Oleh:
WACHID PRIYADI
C2C022027
Oleh:
WACHID PRIYADI
C2C022027
Oleh:
WACHID PRIYADI
C2C022027
Pembimbing I Pembimbing II
I. PENDAHULUAN ......................................................................................... 1
1.1 Latar Belakang ............................................................................................... 1
1.2 Rumusan Masalah .......................................................................................... 5
1.3 Tujuan Penelitian ........................................................................................... 7
1.3.1 Tujuan Umum ................................................................................................ 7
1.3.2 Tujuan Khusus ............................................................................................... 8
1.4 Ruang Lingkup Penelitian ............................................................................. 9
1.5 Manfaat Penelitian ......................................................................................... 9
1.5.1 Teoritis ........................................................................................................... 9
1.5.2 Praktis ............................................................................................................ 9
sensitif, perubahan tersebut tergantung pada keadaan ekonomi maupun politik suatu
negara. Menurut Bekaert dan Wu (2000) volatilitas pasar saham juga dapat
19 muncul sebagai berita negatif dan memberikan dampak yang cukup parah
Volatilitas Indeks
90
80
70
60
50
40
30
20
10
0
06/03/2020 06/04/2020 06/05/2020 06/06/2020
Open Close
Crises (GFC) 2007-2009. Selain itu, indeks volatilitas keuangan (VIX), telah
bergerak ke tingkat paling atas, lebih tinggi dibanding era GFC (Gambar 1 dan
2
menyerupai GFC.
Volatilitas Indeks
90
80
70
60
50
40
30
20
10
0
Open Close
langsung dan tidak langsung. Kelompok studi pertama mengukur dampak langsung
dan kasus kematian. Studi yang dilakukan oleh Al-Awadhi et al., (2020), Ali et al.,
bidang keuangan khususnya dalam sektor investasi pasar saham. Kelompok studi
kedu berfokus pada sentimen yang diberikan COVID-19 pada pasar saham. Google
yang berdampak pada investor ritel (Da et al., 2011 dan Smales, 2021).
kebijakan yang diambil seperti lockdown dan bantuan berupa relaksasi peraturan
3
dalam ruang lingkup pasar modal (Szczygielski, Charteris et al., 2023). Studi
pengembalian pasar saham global (Szczygielski, Bwanya et al., 2021 dan Capelle-
dicerminkan bersama dengan pengaruh lain seperti hasil pemilu Amerika Serikat
COVID-19 menghasilkan dampak negatif bagi pasar saham negara maju maupun
Liu, 2020; Papadamou et al., 2020; Smales, 2021a; Szczygielski, Bwanya et al.,
dan lintas negara, industri dan perusahaan (Smales, 2021b; Szczygielski, Charteris
sentimen COVID-19 melalui kata kunci pada pencarian di Google Trends. EMV-
volatilitas, yang diukur berdasarkan jumlah berita terkait penyakit menular dan
(Dzielinski, 2012; Da et al., 2015; Castelnuovo dan Duc Tran, 2017; Bontempi et
al., 2019). Maka fluktuasi dalam Relative Search Volume dapat diartikan sebagai
4
indikator ketidakpastian atau kekhawatiran investor ritel (Da et al., 2015; Lyócsa et
al., 2020; Smales, 2021a; Szczygielski, Bwanya, et al., 2021). Dampak Relative
Markellos, 2012 dan Moussa et al., 2017). Dampak ini bahkan dapat meluas
menjadi krisis finansial global, seperti yang terlihat dalam dampak krisis COVID-
Terdapat keterkaitan antara Google Trends dan indeks lain, seperti Indeks
Economic Policy Uncertainty (EPU) (Ma et al., 2022). EPU, diukur melalui jumlah
jangka pendek dan panjang pada volatilitas pasar saham. Penelitian ini memberi
konteks pada potensi efek yang lebih luas dari COVID-19 pada volatilitas pasar
bervariasi dalam rentang waktu, negara, industri, dan perusahaan tertentu (Smales,
Bakry et al., (2022) berpendapat bahwa terdapat perbedaan dalam volatilitas pasar
(https://www.msci.com/what-is-an-emerging-market).
5
volatilitas pasar saham, namun belum spesifik dilakukan di dalam ruang lingkup
pasar saham Indonesia. Menurut temuan Bakry et al. (2022), faktor yang signifikan
Policy Uncertainty (EPU) yang dikembangkan oleh Ma et al. (2022) sebagai alat
pemahaman yang lebih mendalam tentang bagaimana respon investor ritel di pasar
dalam penelitian yang secara khusus mengkaji pengaruh variabel sentimen terkait
2021; Szczygielski, Charteris, et al., 2021; Costola et al., 2023) dan indeks EPU
(Ma et al., 2022) sebagai variabel independen yang diukur melalui Relative Search
faktor ini dengan volatilitas pasar saham, minimnya penelitian yang secara spesifik
6
memfokuskan pada pasar saham Indonesia menjadikan penelitian ini relevan untuk
dilakukan.
penelitian sebelumnya (research gap) dengan mendalami isu ini lebih lanjut dan
seperti indeks EMV-ID dan variabel kebijakan pemerintah seperti indeks EPU
Market?".
tentang peran Google Trends sebagai alat untuk sentimen COVID-19 terhadap
volatilitas pasar saham dengan menggunakan indeks EMV-ID dan indeks EPU pada
No Penulis Hasil
No Penulis Hasil
kebijakan vaksin.
Pada penelitian ini ruang lingkup dibatasi pada variabel Volatilitas Pasar
diukur dengan indek EPU yang diperoleh melalui Relative Search Volume di
Google Trends. Periode pengamatan penelitian dibatasi selama 3 tahun yaitu dari
1.5.1 Teoritis
1.5.2 Praktis
BAB II
TELAAH PUSTAKA DAN PENGEMBANGAN HIPOTESIS
fluktuasi atau perubahan harga yang signifikan dalam suatu periode waktu tertentu
(Andersen et al, 2001). Volatilitas pasar saham mengindikasikan tingkat risiko atau
ketidakpastian yang ada di pasar saham, diukur berdasarkan variasi harga saham
dari waktu ke waktu (Engle, 1982; Nelson, 1991; Glosten et al., 1993). Volatilitas
dengan investasi saham. Semakin tinggi volatilitas, semakin besar fluktuasi harga
saham dan semakin besar tingkat ketidakpastian bagi para investor (Black, 1976).
Sehingga volatilitas pasar saham dapat didefinisikan sebagai ukuran statistik yang
pengaruh yang signifikan terhadap volatilitas pasar saham (Baek et al., 2020; Shehzad
Engelhardt et al., 2021; Nguyen et al., 2023), dan gejolak dalam kebijakan moneter
(Engle, 1982) dapat menciptakan fluktuasi harga yang tinggi pada pasar saham.
membawa dunia menuju krisis keuangan yang lebih berbahaya daripada Global
Financial Crisis (GFC) pada tahun 2007-2009. Selain itu, Adam (2020)
melaporkan bahwa pasar keuangan hampir runtuh seperti saat krisis keuangan pada
tahun 2008. Studi yang dilakukan oleh Shehzad et al., (2020) menunjukkan bahwa
yang lebih besar pada variansi pasar saham AS, Jerman, dan Italia daripada GFC.
pasar saham (Van Robays, 2016). Volatilitas pasar saham kerap terjadi karena
adanya sentimen negatif yang diberikan oleh media maupun analisis (Vlastakis dan
Markellos, 2012b), variasi harga cenderung terbentuk dengan sangat sensitif jika
sentimen negatif diterima oleh investor secara berlebihan. Dalam kondisi tersebut,
unsur ketidakpastian, mulai dari berita-berita tentang ramalan yang buruk bahkan
hingga kehancuran sebuah pasar saham (Vlastakis dan Markellos, 2012b). Dalam
era digital sekarang informasi mudah untuk didapatkan namun kemudahan tersebut
tidak disertai dengan kecerdasan emosional. Secara psikologi individu akan merasa
terancam dan panik ketika memperoleh informasi diluar kemampuan mereka, tidak
informasi negatif yang mereka terima mengenai masa depan pasar saham (Tantaopas
Beberapa faktor anteseden yang relevan dengan volatilitas pasar saham yang
pertama adalah sentimen pasar dan keyakinan investor. Studi terbaru menggunakan
mengukur perhatian dan sentimen terkait COVID-19 dengan fokus pada media juga
telah dirumuskan dan digunakan. Baker dkk. (2020) memperluas indeks Economic
EMV, artikel surat kabar penghitung indeks harian yang berisi setidaknya
satu istilah yang berkaitan dengan ekuitas, pasar, dan volatilitas, diskalakan
berdasarkan jumlah artikel yang terkait dengan penyakit menular. Nilai yang lebih
terhadap COVID-19 seperti indeks Media Hype dan Media Coverage (masing-
masing MHI dan MCI) yang mengukur persentase semua sumber berita dan semua
mendokumentasikan bahwa perhatian media yang lebih besar yang ditangkap oleh
prediksi dengan kombinasi data Google Trends dan variabel makroekonomi dapat
prospek bisnis dan pasar saham. Tanggapan pemerintah dikuantifikasi oleh Oxford
14
Mobility Trackers (masing-masing GMT dan AMT) juga telah digunakan untuk
oleh pemerintah. Mobilitas fisik dapat dilihat sebagai ukuran penahanan de facto
Bwanya, et al., 2021) maupun dampak dengan efek positif (Capelle-Blancard dan
Desroziers, 2020). Penelitian juga mengkaji dampak dari aspek-aspek tertentu dari
terhadap return saham (Ashraf, 2020b; Narayan et al., 2020). Sebaliknya, kebijakan
terkait physical distancing dan lockdown memiliki efek negatif pada pengembalian
saham (Ashraf, 2020b; Aggarwal et al., 2021). Namun demikian, bukti dampak
positif dari lockdown terhadap pengembalian saham global juga telah ditemukan
and market uncertainty indices (TEU dan TMU), survei ekspektasi bisnis, dan
Economic Policy Uncertainty ( EPU) indeks Baker et al. (2016) yang terdiri dari
liputan surat kabar tentang ketidakpastian terkait kebijakan, jumlah ketentuan kode
mereka mengalami 'lonjakan' yang signifikan selama krisis COVID-19 (Altig et al.,
15
2020; Barrero & Bloom, 2020; Caggiano et al., 2020). Selain itu, penelitian
menunjukkan bahwa VIX dan TMU telah bergerak erat dengan Tren Penelusuran
saham pada variabel-variabel lain yang relevan. Faktor pertama adalah perubahan
dalam persepsi dan minat publik yang tercermin melalui Google Trends. Artikel
oleh Szczygielski et al., (2023) menunjukkan bahwa tingkat pencarian dan minat
masyarakat terhadap kata kunci terkait dengan pasar saham dapat berhubungan
dengan volatilitas harga saham. Tingkat minat publik yang tinggi dapat memicu
fluktuasi harga yang lebih besar dan volatilitas yang lebih tinggi (Glosten dan
Milgrom, 1985; Na dan Kim, 2021; Vlastakis dan Markellos, 2012b). Faktor kedua
seperti Gross Domestic Product, Producer Price Index dan Industrial Production
mengukur sentimen investor ritel. Data yang diperoleh merupakan sekumpulan data
yang dihimpun dalam angka yang disebut sebagai Relative Search Volume, data
tersebut menunjukan minat pencarian masyarakat pada kurun waktu mingguan. Hal
16
sering diakses oleh masyarakat, artikel berita tersebut memuat berbagai informasi
COVID-19, kondisi ekonomi yang tidak stabil akan menuntut pembuatan artikel
berita yang membawa konotasi negatif. Ramalan dan pandangan terkait masa depan
seringkali dibungkus dalam sebuah perspektif yang sangat kuat dengan didukung
oleh beberapa data. Semakin baik keadaan suatu negara maka semakin baik pula
informasi dalam artikel yang dibuat, kondisi yang baik akan memberikan efek
suatu wilayah geografis dan periode waktu tertentu. Indeks ini didasarkan pada
konsep "bagian pencarian," yaitu jumlah total pencarian untuk istilah tertentu dalam
wilayah tersebut selama periode waktu yang diamati. Indeks bagian pencarian
bagian pencarian pada tanggal awal observasi dinormalisasi menjadi nol (Choi dan
Varian, 2011).
17
pencarian kata kunci tertentu di mesin pencari Google melalui layanan Google
Insights for Search. Data ini digunakan untuk mengukur minat global pengguna
internet terhadap topik tertentu dan dapat digunakan sebagai prediktor potensial
untuk volatilitas pasar valuta asing. Demikian pula, Xu et al., (2019) menggunakan
Google Trends sebagai variabel yang mengukur minat atau perhatian masyarakat
terhadap suatu topik yang dicari melalui mesin pencari Google. Salisu et al., (2021)
mesin pencari Google, yang kemudian diubah secara logaritmik dan didekomposisi
pencarian suatu topik tertentu di mesin pencari Google (Agarwal et al., 2019).
Platform ini digunakan sebagai proxy untuk mengukur perhatian investor terhadap
saham tertentu atau pasar saham secara keseluruhan. Selain itu, Bijl et al., (2016)
tertentu. Sementara itu, Said dan Slim (2022) menyebutkan bahwa Google Trends
adalah variabel yang tersedia untuk umum dari Google Inc. yang mencatat jumlah
pencarian untuk kueri pencarian tertentu. Namun, Google Trends tidak memberikan
angka absolut, melainkan nilai relatif. Data ini kemudian dinormalisasi dengan
skala tertinggi dan dikalikan dengan 100. Variabel Google Trends digunakan untuk
18
Google Trends sebagai alat analisis tren popularitas dan minat pengguna
dapat sangat bermanfaat dalam memahami volatilitas pasar saham. Menurut sebuah
volatilitas pasar saham dengan memantau tingkat minat dan pencarian online terkait
saham dan industri tertentu (Choi et al, 2011). Ini menunjukkan bahwa melalui
penggunaan Google Trends, investor dan analis dapat mendapatkan wawasan yang
lebih baik tentang perubahan minat dan perilaku investor yang dapat berdampak
Internet search engine queries dan social media data dapat digunakan
Kanada (Yang et al., 2023). Mudahnya akses informasi oleh masyarakat menjadi
faktor pendukung dalam prediksi tersebut. Informasi yang diperoleh berasal dari
berbagai sumber yang diakses melalui search engine maupun tagar di social media
informasi manajemen limbah yang mudah dipahami dan dapat diakses oleh
19
baik.
bertindak dan berpikir, pemanfaatan data pencarian terkait topik tertentu dapat
peristiwa. Dalam bidang keuangan pasar modal sentimen yang muncul dari media
dapat menentukan reaksi terhadap perubahan harga pada indeks pasar saham
maupun pada harga saham perusahaan. Publikasi pada media online menjadi sarana
informasi yang dapat memberikan gambaran bagaimana keadaaan suatu pasar, baik
regulasi, insentif fiskal, program sosial, subsidi, atau keputusan kebijakan lainnya
negara (Wu, Liu, & Xie, 2021; Almustafa, Jabbouri, & Kijkasiwat, 2023; Aslam, Ferreira,
Ali, Arifa, & Oliveira, 2023; Ghani & Ghani, 2023; dan Liu et al., 2023).
20
ekonomi yang diadopsi oleh pemerintah. EPU diukur menggunakan indeks yang
dikembangkan oleh Baker et al, (2016) yang mencakup tiga dimensi ketidakpastian:
ekonomi yang muncul di media massa (Ma et al., 2022). Semakin tinggi nilai indeks
depan, yang dapat memiliki implikasi signifikan bagi bisnis dan ekonomi secara
regulasi, dan krisis keuangan. Wu et al., (2021) berpendapat bahwa EPU dijelaskan
peristiwa politik. EPU memiliki perhatian yang signifikan dalam literatur karena
volatilitas pasar saham (Al-Thaqeb & Algharabali, 2019). EPU didefinisikan sebagai
21
indeks EPU untuk beberapa negara, termasuk Pakistan, Amerika Serikat (AS),
saham Pakistan. Penggunaan indeks EPU dalam emerging market memiliki alasan
terhadap pasar keuangan dan aktivitas ekonomi secara keseluruhan. Tujuan dari
Saham
perilaku investor yang terlalu bereaksi atau overreaction terhadap berita dan
informasi yang diterima tentang pasar saham. Investor cenderung merespons berita
dengan berlebihan dan berubah-ubah dalam harga saham secara tidak proporsional
dengan informasi yang diterima (DeBondt dan Thaler, 1985). Hal ini dapat terjadi
22
berlebihan terhadap informasi baru. Dalam hal ini, investor yang terlalu bereaksi
terhadap berita dapat menyebabkan fluktuasi harga saham yang signifikan, bahkan
terkait dengan saham dan indeks pasar saham berhubungan positif dengan
volatilitas pasar saham (Bordino et al., 2012). Temuan ini menunjukkan bahwa
tingkat minat dan perhatian masyarakat terhadap saham melalui Google Trends
berhubungan positif dengan volatilitas pasar saham (Baker et al., 2020). Indeks
antara investor mengenai kondisi ekonomi dan moneter. Hasil penelitian ini
positif dengan volatilitas harian pasar saham. Goodell et al., (2021) mendukung
bahwa pemanfaatan dari Artificial intelligence (AI) dan machine learning (ML)
23
Google trends sendiri merupakan salah satu alat berbasis AI dan ML sehingga dapat
perubahan harga suatu saham. Ini menunjukkan bahwa tingkat minat dan pencarian
informasi yang tinggi dalam domain finansial dan ekonomi melalui Google Trends
positif dengan volatilitas pasar saham (Smith, 2012; Kim et al., 2018; Baker et al.,
bahwa minat yang tinggi terhadap informasi finansial melalui pencarian online
Pasar Saham
ekonomi yang diadopsi oleh pemerintah. EPU diukur menggunakan indeks yang
dikembangkan oleh Baker et al, (2016) yang mencakup tiga dimensi ketidakpastian:
ekonomi yang muncul di media massa (Ma et al., 2022). Semakin tinggi nilai indeks
tinggi, perusahaan lebih berhati-hati dalam aktivitas investasi mereka dan lebih
Wu et al., (2021) dalam penelitian menemukan bahwa indeks EPU yang tinggi
Ghani dan Ghani (2023) menghubungkan indeks EPU pada ruang lingkung
terbukti menjadi prediktor yang lebih kuat terhadap volatilitas pasar saham
Dapat disimpulkan bahwa indeks EPU memiliki pengaruh yang cukup kuat bahkan
pasar dapat dimanfaatkan untuk memperoleh abnormal return. Efek tersebut sejalan
dengan prinsip volatilitas pasar saham yang dapat dimanfaatkan juga untuk
Sentimen
COVID-19
Volatilitas Harga
Saham
Kebijakan
Pemerintah
Makroekonomi
hasil uji statistik. Jenis penelitian ini berdasarkan penggunaan data dan sampel
EMV-ID dan variabel kebijakan pemerintah berupa indeks EPU. Subjek pada
Yahoo Finance dan Google Trends. Data dari Yahoo Finance meliputi data harga
pasar saham Indonesia dan harga indeks pasar saham secara mingguan. Penelitian
pemerintah. Data sekunder dari Yahoo Finance dan Google Trends digunakan
pemerintah dengan perubahan harga pasar saham maupun indek pasar saham di
Indonesia.
Data yang digunakan dalam penelitian ini merupakan data sekunder dalam
bentuk excel yang diperoleh dari website Yahoo Finance dan Google Trends.
Periode yang digunakan untuk data tersebut adalah dari tahun 2020 hingga 2022.
metode arsip. Seperti yang dikemukakan oleh Hartono (2012) metode ini sesuai
untuk penelitian dengan menggunakan data sekunder. Dalam penelitian ini, data
sekunder berupa daftar harga saham dan relative search volume yang diperoleh dari
Yahoo Finance dan Google Trends selama periode 2020 sampai 2022.
3.1.6.1 Populasi
Populasi penelitian ini adalah pasar saham dalam ruang lingkup Emergin
Market. Penelitian ini melibatkan harga pasar saham Indonesia dan harga dari
seluruh indeks yang terdaftar di bursa efek Indonesia. Data harga saham yang
3.1.6.2 Sampel
menganalisis harga pasar saham dan indeks pasar saham di Bursa Efek Indonesia.
Periode yang digunakan adalah 3 tahun yaitu mulai dari 2020 hingga 2022 sebagai
Variabel Penelitian
No Variabel Definisi Konseptual Definisi
Operasional
1 Sentimen Penggunaan Google Trends Indeks EMV-ID
COVID-19 mewakili sentimen COVID-19
melalui publikasi pada media
dengan menggunakan data Relative
Search Volume yang diperoleh
secara mingguan. Dengan kata
kunci meliputi:
E = Ekonomi, economic, economy,
finansial, keuangan; M = Pasar
Saham, equity, equities, IHSG,
stock, stock market, saham; V =
Volatility, volatilitas,
ketidakpastian, risiko; ID =
Epidemic, pandemic, pandemi,
virus, flu, wabah, coronavirus.
2 Kebijakan Penggunaan Google Trends Indeks EPU
Pemerintah mewakili ketidakpastian kebijakan
ekonomi melalui publikasi pada
media dengan menggunakan data
Relative Search Volume yang
diperoleh secara mingguan pada.
Dengan kata kunci meliputi:
E = Economic, Ekonomi, economy;
P = Kebijakan, kebijakan
pemerintah, kebijakan fiskal; U =
Ketidakpastian
3 Volatilitas Pasar Perubahan harga pada pasar saham Varian dari
Saham Indonesia Perubahan harga
secara harian
29
Variabel Kontrol
No Variabel Definisi Konseptual Definisi
Operasional
1. IDR fluktuasi nilai mata uang Variasi dari
perubahan nilai
mata uang
rupiah
Uji stasioneritas bertujuan untuk menilai apakah deret waktu (time series)
yang digunakan bersifat stasioner atau tidak. Stasioneritas adalah sifat di mana
statistik suatu seri waktu tidak berubah secara signifikan dari waktu ke waktu.
GARCH lebih efektif dan dapat memberikan hasil yang lebih andal ketika
diterapkan pada data yang bersifat stasioner. Dalam konteks GARCH, stasioneritas
diperlukan untuk memastikan bahwa varians kondisional yang diukur oleh model
GARCH dapat diinterpretasikan dengan benar. Alat analisis yang digunakan adalah
penerimaan :
𝐻1 = nilai p-value < α, maka tidak ada akar unit atau data stasioner
30
Uji normalitas residual digunakan untuk menilai apakah residual dari model
GARCH memiliki distribusi normal atau tidak. Dalam konteks GARCH, asumsi
normalitas pada residual sangat penting karena model ini diasumsikan bekerja
dengan baik ketika residualnya terdistribusi secara normal. Alat analisis yang
digunakan adalah Jarkue-Bera Test (Jarque dan Bera, 1980). Dengan kriteria
penerimaan :
dalam residual sepanjang waktu. Alat analisis yang digunakan adalah Durbin-
𝐻0 = Jika nilai Durbin-Watson mendekati 2 (nilai Tengah diantara 0 dan 4), maka
tidak terdapat autokorelasi positif atau negatif dalam residual pada tingkat pertama.
Uji stabilitas variansi bertujuan untuk menilai apakah varians residual dari
model konstan sepanjang waktu atau tidak. Model GARCH mengasumsikan bahwa
varians residual adalah stabil, tetapi dalam beberapa kasus, varians dapat berubah
sepanjang waktu. Alat analisis yang digunakan adalah Chow Test. Chow Test
31
adalah uji statistik yang digunakan untuk menguji hipotesis bahwa varians dari dua
kelompok observasi adalah sama. Dalam konteks uji stabilitas variansi, kelompok
𝐻0 = nilai p-value > α, Tidak ada perbedaan signifikan dalam varians residual
pasar, metode Univariate GARCH MIDAS (Mixed Data Sampling) menjadi alat
analisis yang sangat relevan dan efektif. Alat analisis ini memungkinkan peneliti
pengaruh dari setiap variabel maka digunakanya tiga kategori lag (3, 12, dan 24)
sehingga dapat diperoleh hasil yang lebih akurat mengenai dampak dari setiap
𝐻1 = nilai p-value < α, maka terdapat dampak statistik yang signifikan dari
parameter
32
Daftar Pustaka
Agarwal, S., Kumar, S., & Goel, U. (2019). Stock market response to information
diffusion through internet sources: A literature review. In International
Journal of Information Management (Vol. 45, pp. 118–131). Elsevier Ltd.
https://doi.org/10.1016/j.ijinfomgt.2018.11.002
Agresti, A. (2002). Categorial Data Analysis (Inc. A John Wikey and Sons, Ed.;
Third).
Almustafa, H., Jabbouri, I., & Kijkasiwat, P. (2023). Economic Policy Uncertainty,
Financial Leverage, and Corporate Investment: Evidence from U.S. Firms.
Economies, 11(2). https://doi.org/10.3390/economies11020037
Andersen, T. G., Bollerslev, T., Diebold, F. X., & Ebens, H. (2001). The
distribution of realized stock return volatility. Journal of Financial
Economics, 61(1), 43–76. https://doi.org/10.1016/S0304-405X(01)00055-1
Antweiler, W., & Frank, M. Z. (2004). Does talk matter? Evidence from a broad
cross section of stocks. University of British Columbia Working Paper.
Aslam, F., Ferreira, P., Ali, H., Arifa, & Oliveira, M. (2023). Islamic vs.
Conventional Equity Markets: A Multifractal Cross-Correlation Analysis
with Economic Policy Uncertainty. Economies, 11(1).
https://doi.org/10.3390/economies11010016
Baek, S., Mohanty, S. K., & Glambosky, M. (2020). COVID-19 and stock market
volatility: An industry level analysis. Finance Research Letters, 37.
https://doi.org/10.1016/j.frl.2020.101748
Bai, L., Wei, Y., Wei, G., Li, X., & Zhang, S. (2021). Infectious disease pandemic
and permanent volatility of international stock markets: A long-term
perspective. Finance research letters, 40, 101709.
33
Baker, S. R., Bloom, N., Davis, S. J., Kost, K., Sammon, M., & Viratyosin, T.
(2020). The unprecedented stock market reaction to COVID-19. In Review of
Asset Pricing Studies (Vol. 10, Issue 4, pp. 742–758). Oxford University
Press. https://doi.org/10.1093/rapstu/raaa008
Bakry, W., Kavalmthara, P. J., Saverimuttu, V., Liu, Y., & Cyril, S. (2022).
Response of stock market volatility to COVID-19 announcements and
stringency measures: A comparison of developed and emerging markets.
Finance Research Letters, 46. https://doi.org/10.1016/j.frl.2021.102350
Bekaert, G., & Wu, G. (2000). Asymmetric Volatility and Risk in Equity Markets.
The Review of Financial Studies, 13(1), 1–42.
https://doi.org/10.1093/rfs/13.1.1
Bijl, L., Kringhaug, G., Molnár, P., & Sandvik, E. (2016). Google searches and
stock returns. International Review of Financial Analysis, 45, 150–156.
https://doi.org/10.1016/J.IRFA.2016.03.015
Bontempi, M. E., Frigeri, M., Golinelli, R., & Squadrani, M. (2019). Uncertainty,
perception, and the internet.
Bordino, I., Battiston, S., Caldarelli, G., Cristelli, M., Ukkonen, A., & Weber, I.
(2012). Web search queries can predict stock market volumes. PloS one, 7(7),
e40014.
Capelle-Blancard, G., & Desroziers, A. (2020). The Stock Market Is Not The
Economy? Insights From The Covid-19 Crisis.
Castelnuovo, E., & Duc Tran, T. (2017). Google It Up! A Google Trends-based
Uncertainty Index for the United States and Australia. www.RePEc.org
Choi, H., & Varian, H. (2011). Predicting the Present with Google Trends.
http://www.census.gov/retail/marts/www/timeseries.html.
Costola, M., Hinz, O., Nofer, M., & Pelizzon, L. (2023). Machine learning
sentiment analysis, COVID-19 news and stock market reactions. Research in
International Business and Finance, 64, 101881.
Da, Z., Engelberg, J., & Gao, P. (2015). The sum of all FEARS investor sentiment
and asset prices. Review of Financial Studies, 28(1), 1–32.
https://doi.org/10.1093/rfs/hhu072
34
Da, Z., Engelberg, J., Gao, P., Hirshleifer, D., Hou, K., Hwang, B.-H., Israelsen,
R., Jagannathan, R., Jennings, R., Lepori, G., Lou, D., Loughran, T.,
Schaumburg, E., & Schultz, P. (2011). In Search of Attention. In THE
JOURNAL OF FINANCE •: Vol. LXVI (Issue 5).
http://www.google.com/trends
Dzielinski, M. (2012). Measuring economic uncertainty and its impact on the stock
market. Finance Research Letters, 9(3), 167–175.
https://doi.org/10.1016/j.frl.2011.10.003
Engelhardt, N., Krause, M., Neukirchen, D., & Posch, P. N. (2021). Trust and stock
market volatility during the COVID-19 crisis. Finance Research Letters, 38.
https://doi.org/10.1016/j.frl.2020.101873
Ghani, M., & Ghani, U. (2023). Economic Policy Uncertainty and Emerging Stock
Market Volatility. Asia-Pacific Financial Markets.
https://doi.org/10.1007/s10690-023-09410-1
Glosten, L. R., & Milgrom, P. R. (1985). Bid, ask and transaction prices in a
specialist market with heterogeneously informed traders. Journal of
Financial Economics, 14(1), 71–100. https://doi.org/10.1016/0304-
405X(85)90044-3
Goodell, J. W., Kumar, S., Lim, W. M., & Pattnaik, D. (2021). Artificial
intelligence and machine learning in finance: Identifying foundations,
themes, and research clusters from bibliometric analysis. Journal of
Behavioral and Experimental Finance, 32, 100577.
Jarque, C. M., & Bera, A. K. (1980). Efficient tests for normality, homoscedasticity
and serial independence of regression residuals. Economics letters, 6(3), 255-
259.
35
Kurniawan, R., Purwanto, A., Monika, A. K., Wahyuni, K. T., Hendrawan, M. Y.,
& Isnaeni, M. A. (2023). Google trends and online media data for supply and
demand information in waste management evaluation in Jakarta. Indonesian
Journal of Electrical Engineering and Computer Science, 30(2), 1140–1149.
https://doi.org/10.11591/ijeecs.v30.i2.pp1140-1149
Liu, M., Ding, S., Pan, Q., Zhang, Y., Zhang, J., Yang, Q., & Fang, T. (2023). Study
on the linkage between macro policy and market effectiveness in China’s
stock market: Based on run test of China’s stock market index. PLoS ONE,
18(2 February). https://doi.org/10.1371/journal.pone.0281670
Lyócsa, Š., Baumöhl, E., Výrost, T., & Molnár, P. (2020). Fear of the coronavirus
and the stock markets. Finance Research Letters, 36, 101735.
https://doi.org/10.1016/J.FRL.2020.101735
Ma, Y., Wang, Z., & He, F. (2022). How do economic policy uncertainties affect
stock market volatility? Evidence from G7 countries. International Journal
of Finance and Economics, 27(2), 2303–2325.
https://doi.org/10.1002/ijfe.2274
Moussa, F., Delhoumi, E., & Ouda, O. Ben. (2017). Stock return and volatility
reactions to information demand and supply. Research in International
Business and Finance, 39, 54–67.
https://doi.org/10.1016/J.RIBAF.2016.07.016
Na, H., & Kim, S. (2021). Predicting stock prices based on informed traders’
activities using deep neural networks. Economics Letters, 204.
https://doi.org/10.1016/j.econlet.2021.109917
Nguyen, H. M., Bakry, W., & Vuong, T. H. G. (2023). COVID-19 pandemic and
herd behavior: Evidence from a frontier market. Journal of Behavioral and
Experimental Finance, 38, 100807.
https://doi.org/10.1016/J.JBEF.2023.100807
Ortmann, R., Pelster, M., & Wengerek, S. T. (2020). COVID-19 and investor
behavior. Finance Research Letters, 37.
https://doi.org/10.1016/j.frl.2020.101717
Said, I. B. E. H., & Slim, S. (2022). The Dynamic Relationship between Investor
Attention and Stock Market Volatility: International Evidence. Journal of
Risk and Financial Management, 15(2).
https://doi.org/10.3390/jrfm15020066
36
Salisu, A. A., Ogbonna, A. E., & Adediran, I. (2021). Stock-induced Google trends
and the predictability of sectoral stock returns. Journal of Forecasting, 40(2),
327–345. https://doi.org/10.1002/for.2722
Shehzad, K., Xiaoxing, L., & Kazouz, H. (2020). COVID-19’s disasters are
perilous than Global Financial Crisis: A rumor or fact? Finance Research
Letters, 36. https://doi.org/10.1016/j.frl.2020.101669
Smales, L. A. (2021a). Title: Investor attention and global market returns during
the COVID-19 crisis. https://www.nytimes.com/article/coronavirus-
timeline.html
Smales, L. A. (2021b). Title: Investor attention and the response of US stock market
sectors to the COVID-19 crisis. https://ssrn.com/abstract=3625487
Smith, G. P. (2012). Google Internet search activity and volatility prediction in the
market for foreign currency. Finance Research Letters, 9(2), 103–110.
https://doi.org/10.1016/J.FRL.2012.03.003
Szczygielski, J. J., Bwanya, P. R., Charteris, A., & Brzeszczyński, J. (2021). The
only certainty is uncertainty: An analysis of the impact of COVID-19
uncertainty on regional stock markets. Finance Research Letters, 43, 101945.
https://doi.org/10.1016/J.FRL.2021.101945
Szczygielski, J. J., Charteris, A., Bwanya, P. R., & Brzeszczyński, J. (2021). The
impact and role of COVID-19 uncertainty: A global industry analysis.
International Review of Financial Analysis, 80.
https://doi.org/10.1016/j.irfa.2021.101837
Szczygielski, J. J., Charteris, A., Bwanya, P. R., & Brzeszczyński, J. (2023). Google
search trends and stock markets: Sentiment, attention or uncertainty?
International Review of Financial Analysis, 102549.
https://doi.org/10.1016/j.irfa.2023.102549
Szczygielski, J. J., Charteris, A., Rutendo Bwanya, P., & Brzeszczyński, J. (2023).
Which COVID-19 information really impacts stock markets? Journal of
International Financial Markets, Institutions and Money, 84.
https://doi.org/10.1016/j.intfin.2022.101592
Vlastakis, N., & Markellos, R. N. (2012a). Information demand and stock market
volatility. Journal of Banking & Finance, 36(6), 1808–1821.
https://doi.org/10.1016/J.JBANKFIN.2012.02.007
Vlastakis, N., & Markellos, R. N. (2012b). Information demand and stock market
volatility. Journal of Banking and Finance, 36(6), 1808–1821.
https://doi.org/10.1016/j.jbankfin.2012.02.007
Wu, X., Liu, T., & Xie, H. (2021). Economic Policy Uncertainty and Chinese Stock
Market Volatility: A CARR-MIDAS Approach. Complexity, 2021.
https://doi.org/10.1155/2021/4527314
Xu, Q., Bo, Z., Jiang, C., & Liu, Y. (2019). Does Google search index really help
predicting stock market volatility? Evidence from a modified mixed data
sampling model on volatility. Knowledge-Based Systems, 166, 170–185.
https://doi.org/10.1016/j.knosys.2018.12.025
Yang, Y., Tsao, S. F., Basri, M. A., Chen, H. H., & Butt, Z. A. (2023). Digital
Disease Surveillance for Emerging Infectious Diseases: An Early Warning
System Using the Internet and Social Media Data for COVID-19 Forecasting
in Canada. Studies in Health Technology and Informatics, 302, 861–865.
https://doi.org/10.3233/SHTI230290
38
Lampiran