‹ Daftar slide
Pertemuan 2: Anomali Pasar: Cross-Sectional, Limits to Arbitrase, Anomali Makro
RPS minggu 2 · 2x50 menit
Anomali Pasar
Cross-sectional (P/E, ukuran, momentum), limits to arbitrase, anomali makro
Peta Pembelajaran Hari Ini
Sub-CPMK 2: mengklasifikasikan jenis-jenis anomali pasar dan menjelaskan mengapa arbitrase gagal mengoreksinya (limits to arbitrase).
Jam ke-1 (50 menit)
- Definisi anomali & taksonomi (cross-section/kalender/makro)
- Anomali cross-sectional: size, value, momentum
- Anomaly decay: mengapa anomali melemah setelah diterbitkan
Jam ke-2 (50 menit)
- Anomali kalender: January effect, day-of-the-week
- Anomali makro: equity premium puzzle, excess volatility
- Debat Fama vs Thaler; persiapan P3 (Keuangan Institusional)
Posisi alur 14: P1 (EMH) → P2 (anomali) → P3 (institusi) → P4 (Prospect Theory). Anomali = bukti empiris yang memaksa kita beralih ke teori perilaku.
Motivasi: Anomali Sebagai Fenomena Persisten
Anomali pasar bertahan 50+ tahun sejak Banz 1981 dan Basu 1977 — meskipun seharusnya terhapus arbitrase. Mengapa?
Premia historis (AS)
Size ~3,7%/thn
1926-2020 (French data); ~50% hilang setelah 1981 publikasi
Value premium (BEI)
~2-4%/thn
Studi akademis Indonesia (dihedge) — lebih tinggi dari pasar maju
Pertanyaan pemantik: kalau EMH benar dan informasi publik, mengapa premia size masih ada setelah 1981? Ini paradoks Grossman-Stiglitz: jika semua orang tahu, anomali harus hilang.
Bagian 1 · 1/4
Klasifikasi Anomali
Diskusi: pilih satu anomali yang Anda kenal di BEI (mis. saham gorengan kecil naik tajam). Termasuk kategori mana?
Definisi Anomali Pasar
Anomali pasar: pola return yang model asset pricing standar (CAPM) tidak dapat menjelaskan, dan secara statistik signifikan setelah biaya transaksi. (Haug-Talpsepp 2014)
Kriteria 1
Pola signifikan secara statistik (t-stat > 2)
Kriteria 2
Persisten out-of-sample (bukan in-sample)
Kriteria 3
Tidak terhapus biaya transaksi (actionable)
Pola yang gagal salah satu kriteria = pseudonomali atau data mining.
Taksonomi: Cross-Sectional vs Kalender vs Makro
Tiga kategori anomali — masing-masing memerlukan teknik uji empiris berbeda.
| Kategori | Definisi | Contoh | Teknik Uji |
|---|---|---|---|
| Cross-sectional | Return berkaitan dengan karakteristik perusahaan | Size (Banz 1981), Value (FF 1992), Momentum (JT 1993) | Fama-MacBeth regression, portfolio sort |
| Kalender | Pola musiman berdasarkan waktu | January effect, Monday effect, Ramadan effect | Event study, dummy regression |
| Makro | Pola pada agregat pasar | Equity premium puzzle, excess volatility | Consumption CAPM, variance bound (Shiller) |
| Event-driven | Reaksi harga pada event spesifik | PEAD, IPO underpricing, stock splits | Event study, CAR |
Kita fokus hari ini pada cross-sectional (paling robust) & makro (paling menantang CAPM).
Anomaly Decay: Mengapa Anomali Lemah Setelah Diterbitkan
McLean-Pontiff 2016: anomali rata-rata kehilangan ~35% premia setelah publikasi. Bukan hilang, tetapi melemah — bukti arbitrase bekerja sebagian.
alpha_post ≈ 0,65 × alpha_pre → ~35% decay (McLean-Pontiff 2016)
Hitung dari Nol: Alpha Strategi Value di BEI
Skenario: Portofolio long High B/M (value, top 30% BEI), short Low B/M (growth, bottom 30%). Beta portofolio 0,95. Return realisasi 12%/tahun. Risk-free 5%, market premium 7%. Hitung alpha CAPM vs Fama-French.
| Langkah | Perhitungan | Nilai |
|---|---|---|
| 1. Expected return CAPM | r_f + β × (r_m − r_f) = 5% + 0,95 × 7% | 11,65% |
| 2. Return realisasi | Long value − short growth | 12,00% |
| 3. Alpha CAPM | r_realisasi − E(r) = 12% − 11,65% | +0,35%/tahun |
| 4. Fama-French 3F | Jika HML loading 0,4 dan HML premium 4% → alpha FF | ~−1,25%/tahun |
| 5. Interpretasi | CAPM menunjukkan alpha +; FF3 menyerap ke HML factor | Alpha = kompensasi risiko value |
Insight
Model penting!
Alpha CAPM ≠ alpha FF3. Premia value hilang ketika kita pakai model dengan faktor value — bukti mendukung tesis Fama.
Bagian 2 · 2/4
Cross-Sectional: Size, Value, Momentum
Diskusi: ketiga anomali masih ada di BEI dengan magnitudo lebih tinggi dari pasar maju. Mengapa? Limits to arbitrase + bias perilaku + retail dominance.
Size Effect (Banz 1981)
Saham kecil (market cap rendah) cenderung mengalahkan saham besar, setelah disesuaikan dengan beta CAPM.
Bukti global
- AS 1926-1980: size premium ~3,7%/tahun (French data)
- Pasca-1981: melemah menjadi ~1-1,5%/tahun — anomaly decay
- BEI: masih signifikan ~2-3%/tahun (studi Indonesia, dihedge)
Penjelasan
- Risiko: small-cap lebih volatil, illiquid, distress risk
- Perilaku: neglect (sedikit analis), overreaction-reversal
- Mikrostruktur: bid-ask bounce, illiquidity premium
Di BEI, size effect terkonsentrasi di saham di luar LQ45 — illiquid small caps yang bisa naik 100%+ dalam kondisi narasi “gorengan”.
Value Premium (Fama-French 1992)
Saham value (rasio B/M, E/P, atau CF/P tinggi) mengalahkan growth dalam jangka panjang.
Magnitude (AS)
~4,5%/thn
HML portfolio 1963-2020 (French data)
Magnitude (BEI)
~2-4%/thn
Studi akademis Indonesia (dihedge)
Anomaly decay
~25-30%
Penurunan premia pasca-1992 publikasi
Debat klasik: Fama (risiko distress) vs Lakonishok-Shleifer-Vishny 1994 (over-ekstrapolasi pertumbuhan masa lalu).
Momentum (Jegadeesh-Titman 1993)
Saham pemenang 12-bulan terus menang 6 bulan ke depan; pecundang terus kalah. Anomali paling sulit dijelaskan model rasional.
| Horizon | Magnitude (AS) | Penjelasan rasional | Penjelasan perilaku |
|---|---|---|---|
| 6-12 bulan | ~+8-12%/tahun | Underreaction ke earnings | Underreaction + herding |
| 1-3 bulan | ~+4%/tahun (lemah) | Liquidity microstructure | PEAD, anchor bias |
| 3-5 tahun | NEGATIF (reversal) | Mean reversion fundamental | Overreaction correction |
Paradoks momentum: positif jangka pendek, negatif jangka panjang — pola mustahil konsisten dengan CAPM rasional.
HDN: Backtest Momentum 12-Bulan di BEI
Skenario: Strategi momentum di LQ45: setiap awal tahun, beli top 10 saham return tertinggi 12-bulan terakhir, jual bottom 10. Asumsi return top-decile 18%/tahun, bottom 4%/tahun, biaya 0,8%/tahun.
| Langkah | Perhitungan | Nilai |
|---|---|---|
| 1. Long return (top 10) | Realisasi portofolio pemenang | 18,0% |
| 2. Short return (bottom 10) | Realisasi portofolio pecundang | 4,0% |
| 3. Long-short spread | 18% − 4% | 14,0% |
| 4. Return market (IHSG) | Realisasi IHSG 2024 (dihedge) | ~7,0% |
| 5. Abnormal return | 14% − 7% | +7,0%/tahun |
| 6. Setelah biaya transaksi | 7% − 0,8% | +6,2%/tahun |
Insight
~+6,2%/thn
Net alpha setelah biaya (dihedge — backtest optimistik; real-world biasanya turun ~30-50% akibat slippage dan short-selling constraint)
Bagian 3 · 3/4
Anomali Kalender & Makro
Diskusi: pada bulan Ramadan, return IHSG cenderung berbeda. Apakah anomali kalender atau statistik kebetulan?
January Effect & Day-of-the-Week
Anomali kalender paling terdokumentasi: return Januari cenderung lebih tinggi, terutama untuk small-cap; return Senin cenderung negatif di AS.
January effect
- AS: small-cap Januari ~3-5% vs bulan lain ~0,5-1%
- Penjelasan: tax-loss selling di Desember → rebound Januari
- Di Indonesia: lemah (no tax-loss season), tetapi window dressing institusi
Day-of-the-week
- AS: Senin return rata-rata negatif (French 1980)
- BEI: pola berbeda — Senin cenderung positif (efek weekend positif)
- Anomali melemah pasca-2000 — anomaly decay + globalisasi
Implikasi: strategi “beli awal Januari” mungkin ada alpha kecil di BEI untuk small-cap, tetapi biaya transaksi menggerus sebagian besar.
Anomali Makro: Equity Premium Puzzle & Excess Volatility
Dua anomali makro yang tidak bisa dijelaskan model rasional berbasis konsumsi (CCAPM).
Equity Premium
~6-7%/thn
AS 1926-2020: ekuitas vs bond (Mehra-Prescott 1985)
Implied risk aversion
γ > 30
CCAPM memerlukan risk aversion ekstrim — tidak realistis (γ normal 1-5)
Excess volatility
σ_harga > 5× σ_dividen
Shiller 1981: harga berfluktuasi jauh lebih dari fundamental
Equity premium puzzle & excess volatility dua anomali paling sulit dijelaskan model rasional — pintu masuk Benartzi-Thaler 1995 (myopic loss aversion).
Studi Kasus: January Effect di BEI
Apakah January effect ada di BEI? Studi empiris: ya, tetapi kecil dan tidak konsisten.
| Periode | Return IHSG Januari | Rata-rata bulan lain | Selisih |
|---|---|---|---|
| 2010-2015 | ~+2,1% | ~+0,3% | +1,8% |
| 2016-2020 | ~+1,5% | ~+0,4% | +1,1% |
| 2021-2024 | ~−0,5% | ~+0,7% | −1,2% |
| Rata-rata 2010-2024 | ~+1,4% | ~+0,4% | +1,0% (lemah) |
Insight: January effect di BEI lemah dan tidak konsisten. Tidak cukup signifikan untuk strategi trading. Angka dihedge — bervariasi per studi dan metodologi.
Bagian 4 · 4/4
Limits to Arbitrase & Debat
Diskusi akhir: apakah anomali BEI (size, value, momentum) adalah kompensasi risiko atau kesalahan harga? Bagaimana Anda mendesain eksperimen untuk membedakannya?
Debat: Kompensasi Risiko (Fama) vs Bias Perilaku (Thaler)
Dua interpretasi anomali — diperdebatkan 40+ tahun setelah publikasi asli.
| Argumen | Fama (rasionalitas) | Thaler (perilaku) |
|---|---|---|
| Sumber anomali | Kompensasi risiko tidak termodelkan (distress, likuiditas) | Bias perilaku investor (over/underreaction) |
| Bukti pendukung | Anomali hilang ketika model diperbaiki (5-factor) | Anomali lebih kuat di saham sulit arbitrase |
| Prediksi | Anomali akan melemah seiring efisiensi pasar | Persisten selama bias kognitif ada |
| Implikasi praktis | Pasif index + smart beta factor investing | Aktif mengoreksi bias diri + exploit bias orang lain |
Posisi kita: kedua pandangan saling melengkapi. Beberapa anomali = risiko, beberapa = perilaku. Tugas Anda: membedakannya untuk saham BEI yang Anda analisis.
Ringkasan Kunci Pertemuan 2
Taksonomi
Cross-sectional, kalender, makro, event-driven — teknik uji berbeda
Tiga anomali klasik
Size (Banz), Value (FF), Momentum (JT) — masih ada di BEI dengan magnitudo lebih tinggi
Debat
Risiko vs Perilaku — keduanya mungkin benar untuk anomali berbeda
Bawa pertanyaan “risiko atau perilaku?” untuk setiap anomali yang Anda temukan sepanjang semester.
Persiapan P3: baca Shleifer-Vishny 1997 “The Limits of Arbitrage”; bawa satu anomali BEI yang Anda kenal untuk dianalisis dari sudut institusional.