ANALISIS
TIME SERIES DAN FORECASTING DATA KEUANGAN
1. PENGANTAR
·
Bab sebelumnya membicarakan perbandingan
cross-sectional
·
Bab ini membicarakan perbandingan time-series,
yaitu membandingkan angka-angka dengan data historis
·
Bab ini juga membicarakan tehnik-tehnik
forecasting (proyeksi) data keuangan
2.
ANALISIS TIME
SERIES
·
Analisis terhadap data historis diperlukan
untuk melihat tren‑tren yang mungkin timbul.
·
Analis juga perlu menganalisis apa yang terjadi
dibalik tren‑tren angka tersebut.
·
Data historis perusahaan sebaiknya juga
dibandingkan dengan data historis industri untuk melihat apakah tren suatu
perusahaan bergerak relatif lebih baik terhadap tren industri.
1. BEBERAPA
PERUBAHAN STRUKTURAL YANG PELU DIPERHATIKAN
·
Peraturan Pemerintah
·
Perubahan Kompetisi
·
Perubahan Teknologi
·
Akuisisi dan Merger
1.
TIGA
PENDEKATAN DALAM ANALISIS TIME-SERIES
·
Pendekatan Ekonomi
·
Pendekatan Statistik
·
Pendekatan Visual
2.
KOMPONEN DATA
TIME-SERIES
·
Trend
·
Siklus
·
Musiman
·
Ketidakeraturan
·
Dalam beberapa situasi, analis ingin memecaha
data time-series ke dalam empat komponen tersebut
A. Tren
Ø
Trend merupakan pergerakan time series dalam jangka panjang, bisa
merupakan tren naik atau turun.
Ø
Diperlukan waktu jangka panjang (15 atau 20 tahun)
untuk melihat pola tren tersebut. Tren tersebut bisa dipengaruhi oleh perubahan
jumlah penduduk, perubahan teknologi, dan semacamnya.
Ø Mengukur
Pengaruh Tren
1.
Menggambar dengan tangan
a.
Misal, dengan menarik garis diantara
titik-titik observasi
b.
Kelemahan: subyektif, Kelebihan: mudah
2.
Menggunakan model matematika
a.
Misal, membuat garis lurus dengan menggunakan
rumus least square
b.
Kelebihan: obyektif, Kelemahan: terlalu
mekanistis
3.
Bagaimana jika trend yang non-linear? Tren
tidak selamanya lurus
B. Siklus
Siklus merupakan fluktuasi bisnis dalam jangka yang lebih pendek
(sekitar 2‑10 tahun). Belum ada penjelasan yang memuaskan terhadap penyebab
timbulnya fluktuasi siklus semacam ini. Lamanya dan besarnya fluktuasi juga
sangat beragam dari perusahaan ke perusahaan, dan dari industri ke industri.
Ø Analisis
Siklus
Siklus bisnis
muncul dalam jangka waktu menengah (2‑10 tahun).
Pengaruh siklus
bisa dilihat dengan persentase tren yang dirumuskan sebagai berikut ini.
%
Tren = Y/Yt x 100
dimana Y
merupakan data tahunan yang sesungguhnya, dan Yt merupakan data tren yang dihitung berdasarkan persamaan trend.
C. Musiman
Ø
Musiman merupakan fluktuasi yang terjadi dalam
lingkup satu tahun.
Ø
Ada beberapa penyebab timbulnya fluktuasi
musiman seperti disebutkan di muka:
1.
Karena peristiwa tertentu, misal karena
peristiwa lebaran atau tahun baru,
2.
Karena cuaca, misal musim hujan dan musim
kemarau.
Ø
Analisis Musiman
- Analis mungkin ingin melihat pengaruh musiman untuk beberapa tujuan, misal untuk mengalokasikan anggaran penjualan tahunan ke dalam kuartalan, dimana penjualan kuartalan dipengaruhi oleh musim
- Analis ingin menghilangkan pengaruh musiman untuk melihat tren, siklus, atau ketidakteraturan lebih jelas
- Bagaimana menghitung pengaruh musiman? Jelaskan.
D. Ketidakteraturan
Ø
Fluktuasi semacam ini disebabkan karena faktor‑faktor
yang munculnya tidak teratur, dengan jangka waktu yang pendek.
Ø
Misalkan suatu perusahaan mengalami musibah
karena salah satu gudangnya terbakar, maka data keuntungan perusahaan pada periode
tersebut akan terpengaruh.
a. Pendekatan
Analis Sekuritas (Multivariate) Untuk Forecasting
Kelebihan:
1.
Mampu menyesuaikan terhadap informasi dari berbagai sumber
2.
Mampu menyesuaikan terhadap perubahan struktural secara cepat
3.
Mampu memperbaharui secara kontinu untuk informasi baru
Kelemahan
1. Biaya yang
cukup tinggi
2. Ketergantungan
yang tinggi terhadap kemampuan individu analisnya
3. Analis
barangkali mempunyai insentif untuk tidak menampilkan forecast yang
tidak bias
4. Analis
barangkali bisa dimanfaatkan oleh perusahaan‑perusahaan tertentu
b. Pendekatan Univariate
Mekanis untuk Forecasting
Kelebihan
1.
Mampu mendeteksi pola tertentu pada data masa
lalu
2.
Tingkat subyektivitas yang rendah
3.
Biaya yang relatif lebih rendah
4.
Mudah diperbaharui
5.
Bisa menganalisis lebih lanjut dengan metode
statistik
Kelemahan
1.
Jumlah observasi yang terbatas pada situasi
tertentu
2.
Laporan keuangan barangkali tidak memenuhi asumsi‑asumsi
yang diperlukan dalam analisis statistik
3.
Sulit mengkomunikasikan hasil analisis kepada
luar, terutama dalam hal metodologinya
MANA
YANG LEBIH AKURAT?
1.
Secara umum forecast yang diberikan oleh
analis keuangan biasanya lebih akurat dibandingkan dengan forecast dengan
menggunakan model analisis time‑series.
2.
Secara umum model forecast multivariate
biasanya lebih akurat dibandingkan dengan model forecast univariate
Tidak ada komentar:
Posting Komentar