Syntax
Literate: Jurnal Ilmiah Indonesia p–ISSN: 2541-0849 e-ISSN: 2548-1398
Vol. 9, No.
7,
Juli 2024
RISIKO
GEOPOLITIK DAN KINERJA PASAR SAHAM GLOBAL: ANALISIS RISIKO DAN RETURN
Mudhia Irba
Hambas
Universits Indonesia,
Jakarta, Indonesia
Email: [email protected]
Abstrak
Risiko geopolitik memainkan peran penting dalam pasar keuangan
internasional. Penelitian sebelumnya menemukan bagaimana risiko geopolitik
berdampak negatif pada pasar valuta asing akibat konflik Rusia-Ukraina sebagai
studi kasus. Penelitian ini bertujuan untuk menyelidiki bagaimana return dan
risiko di pasar saham global merespons perubahan dalam risiko geopolitik secara
keseluruhan. Indeks risiko geopolitik (GPRD) dari Caldara dan Matteo dirancang
untuk menilai risiko geopolitik yang ada di 44 negara di dunia. Penelitian ini
menggunakan metode data panel untuk menguji hubungan antara variabel yang
mencakup 44 negara berbeda dalam rentang waktu 10 tahun. Penelitian ini juga lebih
lanjut menyelidiki bagaimana perbedaan kondisi ekonomi, stabilitas politik,
produktivitas, dan tingkat kebahagiaan mempengaruhi respon pasar saham.
Kata Kunci: Data Panel, Imbal hasil, Risiko geopolitik,
Risiko pasar saham, Pasar saham global
Abstract
Geopolitical risks play an
important role in international financial markets. Previous research found how
geopolitical risks negatively impacted foreign exchange markets due to the
Russia-Ukraine conflict as a case study. This research aims to investigate how
returns and risks in global stock markets respond to changes in overall
geopolitical risk. The geopolitical risk index (GPRD) from Caldara and Matteo
is designed to assess the geopolitical risks that exist in 44 countries in the
world. This research uses panel data methods to examine the relationship
between variables covering 44 different countries over a 10 year period. This
research also further investigates how differences in economic conditions,
political stability, productivity, and levels of happiness influence stock
market responses.
Keywords: Panel data, returns, geopolitical risk,
stock market risk, global stock market
Pendahuluan
Risiko geopolitik merupakan risiko yang timbul akibat
perubahan dalam pemerintahan, badan legislatif, pembuat kebijakan luar negeri,
atau kontrol militer (Launa &
Mudjiyanto, 2022). Setiap negara tentunya memiliki potensi terpapar
oleh risiko geopolitik akibat kondisi dalam negerinya sendiri dan adanya
hubungan atau dinamika kompleks dengan negara lainnya secara global (Rahman, 2020). Pengertian risiko geopolitik menurut Caldara
dan Iacoviello (2022),
yakni risiko yang menilai
peluang terjadinya bencana atau potensi jatuhnya perekonomin global yang
disebabkan oleh gangguan yang timbul akibat perang, aksi teroris, dan peristiwa
geopolitik lainnya yang mempengaruhi hubungan antar negara yang tentunya dapat
mempengaruhi stabilitas dan keamanan wilayah atau secara global.
Pada akhir tahun 2023, situasi geopolitik secara
global sempat menegang dikarenakan terjadinya eskalasi dari konflik
berkepanjangan Israel-Palestina. Grafik berikut menunjukan adanya peningkatan
besar pada nilai indeks risiko geopolitik (GPRD) secara global setelah tanggal
8 Oktober atau pasca deklarasi resmi Israel dikeluarkan. Grafik ini menunjukan
bagaimana konflik antar dua negara turut mempengaruhi tingkat risiko geopolitik
secara global. Ketegangan akibat konflik yang ada antar negara sering kali
dapat menyebabkan peningkatan ketidakpastian yang ada pada pasar keuangan.
Gambar 1. Pergerakan Indeks Risiko
Geopolitik Global Harian
Sumber: https://www.matteoiacoviello.com/gpr.htm (diolah)
Memahami kondisi yang dapat mempengaruhi pasar
keuangan sangat penting bagi investor agar keputusan investasi diambil
berdasarkan analisis yang rasional dengan memahami kondisi dan sentimen pada
pasar keuangan. Adapun ketegangan akibat konflik yang ada antar negara dapat
menyebabkan peningkatan ketidakpastian yang ada pada pasar keuangan. Kondisi
ini sendiri dapat memengaruhi perilaku investor pada pasar keuangan yang mana
perilaku investor dapat berpengaruh pada pergerakan pasar keuangan. Dalam
penelitiannya, He (2023) menyatakan bahwa tingkat risiko geopolitik yang lebih
tinggi dapat mengurangi sentimen positif investor dimana menurut Li et al. (2017), sentimen positif memiliki dampak yang positif pada
return pasar saham China. Akan tetapi, Qadan dan Aharon (2019) justru menemukan bahwa sentimen positif berdampak
negatif pada return pasar saham AS, karena investor cenderung terlalu
percaya diri dan reaktif berlebihan.
Glover (2023) dalam artikelnya di Market Insider menyatakan
bahwa indeks acuan S&P 500 mengalami penurunan sebesar 4% dalam dua
setengah minggu terakhir pasca konflik Israel dan Palentina mencuat. Pernyataan
ini didukung oleh beberapa penelitian sebelumnya seperti penelitian Boungou dan
Yatié (2022) yang menemukan dampak negatif akibat perang
Rusia-Ukraina pada return pasar saham di 15 negara Eropa. Adapun pada pasar valuta asing, Hossain, Masum dan Saadi (2024) menemukan
dampak negatif dari meningkatnya risiko geopolitik akibat perang
Rusia-Ukrainia. Sementara itu, pada pasar valuta asing, Hossain, Masum dan
Saadi (2024) menemukan
bahwa pasar valuta asing terpengaruh secara negatif akibat dari adanya perang
Rusia-Ukraina.
Dari hasil penelitian sebelumnya, beberapa studi
menunjukkan bahwa peristiwa konflik antarnegara dapat memiliki dampak pada
pergerakan pasar keuangan, termasuk pasar modal dan pasar valuta asing. Namun, perlu dicatat bahwa peningkatan risiko geopolitik
tidak hanya disebabkan oleh konflik global semata tapi juga dipengaruhi hal
lainnya seperti hubungan diplomatik, terorisme, dan penyebab internal dari
negara tersebut seperti event pergantian presiden. Karena itu setiap
negara memiliki tingkat risiko geopolitiknya masing-masing (Jung et al., 2021; Zhang et al., 2023).
Caldara
dan
Iacoviello (2022) menyatakan bahwa secara historis, hasil analisa menunjukkan bahwa
perubahan dalam risiko geopolitik memiliki kaitan dengan fluktuasi signifikan
dalam kemungkinan penurunan dalam aktivitas ekonomi. Dimana survei yang
dilakukan pada Investor Global oleh PwC tahun 2018 melaporkan bahwa
indeks risiko geopolitik (GPRD) merupakan salah satu faktor penentu utama dalam
keputusan investasi yang diambil oleh para pelaku pasar.
Dari segi perekonomian suatu negara, Indeks
Produksi Industri (IPI) kerap digunakan
sebagai indikator yang menandakan adanya aktivitas ekonomi
atau perubahan pada produktivitas industri suatu negara. Penelitian oleh Chiang dan Chen (2017) di 20 negara menunjukkan bahwa terdapat
peningkatan pada imbal hasil saham atau nilai pasar saham yang naik memberikan
kontribusi positif pada pertumbuhan produksi industri. Adapun Consumer Price Index (CPI) merupakan
sebuah indikator ekonomi yang mengukur perubahan rata-rata harga dari berbagai
barang dan jasa yang sering
Metode penelitian
Stock market return
Pengolahan data
dilakukan dengan mengolah data harga saham dari negara yang ada untuk
mendapatkan nilai RETURN dan juga RISK. Perhitungan nilai perubahan
RETURN menggunakan rumus sebagai berikut:
Stock market volatility
Adapun untuk
perhitungan nilai risiko atau volatilitas dari pasar saham tersebut, digunakan
metode Parkinson (1980) dengan rumus sebagai berikut:
Model spesification
Penelitian ini
menggunakan metode data panel regresi sebagai salah satu pendekatan analisis
statistiknya. Metode regresi data panel dapat diterapkan untuk berbagai maksud
dalam penelitian, termasuk uji hipotesis, estimasi parameter, penilaian
endogenitas, evaluasi efek heterogenitas, serta pemeriksaan dampak intervensi (Data, 2022). Pendekatan ini memungkinkan peneliti untuk menguji
hubungan sebab-akibat antara variabel yang bervariasi dalam ruang dan waktu.
Metode ini memanfaatkan data yang menggabungkan informasi lintas individu (cross
section) dan data runtut waktu (time series).
Adapun untuk persamaannya dapat dilihat pada model berikut:
Ø 
: Menggambarkan variabel dependen
return dan risk negara.
Ø i : menggambarkan negara yang
diamati
Ø t : menggambarkan periode yang
diamati
Ø 
(dummy):
· 0 tidak
ada krisis : 
· 1
terdapat krisis: 
Dalam melakukan
estimasi pada model regresi data panel, terdapat tiga pendekatan yang cukup
umum untuk digunakan yaitu Common Effect Model (CEM), Fixed Effect
Model (FEM), dan Random Effect Model (REM). Untuk menentukan model
paling tepat untuk digunakan dalam memilih model regresi data panel maka beberapa
metode pengujian dilakukan. Beberapa metode penguji antara lain uji F (Chow
Test), uji Hausman, dan uji Lagrange Multiplier (LM) dengan
hasil sebagai berikut:
Tabel 1. Hasil
Uji F, Uji Hausman dan Uji Lagrange
Multiplier
|
Uji |
Probabilitas |
Model |
|
Uji Chow |
Prob > 0.05 |
CEM |
|
Prob < 0.05 |
FEM |
|
|
Uji Hausman |
Prob > 0.05 |
REM |
|
Prob < 0.05 |
FEM |
|
|
Uji Lagrange Multiplier |
Prob > 0.05 |
CEM |
|
Prob < 0.05 |
REM |
Adapun berikut
ini merupakan kerangka kerja dari penelitian ini:
Gambar 1. Kerangka Kerja
Penelitian
Pengujian Data dan Hipotesis
Statistik
deskriptif
Tabel 2. Hasil Uji Statistik Deskriptif
|
Variabel |
Obs |
Mean |
STDV |
Min |
Max |
|
∆GPRD |
40 |
0.02976 |
2.8251 |
-0.8592 |
18.4022 |
|
IPI |
40 |
0.01749 |
0.0969 |
-0.2847 |
0.53686 |
|
CPI |
40 |
0.00524 |
0.0672 |
-0.6117 |
0.09246 |
|
POL |
40 |
0.01102 |
0.7581 |
-2.00 |
1.16 |
|
HAP |
40 |
6.17921 |
0.9365 |
4.04 |
7.80 |
Variabel
POL digunakan untuk mengukur tingkat stabilitas politik suatu negara melalui skala
indeks yang berkisar dari -2,5 (lemah) hingga 2,5 (kuat). Sementara itu,
variabel HAP digunakan untuk mengukur tingkat kebahagiaan di suatu negara
dengan skala indeks yang berkisar dari 0 (tidak bahagia) hingga 10 (sangat
bahagia). Kedua variabel ini digunakan untuk analisis lanjutan untuk
membandingkan respon antara negara dengan tingkat stabilitas politik dan
kebahagiaan yang berbeda.
Untuk
menentukan penggunaan model regresi data panel yang tepat, perlu dilakukan
beberapa uji terlebih dahulu, yakni uji F (Chow Test), uji Hausman, dan
uji Lagrange Multiplier (LM). Berdasarkan hasil uji Chow dan Hausman untuk kedua
model data imbal hasil dan risiko menunjukkan nilai probabilitas keduanya yang
sama-sama lebih kecil dari 0,05 dimana artinya, model yang dipilih dalam
regressi ini adalah model regresi FEM.
Hipotesis
penelitian
|
|
: |
Risiko geopolitik memiliki pengaruh
terhadap kinerja pasar saham secara global. |
|
|
: |
Produktifitas dan inflasi pada suatu
negara dapat mempengaruhi kinerja pasar saham pada negara tersebut. |
|
|
: |
Tingkat perekonomian negara yang
berbeda mempengaruhi perbedaan respon dari masing-masing pasar saham setiap
negara. |
|
|
: |
Kondisi politik pada negara yang
berbeda mempengaruhi perbedaan respon dari masing-masing pasar saham setiap
negara. |
|
|
: |
Tingkat produktivitas produksi tiap
negara yang berbeda mempengaruhi perbedaan respon dari masing-masing pasar
saham setiap negara. |
|
|
: |
Tingkat kebahagiaan negara yang
berbeda turut mempengaruhi perbedaan respon dari masing-masing pasar saham
setiap negara. |
Hasil dan
Pembahasan
Penelitian ini berhipotesis bahwa risiko geopolitik
memiliki pengaruh terdahap kinerja pasar saham global dilihat dari segi imbal
hasil dan juga risiko atau volatilitas harga saham tersebut. Untuk menguji ini,
kami menggunakan model berikut:
Dimana Yit menunjukan kinerja pasar saham tersebut
baik itu untuk imbal hasil maupun volatilitasnya. Hasil regressi ini dapat
dilihat pada tabel dibawah.
Tabel 3. Hasil
regressi
|
Dampak GPR terhadap kinerja pasar saham global |
||||
|
Variabel |
Imbal Hasil |
Risiko |
||
|
GPRD |
-0.007142*** |
|
0.015005*** (13.78) |
|
|
IPI |
0.001924*** |
|
-0.000999 (-1.470) |
|
|
CPI |
-0.001622** |
|
-0.000381 (-0.372) |
|
|
CRS |
-0.048736 (-0.295) |
|
1.29884*** (5.602) |
|
|
Konstan |
0.848454*** (8.532) |
|
9.567*** (6.85) |
|
|
Observasi |
4800 |
|
4800 |
|
|
Negara |
40 |
|
40 |
|
|
Adj R-Square |
0.36471 |
|
0.47906 |
|
|
Model |
FE |
|
FE |
|
Tabel ini menyajikan ukuran uji non-parametrik
t-statistik ditulis dalam tanda kurung. ***, **, dan * menunjukkan tingkat
signifikansi statistik masing-masing 1%, 5%, dan 10%.
Tabel 3 menunjukan bagaimana tingkat risiko geopolitik
dengan turut mempertimbangkan variabel lainnya, yaitu variabel
kontrol IPI (Industri Production Index) dan CPI (Consumer Price Index),
serta variabel dummy CRS. Dari hasil
ini dapat dilihat bagaimana risiko geopolitik berpengaruh terhadap imbal hasil
dan juga risiko pada pasar saham secara global.
Selanjutnya dilakukan juga analisis cross-sectional
berdasarkan beberapa ketegori untuk secara lebih mendalam melihat
bagaimana beberapa faktor lainnya dapat mempengaruhi dampak risiko geopolitik
terhadap pasar saham di negara-negara dengan karakteristik yang berbeda. Secara
khusus, penelitian ini akan menganalisis berdasarkan faktor kondisi
perekonomian negara, kestabilan kondisi politik, tingkat produktivitas negara,
dan tingkat kebahagiaan penduduk di negara tersebut.
Tabel 4. Perbandingan antara
negara maju dan negara berkembang
|
Panael
A: pengaruh kondisi perekonomian negara terhadap imbal hasil pasar saham |
||||||
|
Variabel |
Berkembang |
Maju |
||||
|
GPRD |
-0.013630*** (-9.99) |
|
-0.002802*** (-3.369) |
|
||
|
IPI |
0.001308** (2.330 |
|
0.010141*** (6.762) |
|
||
|
CPI |
-0.001364* (-1.67) |
|
-0.167804*** (-7.888) |
|
||
|
CRS |
-0.165782 (-0.656) |
|
0.412659** (2.013) |
|
||
|
Konstan |
1.163874*** (7.55) |
|
0.576762*** (4.75) |
|
||
|
Observasi |
2520 |
|
2280 |
|
||
|
Negara |
21 |
|
19 |
|
||
|
Adj R-Square |
0.63956 |
|
0.41921 |
|
||
|
Model |
FE |
|
FE |
|
||
|
Panel
B: Pengaruh kondisi perekonomian negara terhadap risiko pasar saham |
||||||
|
Variabel |
Berkembang |
Maju |
||||
|
GPRD |
|
0.032254*** (20.1) |
|
0.003466** (2.383) |
||
|
IPI |
|
-0.000581 (-0.882) |
|
-0.004410* (-1.681) |
||
|
CPI |
|
-0.000903 (-0.947) |
|
0.091405** (2.45) |
||
|
CRS |
|
0.541886* (1.83) |
|
1.943404*** (5.42) |
||
|
Konstan |
|
10.35156*** (57.3) |
|
8.624905*** (40.64) |
||
|
Observasi |
|
2520 |
|
2280 |
||
|
Negara |
|
21 |
|
19 |
||
|
Adj R-Square |
|
0.278632 |
|
0.47309 |
||
|
Model |
|
FE |
|
FE |
||
Tabel ini menyajikan ukuran uji
non-parametrik t-statistik ditulis dalam tanda kurung. ***, **, dan *
menunjukkan tingkat signifikansi statistik masing-masing 1%, 5%, dan 10%.
Dari hasil ini risiko geopolitik memiliki dampak
yang lebih besar terhadap kinerja pasar saham pada negara berkerkembang. Selain
itu, ketika terjadi krisis, maka dampak yang dirasakan pada risiko pasar saham
di negara berkembang juga lebih tinggi yang mana hal ini dapat dibuktikan dari
volatilitas harga saham pada tahun 2021 ketika krisis akibat pandemi Covid
terjadi, pasar berkembang seperti Venezuela, Argentina, Brasil, Namibia, dan
Yunani menunjukkan volatilitas yang lebih tinggi dibandingkan dengan
negara-negara maju seperti Amerika Serikat, Jerman, dan Jepang.
Hal ini
disebabkan para negara berkembang ini sendrung memiliki biaya utang yang yang
lebih besar sehingga membuat kondisi perekonomian negara lebih lemah dan
membatasi kemampuan negara tersebut juga untuk menghadapi krisis atau guncangan
lebih lanjut. Dari laporan PBB yang diterbitakn tahun 2023, "2022
Financing for Sustainable Development Report: Bridging the Finance Divide"
menyatakan bagaimana negara maju dapat melakukan pemulihan lebih cepat ketika
fase krisis sementara negara miskin harus menghabiskan miliaran untuk membayar
utang mereka, sehingga tidak bisa berinvestasi dalam pembangunan berkelanjutan.
Tabel 5.
Hasil perbandingan antara negara berdasarkan kondisi politiknya
|
Panel
C: Pengaruh stabilitas politik terhadap imbal hasil pasar saham |
||||
|
Variabel |
Tinggi |
Rendah |
||
|
GPRD |
|
-0.003069*** (-3.80) |
|
-0.014443*** (-9.93) |
|
IPI |
|
0.007196*** (5.20) |
|
0.001471** (2.576) |
|
CPI |
|
-0.147650*** (-7.67) |
|
-0.001334 (-1.62) |
|
CRS |
|
0.397527* (1.93) |
|
-0.180821 (-0.69) |
|
Konstan |
|
0.620580*** (5.30) |
|
1.225605 (7.60) |
|
Observasi |
|
2400 |
|
2400 |
|
Negara |
|
20 |
|
20 |
|
Adj R-Square |
|
0.337471 |
|
0.464749 |
|
Model |
|
FE |
|
FE |
|
Panel
D: Pengaruh stabilitas politik terhadap risiko pasar saham |
||||
|
Variabel |
Tinggi |
Rendah |
||
|
GPRD |
|
0.005033*** (3.50) |
|
0.032494*** (19.8) |
|
IPI |
|
-0.002554 (-1.03) |
|
-0.000694 (-1.08) |
|
CPI |
|
0.088943** (2.592) |
|
-0.000950 (-1.02) |
|
CRS |
|
2.255976*** (6.17) |
|
0.300549 (1.02) |
|
Konstan |
|
8.798265*** (42.166) |
|
10.23452 (56.5) |
|
Observasi |
|
2400 |
|
2400 |
|
Negara |
|
20 |
|
20 |
|
Adj R-Square |
|
0.358692 |
|
0.294460 |
|
Model |
|
FE |
|
FE |
Tabel ini menyajikan ukuran uji
non-parametrik t-statistik ditulis dalam tanda kurung. ***, **, dan *
menunjukkan tingkat signifikansi statistik masing-masing 1%, 5%, dan 10%.
Dari hasil diatas dapat dilihat bagaimana
dampak yang lebih besar dirasakan oleh negara dengan tingkat stabilitas politik
yang lebih rendah baik itu dari segi imbal hasil dan risiko. Hal ini sendiri
searah dengan pernyataan Mai et al. (2023) dalam penelitiannya di Pakistan dimana
stabilitas politik berdampak positif signifikan terhadap kinerja pasar saham,
sementara ketidakstabilan politik memiliki dampak negatif. Berdasarkan artikel Political
Stability by Country 2024 yang diterbitkan World Population Review,
pemerintah pada negara dengan stabilitas politik yang rendah cenderung lebih
fokus mempertahankan kekuasaan mereka dan kurang peduli dalam memberikan
dukungan yang diperlukan untuk rakyatnya terutama ketika kondisi krisis
terjadi. Karena itu penanggulangan kondisi krisis pada negara dengan tingkat
stabilitas politik tinggi bisa dilakukan dengan lebih cepat yang membuat adanya
krisis tidak menimbulkan dampak besar bagi perekonomian negara tersebut.
Tabel 6.
Hasil perbandingan antara negara berdasarkan tingkat produktivitas
|
Panel
E: Pengaruh produktivitas negara terhadap imbal hasil pasar saham |
||||
|
Variabel |
Tinggi |
Rendah |
||
|
GPRD |
|
-0.010635*** (-9.077) |
|
-0.003997*** (-3.893) |
|
IPI |
|
16.44208*** (10.18) |
|
0.000586 (1.132) |
|
CPI |
|
-0.014638*** (-3.43) |
|
-0.001292* (-1.709) |
|
CRS |
|
0.218314 (0.978) |
|
-0.089154 (-0.371) |
|
Konstan |
|
0.481997*** (3.491) |
|
0.915600*** (6.376) |
|
Observasi |
|
2400 |
|
2400 |
|
Negara |
|
20 |
|
20 |
|
Adj R-Square |
|
0.48444 |
|
0.35448 |
|
Model |
|
FE |
|
FE |
|
Panel
F: Pengaruh produktivitas negara terhadap risiko pasar saham |
||||
|
Variabel |
Tinggi |
Rendah |
||
|
GPRD |
|
0.012769*** (6.96) |
|
0.016059*** (12.25) |
|
IPI |
|
-9.615827*** (-3.808) |
|
-0.000232 (-0.350) |
|
CPI |
|
0.006375 (0.956) |
|
-0.000580 (-0.600) |
|
CRS |
|
1.277306*** (3.659) |
|
1.195197*** (3.901) |
|
Konstan |
|
9.640251*** (44.63) |
|
9.664784*** (52.7) |
|
Observasi |
|
2400 |
|
2400 |
|
Negara |
|
20 |
|
20 |
|
Adj R-Square |
|
0.48769 |
|
0.21963 |
|
Model |
|
FE |
|
FE |
Tabel ini menyajikan ukuran uji
non-parametrik t-statistik ditulis dalam tanda kurung. ***, **, dan *
menunjukkan tingkat signifikansi statistik masing-masing 1%, 5%, dan 10%.
Dampak risiko geopolitik terhadap imbal
hasil pasar saham dirasakan lebih besar oleh negara dengan tingkat
produktivitas yang besar. Angka produktivitas yang tinggi sendiri sebenarnya
dapat menunjukkan fondasi ekonomi suatu negara yang kuat. Namun, negara-negara
dengan produktivitas yang tinggi ini tentunya memiliki keterkaitan yang lebih
kompleks dengan perekonomian global dan jaringan rantai pasok perdagangan
internasional yang luas. Whitten et al. (2020)
menjelaskan bagaimana China yang merupakan negara dengan tingkat produktivitas
tertinggi 2022, dipenagruhi dengan kuat oleh dinamika politiknya pada
penambilan keputusan China di perdagangang internasional. Pada akhihrnya
permainan politik dari suatu negara dengan tingkat produktivitas yang tinggi
ini dapat mempengaruhi keputusan mereka dalam perdagangan internasional.
Tabel 7.
Hasil perbandingan antara negara berdasarkan tingkat kebahagiannya
|
Panel
G: Pengaruh tingkat kebahagian terhadap imbal hasil pasar saham |
||||
|
Variabel |
Tinggi |
Rendah |
||
|
GPRD |
|
-0.004100*** (-4.77) |
|
-0.011414*** (-8.38) |
|
IPI |
|
0.009801*** (6.13) |
|
0.001395** (2.512) |
|
CPI |
|
-0.189718*** (-8.87) |
|
-0.001389* (-1.71) |
|
CRS |
|
0.420354* (1.99) |
|
-0.171436 (-0.66) |
|
Konstan |
|
0.755254*** (6.09) |
|
1.119354*** (7.14) |
|
Observasi |
|
2400 |
|
2400 |
|
Negara |
|
20 |
|
20 |
|
Adj R-Square |
|
0.48543 |
|
0.457068 |
|
Model |
|
FE |
|
FE |
|
Panel
H: Pengaruh tingkat kebahagian terhadap risiko pasar saham |
||||
|
Variabel |
Tinggi |
Rendah |
||
|
GPRD |
|
0.005114*** (3.350) |
|
0.029787*** (19.81) |
|
IPI |
|
-0.005826** (-2.05) |
|
-0.000605 (-0.985) |
|
CPI |
|
0.084105** (2.214) |
|
-0.000839 (-0.939) |
|
CRS |
|
2.056280*** (5.490) |
|
0.451307 (1.590) |
|
Konstan |
|
9.090290*** (41.30) |
|
10.01533*** (57.8) |
|
Observasi |
|
2400 |
|
2400 |
|
Negara |
|
20 |
|
20 |
|
Adj R-Square |
|
0.352446 |
|
0.307547 |
|
Model |
|
FE |
|
FE |
Tabel ini menyajikan ukuran uji
non-parametrik t-statistik ditulis dalam tanda kurung. ***, **, dan *
menunjukkan tingkat signifikansi statistik masing-masing 1%, 5%, dan 10%.
Hasil
diatas menunjukan bagaiaman
risiko geopolitik berdampak lebih besar terhadap kinerja pasar saham di negara
dengan tingkat kebahagiaan yang lebih kecil. Penelitian
Pandey et al. (2024) sendiri menemukan bahwa pasar saham di
negara-negara yang memiliki tingkat kebahagian yang lebih tinggi cenderung
kurang bereaksi terhadap peristiwa dunia yang mengganggu dalam studi kasus
konflik Israel-Hamas. Perbedaan kontras ini dapat dilihat lebih jelas ketika
krisis tengah terjadi, tidak terdapat pengaruh negatif terhadap pasar dengan
tingkat kebahagiaan tinggi sementara negara dengan tingkat kebahagiaan yang
lebih rendah mengalami dampak negatif dalam imbal hasilnya meskipun pada risiko
terdapat peningkatan pada kedua jenis pasar ini.
|
|
|
GPRD |
IPI |
CPI |
CRS |
|
GPRD |
|
1.000000 |
-0.015707 |
0.022087 |
-0.004717 |
|
IPI |
|
-0.015707 |
1.000000 |
-0.009823 |
0.025526 |
|
CPI |
|
0.022087 |
-0.009823 |
1.000000 |
-0.008335 |
|
CRS |
|
-0.004717 |
0.025526 |
-0.008335 |
1.000000 |
Uji multikolinearitas menunjukan bahwa tidak terdapat
masalah multikolinearitas yang signifikan antara variabel GPRD, IPI, CPI, dan
Crisis dalam model regresi ini dimana seluruh koefisien kolerasi lebih kecil
nilainya dari 0,85, yang merupakan batas nilai koefisien korelasi yang dapat
menimbulkan masalah multikolinearitas.
Selanutnya uji heteroskedastisitas
adalah metode statistik yang digunakan untuk mengecek apakah terdapat
ketidakkonsistenan atau ketidakstabilan dalam variabilitas residu pada model
regresi dengan hipotesis sebagai berikut:
Ø 
: Tidak
ada masalah heteroskedastisitas (prob > 0.05)
Ø 
:
Terdapat masalah heteroskedastisitas (prob < 0.05)
Tabel 9.
Hasil Uji Heteroskedastisitas Imbal Hasil
|
Variabel |
Koefisien |
Std. Error |
t-Statistic |
Prob. |
|
GPRD |
-0.000429 |
0.002215 |
-0.193799 |
0.8463 |
|
IPI |
0.000133 |
0.000233 |
0.571260 |
0.5679 |
|
CPI |
0.000292 |
0.000435 |
0.669669 |
0.5031 |
|
CRS |
0.007208 |
0.004480 |
1.609002 |
0.1077 |
|
C |
0.003168 |
0.005181 |
0.611490 |
0.5409 |
Berdasarkan hasil uji asumsi klasik
heteroskedastisitas pada model imbal hasil, seluruh variabel yang ada memiliki
nilai probabilitas yang lebih besar dari 0,05. Hal ini mengindikasi 
yang menyatakan tidak ada masalah
heteroskedastisitas pada variabel diterima.
Tabel 10. Hasil Uji Heteroskedastisitas
Risiko
|
Variabel |
Koefisien |
Std. Error |
t-Statistic |
Prob. |
|
GPRD |
-0.000934 |
0.002064 |
-0.452817 |
0.6507 |
|
IPI |
0.000272 |
0.000214 |
1.266490 |
0.2054 |
|
CPI |
0.000529 |
0.000285 |
1.855978 |
0.0635 |
|
CRS |
0.007248 |
0.004333 |
1.672725 |
0.0944 |
|
C |
8.54E-05 |
0.005006 |
0.017049 |
0.9864 |
Berdasarkan
hasil uji asumsi klasik heteroskedastisitas pada model risiko, seluruh variabel
yang ada memiliki nilai probabilitas lebih besar dari 0,05. Hal ini
mengindikasi yang menyatakan tidak ada masalah
heteroskedastisitas pada variabel diterima.
Uji
Hipotesis
1 Uji t
Dari hasil
perhitungan t tabel untuk data dengan sampel total 4800, didapatkan nilai nilai
kritis t sebesar 1.960459
yang mana nilai ini menjadi penentu dalam pemilihan hipotesis yang diterima.
Adapun hipotesisnya adalah sebagai berikut:
Ø :
Variabel independen tidak mempengaruhi variabel dependen (t-stat < 1.96046)
Ø :
Variabel independen dapat mempengaruhi variabel dependen (t-stat > 1.96046)
Tabel 11. Hasil
uji t untuk variabel dependen Imbal Hasil
|
|
Koefisien |
Std. Error |
t-Statistik |
Prob. |
|
GPRD |
-0.007142 |
0.000776 |
-9.204651 |
0.0000 |
|
IPI |
0.001924 |
0.000484 |
3.973222 |
0.0001 |
|
CPI |
-0.001622 |
0.000729 |
-2.224209 |
0.0262 |
|
CRS |
-0.048736 |
0.165228 |
-0.294963 |
0.7680 |
|
C |
0.848454 |
0.099437 |
8.532585 |
0.0000 |
Dari hasil t statistik yang dimiliki oleh variabel
diatas terhadap variabel dependen imbal hasil, terdapat variabel GPRD, IPI, dan
CPI yang memiliki nilai t-statistik > 1.96046 yang artinyterdapat penolakan terhadap
dan 
diterima. Sementara untu variabel CRS,
nmemiliki nilai t statistik yang lebih kecil dibanding nilai kritis t sehingga diterima.
Tabel 12. Hasil
uji t untuk variabel dependen risiko
|
Variabel |
Koefisien |
Std. Error |
t-Statistik |
Prob. |
|
GPRD |
0.015005 |
0.001089 |
13.78216 |
0.0000 |
|
IPI |
-0.000999 |
0.000679 |
-1.470779 |
0.1414 |
|
CPI |
-0.000381 |
0.001023 |
-0.372782 |
0.7093 |
|
CRS |
1.298842 |
0.231850 |
5.602070 |
0.0000 |
|
C |
9.567011 |
0.139531 |
68.56543 |
0.0000 |
Dari hasil t statistik yang dimiliki oleh variabel
diatas terhadap variabel dependen risiko, terdapat variabel GPRD, dan CRS
memiliki nilai t-statistik > 1.96046
yang artinya terdapat penolakan terhadap dan diterima. Sementara untuk variabel IPI dan
CPI, nilai t statistik lebih kecil dibanding
nilai kritis t sehingga diterima.
Uji
F
Berdasarkan hasil perhitungan nilai f
tabel untuk 4800 sampel data dengan total 5 variabel dalam setiap modelnya,
didapatkanlah nilai sebesar 2.373785 yang mana nilai ini menjadi penentu dalam pemilihan hipotesis
yang diterima. Adapun hipotesisnya adalah sebagai berikut:
Ø :
Variabel independen secara simultan tidak dapat mempengaruhi variabel dependen
(f-stat < 2.373785)
Ø :
Variabel independen secara simultan dapat membawa pengaruh terhadap variabel
dependen (f-stat > 2.373785)
Tabel 13.
Hasil Uji F
|
Keterangan |
Imbal
Hasil |
Risiko |
|
R-squared |
0.451043 |
0.555411 |
|
Adjusted R-squared |
0.364710 |
0.479061 |
|
S.E. of regression |
5.438193 |
7.630938 |
|
Sum squared resid |
140653.7 |
276947.7 |
|
Log likelihood |
-14917.35 |
-16543.42 |
|
F-statistik |
5.224403 |
20.37230 |
Dari
data diatas, F hitung memiliki nilai sebesar 5.224 untuk
model imbal hasil, dan 20.372 untuk model
risiko yang mana keduanya memiliki nilai f hitung yang lebih besar dari 2.3737 yang
merupakan nilai f tabel. Artinya ditolak, yang menandakan variabel yang ada secara
simultan dapat membawa pengaruh terhadap variabel dependennya.
Uji Koefisien Determinasi
Berdasarkan
data pada table 13
diketahui bahwa model regressi untuk variabel dependen imbal hasil memiliki
nilai adjusted R square sebesar 0.3647
atau 36.47% sementara itu untuk model regresi
untuk variabel dependen risiko memiliki nilai adjusted R square sebesar 0.4790 atau 47.9%.
Kesimpulan
Konflik
geopolitik adalah situasi ketidakstabilan yang melibatkan negara-negara atau
wilayah-wilayah tertentu, dengan dampak yang dapat meluas ke ekonomi global.
Contoh konkret adalah perang Israel-Palestina. Penelitian ini menganalisis
dampak risiko geopolitik dari konflik tersebut terhadap kinerja pasar saham
global selama 10 tahun terakhir. Hasil penelitian menunjukkan bahwa risiko
geopolitik yang berasal dari konflik ini memiliki efek negatif besar pada
kinerja pasar saham dari segi imbal hasil sementara itu dari segi volatilitas,
membawa efek positif. Dalam analisis cross-sectional, ditemukan bahwa dampak risiko geopolitik terhadap kinerja pasar
saham dapat bervariasi bergantung pada karakteristik negara tersebut. Dari hasil
penelitian, negara berkembang dan negara dengan stabilitas politik yang lebih
rendah. menunjukan kecenderungan lebih rentan terhadap dampak risiko geopolitik
baik itu dari segi imbal hasil dan risikonya. Adapun
negara dengan produktivitas tinggi justru memiliki dampak yang lebih besar
akibat terpapar oleh risiko yang lebih luas dengan adanya perdagangan
internasional sehingga lebih rentan terhadap guncangan geopolitik yang dapat
mengganggu rantai pasok dan hubungan perdagangan. Sementara itu, perbedaan pengaruh risiko geopolitik
terhadap volatilitas pasar dapat lerlihat juga pada negara dengan tingkat
kebahagiaan yang tinggi dan rendah dalam kondisi normal dimana pasar pada
negara dengan tingkat kebahagiaan yang lebih tinggi cenderung lebih bertahan
dan kurang bereaksi berlebihan terhadap guncangan tersebut.
Secara
keseluruhan, penelitian ini menunjukkan bahwa dampak risiko geopolitik terhadap
volatilitas pasar saham dapat bervariasi bergantung pada kondisi ekonomi,
stabilitas politik, tingkat produktivitas, dan tingkat kebahagiaan suatu
negara. Penelitian ini sendiri sebatas
untuk melihat hubungan antara risiko geopolitik terhadap kinerja pasar saham
secara global pada 40 negara dengan melihat tingkat imbal hasil dan risiko dari
masing-masing pasar saham tersebut. Kedepannya penelitian ini dapat
dikembangkan untuk analisis sektoral sehingga dapat terlihat sekotr industri
mana yang paling terpengaruh terhadap perubahan risiko geopolitik. Penelitian selanjutnya dapat mengeksplorasi
strategi mitigasi risikoyang dapat digunakan oleh investor, perusahaan, atau
pembuat kebijakan untuk memitigasi dampak negatif dari risiko geopolitik
terhadap pasar saham dan ekonomi secara umum. Hal ini dapat meliputi
diversifikasi portofolio, pengembangan kebijakan, atau upaya-upaya diplomasi
untuk mengurangi ketegangan geopolitik.
BIBLIOGRAFI
Boungou, W., & Yatié, A. (2022). The impact of the
Ukraine–Russia war on world stock market returns. Economics Letters, 215,
110516.
Caldara, D., & Iacoviello, M. (2022). Measuring
geopolitical risk. American Economic Review, 112(4), 1194–1225.
Chiang, T. C., & Chen, X. (2017). Stock market activities
and industrial production growth: Evidence from 20 international markets. In Advances
in Pacific Basin business economics and finance (Vol. 5, pp. 39–75).
Emerald Publishing Limited.
Data, K. A. (2022). Metode regresi data panel dengan
intervening dan tujuannya - Jasa Olah data Statistika Nusagama.
https://gamastatistika.com/2022/01/20/metode-regresi-data-panel-dengan-intervening-dan-tujuannya/
Glover, G. (2023). Stocks will rally sharply when
Israel’s ground invasion of Gaza kicks off, veteran investor says. Markets
Insider.
https://markets.businessinsider.com/news/stocks/israel-gaza-hamas-palestine-stock-market-crash-outlook-vete
He, Z. (2023). Geopolitical risks and investor
sentiment: Causality and TVP-VAR analysis. The North American Journal of
Economics and Finance, 67, 101947.
Hossain, A. T., Masum, A.-A., & Saadi, S. (2024).
The impact of geopolitical risks on foreign exchange markets: Evidence from the
Russia–Ukraine war. Finance Research Letters, 59, 104750.
Jung, S., Lee, J., & Lee, S. (2021). Geopolitical
risk on stock returns: Evidence from Inter-Korea geopolitics. International
Monetary Fund.
Launa, L., & Mudjiyanto, B. (2022). Membincang
Risiko Dan Ketidakpastian (Sebuah Penjajakan Konseptual Studi Risiko Politik). Communitarian:
Jurnal Prodi Ilmu Politik, 3(2).
Li, X., Wu, Z., Zhou, X., & Hu, J. (2017).
Colorimetric response of peptide modified gold nanoparticles: An original assay
for ultrasensitive silver detection. Biosensors and Bioelectronics, 92,
496–501.
Mai, Z., Nawaz Saleem, H. M., & Kamran, M. (2023).
The relationship between political instability and stock market performance: An
analysis of the MSCI index in the case of Pakistan. Plos One, 18(10),
e0292284.
Pandey, D. K., Kumari, V., Palma, A., & Goodell, J.
W. (2024). Are markets in happier countries less affected by tragic events?
Evidence from market reaction to the Israel–Hamas conflict. Finance Research
Letters, 60, 104893.
Qadan, M., & Aharon, D. Y. (2019). How much
happiness can we find in the US fear Index? Finance Research Letters, 30,
246–258.
Rahman, L. L. A. (2020). Implikasi Diplomasi Pertahanan
terhadap Keamanan Siber dalam Konteks Politik Keamanan. Jurnal Diplomasi
Pertahanan, 6(2), 1–93.
Whitten, G., Dai, X., Fan, S., & Pang, Y. (2020).
Do political relations affect international trade? Evidence from China’s twelve
trading partners. Journal of Shipping and Trade, 5, 1–24.
Zhang, Y., He, J., He, M., & Li, S. (2023).
Geopolitical risk and stock market volatility: A global perspective. Finance
Research Letters, 53, 103620.
|
Copyright holder: Mudhia Irba Hambas (2024) |
|
First publication right: Syntax Literate: Jurnal Ilmiah Indonesia |
|
This article is licensed under:
|
