Analisis Dependensi Risiko Finansial Antar Saham Perusahaan Subsektor Perangkat Lunak Dan Jasa TI Di Bursa Efek Indonesia Dengan Pendekatan Conditional Value At Risk

Asmaria, Adelia Nur (2023) Analisis Dependensi Risiko Finansial Antar Saham Perusahaan Subsektor Perangkat Lunak Dan Jasa TI Di Bursa Efek Indonesia Dengan Pendekatan Conditional Value At Risk. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06211940000081-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (4MB) | Request a copy

Abstract

Saham merupakan salah satu instrumen investasi yang kerap kali diukur untuk menunjukkan kondisi suatu perusahaan. Saham memiliki sifat volatilitas yang tinggi sehingga pengukuran risiko dapat membantu investor memahami kondisi pasar saham. Risiko yang tidak dapat dihilangkan dengan cara diversifikasi disebut sebagai risiko sistemik karena diduga terdapat dependensi antar emiten. Pandemi Covid-19 meningkatkan kebutuhan pelayanan masyarakat berbasis internet sehingga banyak perusahaan teknologi berdiri untuk memenuhi kebutuhan pasar, beberapa perusahaan baru telah terdaftar di BEI. Penelitian ini bertujuan untuk mengestimasi risiko menggunakan Value-at-Risk yang menunjukkan tingkat risiko individu 10 saham perusahaan subsektor Perangkat Lunak dan Jasa TI di BEI. Dengan pendekatan (G)ARCH, risiko tertingi dimiliki oleh WIRG sebesar 7,803% tingkat kepercayaan 95% dan oleh KIOS sebesar 14,488% pada tingkat kepercayaan 99%. Analisis keterkaitan antar saham dilakukan dengan memodelkan Conditional Value-at-Risk untuk mengidentifikasi dependensi risiko saham lain pada VaR individu. Dengan pendekatan regresi kuantil, perhitungan nilai CoVaR menunjukkan hasil yang beragam. Tingkat risiko WIRG yang memiliki risiko individu tertinggi dapat menurun hingga 6,39% pada tingkat kepercayaan 95% ketika KIOS mencapai kerugian maksimum pada tingkat kepercayaan yang sama. Sedangkan tingkat risiko DCII yang memiliki risiko individu terendah dapat meningkat hingga 2,33% pada tingkat kepercayaan 95% ketika ATIC mencapai kerugian maksimum pada tingkat kepercayaan yang sama. Hubungan kausalitas antar emiten diuji secara berpasangan menggunakan Granger Causality Test. Dari 90 pengujian, 24 diantaranya dapat disimpulkan terdapat pengaruh Granger atau 26,6%.
=================================================================================================================================
Stocks are one of the investment instruments that are often measured to show the condition of a company. Stocks have a high volatility trait thus risk measurement can help investors understand stock market conditions. Risks that cannot be eliminated by diversification are referred to as systemic risks because there are suspected dependencies between issuers. The Covid-19 pandemic has increased the need for internet-based community services so that many technology companies stand to meet market needs, several new companies have been listed on the IDX. This study aims to estimate risk using Value-at-Risk which shows the individual risk level of 10 shares of IT Software and Services subsector companies on the IDX. With the (G)ARCH approach, WIRG has the highest risk by 7.803% at 95% confidence level and KIOS by 14.488% at 99% confidence level. Linkage analysis between stocks is carried out by modeling Conditional Value-at-Risk to identify the effect of other stock risk on individual VaR. With the quantile regression approach, the calculation of CoVaR values shows diverse results. The risk level of WIRG, which has the highest individual risk, possibly decreases up to 6,39% at 95% confidence level when KIOS reaches the maximum loss at the same confidence level. While the risk of DCII, which has the lowest individual risk, possibly increases up to 2,33% at 95% confidence level when ATIC reaches the maximum loss at the same confidence level.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	CoVaR, Granger Causality Test, Keterkaitan Risiko, Saham BEI, VaR, BEI Stock, Risk Connectedness
Subjects:	H Social Sciences > HG Finance
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User:	Adelia Nur Asmaria
Date Deposited:	21 Sep 2023 03:02
Last Modified:	21 Sep 2023 03:02
URI:	http://repository.its.ac.id/id/eprint/104463

Actions (login required)

View Item