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 :
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:
A. Probability Distributions
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.
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 :
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.
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.
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.
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
= 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
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.
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.
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.
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.
𝜌iM the correlation between the ith stock’s return and the return on the marke
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
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.
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.
= (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.
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 .
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.
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.
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
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