Anda di halaman 1dari 17

BAB 8

Model Indeks
Prosedur Markowitz mengandung dua kelemahan yaitu, (1) model tersebut
memerlukan banyaknya jumlah perkiraan untuk

mengisi matriks kovarian, (2) model

tersebut tidak memberikan petunjuk apapun terhadap peramalan premi risiko sekuritas yang
penting dalam membuat garis batas efisien aset berisiko. Karena imbal hasil yang lalu
merupakan petunjuk yang tidak dapat dipercaya dalam memperkirakan imbal hasil dimasa
datang.
Pada bab ini memperkenalkan model indeks yang menyederhanakan perkiraan
matriks kovarian dan sangat memperbesar analisis sekuritas premi risiko. Dengan
memungkinkan menguraikan risiko menjadi komponen khusus perusahaan dan sistematis,
yang juga menampilkan pengaruh dan keterbatasan diversifikasi. Model tersebut juga
mengukur komponen risiko untuk sekuritas dan portofolio tertentu. Dalam bab ini dimulai
dengan menggambarkan sekuritas faktor tunggal dan menunjukkan bagaimana model indeks
tunggal dari imbal hasil sekuritas dapat dibenarkan, contoh meluas mengenai perkiraan model
indeks tunggal dan meninjau ciri-ciri statistik dari perkiraan tersebut dan menunjukkan
bagaimana hubungannya terhadap isu praktis yang dihadapi manajer portofolio.
Pada tingkatan bahwa imbal hasil jangka pendek dengan baik didekati menggunakan
distribusi normal, model indeks dapat digunakan untuk memilih portofolio optimal hampir
seakurat algoritma Markowitz. Terakhir membahas portofolio berisiko optimal yang
dibangun menggunakan model indeks, ciri-ciri dari portofolio lebih mudah di dapatkan dan
ditafsirkan dalam konteks ini.
8.1 Pasar Sekuritas Faktor Tunggal
Daftar Masukan Model Markowitz
Kesuksesan kaidah pemilihan portofolio tergantung pada kualitas daftar masukan,
yakni memperkirakan return sekuritas yang diharapkan dan matriks kovarian. Kesulitan
dalam menggunakan model Markowitz untuk optimasi portofolio adalah masukan yang akan
dimasukkan memerlukan banyak perkiraan, selain itu kesalahan dalam penilaian atau
perkiraan koefisien korelasi dapat membawa pada hasil yang tidak-tidak. Hal ini dapat
terjadi karena beberapa koefisien korelasi satu sama lain tidak konsisten. Sulit untuk
menentukan dengan pandangan sekilas apakah matriks korelasinya tidak konsisten, yang
memberi dorongan lain untuk mencari model yang lebih mudah untuk digunakan.

Pengenalan model yang menyederhanakan cara yang menggambarkan sumber risiko


sekuritas memungkinkan untuk menggunakan sekumpulan parameter risiko dan premi risiko
yang konsisten dan lebih kecil. Imbal hasil sekuritas yang berasal dari kekuatan ekonomi
biasa yang mempengaruhi nasib perusahaan. Beberapa contoh dari faktor ekonomi biasa
adalah siklus bisnis, suku bunga, dan ongkos sumber daya alam.
Normalitas Imbal Hasil dan Risiko Sistematis
Tingkat imbal hasil untuk sekuritas apapun yaitu i, ke dalam penjumlahan
perkiraannya ditambah komponen tak terduga :
ri=E(ri) + ei
dimana perkiraan imbal hasil ei memiliki rata-rata nol dan simpangan baku i yang mengukur
ketidakpastian mengenai imbal hasil sekuritas.
Ketika imbal hasil sekuritas dapat dengan baik didekati melalui distribusi normal
yang berkorelasi antar sekuritas disebut imbal hasil yang berdistribusi normal. Imbal hasil
sekuritas didorong oleh salah satu variabel bersama atau lebih. Ketika lebih dari satu variabel
mendorong imbal hasil sekuritas berdistribusi normal, imbal hasil tersebut dikatakan
memiliki distribusi normal multivariat. Kita akan membahas dimana hanya satu variabel yang
mendorong imbal hasil yang berdistribusi normal, yang berakibat pada sekuritas faktor
tunggal. Andaikan faktor bersama , m yang mendorong kemajuan imbal hasil sekuritas adalah
beberapa variabel makro ekonomi yang mempengaruhi seluruh perusahaan.
Sumber ketidakpastian menjadi ketidakpastian mengenai perekonomian secara
keseluruhan yang ditangkap oleh m, dan ketidakpastian mengenai perusahaan secara khusus
ditangkap oleh e1.
ri=E(ri) +m+ ei
Faktor makroekonomi, m, mengukur kejutan makro tak terduga. Semisal, faktor itu
memiliki rata-rata nol dengan simpangan baku m. Sebaliknya, ei hanya mengukur kejutan
khusus perusahaan. Yang paling penting adalah bahwa m dan ei tidak berkorelasi, yakni
karena ei khusus perusahaan ei terpisah dari goncangan terhadap faktor bersama yang
memengaruhi seluruh perekonomian. Ragam ri kemudian berasal dari dua sumber yang tidak
berkorelasi, sistematis, dan khusus perusahaan. sehingga,
(i)
Faktor bersama m menghasilkan korelasi antar sekuritas karena seluruh sekuritas akan
tanggap terhadap kabar makro ekonomi yang sama, sementara kejutan khusus perusahaan,
yang ditangkap oleh i diasumsikan tidak berkorelasi antar perusahaan. karena m juga tidak
berkorelasi dengan kejutan khusus perusahaan, kovarian diantara dua sekuritas i dan j adalah

Cov(ri,rj) = Cov (m+i,m+i) =


Beberapa sekuritas akan menjadi lebih sensitif dibanding yang lain terhadap
guncangan makroekonomi. Jika tiap-tiap perusahaan diberi kofisien sensitifitas terhadap
kondisi makro sehingga dapat dilambangkan koefisien sensitivitas bagi perusahaan i dengan
huruf i sehingga diperoleh persamaan model faktor tunggal (single factor model):
Ri = E(ri) + im + i
Risiko sistematis sekuritas i ditentukan oleh koefisien betanya. Perusahaan siklis
memiliki sensitivitas lebih besar terhadap pasar sehingga sistematisnya lebih tinggi. Risiko
sistematis sekuritas i adalah i22m + 2(i) dan total risikonya adalah
+

(i)

Kovarian antar pasang sekuritas juga ditentukan oleh betanya:


Cov(ri,rj) = Cov (im+i,im+j) = ij
Dalam hal risiko sistematis dan ketajaman pasar, bahwa perusahaan berdistribusi erat.
Beta sekuritas yang senilai memberikan ketajaman pasar yang senilai. Normalitas imbal hasil
sekuritas sendiri menjamin bahwa imbal hasil portofolio juga normal (dari kestabilan
distribusi normal) dan terdapat hubungan linier antara imbal hasil sekuritas dan faktor
bersama.
Normalitas imbal hasil sekuritas menjamin bahwa imbal hasil portofolio juga normal
dan terdapat pula hubungan linear antara imbal hasil sekuritas dan faktor bersama. Hal ini
sangat memudahkan analisis portofolio. Ragam dari faktor bersama biasanya berubah dengan
relatif lambat dari waktu ke waktu, seperti ragam dari tiap sekuritas dan kovarian di
antaranya. Variabel yang dapat mendekati faktor bersama ini harus bisa diamati, sehingga
dapat memperkirakan volatilitasnya beserta sensitivitas tiap imbal hasil sekuritas terhadap
nilai variasinya.
8.2 Model Indeks Tunggal
Pendekatan yang tepat untuk membuat model faktor tunggal dapat digunakan adalah
bahwa tingkat imbal hasil pada indeks besar sekuritas semisal S&P 500 merupakan
pendekatan yang sahih untuk faktor makroekonomi umum. Pendekatan ini mendorong pada
persamaan yang serupa dengan model faktor tunggal, yang disebut model indeks tunggal
(single indeks model) karena menggunakan indeks pasar sebagai pendekatan faktor bersama.
Persamaan Regresi Model Indeks Tunggal
Karena S&P 500 adalah portofolio saham yang harga dan tingkat imbal hasilnya dapat
diamati, memiliki data di masa lalu untuk diperkirakan risiko sistematisnya. Indeks pasar
dinyatakan dengan M, dengan imbal hasil sebesar R M = rM rf, dan simpangan baku sebesar
i. karena model indeks linear dapat memperkirakan koefisien sensitivitas (atau beta)

sekuritas pada indeks menggunakan regresi linear variabel tunggal. Untuk memperkirakan
regresi dengan cara mengumpulkan riwayat sampel dari pengamatan berpasangan Ri (t) dan
RM(t) dimana t melambangkan tanggal tiap pasang pengamatan (yakni kelebihan imbal hasil
saham dan indeks dalam bulan tertentu). Persamaan regresinya adalah:
Ri (t) = i + iRm(t)+i(t)
Intersep dari persamaan ini (dilambangkan dengan ) adalah perkiraan kelebihan imbal
hasil sekuritas ketika kelebihan imbal hasil pasar adalah nol. Koefisien kemiringan i adalah
beta sekuritas. Beta adalah sensitivitas sekuritas terhadap indeks: jumlah dimana imbal hasil
sekurtas cenderung naik atau turun untuk setiap 1% kenaikan atau penurunan imbal hasil
pada indeks. i rata-ratanya nol, kejutan khusus perusahaan dalam imbal hasil sekuritas pada
waktu t, yang disebut residu (residuals).
Hubungan Perkiraan Imbal Hasil Beta
Karena E(i) = 0 jika kami mengambil perkiraan nilai E(Ri) didapatkan perkiraan
hubungan imbal hasil beta dari model indeks tunggal:
E(Ri) = i + iE(Rm)
Persamaan tersebut member tahu bahwa sebagian premi risiko sekuritas terkait dengan
premi risiko indeks. Premi risiko pasar dikali dengan sensitivitas relatif atau beta dari tiaptiap sekuritas. Premi risiko sistematis berasal dari premi risiko yang mencerminkan
keseluruhan pasar yang mewakili kondisi seluruh perekonomian atau sistem ekonomi. Sisa
premi risiko diperoleh dari komponen pertama pada persamaan . Alfa merupakan premi
nonpasar. Sebagai contoh, akan menjadi besar jika mengira sekuritasnya terlalu murah dan
kemudian menawarkan perkiraan imbal hasil yang menarik. Jika manajer meyakini bahwa
mereka dapat melakukan pekerjaan besar berupa analisis sekuritas, maka mereka akan
percaya diri atas kemampuannya mencari saham dengan nilai alfa bukan nol.

Risiko dan Kovarian pada Model Indeks Tunggal


Masalah pada model Markowitz adalah berlimpahnya jumlah perkiraan parameter
yang perlu digunakan. Model indeks sangat mengurangi jumlah parameter yang harus
diperkirakan. Ragam dan kovarian ditentukan oleh beta sekuritas dan ciri-ciri dari indeks
pasar.
Total risiko

= Risiko sistematis + Risiko spesifikasi perusahaan


=

Kovarian
Cov (ri,rj)
Korelasi

(i)

= Beta produk x Risiko indeks pasar


=
= Korelasi produk dengan indeks pasar

Cov (ri,rj)

= Corr (ri,rm) x Corr (rj,rm)

Perkiraan yang Diperlukan untuk Model Indeks Tunggal


Rangkuman hasil untuk model indeks tunggal adalah sebagai berikut:
Simbol
1. Imbal hasil saham yang diharapkan jika pasar netral artinya jika imbal
2.
3.

4.
5.

hasil pasar berlebihan rm-rf adalah nol


Komponen imbal hasil karena adanya pergerakan pasar secara
keseluruhan; i adalah responsif keamanan untuk pergerakan pasar.
Komponen yang tidak terduga dalam imbal hasil karena kejadian yang
tidak diharapkan yang relevan hanya untuk keamanan ini (spesifik
perusahaan)
Varian disebabkan oleh adanya ketidakpastian faktor makro-ekonomi
umum
Varian disebabkan oleh ketidakpastian khusus perusahaan

i
i (rm-rf)
i

Perhitungan tersebut menunjukkan bahwa:


Perkiraan n dari perkiraan kelebihan imbal hasil pasar tambahan, i
Perkiraan n dari koevisien sensitifitas, i

Perkiraan n dari ragam khusus perusahaan,

Perkiraan 1 untuk premi resiko pasar, E(RM)

Perkiraan 1 untuk ragam dari faktor makro-ekonomi (umum),

Untuk sekuritas yang besar, jumlah perkiraan yang diperlukan untuk prosedur
Markowitz melalui model indeks hanyalah sebagian kecil dari apa yang sebaliknya
diperlukan. Abstraksi model indeks penting secara langsung untuk setiap pasang sekuritas,
jika komponen kovarian harus dihitung menurut industri. Model indeks menganjurkan cara
sederhana untuk menghitung kovarian. Kovarian antar sekuritas terkait dengan pengaruh
faktor umum tunggal, yang diwakili oleh imbal hasil indeks pasar, dan dapat dengan mudah
diperkirakan menggunakan persamaan regresi.
Biaya model terletak pada hambatan yang ditempatkan pada struktur ketidakpastian
imbal hasil aset. Penggolongan ketidakpastian menjadi satu dikotomi sederhana risiko makro
versus

mikro

terlalu

menyederhanakan

sumber

ketidakpastian

dunia

nyata

dan

menghilangkan beberapa sumber penting mengenai ketergantungan akan imbal hasil saham.
Model indeks akan mengabaikan korelasi ini (diasumsikan nol) sementara algoritma
Markowitz (yang memperhitungkan kovarian penuh diantara setiap pasang saham) akan

secara otomatis memperhitungkan korelasi residu ketika meminimumkan ragam portofolio.


Hasil portofolio optimal akan menempatkan bobot yang terlalu kecil pada sekuritas
tersebut, yang berakibat pada tingginya ragam yang tidak diperlukan. Ketika korelasi antar
residunya negatif, model indeks akan mengabaikan potensi nilai diversifikasi dari sekuritas
tersebut. Hasil portofolio optimal akan menempatkan bobot yang terlalu kecil pada
sekuritas tersebut, yang berakibat pada tingginya ragam yang tidak diperlukan.
Portofolio optimal yang berasal dari model indeks tunggal karena itu bisa jadi
sangatlah kecil dibanding dengan model kovarian penuh (Markowitz) ketika saham dengan
residual yang berkorelasi memiliki nilai alfa yang besar dan memperhitungkan sebagian besar
portofolio.
Model Indeks dan Diversifikasi
Model indeks yang pertama kali digagas oleh Sharpe, menawarkan pandangan ke arah
diversifikasi portofolio. Kelebihan tingkat imbal hasil pada tiap sekuritas diketahui sebesar
Ri =
Menuliskan kelebihan imbal hasil pada portofolio saham dengan
Rp =
Makin banyak jumlah saham yang dimasukkan di dalam portofolio, bagian dari risiko
portofolio yang melekat pada faktor nonpasar menjadi lebih kecil. Bagian risiko ini
terdiversifikasi.
Kelebihan tingkat imbal hasil pada portofolio yang dibobot dengan imbang, dimana
bobot tiap portofolio wi = 1/n adalah
Rp =

=
Portofolio memiliki sensitivitas terhadap pasar diketahui sebesar

Yang merupakan rata-rata dari masing-masing is. Portofolio tersebut memiliki komponen
imbal hasil nonpasar sebesar

Yang merupakan rata-rata dari masing-masing alfa, ditambah variabel dengan rata-rata nol.

Yang merupakan rata-rata dari komponen khusus perusahaan. sehingga ragam portofolio
adalah

Komponen risiko sistematis dari ragam portofolio, yang kami sebut sebagai
komponen yang bergantung pada pergerakan seluruh pasar adalah

dan bergantung pada

koefisien sensitivitas dari tiap sekuritas. Bagian risiko ini bergantung pada beta portofolio
dan

serta akan bertahan tanpa memperhatikan tingkat diversifikasi portofolio. Tidak

peduli seberapa banyak saham yang dipegang, pembukaan umumnya ke pasar akan tercermin
didalam risiko sistematis portofolio.
Komponen nonsistematis dari ragam portofolio adalah
komponen khusus perusahaan,

. Karena

dan melekat pada

tersebut saling bebas dan semuanya memiliki

perkiraan nilai nol, hukum rata-rata dapat digunakan untuk menyimpulkan bahwa makin
banyak saham yang ditambahkan pada portofolio, komponen khusus perusahaan cenderung
terhapus, yang berakibat pada risiko nonpasar yang lebih kecil. Sehingga risiko tersebut
disebut dapat terdiverifikasi. Rumus untuk ragam portofolio yang dibobot dengan imbang
dari komponen khusus perusahaan. Karena

tidak berkorelasi.

(p) =
Dimana

() merupakan rata-rata dari ragam khusus perusahaan. karena rata-rata

ini saling bebas dari n, ketika n membesar,

(p) menjadi dapat diabaikan.

Makin bertambahnya diverifikasi, total ragam portofolio mendekati ragam sistematis


yang disebut dengan ragam dari faktor pasar dikali dengan kuadrat koefisien sensitivitas
portofolio,

. Hal ini tertera pada gambar berikut.

Gambar 1 Ragam dari Portofolio yang Berbobot Imbang dengan Koefisien Risiko
p pada Perekonomian Faktor Tunggal
Gambar diatas menunjukkan bahwa makin banyak sekuritas yang tergabung dalam
portofolio, ragam portofolio menurun akibat diversifikasi risiko khusus perusahaan. akan
tetapi pengaruh diversifikasi terbatas. Bahkan untuk n yang sangat besar, bagian dari risiko
tetap sama akibat dari dibukanya seluruh aset pada faktor biasa maupun pasar. Oleh karena
itu, risiko sistematisnya disebut tak dapat terdiverifikasi.
Analisis ini dihasilkan oleh bukti empiris. Ada pengaruh dari diversifikasi portofolio
terhadap simpangan baku portofolio. Hasil empiris sesuai dengan grafik teoritis yang
disajikan gambar 8.1.
8.3 Memperkirakan Model Indeks Tunggal
Perkiraan matriks kovarian penuh imbal hasil sekuritas adalah sebagai berikut-

Gambar 2 Kelebihan Imbal Hasil pada HP dan S&P 500


Dengan berfokus pada enam perusahaan besar AS: Hewlett-Packard dan Dell dari
sektor teknologi informasi (TI) di S&P 500. Pengamatan bulanan dari tingkat imbal hasil
untuk enam saham, portofolio S&P 500 dan T-bill selama periode 5 tahun. Sebagai tahap
awal kelebihan imbal hasil pada tujuh aset berisiko dihitung. Dimulai dengan pandangan rinci
terhadap persiapan daftar masukan untuk Hewlett-Packard (HP), kemudian berlanjut pada
menampilkan seluruh daftar masukan. Selanjutnya akan menunjukkan bagaimana perkiraan
tersebut dapat digunakan untuk menyusun portofolio berisiko optimal.
Garis Karakteristik Sekuritas Hewlett-Packard
Regresi model indeks persamaan berikut, dikemukakan kembali untuk HewlettPackward (HP) adalah
RHP(t) = HP + HPRS&P500(t) + HP(t)
Persamaan itu menguraikan ketergantungan (linier) imbal hasil HP terhadap
perubahan keadaan ekonomi seperti yang ditunjukkan oleh kelebihan imbal hasil portofolio
berindeks S&P 500. Perkiraan regresi menggambarkan garis lurus dengan intersep HP dan
kemiringan HP yang disebut garis karakteristik sekuritas (security characteristic line) (SCL)
untuk HP.
Gambar diatas menunjukkan grafik kelebihan imbal hasil pada HP dan portofolio
S&P 500 selama periode 60 bulan. Grafik tersebut menunjukkan bahwa imbal hasil HP pada
umumnya mengikuti indeks tersebut, tetapi dengan ayunan yang lebih besar.
Hubungan antara imbal hasil HP dan S&P 500 diperjelas oleh diagram pencar (scatter
diagram) dalam gambar berikut dimana garis regresi ditarik melalui diagram. Jarak vertikal
tiap titik dari garis regresi merupakan nilai residu HP, eHP(t), yang sesuai dengan bulan
tertentu.

Gambar 3 diagram berpencar HP, S&P 500, dan garis karakteristik sekuritas
(SCL) HP

Tabel 8.1 Keluaran excel : Statistika regresi untuk SCL Hewlett - Packard
Pengaruh Tambahan SCL terhadap HP
Pada tabel 8.1, korelasi HP dengan S&P 500 cukup tinggi (0,7238), hal ini
menunjukkan bahwa pergerakan HP dalam imbal hasil S&P 500 agak mendekati R2 (0,5239)
yang berarti bahwa variasi pada kelebihan imbal hasil S&P 500 adalah 52% variasi dalam
runtut HP. Kesalahan baku regresi adalah simpangan baku dari residu. Ukuran kemungkinan
rata-rata hubungan antara saham dan indeks terkait dengan dampak faktor khusus perusahaan,
dan didasarkan pada data dalam sampel. Uji yang lebih berat adalah mengamati imbal hasil
dari periode setelah ditempuh oleh sampel regresi dan menguji pengaruh variabel independen
(S&P 500) untuk menaksir variabel dependen (imbal hasil HP). Korelasi antar peramalan
regresi dan realisasi data di luar sampel hampir selalu jauh lebih rendah daripada korelasi
dalam sampel.
Analisis Ragam
Bagian berikutnya dari tabel 8.1 menunjukkan analisis ragam (ANOVA) untuk SCL.
Penjumlahan kuasrat (SS) regresi (0,3752) merupakan bagian ragam variabel dependen
(imbal hasil HP) yang dijelaskan oleh variabel independen (imbal hasil S&P 500); yakni

sama dengan

. Kolom MS untuk residu (0,0059) menunjukkan ragam bagian

yang tidak dijelaskan imbal hasil HP, yakni bagian imbal hasil yang terpisah dari indeks
pasar. Akar kuadrat dari nilai ini merupakan kesalahan baku (SE) regresi (0,0767) yang
dilaporkan di bagian pertama. Jika membagi total SS regresi (0,7162) dengan 59, kita akan
memperoleh perkiraan ragam dari variabel dependen (HP), 0,012 tiap bulan, yang senilai
dengan simpangan baku bulanan sebesar 11%. Ketika dilaporkan tahunan, simpangan baku
tahunan sebesar 38,17% seperti yang dilaporkan sebelumnya. Perhatikan bahwa R-kuadrat =

.
Perkiraan Alfa
Kita berpindah untuk menganalisis pada bagian bawah. Intersep (0,0086 = 0,86% per
bulan) merupakan perkiraan alfa HP untuk periode sampel. Meskipun hal ini secara ekonomis
bernilai besar (10,32% dengan basis tahunan), secara statistik tidak signifikan. Hal ini dapat
dilihat dari tiga statistika di sebelah koefisien yang ditaksir. Yang pertama adalah kesalahan
baku perkiraan (0,0099). Ini merupakan ketidaktepatan perkiraan. Jika kesalahan bakunya
besar, jangkauan kesalahan perkiraan mungkin cukup besar. Statistik t yang dilaporkan di
bagian bawah merupakan rasio dari parameter regresi terhadap kesalahan bakunya. Statistik t
menunjukkan rendahnya probabilitas bahwa nilai sebenarnya adalah nol.
Dalam kasus alfa, penulis tertarik pada rata rata nilai imbal hasil bersih HP dari
dampak pergerakan pasar. Penulis menyebut komponen nonpasar dari imbal hasil HP sebagai
imbal hasil aktualnya dikurangi imbal hasil yang melekat pada pergerakan pasar selama
periode tertentu. Hal ini disebut dengan imbal hasil khusus perusahaan HP, yang disingkat
dengan Rp.
Jika Rp terdistribusi normal dengan rata rata nol, rasio dari perkiraannya terhadap
kesalahan bakunya akan memiliki distribusi t. Dari tabel distribusi t (atau menggunakan
fungsi TINV Excel) kita dapat menemukan probabilitas bahwa alfa sebenarnya adalah nol
atau bahkan lebih rendah jika perkiraan nilai dan kesalahan baku perkiraannya positif.
Namun jika nilai alfa secara ekonomis dan secara statistik signifikan di dalam sampel, kami
tidak akan menggunakan alfa sebagai peramalan untuk periode di masa datang. Ketika alfa
yang diperkirakan dari regresi memberi tahu kita ratarataimbal hasil sekuritas ketika
pasarnya normal selama periode perkiraan, alfa tidak meramalkan kinerja perusahaan pada
periode mendatang.

Perkiraan Beta
Keluaran regresi pada tabel 8.1 menunjukkan perkiraan beta HP sebesar 2,0348, lebih
dari dua kalinya S&P 500. Sensitivitas pasar yang tinggi tersebut tidak biasa untuk saham
teknologi. Kesalahan baku (SE) perkiraan adalah 0,2547. Nilai beta dan SE-nya
menghasilkan statistik t yang besar (7,9888), dan nilai p yang pada praktiknya nol. Statistik t
ini akan mengukur seberapa banyak kesalahan baku yang memisahkan perkiraan beta dari
nilai yang diduga sebesar 1. Selisihnya cukup besar untuk mencapai signifikansi statistik

Estimasi Nilai
Ketepatan bukanlah apa yang kita harapkan. Jika kita ingin membangun interval
keyakinan yang memasukkan nilai beta sebenarnya namun tidak diamati dengan probabilitas
95%, kita akan mengambil perkiraan nilainya sebagai pusat interval dan kemudian
menambah dan mengurangi sekitar dua kesalahan baku. Hal ini menghasilkan jangkauan di
antara 1,43 dan 2,53, yakni cukup lebar.
Risiko Khusus Perusahaan
Simpangan baku bulanan residu HP sebesar 7,67% atau 26,6% per tahun. Nilainya
cukup besar, di puncak HP resiko sistematisnya tinggi. Simpangan baku dari resiko sistematis
adalah

Korelasi dan Matriks Kovarian


Gambar 8.4 melukiskan kelebihan imbal hasil tiap pasang sekuritas dari tiga sektor
dengan indeks S&P 500 pada skala yang sama.
Bagian 1 pada spreadsheet 1 menunjukkan perkiraan parameter resiko dari portofolio
S&P 500 dan enam sekuritas yang dianalisis. Kita dapat mengamati dari simpangan baku
residu tinggi (kolom E) seberapa penting diversifikasi tersebut. Sekuritas tersebut memiliki
resiko khusus perusahaan yang bersar, portofolio yang terpusat pada sekuritas ini akan
memiliki volatilitas tinggi dan rasio Sharpe rendah.
Bagian 2 menunjukkan matriks korelasi residu dari regresi kelebihan imbal hasil pada
S&P 500. Celah yang diarsir menunjukkan korelasi dari saham sektor yang sama, yakni
sebesar 0,7 untuk dua saham minyak (BP dan Shell). Bagian 3 memperlihatkan kovarian yang
berasal dari model indeks tunggal. Ragam dari indeks S&P 500 dan tiap saham yang
termasuk tertera pada diagonalnya.
8.4 Susunan Portofolio dan Model Indeks Tunggal

Penulis mengamati implikasi dari model indeks untuk penyusunan portofolio. Model
tersebut menawarkan beberapa keuntungan, tidak hanya dalam bentuk perkiraan parameter,
tetapi juga penyederhanaan analitis dan desentralisasi organisasi yang membuatnya mungkin.

Alfa dan Analisis Sekuritas


Keuntungan paling penting dari model indeks tunggal adalah kerangka yang
menghasilkan analisis makroekonomi dan sekuritas dalam penyiapan daftar masukan yang
begitu kritis terhadap efisiensi dari portofolio optimal.
Model indeks tunggal menciptakan kerangka yang memisahkan dua sumber variasi
imbal hasil yang cukup berbeda ini dan menjadikannya lebih mudah untuk menjamin
konsistensi antar analis. Kami dapat memaksakan hierarki persiapan daftar masukan melalui
kerangka model indeks tunggal.
1. Analisis makro-ekonomi digunakan untuk memperkirakan premi risiko dan risiko indeks
pasar.
2. Analisis statistik digunakan untuk memperkirakan koefisien beta dari seluruh sekuritas
dan ragam residunya,
3. Manajer portofolio menggunakan perkiraaan premi risiko indeks pasar dan koefisien beta
sekuritas guna menentukan perkiraan imbal hasil dari sekuritas itu dengan ketiadaan
kontribusi dari analisis sekuritas.
4. Peramalan imbal hasil sekuritas tertentu yang diharapkan berasal dari berbagai model
penilaian sekuritas. Sehingga, nilai alfa menyaring kenaikan premi risiko yang melekat
pada informasi pribadi yang dikembangkan dari analisis sekuritas.
Hasil akhir dari analisis sekuritas adalah daftar nilai alfa. Metode statistik dalam
memperkirakan koefisien beta dengan luas diketahui dan distandardisasi sehingga kita tidak
akan menduga bagian dari daftar masukan ini sangat berbeda antar manajer portofolio.
Penggunaan model indeks untuk menguraikan premi yang terkait dengan faktor pasar dan
nonpasar, manajer portofolio dapat meyakini bahwa analis makro yang menggabungkan
perkiraan premi risiko indeks pasar dan analis sekuritas yang menggabungkan nilai alfa
sedang menggunakan perkiraan yang konsisten untuk seluruh pasar.
Dalam konteks penyusunan portofolio, alfa lebih dari sekedar salah satu komponen
perkiraan imbal hasil. Alfa merupakan variabel penting yang memberitahu kita apakah
sekuritas baik atau buruk untuk dibeli. Sekuritas dengan alfa positif memberikan premi di
atas premi yang berasal dari kecendrungan untuk mengikuti indeks pasar.
Portofolio Berindeks sebagai Aset Investasi
Penyederhanaan model indeks yang menawarkan penurunan daftar masukan. Apalagi
optimisasi portofolio menekankan keunggulan lain dari model indeks tunggal, yakni
perwakilan portofolio berisiko optimal yang sederhana dan diungkapkan secara intuitif.

Proses menggambar garis batas efisien menggunakan model indeks tunggal dapat
menggunakan model Morkowitz untuk mencari portofolio berisiko optimal. Indeks S&P 500
menangkap dampak perekonomian terhadap saham besar yang mungkin dimasukkan
perusahaan di dalam portofolionya. Jika perusahaan yang dianalisis ini hanyalah yang
diperkenankan portofolionya, manajer portofolio akan cemas mengenai terbatasnya
diversifikasi. Cara mudah untuk menghindari tidak memadainya diversifikasi adalah
memasukkan portofolio S&P 500 sebagai salah satu aset portofolio. Kita dapat berpikir
mengenai S&P 500 sebagai portofolio pasif yang manajer akan pilih dalam ketiadaan analisis
sekuritas. Portofolio pasif memberikan penyingkapan pasar yang luas tanpa kebutuhan akan
analisis sekuritas yang mahal. Akan tetapi, jika manajer bersedia untuk terikat dalam
penelitian tersebut, ia akan merencanakan portofolio aktif yang dapat dicampur dengan
indeks untuk menghasilkan pertukaran risiko imbal hasil yang lebih baik.
Daftar Masukan Model Indeks Tunggal
Jika manajer portofolio berencana untuk menggabungkan portofolio dari daftar
perusahaan yang aktif diteliti dan portofolio berindeks pasar pasif, daftar masukan akan
memuat perkiraan berikut :
a. Premi risiko pada portofolio S&P 500
b. Perkiraan simpangan baku dari portofolio S&P 500
c. N perkiraan dari koefisien beta, ragam residu saham, dan nilai alfa menentukan perkiraan
imbal hasil pada tiap sekuritas

Portofolio Berisiko Optimal dari Model Indeks Tunggal


Model indeks tunggal memungkinkan kita untuk memecahkan portofolio berisiko
optimal secara langsung dan menambah pandangan menuju pemecahan dasar. Pertama
penulis menegaskan bahwa mereka dapat dengan mudah memulai proses optimisasi dengan
menggambar garis batas efisien pada kerangka ini di sepanjang garis model Markowitz.
Seperti pada prosedur baku Markowitz, kita dapat menggunakan program optimisasi
Excel untuk memaksimumkan rasio Sharpe terkait dengan penambahana batas yang bobot
portofolionya berjumlah 1. Akan tetapi, hal ini tidaklah penting karena portofolio optimal
dapat diturunkan secara eksplisit melalui model indeks. Terlebih, pemecahan atas portofolio
optimal memberikan pandangan penting ke arah penggunaan analisis sekuritas dalam
menyusun portofolio.

Tujuannya adalah memaksimumkan rasio Sharpe portofolio dengan menggunakan


bobot portofolio, w1, ..., wn+1. Dengan bobot, perkiraan imbal hasil, simpangan baku, dan
rasio Sharpe dari portofolio ini adalah :

Jika kita hanya tertuju pada diversifikasi, kita hanya akan menggunakan pada indeks
pasar. Analisis sekuritas memberi kita peluang untuk menemukan sekuritas dengan alfa bukan
nol dan mengambil posisi berbeda pada sekuritas tersebut. Biaya posisi yang berbeda itu
bermula dari diversifikasi efisien, dengan kata lain asumsi risiko khusus perusahaan yang
kurang penting. Model tersebut menunjukkan bahwa portofolio berisiko optimal menghadapi
pertukaran pencarian alfa terhadap permulaan dari diversifikasi efisien. Portofolio berisiko
optimal berubah menjadi kombinasi dari dua portofolio komponen : (1) portofolio aktif, yang
dilambangkan dengan A, terdiri dari n sekuritas yang dianalisis (kami menyebutnya
portofolio aktif karena mengiringi analisis sekuritas aktif), dan (2) portofolio berindeks pasar,
aset ke-(n+1) yang kami masukkan untuk membantu diversifikasi, yang kami sebut portofolio
pasif dan melambangkannya dengan M.
Modifikasi posisi di dalam portofolio aktif adalah :
Perhatikan bahwa ketika A = 1, w*A = w0A .
Rasio Informasi
Rasio Sharpe dari portofolio berisiko yang tersusun secara optimal akan melebihi dari
portofolio indeks (strategi pasif) :

s P s M (eAA )
2

Persamaan di atas menunjukkan kepada kita bahwa kontribusi dari portofolio aktif
(ketika dipegang dalam bobot optimalmnya, w*A) terhadap rasio Sharpe dari seluruh
portofolio berisiko ditentukan oleh rasio dari alfanya terhadap simpangan baku residu. Rasio
penting ini disebut rasio informasi. Rasio ini mengukur tambahan imbal hasil yang dapat
kami peroleh dari analisis sekuritas dibandingkan dengan risiko khusus perusahaan yang kita
tanggung ketika kita terlalu atau kurang membobot sekuritas relatif terhadap indeks pasar
pasif. Persamaan di atas kemudian menunjukkan bahwa untuk memaksimumkan seluruh
rasio Sharpe, kita harus memaksimumkan rasio informasi dari portofolio aktif.

Rangkuman Prosedur Optimisasi


Sebagai rangkuman, setiap kali analisis sekuritas selesai, dan perkiraan model indeks
sekuritas dan parameter indeks pasar terbentuk, portofolio berisiko optimal dapat dibentuk
melalui langkah berikut :
1. Hitung posisi awal dari tiap sekuritas pada portofolio aktif dengan
2. Hitung posisi awal tersebut agar bobot portofolio berjumlah 1 dengan membaginya
dengan jumlahnya, yakni,

3. Hitung alfa dari portofolio aktif :


4. Hitung ragam residu dari portofolio aktif :

5. Hitung posisi awal pada portofolio aktif :


6. Hitung beta dari portofolio aktif :
7. Sesuaikan posisi awal pada portofolio aktif :
8. Catatan: portofolio berisiko optimal saat ini memiliki bobot:
9. Hitung premi risiko portofolio optimal dari premi risiko portofolio berindeks dan alfa
portofolio aktif :
adalah

Perhatikan bahwa beta portofolio berisiko


karena beta portofolio berindeks adalah 1.

10. Hitung ragam portofolio berisiko optimal dari ragam portofolio berindeks dan ragam
residu portofolio aktif:
8.5 Aspek Praktis Manajemen Portofolio dengan Model Indeks
Apakah Model Indeks Lebih Buruk dari Model Kovarian Utuh
Full Markowitz model mungkin lebih baik untuk menggantikan indeks tunggal. Untuk
menambah indeks lainnya, kita memerlukan peramalan premi risiko dari penambahan
portofolio berindeks dan perkiraan beta sekuritas yang terkait dengan faktor tambahan
tersebut. Model Markowitz memungkinkan model struktur kovarian aset kita jauh lebih
fleksibel dibanding model indeks tunggal. Namun keunggulannya bisa jadi menyesatkan jika
kita tidak dapat memperkirakan kovarian tersebut dengan derajat keyakinan berapa pun.

Penggunaan matriks kovarian utuh melibatkan risiko perkiraan dari ribuan komponen.
Bahkan jika model Markowitz utuh akan lebih baik pada prinsipnya, sangatlah mungkin
bahwa pengaruh kumpulan dari berbagai kesalahan perkiraan akan berakibat pada portofolio
yang sebenarnya lebih kecil dibandingkan yang berasal dari model indeks tunggal. Model
indeks

tunggal

memiliki

keunggulan

praktis

dan

sangat

membantu

dalam

mendesentralisasikan analisis makro dan sekuritas.


Versi Industri dari Model Indeks
Tabel 8.3 merupakan sampel contoh halaman dari buku beta. Buku beta umumnya
menggunakan S&P 500 sebagai proksi bagi portofolio pasar. Buku beta biasanya
menggunakan 60 pengamatan bulanan terakhir untuk menghitung parameter regresi, dan
menggunakan total imbal hasil, daripada kelebihan imbal hasil (simpangan dari tingkat T-bill)
di

dalam

regresi.

Menghitung

jumlah

imbal

hasil

yang

mengabaikan

dividen

Memperkirakan model indeks tanpa excess return:


r a brm e*

Adjusted beta karena beta rata-rata seluruh sekuritas adalah 1. Sehingga, sebelum menaksir
beta sekuritas, peramalan terbaik kita adalah 1.