Cross-Market Dependencies in ASEAN: A Vector Autoregressive (VAR) Perspective on Stock Indices

So, this was basically my assignment that I wanted to share. I hope it is useful, enjoy!
Pasar saham ASEAN dipengaruhi oleh berbagai faktor eksternal yang dapat memengaruhi kinerja dan volatilitas pasar. Beberapa faktor penting yang memengaruhi pasar saham ASEAN adalah krisis ekonomi seperti Krisis Yuan Tiongkok, perubahan harga komoditas (seperti minyak mentah, batubara, dan komoditas lainnya), ketidakpastian dalam perdagangan internasional seperti ketegangan perang dagang AS-Tiongkok, serta faktor domestik seperti Pemilu Regional di Indonesia dan kebijakan stimulus ekonomi untuk mengatasi dampak dari COVID-19. Pengaruh-pengaruh ini berperan besar dalam menentukan arah pergerakan pasar saham, baik dalam jangka pendek maupun jangka panjang, dan menciptakan ketidakpastian yang lebih besar bagi para investor. Dampak-dampak tersebut juga dapat menjadi sumber dari fluktuasi yang tajam, yang sangat penting untuk dianalisis menggunakan model VAR.
Model VAR (Vector Autoregressive) merupakan sebuah alat yang digunakan untuk menganalisis hubungan dinamis antar beberapa variabel dalam sistem waktu. Dengan menggunakan model ini, kita dapat mempelajari bagaimana perubahan pada satu variabel dapat mempengaruhi variabel lainnya dalam periode waktu tertentu. VAR tidak memerlukan asumsi hubungan sebab-akibat yang jelas (atheory), sehingga setiap variabel dalam model dapat mempengaruhi dirinya sendiri dan juga variabel lainnya. Model ini sebenasrnya sangat berguna untuk menganalisis hubungan antar variabel dalam suatu sistem ekonomi atau keuangan, memprediksi nilai masa depan dari beberapa variabel berdasarkan data historis, dan mengidentifikasi dampak dari shock pada variabel tertentu.


Dalam tulisan ini, dipiliih empat indeks pasar saham utama yang mewakili negara-negara ASEAN, yaitu Indonesia (JKSE), Thailand (SETBK), Malaysia (KLSE), dan Singapura (STI). Data yang digunakan pada penelitian ini bertujuan untuk menganalisis pergerakan harga saham di masing-masing negara tersebut dan untuk mengeksplorasi hubungan antara pasar saham ASEAN. Dalam konteks ini, pasar saham dianggap sebagai representasi kinerja ekonomi suatu negara, dan dengan menggunakan model VAR, dapat dianalisis apakah perubahan harga saham di satu negara memengaruhi harga saham di negara lain. Pemilihan negara-negara ini penting karena mereka merupakan kekuatan ekonomi utama di kawasan ASEAN yang memiliki hubungan ekonomi dan perdagangan yang erat.

Banyak penelitian sebelumnya yang mendalami hubungan antar pasar saham ASEAN. Penelitian oleh Sugiyanto dan Sudarwan (2016) menunjukkan adanya kointegrasi antara pasar saham Indonesia dan pasar saham regional lainnya, yang berarti pergerakan harga saham di Indonesia dapat memengaruhi pasar saham lainnya di ASEAN. Penelitian lain oleh Arsyad (2015) menemukan kointegrasi antara bursa saham ASEAN dan tiga negara besar (China, Jepang, Korea), yang menunjukkan adanya hubungan kuat antar pasar modal di kawasan tersebut. Selain itu, penelitian oleh Santosa (2013) menyatakan bahwa pasar saham ASEAN dan Cina memiliki pengaruh signifikan terhadap pasar saham Indonesia, mencerminkan integrasi pasar yang kuat. Penelitian ini menyoroti pentingnya hubungan antar pasar saham di kawasan ASEAN, yang dapat mengarah pada pengaruh dalam jangka pendek maupun panjang, serta efek penularan yang dapat memperkuat atau memperlemah hubungan tersebut.

Berikut penjelasan lebih lanjut analisis statistik dasar atas pergerakan pasar saham ASEAN:
Perbandingan Volatilitas: Analisis menunjukkan bahwa JKSE memiliki volatilitas yang paling tinggi dibandingkan dengan pasar saham lainnya di ASEAN. Volatilitas mengacu pada sejauh mana harga saham bergerak naik dan turun dalam periode tertentu. Volatilitas yang lebih tinggi menunjukkan bahwa harga saham di Indonesia berfluktuasi lebih tajam, yang berarti pasar Indonesia lebih berisiko bagi investor. Dengan kata lain, meskipun investor mungkin mendapatkan keuntungan yang lebih besar dalam jangka pendek, mereka juga menghadapi risiko yang lebih tinggi, karena harga dapat bergerak sangat cepat dan tidak menentu. Sebaliknya, KLSE menunjukkan volatilitas yang lebih rendah, yang menandakan bahwa pasar saham Malaysia lebih stabil. Volatilitas yang lebih rendah ini umumnya dianggap sebagai lingkungan yang lebih aman bagi investor, karena pergerakan harga lebih dapat diprediksi dan tidak terlalu ekstrem.
Skewness (Kemiringan): Analisis mengacu pada ketidaksimetrian distribusi pengembalian saham. Jika distribusinya negatif (seperti yang terlihat di sebagian besar pasar, termasuk JKSE, STI, dan SETBK), ini berarti bahwa kerugian besar lebih sering terjadi daripada keuntungan besar. Hal ini menunjukkan bahwa selama periode yang dianalisis, pasar-pasar tersebut mengalami lebih banyak pergerakan harga yang signifikan turun daripada pergerakan naik yang besar. Investor cenderung lebih khawatir terhadap risiko kerugian besar daripada potensi keuntungan besar, yang mencerminkan suatu kondisi di mana kemungkinan kerugian lebih besar dibandingkan dengan peluang untuk memperoleh keuntungan.
Kurtosis merupakan ukuran yang menggambarkan bentuk distribusi, khususnya ketebalan ekor distribusi (nilai ekstrem dalam data). Nilai kurtosis yang lebih dari 2 pada kasus ini menunjukkan bahwa distribusinya bersifat leptokurtik. Distribusi leptokurtik memiliki frekuensi kejadian ekstrem (baik keuntungan maupun kerugian besar) yang lebih sering dibandingkan dengan distribusi normal (yang memiliki kurtosis 3). Ini berarti bahwa pada pasar-pasar tersebut, pergerakan harga ekstrem (baik keuntungan atau kerugian besar) terjadi lebih sering daripada yang diperkirakan berdasarkan model distribusi normal. Hal ini mencerminkan tingkat ketidakpastian yang lebih tinggi di pasar, yang membuat prediksi pergerakan harga menjadi lebih sulit dengan menggunakan model-model tradisional. Investor dan analis perlu mempertimbangkan kemungkinan kejadian ekstrem yang lebih tinggi dalam pengambilan keputusan mereka.
Secara keseluruhan, dalam analisis statistik dasar ini memberikan informasi bahwa pasar saham ASEAN, khususnya Indonesia, menghadapi volatilitas dan ketidakpastian yang lebih besar, yang bisa menjadi peluang namun juga risiko bagi investor. Skewness negatif dan sifat leptokurtik dari distribusi menunjukkan kemungkinan kejadian ekstrem yang lebih tinggi, yang membuat pasar-pasar ini lebih fluktuatif dan lebih sulit diprediksi menggunakan model-model konvensional.

Korelasi antara pasar saham menunjukkan hubungan antara pergerakan harga di pasar-pasar tersebut. Misalnya, korelasi antara JKSE dan STI lebih kuat dibandingkan dengan hubungan antara KLSE dan pasar lainnya. Hal ini mengindikasikan bahwa pergerakan pasar saham Indonesia lebih terhubung dengan pasar Singapura, sementara pasar Malaysia menunjukkan korelasi yang lebih lemah. Korelasi yang kuat antara STI dan SETBK menunjukkan adanya kemungkinan hubungan yang lebih erat antara pasar Singapura dan Thailand. Pemahaman tentang korelasi ini sangat penting karena bisa membantu investor dan pembuat kebijakan memahami bagaimana pergerakan pasar di satu negara dapat memengaruhi pasar negara lainnya, serta bagaimana mereka dapat merespons perubahan yang terjadi di kawasan tersebut.

Uji kausalitas Granger digunakan untuk menentukan apakah perubahan dalam satu variabel dapat digunakan untuk memprediksi perubahan dalam variabel lain. Dalam hal ini, uji ini digunakan untuk mengidentifikasi apakah pergerakan pasar saham di satu negara (misalnya Indonesia) dapat memengaruhi pasar saham negara lain (misalnya Singapura atau Malaysia). Dalam penerapannya, uji kausalitas ini memungkinkan untuk mengetahui arah hubungan antar pasar saham, apakah hubungan tersebut bersifat satu arah atau dua arah. Dalam konteks VAR, uji kausalitas sangat penting untuk menentukan hubungan antara variabel yang akan dimasukkan dalam model, dan ini akan mempengaruhi bagaimana model VAR dibangun dan diinterpretasikan.

Sebelum membangun model VAR, penting untuk terlebih dahulu untuk memeriksa apakah data yang digunakan bersifat stasioner atau tidak. Uji stasioneritas, seperti uji ADF (Augmented Dickey-Fuller), digunakan untuk menguji apakah data mengandung tren atau pola musiman yang dapat mempengaruhi analisis. Jika data tidak stasioner, maka perlu dilakukan differencing (diferensiasi) pada data tersebut, yaitu dengan menggunakan perubahan tingkat pertama (first difference) untuk menghilangkan tren dan musiman. Setelah memastikan bahwa data stasioner, model VAR dapat diterapkan untuk menganalisis hubungan antar variabel, dengan memanfaatkan data perbedaan pertama untuk menghindari masalah yang berkaitan dengan ketidakstasioneran.

Dalam model VAR, penting untuk menentukan jumlah lag yang optimal. Uji lag digunakan untuk menentukan berapa banyak periode waktu yang harus dipertimbangkan dalam model VAR untuk memastikan hasil yang lebih akurat. Pemilihan lag yang tepat dapat meningkatkan kemampuan model untuk menangkap hubungan dinamis antara variabel-variabel yang dianalisis. Berdasarkan uji, disarankan untuk menggunakan satu lag dalam model ini, yang berarti perubahan harga saham pada periode sebelumnya akan memengaruhi harga saham pada periode berikutnya.

Pada analisis VAR, pengujian akar karakteristik digunakan untuk memastikan stabilitas model. Jika model VAR stabil, maka model tersebut akan dapat memberikan prediksi yang lebih akurat. Dalam pengujian ini, tidak ada akar karakteristik dengan nilai absolut lebih besar dari 1, yang menunjukkan bahwa model VAR yang digunakan dalam penelitian ini memenuhi asumsi stasioneritas. Keberhasilan model dalam memenuhi asumsi ini penting untuk memastikan bahwa hasil dari model VAR dapat diandalkan dan tidak dipengaruhi oleh permasalahan yang terkait dengan kestabilan.









Fungsi respons impuls (impulse response function) menunjukkan bagaimana shock pada satu variabel mempengaruhi variabel lainnya dalam sistem yang dianalisis. Misalnya, jika terjadi perubahan harga saham di Indonesia (JKSE), bagaimana perubahan tersebut akan memengaruhi harga saham di Singapura (STI), Malaysia (KLSE), atau Thailand (SETBK) dalam beberapa periode waktu mendatang.
Hasil dari analisis fungsi respons impuls menunjukkan bahwa ketika terjadi kejutan atau perubahan harga saham di satu negara, dampak awal terhadap negara lain cenderung sangat besar. Sebagai contoh, perubahan harga saham di Indonesia (JKSE) pada periode pertama dapat memberi dampak yang cukup signifikan terhadap harga saham di negara lain seperti Singapura. Namun, dampak tersebut mulai berkurang seiring berjalannya waktu. Pada periode yang lebih panjang, pengaruh kejutan tersebut semakin kecil, bahkan bisa mendekati nol.
Hal ini mengindikasikan bahwa efek dari kejutan harga saham bersifat sementara dan tidak berlanjut dalam jangka panjang. Dengan kata lain, meskipun ada perubahan besar yang terjadi pada awalnya, dampak tersebut tidak bertahan lama dan akhirnya memudar. Ini menunjukkan bahwa kejutan pasar cenderung memiliki efek jangka pendek, dan pasar-pasar saham yang terhubung akan kembali stabil seiring waktu. Dalam konteks ekonomi, ini bisa berarti bahwa meskipun terjadi guncangan atau perubahan pasar di satu negara, efeknya terhadap pasar negara lain tidak akan berlangsung lama.
Dalam konteks ekonomi dan perdagangan internasional, pengaruh pasar saham ASEAN yang tidak berlangsung lama dalam jangka panjang dapat dijelaskan oleh beberapa faktor. Pertama, pasar saham cenderung melakukan penyesuaian cepat terhadap kejutan atau informasi baru dan setelah pasar beradaptasi, dampak dari perubahan harga saham akan memudar. Selain itu dalam era globalisasi, informasi mengenai pergerakan pasar cepat tersebar,sehingga pasar di negara-negara ASEAN akan merespons shock sementara, tetapi setelah mengintegrasikan informasi tersebut efeknya berkurang. Kebijakan ekonomi makro seperti kebijakan moneter dan fiskal yang akomodatif juga membantu menstabilkan pasar dalam jangka panjang untuk mengurangi dampak dari shock. Meskipun terdapat hubungan antar pasar saham ASEAN perbedaan struktur ekonomi, kebijakan domestik, dan faktor-faktor lokal membatasi pengaruh jangka panjang antar negara. Terakhir, meskipun efek penularan atau contagion effect dapat mempengaruhi pasar negara lain dalam jangka pendek mekanisme pasar yang efisien dan kebijakan responsif membantu mengurangi dampak ini dalam jangka panjang. Oleh karena itu, meskipun pasar saham ASEAN saling terhubung, pengaruh tersebut bersifat sementara dan pasar kembali stabil setelah shock tersebut.





Dekomposisi varians memberikan gambaran tentang seberapa besar kontribusi setiap pasar saham terhadap variasi pergerakan harga saham di pasar lainnya. Pada periode awal, variasi harga saham di Indonesia (JKSE) hampir sepenuhnya dijelaskan oleh pergerakan harga saham di Indonesia itu sendiri. Namun, seiring waktu, kontribusi dari pasar-pasar lainnya, seperti Singapura (STI), Malaysia (KLSE), dan Thailand (SETBK), semakin meningkat meskipun kontribusinya tetap kecil. Ini menunjukkan bahwa meskipun pasar Indonesia memiliki pengaruh dominan, pasar lainnya juga memberikan dampak yang tidak dapat diabaikan dalam dinamika pasar saham regional.
Dalam analisis VAR yang dilakukan, urutan variabel yang digunakan dalam dekomposisi varians disebut sebagai Cholesky Ordering. Urutan ini menentukan prioritas pengaruh antar variabel dalam model. Dalam penelitian ini, urutan variabel yang digunakan adalah JKSE, STI, KLSE, dan SETBK, yang menunjukkan bahwa pengaruh pasar saham Indonesia (JKSE) diberikan prioritas pertama, diikuti oleh pasar Singapura (STI), Malaysia (KLSE), dan Thailand (SETBK). Urutan ini mempengaruhi bagaimana kontribusi masing-masing pasar terhadap variasi pasar lainnya dianalisis.
Kesimpulan:
Hasil analisis menggunakan model VAR pada pasar saham ASEAN menunjukkan bahwa meskipun terdapat hubungan erat dan dampak antara pasar saham di berbagai negara ASEAN, pengaruh tersebut cenderung bersifat sementara dan tidak bertahan lama dalam jangka panjang. Pasar saham di ASEAN merespons shock harga dengan cepat, namun efeknya mulai memudar seiring berjalannya waktu. Hal ini menunjukkan bahwa pasar-pasar saham di kawasan ini cepat beradaptasi dengan informasi baru dan shock, serta dipengaruhi oleh kebijakan ekonomi dan faktor-faktor domestik yang membatasi pengaruh jangka panjang antar negara. Secara keseluruhan, meskipun ada hubungan dan efek penularan antar pasar, stabilitas pasar saham lebih dipengaruhi oleh faktor ekonomi makro dan kebijakan pemerintah masing-masing negara.
Poin-poin Menarik:
- Volatilitas yang Tinggi di Indonesia (JKSE):
Pasar saham Indonesia menunjukkan volatilitas yang lebih tinggi, yang menandakan bahwa pasar saham Indonesia lebih berisiko dan berfluktuasi lebih tajam dibandingkan dengan pasar saham di negara ASEAN lainnya. - Korelasi Positif Antar Pasar ASEAN:
Terdapat korelasi positif yang signifikan antara pasar saham di negara ASEAN, terutama antara pasar Indonesia dan Singapura. Hal ini menunjukkan bahwa pergerakan harga saham di satu negara dapat memengaruhi pasar lainnya dalam waktu tertentu. - Kecenderungan Kerugian Lebih Sering Terjadi:
Analisis skewness menunjukkan bahwa sebagian besar pasar saham ASEAN cenderung memiliki distribusi dengan skewness negatif, yang berarti kerugian besar lebih sering terjadi daripada keuntungan besar. - Distribusi Leptokurtik:
Nilai kurtosis yang lebih dari 2 di pasar saham ASEAN menunjukkan adanya distribusi leptokurtik, di mana kejadian ekstrem (baik keuntungan atau kerugian besar) lebih sering terjadi dibandingkan distribusi normal. Hal ini menandakan ketidakpastian yang lebih tinggi dan meningkatkan kesulitan dalam memprediksi pergerakan harga. - Fungsi Respons Impuls (Impulse Response):
Dampak dari kejutan harga saham pada periode awal sangat besar, tetapi mulai berkurang dan memudar dalam jangka waktu yang lebih panjang. Ini menunjukkan bahwa efek kejutan pasar lebih bersifat sementara dan tidak memiliki dampak jangka panjang yang signifikan. - Efek Penularan Antar Pasar:
Meskipun ada efek penularan (contagion effect) antar pasar saham ASEAN, dampaknya cenderung lebih besar dalam jangka pendek dan berkurang seiring waktu. Ini menunjukkan bahwa pasar saham ASEAN memiliki mekanisme penyesuaian yang cepat terhadap informasi baru atau kejutan pasar. - Stabilitas Pasar Terkait Kebijakan Ekonomi:
Pengaruh jangka panjang terhadap pasar saham ASEAN terbatas, karena faktor-faktor domestik seperti kebijakan ekonomi dan makroekonomi yang mendukung stabilitas pasar. Kebijakan pemerintah yang responsif dapat mengurangi dampak dari kejutan pasar dalam jangka panjang.
Secara keseluruhan, analisis ini memberikan gambaran bahwa meskipun pasar saham ASEAN terhubung satu sama lain, faktor ekonomi dan kebijakan domestik masing-masing negara memainkan peran penting dalam menentukan seberapa lama pengaruh pasar saham antar negara dapat berlangsung.

As a closing, if you want to get the data from Yahoo Finance, here’s the prompt:
import yfinance as yf
import pandas as pd# Ticker indeks saham gabungan di negara-negara ASEAN
indeks_tickers = {
‘Indonesia’: ‘^JKSE’, # Jakarta Composite Index
‘Malaysia’: ‘^KLSE’, # FTSE Bursa Malaysia KLCI
‘Thailand’: ‘^SET.BK’, # SET Index
‘Singapore’: ‘^STI’, # Straits Times Index
‘Vietnam’: ‘^VNINDEX.VN’ # Vietnam Index
}# Mengunduh data bulanan selama lebih dari 80 bulan
start_date = ‘2015–01–01’ # Menyesuaikan untuk mendapatkan setidaknya 80 data
end_date = ‘2024–12–31’ # Tanggal akhir disesuaikan ke waktu sekarang# Dictionary untuk menyimpan data setiap indeks
data_indeks = {}# Loop untuk mengambil data dari setiap ticker
for country, ticker in indeks_tickers.items():
try:
data = yf.download(ticker, start=start_date, end=end_date, interval=’1mo’)
# Mengecek apakah data berhasil diunduh
if data.empty:
print(f”Data untuk {country} ({ticker}) tidak ditemukan di Yahoo Finance.”)
else:
data = data[‘Close’] # Hanya mengambil harga penutupan
data.dropna(inplace=True) # Menghapus data NaN jika ada
data_indeks[country] = data # Menyimpan ke dalam dictionary
print(f”{country} — {len(data)} records”)
print(data.tail(), “\n”) # Menampilkan 5 data terakhir untuk setiap negara
except Exception as e:
print(f”Gagal mengunduh data untuk {country} ({ticker}): {e}”)# Jika ingin menyimpan data ke CSV
for country, data in data_indeks.items():
data.to_csv(f”{country}_index_data.csv”)