RISIKO EKUITAS SAHAM DAN PORTOFOLIO

Rowland Bismark Fernando Pasaribu

DISCLAIMER:
Kertas kerja staff pada Serial Diskusi ECONARCH Institute adalah materi
pendahuluan yang disirkulasikan untuk menstimulasi diskusi dan komentar kritis.
Analisis dan kesimpulan yang dihasilkan penulis tidak mengindikasikan konsensus
anggota staff penelitian lainnya, BOD atau institusi. Referensi pada publikasi Serial
Diskusi harus dinyatakan secara jelas oleh penulis untuk melindungi karakter
tentatif pada kertas Diskusi ini.

2
 RISIKO EKUITAS SAHAM DAN PORTOFOLIO1

Pendahuluan
Saat kita mempertimbangkan risiko berinvestasi dalam ekuitas
saham, kita benar-benar menghadapi tiga permasalahan yang
terpisah. Pertama adalah mengacu pada definisi risiko yakni
representasi yang memadai menyangkut representasi kita diantara
berbagai hasil kinerja yang memungkinkan. Kerangka kerja untuk
risiko secara intuitif juga harus menarik dan dapat dimengerti.
Secara matematis cukup dapat dilacak pada proses manajemen
portofolio. Tugas kedua adalah membangun metodologi untuk
mengukur dan meramal risiko pada ekuitas saham dan portfolio.
Dalam pelaksanaan investasi saat ini, terdapat beragam model risiko
yang ada, dimana masing-masing model memliki kekuatan dan
kelemahannya masing-masing. Beberapa metodologi ini akan dikaji.
Akhirnya kita akan mengangkat isu mengenai kesalahan
estimasi. Apapun definisi kita mengenai risiko dan karenanya
berhati-hati dalam mengestimasi risiko mendatang pada investasi
ekuitas, harus selalu memperhatikan probabilitas bahwa ramalan
kita itu salah. Sebahagian besar teori portofolio mengasumsikan
bahwa risiko dan ramalan atas risiko yang dibuat tersebut adalah
sempurna. Secara universal sebahagian besar dari kita menolak
“risiko” bahwa pemahaman kita mengenai risiko itu sendiri adalah
salah.

Kerangka Kerja Untuk Risiko dalam Ekuitas

Saat kita bicara mengenai risiko, pertama kita harus secara
jelas membedakan antara ketidakpastian akan hasil periode
mendatang (risiko statistik) dan potensi untuk hasil yang tidak
diinginkan (risiko ekonomi). Bayangkan bahwa kita menerima kupon
undian dengan kondisi dari pemberian dan kita tidak menjual

1
Contac person: rowland.pasaribu@gmail.com

3
kembali kupon tersebut. Dalam menerima hadiah tersebut dan
menunggu hasil undian kupon, kita tidak mengalami risiko ekonomi
(biaya kupon nol dan larangan untuk menjual kembali menggantikan
biaya opportunity), tapi ketidakpastian mengenai hasil akhir tetap
besar. Disisi lain, pertimbangkan aksi bunuh diri dengan lompat dari
gedung yang sangat tinggi. Ketidakpastian hasil adalah sangat kecil,
tapi risiko hasil yang tidak diinginkan yang diukur dengan kematian
secara tragis sangat besar.
Pendapat yang sedikit abstrak mengenai definisi risiko yakni
investor tidak berkeberatan menerima tingkat pengembalian yang
baik secara mengejutkan. Oleh sebab itu, pengukuran dispersi seperti
penyimpangan standar atau varian tidaklah memadai untuk risiko
ekonomi kecuali distribusi probabilitas tingkat pengembalian adalah
simetris mengenai ekspektasi investor. Meski banyak hasil penelitian
telah diaplikasikan terhadap tingkat pengembalian saham dengan
sedikit bukti bahwa nilai rata-rata tingkat pengembalian terdistribusi
secara simetris. Hasil penelitian Alexander (1964)2 menyatakan bahwa
tingkat pengembalian tidak hanya terdistribusi secara simetris tapi
juga berdistribusi normal, memperkuat kebenaran pengukuran
dispersi parametrik.
Sebagai alternatif ukuran risiko, beberapa investor memilih
menggunakan metode berdasarkan frekuensi potensial dan
pentingnya tingkat pengembalian dibawah beberapa level target.
Metode tersebut mengacu pada apa yang disebut sebagai risiko sisi
bawah (downside risk) atau momen parsial terendah (lower partial
moment). Metode tersebut terlihat memadai untuk dua kondisi.
Pertama, saat tingkat pengembalian aset itu sendiri memiliki
skewness yang dapat diramalkan secara konsisten. Kedua, saat level
taget tingkat pengembalian jauh dari nilai rata-rata ramalan tingkat
pengembalian aset. Sementara metode tersebut menerima popularitas
terbatas dalam permasalahan alokasi kelas aset, ketiadaan asimetris
2
Sidney Alexander. "Price Movements in Speculative Markets: Trends or Random Walks", dalam
Paul Cootner, ed., "The Random Character of Stock Market Prices", Cambridge, MA" MIT Press,
1964, Pg. 199-218)

4
dalam tingkat pengembalian saham telah membuat pendapat ini
kurang persuasif. Sebagai tambahan, sebahagian besar tingkat
pengembalian portfolio ekuitas diukur relatif terhadap benchmark
yang dipilih secara khusus karena tingkat pengembalian yang
diharapkan mendekati pusat distribusi tingkat pengembalian yang
tersedia untuk penyeleksian saham. Baru-baru ini terdapat juga
beberapa studi akademis yang menyatakan bahwa metode momen
parsial terbawah tidak berguna untuk investor portfolio bahkan saat
distribusi tingkat pengembaian aset adalah skew.3
Asumsikan bahwa kita dapat menerima suatu matrik risiko; kita
harus mempertimbangkan dasar untuk membandingkan saat
melakukan pengukuran risiko. Dalam kerangka kerja umum lembaga
investasi ekuitas, risiko dipertimbangkan sebagai potensi untuk
perbedaan relatif tingkat pengembalian terhadap kinerja beberapa
benchmark portofolio. Terdapat dua logika untuk mempertimbangkan
risiko dalam basis relatif daripada basis absolut: pertama, investor
biasanya membuat trade-off antara ramalan tingkat pengembalian dan
risiko dalam basis absolut selama proses beberapa alokasi aset. Karena
itu menarik bahwa portfolio ekuitas menjadi serupa dalam perilaku
tingkat pengembalian terhadap perilaku tingkat pengembalian yang
diramalkan sebagai bagian proses alokasi aset. Alasan kedua bahwa
risiko relatif penting adalah: lembaga investasi menganggap terdapat
persistensi relatif terhadap kinerja manajer, karenanya seringkali
mereka menggunakan kinerja masa lalu sebagai kriteria dalam memilih
manajer investasi. Dengan menggunakan indeks perbandingan umum
untuk menilai para manajer investasi tersebut dimungkinkan untuk
membandingkan manajer investasi secara efektif pada pendekatan
investasi yang serupa.4
3
Selecting Portfolios of Highly Skewed Assets Using Means, Variances and Higher Moments” oleh
Hlawitschka dan Stern (dipresentasikan pada Financial Management Association Annual Meeting,
1995)
4
Isu persistensi kinerja telah menjadi banyak subjek penelitian, misalnya: Hendricks, Patel dan
Zeckhauser. 1993. “Hot Hands in Mutual Funds”. Journal of Finance; Brown dan Geoetzmann. 1995.
“Performance Persistence”. Journal of Finance. Kajian komprehensif mengenai hal ini juga dapat
dilihat pada penelitiannya Sneddon (“Does Performance Persist?”, Proceedings 1996 Northfield
Research Seminar). Risiko bagi investor atas klasifikasi buruk yang dilakukan manajer ke dalam peer
groups juga telah dilakukan dalam penelitiannya Witkowski dan diBartolomeo (“Mutual Fund
Misclassification”, Financial Analyst Journal, 1997).

5
 Sebaliknya terdapat banyak situasi dan kondisi dimana kita
dapat memilih untuk mengukur risiko dalam kerangka kerja tingkat
pengembalian risiko absolut, contoh: investor ritel umumnya lebih
peduli dengan kerugian absolut modal mereka dibanding
memperhatikan dengan mempertahankan kinerja tingkat
pengembalian yang superior terhadap atau paling tidak konsisten
dengan indeks perbandingan tertentu.
Bahkan kelembagaan pasar berpendapat bahwa fungsi utilitas
investor benar-benar mengkombinasikan perhatian mengenai risiko
relatif dan absolut. Perlu diingat bahwa risiko absolut dapat
digambarkan sebagai risiko investasi relatif terhadap investasi bebas
risiko. Dengan demikian kombinasi benchmark yang terdiri dari
beberapa kombinasi perbandingan ekuitas dan aset bebas risiko
dapat dibangun untuk menyikapi preferensi risiko ganda pada
beberapa investor.

Pemodelan Risiko Ekuitas

Kalau kita menerima bahwa dispersi pada hasil potensia yang
diukur dengan varian tingkat pengembalian mendatang adalah
ukuran risiko yang memadai, maka kemudian dapat ditetapkan
mengenai proses pembentukkan model risiko ekuitas. Model tersebut
kemudian dapat digunakan untuk meramal risiko saham individual
atau portfolio saham.
Telah lama diketahui oleh investor bahwa salah satu cara
mengontrol risiko investasi portfolio adalah mendiversifikasikannya
dengan sistem proporsi portfolio dalam beragam investasi yang
berbeda-beda. Untuk tingkatan dimana dimana mau tidak mau
seluruh aset dalam portfolio akan mengalami fluktuasi nilai secara
koinsidensial pada saat yang sama, varian tingkat pengembalian
portofolio akan dikurangi relatif terhadap investasi besar tunggal.
Telah banyak hasil penelitian empiris yang berpendapat dalam

6
rangka pembentukkan portfolio yang terdiversifikasi.5 Sebahagian
besar dari penelitian mengasumsikan bahwa saham dalam portofolio
terpilih secara acak. Asumsi ini harus diuji secara cermat oleh para
manajer investasi aktif.
Untuk tingkatan dimana manajemen portfolio aktif berdasarkan
definisinya adalah proses penyeleksian saham yang entah bagaimana
lebih menarik sebagai investasi dibanding beberapa saham lainnya
(lebih dari sekedar memilih secara acak), contoh: kalau kita yakin
bahwa saham dengan PER yang rendah memiliki kinerja yang lebih
baik dibanding saham yang PER-nya tinggi, kita akan memilih untuk
memiliki saham dengan PER rendah dalam portfolio kita. Apakah
portofolio tersebut terdiri dari 10, 25, atau 200 saham PER rendah,
risiko premis awal bahwa kinerja baik yang diharapkan pada saham
PER rendah bisa jadi tidak berkurang atau termitigasi.
Awal metode formal dalam manajemen risiko investasi adalah
salah satu hasil karya jeniusnya Markowitz. Dengan konstruksi
matematika pada apa yang kemudian diketahui sebagai teori portfolio
modern, ia menunjukkan bahwa varian pada tingkat pengembalian
saham individual dan korelasi tingkat pengembalian tersebut dapat
dikombinasikan untuk menghitung nilai varian portfolio yang
dibentuk oleh saham-saham tersebut. Pada intinya, metode
Markowitz memungkinkan investor untuk mendiversifikasi portfolio
mereka dalam gaya yang lebih logis dibanding hanya mengacu pada
insting semata.
Sementara metode Markowitz sangat populer untuk
permasalahan portfolio mengenai kelas aset, formulasi klasik tidak
secara luas digunakan untuk permasalahan portfolio ekuitas, hal ini
karena mengharuskan kita untuk tidak hanya meramal varian
tingkat pengembalian tiap saham, tapi juga korelasi tingkat
pengembalian antara tiap saham dan setiap saham lain yang
dilibatkan dalam permasalahan tersebut. Kalau kita mensimplifikasi
5
Lebih lengkap Lih. Evans dan Archer. 1968. “Diversification and the Reduction of Dispersion: An
Empirical Analysis”, Journal of Finance; Statman. 1987. “How Many Stocks Make a Diversified
Portfolio?”, Journal of Financial and Quantitative Analysis, 1987.

7
asumsi bahwa masa mendatang akan serupa dengan masa lalu, kita
akan menggunakan analisis regresi berpasangan untuk
menghasilkan estimasi statistik pada seluruh korelasi masa lalu.
Untuk tingkatan dimana regresi ini berdasarkan nilai hasil estimasi
nilai-nilai itu sendiri adalah subjek terhadap kesalahan sampling,
maka hasil ramalan yang diperoleh tidak akurat. Sejumlah pengujian
dalam penelitian Elton et.al. (1978) menunjukkan bahwa dalam
permasalahan portfolio saham, akan lebih efektif kalau
mengasumsikan bahwa seluruh koefisien korelasi adalah sama
dengan nilai rata-rata korelasi masa lalu, dibanding menganggap
bahwa tiap koefisien korelasi yang terpisah akan sama dengan nilai
individual historis-nya.6
Solusi umum terhadap kelemahan metode Markowitz untuk
mengestimasi risiko portofolio saham adalah menggunakan model
faktor umum. Dalam model faktor umum, kita membentuk sejumlah
kriteria yang dengannya kita menilai tingkat kesamaan atau
perbedaan antara dua atau lebih portofolio saham. Kalau dua
portofolio memiliki karakterisitik yang sama, kita mengharapkan
kinerja keduanya berkorelasi tinggi. Kalau karakteristik keduanya
tidak sama, kita akan mengharapkan kinerja portofolio tersebut
rendah atau mungkin berkorelasi negatif. Untuk tingkatan dimana
saham individual dapat dipertimbangkan sebagai satu portofolio
tunggal, model faktor biasanya dapat juga digunakan untuk
mengestimasi volatilitas pada saham tertentu. Selain fakta nyata
bahwa diperlukan alasan untuk percaya bahwa ukuran-ukuran yang
digunakan untuk menilai persamaan harus memiliki kepentingan
perihal variasi tingkat pengembalian saham, jumlah faktor umum
yang dipilih untuk dimasukkan dalam model juga masih merupakan
subjek yang layak diperdebatkan.
Cara lain untuk berpikir pada topik ini adalah bahwa model
faktor menyediakan pengecekan mengenai rasionalitas asumsi bahwa
korelasi mendatang akan sama dengan yang lalu. Kalau kita memilii

6
lih. Elton, Gruber dan Urich. “Are Beta’s Best?”, Journal of Finance, 1978.

8
dua saham yang berkorelasi tinggi di masa lalu dan memiliki
karakteristik yang hampir sama, kita dapat berpikir sangat beralasan
bahwa perilaku berkorelasi tinggi tersebut akan berlanjut. Tapi kalau
dua saham memliki karakteristik yang sangat berbeda, kita dapat
berpikir bahwa korelasi tinggi di masa lalu adalah koinsiden yang
acak. Kita juga dapat membuat evaluasi pada volatilitas saham yang
ada. Jika kita ingat bahwa karakteristik tertentu adalah dihubungkan
dengan variasi dalam tingkat pengembalian saham, maka saham
yang memiliki nilai yang semakin ekstrim pada karakteristik tersebut
cenderung menjadi semakin volatil. Intinya, kita dapat memisahkan
porsi risiko apa yang meningkat dari penyebab yang dapat meresap
ke lintas banyak saham dari resiko yang dengan sebenarnya khusus
pada saham emiten tertentu.
Model faktor umum yang telah luas diketahui adalah model
indek tunggal. CAPM yang dihasilkan Sharpe (1964) adalah kasus
khusus pada model indek tunggal. Dalam implementasi model indeks
tunggal, faktor umumnya adalah kelebihan tingkat pengembalian
atas tingkat bebas risiko dalam portofolio yang terdiri dari seluruh
pasar modal. Biasanya analisis regresi time-series digunakan untuk
mengestimasi hubungan antara tingkat pengembalian saham tertentu
dan faktor tingkat pengembalian pasar. Ukuran resultan pada risiko
sistematik disebut “beta”. Variasi dalam tingkat pengembalian saham
yang tidak dapat dijelaskan melalui beta dianggap menjadi saham
tertentu, dan karenanya tidak dikorelasikan diantara suatu saham
yang berpasangan. Beberapa penelitian yang telah dilakukan
menyatakan pengembangan metodologi atas penggunaan regresi
sederhana untuk mengestimasi beta.7
CAPM adalah kasus spesial pada model indeks dimana kita
membuat asumsi tambahan bahwa tingkat pengembalian saham
jangka panjang yang semakin tinggi diharapkan dari saham dengan
tingkat koefisien beta yang juga tinggi (risiko sistematis yang semakin

7
Vasicek, “A Note on the Cross-Sectional Information in Bayesian Estimation of Security Betas”,
Journal of Finance, 1973; Blume, “Betas and Their Regression Tendencies”, Journal of Finance, 1975.

9
tinggi). Perlu diketahui bahwa sementara terdapat begitu banyak
kontroversi dalam efektivitas CAPM sebagai prediktor tingkat
pengembalian yang diharapkan, hanya sedikit yang mengacu pada
beta sebagai ukuran risiko untuk porfolio yang didiversifikasikan
dengan baik.8
Model dengan multifaktor umum saat ini juga telah sangat
populer sebagai mekanisme untuk memprediksi risiko ekuitas.
Penggunaan model mulfaktor meningkat dari keyakinan bahwa
sementara faktor tunggal mungkin menjelaskan porsi terbesar pada
aspek umum tingkat pengembalian saham, banyak faktor lainnya
yang dapat mempengaruhi beberapa subset penting pada dunia
ekuitas tanpa memiliki suatu pengaruh terhadap seluruh saham,
contoh: terlihat jelas bahwa varian dan korelasi pada tingkat
pengembalian saham pertambangan akan dipengaruhi oleh
perubahan pada harga emas, sebagaimana halnya perubahan kondisi
ekonomi umum yang dianggap mempengaruhi tingkat pengembalian
ekuitas saham secara umum.
Terdapat tiga macam model multifaktor yang saat ini populer.
Pertama adalah model faktor eksogen, dimana faktor umum biasanya
adalah variabel pernyataan ekonomi tertentu seperti misalnya tingkat
suku bunga, tingkat produksi, inflasi, dan biaya energi. Pada
dasarnya, tiap saham dianggap memiliki beberapa beta yang mengacu
pada aspek tertentu perekonomian. Kalau dua saham (atau portofolio)
menghasilkan tingkat pengembalian yang sama dalam menanggapi
pergerakan dalam variabel ekonomi yang telah ditentukan, maka
saham tersebut dianggap sama. Aspek perekonomian mana yang
dianggap cukup penting untuk dimasukkan dalam model telah
dihasilkan Chen et.al (1986).9 Secara khusus model Chen tersebut
memasukkan empat hingga tujuh faktor. Sementara perubahan
dalam variabel ekonomi dapat langsung diamati, maka sensitivitas
saham individual terhadap perubahan tersebut harus dikondisikan

8
lih. Grinold, “Is Beta Dead Again”, Financial Analysts Journal, 1993
9
Chen, Roll dan Ross, “Economic Forces and the Stock Market, Journal of Business, 1986.

10
secara statistik. Nilai beta biasanya diestimasi dengan menggunakan
analisis regresi time-series sebagaiman halnya dalam model indeks
tunggal. Teori penetapan harga arbitrase10 adalah bentuk
keseimbangan pada model jenis ini. Sementara pada model faktor
lainnya variasi tingkat pengembalian saham tidak dijelaskan melalui
model faktor umum dianggap sebagai saham tertentu dan pasangan
saham yang tidak berkorelasi.
Penganjur pada model faktor ekonomi makro tertentu
menunjuk bahwa model seperti itu secara khusus memperlihatkan
perilaku stabil sebab mereka terikat pada ekonomi riil melalui faktor
pervasif. Model tersebut juga menyediakan kesempatan bagi manajer
investasi untuk memperoleh tingkatan pengertian mendalam yang
baru ke dalam efek ekonomi top-down atas portfolio mereka dan
mengijinkan mereka untuk meramalkan kemungkinan kinerja
dibawah ramalan skenario yang berbeda-beda. Kritik utama model
faktor exogen yang ditetapkan adalah bahwa mereka tidak bisa siap
menangkap resiko yang bukan bagian dari status ekonomi itu,
contoh, model tersebut tidak akan menangkap resiko kewajiban
produk perusahaan tembakau. Model jenis kedua menggunakan
karakteristik saham yang dapat diamati sebagai proksi untuk faktor
kesatuan. Faktor proksi tersebut termasuk fundamental saham
seperti PER, dividen yield, kapitalisasi pasar, pengungkit neraca, dan
partisipasi industri.11 Lainnya mungkin memasukkan faktor
tambahan teknikal seperti momentum harga dan volume
perdagangan. Model jenis ini dipelopori oleh Rosenberg (1974).12
Analisis regresi lintas sektor yang diulang biasanya digunakan untuk
mengestimasi tingkat pengembalian faktor dalam model. Rangkaian
waktu pada vektor koefisien regresi selanjutnya digunakan untuk
membentuk matrik kovarian pada tingkat pengembalian faktor.

10
Roll dan Ross, “An Empirical Investigation of the Arbitrage Pricing Theory”, Journal of Finance,
1980
11
Mengenai hubungan antara leverage dan risiko lih. Hamada, 1972, The Effect of the Firm’s Capital
Structure on the Systematic Risk of Common Stocks”. Journal of Finance.
12
Rosenberg, “Extra Market Components of Covariance in Security Returns”, Journal of Financial
and Quantitative Analysis”, 1974

11
 Walaupun kita dapat mengamati fundamental dari saham yang
diberikan pada waktunya, dan karenanya ekspose saham terhadap
faktor, faktor itu sendiri tidak dapat diamati, contoh: jika kita
mempunyai suatu model di mana ukuran perusahaan adalah suatu
faktor, dan kita mengamati bahwa, setelah jangka waktu tertentu,
portfolio saham berkapitalisasi besar memiliki kinerja yang lebih baik
dibanding portfolio saham berkapitalisasi kecil, kita tidak bisa
mengatakan kalau kinerja yang lebih baik ini hanya mengacu semata
pada faktor ukuran perusahaan. Ini karena portfolio saham
berkapitalisasi besar mungkin berprilaku berbeda sebagai
konsekuensi perbedaan dalam faktor lainnya selain dari pada
kapitalisasi. Tentu saja ada kemungkinan bahwa dua portofolio ini
memiliki nilai yang berbeda untuk mungkin pada karakteristik
fundamentalnya, contoh: dalam hubungan dengan partisipasi
industri, portofolio berkapitalisasi besar akan memasukkan
perusahaan minyak multinasional, tetapi portofolio berkapitalisasi
kecil mungkin tidak. Demikian kemudian perbedaan dalam tingkat
pengembalian antara kedua portofolio mungkin telah muncul dari
perbedaan dalam ekspose industri, dan bukan dari perbedaan dalam
kapitalisasi.
Kekuatan model faktor fundamental adalah merea
menggunakan karakteristi saham yang sangat familiar bagi personil
manajemen portofolio. Model tersebut juga biasanya memiliki
kekuatan penjelas sampel yang tinggi dibanding yang dijelaskan
model eksogen. Keunggulan lain model adalah karena eksposur faktor
dapat segera diamati maka perubahan dalam struktur fundamental
emiten seperti merger akan dengan cepat dimasukkan kedalam
model. Dengan cara yang sama, isu-isu baru sebagian besar dapat
dianalisis. Kritik utama pada model faktor umum endogen adalah
pada model seringkali terjadi pengaruh overlapping, yang hampir
tidak mungkin untuk membenarkan secara maksimal, membuat
model kurang efektif dalam memprediksi kondisi mendatang jika
dibanding kapasitasnya dalam menjelaskan masa lalu.

12
 Jenis terakhir pada model yang digunakan saat ini adalah apa
yang disebut sebagai model faktor buta. Pada model tersebut, faktor
tidak secara spesifik menjadi sesuatu yang mengukur fenomena
dunia nyata, tapi lebih dari fakto dan beta faktor tersebut yang
disyaratkan dari perilaku saham itu sendiri. Pada dasarnya kita
menemukan faktor umum bahwa tingkat pengembalian saham
disarankan haruslah saat ini, bahkan kalau tidak dapat
mengidentifikasi karakter faktor tersebut. Model terakhir itu
diestimasi dari tingkat pengembalian saham dengan menggunakan
teknik regresi komponen prinsipal atau analisis faktor probabilitas
maksimum.
Keuntungan utama model adalah karena sifat alami faktor
umum diperoleh secara inferensial, struktur faktor umum dapat
meningkatkan dari waktu ke waktu untuk disesuaikan dengan
kondisi-kondisi yang baru. Tapi juga disesalkan, hal ini adalah juga
pengurangan utama, sebagaimana kritikus berpendapat bahwa tanpa
keamanan terhadap dunia nyata, model tersebut akan terlalu
dipengaruhi oleh noise yang sifatnya sementara dalam data, yang
memberikan hasil yang tidak stabil. Sejak definisi faktor umum
adalah baru-baru ini diperoleh dari masing-masing sampel data, para
pengguna tidak menjamin bahwa faktor yang keenam yang diperoleh
dari kumpulan data tingkat pengembalian yang berakhir hari ini
memiliki hubungan kepada faktor keenam yang yang diperoleh dari
data return yang yang di-set berakhir bulan yang lalu. Ini mungkin
bukan masalah untuk indeks dana, di mana kita benar-benar
memperhatikan indeks, tanpa mengetahui apa yang sebenarnya
menjadi kriteria untuk kesamaan tersebut.
Bagaimanapun, bagi manajer yang aktif, ketiadaan definisi
mungkin meragukan ketika satu atau lebih faktor tak dikenal
dihubungkan dengan kriteria saham pilihan manajer. Pada kasus
seperti itu, usaha untuk mengendalikan resiko dengan me-manage
faktor ekspose akan membatasi kemampuan untuk mengekspose

13
portfolio pada karakteristik yang diyakini manajer untuk menjadi
diinginkan.
Tanpa tergantung dengan struktur umum dari suatu model
resiko, kunci sukses untuk suatu model adalah memahami secara
penuh penggunaan dimana suatu model akan diletakkan. Contoh,
semakin besar jumlah faktor dalam model, makin baik kemampuan
model untuk menjelaskan peristiwa yang lalu. Bagaimanapun, jumlah
faktor lebih besar berarti semakin banyak nilai yang harus diramal
mengenai masa depan itu. Semakin banyak hal-hal yang harus kita
ramal, semakin mungkin kita untuk berbuat salah dalam beberapa
peramalan itu, menghasilkan peramalan perilaku portfolio yang
lemah.13
Dispersi tingkat pengembalian saham individual juga
digambarkan dalam volatilitas tak langsung pada ekuitas saham.
Nilai volatilitas tak langsung secara tipikal lebih besar dari nilai
volatilitas yang akan mengestemasi untuk saham yang sama dengan
menggunakan model faktor umum. Satu teori yang menjelaskan
kenapa volatilitas tak langsung secara konsisten lebih tinggi adalah
distribusi tingkat pengembalian memiliki kecenderungan rata-rata
reversi yang sedikit
Membuat observasi volatilitas semakin luas selama periode
observasi menjadi lebih pendek. Karena rata-rata periode memegang
opsi-saham yang diperdagangkan jauh lebih pendek dibanding rata-
rata memegang saham untuk suatu periode ekuitas saham, pedagang
opsi cenderung menggunakan volatilitas yang semakin tinggi
dibanding investor yang memegang saham yang ada.14

Kesalahan Estimasi dalam Pembentukkan Portfolio

13
lih. Chen dan Jordan, “Some Empirical Tests in the Arbitrage Pricing Theory”, Journal of Banking
and Finance, 1993; Connor and Korajczyk, “A Test for the Number of Factors in an Approximate
Factor Model”, Journal of Finance, 1993.
14
Kecenderungan reversi rata-rata dijelaskan dengan memadai dalam Lo and McKinlay, “Stock Market
Prices Do Not Follow Random Walks: Evidence from a Simple Specification Test”, Review of Financial
Studies, 1988; Rosenberg,“The Behavior of Random Variables with Non-Stationary Variance and the
Distribution of Security Prices”, working paper University of California at Berkeley, NSF Grant 3306. 1975.

14
 Manajemen risiko pada portofolio keuangan adalah suatu
kontinuitas ujian yang secara luas berdasarkan konsep teori
portofolio modern. Saat kita membentuk “hedge”, kita benar-benar
membentuk portofolio dimana varian yang diharapkan pada tingkat
pengembalian mendekati nol. Saat kita coba mengontrol tracking error
portofolio ekuitas relatif pada beberapa indeks perbandingan, kita
membentuk portofolio aktif yang mengharapkan varian tingkat
pengembalian berada kisaran penting yang dapat diterima. Optimisasi
mean-varian menggunakan metode Markowitz klasik, teknik yang
telah digunakan secara luas. Teknik ini menjadi standar pelaksanaan
praktisi modern dalam hal permasalahan alokasi investasi, apakah
itu dalam untuk tujuan me-manage portofolio atau melakukan
hedging risiko pada operasi perdagangan.
Salah satu aspek yang dimengerti pada proses optimisasi
adalah bahwa input diinterpretasikan sebagai hal yang tertentu.
Dalam membuat optimisasi yang menggunakan metode Markowitz
klasik, masukan yang diperlukan optimizer adalah rata-rata dan
penyimpangan standar tingkat pengembalian dan matrik korelasi
diantara tingkat pengembalian aset. Nilai-Nilai ini adalah parameter
distribusi probabilitas pada tingkat pengembalian aset. Sebagai
Alternatif, seseorang dapat merepresentasikan matrik kovarian dalam
bentuk model faktor. Dengan nilai-nilai ini suatu perangkat lunak
metode Markowitz dapat mengkalkulasi portofolio optimal.
Permasalahannya adalah kita tidak mengetahui informasi yang
diperlukan; parameter distribusi probabilitas pada tingkat
pengembalian aset. Kita hanya memiliki estimasinya (parameter
distribusi probabilitas pada tingkat pengembalian aset) dan
karenanya tidak diketahui secara tepat. Dalam permasalahan alokasi
portofolio saham, para praktisi seringkali menciptakan ramalan
perilaku tingkat pengembalian saham mendatang. Umumnya,
ramalan ini dihasilkan dari beberapa analisis observasi historikal
yang merepresentasikan sampel pada distribusi probabilitas riil.

15
 Kita mengetahui dua sumber potensi kesalahan ramalan:
pertama, sampel observasi pada perilaku masa lalu mungkin
representasi distribusi probabilitas populasi yang tidak berguna dan
tidak akurat. Karenanya kita telah membentuk model berdasarkan
basis data yang salah. Singkatnya, dunia dapat berubah dari waktu
ke waktu. Kedua, metode ramalan mungkin tidak lengkap, sehingga
kemungkinan terjadi kesalahan dalam meramal bahkan kalau
parameter sampel observasi bukan merupakan proksi yang baik
untuk parameter populasi. Perlu dicatat bahwa sementara metode
peramalan yang digunakan mungkin dapat memitigasi permasalahan
kedua, tapi permasalahan pertama akan selalu ada.
Selain itu, algoritma Markowitz klasik juga tidak memiliki
mekanisme untuk memasukkan bentuk risiko kedua ini; risiko
dimana kita (para pengguna) kemungkinan salah mengenai parameter
input. Dengan kata lain, seluruh optimiser tradisional yang
digunakan dalam cara tradisional juga menghasilkan jawaban yang
salah. Risiko secara konsisten selalu dikecilkan nilainya, karena
perhitungan algoritma tidak memiliki cara untuk memahami bahwa
kita (para manusianya) memasok input yang adalah subjek terhadap
kesalahan. Adagium yang dihembuskan algoritma adalah bahwa
apabila kita menunggu cukup lama, ramalan kita perihal distribusi
tingkat pengembalian saham mendatang akan terbukti benar. Ini
adalah asumsi yang heroik dan berbahaya yang seringkali tidak
dilihat para pelaku pasar.
Tidak hanya risiko yang terus-menerus dikecilkan, tapi hasil
lain pada anggapan ini adalah tidak adanya ketahanan dalam
pembobotan optimal yang semestinya ada. Hal ini termanifestasi saat
perubahan yang sangat kecil terjadi dalam input ramalan
menyebabkan perubahan substansial dalam bobot portofolio optimal.
Ketidakstabilan ini juga dapat muncul dari anggapan cacat pada
beberapa persamaan input. Tidak ada yang salah dalam terjemahan
karya Markowitz, translasi dari teori ke implementasi telah demikian
banyak ide-ide baru untuk dipuaskan.

16
 Isu kesalahan estimasi bukan hal yang baru. Namun demikian,
permasalahan mengenai kesalahan estimasi telah diidentifikasi 30
tahun yang lalu, para praktisi tetap saja tidak mengadopsi metode
yang memadai untuk mengkoreksi kesalahan ini dalam analisis
mereka.15
Cara pertama menyikapi risiko estimasi adalah menggunakan
representasi faktor matrik kovarian. Untuk tingkatan bahwa
representasi tersebut memisahkan kovarian ke dalam dua komponen
(komponen faktor dan komponen transitor; efek random), kita dapat
mengurangi kesalahan estimasi. Para pengguna model faktor
komersial yang tersedia seringkali ditidurkan ke dalam oleh
pengenalan titik ini. Bagaimanapun, tidak ada faktor representasi
pasar yang sempurna. Dengan demikian model faktor yang
digunakan untuk mengoptimalkan alokasi portofolio atau melakukan
lindung nilai buku pada posisi trading akan melakukan pekerjaan
yang tidak sempurna. Karenanya, direkomendasikan bahwa para
pengguna model komersial tersebut menyikapi permasalahan
pembentukkan portofolio dengan satu model, dan kemudian
memeriksa hasilnya dengan model independen lainnya pada pasar
yang sama. Hanya dengan cara ini bias estimasi pada faktor matrik
kovarian dapat ditemukan.
Terdapat dua metodologi yang telah dieksplorasi dengan baik
untuk menyikapi risiko estimasi secara umum. Pertama adalah pada
penggunaan teknik statistik bayesian. Kedua penggunaan metodologi
yang diketahui sebagai bootstrapping untuk mempertimbangkan
bobot optimal aset tidak dalam bentuk nilai absolut tapi lebih lebih
kepada distribusi probabilitas sebagai hasil yang benar. Cara yang
semakin efisien secara perhitungan dalam menyikapi risiko estimasi

15
Stein, "Inadmissibility of the Usual Estimator for the Mean of a Multivariate Normal Distribution",
Proceedings of the 3rd Berkeley Symposium on Probability and Statistics, 1955; Barry, C.B. "Portfolio
Analysis under Uncertain Means, Variances and Covariances", Journal of Finance, 1974. Ditahun yang
sama monograph yang berjudul ‘Estimation Risk and Optimal Portfolio Choice’ dipublikasikan oleh
Bawa, Brown dan Klein. Karya ilmiah lainnya yang dilakukan dengan topik sama antara lain: Michaud,
"The Markowitz Optimization Enigma: Is 'Optimization' Optimal?", Financial Analysts Journal, 1989;
Chopra dan Ziemba, "The Effects of Errors in Means, Variances and Covariances on Optimal Portfolio
Choice", Journal of Portfolio Management, 1993.

17
adalah me-revisi input untuk optimisasi dengan maksud
menyebabkan algoritma optimisasi Markowitz bertindak sedemikian
rupa apabila risiko estimasi secara eksplisit dimasukkan dalam
metode tradisional.16
Melalui analisis statistik yang komplek pada observasi tingkat
pengembalian historis, faktor penyesuaian yang dihasilkan kemudian
diaplikasikan terhadap tingkat pengembalian ekspektasi, deviasi
standar dan korelasi pada ramalan. Umumnya ekspektasi tingkat
pengembalian datang bersamaan dengan tingkat ekspektasi varian
minimum portofolio. Nilai dispersi ditingkatkan dan estimasi korelasi
non-diagonal juga bertemu pada beberapa tingkatan, contoh:
misalkan pada suatu permasalahan alokasi aset dimana validitas
pada ramalan tingkat pengembalian adalah nol; Kalau tidak terdapat
perbedaan signifikan dalam perilaku nilai rata-rata aset yang
diharapkan dan kemudian tiap aset adalah sama untuk aset lainnya.
Kita akan berakhir dengan portofolio yang meminimalisir risiko.
Kalau ramalan tersebut sempurna, akan diperoleh hasil proses
Markowitz konvensional. Kebenarannya terletak diantara dua nilai
ekstrem ini. Seperti yang diharapkan, pembentukan portofolio dengan
menggunakan metode estimator Bayes-Stein secara umum
melakukan pembobotan seimbang dibanding portofolio yang
dihasilkan tanpa penyesuaian.
Perbedaan dalam bobot portofolio antara portofolio optimal
tradisional dan portofolio yang dihasilkan dengan estimator Bayes-
Stein terkadang kecil dan terkadang sangat substansial. Untuk kelas
asset utama dengan sejarah perilaku yang stabil dan panjang,
perbedaannya sedikit. Sementara untuk ekuitas individual,

16
Proses penyesuaian ini telah dilakukan Phillippe Jorion. Metodenya secara matematis memang cukup
kompleks. Dan dijelaskan dalam hasil penelitiannya yang berjudul "Bayes-Stein Estimation for
Portfolio Analysis", dan dipublikasikan dalam Journal of Financial and Quantitative Analysis pada
1986. Jorion sebelumnya telah membahas hal yang sama dalam penelitiannya yang berjudul
"International Portfolio Diversification with Estimation Risk," yang terdapat pada Journal of Business
in 1985. Selanjutnya adalah hasil penelitian Bernstein dan Tew yang menyatakan bahwa portofolio
ekuitas yang dibentuk dengan menggunakan peyesuaian bayesian ini secara konsisten memiliki kinerja
yang lebih baik dibanding optimisasi portofolio dengan teknik konvensional. Laporan hasil penelitian
mereka ini diberi judul "Improving Quantitative Models through Optimization" yang dipublikasikan
pada Journal of Investing tahun 1994.

18
khususnya ekuitas dengan sejarah yang singkat dan volatil,
"penurunan atas varian mininum portofolio adalah dramatis. Hal ini
sangat penting dalam lingkungan hedging, dan secara logika
sederhana menyatakan bahwa kesalahan yang sangat substansial
terjadi atas saham yang semakin kompleks atau eksotis.
Penyesuaian bayesian singkat ini juga dapat dibuat sebagai
bagian pembentukan model faktor. Khususnya estimasi risiko saham
tertentu yang bergerak keatas dan dispersi lintas sektor pada estimasi
risiko saham tertentu adalah dikurangi. Penyesuaian juga dapat
dibuat baik untuk eksposure faktor dalam model eksogen atau faktor
matrik kovarian dalam model endogen.
Pendekatan alternatif dalam menyikapi kesalahan estimasi
disebut batas efisiensi ‘fuzzy’. Metode ini pertama kali dicetuskan
oleh kertas kerjanya Bey et al. (“Measurement of Estimation Risk in
Markowitz Portfolios”, dipresentasikan pada Financial Management
Association Annual Meeting, 1990). Pendekatan yang sangat mirip
juga dijelaskan dalam "Portfolio Optimization in Practice" oleh Jorion
(Financial Analysts Journal, 1992). Langkah pertama dalam metode
ini adalah mengkuantifikasi potensi kesalahan estimasi dalam tiap
input untuk permasalahan optimisasi. Salah satu pendekatan yang
dilakukan adalah menggunakan metode re-sampling seperti
"bootstrapping" pada elemen tingkat pengembalian dan varian tingkat
pengembalian aset historis (atau faktor) dan "jacknifing" pada elemen
matrik korelasi diantara tingkat pengembalian aset.
Dengan secara formal mengenalkan kesalahan estimasi
kedalam proses, kitan mengubah komposisi portfolio melalui
pembobotan yang sama. Pusat densitas portfolio akan sangat serupa
dengan portfolio yang dihasilkan oleh metode estimator Bayes-Stein
yang telah dijelaskan diatas. Keunggulan pendekatan batasan fuzzy
adalah kita sekarang dapat melihat pada pembobotan tiap aset
sebagai distribusi probabilitas kebenarannya sendiri.17.
17
Serupa tapi lebih analitis, pendekatan pada permasalahan ini telah dipresentasikan dalam Computing
Efficient Frontiers with Estimated Parameters” oleh Mark Broadie (Annals of Operations Research,
1993)

19
 Risiko estimasi adalah permasalahan yang sangat nyata untuk
mereka yang memiliki tanggung jawab manajemen risiko pada portfolio
keuangan. Untuk aset tertentu, risiko estimasi kenyataannya lebih besar
daripada risiko instrinsik aset, salah satu contohnya adalah properti dan
real estat.18
Impelementasi konvensional teori portofolio modern secara
konsisten melakukan underestimate terhadap risiko dan hasil dalam
kombinasi portofolio yang tidak sempurna dan biasanya terlalu
berkonsentrasi pada beberapa aset saja. Untuk hedging risiko lintas
trading, permasalahan ini makin disederhanakan sebagai jumlah aset
tertentu yang kecil, membatasi tingkatan dimana dalil pusat batas dapat
dipercaya untuk menyelamatkan kita dari diri kita sendiri.

Kesimpulan
Pemahaman dan pengendalian resiko menginvestasikan ekuitas
adalah salah satu di antara aspek paling menantang pada proses
manajemen portofolio. pertama Kita harus yang datang pada suatu
definisi resiko yang sesuai dengan kebutuhan kita sendiri. Dengan
mengasumsikan bahwa kita memilih definisi risiko konvensional,
model canggih tersedia untuk membantu dalam peramalan risiko
kedua-duanya tingkat portofolio dan saham individual.
Mungkin aspek permasalahan dimana pelaksanaan yang ada
saat ini memerlukan pengembangan terbesar adalah mengidentifikasi
bahwa pendekatan yang sangat canggih sekalipun dalam manajemen
risiko menggunakan asumsi-asumsi yang mungkin tidak terbukti
reliabilitasnya. Oleh karena itu kita harus mengaplikasikan tingkatan
usaha lain untuk mengkompensasi kekurangan dalam proses
estimasi risiko itu sendiri.

18
Gold, Richard. "Why the Efficient Frontier for Real Estate is Fuzzy", Journal of Real Estate
Portfolio Management, 1995

20