peningkatan sensitivitas risiko di negara-negara
emerging market yang mencerminkan kerentanan mereka terhadap krisis keuangan (Neaime, 2016), terutama karena kelemahan struktural di negara-negara
tersebut dan menonjolnya perilaku herding investor di negara-negara tersebut selama periode kerugian pasar (Demirer et al., 2010). Pembatalan acara-acara
publik merupakan satu-satunya intervensi pemerintah yang terkait dengan penurunan volatilitas di pasar negara berkembang – hal yang sama terjadi di pasar
negara maju, meskipun tingkat signifikansinya lebih rendah. Pembatasan pertemuan publik dan perjalanan internasional juga menurunkan volatilitas di pasar
negara maju. Penutupan transportasi umum adalah satu-satunya respons kebijakan yang berkontribusi terhadap volatilitas yang lebih tinggi di pasar negara
maju, hal ini sejalan dengan penelitian Zaremba dkk. (2020).
Hasilnya juga menunjukkan bahwa pengumuman keberhasilan pengembangan vaksin COVID-19 oleh Pfizer-BioNTech meningkatkan volatilitas di kedua
pasar, yang menunjukkan betapa pentingnya perkembangan positif ini. Namun, larangan short-selling tampaknya hanya menurunkan volatilitas di pasar negara
maju. Kami mencatat bahwa larangan tersebut sebagian besar diberlakukan di negara-negara maju.
Tabel 6 menunjukkan bahwa hasil kami kuat setelah menambahkan spesifikasi AR (1), MA (1), atau ARMA (1,1) ke persamaan rata-rata
perkiraan regresi GJR-GARCH (1,1) kami. Hasil dan kesimpulan keseluruhan konsisten dengan temuan kami sebelumnya.

4. Kesimpulan

Dalam studi ini, kami mengeksplorasi bagaimana pengumuman COVID-19 dan tindakan tegas pemerintah berdampak pada volatilitas pasar saham.
Hipotesis kami didasarkan pada keyakinan bahwa konteks informasi yang diperkenalkan relevan dengan dampak informasi terhadap volatilitas. Dengan
membedakan konteks pasar maju dan pasar berkembang, kami menemukan bukti empiris kuat yang mendukung hipotesis kami, yaitu, pengumuman serupa
mempunyai dampak berbeda terhadap volatilitas tergantung pada apakah pengumuman tersebut dibuat di konteks pasar maju atau berkembang. Lebih lanjut,
dengan memperkenalkan ukuran volatilitas asimetris dan memperluas rentang observasi kami menjadi sekitar satu tahun masa pandemi, kami membedakan
penelitian kami dari penelitian terkait COVID-19 sebelumnya mengenai volatilitas yang selanjutnya dapat membantu untuk memahami dampak pengumuman
COVID-19. pada volatilitas pasar saham.
Selain itu, hasil penelitian kami menawarkan implikasi investasi dan kebijakan yang baru dan penting. Pertama, hubungan volatilitas pasar saham dan
informasi COVID-19 yang dikondisikan secara berbeda oleh konteks pasar negara maju dan negara berkembang akan memberikan wawasan yang berguna
mengenai penilaian risiko bagi para manajer portofolio global. Kedua, mengingat nasib lembaga-lembaga keuangan besar (termasuk dana pensiun masyarakat)
sangat dipengaruhi oleh kinerja pasar saham, temuan kami menunjukkan bahwa pemerintah,

7
Machine Translated by Google

W. Bakry dkk. Surat Penelitian Keuangan 46 (2022) 102350

Tabel 6
Uji ketahanan – Pengaruh kasus terkonfirmasi COVID-19, kematian, pemulihan, dan ketatnya respons kebijakan pemerintah terhadap volatilitas
pasar saham negara berkembang dan negara maju.
Pasar Pasar Berkembang Pasar Maju (3)
(1) (2) (4)
Model Efek Tetap: AR(1), MA(1) atau Efek Tetap: AR(1), MA(1) atau Efek Acak:AR(1), MA(1) atau Efek Tetap: AR(1), MA(1) atau
Spesifikasi Model ARMA(1,1)–GJR–GARCH (1,1). Model ARMA(1,1)–GJR–GARCH (1,1). model ARMA(1,1–GJR–GARCH Model ARMA(1,1)–GJR–GARCH (1,1).
(1,1).
Variabel VOL VOL VOL VOL

CC 0,0023*** 0,0023*** 0,0031** 0,0027*

(0,001) (0,001) (0,001) (0,002)
dr 0,1632*** 0,1656*** -0,0044 -0,0073
(0,033) (0,033) (0,042) (0,042)
RR -0,0034* -0,0035** -0,0020 -0,0024
(0,002) (0,002) (0,004) (0,004)
GSI 0,0087*** -0,0102***
(0,002) (0,004)
SI1 0,0152 -0,059
(0,027) (0,046)
SI2 0,1317*** -0,0610
(0,034) (0,059)
SI3 -0,1305*** -0,1683***
(0,042) (0,062)
SI4 -0,0035 -0,1046**
(0,025) (0,048)
SI5 -0,0550 0,4829***
(0,042) (0,124)
SI6 0,0343 0,0930
(0,036) (0,061)
SI7 0,1012*** -0,0209
(0,037) (0,064)
SI8 0,1138*** -0,1975***
(0,025) (0,054)
SI9 0,0701 0,0139
(0,053) (0,097)
dalam(MV) 0,0014*** 0,0014*** 0,0002 0,0003
(0,000) (0,000) (0,000) (0,002)
dalam(PE) -0,0031*** -0,0031*** -0,0038*** -0,0046***
(0,001) (0,001) (0,001) (0,001)
DY 0,0411*** 0,0407*** -0,0377** -0,0462**
(0,012) (0,012) (0,019) (0,020)
UGD 0,0332*** 0,0325*** 0,0999*** 0,1022***
(0,009) (0,009) (0,031) (0,031)
PfizerAnn 0,0024* 0,0026* 0,0034 0,0035
(0,001) (0,001) (0,002) (0,002)
PfizerVAC 0,0015 0,00167 0,0019 0,0018
(0,001) (0,001) (0,002) (0,002)
USelec 0,0009 0,0009 0,0009 0,0008
(0,001) (0,001) (0,002) (0,002)
Ban Pendek 0,0004 0,0004 -0,0013** -0,0013**
(0,000) (0,000) (0,001) (0,001)
Boneka siang hari Ya Ya Ya Ya
Konstan - 0,0215*** -0,0084* 0,0102** 0,0116
(0,005) (0,005) (0,005) (0,003)
Pengamatan 6,504 6,504 4,065 4,065
R2 0,4475 0,4516 0,5683 0,5681
Masalah> F 0,0000 0,0000 0,0000
Masalah > chi2 0,0000
tes Hausman 34.51*** 48.66*** 5.29 134.61***
tes LM 507.25***

Tabel ini menyajikan hasil uji ketahanan pasar saham terhadap berita COVID-19 dan kebijakan respons pemerintah. Volatilitas return saham (VOL),
dengan batasan AR(1), MA(1) atau ARMA(1,1) pada persamaan mean model GJR–GARCH (1,1), merupakan variabel dependen di semua model dan
diukur sebagai varian harian tanpa syarat dari model GJR–GARCH (1,1) dari indeks pasar saham utama negara-negara berkembang dan maju. Variabel
independennya adalah tingkat kasus terkonfirmasi baru (CC) harian COVID-19, tingkat kematian harian (DR), tingkat kesembuhan harian (RR), Indeks
Keketatan Respons Pemerintah (SI) COVID-19, logaritma natural total nilai pasar harian. dalam USD (ln(MV)), logaritma natural rasio PE harian di
seluruh pasar (ln(PE)), hasil Dividen (DY) di seluruh pasar harian , persentase perubahan nilai tukar harian (ER). Hari Pengumuman Vaksin COVID-19
Pfizer-BioNTech (PfizerAnn), hari pelaksanaan Vaksin COVID-19 Pfizer-BioNTech (PfizerVAC), hari pemilu AS tahun 2020 (USelec) , dan larangan short-
selling (ShortSban) adalah variabel tiruan yang sama dengan 1 untuk peristiwa tersebut hari dan 0 sebaliknya. SI1 hingga SI9 merupakan indikator
intervensi pemerintah Indeks Ketat yang berbeda di negara i pada hari t. Definisi rinci dari variabel-variabel diberikan pada Tabel 2. Angka-angka dalam
tanda kurung adalah kesalahan standar yang kuat. *, **, dan *** masing-masing menunjukkan signifikansi pada tingkat 10%, 5%, dan 1%.

8
Machine Translated by Google

W. Bakry dkk. Surat Penelitian Keuangan 46 (2022) 102350

khususnya di negara-negara berkembang, harus mempertimbangkan secara hati-hati untuk menyesuaikan respons peraturan terhadap pandemi dengan konteks nasional
yang spesifik untuk meminimalkan dampak buruknya terhadap keuangan. Dan yang terakhir, reformasi jangka panjang untuk meningkatkan kualitas kelembagaan tata
kelola di negara-negara berkembang akan memitigasi dampak negatif volatilitas pasar saham, terutama yang berkaitan dengan guncangan eksogen, seperti pandemi.

Berdasarkan literatur sebelumnya, kami menyarankan bahwa faktor-faktor seperti ketergantungan pada pemerintah, kualitas tata kelola, kepercayaan terhadap
sesama warga negara serta pemerintah, dan tingkat individualisme serta penghindaran ketidakpastian yang tertanam dalam budaya nasional mungkin dapat menjelaskan
mengapa perilaku investor berbeda di kedua negara. kategori pasar. Selain itu, eksplorasi empiris dan pembuktian faktor-faktor ini, terutama ketika membedakan antara
konteks pasar negara berkembang dan pasar maju, diperlukan dan kemungkinan besar akan menghasilkan pemahaman yang lebih komprehensif mengenai volatilitas
pasar saham. Mengingat penggunaan vaksin COVID-19 dalam beberapa bulan terakhir di banyak negara, dampak popularitas vaksin di berbagai negara terhadap
volatilitas pasar saham juga merupakan area yang perlu diteliti di masa depan. Selain langkah-langkah respons yang ketat, mengeksplorasi dampak dari kebijakan
pengendalian pemerintah dan kesehatan, serta respons kebijakan dukungan ekonomi terhadap volatilitas, juga dapat bermanfaat dalam penelitian di masa depan.

Pernyataan Penulis

Pernyataan kontribusi kepenulisan CReditT: Walid

Bakry: Konseptualisasi, Kurasi data, Metodologi, Perangkat Lunak, Analisis formal, Administrasi proyek, Penulisan - draf asli, Penulisan - review & penyuntingan.
Peter Kavalamthara: Konseptualisasi, Administrasi proyek, Penulisan - draf asli, Penulisan - review & penyuntingan. Vivienne Saverimuttu: Konseptualisasi, Administrasi
proyek, Penulisan - draf asli, Penulisan - review & penyuntingan. Yiyang Liu: Konseptualisasi, Penulisan - review & penyuntingan. Sajan Cyril: Konseptualisasi, Penulisan
- review & penyuntingan.

Deklarasi Kepentingan Bersaing

Tidak ada.

Ucapan Terima Kasih

Penulis mengucapkan terima kasih sebesar-besarnya kepada Prof. Girijasankar Mallik dan Prof. Partha Gangopadhyay atas komentar dan rekomendasi mereka yang
berharga sehubungan dengan metodologi yang diterapkan dalam penelitian ini. Penulis juga berterima kasih kepada Dr. Edward Mariyani-Squire dan Dr. Audil Rashid
serta atas komentar dan sarannya yang bermanfaat. Akhir kata, penulis mengucapkan terima kasih kepada Prof. Jonathan Batten (pemimpin redaksi) dan para wasit
anonim atas komentarnya yang sangat membangun.

Bahan pelengkap

Materi pelengkap terkait artikel ini dapat ditemukan, dalam versi online, di doi:10.1016/j.frl.2021.102350.

Referensi

Albulescu, CT, 2021. COVID-19 dan volatilitas pasar keuangan Amerika Serikat. Res Keuangan. Biarkan. 38, 101699 https://doi.org/10.1016/j.frl.2020.101699.
Ashraf, BN, 2020. Reaksi pasar saham terhadap COVID-19: Memoderasi peran budaya nasional. Res Keuangan. Lett., 101857 https://doi.org/10.1016/j.frl.2020.101857.
Badiani, AA, Patel, JA, Ziolkowski, K., Nielsen, FBH, 2020. Pfizer: Vaksin ajaib untuk COVID-19? Praktik Kesehatan Masyarakat. 1, 100061 https://doi.org/10.1016/j.
puhip.2020.100061.
Baek, S., Mohanty, SK, Glambosky, M., 2020. COVID-19 dan volatilitas pasar saham: Analisis tingkat industri. Res Keuangan. Biarkan. 37, 101748 https://doi.org/
10.1016/j.frl.2020.101748.
Baig, AS, Butt, HA, Haroon, O., Rizvi, S., 2021. Kematian, kepanikan, lockdown dan pasar ekuitas AS: Kasus pandemi COVID-19. Res Keuangan. Biarkan. 38, 101701
https://doi.org/10.1016/j.frl.2020.101701.
Cheng, I., 2020. Volatilitas pasar kurang bereaksi terhadap tahap awal pandemi COVID-19. Pendeta Harga Aset. Pejantan. 10 (4), 635–668. https://doi.org/10.1093/
rapstu/raaa010.
Chiah, M., Zhong, A., 2020. Trading dari rumah: dampak COVID-19 terhadap volume perdagangan di seluruh dunia. Res Keuangan. Biarkan. 37, 101784 https://doi.org/
10.1016/j.frl.2020.101784.
Choi, S., 2020. Volatilitas industri dan ketidakpastian ekonomi akibat pandemi COVID-19: bukti dari analisis koherensi wavelet. Res Keuangan. Biarkan. 37, 101783
https://doi.org/10.1016/j.frl.2020.101783.
Demirer, R., Kutan, AM, Chen, C., 2010. Apakah investor berkumpul di pasar saham negara berkembang?: Bukti dari pasar Taiwan. J.Ekon. Berperilaku. Organisasi. 76 (2), 283–295.
https://doi.org/10.1016/j.jebo.2010.06.013.
Engelhardt, N., Krause, M., Neukirchen, D., Posch, PN, 2021. Kepercayaan dan volatilitas pasar saham selama krisis COVID-19. Res Keuangan. Biarkan. 38, 101873 https://doi.
org/10.1016/j.frl.2020.101873.
Fernandez-Perez, A., Gilbert, A., Indriawan, I., Nguyen, NH, 2021. Pandemi COVID-19 dan respons pasar saham: efek budaya. J. Perilaku. Contoh. Keuangan 29,
100454. https://doi.org/10.1016/j.jbef.2020.100454.
Dutta, A., 2014. Pemodelan volatilitas: Model GARCH simetris atau asimetris? J.Stat. 12 (2), 99–108. http://scientificadvances.co.in/artical/4/154.
Glosten, LR, Jagannathan, R., Runkle, DE, 1993. Tentang hubungan antara nilai yang diharapkan dan volatilitas return nominal berlebih pada saham. J. Keuangan 48 (5), 779–1801.
https://doi.org/10.1111/j.1540-6261.1993.tb05128.x.
Gunay, S., Bakry, W., Al-Mohamad, S., 2021. Reaksi Pasar Saham Australia terhadap gelombang pertama pandemi COVID-19 dan kebakaran hutan musim panas yang kelam: a
analisis sektoral. J. Pembiayaan Risiko. Mengelola. 14 (175), 175. https://doi.org/10.3390/jrfm14040175.
Haldar, A., Sethi, N., 2021. Dampak berita COVID-19 terhadap volatilitas pasar keuangan global. Banteng. Monet. ekonomi. Bank. 24, 33–58. https://doi.org/10.21098/bemp.
v24i0.1464.

9
Machine Translated by Google

W. Bakry dkk. Surat Penelitian Keuangan 46 (2022) 102350

Hale, T., Angrist, N., Kira, B., Petherick, A., Phillips, T., Blavatnik, Webster, S., 2020. Variasi tanggapan pemerintah terhadap COVID-19. Dalam: Seri Kertas Kerja BSG, BSG-WP-2020/032,
Versi 6.0. Tersedia di. https://euagenda.eu/upload/publications/bsg-wp-2020-032-v6.0.pdf.pdf [diakses 1 Maret 2021].
Harjoto, MA, Rossi, F., Lee, R., Sergi, BS, 2020. Bagaimana reaksi pasar ekuitas terhadap COVID-19? Bukti dari negara-negara berkembang dan maju. J.Ekon. Bis. 105966 https://doi.org/
10.1016/j.jeconbus.2020.105966.
Hausman, JA, 1978. Spesifikasi uji ekonometrik. Ekonometrika 46 (6), 1251–1271. https://doi.org/10.2307/1913827.
Ibrahim, I., Kamaludin, K., Sundarasen, S., 2020. COVID-19, Respons pemerintah, dan volatilitas pasar: bukti dari pasar maju dan berkembang di Asia-Pasifik. Ekonomi 8 (4), 105. https://doi.org/
10.3390/economies8040105.
Li, Y., Liang, C., Ma, F., Wang, J., 2020. Peran IDEMV dalam memprediksi volatilitas pasar saham Eropa selama pandemi COVID-19. Res Keuangan. Biarkan. 36,
101749.https ://doi.org/10.1016/j.frl.2020.101749.
Mazur, M., Dang, M., Vega, M., 2021. COVID-19 dan jatuhnya pasar saham Maret 2020. Bukti dari S&P1500. Res Keuangan. Biarkan. 38, 101690 https://doi.org/
10.1016/j.frl.2020.101690.
Mirza, N., Naqvi, B., Rahat, B., Rizvi, SKA, 2020. Reaksi harga, waktu volatilitas dan kinerja dana selama Covid-19. Res Keuangan. Biarkan. 36, 101657 https://doi.org/10.1016/j.frl.2020.101657 .

Neaime, S., 2016. Krisis keuangan dan kerentanan penularan pasar saham MENA. Muncul. Tanda. Wahyu 27, 14–35. https://doi.org/10.1016/j.
ememar.2016.03.002.
Onali, E., 2020. COVID-19 dan volatilitas pasar saham. Tersedia di SSRN: https://ssrn.com/abstract=3571453 atau https://doi.org/10.2139/ssrn.3571453.
Onan, M., Salih, A., Yasar, B., 2014. Dampak pengumuman makroekonomi terhadap kemiringan volatilitas tersirat dari opsi SPX dan VIX. Res Keuangan. Biarkan. 11 (4), 454–462.
https://doi.org/10.1016/j.frl.2014.07.006.
Sharma, SS, 2020. Catatan tentang volatilitas pasar Asia selama pandemi COVID-19. Ekonomi Asia. Biarkan. 1 (2) https://doi.org/10.46557/001c.17661.
Tripathi, A., Pandey, A., 2021. Penyebaran informasi di pasar global selama penyebaran pandemi COVID-19. Int. Pendeta Ekon. Keuangan 74, 103–115.
https://doi.org/10.1016/j.iref.2021.02.004.
Uddin, M., Chowdhury, A., Anderson, K., Chaudhuri, K., 2021. Dampak pandemi COVID –19 terhadap volatilitas pasar saham global: dapatkah kekuatan ekonomi membantu
mengelola ketidakpastian? J.Bus. Res. 128, 31–44. https://doi.org/10.1016/j.jbusres.2021.01.061.
Wagner, AF, 2020. Apa yang disampaikan pasar saham kepada kita tentang dunia pasca-COVID-19. Nat. Bersenandung. Berperilaku. 4 (5), 440. https://doi.org/10.1038/s41562-020-0869-y.
Wang, Y., 2021. Kebijakan pemerintah, budaya nasional, dan jarak sosial selama gelombang pertama pandemi COVID-19: bukti internasional. Saf. Sains. 135,
105138 https://doi.org/10.1016/j.ssci.2020.105138.
Zaremba, A., Kizys, R., Aharon, DY, Demir, E., 2020. Pasar yang terinfeksi: Novel virus corona, intervensi pemerintah, dan volatilitas return saham di seluruh dunia.
Res Keuangan. Biarkan. 35, 101597 https://doi.org/10.1016/j.frl.2020.101597.
Zhang, D., Hu, M., Ji, Q., 2020. Pasar keuangan di bawah pandemi global COVID-19. Res Keuangan. Biarkan. 36, 101528 https://doi.org/10.1016/j.frl.2020.101528.

10