Pengujian Carhart Four Factor Model Pada Saham-Saham

Pengujian Carhart Four Factor Model Pada Saham-Saham Perusahaan

Yang Terdaftar Di Bursa Efek Indonesia Periode 2005-2015

Aprisya Falahearlya dan Galih Pandekar

Faculty of Economic and Business, University Indonesia, Depok 16424, Indonesia

E-mail: [email protected]

Abstrak

Penelitian ini bertujuan untuk mengetahui pengaruh faktor pasar (market), ukuran (size), nilai (value), dan

momentum pada Carhart Four Factor Model terhadap excess return portofolio menggunakan metode value

weighted dan equally weighted, mengetahui kemampuan Carhart Four Factor Model dalam menjelaskan variasi

rata-rata imbal hasil (the variation of average return) pada Bursa Efek Indonesia, dan mengetahui pengaruh

variabel momentum di Bursa Efek Indonesia. Dengan menggunakan metode value weighted, hanya faktor pasar

(market) dan faktor nilai (value) yang memiliki pengaruh signifikan terhadap excess return portofolio. Dengan

menggunakan metode equally weighted, hanya faktor pasar (market), faktor ukuran (size), dan faktor nilai

(value) yang memiliki pengaruh signifikan terhadap excess return portofolio. Carhart Four Factor Model

mampu menjelaskan variasi rata-rata imbal hasil (the variation of average return) pada Bursa Efek Indonesia

bila menggunakan metode equally weighted. Variabel momentum tidak berpengaruh secara signifikan di Bursa

Efek Indonesia.

Kata kunci: Carhart Four Factor Model; equally weighted; momentum; value weighted

A Test of Carhart Four Factor Model on Stocks of Companies Listed at the Indonesia Stock Exchange 2005-2015

Abstract

This research aims to determine the effect of market factor, size factor, value factor, and momentum factor on

Carhart Four Factor Model towards portfolio excess return using value weighted and equally weighted method,

to determine the power of Carhart Four Factor Model to capture the variation of average return at the Indonesia

Stock Exchange, and to determine the effect of momentum variable at the Indonesia Stock Exchange. Using

value weighted method, only market factor and value factor which have a significant effect towards portfolio

excess return. Using equally weighted method, only market factor, size factor, and value factor which have a

significant effect towards portfolio excess return. Carhart Four Factor Model is able to capture the variation of

average return at the Indonesia Stock Exchange when using equally weighted method. Momentum variable does

not have a significant effect at the Indonesia Stock Exchange.

Keywords: Carhart Four Factor Model; equally weighted; momentum; value weighted

Pengujian Carhart ..., Aprisya Falahearlya, FEB UI, 2016

Pendahuluan

Seorang investor saham atau sekuritas lainnya akan memanfaatkan informasi terkait

prospek arus kas dari aset tersebut ke depannya untuk menjadi pertimbangan dalam memilih

aset investasi serta dalam merancang strategi investasi. Informasi yang dimaksud dapat

berupa informasi terkait kemampuan membayar dividen, nilai aset di pasar, kinerja

perusahaan, dan informasi lainnya yang mampu mencerminkan kualitas suatu aset agar

investor dapat memutuskan seberapa berharga aset tersebut untuk diinvestasikan. Informasi

tersebut dapat diperoleh dari internal perusahaan maupun dari eksternal perusahaan.

Dalam membuat keputusan investasi, investor juga dipengaruhi oleh faktor psikologi

kognitif sehingga sering berperilaku berlebihan dalam menyikapi suatu informasi. Investor

mudah terguncang psikologisnya dan bereaksi atas apa yang didengar hingga mampu

memengaruhi keseluruhan pasar saham. Investor mampu bereaksi berlebihan saat

memperoleh informasi yang tidak terduga (diharapkan atau tidak diharapkan) yang dapat

mempengaruhi harga (kenaikan atau penurunan) melebihi nilai aktual, sehingga

mencerminkan tingkat efisiensi pasar saham (De Bondt dan Thaller, 1985). Salah satu

penelitian penting dalam sejarah ekonomi terkait konsep efisiensi pasar adalah efficient

capital market yang dipublikasikan oleh Eugene F. Fama pada tahun 1970.

Efisiensi pada teori efficient capital market didefinisikan sebagai kecepatan dan

kelengkapan pasar modal dalam menggabungkan informasi yang relevan ke dalam harga

sekuritas. Pada pasar yang efisien, harga sekuritas sudah mencerminkan seluruh informasi

publik yang tersedia terkait produk suatu perusahaan, keuntungan, kualitas manajemen dan

prospek di masa depan, serta informasi baru yang penting terkait perusahaan yang tersedia

bagi publik (umum). Apabila terdapat data baru, harga akan berubah untuk melakukan

penyesuaian agar mencerminkan secara utuh (fully reflect) dampak dari data baru

(Megginson, 1997).

Fama (1970) membagi Efficient Market Hypothesis (hipotesis efisiensi pasar) menjadi

tiga kategori, yaitu bentuk lemah (weak form), setengah kuat (semi-strong form), dan

kuat (strong form). Pada pasar efisien bentuk lemah (weak form efficient market),

diasumsikan bahwa harga sekuritas telah menggabungkan semua informasi historis yang

relevan. Pada pasar efisien bentuk setengah kuat (semi-strong form efficient market), harga

sekuritas telah mencerminkan seluruh informasi relevan yang tersedia bagi publik (umum).

Pada pasar efisien bentuk kuat (strong form efficient market), diasumsikan bahwa harga


sekuritas telah menggabungkan atau mencerminkan semua informasi relevan, baik informasi

yang bersifat publik (umum) maupun informasi yang bersifat privat (khusus) yang akses

terhadapnya terbatas dan beberapa kali disalahgunakan untuk meraih keuntungan abnormal

tanpa menghiraukan dampaknya secara keseluruhan (Megginson, 1997).

Berdasarkan konsep pasar efisien, dikembangkan suatu model asset pricing oleh

Harry Markowitz (1952) yang kemudian dikenal sebagai Portofolio Markowitz (non-

equilibrium model, belum terdapat keseimbangan antara supply dan demand sehingga masih

ada kecenderungan harga untuk berubah). Teori ini mengasumsikan bahwa imbal hasil

(return) terdistribusi normal dengan memberikan kombinasi portofolio yang memiliki

expected return maksimum dan risiko minimum yang dilihat dari varians. Akan tetapi,

menurut Markowitz (1999) bahwa teorinya gagal untuk memperlihatkan bahwa standar

deviasi sesungguhnya merupakan pengukuran risiko yang lebih bermakna. Selain itu, teorinya

juga tidak memperhitungkan bagian risiko yang tidak dapat didiversifikasi.

Berawal dari ketidaksempurnaan Teori Portofolio Markowitz, maka dikembangkan

model asset pricing baru yakni Capital Asset Pricing Model (CAPM) oleh Sharpe (1964)

yang menambahkan faktor beta sebagai risiko yang tidak dapat didiversifikasi. Model ini

mampu merincikan berapa tambahan imbal hasil (extra return) yang investor harapkan dari

menanggung tingkat risiko tertentu. Akan tetapi, model CAPM banyak dipertanyakan

keakuratannya secara empiris oleh berbagai peneliti sebab belum mampu mengakomodasi

kemunculan berbagai anomali yang merupakan penyimpangan atas Efficient Market

Hypothesis yang secara teoritis dapat dieksploitasi oleh para investor untuk memperoleh

abnormal return. Oleh sebab itu, dikembangkan kembali model asset pricing yang mampu

mengakomodasi dua anomali yang terbukti berpengaruh, yakni size effect dan Book to Market

Equity effect. Model tersebut adalah Fama Frech Three Factor Model oleh Fama and French

(1992,1993) yang menambahkan faktor Small Minus Big (SMB) dan High Minus Low (HML)

ke dalam model CAPM. Pada penelitian lanjutannya, Fama and French (1996)

memperlihatkan bahwa hampir semua anomali yang diketahui signifikan secara empiris

dalam mempengaruhi expected return telah diakomodasi secara efektif dalam Fama French

Three Factor Model buatannya, namun hanya satu anomali dari Jegadeesh and Titman (1993)

yang belum mampu diakomodasi. Anomali tersebut adalah short-term momentum strategy.

Bermula dari keterbatasan Fama French Three Factor Model dalam mengakomodasi

satu-satunya anomali yang belum tertangkap, maka dikembangkan model asset pricing baru,


yakni Carhart Four Factor Model. Model ini dikembangkan oleh Carhart pada tahun 1997

dengan memasukkan faktor momentum (Winners Minus Losers) sebagai representasi dari

anomali berupa short-term momentum strategy yang sebelumnya telah diteliti oleh Jegadeesh

and Titman (1993). Menurut Carhart (1997) bahwa dengan memasukkan faktor momentum

(WML) yang dilihat dari imbal hasil (return) lag satu tahun, modelnya secara nyata mampu

mengurangi average pricing error dari Capital Asset Pricing Model (CAPM) dan Fama

French Three Factor Model.

Sesungguhnya telah dikembangkan kembali model asset pricing yang lebih baru oleh

Fama and French (2015) yakni Fama French Five Factor Model. Akan tetapi bila

dibandingkan dengan model ini, Carhart Four Factor Model memiliki keunggulan yakni

lebih sesuai untuk diaplikasikan pada reksa dana atau portofolio saham individu sedangkan

Fama French Five Factor Model lebih sesuai untuk diaplikasikan pada saham individu.

Reksa dana di Indonesia banyak diinvestasikan oleh para investor pemula, sedangkan

portofolio saham sedang menjadi fokus pemerintah Indonesia untuk ditingkatkan utilisasinya

mengingat 65% kepemilikan saham di Indonesia masih dikuasai oleh asing (Otoritas Jasa

Keuangan, 2015).

Melihat berbagai kondisi di atas, maka peneliti tertarik untuk melakukan pengujian

Carhart Four Factor Model pada saham-saham perusahaan yang terdaftar di Bursa Efek

Indonesia periode 2005-2015 dengan menggunakan dua metode, yakni metode value weighted

yang membobotkan terhadap nilai kapitalisasi pasar dan metode equally weighted yang hanya

membobotkan pada jumlah total imbal hasil (return) seluruh saham yang ada dalam suatu

portofolio. Penggunaan dua metode ini bertujuan untuk melakukan robustnest check sekaligus

untuk mendapatkan hasil yang lebih komprehensif sebab dalam rangka melengkapi

kekurangan dan kelebihan masing-masing metode.

Penelitian ini bertujuan untuk menjawab permasalahan yakni hendak menyelidiki

apakah faktor risiko selain beta pasar yakni faktor ukuran (SmallMinusBig), faktor nilai

(HighMinusLow), serta faktor momentum (WinnersMinusLosers) yang ada pada Carhart

Four Factor Model juga memiliki peran dalam menjelaskan variasi rata-rata imbal hasil

(average returns) di Bursa Efek Indonesia dengan menggunakan metode value weighted dan

equally weighted. Selain itu, penelitian ini juga bertujuan untuk mengetahui apakah Carhart

Four Factor Model mampu menjelaskan variasi rata-rata imbal hasil (the variation of average


return) pada Bursa Efek Indonesia dan apakah variabel momentum berpengaruh di Bursa

Efek Indonesia.

Tinjauan Teoritis

Teori Portofolio Markowitz

Model portofolio dasar telah dikembangkan oleh Harry Markowitz (1952, 1959) yang

berasal dari tingkat pengembalian yang diharapkan (expected rate of return) dan risiko yang

diharapkan untuk suatu portofolio aset. Markowitz memperlihatkan bahwa varians dari

tingkat pengembalian (rate of return) merupakan pengukuran risiko portofolio yang penting

dengan sejumlah asumsi yang beralasan.

Aset tunggal atau portofolio dianggap efisien jika tidak ada aset atau portofolio lain

yang menawarkan imbal hasil yang diharapkan (expected return) lebih tinggi dengan risiko

yang sama atau lebih rendah, atau sebaliknya, risiko yang lebih rendah dengan imbal hasil

yang diharapkan (expected return) sama atau lebih tinggi.

Berikut merupakan beberapa rumus terkait suatu portofolio:

Expected return portfolio = E (Rport) = ωi Ri!!!! (1)

Portfolio standard deviation = !!!!! + !" !" !"# !"!!!!

!!!! !

!!! (2)

dengan: ωi = bobot aset individu dalam portofolio

Ri atau Rj = tingkat imbal hasil (rate of return) aset i atau j

!! = varians tingkat pengembalian (rates of return) aset i

Covij = kovarians antara tingkat pengembalian (rates of return) untuk

aset i dan j

Capital Asset Pricing Model (CAPM)

Capital Asset Pricing Model (CAPM) dikembangkan secara formal oleh Sharpe (1964)

bersama dengan Lintner (1965) Mossin (1966) dan Black (1972). Capital Asset Pricing

Model (CAPM) mengembangkan teori pasar modal dengan membuat investor dapat

mengevaluasi risk-return tradeoff untuk portofolio yang terdiversifikasi dan untuk sekuritas


tunggal (disebut sebagai equilibrium model). CAPM membawa pada pernyataan bahwa imbal

hasil yang diharapkan (expected return) dapat diuraikan menjadi tingkat bunga bebas risiko

(risk-free rate) dan expected risk premium. Hal tersebut dapat tergambar dalam rumus berikut:

E (Ri) = RFR + !" [! !" − !"!] (3)

dengan: E(Ri) = imbal hasil saham individual i yang diharapkan (expected

return)

RFR = tingkat bunga bebas risiko (risk-free rate)

!" = tingkat risiko aset relatif terhadap pasar

! !" = imbal hasil portofolio pasar yang diharapkan (market portfolio

return)

[! !" − !"!] = market risk premium

Fama French Three Factor Model

Termotivasi oleh pertumbuhan bukti empiris atas variabel anomali yang ada maka

Fama and French (1993) membuat suatu studi yang memeriksa joint roles dari beta pasar dan

beberapa variabel spesifik perusahaan dalam rata-rata imbal hasil (average returns) pada

saham-saham di Amerika Serikat. Mereka menemukan bahwa Book-to-Market dan ukuran

(size) memiliki peran dominan dalam menjelaskan rata-rata imbal hasil (average returns).

Pada akhirnya dari sekian banyak model yang mengandung faktor empiris, yang paling

terkemuka adalah Fama and French (1993). Fama French mengusulkan three-factor model

yang mengandung faktor pasar, SMB, dan HML:

(Rp – Rf) = ap + bp (Rm – Rf) + sp (SMB) + hp (HML) + !" (4)

dengan: Rp = imbal hasil portofolio pada periode t

Rf = tingkat bunga bebas risiko (risk-free rate)

(Rp – Rf) = excess return portfolio

Rm = imbal hasil portofolio pasar (market portfolio return)

(Rm – Rf) = market risk premium


SMB = imbal hasil (return) portofolio saham berukuran kecil dan besar

HML = imbal hasil (return) portofolio saham bernilai tinggi dan rendah

ap = intersep

bp, sp, hp = koefisien masing-masing variabel independen

!" = random error terms

Carhart Four Factor Model

Berangkat dari tujuan untuk menangkap anomali momentum lag 1 tahun yang

dikemukakan oleh Jegadeesh and Titman (1993), Carhart (1997) membangun sebuah faktor

risiko yang berhubungan dengan efek momentum (WML) dan mengusulkan four factor model

dengan menambahkan faktor risiko ini ke dalam Fama French Three Factor Model. Faktor

keempat Carhart didasarkan pada keinginan memegang saham winners serta menjual saham

losers atas dasar keuntungan dari satu tahun sebelumnya. Untuk mereplikasikan faktor

momentum tersebut, WML didefinisikan sebagai selisih antara imbal hasil (return) portofolio

saham winners dengan imbal hasil (return) portofolio saham losers. Carhart menemukan

bahwa dibandingkan dengan Fama French Three Factor Model, modelnya mampu

mengurangi average pricing error atas suatu portofolio yang diurutkan berdasarkan lag imbal

hasil (return) selama 1 tahun.

Berikut merupakan rumus yang digunakan dalam Carhart Four Factor Model:

(Rp – Rf) = ap + bp (Rm – Rf) + sp (SMB) + hp (HML) + wp (WML) + !"

(5)

dengan: Rp = imbal hasil portofolio pada periode t

Rf = tingkat bunga bebas risiko (risk-free rate)

(Rp – Rf) = excess return portfolio

Rm = imbal hasil portofolio pasar (market portfolio return)

(Rm – Rf) = market risk premium

SMB = imbal hasil (return) portofolio saham ukuran kecil dan besar

HML = imbal hasil (return) portofolio saham nilai tinggi dan rendah


WML = imbal hasil (return) portofolio saham winners dan losers

ap = intersep

bp, sp, hp, wp = koefisien masing-masing variabel independen

!" = random error terms

Metode Penelitian

Desain Penelitian

Penelitian ini akan menguji Carhart Four Factor Model pada saham-saham

perusahaan yang terdaftar di Bursa Efek Indonesia periode 2005-2015. Pengujian yang

dilakukan menggunakan metode dan cara perhitungan Fama and French (1993), Carhart

(1997), dan Lam et al. (2010). Saham-saham perusahaan yang terdaftar di Bursa Efek

Indonesia periode 2005-2015 akan dibentuk menjadi portofolio saham setiap tahunnya di

bulan Juli tahun berjalan dan akan di hold sampai bulan Juni 1 tahun setelahnya sehingga

portofolio baru, akan dibentuk kembali pada setiap bulan Juli 1 tahun setelahnya.

Pembentukan portofolio ditujukan untuk membentuk empat faktor yang ada pada

Carhart Four Factor Model, yakni faktor pasar (market), faktor ukuran (size), faktor nilai

(value), dan faktor momentum. Kemudian akan dihitung rata-rata imbal hasil setiap portofolio

pada setiap faktor menggunakan metode value weighted dan equally weighted dan akan

dilakukan regresi untuk mengetahui bagaimana pengaruh keempat faktor terhadap excess

return 25 portofolio persinggungan antara faktor ukuran (size) dengan faktor nilai (value)

serta terhadap 25 portofolio persinggungan antara faktor ukuran (size) dengan faktor

momentum. Hasil regresi akan digunakan pula untuk menjawab apakah Carhart Four Factor

Model mampu menjelaskan variasi rata-rata imbal hasil (the variation of average return) pada

Bursa Efek Indonesia. Periode formasi portofolio dan observasi penelitian dilakukan selama

10 tahun yakni periode 2005-2015. Bursa Efek Indonesia dipilih sebagai objek penelitian

Metode Pengumpulan Data

Penelitian ini menggunakan data sekunder sebab data tidak diperoleh langsung dari

sumber utama melainkan sudah tersedia dan dipublikasikan pada masyarakat luas. Data

sekunder tersebut diperoleh dari Datastream Thomson Reuters yang diakses melalui Pusat


Data Ekonomi dan Bisnis di Fakultas Ekonomi dan Bisnis, Universitas Indonesia - Depok.

Data yang diambil meliputi data: Harga saham (adjusted closing price); Tingkat suku bunga

bebas risiko (suku bunga Sertifikat Bank Indonesia); Indeks Harga Saham Gabungan (market

index); Jumlah saham biasa yang beredar (common share outstanding); Nilai buku ekuitas

(book value of equity). Data-data yang dikumpulkan diambil dalam bentuk bulanan dan

disesuaikan dengan periode penelitian yang dimulai dari tahun 2005 sampai dengan tahun

2015, tepatnya dimulai dari bulan Juli 2005 hingga bulan Juni 2015 mengacu pada penelitian

Fama and French (1993).

Excess return portofolio diperoleh dengan menghitung selisih imbal hasil (return)

portofolio dengan tingkat bunga bebas risiko (risk-free rate). Tingkat bunga bebas risiko

(risk-free rate) menggunakan proksi bunga Sertifikat Bank Indonesia (SBI) 90 hari. Imbal

hasil pasar (market return) menggunakan indeks pasar modal Indonesia yakni Indeks Harga

Saham Gabungan (IHSG) sebagai proksinya. Berbagai jenis data lainnya yang terkait dengan

spesifik fundamental perusahaan adalah faktor ukuran (size) yang menggunakan proksi nilai

kapitalisasi pasar (market capitalization) dilihat dari hasil perkalian antara harga pasar saham

dengan jumlah saham biasa yang beredar, faktor nilai (value) yang menggunakan proksi rasio

book-to-market equity dilihat dari hasil pembagian antara nilai buku (book value) atas ekuitas

perusahaan terhadap nilai kapitalisasi pasar (market capitalization), dan faktor momentum

yang menggunakan proksi imbal hasil (return) historis lag 1 tahun dilihat dari return t-11

bulan.

Metode Pengambilan Sampel

Pemilihan sampel pada penelitian ini menggunakan teknik purposive sampling yakni

pengambilan sampel dari suatu populasi berdasarkan kriteria tertentu yang harus dipenuhi

sesuai dengan kebutuhan penelitian. Beberapa kriteria yang digunakan dalam pemilihan

sampel penelitian ini adalah: Data saham merupakan data seluruh saham perusahaan yang

terdaftar sebagai emiten di Bursa Efek Indonesia selama tahun 2005 sampai dengan tahun

2015; Data merupakan data yang bersumber dari perusahan non-keuangan (data saham-saham

perusahaan yang tidak berada pada kelompok industri keuangan) (Fama and French, 1993);

Data saham yang tidak memiliki catatan perdagangan untuk lebih dari tiga bulan berturut-

turut selama periode pembentukan portofolio maka seluruh catatan perdagangan saham

selama 12 bulan periode tersebut tidak dimasukkan ke dalam observasi (Lam et al.,2010);

Tersedia data harga saham, jumlah saham biasa yang beredar, serta rasio book-to-market


equity pada bulan Desember 1 tahun sebelumnya dan bulan Juni tahun berjalan (Fama and

French, 1993); Data saham perusahaan yang memiliki nilai rasio book-to-market equity yang

bernilai negatif tidak dimasukkan ke dalam observasi (Fama and French, 1993).

Model Penelitian

Penelitian ini menggunakan model asset pricing yang dikemukakan oleh Carhart

(1997), yakni Four Factor Model. Model tersebut dinotasikan seperti ini:

(Rp – Rf) = ap + bp (Rm – Rf) + sp (SMB) + hp (HML) + wp (WML) + !" (6)

Variabel dependen dalam model tersebut adalah excess return portofolio (Rp – Rf). ap adalah

intersep dengan asumsi variabel lain ceteris paribus. bp, sp, hp, wp merupakan koefisien dari

masing-masing variabel independen. Variabel independen dari model tersebut terdiri dari (Rm

– Rf) yang merupakan faktor pasar (market) yakni market excess return, SMB (Small Minus

Big) dalam hal ukuran, HML (High Minus Low) dalam hal rasio Book-to-Market equity, dan

WML (Winner Minus Loser) dalam hal imbal hasil (return) historis. Terakhir, !" merupakan

random error terms.

Proses Pembentukan Portofolio

Proses pembentukan portofolio pada penelitian ini melalui beberapa langkah, yakni:

Pengumpulan seluruh data yang dibutuhkan antara lain: harga saham (adjusted closing price),

tingkat suku bunga bebas risiko (bunga Sertifikat Bank Indonesia 90 hari), Indeks Harga

Saham Gabungan (market index), jumlah saham biasa yang beredar (common share

outstanding), serta nilai buku ekuitas (book value of equity).

Menghitung nilai untuk variabel (Rm-Rf), SMB, HML, dan WML menggunakan

proksi masing-masing untuk seluruh sampel yang digunakan pada periode penelitan.

Setiap tahun pada bulan Juni seluruh saham pada sampel diurutkan berdasarkan nilai

kapitalisasi pasar (market capitalization) dan dibagi menjadi dua kelompok yakni 50%

kelompok small dan 50% kelompok big dengan median sebagai pembatasnya.

Setiap tahun seluruh saham pada sampel diurutkan berdasarkan nilai rasio Book-to-Market

equity tanggal 31 Desember tahun sebelumnya dan dikelompokan menjadi 3 yakni 30% high,

40% medium, dan 30% low.

Membentuk enam value weighted portofolio yang merupakan persinggungan antara faktor

ukuran (size) dan nilai (value). Kemudian dihitung rata-rata sederhana dari imbal hasil

(return) variabel SMB dan HML masing-masing menggunakan rumus (3.7) dan (3.9), yakni


selisih rata-rata imbal hasil (return) portofolio small (SH, SM, SL) dengan portofolio big

(BH, BM, BL) serta portofolio high (SH, SL) dengan portofolio low (BH, BL). Imbal hasil

(return) equally weighted setiap bulan selama periode penelitian juga dihitung.

Setiap tahun di bulan Juni, seluruh saham pada sampel diurutkan berdasarkan

kinerja periode sebelumnya yang dilihat dari imbal hasil (return) 11 bulan sebelumnya.

Kemudian dibagi menjadi tiga kelompok, yakni 30% winner, 40% neutral, dan 30% loser.

Membentuk enam value weighted portofolio yang merupakan persinggungan

antara faktor ukuran (size) dan momentum. Kemudian dihitung rata-rata sederhana dari imbal

hasil (return) variabel WML menggunakan rumus (3.10), yakni selisih rata-rata imbal hasil

(return) portofolio winner (SW, BW) dengan portofolio loser (SL, BL). Imbal hasil equally

weighted setiap bulan selama periode penelitian juga dihitung.

Membentuk 25 portofolio size-B/M dan 25 portofolio size-momentum yang di dalamnya

terdiri dari faktor 5 x 5, artinya setiap portofolio dibagi ke dalam lima kelompok mulai dari

nilai terkecil hingga terbesar. Kemudian dihitung excess return untuk masing-masing

portofolio dari 2 x 25 portofolio yang dibentuk.

Melakukan time series regression untuk keempat faktor terhadap 2 x 25 portofolio

tersebut menggunakan rumus persamaan Carhart Four Factor Model (3.1).

Melakukan uji t-statistic untuk kemudian mengambil kesimpulan dengan didukung

hasil interpretasi dari probabilitas koefisien hasil regresi yang dibandingkan dengan tingkat

signifikansi yang digunakan, yakni 5% dan 10% (Lam et al., 2010).

Metode Analisis Penelitian

Penelitian ini menggunakan metode regresi linear berganda (multiple regression

model) untuk menguji pengaruh keempat faktor pada Carhart Four Factor Model terhadap

excess return portofolio saham. Terlebih dahulu dilakukan uji asumsi klasik menggunakan

program Eviews agar model memenuhi asumsi klasik OLS (Ordinary Least Square) sehingga

dapat dilakukan analisis regresi pada data time series.

Asumsi klasik OLS (Ordinary Least Square) yang harus dipenuhi antara lain adalah

(Gujarati, 2003):

Homoskedastis atau varians error pada setiap observasi konstan.

Tidak ada autokorelasi atau hubungan antara error pada satu observasi dengan error pada

observasi lainnya.


Setiap variabel bebas bersifat independen atau tidak ada hubungan linier antara satu dengan

lainnya (no perfect multicolineaarity).

Apabila asumsi regresi linear klasik di atas telah dipenuhi, maka estimator least square

yang memiliki varians minimum dikatakan estimator yang tidak bias. Hal ini

mengindikasikan bahwa model telah memenuhi properti OLS (Ordinary Least Square), yakni

Best Linear Unbiased Estimator (BLUE). Sebuah estimator dikatakan BLUE apabila

memenuhi (Gujarati, 2003):

Best: varians minimum, yakni parameter dari sebuah persamaan regresi yang memiliki nilai

varians residual terkecil. Parameter seperti ini dikenal sebagai parameter yang efisien.

Linear: berbentuk linier, artinya persamaan regresi yang dibentuk adalah linier seperti yang

telah dijelaskan sebelumnya.

Unbiased: tidak bias, artinya rata-rata nilai yang diharapkan sama dengan nilai sebenarnya

(aktualnya).

Hasil Penelitian

Low 2 3 4 High Low 2 3 4 High Low 2 3 4 High

Small 0.0229 0.0024 -0.0056 -0.0049 -0.0058 1.4094 0.3431 -2.1934 -5.0420 -12.4857 0.1614 0.7321 0.0303** 0.0000** 0.0000**2 -0.0053 -0.0086 -0.0059 -0.0060 -0.0060 -2.1405 -2.7800 -9.8316 -13.1188 -7.4014 0.0344** 0.0064** 0.0000** 0.0000** 0.0000**3 -0.0056 -0.0048 -0.0059 -0.0069 -0.0065 -7.3634 -2.2767 -6.8543 -6.4710 -7.8798 0.0000** 0.0247** 0.0000** 0.0000** 0.0000**4 -0.0070 -0.0069 -0.0055 -0.0049 0.0049 -11.3841 -15.1673 -9.7248 -3.8372 0.6813 0.0000** 0.0000** 0.0000** 0.0002** 0.4970

Big -0.0069 -0.0068 -0.0029 -0.0067 -0.0056 -53.4475 -36.8965 -1.0978 -0.5333 -0.5754 0.0000** 0.0000** 0.2746 0.5948 0.5661

Small 0.1283 0.1996 0.0420 0.0509 0.0374 1.2405 2.5925 0.8450 2.6516 8.3788 0.2173 0.0108** 0.3999 0.0091** 0.0000**2 0.2002 0.1528 0.0560 0.0521 0.0896 1.5852 2.4887 4.8677 7.4795 5.5976 0.1157 0.0143** 0.0000** 0.0000** 0.0000**3 0.0472 0.0488 0.0993 0.0831 0.0904 4.9672 2.3455 5.7736 6.0084 8.3289 0.0000** 0.0207** 0.0000** 0.0000** 0.0000**4 0.0747 0.0531 0.0767 0.1026 0.1937 8.2468 6.2209 7.4734 3.8217 1.5946 0.0000** 0.0000** 0.0000** 0.0002** 0.1136

Big 0.0369 0.0641 0.2606 1.1351 0.7654 23.2039 15.3617 6.2199 4.7788 3.7542 0.0000** 0.0000** 0.0000** 0.0000** 0.0003**

Small 9.5726 31.8976 2.5662 2.2516 0.9682 1.4833 1.1777 1.1173 1.6689 2.0188 0.1407 0.2413 0.2662 0.0979* 0.0458**2 2.6918 9.2016 1.0387 0.8812 3.8917 1.2963 1.5999 1.4866 1.5762 1.4652 0.1975 0.1124 0.1398 0.1177 0.14563 0.7660 1.6722 7.7656 2.3880 2.8728 0.9546 1.4074 2.0137 1.9919 3.9985 0.3418 0.1620 0.0464** 0.0488** 0.0001**4 0.9760 0.7595 0.4680 1.3343 2.4302 1.7968 1.3654 1.9624 1.5870 0.6286 0.075* 0.1748 0.0521* 0.1153 0.5308

Big -0.0595 0.0320 -1.3749 4.6865 5.9135 -0.9740 0.2340 -1.2453 0.7500 1.0568 0.3321 0.8154 0.2156 0.4548 0.2928

Small 0.3035 18.5445 2.0577 1.7418 0.5546 0.0762 1.1360 1.4730 1.9723 1.7174 0.9394 0.2583 0.1435 0.0510* 0.0886*2 0.2821 3.9456 0.7780 0.7081 2.8910 0.0909 1.3028 1.7856 1.9755 1.5351 0.9278 0.1952 0.0768* 0.0506* 0.12753 0.3908 1.6641 4.9034 1.9545 2.0356 0.7144 1.9606 1.9776 2.5674 4.4229 0.4764 0.0523* 0.0504* 0.0115** 0.0000**4 0.7485 0.4556 0.2827 1.7831 7.9435 2.0488 1.1223 1.4169 2.2099 1.7385 0.0428** 0.2641 0.1592 0.0291** 0.0848*

Big -0.0192 -0.0601 -0.0650 4.7738 9.5893 -0.5348 -0.6761 -0.0794 1.0560 2.0935 0.5938 0.5003 0.9368 0.2932 0.0385**

Small -6.7394 -5.3227 1.4603 0.6579 0.0391 -1.2650 -0.8426 1.3760 1.1173 0.2360 0.2084 0.4012 0.1715 0.2662 0.81382 2.1826 2.1094 -0.0285 0.2620 0.2370 1.1180 1.4784 -0.1301 1.3631 0.5943 0.2659 0.1420 0.8967 0.1755 0.55353 0.2339 0.0816 -1.1508 1.1302 0.0740 1.0167 0.1846 -1.4610 2.3683 0.3029 0.3114 0.8538 0.1467 0.0195** 0.76254 0.1468 0.5034 -0.0096 0.4808 -2.3973 0.7554 2.1613 -0.0662 0.8484 -1.5804 0.4515 0.0327** 0.9473 0.3980 0.1168

Big 0.0005 0.0570 -0.6285 0.4867 -4.1100 0.0101 0.9603 -0.8612 0.1370 -1.4041 0.9919 0.3389 0.3909 0.8912 0.1630

Small 0.1043 0.0901 0.0375 0.1315 0.1605 1.0900 2.0995 2.7082 1.7605 2.1891 0.1344 0.1207 0.0698 0.1607 0.18872 0.1266 0.3278 0.1818 0.3863 0.2688 1.9969 1.8187 2.0150 1.8279 2.1670 0.1559 0.3504 0.2093 0.4070 0.29333 0.0716 0.0720 0.4733 0.4555 0.4614 1.3541 1.2700 1.6401 1.7452 1.7163 0.1028 0.1032 0.4910 0.4738 0.47954 0.3991 0.4119 0.4415 0.3259 0.2889 1.9483 1.5727 2.0714 1.7240 1.7605 0.4193 0.4317 0.4603 0.3486 0.3128

Big 0.8319 0.8049 0.4487 0.2875 0.3697 1.8457 1.9689 1.5829 1.9715 1.9115 0.8376 0.8114 0.4672 0.3115 0.3909

Adjusted R2 d-stat R2

h t(h) prob (h)

w t(w) prob (w)

b t(b) prob (b)

prob (s)t(s)s

Book-to-Market Equity (BM)Size (ME)

a t(a) prob (a)

Tabel 1. Hasil Regresi Time Series dari Value Weighted Excess Return 25 Portofolio Persinggungan Antara Size-BM

Sumber: Hasil olahan peneliti (2016). t( ) merupakan nilai t statistik. prob( ) merupakan nilai probabilitas dari koefisien yang bersangkutan. d-stat merupakan nilai Durbin-Watson test untuk menguji autokorelasi. **Signifikan berbeda dari nol pada tingkat signifikansi 5% ; *Signifikan berbeda dari nol pada tingkat signifikansi 10%


Losers 2 3 4 Winners Losers 2 3 4 Winners Losers 2 3 4 Winners

Small 0.0093 -0.0006 -0.0050 -0.0067 -0.0008 0.9252 -0.1234 -5.2397 -4.3749 -0.5712 0.3568 0.9020 0.0000** 0.0000** 0.56902 -0.0056 -0.0076 -0.0059 -0.0057 -0.0032 -5.1358 -3.8517 -6.6774 -5.4739 -2.1782 0.0000** 0.0002**0.0000** 0.0000**0.0314**3 -0.0059 -0.0070 -0.0054 -0.0066 -0.0046 -4.9839 -10.2847 -6.2588 -10.0461 -5.3676 0.0000** 0.0000**0.0000** 0.0000**0.0000**4 -0.0068 -0.0074 -0.0056 -0.0051 -0.0049 -4.3700 -9.1782 -5.9528 -5.7269 -8.1734 0.0000** 0.0000**0.0000** 0.0000**0.0000**Big -0.0062 -0.0071 -0.0071 -0.0051 -0.0050 -2.3144 -11.4703 -12.5424 -6.8478 -8.2010 0.0224** 0.0000**0.0000** 0.0000**0.0000**

Small 0.0882 0.1569 0.0502 0.1456 0.1421 2.0110 2.3205 4.6157 4.1746 4.8271 0.0467** 0.0221**0.0000** 0.0001**0.0000**2 0.1374 0.1297 0.0711 0.0781 0.1496 6.8487 4.4802 5.6960 4.4650 4.9630 0.0000** 0.0000**0.0000** 0.0000**0.0000**3 0.0940 0.0645 0.0758 0.0565 0.1360 5.3059 6.8716 4.7303 8.1326 5.3534 0.0000** 0.0000**0.0000** 0.0000**0.0000**4 0.1139 0.0787 0.1344 0.0743 0.0697 5.5288 5.6797 8.4560 5.7721 5.1571 0.0000** 0.0000**0.0000** 0.0000**0.0000**Big 0.1587 0.0967 0.0912 0.1139 0.0507 3.0712 9.0809 12.7310 5.3220 4.5607 0.0027** 0.0000**0.0000** 0.0000**0.0000**

Small 5.0127 8.0357 3.9767 1.5068 2.0109 1.2948 2.8774 1.4112 1.6211 1.3899 0.1980 0.0048** 0.1609 0.1077 0.16732 2.0340 7.3176 1.3007 1.4576 1.3732 1.5757 1.7606 2.5219 1.6597 1.1383 0.1178 0.081* 0.0130** 0.0997* 0.25733 0.9301 2.0367 5.7394 1.3702 2.4881 0.9512 1.9279 2.7968 2.7436 1.4276 0.3435 0.0563* 0.0061** 0.0071** 0.15614 2.4632 1.5092 1.3672 0.6435 0.7086 1.5934 2.0957 1.5577 1.7606 1.3575 0.1138 0.0383** 0.1220 0.081* 0.1773Big 4.7495 -0.2449 1.0345 -0.2586 -0.4828 2.7612 -0.6818 2.0252 -0.7832 -1.2424 0.0067** 0.4967 0.0452** 0.4351 0.2166

Small -0.0615 4.7693 2.4291 1.1482 1.2286 -0.0249 2.4781 1.4261 1.7229 1.2640 0.9801 0.0147** 0.1565 0.0876* 0.20882 1.4854 4.5885 0.9652 1.1412 0.5236 1.7171 1.7521 2.7155 1.9001 0.6263 0.0887* 0.0824* 0.0076** 0.0599* 0.53233 1.2308 1.6661 3.7609 1.0523 1.9639 1.7702 2.2789 2.8712 3.2353 1.7025 0.0794* 0.0245**0.0049** 0.0016** 0.0914*4 1.8311 0.8744 0.6550 0.5762 0.8368 1.7804 1.9455 1.1292 2.2977 1.8918 0.0777* 0.0542* 0.2612 0.0234** 0.061*Big 3.0366 -0.2749 0.6694 -0.2843 -0.1289 3.4971 -0.7584 2.0644 -1.2876 -0.5135 0.0007** 0.4497 0.0412** 0.2005 0.6086

Small -5.1982 -2.3039 -0.6899 0.8890 2.9220 -1.6582 -1.8350 -1.0411 1.7353 6.7875 0.1000 0.0691* 0.3000 0.0854* 0.0000**2 -1.2888 0.0370 0.1659 0.4481 2.7815 -2.4445 0.0425 0.7155 1.3028 4.7748 0.016** 0.9662 0.4758 0.1953 0.0000**3 -0.7420 -0.2248 -0.7612 0.5161 2.3745 -1.7728 -0.7037 -1.7066 3.5590 4.0195 0.0789* 0.4830 0.0906* 0.0005**0.0001**4 -0.4730 -0.4074 -0.6271 0.3795 0.8595 -0.7067 -1.8839 -2.0342 2.0015 3.3037 0.4812 0.0621* 0.0442** 0.0477**0.0013**Big -1.9143 -0.3164 -0.0195 -0.2882 0.8188 -2.1165 -1.9397 -0.0965 -1.1944 2.6432 0.0365** 0.0549* 0.9233 0.2348 0.0094**

Small 0.1226 0.0777 0.1266 0.2195 0.3149 0.9722 1.6365 2.1525 2.2708 2.1980 0.1521 0.1087 0.1560 0.2457 0.33792 0.4934 0.2943 0.2369 0.1678 0.4492 1.7512 1.7871 1.8061 2.3879 1.9000 0.5105 0.3180 0.2625 0.1958 0.46773 0.4038 0.4465 0.4672 0.3709 0.3845 1.3909 1.8739 1.7288 1.9082 1.7936 0.4239 0.4651 0.4851 0.3920 0.40524 0.3735 0.3138 0.3901 0.3051 0.4152 1.6641 2.1591 2.6888 1.6623 1.5558 0.3946 0.3369 0.4106 0.3285 0.4348Big 0.2019 0.5101 0.5516 0.4011 0.2630 2.1947 2.0136 1.8257 2.0087 2.0377 0.2287 0.5265 0.5667 0.4212 0.2878

Adjusted R2 d-stat R2

Momentum (MOM)

prob (h)t(h)h

prob (w)t(w)w

b t(b) prob (b)

s t(s) prob (s)

SIZE (ME)a t(a) prob (a)

Tabel 2. Hasil Regresi Time Series dari Value Weighted Excess Return 25 Portofolio Persinggungan Antara Size-MOM


Tabel 3. Hasil Regresi Time Series dari Equally Weighted Excess Return 25 Portofolio Persinggungan Antara Size-BM

5


Pembahasan

Low 2 3 4 High Low 2 3 4 High Low 2 3 4 High

Small 0.0249 0.0241 -0.0047 0.0055 0.0085 1.4831 1.2280 -0.4544 1.4083 1.7094 0.1408 0.2220 0.6504 0.1617 0.0900*2 -0.0026 0.0077 -0.0051 0.0042 0.0017 -0.2605 1.0216 -0.9390 0.9937 0.2629 0.7949 0.3091 0.3497 0.3224 0.79313 -0.0051 0.0073 0.0105 0.0017 0.0006 -0.9862 0.7928 1.9717 0.2787 0.1042 0.3261 0.4295 0.0510* 0.7810 0.91724 -0.0030 -0.0006 0.0049 0.0062 0.0122 -0.6502 -0.1407 0.8771 0.8795 0.9943 0.5169 0.8884 0.3823 0.3809 0.3222

Big 0.0063 0.0005 0.0049 -0.0128 0.0043 1.6587 0.1416 0.6357 -0.7946 0.3876 0.0999* 0.8877 0.5262 0.4285 0.6990

Small 0.5131 0.6605 0.3669 0.6705 0.9670 3.2205 3.4146 1.9698 6.9731 12.6564 0.0017**0.0009** 0.0513* 0.0000**0.0000**2 0.6205 0.7769 0.5919 0.7830 1.0226 2.4284 4.2426 7.1116 12.4370 9.1452 0.0167**0.0000**0.0000**0.0000**0.0000**3 0.3798 0.4956 0.8920 0.7611 0.7920 4.8870 3.9278 8.7334 6.0655 6.1964 0.0000**0.0001**0.0000**0.0000**0.0000**4 0.6837 0.6715 0.9373 0.6394 0.4712 6.5794 6.6757 10.5067 5.4492 2.4207 0.0000**0.0000**0.0000**0.0000**0.0171**

Big 0.9713 0.9190 1.0160 1.4514 0.7729 15.9465 17.2783 8.4157 5.4368 4.1118 0.0000**0.0000**0.0000**0.0000**0.0001**

Small 0.9974 1.5470 0.8600 1.1164 1.1831 2.6693 2.4715 2.5390 7.1949 9.7039 0.0087**0.0149**0.0125**0.0000**0.0000**2 0.3972 0.8916 0.5254 0.6141 1.0293 1.0841 2.1563 3.9563 4.6462 4.2835 0.2806 0.0331**0.0001**0.0000**0.0000**3 0.0652 0.3357 0.2486 0.2210 0.1931 0.4332 1.5564 1.9301 1.1337 0.9891 0.6657 0.1224 0.0561* 0.2593 0.32474 0.0613 0.0565 -0.0136 -0.1483 -0.4657 0.2844 0.3151 -0.0929 -0.7606 -2.1122 0.7766 0.7533 0.9262 0.4485 0.0368**

Big -0.1795 -0.1180 -0.2218 0.5166 -0.2208 -1.1021 -1.3898 -2.4330 1.4501 -0.8022 0.2727 0.1673 0.0165** 0.1498 0.4241

Small -0.2588 0.3354 0.5901 0.7776 0.8403 -1.3160 1.7019 3.7382 6.1330 7.8363 0.1908 0.0915* 0.0003**0.0000**0.0000**2 -0.1043 -0.1710 0.3948 0.5863 1.0104 -0.2714 -0.6088 3.3799 5.0718 5.0622 0.7865 0.5439 0.001** 0.0000**0.0000**3 -0.1429 0.4982 0.3024 0.7440 0.7984 -1.3248 2.5593 2.0293 3.5373 3.8298 0.1879 0.0118**0.0447**0.0006**0.0002**4 0.1837 0.0700 0.2507 0.7777 0.9738 1.3119 0.5398 1.9544 5.0419 3.1002 0.1922 0.5904 0.0531* 0.0002**0.0024**

Big -0.1586 -0.0416 0.1961 0.5827 0.8620 -1.3705 -0.5580 1.4326 2.3297 2.1022 0.1732 0.5779 0.1547 0.0216**0.0377**

Small -0.1116 -0.3191 0.0391 -0.0338 -0.1118 -0.8558 -1.3359 0.2574 -0.5585 -1.9930 0.3939 0.1842 0.7973 0.5776 0.0486**2 0.1346 -0.1332 -0.0483 -0.0224 -0.0060 0.5409 -1.5027 -0.7896 -0.4648 -0.0595 0.5896 0.1357 0.4314 0.6430 0.95273 0.0259 -0.2332 -0.0578 0.0715 0.0618 0.5428 -2.3711 -0.7644 1.0192 0.9098 0.5883 0.0194** 0.4462 0.3102 0.36484 -0.0346 0.0608 0.0113 0.1282 -0.1988 -0.5549 0.5533 0.1193 1.3170 -1.2097 0.5801 0.5812 0.9053 0.1904 0.2289

Big -0.0984 -0.0195 -0.1549 0.0469 -0.3603 -2.1059 -0.5002 -1.9463 0.2272 -2.8374 0.0374** 0.6179 0.0541* 0.8207 0.0054**

Small 0.1051 0.0828 0.1582 0.5741 0.6765 1.2342 2.2512 2.2787 2.2403 2.0820 0.1352 0.1136 0.1865 0.5884 0.68742 0.0844 0.2168 0.3542 0.6294 0.5765 1.8866 2.0588 2.3185 1.8177 2.1492 0.1152 0.2432 0.3759 0.6419 0.59083 0.1232 0.2901 0.4739 0.5198 0.5411 1.6891 1.3872 1.9185 1.8279 1.8828 0.1527 0.3139 0.4916 0.5360 0.55654 0.4668 0.4185 0.6105 0.5265 0.4051 2.0155 1.6716 2.0648 1.6196 1.5943 0.4847 0.4381 0.6236 0.5424 0.4251

Big 0.8185 0.7751 0.5998 0.3829 0.4191 2.0966 1.9474 1.6991 1.8800 1.9788 0.8246 0.7826 0.6132 0.4036 0.4386

Size (ME)Book-to-Market Equity (BM)

a t(a) prob (a)

b t(b) prob (b)

s t(s) prob (s)

Adj R2 d-stat R2

h t(h) prob (h)

w t(w) prob (w)

Losers 2 3 4 Winners Losers 2 3 4 Winners Losers 2 3 4 Winners

Small 0.0303 0.0114 0.0089 -0.0086 0.0062 2.6557 1.6379 1.1833 -1.2918 0.7392 0.009** 0.1042 0.2391 0.1990 0.46132 0.0045 0.0099 -0.0068 -0.0024 0.0118 0.8365 1.2921 -1.4299 -0.5849 1.4598 0.4046 0.1989 0.1555 0.5597 0.14713 -0.0002 0.0010 0.0044 -0.0045 0.0123 -0.0304 0.2293 0.8570 -1.0986 2.0072 0.9758 0.8191 0.3932 0.2742 0.0471**4 0.0029 -0.0064 0.0000 0.0053 0.0037 0.5785 -1.3459 0.0102 0.8765 0.8670 0.5640 0.1810 0.9919 0.3826 0.3878

Big 0.0025 -0.0052 -0.0022 0.0042 0.0027 0.2865 -1.1363 -0.4387 1.1641 0.6672 0.7750 0.2582 0.6617 0.2468 0.5060

Small 0.9509 0.5099 0.5991 0.8597 1.0864 9.3444 4.7833 5.9684 10.6096 9.4799 0.0000** 0.0000** 0.0000** 0.0000** 0.0000**2 0.9461 0.8940 0.7404 0.7082 0.8830 9.6029 6.5615 9.9840 8.4051 5.6334 0.0000** 0.0000** 0.0000** 0.0000** 0.0000**3 0.6869 0.6923 0.6785 0.5474 0.9751 6.1770 6.0741 5.9814 7.8131 5.1298 0.0000** 0.0000** 0.0000** 0.0000** 0.0000**4 0.9130 0.5930 0.7342 0.6792 0.8497 9.7022 7.7339 9.3325 7.0846 8.9052 0.0000** 0.0000** 0.0000** 0.0000** 0.0000**

Big 1.1086 0.8703 0.8174 0.7414 0.7716 7.6011 8.3083 13.1030 10.4326 8.7613 0.0000** 0.0000** 0.0000** 0.0000** 0.0000**

Small 1.3265 1.0034 0.7906 0.6900 1.2542 4.8190 5.8990 3.3009 3.2734 4.5566 0.0000** 0.0000** 0.0013** 0.0014** 0.0000**2 0.7510 0.8211 0.6433 0.6819 0.2145 3.8141 3.5057 3.7307 5.6507 0.7798 0.0002** 0.0007** 0.0003** 0.0000** 0.43713 0.2154 0.3784 0.3511 0.3290 0.3656 1.5117 2.4754 2.4677 2.5768 1.3382 0.1334 0.0148** 0.0151** 0.0112** 0.18354 -0.0827 0.0037 0.4561 0.0324 -0.1098 -0.5338 0.0279 3.3831 0.2198 -0.5283 0.5945 0.9778 0.001** 0.8264 0.5983

Big 0.0066 -0.1588 0.0611 -0.0452 0.0529 0.0187 -0.8928 0.6012 -0.5703 0.5116 0.9851 0.3738 0.5489 0.5696 0.6099

Small 0.6072 0.9428 0.3253 0.6520 0.6514 3.4480 6.3022 1.9687 3.7863 3.1160 0.0008** 0.0000** 0.0514* 0.0002** 0.0023**2 0.5977 0.3967 0.4780 0.6557 -0.0624 5.0018 1.1799 3.3150 6.1418 -0.3158 0.0000** 0.2405 0.0012** 0.0000** 0.75283 0.5056 0.3932 0.4376 0.5230 0.5297 3.6862 1.5772 3.8564 4.2013 2.7116 0.0003** 0.1175 0.0002** 0.0001** 0.0077**4 0.1827 0.1435 0.5148 0.2969 0.4172 1.1299 1.6792 3.3750 2.2764 2.8289 0.2609 0.0958* 0.001** 0.0247** 0.0055**

Big 0.1716 -0.1304 0.2383 0.0884 0.2896 0.7910 -0.9162 2.7155 1.0065 1.9344 0.4306 0.3615 0.0076** 0.3163 0.0555**

Small -0.7812 -0.4149 -0.1009 0.2164 0.6728 -6.9584 -5.2997 -1.1333 2.8173 6.5485 0.0000** 0.0000** 0.2595 0.0057** 0.0000**2 -0.5453 -0.3509 -0.0002 0.0929 0.6694 -5.7744 -3.5991 -0.0041 1.6612 5.7547 0.0000** 0.0005** 0.9967 0.0994* 0.0000**3 -0.5325 -0.2951 0.0141 0.1919 0.4643 -6.1063 -4.5362 0.2308 3.5653 4.8834 0.0000** 0.0000** 0.8179 0.0005** 0.0000**4 -0.5428 -0.2109 -0.0459 0.1577 0.6131 -7.1017 -4.2144 -0.5976 2.2824 4.2381 0.0000** 0.0001** 0.5513 0.0243** 0.0000**

Big -0.5255 -0.1989 -0.1055 0.0719 0.4417 -4.0788 -3.7652 -1.9420 1.2998 5.8484 0.0001** 0.0003** 0.0546* 0.1963 0.0000**

Small 0.4769 0.4269 0.2366 0.5364 0.5494 1.3217 2.1505 2.0873 2.2611 1.8982 0.4944 0.4462 0.2623 0.5520 0.56462 0.6311 0.3569 0.4785 0.4840 0.4488 2.0514 2.0709 1.9545 2.4892 1.9185 0.6435 0.3785 0.4960 0.5013 0.46733 0.6155 0.5001 0.3777 0.4383 0.4601 1.7594 1.9503 1.9564 2.1620 1.6624 0.6284 0.5169 0.3986 0.4571 0.47824 0.7356 0.5049 0.4524 0.4495 0.6451 2.1986 1.9145 2.4832 1.6428 1.3885 0.7445 0.5216 0.4708 0.4680 0.6571

Big 0.5582 0.6710 0.6837 0.6035 0.5900 2.1064 1.9088 1.6403 2.4755 1.9928 0.5730 0.6821 0.6943 0.6168 0.6038

R2d-stat

t(w)

t(h)

Size (ME)Momentum (MOM)

t(a)a

b

prob (a)

prob (b)

prob (s)

prob (h)

prob (w)

Adjusted R2

w

h

s

t(b)

t(s)


Tabel 4. Hasil Regresi Time Series dari Equally Weighted Excess Return 25 Portofolio Persinggungan Antara Size-MOM



Tabel 1. menunjukkan hasil regresi time series atas excess return dari 25 portofolio

persinggungan Size-BM dengan metode value weighted pada Carhart Four Factor Model

periode Juli 2005 sampai Juni 2015. Hasilnya mengindikasikan bahwa dengan menggunakan

metode value weighted dalam menghitung imbal hasil (return) pada Carhart Four Factor

Model hanya faktor RMRF dan HML yang membantu menjelaskan varasi rata-rata imbal

hasil (variation of average return) di Bursa Efek Indonesia. Hasil temuan ini tidak konsisten

dengan hasil temuan L’Her et al. (2004) dan Lam et al. (2010) yang menemukan bahwa

keempat faktor signifikan dalam menjelaskan varasi rata-rata imbal hasil (variation of

average return) di Bursa Efek Kanada dan Hong Kong. Hal tersebut disebabkan karena

seperti yang dikemukakan Griffin (2002) dalam penelitiannya, bahwa faktor-faktor yang ada

pada Carhart Four Factor Model bersifat country-specific sehingga akan memberikan hasil

berbeda disesuaikan dengan kondisi dan karakteristik domestik masing-masing negara yang

hanya dimiliki negara terkait.

Faktor SMB tidak signifikan dapat dikarenakan saham di Indonesia relatif kecil (dalam

hal nilai kapitalisasi pasar) dibandingkan dengan negara-negara lain di dunia secara

internasional dan total nilai kapitalisasi pasar dari saham domestik didominasi oleh beberapa

perusahaan teratas yang sering diperdagangkan. Berdasarkan data Bursa Efek Indonesia 2015

bahwa 20 perusahaan yang sebagian besar termasuk ke dalam sektor keuangan, consumer

goods, dan infrastruktur menguasai sekitar 60% kapitalisasi pasar IHSG. Oleh sebab itu

diduga faktor ini relevan untuk perusahaan-perusahaan dengan nilai kapitalisasi pasar besar.

Hal tersebut serupa dengan temuan Nartea et al. (2009).

Faktor WML tidak signifikan, artinya data harga saham maupun imbal hasil saham di

Bursa Efek Indonesia telah well-priced, telah mencerminkan seluruh informasi. Kondisi

tersebut membuat faktor momentum tidak dapat dijadikan sebagai faktor yang mampu

memberikan abnormal return bagi investor di Bursa Efek Indonesia. Diperkuat dengan

volatilitas imbal hasil (return) yang cukup tinggi di Indonesia salah satunya dikarenakan

kondisi ekonomi Indonesia yang belum stabil sehingga mudah terpengaruh faktor

makroekonomi seperti inflasi, krisis, maupun faktor makro lainnya, maka sulit untuk

memprediksi saham yang dahulu memiliki kinerja terbaik dilihat dari imbal hasilnya

(winners) akan terus memiliki kinerja terbaik sampai 12 bulan kemudian (short term

momentum strategy), begitu pula untuk saham yang dahulu memiliki kinerja terburuk (losers).

Oleh sebab itu, diduga terdapat trading pattern lain selain strategi momentum yang membeli

saham dengan kinerja terdahulu (imbal hasil) terbaik (winners) dan menjual saham dengan


kinerja terdahulu (imbal hasil) terburuk (losers). Hal ini serupa degan temuan Chui et al.

(2000).

Tabel 1. juga memperlihatkan nilai intersep dari Carhart Four Factor Model dengan

rentang antara -0,0086 sampai 0,0229 yang sebagian besar menolak H0, artinya intersep

memiliki nilai yang signifikan berbeda dari nol. Oleh sebab sebagian besar koefisien

signifikan, maka penelitian ini memperlihatkan bahwa Carhart Four Factor Model untuk 25

portofolio persinggungan antara Size-BM dengan mengunakan metode value weighted tidak

secara signifikan menjelaskan variasi rata-rata imbal hasil di Bursa Efek Indonesia. Hal

tersebut dapat dikarenakan metode value weighted memiliki kelemahan yakni sulit untuk

menyimpulkan apakah pengaruh suatu variabel berlaku untuk keseluruhan sampel atau hanya

untuk kelompok portofolio tertentu (Habib-Ur-Rahman dan Mohsin H, 2012). Selain itu,

temuan ini menunjukkan bahwa terdapat miss specification pada Carhart Four Factor Model

di Indonesia dengan menggunakan metode value weighted. Oleh sebab itu dapat disimpulkan

bahwa Bursa Efek Indonesia membutuhkan faktor lain yang terbukti secara empiris dapat

menjelaskan variasi rata-rata imbal hasil (the variation of average return) secara signifikan.


persinggungan Size-MOM dengan metode value weighted pada Carhart Four Factor Model


metode value weighted dalam menghitung imbal hasil (return) pada Carhart Four Factor

Model hanya tiga faktor yang membantu menjelaskan varasi rata-rata imbal hasil (variation of

average return) di Bursa Efek Indonesia, yakni faktor RMRF, HML dan WML. Hasil temuan

ini tidak konsisten dengan hasil temuan L’Her et al. (2004) dan Lam et al. (2010) yang

menemukan bahwa keempat faktor signifikan dalam menjelaskan varasi rata-rata imbal hasil

(variation of average return) di Bursa Efek Kanada dan Hong Kong.


rentang antara -0,0076 sampai 0,0093 yang sebagian besar menolak H0, artinya intersep

memiliki nilai yang signifikan berbeda dari nol. Oleh sebab sebagian besar koefisien

signifikan, maka penelitian ini memperlihatkan bahwa Carhart Four Factor Model untuk 25

portofolio persinggungan antara Size-MOM dengan mengunakan metode value weighted tidak

secara signifikan menjelaskan variasi rata-rata imbal hasil (variation of average return) di

Bursa Efek Indonesia.



persinggungan Size-BM dengan metode equally weighted pada Carhart Four Factor Model


metode equally weighted dalam menghitung imbal hasil (return) pada Carhart Four Factor

Model hanya tiga faktor yang membantu menjelaskan varasi rata-rata imbal hasil (variation of

average return) di Bursa Efek Indonesia, yakni faktor RMRF, SMB dan HML. Hasil temuan

ini tidak konsisten dengan hasil temuan L’Her et al. (2004) dan Lam et al. (2010) yang


(variation of average return) di Bursa Efek Kanada dan Hong Kong. Akan tetapi, hasil

temuan ini konsisten dengan penelitian sebelumnya di Indonesia seperti yang telah dilakukan

oleh Gunadi (2013), Darusman (2012), dan Yusuf (2011) bahwa hanya faktor momentum

yang tidak signifikan dalam menjelaskan menjelaskan varasi rata-rata imbal hasil di BEI.


rentang antara -0,0128 sampai 0,0249 yang sebagian besar menerima H0, artinya intersep

memiliki nilai yang tidak signifikan berbeda dari nol. Oleh sebab sebagian besar koefisien

tidak signifikan, maka dapat disimpulkan bahwa Carhart Four Factor Model untuk 25

portofolio persinggungan antara Size-BM dengan mengunakan metode equally weighted

secara signifikan menjelaskan variasi rata-rata imbal hasil (variation of average return) di

Bursa Efek Indonesia. Hal tersebut sesuai dengan yang diharapkan berdasarkan Merton

(1973) dalam Lam et al. (2010) dan Fama French (1993), artinya Carhart Four Factor Model

merupakan model aset pricing yang well-specified. Hal ini dapat didukung dengan kelebihan

metode equally weighted yang menurut Jegadeesh and Titman (1993) mampu memberikan

informasi yang lebih banyak, menurut Carhart (1997) bobotnya dapat di readjusted kapanpun

saham hilang dari sampel, serta menurut Habib-ur-rahman and Mohsin (2012) lebih mudah

untuk menyimpulkan apakah efek suatu variabel berlaku untuk keseluruhan sampel atau

hanya untuk sampel dengan karakteristik tertentu.


persinggungan Size-MOM dengan metode equally weighted pada Carhart Four Factor Model


metode equally weighted dalam menghitung imbal hasil (return) pada Carhart Four Factor

Model keempat faktor membantu menjelaskan varasi rata-rata imbal hasil (variation of

average return) di Bursa Efek Indonesia, yakni faktor RMRF, SMB, HML dan WML. Hasil

temuan ini konsisten dengan hasil temuan L’Her et al. (2004) dan Lam et al. (2010) yang



(variation of average return) di Bursa Efek Kanada dan Hong Kong. Hal ini mengindikasikan

bahwa di Indonesia, Carhart Four Factor Model dapat dibuktikan secara empiris dengan

menggunakan metode equally weighted dengan tujuan untuk keperluan akademik. Akan

tetapi, untuk tujuan praktik, indeks yang ada pada Bursa Efek Indonesia menggunakan

metode value weighted. Oleh sebab itu Bursa Efek Indonesia membutuhkan faktor lain yang

dapat menjelaskan variasi rata-rata imbal hasil (the variation of average return) secara

signifikan agar dapat digunakan oleh investor sebagai bahan pertimbangan untuk menyusun

strategi investasi demi memperoleh abnormal return.


rentang antara -0,0068 sampai 0,0303 yang sebagian besar menerima H0, artinya intersep

memiliki nilai yang tidak signifikan berbeda dari nol. Oleh sebab sebagian besar koefisien

tidak signifikan, maka penelitian ini memperlihatkan bahwa Carhart Four Factor Model

untuk 25 portofolio persinggungan antara Size-MOM dengan mengunakan metode equally

weighted secara signifikan menjelaskan variasi rata-rata imbal hasil (variation of average

return) di Bursa Efek Indonesia. Hal tersebut sesuai dengan yang diharapkan berdasarkan

Merton (1973) dalam Lam et al. (2010) dan Fama French (1993), artinya Carhart Four

Factor Model merupakan model aset pricing yang well-specified. Hal ini dapat didukung

dengan kelebihan metode equally weighted yang menurut Jegadeesh and Titman (1993)

mampu memberikan informasi yang lebih banyak, menurut Carhart (1997) bobotnya dapat di

readjusted kapanpun saham hilang dari sampel, serta menurut Habib-ur-rahman and Mohsin

(2012) lebih mudah untuk menyimpulkan apakah efek suatu variabel berlaku untuk

keseluruhan sampel atau hanya untuk sampel dengan karakteristik tertentu.

Kesimpulan

Faktor pasar (market) dan faktor nilai (value) memiliki pengaruh yang signifikan

terhadap excess return portofolio bila menggunakan metode value weighted. Faktor

momentum (momentum) memiliki pengaruh yang signifikan hanya terhadap excess return

portofolio persinggungan antara Size-Momentum bila menggunakan metode value weighted.

Faktor ukuran (size) tidak memiliki pengaruh yang signifikan terhadap excess return

portofolio bila menggunakan metode value weighted. Oleh sebab itu, secara empiris, dengan

menggunakan metode value weighted hanya faktor pasar (market) dan faktor nilai (value)


yang mampu menjelaskan variasi rata-rata imbal hasil (the variation of average return) pada

Bursa Efek Indonesia. Hal ini berarti bahwa terjadi miss-specification dalam model bila

menggunakan metode value weighted untuk Carhart Four Factor Model di Indonesia. Oleh

sebab itu, Bursa Efek Indonesia membutuhkan faktor lain selain keempat faktor dalam

Carhart Four Factor Model yang mampu menjelaskan variasi rata-rata imbal hasil (the

variation of average return) secara signifikan untuk digunakan dalam praktik investasi, sebab

indeks pada Bursa Efek Indonesia menggunakan metode value weighted.

Faktor pasar (market), faktor ukuran (size), dan faktor nilai (value) memiliki pengaruh

yang signifikan terhadap excess return portofolio bila menggunakan metode equally

weighted. Faktor momentum (momentum) memiliki pengaruh yang signifikan hanya terhadap

excess return portofolio persinggungan antara Size-Momentum bila menggunakan metode

equally weighted. Oleh sebab itu, secara empiris, dengan menggunakan metode equally

weighted hanya faktor pasar (market), faktor ukuran (size), dan faktor nilai (value) yang

mampu menjelaskan variasi rata-rata imbal hasil (the variation of average return) pada Bursa

Efek Indonesia. Hal ini berarti bahwa Carhart Four Factor Model di Indonesia dengan

menggunakan metode equally weighted merupakan model asset pricing yang well-specified.

Akan tetapi, Bursa Efek Indonesia membutuhkan faktor lain yang mampu menjelaskan variasi

rata-rata imbal hasil (the variation of average return) secara signifikan sebab masih

menyisakan satu faktor, yakni faktor momentum yang tidak signifikan. Selain itu, metode

equally weighted di Indonesia lebih sesuai untuk tujuan akademik, sebab untuk praktik,

indeks pada Bursa Efek Indonesia menggunakan metode value weighted.

Secara empiris, intersep hasil penelitian signifikan pada hasil regresi dengan

menggunakan metode value weighted, sedangkan bila menggunakan metode equally

weighted, intersep hasil regresi tidak signifikan. Oleh sebab itu, secara empiris dapat

disimpulkan bahwa Carhart Four Factor Model mampu menjelaskan variasi rata-rata imbal

hasil (the variation of average return) pada Bursa Efek Indonesia bila menggunakan metode

equally weighted. Carhart Four Factor Model merupakan model asset pricing yang well-

specified di Indonesia bila menggunakan metode equally weighted. Akan tetapi di sisi lain,

bila menggunakan metode value weighted, masih terdapat miss-specification pada Carhart

Four Factor Model, sehingga Bursa Efek Indonesia membutuhkan faktor lain dalam

menjelaskan variasi rata-rata imbal hasil (the variation of average return) secara signifikan

untuk digunakan dalam praktik investasi.


Variabel momentum memiliki pengaruh yang signifikan hanya terhadap excess return

portofolio persinggungan antara Size-Momentum baik dengan menggunakan metode value

weighted maupun metode equally weighted. Oleh sebab itu, secara empiris dapat diambil

kesimpulan bahwa variabel momentum tidak berpengaruh secara signifikan di Bursa Efek

Indonesia dalam menjelaskan variasi rata-rata imbal hasil (the variation of average return).

Hal ini disebabkan karena faktor momentum (WML) sudah well-priced, artinya seluruh

informasi telah tercermin dalam data harga maupun imbal hasil (return) saham-saham

perusahaan. Kondisi tersebut membuat faktor momentum tidak dapat dijadikan sebagai faktor

yang mampu memberikan abnormal return bagi investor di Bursa Efek Indonesia.

Berdasarkan pemaparan tersebut maka dapat diduga bahwa dengan volatilitas imbal hasil

(return) yang cukup tinggi di Bursa Efek Indonesia, akan sulit untuk memprediksi saham

mana yang dahulu menjadi winners akan tetap menjadi winners untuk 12 bulan ke depan

(short term momentum strategy). Oleh karena itu, strategi momentum yakni membeli saham

dengan kinerja (imbal hasil) terdahulu terbaik dan menjual saham dengan kinerja (imbal hasil)

terdahulu terburuk (untuk jangka pendek) kurang sesuai untuk diterapkan di Bursa Efek

Indonesia sebab dapat diduga bahwa terdapat trading pattern lain yang mampu memberikan

abnormal return bagi para investor, maka dibutuhkan adanya faktor lain yang mampu secara

signifikan menjelaskan variasi rata-rata imbal hasil (the variation of average return) di Bursa

Efek Indonesia.

Saran

Saran bagi investor, dalam menyusun strategi investasi dan menentukan saham

perusahaan mana yang akan diinvestasikan, investor dapat mempertimbangkan faktor pasar

(market), faktor ukuran (size), dan faktor nilai (value) yang signifikan menjelaskan variasi

rata-rata imbal hasil (the variation of average return) di Bursa Efek Indonesia. Selain itu

investor dapat mempertimbangkan faktor lain selain dari keempat faktor yang ada pada

Carhart Four Factor Model yang juga terbukti mampu menjelaskan variasi rata-rata imbal

hasil (the variation of average return) sekaligus dapat digunakan untuk memperoleh

abnormal return di Bursa Efek Indonesia. Investor juga dapat memilih model asset pricing

yang lebih sederhana untuk kemudian dijadikan sebagai patokan (benchmark) dalam

membentuk portofolio yang optimal, menentukan cost of capital khususnya cost of equity atas

suatu investasi, mengukur kinerja portofolio, serta untuk memperoleh abnormal return.


Saran bagi pembuat kebijakan, pemerintah dalam konteks ini khususnya Otoritas Jasa

Keuangan (OJK) dapat memanfaatkan patokan (benchmark) dalam membentuk portofolio

yang optimal untuk disosialisasikan kepada para calon investor agar dapat menarik mereka

untuk semakin meningkatkan kegiatan investasi serta tingkat utilitas produk pasar modal di

Indonesia yang sedang menjadi fokus pemerintah. Kemudian juga dapat mengedukasi

masyarakat dengan mengadakan sosialisasi yang menyampaikan faktor-faktor penting yang

sebaiknya diperhatikan dan menjadi bahan pertimbangan investor dalam melakukan investasi

khususnya pada instrumen saham agar dapat memberikan abnormal return bagi para investor.

Saran untuk akademisi, agar dapat melakukan penelitian serupa ataupun lanjutan

dengan membandingkan Carhart Four Factor Model pada model asset pricing lain serta

melihat efek masing-masing variabel independen, terutama pada efek momentum yang

menjadi sorotan utama model Carhart, dengan menyusun strategi momentum hold-sell-buy

dan melakukan uji beda. Akademisi dapat mencari faktor lain yang dibutuhkan oleh

Indonesia.


Daftar Referensi

Aldaarmi, A., Abbod, M., & Salameh, H. (2015). Implement Fama And French And Capital

Asset Pricing Models In Saudi Arabia Stock Market. The Journal of Applied Business

Research, 953-968. Banz, R. (1981). The Relationship Between Return and Market Value of Common Stocks .

Journal of Finance and Economics, 3-18.

Bekaert, G., Erb, C. B., Harvey, C. R., & Viskanta, T. E. (1997). What Matters for Emerging

Equity Market Investment. Emerging Markets Quarterly, 17-46.

Brav , A., Geczy , C., & Gompers, P. (2000). Is the abnormal return following equity issuance

anomalous? Journal of Finance & Economics, 209–249.

Brealey, R. A. (1991). Harry M. Markowitz's Contributions to Financial Economics . The

Scandinavian Journal of Economics , 7-17.

Brooks, C. (2008). Introductory Econometrics for Finance. New York: Cambridge University

Press.

Cakici, N., Fabozzi, F. J., & Tan, S. (2013). Size, Value, and Momentum in Emerging Market

Stock Returns. Emerging Market Review, 46-65.

Carhart, M. M. (1997). On Persistence in Mutual Fund Perfomance. The Journal of Finance,

57-82.

Chan, K., Hameed , A., & Tong, W. (2000). Profitability of Momentum Strategies in the

International Equity Markets. The Journal of Financial and Quantitative Analysis,

153-172.

Chandra, T., & Idrus, H. (2015). Testing Fama and French Three Factors Model Within the

Context of Indonesia Stock Exchange. The Social Sciences , 499-509.

Chui , A. C., Titman , S., & Wei , K. J. (2000). Momentum, Legal Systems and Ownership

Structure: An Analysis of Asian Stock Markets. Chinese Academy of Science, Hong

Kong University of Science and Technology, National Chengchi University, National

Taiwan University, and the Tamkang University’s Year 2000 International Conference

on e-Commerce in the 21th Century (pp. 1-29). Working Paper, SSRN.


Daniel , K., Grinblatt , M., Titman, S., & Wermers , R. (1997). Measuring mutual fund

performance with characteristics-based benchmarks. Journal of Finance, 1035–1058.

Daniel, K., Titman , S., & Wei, K. J. (2001). Explaining the Cross-Section of Stock Returns in

Japan: Factors or Characteristics? . The Journal of Finance, 743-766.

Darusman, D. (2012, Juli 26). Analisis Pengaruh Firm Size, Book-to-market ratio, Price

Earning Ratio, dan Momentum Terhadap Return Portofolio Saham. Semarang, Jawa

Tengah, Indonesia.

De Bondt , W. F., & Thaler , R. (1985). Does the Stock Market Overreact? The Journal of

Finance, 793-805.

Eraslan, V. (2013). Fama and French Three-Factor Model: Evidence from Istanbul Stock

Exchange . Business and Economics Research Journal, 11-22.

Ersoy, E., & UNLU, U. (2013). Size, Book to Market Ratio and Momentum Strategies:

Evidence from Istanbul Stock Exchange. International Journal of Economic

Perspectives, 28-33.

Fauziana, Finny. (2010). Pengukuran Kinerja Reksa Dana Saham Dengan Menggunakan

Metode Empat Faktor Carhart. Depok, Jawa Barat, Indonesia: Universitas Indonesia.

Fama, Eugene F. (1970). Efficient Capital Markets: A Review Of Theory And Empirical Work.

The Journal of Finance, 28-30.

Fama, Eugene F. (1991). Efficient Capital Markets: II. The Journal of Finance, 1575-1617.

Fama , E. F., & French , K. R. (1992). The Cross-Section of Expected Stock Returns. Journal

of Finance, 427-465.

Fama , E. F., & French , K. R. (1993). Common Risk Factors in The Returns on Stocks and

Bonds . Journal of Finance and Economics, 3-56.

Fama , E. F., & French , K. R. (1996). Multifactor Explanations of Asset Pricing Anomalies .

Journal of Finance , 55-84.

Fama , E. F., & French , K. R. (2004). The Capital Asset Pricing Model: Theory and

Evidence. The Journal of Economic Perspectives, 25-46.


Fama , E. F., & French , K. R. (2012). Size, Value, and Momentum in International Stock

Returns. Journal of Financial Economics, 457-472.

Fama , E. F., MacBeth, & James , D. (1973). Risk, Return, and Equilibrium: Empirical Tests.

Journal of Political Economy, 607-636.

Fisher, L. (1975). Using Modern Portfolio Theory to Maintain an Efficiently Diversified

Portfolio. Financial Analyst Journal, 73-85.

Fong, W. M., Wong, W. K., & Lean, H. H. (2005). International Momentum Strategies: A

Stochastic Dominance Approach . Journal of Financial Markets, 89-109.

Friend, I., & Blume, M. (1970). Measurement of Portfolio Performance under Uncertainty.

American Economic Review, 607-636.

Griffin, J. M. (2002). Are the Fama and French Factors Global or Country Specific? The

Review of Financial Studies, 783-803.

Grundy , B. D., & Martin, J. S. (2000). Understanding the Nature of the Risks and the Source

of the Rewards to Momentum Investing. The Review of Financial Studies, 29-78.

Gujarati, D. N. (2003). Basic Econometrics. Singapore: McGraw Hill.

Gunadi, Eko. (2013). Analisis Pengaruh Market Return, Size, Book to Market, Momentum

dan Foreign Exchange Terhadap Return Portofolio. Depok, Jawa Barat, Indonesia:

Universitas Indonesia.

Habib-Ur-Rahman , M., & Mohsin, H. (2012). Momentum Effect: Empirical Evidence from

Karachi Stock Exchange. The Pakistan Development Review, 449-461.

Hameed, A., & Yuanto , K. (2002). Momentum Strategies: Evidence from the Pacific Basin

Stock Markets. Journal of Finance Res, 383-397.

Hon, M., & Tonks , I. (2003). Momentum in the UK stock market. Journal of Multinational

Financial Management, 43-70.

Iman, N. (2008). Investasi Riil vs Investasi Finansial. In N. Iman, Panduan Singkat dan

Praktis Memulai Investasi Reksa dana (p. 6). Jakarta: Elex Media Komputindo.

Jegadeesh, N., & Titman, S. (1993). Returns to Buying Winners and Selling Losers:

Implications for Stock Market Efficiency. The Journal of Finance, 65-91.


Jegadeesh, N., & Titman, S. (2001). Profitability of Momentum Strategies: An Evaluation of

Alternative Explanations . Journal of Finance, 699-720.

Khamlichi , A. E., Arouri, F. M., & Teulon, F. F. (2014). Persistence of Performance Using

The Four-Factor Pricing Model: Evidence From Dow Jones Islamic Index. The

Journal of Applied Business Research, 917-928.

Kim , D., & Kim , M. (2003). A multifactor explanation of post-earnings announcement drift.

Journal of Finance Quantitative Analysis, 383–398.

L’Her , J., Masmoudi , T., & Suret, J. (2004). Evidence to support the four-factor pricing

model from the Canadian Stock market. Journal of International Finance, Market

Institution & Money, 313–328.

Lam, K. S., Li, F. K., & So, S. M. (2010). On the validity of the augmented Fama and

French’s (1993) model: evidence from the Hong Kong stock market. Review of

Quantitative Finance and Accounting, 89-111.

Lee , C. M., & Swaminathan, B. (2000). Price Momentum and Trading Volume . The Journal

of Finance, 2017-2069.

Liu , W., Strong , N., & Xu, X. (1999). The Profitability of Momentum Investing. Journal of

Business Finance and Accounting, 1043-1091.

Markowitz, H. M. (1999). The Early History of Portfolio Theory: 1600-1960 . Financial

Analysts Journal, 5-16.

Megginson, W. L. (1997). Corporate Finance Theory. United States: Addison-Wesley

Educational Publishers Inc.

Merton, R.C., (1973). An intertemporal asset pricing model. Econometrica, 41(5):867– 887.

Nartea, G. V., Ward, B. D., & Djajadikerta, H. G. (2009). Size, BM, and momentum effects

and the robustness of the Fama-French three-factor model Evidence from New

Zealand. International Journal of Managerial Finance, 179-200.

Niunco, S. (2011, May 25). Tests of the 4 factor Capital Asset Pricing Model on the

Amsterdam Stock Exchange. Tests of the 4 factor Capital Asset Pricing Model on the

Amsterdam Stock Exchange. Amsterdam, Netherland: University of Amsterdam.


Pasaribu, R. B. (2010). Pemilihan Model Asset Pricing. Jurnal Akuntansi dan Manajemen,

217-230.

Perold, A. F. (2004). The Capital Asset Pricing Model. The Journal of Economic

Perspectives, 3-24.

Reilly, Frank. K., & Brown, Keith.C. (2012). Investment Analysis & Portfolio Management.

Mason: South-Western Cengage Learning.

Riro, G. K., & Wambugu, J. M. (2015). A Test of Asset-Pricing Models at the Nairobi

Securities Exchange. Research Journal of Finance and Accounting, 27-36.

Rosenberg, B., Reid, K., & Lainstein, R. (1985). Persuasive Evidence of Market Inefficiency .

Journal of Portfolio Management, 9-16.

Rouwenhorst, K. (1998). International momentum strategies. Journal of Finance, 267–284.

Schiereck , D., De Bondt , W., & Weber , M. (1999). Contrarian and momentum strategies in

Germany. Financial Analyst Journal, 104–116.

SCHWERT, G. W. (2002). ANOMALIES AND MARKET EFFICIENCY. In G. W.

SCHWERT, Handbook of the Economics of Finance (pp. 938-971). Elsevier Science

B.V.

Wermers R. (1997). Momentum investment strategies of mutual funds, performance

persistence, and survivorship bias. Working Paper, University of Colorado.

Yusuf, W. M. (2011). Analisis Pengaruh Firm Size Effect, Value Effect, dan Winners-Losers

Effect Terhadap Excess Return Terkait Dengan Anomali Pasar Efisien di Bursa Efek

Indonesia Periode 2005-2010. Depok, Jawa Barat, Indonesia: Universitas Indonesia.


Documents

Pengujian Carhart Four Factor Model Pada Saham-Saham