MANAJEMEN KEUANGAN

KELOMPOK V
1. I Gede Yuda Dharma Putra (1780621017)
2. Evalyna (1780621012)
3. I Gusti A. Pt Gita Purnama M. (1780621006)
4. Luh Putu Desy Purwanti (1780621015)
5. I Gede Wiasa Putra (1780621009)

PROGRAM PASCASARJANA
PROGRAM STUDI MAGISTER MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
ANGKATAN XXXIX
UNIVERSITAS UDAYANA
2018
A. LEARNING OF OBJECTIVE :

1. Mahasiswa dapat enganalisis tentang Pengembalian Investasi, Stand Alone Risk,

Risiko dalam Konteks Portofolio dan Hubungan antara Risiko dan Return (CAPM)
2. Mahasiswa dapat menghitung Koefficient Beta
I. INVESTMENT RETURN

Sebagian besar investasi seorang individu atau bisnis menghabiskan uang hari
ini dengan harapan mendapatkan lebih banyak uang di masa depan. Konsep
pengembalian investasi dengan cara yang nyaman untuk mengungkapkan investasi
kinerja keuangan. Sebagai contoh, misalkan anda membeli 10 saham seharga $ 1.000.
Pemilik saham tidak membayar dividen secara langsung, tetapi pada akhir tahun.
Apibala laba atas $1.000, berapakah investasi yang anda terima?
Salah satu cara untuk menampilkan pengembalian investasi dalam bentuk dolar
adalah dengan cara total dolar yang diterima dari investasi dikurangi jumlah yang
diinvestasikan:
Dollar kembali = jumlah yang diterima - jumlah yang diinvestasikan

= $ 1.100 - $ 1.000

= $ 100

Jika, pada akhir tahun, anda menjual saham hanya $ 900, dolar yang akan kembali
akan menjadi - $ 100.
Meskipun menyatakan dalam pengembalian dolar itu mudah, maka akan timbul
dua masalah yaitu: (1) Untuk membuat penilaian yang berarti untuk
pengembalian,maka anda perlu mengetahui skalanya (ukuran) dari investasi, untuk $
100 kembali pada $ 100 investasi merupakan pengembalian yang baik (dengan asumsi
investasi diadakan selama satu tahun), tetapi jika pengembalian $ 100 atas investasi $
10.000 akan menjadi tingkat pengembalian yang buruk. (2) Anda juga perlu mengetahui
waktu pengembalian; Pengembalian $ 100 atas investasi $ 100 merupakan
pengembalian yang sangat baik jika terjadi setelah satu tahun, tetapi jika dolar kembali
sama setelah 20 tahun merupakan sesuatu yang sangat tidak baik.

Solusi untuk skala dan masalah waktu adalah untuk mengungkapkan hasil
investasi sebagai tingkat pengembalian, atau persentase pengembalian. Sebagai contoh,
tingkat pengembalian investasi saham satu tahun, ketika $ 1.100 diterima setelah satu
tahun, adalah 10 persen:

Tingkat pengembalian =jumlah yang diterima – jumlah yang diinvestasikan

jumlah yang diinvestasikan
= dollar kembali
jumlah investasi
= $ 100
$1000
= 0,10 =10%
 Tingkat perhitungan “standarisasi” pengembalian dengan mempertimbangkan
kembali tahunan per unit investasi. Meskipun contoh ini hanya memiliki satu aliran dan
satu inflow, tingkat tahunan pengembalian dengan mudah dapat dihitung dalam situasi
di mana beberapa arus kas terjadi dari waktu ke waktu dengan menggunakan nilai
waktu dari konsep uang.

II. STAND ALONE RISK

Risiko didefinisikan dalam Webster sebagai “bahaya; sebuah bahaya; paparan
kerugian atau cedera.”Dengan demikian, risiko mengacu pada kemungkinan bahwa
beberapa peristiwa yang tidak menguntungkan akan terjadi. Jika anda terlibat dalam
skydiving, maka anda mengambil kesempatan dan resiko dengan kehidupan-skydiving.
Jika anda bertaruh pada kuda, maka anda mempertaruhkan uang anda. Jika anda
berinvestasi dalam saham spekulatif (atau, benar-benar, setiap saham), anda mengambil
risiko dengan harapan mendapatkan pengembalian yang cukup.
Risiko aset ini dapat dianalisis dalam dua cara: (1) secara berdiri sendiri, di mana
asetnya dianggap terpisah, dan (2) berdasarkan portofolio, di mana aset tersebut dimiliki
sebagai salah satu dari sejumlah aset di portofolio. Dengan demikian, risiko berdiri
sendiri dari aset adalah risiko yang akan dihadapi investor jika ia hanya memegang satu
aset. Jelas, sebagian besar aset yang dipegang di portofolio, tetapi perlu untuk
memahami risiko berdiri sendiri untuk memahami risiko dalam konteks portofolio.
Untuk menggambarkan risiko aset keuangan, misalkan seorang investor membeli
$ 100.000, tagihan bunga jangka pendek dengan ingkat pengembalian yang diharapkan
sebesar 5%. Dalam hal ini, tingkat pengembalian investasi, 5%, dapat diperkirakan
secara tepat, dan investasi dianggap bebas risiko. Namun, jika $ 100.000 diinvestasikan
dalam saham perusahaan hanya diselenggarakan untuk prospek minyak di pertengahan
Atlantik, maka pengembalian investasi ini tidak dapat diperkirakan secara tepat. Orang
mungkin menganalisis situasi dan menyimpulkan bahwa tingkat pengembalian yang
diharapkan, dalam arti statistik, adalah 20%, tetapi investor harus mengakui bahwa
tingkat aktual pengembalian bisa berkisar dari, katakanlah, 1000% menjadi 100%.
Karena ada bahaya yang signifikan untuk benar-benar mendapatkan jauh lebih sedikit
dari hasil yang diharapkan, saham akan relatif berisiko.
Tidak ada investasi yang harus dilakukan kecuali tingkat pengembalian yang
diharapkan cukup tinggi untuk mengkompensasi investor atas risiko yang dirasakan dari
investasi. Dalam contoh, jelas bahwa jika ada beberapa investor akan bersedia untuk
membeli saham perusaahn minyak jika tingkat pengembalian yang diharapkan adalah
sama seperti dari T-bill.
Aset berisiko yang jarang menghasilkan tingkat pengembalian yang diharapkan
pada umumnya aset berisiko mendapatkan lebih atau kurang dari yang semula
diharapkan. Memang, jika aset selalu menghasilkan hasil yang diharapkan, mereka
tidak akan beresiko. Risiko investasi kemudian berkaitan dengan probabilitas yang
benar-benar mendapatkan pengembalian yang rendah atau negatif, semakin besar
peluang pengembalian yang rendah atau negatif, semakin berisiko investasi.
Bagaimanapun, risiko dapat didefinisikan lebih tepat dan kita melakukannya di bagian
berikutnya.

A. Probability Distributions

Kejadian probailitas didefinisikan sebagai kemungkinan peristiwa akan

terjadi. Sebagai contoh, peramal cuaca mungkin menyatakan, “Ada kemungkinan
40 persen hujan hari ini dan kemungkinan 60 persen tidak akan hujan.” Jika semua
peristiwa yang mungkin, atau hasil dicantumkan, dan jika probabilitas dierikan
pada setiap kejadian, daftar ini disebut distribusi probabilias. Perlu diingat bahwa
probabilitas harus berjumlah 1,0 atau 100 persen. Dengan pemikiran ini,
mempertimbangkan tingkat kemungkinan pengembalian karena dividen dan
perubahan harga saham yang mungkin anda peroleh tahun depan pada investasi $
10.000 dalam saham baik Sale.com atau Basic Foods Inc. Sale.com adalah
perusahaan Internet yang menawarkan diskon besar pada detik pabrik dan barang
dagangan yang terlalu banyak. Karena menghadapi persaingan yang ketat, layanan
baru mungkin tidak kompetitif di pasar, sehingga laba yang akan datang tidak dapat
diprediksi dengan baik. Memang, beberapa perusahaan baru bisa mengembangkan
layanan Sale.com yang lebih baik dan benar-benar bangkrut. Basic foods di sisi lain
mendistribusikan makanan pokok yang penting ke toko bahan makanan sehingga
penjualan dan keuntungan relatif stabil dan dapat diprediksi.
Tingkat pengembalian distribusi probabilitas untuk dua perusahaan
ditunjukkan pada Tabel 2-1. Ada kemungkinan 30% permintaan yang kuat, dalam
hal ini kedua perusahaan akan memiliki pendapatan yang tinggi, membayar dividen
yang tinggi, dan menikmati keuntungan modal. Ada kemungkinan 40% dari
permintaan normal dan tingkat pengembalian sedang, dan ada kemungkinan
 permintaan turun sebesar 30% yang berarti pendapatan rendah dan dividen serta
kerugian modal. Perhatikan, bagaimanapun, bahwa tingkat pengembalian Sale.com
bisa sangat jauh berbeda dari pada Basic Foods. Ada kemungkinan yang cukup
tinggi bahwa nilai saham Sale.com akan turun secara substansial, mengakibatkan
hilangnya 70%, sementara ada kemungkinan yang lebih kecil untuk Basic Foods.

B. Expected Rate Of Return

Jika kita kalikan setiap hasil yang mungkin oleh probabilitas terjadinya dan
kemudian jumlah produk ini, seperti pada Tabel 2-2, kami memiliki rata-rata
tertimbang hasil. Bobot adalah probabilitasnya, dan rata-rata tertimbang adalah
tingkat pengembalian yang diharapkan, r, disebut “r-hat.” tingkat yang diharapkan
pengembalian untuk kedua Sale.com dan Basic Foods ditunjukkan pada Tabel 2-2
menjadi 15%. Jenis tabel dikenal sebagai payoff matrix.

Tingkat perhitungan pengembalian yang diharapkan juga dapat dinyatakan

 sebagai persamaan yang melakukan hal yang sama seperti tabel payoff matrix:

Berikut ri adalah hasil yang memungkinkan, Pi adalah probabilitas hasil akhir,

dan n adalah jumlah kemungkinan hasil. Jadi, ȓ adalah rata-rata tertimbang dari
hasil yang mungkin (nilai ȓi), dengan bobot bobot hasil masing-masing adalah
probabilitas terjadinya. Dengan menggunakan data Sale.com, kita memperoleh
tingkat pengembalian yang diharapkan sebagai berikut:

ȓ = P1(r1) + P2(r2) + P3(r3)

= 0,3 (100%) + 0,4 (15%) + 0,3 (-70%)

= 15%

Tingkat pengembalian yang diharapkan oleh Basic Foods' juga 15% :

ȓ = 0,3 (40%) + 0,4 (15%) + 0,3 (-10%)

= 15%

Kita dapat membuat grafik tingkat pengembalian untuk memperoleh

gambaran tentang variabilitas hasil yang mungkin terjadi, ini ditunjukkan dalam
Gambar 2-1 berup bar chart. Ketinggian setiap batang menandakan probabilitas
bahwa hasil yang diberikan akan terjadi. Kisaran kemungkinan kembali untuk
Sale.com adalah dari -70 ke +100%, dengan perkiraan pengembalian 15%. Hasil
yang diharapkan dari Basic Foods juga 15%, tapi jangkauan jauh lebih sempit.
 Sejauh ini, kita telah mengasumsikan bahwa hanya tiga situasi yang bisa
eksis: permintaan yang kuat, permintaan normal, dan permintaan yang lemah.
Sebenarnya tentu saja permintaan bisa berkisar dari depresi berat untuk ledakan
yang fantastis, dan ada kemungkinan jumlah yang tidak terbatas diantaranya.
Misalkan kita memiliki waktu dan kesabaran untuk menetapkan probabilitas untuk
setiap tingkat kemungkinan permintaan (dengan jumlah dari probabilitas yang
masih sama dengan 1,0) dan untuk menetapkan tingkat pengembalian untuk setiap
saham untuk setiap tingkat permintaan. Kita memiliki tabel yang srupa dengan
Tabel 2-1, kecuali bahwa ia akan memiliki lebih banyak entri dalam setiap kolom.
Tabel ini dapat digunakan untuk menghitung tingkat pengembalian yang
diharapkan seperti yang ditunjukkan sebelumnya, dan probabilitas dan hasilnya
dapat diperkirakan dengan kurva berkelanjutan seperti yang disajikan pada Gambar
2-2. Disini kita telah mengubah asumsi sehingga pada dasarnya ada probabilitas nol
bahwa pengembalian Sale.com akan kurang dari 70% atau lebih dari 100%, atau
bahwa Basic Foods pengembaliannya akan kurang dari 10% atau lebih dari 40%,
tapi hampir semua pengembalian dalam batas ini mungkin.
Semakin ketat, atau lebih runcing distribusi probabilitas, semakin besar
kemungkinan hasil sebenarnya mendekati nilai yang diharapkan, dan akibatnya
semakin kecil kemungkinan pengembalian yang sebenarnya dimana akan berakhir
 jauh di bawah hasil yang diharapkan. Dengan demikian semakin erat distribusi
probabilitas, semakin rendah risiko yang diberikan pada suatu saham. Karena Basic
Foods memiliki distribusi probabilitas yang relatif ketat, tingkat pengembalian
aktualnya kemungkinan akan mendekati angka yang diharapkan yaitu 15% dari
pada penjualan Sale.com.

catatan: Asumsi mengenai probabilitas berbagai hasil telah berubah dari Gambar 2-1. Ada peluang memperoleh tepat 15
persen adalah 40 persen; ini jauh lebih kecil karena ada banyak kemungkinan hasil bukan hanya tiga. Dengan distribusi
yang terus menerus, lebih tepat untuk menanyakan probabilitas untuk mendapatkan setidaknya beberapa tingkat
pengembalian yang ditentukan daripada menanyakan probabilitas apa yang diperoleh dengan tepat. Topik ini dibahas
secara rinci dalam kursus statistik.

C. Measuring Stand-Alone: The Standard Deviation

Risiko adalah konsep yang sulit untuk dipahami, dan banyak kontroversi
yang telah diupayakan untuk mendefinisikan dan mengukurnya. Namun definisi
umum, dan salah satu yang memuaskan untuk berbagai tujuan dinyatakan dalam
hal distribusi probabilitas seperti yang disajikan pada Gambar 2-2: Semakin ketat
distribusi probabilitas pengembalian masa depan yang diharapkan, semakin kecil
risiko investasi yang diberikan . Menurut definisi ini, Basic Foods kurang berisiko
daripada Sale.com karena ada kemungkinan kecil bahwa pengembalian sebenarnya
akan berakhir jauh di bawah pengembalian yang diharapkan.
Paling berguna, ukuran risiko harus memiliki nilai pasti, kita membutuhkan
ukuran ketatnya distribusi probabilitas. Salah satu ukuran tersebut adalah standar
deviasi, simbolnya adalah σ, diucapkan “sigma.” Semakin kecil standar deviasi,
semakin ketat distribusi probabilitasnya dan karenanya resiko saham berkurang.
Untuk menghitung standar deviasi, kita lanjutkan seperti yang ditunjukkan pada
Tabel 2-3, dengan mengambil langkah-langkah berikut:
1. Calculate the expected rate of return :

Untuk Sale.com, kami sebelumnya ditemukan ȓ = 15%.

2. Kurangi tingkat pengembalian yang diharapkan (ȓ) dari setiap hasil yang
mungkin (ȓi) Untuk mendapatkan satu set penyimpangan tentang ȓ seperti yang
ditunjukkan dalam Kolom 1 dari Tabel 2-3:
Deviationi = ri - ȓ

3. Persegi setiap penyimpangan, maka kalikan hasilnya dengan probabilitas untuk

hasil yang terkait, dan kemudian jumlah produk ini untuk mendapatkan varian
yang dari distribusi probabilitas seperti yang ditunjukkan pada Kolom 2 dan 3
tabel:
4. Akhir menemukan akar kuadrat dari varian untuk mendapatkan standar deviasi

Dengan demikian, standar deviasi pada dasarnya adalah rata-rata tertimbang dari
penyimpangan dari nilai yang diharapkan, dan ini memberikan gambaran seberapa
jauh di atas atau di bawah nilai yang diharapkan dari nilai actual. Standar deviasi
Sale.com ini terlihat pada Tabel 2-3 menjadi σ = 65,84%. Dengan menggunakan
prosedur yang sama, kita menemukan standar deviasi Basic Foods' menjadi
19,36%. Sale.com memiliki standar deviasi yang lebih besar, yang menunjukkan
variasi pengambilan yang lebih besar dan dengan demikian kemungkinan besar
bahwa pengembalian aktual mungkin jauh lebih rendah dari hasil yang diharapkan.
Oleh karena itu, Sale.com adalah investasi berisiko daripada Basic Foods saat
dipegang sendiri.

Jika distribusi probabilitas normal, pengembalian aktual akan berada dalam ±

1 deviasi standar dimna pengembalian yang diharapkan adalah 68,26% dari waktu
itu. Gambar 2-3 menggambarkan hal ini, dan itu juga menunjukkan situasi ± 2σ dan
± 3σ. Untuk Sale.com, ȓ = 15% dan σ = 65,84% sedangkan ȓ = 15% dan σ =
19,36% untuk Basic Foods. Jadi, jika kedua distribusinya normal, akan ada 68,26%
kemungkinan bahwa pengembalian aktual Sale.com akan berada di kisaran 15 ±
65,8%, atau dari -50,84 ke 80,84%. Untuk Basic Foods, kisaran 68,26% adalah 15
± 19,3%, atau dari -4,36 ke 34,36%. Untuk perusahaan rata-rata tercatat di Bursa
Efek New York, σ secara umum di kisaran 35% sampai 40% dalam beberapa tahun
terakhir.
 Catatan:

1. Itu daerah di bawah kurva normal selalu sama 1.0, atau 100 persen. Dengan
demikian, area di bawah setiap pasang kurva yang normal ditarik pada skala yang
sama, apakah mereka memuncak atau flat, harus sama.
2. Setengah dari daerah di bawah kurva normal adalah di sebelah kiri mean,
menunjukkan bahwa ada 50 persen kemungkinan bahwa hasil yang sebenarnya akan
kurang dari mean, dan setengah adalah di sebelah kanan r, menunjukkan
probabilitas 50 persen yang itu akan lebih besar dari mean.
3. Daerah di bawah kurva, 68,26 persen adalah dalam ±1σ dari mean, menunjukkan
bahwa probabilitas adalah 68,26 persen bahwa hasil aktual akan berada dalam
kisaran ȓ- 1σ untuk ȓ + 1σ.

D. Using Historical Data To Measure Risk

Pada contoh sebelumnya, kita menjelaskan prosedur untuk menemukan mean
dan standar deviasi bila data tersebut dalam bentuk distribusi probabilitas yang
diketahui. Misalkan hanya sampel pengembalian data melalui beberapa periode
terakhir yang tersedia. Tingkat pengembalian aktual yang direalisasikan pada
periode t dilambangkan dengan ṝt (“r bar t”) dan tingkat pengembalian tahunan
rata-rata selama n tahun terakhir adalah ṝAvg. Deviasi standar pengembalian dapat
diestimasi dengan menggunakan rumus ini:
 Ketika diperkirakan dari data masa lalu, standar deviasi sering dilambangkan
dengan S. Berikut adalah contoh:

Sejarah σ sering digunakan sebagai perkiraan σ masa depan. Karena

variabilitas masa lalu cenderung berulang, S merupakan perkiraan yang tepat dari
risiko di masa depan. Namun biasanya tidak benar menggunakan ṝAvg untuk beberapa
periode terakhir sebagai perkiraan ȓ diharapkan pengembalian di masa depan. Sebagai
contoh, hanya karena saham memiliki pengembalian 75 % dalam satu tahun
terakhir, tidak ada alasan untuk mengharapkan pengembalian 75% tahun ini.

E. Measuring Stand-Alone Risk : The Coefficient Of Variation

Jika pilihan harus dibuat antara dua investasi yang memiliki tingkat
pengembalian yang sama tetapi standar deviasi yang berbeda, kebanyakan orang
akan memilih satu dengan standar deviasi yang lebih rendah dan oleh karena itu
risikonya lebih rendah. Demikian pula, diberi pilihan antara dua investasi dengan
risiko yang sama (standar deviasi) tapi pengembalian yang berbeda, investor
umumnya akan lebih memilih investasi dengan pengembalian yang diharapkan
lebih tinggi. Untuk kebanyakan orang, ini adalah pengembalian yang sehat “baik,”
risiko “buruk,” dan akibatnya investor ingin pengembalian yang sama dan risiko
sekecil mungkin. Tapi bagaimana kita memilih antara dua investasi jika seseorang
memiliki pengembalian yang lebih tinggi tapi standar deviasinya yang lebih
rendah? Untuk membantu menjawab pertanyaan ini, kita sering menggunakan
ukuran risiko yang lain yaitu koefisien variasi (CV) dimana standar deviasi dibagi
dengan pengembalian yang diharapkan (expected return):
 Koefision variasi menunjukkan risiko per unit pengembalian, dan ini
memberikan dasar perbandingan yang lebih berarti bila pengembalian yang
diharapkan pada dua alternatif tidak sama. Karena Basic Foods dan Sale.com
memiliki pengembalian yang sama, makan koefision variasi tidak diperlukan dalam
kasus ini. Perusahaan dengan standar deviasi yang lebih besar, Sale.com harus
memiliki koefision variasi yang lebih besar bila meannya sama. Bahkan, koefisien
variasi untuk Sale.com adalah 65,84 / 15 = 4,39 dan untuk Basic Foods adalah
19,36 / 15 = 1,29. Dengan demikian, Sale.com lebih dari tiga kali berisiko
dibanding Basic Foods atas dasar kriteria ini. Karena koefisien variasi menangkap
efek dari kedua risiko dan tingkat pengembalian, itu adalah ukuran yang benar
daripada hanya standar deviasi untuk mengevaluasi risiko yang berdiri sendiri
dalam situasi dimana dua atau lebih investasi memiliki tingkat pengembalian yang
berbeda secara substansial.
F. Risk Aversion And Required Return

Misalkan anda telah bekerja keras dan mengumpulkan $1 juta, dimana Anda
berencana untuk berinvestasi. Anda dapat membeli 5% keamanan Keuangan AS,
dan pada akhir tahun anda akan memiliki $1,05 juta, yang merupakan investasi
awal Anda ditambah $ 50.000 yang di dapat dari bunga. Yang menarik, sebagai
alternatif anda bisa membeli saham di Genetic Advence. Jika program penelitian
Genetic Advence sukses, maka saham anda akan meningkatkan menjadi $ 2,1 juta.
Namun, jika penelitian ini adalah kegagalan, nilai saham anda adalah nol, dan anda
tidak akan memiliki uangsepeserpun. Anda menganggap kemungkinan Genetic
Advence berhasil atau gagal sebagai 50:50, sehingga nilai saham yang diharapan
dari investasi adalah 0,5 ($ 0) + 0,5 ($ 2.100.000) = $ 1.050.000. Mengurangkan $
1 juta biaya saham daun laba yang diharapkan dari $ 50.000, atau tingkat
pengembalian 5% (tapi beresiko) pengembalian: $ 50.000 / $ 1.000.000 = 0.05 =
5%.
Dengan demikian, anda memiliki pilihan yang setara dengan keuntungan $
50.000 (yang merupakan tingkat pengembaliannya 5%) pada keamanan keuangan
dan berisiko mengharapkan $ 50.000 keuntungan (juga memberikan tingkat
pengembalian yang diharapkan 5 persen) pada saham Genetic Advence, mana yang
akan Anda pilih? Jika Anda memilih investasi yang kurang berisiko, Anda
mengindari risiko. Kebanyakan investor memang menghindari risiko, dan tentunya
investor rata-rata menghindari risiko berkaitan dengan “uang seriusnya” karena ini
adalah fakta yang terdokumentasi dengan baik, kita akan mengasumsikan risk
aversion seluruh sisa buku.

Apa implikasi dari menghindari risiko untuk harga keamanan dan tingkat
pengembalian? Jawabannya adalah bahwa, hal-hal lain tetap konstan, semakin
tinggi risiko keamanan semakin rendah harganya dan semakin tinggi tingkat
pengembalian yang diminta. Untuk melihat bagaimana penghindaran risiko
mempengaruhi harga keamanan, pertimbangkan lagi Basic Foods dan Sale.com.
Misalkan masing-masing saham diharapkan untuk membayar dividen tahunan
sebesar $ 15 selamanya. Harga setiap saham hanya nilai sekarang dari perpetuitas.
Jika masing-masing saham memiliki tingkat pengembalian yang diharapkan dari 15
persen, maka harga setiap saham akan menjadi P = $ 15 / 0.15 = $ 100. Investor
enggan untuk mengambil risiko, sehingga kondisi ini akan ada preferensi umum
 untuk Basic Foods, dimana Basic Foods memiliki tingkat pengembalian yang sama
dengan Sale.com namun beresiko rendah. Orang-orang dengan uang untuk
diinvestasikan akan mengajukan tawaran untuk Basic Food daripada saham
Sale.com, dan pemegang saham Sale.com akan mulai menjual saham mereka dan
menggunakan uang tersebut untuk membeli saham Basic Foods. Tekanan akan
menaikkan saham Basic Foods', dan perkiraan penjualan secara bersamaan akan
menyebabkan harga Sale.com ini menurun.
Perubahan harga tersebut, pada gilirannya, akan menyebabkan perubahan dalam
tingkat pengembalian yang diharapkan pada dua keamanan tersebut. Anggaplah,
misalnya, bahwa harga saham Basic Foods' itu tawaran naik dari $ 100 sampai $
150, sedangkan harga saham Sale.com menurun dari $ 100 menjadi $ 75. Hal ini
akan menyebabkan Basic Foods' kembali diperkirakan turun sampai 10 persen,
sedangkan hasil yang diharapkan Sale.com akan naik hingga 20 persen. Perbedaan
tingkat pengembalian, 20% - 10% = 10% adalah premi risiko RP yang merupakan
kompensasi tambahan yang dibutuhkan investor untuk mengasumsikan risiko
tambahan saham Sale.com.
Contoh ini menunjukkan prinsip yang sangat penting: Di pasar yang didominasi
oleh investor yang menghindari risiko, sekuritas berisiko harus memiliki
pengembalian yang diharapkan lebih tinggi, seperti yang diperkirakan oleh investor
marjinal, dari sekuritas kurang berisiko. Jika situasi ini tidak ada, jual beli di pasar
akan memaksa untuk terjadi. Kami akan mempertimbangkan pertanyaan tentang
berapa banyak pengembalianyang lebih tinggi pada sekuritas yang berisiko. Setelah
kita melihat bagaimana diversifikasi mempengaruhi risiko cara harus ured itu dapat
mengukur. Kemudian, di bab berikutnya, kita akan melihat bagaimana tingkat
risiko disesuaikan pengembalian mempengaruhi harga investor bersedia membayar
untuk obligasi dan saham.

III. RISK IN A PORTOFOLIO CONTEXT

Pada bagian sebelumnya, kita mempertimbangkan risiko aset yang dimiliki dalam
isolasi. Sekarang kita menganalisis risiko aset yang dimiliki dalam portofolio. Seperti
yang akan kita lihat, aset yang dimiliki sebagai bagian dari portofolio kurang berisiko
daripada aset yang sama dipegang dalam isolasi. Dengan demikian, sebagian besar
aset keuangan sebenarnya dimiliki sebagai bagian dari portofolio. Bank, dana pensiun,
perusahaan asuransi, reksa dana, dan lembaga keuangan lainnya diwajibkan oleh
 hukum untuk memiliki portofolio yang terdiversifikasi. Bahkan investor individual
setidaknya mereka yang kepemilikan keamanan merupakan bagian penting dari
keseluruhan sekutu mereka yang memiliki banyak portofolio, bukan hanya saham satu
perusahaan. Dengan demikian, dari sudut pandang seorang investor fakta bahwa
saham tertentu naik atau turun tidak terlalu penting, yang penting adalah
pengembalian portofolionya, dan risiko portofolio. Logikanya, risiko dan
pengembalian keamanan individu harus diilustrasikan dalam bentuk bagaimana
keamanan tersebut mempengaruhi risiko dan pengembalian portofolio diman dana
tersebut dipegang.
Sebagai ilustrasi, Pay Up Inc adalah agen penagihan yang beroperasi secara
nasional melalui 37 kantor. Perusahaan ini tidak dikenal, sahamnya tidak terlalu cair,
namun pendapatannya cukup berfluktuasi di masa lalu dan tidak membayar dividen.
Semua ini menunjukkan bahwa Pay Up berisiko dan tingkat pengembalian yang
diminta atas sahamnya, r harus relatif tinggi. Namun, tingkat pengembalian yang
diminta Pay Up p pada tahun 2006 dan tahun-tahun lainnya cukup rendah sehubungan
dengan kinerja sebagian besar perusahaan lainnya. Hal ini menunjukkan bahwa
investor menganggap Pay Up sebagai perusahaan berisiko rendah meskipun
keuntungan tidak pasti. Alasan fakta berlawanan ini ada hubungannya dengan
diversifikasi dan efeknya pada risiko. Penghasilan Pay Up naik selama resesi,
sedangkan pendapatan sebagian besar perusahaan lain cenderung menurun ketika
ekonomi merosot. Ini seperti asuransi kebakaran itu terbayar ketika hal-hal lain
berjalan buruk. Oleh karena itu, menambahkan Pay Up ke portofolio saham “normal”
cenderung untuk menstabilkan pengembalian seluruh portofolio, sehingga membuat
portofolio kurang berisiko.

A. Portofolio Return
Kembalinya portofolio yang diharapkan hanyalah rata-rata tertimbang dari
pengembalian yang diharapkan atas aset individual dalam portofolio, dengan bobot
menjadi sebagian kecil dari total portofolio yang diinvestasikan di masing-masing
aset:
 Disini ȓi adalah hasil yang diharapkan pada saham individu, Wi adalah bobot,
dan n adalah saham dalam portofolio. Perhatikan bahwa (1) Wi adalah sebagian kecil
dari nilai dolar portofolio investasi di Bursa i (nilai investasi di Bursa i dibagi dengan
total nilai portofolio) dan (2) Wi harus berjumlah 1,0.
Asumsikan bahwa pada bulan Agustus 2006, seorang analis keamanan
memperkirakan bahwa pengembalian berikutnya bisa diharapkan pada saham dari
empat perusahaan besar:

Jika kita membentuk $ 100.000 portofolio, investasi $ 25.000 dalam setiap saham,
portofolio pengembalian yang diharapkan akan menjadi 10,75 persen:
rp = w1r1 + w2r2 + w3r3 + w4r4

= 0,25 (12%) + 0,25 (11,5%) + 0,25 (10%) + 0,25 (9,5%)

= 10,75%

Tentu saja, tingkat pengembalian realisasi aktual hampir pasti berbeda dari nilai yang
diharapkan, sehingga pengembalian portofolio yang di realisasikan, rp akan berbeda
dari imbal hasil yang diharapkan. Sebagai contoh, Coca-Cola mungkin dua kali lipat
dan memberikan pengembalian + 100%, sedangkan Microsoft mungkin memiliki
tahun yang mengerikan, turun tajam, dan memiliki pengembalian -75%. Namun
perhatikan bahwa kedua peristiwa tersebut akan sedikit mengimbangi, sehingga
pengembalian portofolio mungkin masih mendekati hasil yang diharapkan,
meskipunimbal hasil aktual dari masing-masing saham jauh dari hasil yang
diharapkan.
B. Portofolio Risk

Seperti kita hanya melihat, pengembalian yang diharapkan pada portofolio

hanya rata-rata tertimbang dari pengembalian yang diharapkan atas aset individual
dalam portofolio. Namun, tidak seperti pengembalian, risiko portofolio, σp ,
umumnya tidak rata-rata tertimbang dari deviasi standar dari aset individual dalam
portofolio; risiko portofolio akan hampir selalu lebih kecil dari rata-rata tertimbang
dari aset σ Bahkan, secara teori mungkin untuk menggabungkan saham yang secara
individual cukup berisiko yang diukur dengan standar deviasi mereka, untuk
membentuk portofolio yang benar-benar risiko kurang, dengan σp = 0.
Untuk menggambarkan pengaruh penggabungan aset,pertimbangkan situasi pada
Gambar 2-4. Bagian bawah memberikan data tentang tingkat pengembalian untuk
Saham W dan M secara individual, dan juga untuk portofolio yang menginvestasikan
50 persen di masing-masing saham. Tiga grafik plot data dalam format time series.
Kedua saham akan cukup berisiko jika mereka ditahan dalam isolasi, tetapi ketika
mereka digabungkan untuk membentuk Portofolio WM, mereka tidak berisiko sama
sekali. (Catatan: Saham-saham ini disebut W dan M karena grafik dari keuntungan
mereka pada Gambar 2-4 menyerupai W dan M).
Alasan Saham W dan M dapat dikombinasikan untuk membentuk portofolio
tanpa risiko adalah bahwa keuntungan mereka bergerak secara berlawananke satu
sama lain saat W kembali jatuh, kenaikan M, dan sebaliknya. Kecenderungan dua
variabel untuk bergerak bersama-sama adalah :
*
Koefisien korelas ρ, dapat berkisar dari +1.0, yang menunjukkan bahwa dua variabel
bergerak naik dan turun di kronesasi syn sempurna, untuk -1.0, yang menunjukkan bahwa
variabel selalu bergerak dalam arah yang sebaliknya. Sebuah koefisien korelasi dari nol
menunjukkan bahwa kedua variabel tidak berhubungan satu sama lain dengan perubahan
satu variabel independen dari perubahan lainnya.

Korelasi tersebut disebut R bila diperkirakan menggunakan data historis. Berikut adalah
rumus untuk memperkirakan korelasi antara saham i dan j, ṝi,j adalah pengembalian
sebenarnya untuk notasi yang sama dgunakan t dan ṝi,Avg adalah pengembalian rata-rata
selama periode.

Untungnya, mudah untuk menghitung koefisien korelasi dengan kalkulator finansial.

Cukup masukkan pengembalian dua saham dan kemudian menekan tombol berlabel “r.”
Dalam Excel, gunakan fungsi CORREL.

disebut korelasi, dan koefisien korelasi mengukur kecenderungan ini*. Simbol untuk
koefisien korelasi adalah huruf rho Yunani, ρ (diucapkan roe). Dalam istilah statistik,
kita mengatakan bahwa pengembalian Saham W dan M sempurna berkorelasi negatif,
dengan ρ = -1,0.

Kebalikan dari korelasi negatif sempurna, dengan ρ= -1,0, korelasi positif

sempurna, dengan ρ = 1,0. Pengembalian dua saham sempurna berkorelasi positif.
(M dan M') akan bergerak ke atas dan ke bawah bersama-sama, dan portofolio yang
terdiri dari dua saham tersebut akan sama berisikonya dengan saham individual. Titik
ini digambarkan pada Gambar 2-5, di mana kita melihat bahwa standar deviasi
portofolio adalah sama dengan saham individu. Dengan demikian, diversifikasi tidak
mengurangi risiko jika portofolio terdiri dari saham sempurna berkorelasi positif.

Gambar 2-4 dan 2-5 menunjukkan bahwa ketika saham sempurna berkorelasi
negatif (ρ = -1.0), semua risiko dapat didiversifikasi, tetapi ketika saham sempurna
berkorelasi positif (ρ = 1,0), diversifikasi tidak baik. Sebenarnya, sebagian besar
saham berkorelasi positif, tetapi tidak sempurna sehingga rata-rata hubungan
koefisien korelasi untuk pengembalian dua saham yang dipilih secara acak akan
menjadi sekitar 0,6, dan untuk sebagian besar pasangan saham, ρ akan berada di
kisaran 0,5 ke 0,7. Dalam kondisi seperti itu, menggabungkan saham ke portofolio
dapat mengurangi risiko tetapi tidak menghilangkan sama sekali. Gambar 2-6
menggambarkan hal ini dengan dua saham yang koefisien korelasi adalah ρ = 0,67.
Tingkat pengembalian rata-rata portofolio adalah 15 persen, yang persis dengan
pengembalian rata-rata untuk masing-masing dari kedua saham tersebut, tetapi
deviasi standarnya adalah 20,6 persen, yang lebih rendah dari standar deviasi dari
kedua saham tersebut. Dengan demikian, risiko portofolio bukanlah rata-rata risiko
diversifikasi saham perorangannya telah berkurang, tapi tidak dihilangkan risikonya.
Dari contoh portofolio dua saham ini, kita telah melihat bahwa dalam satu kasus
yang ekstrim (ρ = -1.0), risiko dapat sepenuhnya dihilangkan, sementara lainnya
ekstrim.

kasus (ρ = 1,0), diversifikasi tidak apa-apa untuk membatasi risiko. Dunia nyata
terletak antara ekstrem, sehingga secara umum, menggabungkan dua saham menjadi
portofolio hanya mengurangi tetapi tidak menghilangkan risiko yang melekat pada
saham individu.
Apa yang akan terjadi jika kita memiliki lebih dari dua saham dalam portofolio?
Sebagai aturan, risiko portofolio akan menurun karena jumlah saham dalam portofolio
meningkat. Jika kita menambahkan cukup saham sebagian korelasi, bisakah kita
benar-benar menghilangkan risiko? Secara umum, jawabannya adalah tidak, tapi
 sejauh mana menambahkan saham untuk portofolio mengurangi risiko tergantung
pada tingkat korelasi antara saham: Semakin kecil koefisien korelasi positif, semakin
rendah risiko dalam portofolio. Jika beberapa saham memiliki korelasi dari -1,0,
semua risiko bisa memungkinkan bisa menghilangkannya. Dalam dunia nyata, di
mana korelasi antara saham individu umumnya positif tetapi kurang dari 1,0, tetapi
hanya beberapa dan tidak semua risiko bisa dihilangkan.
Untuk menguji pemahaman Anda, yang Anda harapkan untuk menemukan
korelasi tinggi antara pengembalian dua perusahaan yang sama atau dalam industri
yang berbeda? Sebagai contoh, akan korelasi pengembalian Ford dan saham General
Motors' lebih tinggi, atau koefisien korelasi lebih tinggi antara Ford atau GM dan AT
& T, dan bagaimana mereka berkorelasi mempengaruhi risiko portofolio yang
terkandung pada mereka?
Menjawab: Ford dan GM memiliki koefisien korelasi sekitar 0,9 antara satu
sama lain karena keduanya dipengaruhi oleh penjualan mobil, tetapi korelasi mereka
hanya sekitar 0,6 dengan AT & T.
Implikasi: Sebuah portofolio dua saham yang terdiri dari Ford dan GM akan
kurang terdiversifikasi dari portofolio dua saham yang terdiri dari Ford atau GM,
ditambah AT & T. Dengan demikian, untuk meminimalkan risiko, portofolio harus
diversifikasi di industri.

C. Diversifiable Risk Versus Market Risk

Seperti disebutkan di atas, sulit jika tidak menemukan saham yang diharapkan
pengembalian berkorelasi negatif, sebagian besar saham cenderung berjalan dengan
baik ketika ekonomi nasional yang kuat dan buruk ketika lemah. Dengan demikian,
portofolio bahkan sangat besar berakhir dengan sejumlah risiko yang besar, tetapi
tidak sebanyak resiko seolah-olah semua uang yang diinvestasikan hanya dalam satu
saham.
Untuk melihat lebih tepat bagaimana ukuran portofolio mempengaruhi risiko
portofolio, perhatikan Gambar 2-7, yang menunjukkan bagaimana risiko portofolio
dipengaruhi dengan pembentukan portofolio yang lebih besar dan lebih besar dari
saham New York Stock Efect (NYSE)yang dipilih secara acak. Standar deviasi diplot
untuk portofolio satu saham rata-rata, portofolio dua saham, dan seterusnya, hingga
portofolio yang terdiri dari 2.000 saham biasa yang tercatat di NYSE pada saat data
tersebut di gambarkan berupa grafik. Grafik menggambarkan bahwa secara umum,
risiko portofolio yang terdiri dari saham perusahaan besar cenderung menurun dan
mendekati batas tertentu karena ukuran portofolio meningkat. Sesuai data yang
terakumulasi dalam beberapa tahun terakhir, σ1, standar deviasi dari satu portofolio
saham (atau rata-rata saham), adalah sekitar 35 persen. Portofolio yang mempengauhi
saham yang disebut portofolio pasar , memiliki standar deviasi, σM sekitar 20,1 persen,
yang ditampilkan sebagai garis putus-putus horizontal dalam Gambar 2-7.
Dengan demikian, hampir setengah dari risiko yang melekat pada saham
individual rata-rata dapat dihilangkan jika saham memiliki portofolio
yangterdversifikasi cukup baik, yaitu sekitar 40 atau lebih saham di sejumlah industri
yang berbeda. Beberapa risiko selalu tetap, bagaimanapun sehingga hampir tidak
mungkin untuk mendiversifikasi efek pergerakan pasar saham yang luas yang
mempengaruhi hampir semua saham.
Bagian dari risiko saham yang dapat dihilangkan disebut risiko diversifiable,
sementara bagian yang tidak dapat dihilangkan disebut risiko pasar. Fakta bahwa
sebagian besar risiko dari setiap saham individu dapat dihilangkan sangat penting,
karena rasionalnya investor akan menghilangkannya dan karenanya membuat hal itu
tidak relevan.
Risiko diversifiable disebabkan oleh peristiwa acak seperti tuntutan hukum,
pemogokan, keberhasilan dan program pemasaran yang tidak berhasil, menang atau
kalah dari sebuah kontra utama, dan kejadian yang lainnya yang unik untuk
perusahaan tertentu. Karena peristiwa ini adalah acak, pengaruhnya terhadap
portofolio dapat dihilangkan dengan diversifikasi perusahaan yang buruk akan
diimbangi oleh kejadian baik di tempat lain. Risiko pasar di sisi lain berasal dari
faktor-faktor yang secara sistematis mempengaruhi sebagian besar perusahaan:
perang, inflasi, resesi, dan tingkat bunga yang tinggi. Karena sebagian besar saham
yang negatif dipengaruhi oleh faktor-faktor ini, risiko pasar tidak dapat dihilangkan
dengan diversifikasi.
Kita tahu bahwa investor menuntut premi untuk menanggung risiko; yaitu,
semakin tinggi risiko keamanannya, semakin tinggi pengembalian yang diharapkan
untuk mendorong investor untuk membeli (atau menahan). Namun, jika investor
terutama memperhatikan risiko portofolio mereka daripada risiko efek individu
dalam portofolio, bagaimana seharusnya risiko saham individual diukur? Salah satu
jawabannya disediakan oleh Capital Asset Pricing Model (CAPM), alat penting yang
digunakan untuk menganalisis hubungan antara risiko dan tingkat pengembalian.
Kesimpulan utama dari CAPM adalah: Risiko yang relevan dari suatu saham
individu adalah kontribusinya terhadap risiko portofolio yang terdiversifikasi.
Sebuah saham mungkin cukup berisiko jika dipegang sendiri, tetapi jika setengah
dari risiko dapat dihilangkan dengan diversifikasi, maka risiko yang relevan, yang
kontribusinya terhadap risiko portofolio, jauh lebih kecil dari risiko berdiri sendiri.

Contoh sederhana akan membantu membuat titik ini jelas. Misalkan Anda
ditawarkan kesempatan untuk melempar koin sekali. Jika kepala, anda menang $
20.000, tetapi jika itu ekor, anda kehilangan $ 16.000. Ini adalah taruhan
pengembalian yang diharapkan adalah 0,5 ($ 20.000) + 0,5 (- $ 16.000) = $ 2.000.
Namun ini adalah proposisi yang sangat berisiko, karena anda memiliki
kemungkinan 50 persen untuk kehilangan $ 16.000. Dengan demikian, anda
mungkin akan menolak untuk membuat taruhan. Atau, misalkan anda akan
ditawarkan ditawari untuk melempar koin 100 kali, dan anda akan menang $ 200
untuk setiap kepala tapi kehilangan $ 160 untuk setiap ekor. Hal ini secara teoritis
mungkin anda akan membalik semua kepala dan menang $ 20.000, dan juga secara
teoritis mungkin bahwa anda akan membalik semua ekor dan kehilangan $ 16.000,
tetapi kemungkinan sangat tinggi bahwa anda benar-benar akan membalik sekitar 50
kepala dan sekitar 50 ekor, memenangkan bersih sekitar $ 2.000. Meskipun setiap
individu flip taruhan berisiko, secara kolektif anda memiliki proposisi berisiko yang
rendah karena sebagian besar risiko telah didiversifikasi. Ini adalah ide di balik
memegang portofolio saham bukan hanya satu saham, kecuali bahwa semua risiko
saham tidak dapat dihilangkan dengan diversifikasi, risiko-risiko yang terkait secara
luas perubahan sistematis dalam saham akan tetap.

Apakah semua saham sama-sama berisiko dalam arti bahwa menambahkannya

ke portofolio terdiversifikasi dengan baik akan memiliki efek yang sama risiko
portofolio? Jawabannya adalah tidak ada saham yang berbeda akan mempengaruhi
portofolio yang berbeda, sehingga sekuritas yang berbeda memiliki tingkat risiko
yang berbeda. Bagaimana risiko – risiko saham individual dapat diukur?
Sebagaimana telah kita lihat, semua risiko kecuali yang terkait dengan pergerakan
pasar yang luas, dan mungkin akan terdiversifikasi. Setelah itu mengapa semua
menerima risiko yang dapat dengan mudah dihilangkan? Risiko yang tersisa setelah
diversifikasi adalah risiko pasar, atau risiko yang melekat di pasar, dan dapat diukur
dengan sejauh mana saham yang diberikan cenderung bergerak naik atau turun
 dengan pasar. Dalam bagian berikutnya, kita mengembangkan ukuran risiko pasar
saham, dan kemudian pada bagian selanjutnya, kami memperkenalkan sebuah
persamaan untuk menentukan tingkat yang diperlukan dalam pengembalian saham,
mengingat risiko pasar.

IV. CALCULATING BETA COEFFICIENS

Beta dalam dunia keuangan fundamental merupakan suatu pengukur volatilitas
return suatu sekuritas atau return portofolio terhadap return pasar. Jika teori portofolio
lebih membahas terkait dengan risiko non sistematis, maka konsep beta ini akan lebih
terkait pada hubungan volatilitas antara risiko sistematis suatu sekuritas atau portofolio
terhadap risiko pasar. Istilah volatilitas tersebut merupakan fluktuasi dari return suatu
sekuritas dalam suatu periode tertentu. Nilai dari beta dapat bernilai sama dengan satu,
kurang dari satu, atau lebih besar daripada satu.

𝜌iM  the correlation between the ith stock’s return and the return on the marke

𝜎i the standard deviation of the ith stock’s return, and

𝜎M  the standard deviation of the market’s return

Jogiyanto (2009) menyatakan jika nilai beta suatu sekuritas atau portofolio sama
dengan satu, maka itu berarti perubahan return pasar sebesar x% akan menyebabkan
return sekuritas atau portofolio itu berubah pula sebesar x%. Jika nilai beta sama dengan
nol itu berarti perubahan return pasar sebesar x% tidak akan menyebabkan return
sekuritas atau portofolio itu berubah. Jenis investasi yang dianggap memiliki beta nol
adalah investasi yang bebas risiko seperti Sertifikat Bank Indonesia dan obligasi
pemerintah. Elton & Gruber (1994) mengemukakan bahwa telah terdapat bukti-bukti
empiris yang menyatakan bahwa beta historis dapat dipergunakan untuk menyediakan
informasi beta yang akan datang. Data historis yang dipergunakan meliputi data return
sekuritas dan return pasar, data laba perusahaan dan laba indeks pasar, serta data
variabel-variabel fundamental. Berdasarkan tiga jenis data historis tersebut maka beta
dibedakan menjadi tiga macam, yakni beta pasar, beta akuntansi dan beta fundamental.
Perbedaannya terletak pada penggunaan datanya. Beta pasar mempergunakan data pasar,
beta akuntansi mempergunakan data akuntansi berupa laba, sementara beta fundamental
mempergunakan data fundamental. Beta suatu sekuritas dapat dihitung dengan
mempergunakan teknik estimasi yang menggunakan data historis.

A. Beta Pasar
Jenis beta ini menjelaskan hubungan antara return dari suatu sekuritas dengan
return pasar. Data return saham yang digunakan untuk penghitungan beta pasar
umumnya berbentuk data return bulanan dan data return harian. Proses penghitungan
nilai beta pasar dapat dilakukan secara manual maupun dengan teknik regresi linear
sederhana. Secara manual maka data-data return suatu sekuritas dan return pasar
akan disebar dalam scatter plot diagram dengan sumbu ordinat (sumbu Y) berupa
return suatu sekuritas dan sumbu aksisnya (sumbu X) berupa nilai return pasar.
Langkah selanjutnya adalah menghubungkan titik-titik tersebut dengan satu garis
lurus yang dirasa paling mendekati seluruh titik yang ada. Teknik lain yang dapat
dilakukan adalah dengan menggunakan regresi linear sederhana. Rumus beta pasar
sebagai alat ukur volatilitas antara return suatu sekuritas portofolio dengan return
pasar yang diukur berdasarkan nilai kovarian (Jogiyanto, 2009):

B. Beta Akuntansi.
Jenis beta ini mempergunakan data historis berupa laba akuntansi perusahaan
untuk mengestimasikan nilai beta. Sama halnya dengan beta pasar, proses perhitungan
beta akuntansi juga identik, namun return sekuritas digantikan oleh laba akuntansi
perusahaan dan return pasar digantikan oleh indeks laba pasar. Notasi untuk beta
akuntansi seringkali digambarkan dalam hi. Model matematisnya digambarkan
sebagai berikut untuk beta akuntansi (Jogiyanto, 2009):
 Proses penghitungan beta akuntansi :
Mempergunakan nilai indeks laba akuntansi masing-masing sekuritas dan indeks
pasar sekuritas tersebut. Nilai indeks laba akuntansi masing-masing sekuritas dihitung
dengan cara yang identik dengan penghitungan nilai return, yakni dengan mencari
selisih laba akuntansi periode t dengan laba pada periode t-1 lalu dibagi dengan laba
akuntansi periode t-1. Sementara indeks pasar dihitung melalui rata-rata indeks laba
masing-masing sekuritas. Data historis yang digunakan dalam penghitungan beta
akuntansi merupakan laba bersih yang tertera dalam laporan keuangan masing-masing
sekuritas, dapat berupa laporan bulanan, triwulan, semester maupun tahunan. Studi
yang membahas beta akuntansi adalah penelitian yang dilakukan oleh Brown dan Ball
(1969). Keduanya menemukan hasil regresi hasil hubungan antara perubahan laba
akuntansi terkait dengan beta akuntansi sebagai berikut

Notasi persamaan tersebut adalah:

Ei.t : perubahan laba akuntansi sekuritas
i: untuk periode ke-t
EM. t: perubahan indeks laba pasar untuk periode ke-t
wi.t : kesalahan residual (error term)
gi : intercept
hi : parameter estimasi beta akuntansi

C. Beta Fundamental
Jenis beta fundamental merupakan hasil pengembangan studi mengenai beta
akuntansi yang dilakukan oleh Beaver, Kettler, & Scholes (1970). Studi yang
dilakukan tersebut menyajikan perhitungan beta yang mempergunakan beberapa
variabel fundamental yang dianggap berhubungan dengan risiko. Variabel tersebut
meliputi dividend payout, asset growth, leverage, liquidity, asset size, earnings
variabilitiy, dan juga accounting beta. Nilai beta fundamental dicari melalui model
regresi cross-sectional multivariat, dengan model matematis sebagai berikut
(Jogiyanto, 2009):
 Dengan keterangan bahwa notasi mencerminkan besarnya beta fundamental,
merupakan koefisien estimasi untuk variabel fundamental ke-i, dan Xi merupakan
variabel fundamental ke-i. Apabila dibandingkan dengan beta pasar maka besarnya
beta fundamental ini memiliki kelebihan dan kelemahan.Keunggulan beta
fundamental adalah karena nilai beta ini mengukur hubungan secara langsung dengan
karakteristik perusahaan. Hal tersebut disebabkan penghitungan beta fundamental
yang mempergunakan data historis karakteristik internal perusahaan. Kelemahan dari
beta fundamental adalah beta tersebut belum mengukur respon dari masing-masing
sekuritas terhadap pergolakan pasar. Suatu beta portofolio diperoleh dari
penghitungan beta masing-masing sekuritasnya terlebih dahulu. Beta bukanlah risiko
sistematik, namun hanyalah pengukur risiko sistematik. Penghitungan beta pasar
sebagai komponen pengukur volatilitas terhadap risiko sistematis memiliki
kontroversi dan perdebatan di kalangan pengamat dan pelaku pasar modal. Fama &
French (1996) menyatakan kritik terkait kemampuan beta dalam menjelaskan cross-
sectional variation return suatu saham dan disimpulkan bahwa beta bukan merupakan
ukuran risiko yang tepat. Berbeda halnya dengan Black (1993) yang menyatakan
bahwa beta tetap eksis dan dapat mencerminkan risiko pasar dengan baik sejak
dahulu, sekarang dan bahkan untuk masa mendatang.
CAPM adalah suatu model keseimbangan yang dapat menentukan hubungan
antara risiko dan return yang akan diperoleh investor. Berdasarkan CAPM, tingkat
risiko dan tingkat return yang layak dinyatakan memiliki hubungan positif dan linear.
Ukuran risiko yang merupakan indikator kepekaan saham dalam CAPM ditunjukkan
oleh variabel β (Beta). Semakin besar β suatu saham, maka semakin besar pula risiko
yang terkandung didalamnya.

V. HUBUNGAN ANTARA RISIKO DAN RATE OF RETURN

Return merupakan pengembalian yang diperoleh dari investasi. Return dibedakan
menjadi dua, pertama return yang telah terjadi (actual return) yang dihitung berdasarkan
data historis, dan kedua return yang diharapkan (expected return) investor di masa yang
akan dating. Risiko merupakan kemungkinan perbedaan antara return aktual yang
diterima dengan return harapan. Investor mengharapkan return di masa yang akan
datang, tetapi besar return tersebut sangat jarang dapat diprediksi dengan tepat. Actual
return hampir selalu berbeda nilainya dengan expected return. Selisih antara kedua nilai
ini disebut risiko. Salah satu ukuran yang digunakan untuk risiko ialah standar deviasi
dari return. Standar deviasi merupakan total risiko dari portofolio, yang terbagi menjadi
dua jenis risiko, yaitu : 1. Systematic risk adalah risiko yang berkaitan dengan perubahan
yang terjadi dipasar secara keseluruhan. Perubahan pasar tersebut mempengaruhi
variabilitas return suatu investasi. Dengan kata lain, risiko sistemais merupakan risiko
yang tidak dapat didiversifikasi. 2. Unsystematic risk adalah risiko yang tidak terkait
dengan prubahan pasar secara keseluruhan. Risiko perusahaan lebih terkait pada
perubahan kondisi mikro perusahaan penerbit sekuritas.
Tingkat pengembalian bebas risiko merupakan salah satu komponen penting dalam
pengembalian keputusan investasi. Konsep tingkat pengembalian bebas risiko nominal.
Salah satu aplikasi model yang digunakan dalam pengembalian bebas risiko adalah
Capital Asset Pricing Model (CAPM).

A. Capital Asset Pricing Model

Kemampuan mengestimasi return suatu individual sekuritas merupakan hal
yang sangat penting dan diperlukan investor. Untuk dapat mengestimasi return suatu
sekuritas dengan baik dan mudah diperlukan suatu model estimasi. Oleh karena itu
kehadiran Capital Asset Pricing Model (CAPM) yang dapat digunakan untuk
mengestimasi return suatu sekuritas dianggap sangat penting dibidang keuangan.
Jack Treynor, William Sharpe, dan John Lintner, pada pertengahan tahun
1960an memformulasikan CAPM ini, dan membuktikan bahwa Security Market
Line adalah linier, sebagai berikut: (Jogiyanto, 2010, h.170)

Dari persamaan tersebut menyatakan bahwa tingkat keuntungan yang

diharapkan dari suatu saham adalah sama dengan tingkat keuntungan bebas risiko
ditambah dengan premi risiko yaitu {[E(Rm) – Rf] βi}, dengan menggunakan beta
yang ditaksir untuk beberapa jenis saham, maka bisa memperkirakan beberapa
tingkat keuntungan yang diharapkan untuk saham-saham tersebut.
B. Security Market Line (SML)
SML ini digunakan untuk menganalisa bagaimana investor mendapat reward
atas kemampuannya menanggung risiko investasi. Garis ini menunjukkan hubungan
antara risiko sistematik dengan expected return pada pasar sekuritas.
Misalnya jika seorang investor memiliki Asset A dengan expected return
sebesar E(RA)= 20% dengan beta sebesar βA = 1.6. Diketahui pula bahwa risk-free
rate Rf = 8%. Perlu diingat, suatu asset yang mengandung risk-free rate tidak
memiliki systematic risk ataupun unsystematic risk, dengan demikian asset tersebut
memiliki beta sebesar nol.
Jika investor membentuk portofolio yang terdiri dari Asset A dan asset dengan
risk-free rate, dan investasi pada Asset A sebesar 25% dari total investasi, maka
expected return portofolio adalah:

Demikian pula, beta portofolio

dihitung dengan cara:

Apakah dimungkinkan jika misalnya investasi pada Asset A melebihi 100%?

Ya, jika investor meminjam dana pada tingkat bunga sama sebesar risk-free rate,
kemudian menginvestasikannya pada Asset A. Contoh, jika investor memiliki $100
dan meminjam dana sebagai tambahan modal investasi sebesar $50 pada tingkat
bunga 8%. Total investasi pada Asset A menjadi $150 atau 150% dari total kekayaan
investor. Maka perhitungan expected return portofolio tersebut menjadi:

Demikian pula, beta portofolio dihitung dengan cara:

 Dengan pola perhitungan yang sama berikut ini adalah kemungkinan expected
return dan beta portofolio dari Asset A dan aset bebas risiko.

Kombinasi tersebut jika digambarkan dalam grafik menjadi garis lurus.

Besarnya slope dihitung dari 12%/1.6 = 7.5%; atau dengan menggunakan
rumus berikut ini

Perhatikan bahwa slope dihitung dengan cara membagi risk premium atas
Asset A dengan risiko Asset A (beta). E(RA) - Rf sering disebut sebagai market risk
premium untuk menunjukkan risiko premium atas suatu market portofolio. Dengan
demikian, Asset A menawarkan reward-to-risk ratio sebesar 7.5%, atau dengan kata
lain, Asset A memiliki risiko premium sebesar 7.5% untuk setiap ‘unit‘ risiko
sistematik.
Jika misalnya terdapat Asset B, dengan beta 1.2 dan expected return 16%.
Investasi mana yang lebih baik, Asset A atau Asset B? Untuk menganalisis ini,
hitung terlebih dahulu expected returns dan beta untuk portofolio yang terdiri dari
asset B dan risk-free asset, sebagaimana perhitungan pada Asset A.

Demikian pula, beta portofolio dihitung dengan cara:

 Kemungkinan yang bisa terjadi dengan berbagai proporsi investasi pada Asset B.

Dengan membandingkan antara Asset A dan Asset B, garis yang menunjukkan

kombinasi expected returns dan beta untuk Asset A lebih tinggi dibandingkan
dengan expected return dan beta untuk Asset B. Hal ini menunjukkan bahwa dengan
tingkat systematic risk tertentu (diukur dengan beta), kombinasi Asset A dan risk-
free asset selalu memberikan return yang lebih besar. Asset A lebih baik karena
Asset B menawarkan kompensasi yang lebih kecil untuk systematic risk.

Asset B memiliki reward-to-risk ratio sebesar 6.67%, yaitu lebih rendah

dibandingkan ratio serupa untuk Asset A yaitu sebesar 7.5%.

VI. BEBERAPA PERMASALAHAN MENGENAI BETA DAN CAMP

The Capital Asset Pricing Model (CAPM) adalah lebih dari sekedar teori abstrak
yang dijelaskan dalam buku dan banyak digunakan oleh para analis, investor, dan
korporasi-korporasi. Namun, meskipun daya tarik intuitif CAPM, sejumlah penelitian
 telah menyuarakan keprihatinan tentang validitasnya. Secara khusus, sebuah studi oleh
Eugene Fama dari University of Chicago dan Kenneth FrenchYale menimbulkan
keraguan atas CAPM. Fama dan French menemukan dua variabel yang secara konsisten
berhubungan dengan return saham: (1) ukuran perusahaan dan (2) pasar / book rasio.
Setelah menyesuaikan faktor-faktor lain, mereka menemukan bahwa perusahaan-
perusahaan kecil telah memberikan hasil yang relatif tinggi, dan bahwa pengembalian
yang relatif tinggi pada saham dengan rasio pasar / buku rendah. Pada saat yang sama,
dan bertentangan dengan CAPM, tidak ditemukan hubungan antara beta saham dan
return.
Sebagai alternatif untuk CAPM tradisional, peneliti dan praktisi telah mulai
melihat ke yang lebih umum model multi-beta yang memperluas CAPM dan mengatasi
kekurangannya. Dalam model multi-beta, risiko pasar diukur relatif terhadap
serangkaian faktor risiko yang menentukan perilaku pengembalian aset, sedangkan
CAPM pengukur risiko hanya relatif terhadap return pasar.

VII. PORTFOLIO RISK

Tidak seperti halnya return portofolio yang merupakan weighted average dari
seluruh return stand alone asset. Risiko portofolio mungkin dapat lebih kecil dari
risiko weighted average masing-masing stand alone asset.
Konsep dari risiko portofolio pertama kali diperkenalkan secara formal oleh
Harry M. Markowitz di tahun 1950-an. Dia menunjukkan bahwa secara umum risiko
mungkin dapat dikurangi dengan menggabungkan beberapa stand alone asset ke
dalam bentuk portofolio. Persyaratan utama untuk dapat mengurangi risiko di dalam
portofolio ialah return untuk masing-masing sekuritas tidak berkorelasi secara positif
dan sempurna.

Berikut op adalah standar deviasi portofolio ini; Rpi adalah pengembalian

portofolio; Rp adalah tingkat pengembalian yang diharapkan atas portofolio; Pi adalah
probabilitas.
A. Kovarian dan Koefisien Korelasi
Dua konsep-konsep kunci dalam analisis portofolio adalah (1) kovarians dan
(2) koefisien korelasi. Kovarians adalah ukuran yang menggabungkan varians
(atau volatilitas) pengembalian saham dengan kecenderungan mereka kembali
untuk bergerak ke atas atau ke bawah pada saat yang sama saham lainnya
bergerak ke atas atau ke bawah. Sebagai contoh, kovarians antara Saham A dan B
memberitahu kita apakah pengembalian dari dua saham cenderung naik dan jatuh
bersama-sama, dan seberapa besar gerakan-gerakan cenderung. Persamaan di
bawah ini mendefinisikan kovarians (Cov) antara Saham A dan B.
Kovarian yang dihitung dengan menggunakan probabilitas dapat dihitung
denga rumus sebagai berikut:

Berikut kami sajikan contoh perhitungan Kovarian:

= (6 - 10) (14 - 10) (0,1) + (8 - 10) (12 - 10) (0,2) + (10 - 10) (10 - 10)
(0,4) + (12 - 10) (8 - 10) (0,2) + (14 - 10) (6 - 10) (0,1)
= -4.8
 Tanda negatif menunjukkan bahwa tingkat pengembalian Saham F dan G
cenderung bergerak dalam arah yang berlawanan.

(hubungan korelasi antar aktiva dengan risiko portofolio)

Koefisien korelasi merupakan menstandarisasi kovarians, yang

memfasilitasi perbandingan dengan menempatkan langkah-langkah pada skala
yang sama. Koefisien korelasi, p, dihitung sebagai berikut untuk variabel A dan
B:

Tanda koefisien korelasi adalah sama dengan tanda kovarians, sehingga

tanda positif berarti bahwa variabel bergerak bersama-sama, tanda negatif
menunjukkan bahwa mereka bergerak dalam arah berlawanan, dan jika p
mendekati nol, mereka bergerak secara independen satu sama lain. Selain itu,
proses standarisasi membatasi koefisien korelasi terhadap nilai antara -1.0 dan
1,0. Menggunakan Persamaan di atas, koefisien korelasi antara Saham F dan G
adalah -1.0 (kecuali untuk pembulatan):

Kedua saham dikatakan berkorelasi negatif sempurna.

B. Portfolio dengan dua Aktiva

Jika standar deviasi dan koefisien korelasi untuk pengembalian stand alone
asset diketahui, persamaan yang rumit tetapi secara operasional sederhana dapat
digunakan untuk menentukan risiko portofolio dua-aset:
 Dalam hal ini WA adalah sebagian kecil dari portofolio investasi di
Sekuritas A, sehingga (1 - Wa) adalah fraksi diinvestasikan dalam Sekuritas B.

C. Menentukan Risiko Portofolio dalam praktek

Bagaimana jika perhitungan risiko portofolio menggunakan data historis?. Berikut
akan disajikan formula untuk mencari standar deviasi dan kovarian portofolio
dengan menggunakan historical data.

VIII. PORTOFOLIO EFISIEN

Salah satu penggunaan penting dari konsep risiko portofolio adalah untuk
memilih portofolio yang efisien, yang didefinisikan sebagai portofolio yang
memberikan return tertinggi untuk setiap tingkat risiko. Kita asumsikan bahwa dua
sekuritas A dan B, sekuritas A memiliki tingkat pengembalian yang diharapkan dari
rA = 5% dan standar deviasi = 4%, sementara rB = 8% dan standar deviasi = 10%.
Kita asumsikan dalam kasus ini terdapat tiga derajat korelasi (PAB), PAB = 1,0, PAB
= 0, dan PAB = -1.0. Kita asumsikan juga bahwa dari Rp 1.000.000.000 dana yang
ada kita investasikan 75% di saham A dan sisanya B. Untuk menghitung Return
portofoli, kita menggunakan persamaan seperti dibawah ini :

= 0,75 (5%) + 0,25 (8%) = 5,75%

 Untuk menghitung standar deviasi portofolio, kita menggunakan persamaan seperti
dibawah ini :

Berikut kami sajikan contoh bagaimana cara melihat portofolio yang efisien.
 Apakah semua kombinasi pada set dicapai sama baik? Jawabannya adalah tidak.
Hanya bagian dari set dicapai dari Y ke B dalam Kasus II dan III didefinisikan untuk
menjadi efisien. Bagian dari A ke Y tidak efisien karena untuk setiap tingkat risiko
pada baris segmen AY, pengembalian yang lebih tinggi dapat ditemukan di segmen
YB. Dengan demikian, tidak ada investor yang rasional akan memegang portofolio
yang berbaring di segmen AY. Dari contoh-contoh ini kita melihat bahwa dalam satu
kasus yang ekstrim (p = -1.0), unsystemic risk dapat dieliminasi, sedangkan dalam
kasus ekstrim lainnya (p = 1,0), diversifikasi portofolio tidak berjalan dengan lancar.
Berikut akan disajikan contoh lain dari grafik di bawah ini untuk memilih suatu set
portofolio yang efisien:

Berdasarkan grafik di atas dapat kita simpulkan bahwa 1 set (terdiri dari sekuritas)
portofolio yang efisien adalah Portofolio X yang terdiri dari sekuritas C dan D,
sedangan garis BCDE, disebut dengan efficient frontier .

IX. MEMILIH PORTOFOLIO OPTIMAL

Portofolio optimal merupakan pilihan dari berbagai sekuritas dari portofolio
efisien. Portofolio yang optimal ini dapat ditentukan dengan memilih tingkat return
ekspektasi tertentu dan kemudian meminimumkan risikonya, atau menentukan tingkat
risiko yang tertentu dan kemudian memaksimumkan return ekspektasinya. Investor
yang rasional akan memilih portofolio optimal ini karena merupakan portofolio yang
dibentuk dengan mengoptimalkan satu dari dua dimensi, yaitu return ekspektasi atau
risiko portofolio
 Mengingat set lengkap portofolio potensial yang bisa dibangun dari aset yang
tersedia, bagaimana cara untuk memilih portofolio? Pilihan ini melibatkan dua
keputusan yang berbeda: (1) menentukan set efisien portofolio dan (2) memilih dari
set efisien portofolio tunggal yang terbaik untuk investor tertentu.

A. The Efficient Frontier

Dalam Gambar 3-3, batas garis BCDE menentukan set efisien dari portofolio,
yang juga disebut Portofolio frontier. Portofolio di sebelah kanan garis batas
(efficient set) tidak efisien karena beberapa portofolio lainnya memberikan
return yang lebih tinggi untuk tingkat resiko yang sama atau risiko yang lebih
rendah untuk tingkat return yang sama. Misalnya, Portofolio X didominasi oleh
Portofolio C dan D.

B. Risk/Return Indifference Curves

Untuk menentukan portofolio optimal untuk investor tertentu, kita harus tahu
sikap investor terhadap risiko yang tercermin dari risk/return dalam kurva
indiferen. Pada bagian ini akan dijelaskan mengenai konsep risk and return yang
digambarkan dalam Indifference Curves.

Kita asumsi kan Iy merupakan investor Y dan Iz investor Z, dari garfik di atas, dapat
kita simpulkan bahwa investor Y lebih risk aversion dibandingkan investor Z.
 Jika kita gabungkan dengan garis efficient frontier, maka investor Y akan memilih
portofolio yang eficient dengan return 6% dan risiko 4,2 persen, sedangkan investor Z
memilih portofolio yang eficient dengan return 7,2% dan risiko 7,1 persen.

X. CAPITAL MARKET LINE

Grafik dibawah ini mengkombinasikan Risk free asset, Indiference curve dan efficient
frontier.

Kita dapat simpulkan bahwa untuk mendapatkan market equilibrium pemilihan

portofolio harus mempertimbangan 3 faktor yaitu Risk Free, return pasar dan
indifference curve. Dalam kasus ini investor lebih baik memilih portofolio R
 dibandingkan portofolio dalam garis efficient frontier. Oleh karena itu Capital Market
Line dapat diformulasikan sebagai berikut :

Terdapat beberapa hal yang perlu diperhatikan dari CML, yaitu sebagai berikut:
1. CML hanya terdiri dari portofolio efisien yang berisi aktiva bebas risiko,
portofolio pasar M, atau portofolio dari kombinasi keduanya.
2. CML harus mempunyai slope positif meningkat, yaitu E(RM) > RBR. Jika E(RM) <
RBR, maka CML kemungkinan mempunyai slope yang negative. Namun, bukan
berarti validitas CML berkurang. Hanya saja hal ini menunjukkan bahwa return
realisasi berbeda dengan return ekspektasian yang ada.

XI. GARIS PASAR SEKURITAS (SECURITY MARKET LINE)

Berbeda dengan garis pasar modal. Jika GPM menggambarkan trade-off antara
risiko dan return ekspektasian untuk portofolio efisien, maka GPS ini membahas
mengenai trade-off antara risiko dan return ekspektasian untuk sekuritas individual.
Selain itu, untuk portofolio yang dibahas GPM, tambahan return ekspektasian terjadi
karena adanya tambahan risiko dari portofolio yang bersangkutan. Sedangkan sekuritas
individual yang dibahas GPS, tambahan return ekspektasian terjadi karena adanya
tambahan risiko sekuritas yang diukur dengan Beta.
Beta dalam GPS menentukan besarnya tambahan return ekspektasian untuk
sekuritas individual dengan asumsi bahwa portofolio didiversifikasikan dengan
sempurna. Dengan begitu, risiko non-systematic dapat dihilangkan atau ditekan, dan
hanya risiko systematic saja yang dapat diukur oleh Beta.
Beta untuk portofolio pasar bernilai 1. Ketika beta suatu sekuritas kurang dari 1,
maka sekuritas tersebut dinilai memiliki risiko yang lebih rendah dari risiko portofolio
pasar, dan memiliki return ekspektasian yang lebih rendah pula. Sebaliknya, ketika beta
suatu sekuritas lebih dari 1, sekuritas tersebut memiliki risiko yang lebih tinggi
daripada risiko portofolio pasar, dan memiliki return ekspektasian lebih tinggi pula.
Ketika beta suatu sekuritas sama dengan beta portofolio pasar, atau sama dengan 1,
maka diharapkan sekuritas ini memiliki return ekspektasian yang sama dengan return
portofolio pasar. Untuk lebih mudahnya, perhatikan gambar dibawah ini:

Gambar tersebut menunjukkan bahwa titik M merupakan portofolio pasar

dengan beta sama dengan 1, senilai dengan return ekspektasiannya sebesar E(RM).
sementara itu, untuk beta bernilai nol, maka aktiva tersebut mempunyai return
ekspektasian sebesar RBR yang merupakan intercept dari GPS. Beta bernilai nol
merupakan beta untuk aktiva bebas risiko yang tidak mempunyai risiko sistematik.
Persamaan yang bisa dibentuk dari garis linear GPS diatas yaitu:
𝐸(𝑅𝑀 ) − 𝑅𝐵𝑅
Slope dari GPS = 𝛽𝑀

Karena βM sama dengan 1, maka slope dari GPS dinyatakan sebesar:

Slope dari GPS = E(RM) - RBR

Selanjutnya, persamaan GPS untuk sekuritas ke-i dapat dituliskan sebagai

berikut:
E(Ri) = RBR + βi . [E(RM) - RBR]
 Persamaan tersebut inilah yang dinamakan Capital Asset Pricing Model (CAPM).
Dengan persamaan CAPM ini maka return ekspektasian dari suatu portofolio dan
sekuritas individual dapat ditentukan.

XII. EMPIRICAL TEST OF CAPM

Banyak pertanyaan yang muncul, apakah model CAPM menghasilkan
estimasi yang tepat terhadap required rate of return saham ? Berikut akan dijelaskan
beberapa penelitian terkait pertanyaan ini.
Dalam model CAPM, beta mengestimasi market risk suatu saham seharusnya
menrefleksikan estimasi investor terhadap volatilitas saham di masa depan dalam
hubungannya dengan pasar. Penelitian yang dilakukan oleh Robert levy dkk, yang
berfokus pada kedalaman stabilitas beta, menyimpulkan bahwa :
- Beta saham individu yang tidak stabil di masa lalu merupakan estimator yang tidak
bagus untuk mengestimasi risiko yang akan datang.
- Beta portofolio saham yang terdiri dari 10 saham atau lebih yang dipilih secara acak
cukup stabil, karenanya beta portofolio ini merupakan estimator yang bagus untuk
mengestimasi volatilitas portofolio di masa yang akan datang. Karenanya eror yang
terjadi dalam individual asset akan di offset dengan asset lainnya dalam portofolio.
Ada Suatu kritik yang dilayangkan terhadap CAPM adalah, data yang digunakan dalam
pengujian model ini adalah historical data. Permasalahannya adalah,tidak ada alasan
untuk percaya bahwa rate of returns suatu saham di masa lalu akan sama dengan
ekspetasi investor terhadap return saham di masa akan datang. Disamping itu juga
historical beta tidak langsung mencerminkan ekspetasi kita terhadap risiko asset di
masa yang akan datang.
Banyak yang menyangsikan bahwa Model CAPM ini tepat digunakan dalam praktek.
Secara conceptual model ini sangat penting untuk menjadi fundamental concept untuk
mengembangkan model lainnya dalam memprediksi return asset, oleh karena itu
munculah model lain seperti Arbitrage Pricing Theory, The Fama-French Three-Factor
Model, dan muncul isu baru bahwa ada salah satu factor yang mempengaruhi return
suatu saham yaitu adalah psikologi dari pemain pasar (behavioral finance).
XIII. ARBITRAGE PRICING THEORY
Konsep dasar APT merupakan adalah CAPM, hanya saja perbedaan APT
adalah memasukan lebih ari single risk factor. Faktor-faktor yang dimaksud adalah
seperti GDP, Inflasi, Peraturan perpajakan dan lain-lain. Berikut adalah model dari
APT.

Untuk menjelaskan model APT di atas, kita asumsikan bahwa Rf = 8%,

Required return 13% pada kondisi sensisivitas portfolio itu terhadap inflasi b=1,
Required return 10% pada kondisi sensisivitas prouksi industri itu terhadap inflasi
b=1, Required return 6% pada portofolio. Kita asumsikan juga bahwa saham memiliki
sensitivitas (beta) inflasi 0.9 terhadap portofolio, saham memiliki sensitivitas (beta)
produksi industry 1.2 terhadap portofolio, dan -0.7 terhadap porto folio. Berikut
adalah penyelesaiannya menggunakan APT model :

Adapun keunggulan menggunakan menggunakan APT adalah dalam model ini

digunakan lebih dari satu risk factor, tetapi kelemahannya adalah factor-faktor apa
saja yang mempengaruhi pergerakan saham di suatu negara ?

XIV. THE FAMA-FRENCH THREE-FACTOR MODEL

The Fama-French Three-Factor Model ini merupakan model CAPM yang
diperbarui oleh Fama dan French. Fama dan French menyimpulkan bahwa seharusnya
model CAPM dipengaruhi oleh 3 faktor yaitu :
1. CAPM Beta, mengukur risiko pasar suatu saham
2. Ukuran perusahaan yang diukur dengan Market value of its equity
 3. Book-to-market ratio (B/M), yang diukur dengan book value equity dibagi
dengan market value equity.
Berikut adalah formula The Fama-French Three-Factor Model

Perbedaan Mendasar CAPM, APT, dan The Fama-French Three-Factor Model

CAPM APT The Fama-French Three-Factor Model
SML Slope SML Slope

Other Factor that influence the

Risk Factor SML slope Market value of its equity
Stock return such as, Inflation,
GDP, Industrial Growth and So on
Book-to-market ratio (B/M)

XV. BEHAVIORAL OF FINANCE

Kita sering mendengar bahwa behavioral of finance tidak lebih adalah
sekumpulan cerita mengenai investor terawang-awang dengan digerumuti emosi
karena salah mengambil keputusan atau kita pernah mendengar berita ketika suatu
saham harga nya jatuh dalam waktu yang sebentar saja, hal ini tidak lain adalah
disebabkan oleh factor psikologi manusia yang lebih kita kenal dengan behavioral
finance. Behavioral finance disebabkan oleh psikologi manusia, seperti emosi,
ekspresif, sehingga menyebabkan keputusan yang diambil bersifat tidak rasional dan
efisien. Berikut adalah konsep utama behavioral finance dan perbedaannya dengan
standar finance.
 Standar Finance
People are rational
Market are efficient
People should design portfolio by the rules of mean-variance
theory
Expected returns of investments are described by standard
asset pricing theory, where differences in expected returns
are determined only by differences in risk.
Behavioral Finance
People ar normal
Market are not efficient
People should design portfolio by the rules of behavioral
portfolio theory
Expected returns of investments are described by behavioral
asset pricing theory, where differences in expected
returns are determined by more than differences in risk.

XVI. AN EMPIRICAL TESTING OF CAPITAL ASSET PRICING

MODEL IN INDIA
Penelitian ini berfokus pada Uji Empiris Metode CAPM di Pasar Modal India.
Penelitian ini menggunakan data 10 tahun dari January 2004 – December 2013.
CAPM merupakan model mendasar yang menjelaskan hubungan antara return saham
dan risikonya. Model ini juga menjelaskan hanya ada satu component yang
menjelaskan pengaruh return saham yaitu adalah beta saham (risiko saham yang
berkontribusi terhadap market risk, ketika saham tersebut di portofoliokan). Oleh
karena itu CAPM lebih dikenal dengan single factor model. Model ini memberikan
keseimbangan (equilibrium) hubungan antara return dan risk. Hubungan Equilibrium
ini sering kita kenal dengan Security Market Line (SML). Banyak penelitian yang pro
dan kontra terkait CAPM apakah masih relevan dalam mengestimasi return sebuah
asset.
Data yang digunakan dalam penelitian ini adalah harga penutupan setiap harinya pada
seluruh saham yang terlisting dalam NSE CNX 500 dan Index NSE CNX 500. Jika
kita refleksikan di Indonesia, NSE CNX 500 ini seperti IHSG (Indeks Harga Saham
Gabungan). Untuk mengukur return saham ini menggunakan formula Logaitma
Natural sebagai berikut :

Sedangakan untuk proxy Risk Free menggunakan suku bunga Treasury Bills
pemerintahan India. Jika di Indonesia proxy risk free bisa menggunakan Surat Utang
Negara.
Teknik Pengolahaan data ini akan di bagi menjadi 29 overlapping sub period. Dimana
setiap sub period terdiri dari 10 Portofolio (1 portofolio terdiri dari 29 saham).
Portofolio dibedakan berdarkan tingkatan besaran beta masing-masing saham. Setelah
10 Portofolio terbentuk pada masing-masing sub period, lakukan rolling regression
dengan formula sebagai berikut :
Unconstrained Model

Kelemahan jurnal ini tidak dijelaskan bagaimana cara melakukan rolling regression
pada 10 portofolio di setiap sub period.
Untuk menguji validitas CAPM, kita harus mempertimbangkan 2 faktor yaitu,
intercept harus 0 atau tidak boleh significant dalam model dan yang kedua marker risk
premium harus significant dan positif. Hasil penelitian ini menunjukan bahwa terdapat
17 sub period yang memiliki F Statistic significant tetapi dalam 17 sub period itu
terdapat 15 sub period yang interceptnya significant, hal ini menandakan bahwa
model pertama dari CAPM tidak valid.
Pada penelitian ini penulis melakukan pengembangan model, dengan menghilangkan
intercept, dengan arti kata intercept sama dengan 0. Oleh karena itu formula CAPM
yang kedua adalah :
Constrained Model

Hasil penelitian yang kedua menunjukan bahwa, dari 29 Sub periods, 18 diantaranya
memiliki F Statistic yang significant, atau dengan kata lain model CAPM ini fit
sebesar 62%.
Dari 2 model di atas terbukti bahwa unconstrained model lebih baik dalam
menjelaskan model CAPM dibandingkan dengan constrained model, hal ini dapat
dilihat dari adjusted R square constrained model > unconstrained model. Gagalnya
suatu model CAPM bukan karena model ini tidak bisa menjelaskan hubungan antara
systemic risk dan return dari risky asset, tetapi karena penggunaan model yang tidak
tepat.
 DAFTAR PUSTAKA

Brigham EF and Daves PR.2010.Intermediate Financial Management, Tenth edition, southh

western Cengage Learning, USA.

Jogiyanto, H.2014.Teori Portofolio dan Analisis Investasi, BPFE Yogyakarta, Yogyakarta.

Bajpai, Shewtai dan Sharma, Anil K. 2015. An Empirical Testing of Capital Asset Pricing
Model in India. Procedia - Social and Behavioral Sciences

Statman, Meir. 2014. Behavioral finance: Finance with normal people. Borsa Instanbul
Review