Anda di halaman 1dari 15

TUGAS

1. MODEL INDEKS

Di Susun Oleh :

Alang Pangestu 15220001


Jeffry Alvian S. 1522000

Prodi Manajemen Fakultas Ekonomi


Universitas Malahayati
Bandar Lampung
2018/2019
Kata Penghantar

Dengan menyebut nama Allah yang Maha Pengasih lagi Maha Penyayang, penulis panjatkan
puja dan puji syukur atas kehadirat-Nya yang telah melimpahkan rahmat, rahmat, hidayah, dan
inayah-Nya kepada penulis, sehingga penulis dapat menyelesaikan makalah ilmiah tentang
Model Indeks.

Makalah ini telah disususn dengan maksimal dan mendapat bantuan dari berbagai pihak sehingga
dapat nmemperlancar pembuatan makalah ini. Untuk itu penulis menyampaikan banyak terima
kasih kepada semua pihak yang telah berkontribusi dalam pembuatan makalah ini.

Terlepas dari semua itu, penulis menyadari sepenuhnya bahwa masih ada kekurangan baik dari
segi susunan maupun tata bahasanya. Oleh karena itu dengan tangan terbuka penulis menerima
segala saran dan kritiki dari pembaca agar penulis dapat memperbaiki makalah ilmiah ini.

Akhir kata penulis berharap semoga makalah ilmiah tentang Model Indeks ini dapat memberikan
manfaat maupun inspirasi terhadap pembacanya.

Bandar Lampung, 28 Mei 2018

Penulis
BAB 8
Model Indeks

Pasar Sekuritas Indeks Tunggal

Keberhasilan pemilihan portofolio tergantung pada kualitas daftar inputnya, yaitu


perkiraan imbalan hasil sekuritas yang diharapkan dan matriks kovarians. Dalam jangka
panjang, portofolio efisien akan mengungguli portofolio dengan daftar masukan yang
kurang dipercaya dan akibatnya pertukaran manfaat terhadap resiko bermutu rendah.

Para sekurits saham perlu menganalisis saham dengan menggunakan estimasi. Hal
ini tidaklah mudah mengingat jumlah saham yang diperdagangkan di bursa saham sangat
banyak. Sehingga hal ini menyebabkan banyak pula estimasi yang perlu dilakukan oleh
sekuritas. Dalam model Markowitz ada kesulitan lain yang perlu dihadapi untuk optimisasi
portofolio, kesulitan tersebut adalah kesalahan penilaian atau estimasi kofisien korelasi
dapat menghasilkan angka yang sensasional.

Kovarians imbal hasil antar saham cenderung positif karena faktor ekonomi yang
sama mempengaruhi perusahaan secara keseluruhan. Beberapa contoh dari faktor
ekonomi biasa adalah:

1. Siklus Bisnis

2. Suku Bunga

3. Ongkos sumber daya alam

Seluruh faktor (yang saling terkait) tersebut mempengaruhi perusahaan. Perubahan


tak terduga pada variabel tersebut secara serempak menyebabkan perubahan tak terduga
pada tingkat imbal hasil di seluruh pasar saham.

Normalitas Imbal Hasil dan Risiko Sistematis

Timbal hasil untuk sekuritas, i, penjumlahan perkiraannya ditambah


komponen tak terduga:

ri= E(ri)+ ei
dimana perkiraan imbal hasil, ei, memiliki rata-rata nol dan simpang baku σ i
yang mengukur ketidakpastian mengenai imbal hasil sekuritas.

Ketika imbal hasil sekuritas dapat dengan baik didekati melalui distribusi
normal yang berkorelasi antar sekuritas, asumsi ini menyatakan bahwa, diwaktu
kapanpun, imbal hasil sekuritas didorong oleh salah satu variabel bersama atau
lebih. Ketika lebih dari satu variabel mendorong imbal hasil sekuritas
berdistribusi normal, imbal hasil tersebut dikatakan memiliki distribusi normal
multivariat.
Faktor bersama, m, yang mendorong kemajuan imbal hasil sekuritas adalah
beberapa variabel makro-ekonomi yang mempengaruhi seluruh perusahaan. Lalu sumber
ketidakpastian menjadi ketidakpastian mengenai perekonomian secara keseluruhan, yang
ditangkap oleh m, dan ketidakpastian mengenai perusahaan secara khusus, yang ditangkap
oleh ei. Dalam kasus ini, persamaan untuk menampung dua sumber variasi sebagai
gantinya :

ri= E(ri)+m+ei
Perbedaan antara faktor ekonomi makro dengan faktor spesifik perusahaan dengan
menuliskan imbal hasil satu periode sekuritas i sebagai berikut :

ri= E(ri)+mi+ei
Atau dapat juga dirumuskan sebagai berikut :

ri= E(ri)+βiF+ei
Persamaan ini dikenal dengan Model Faktor Tunggal. ( Single-Factor Model )
untuk imbal hasil saham.

Model ini tidak banyak berguna tanpa adanya penjelasan tentang bagaimana
mengukur faktor yang dipandang mempengaruhi imbal hasi saham. Salah satu pendekatan
yang dapat digunakan adalah dengan menegaskan bahwa tingkat imbal hasil atas indeks
sekuritas seperti S&P 500 merupakan proksi yang valid sebagai faktor makro umum.
Pendekatan ini menghasilkan persamaan yang mirip dengan model faktor, yang disebut
model indeks tunggal ( single index model ) karena menggunakan indeks pasar sebagai
proksi atas faktor umum atau faktor sistematis.

Kita dapat menuliskan tingkat imbal hasil dari setiap sekuritas sebagai penjumlahan
dari tiga komponen, yaitu :

ßi = Komponen imbal hasil yang menunjukkan pergerakan terhadap pasar secara


keseluruhan, dimana β adalah tingkat tanggapan terhadap pergerakan pasar
m = Gerakan tak terduga terkait dengan keamanan tingkat pengembalian keamanan

ei = Asumsi : indeks pasar yang luas seperti S & P 500 sebagai faktor umum.

Indeks Modal Tunggal

Persamaan Regresi

Intercep dari persamaan ini (dilambangkan dengan huruf Yunani alfa, atau α) adalah
perkiraan kelebihan imbal hasil sekuritas ketika berlebihan imbal hasil pasar adalah
s i2 = bi2s M2 + s 2 (ei )
nol. Koefisien kemiringan βi, adalah beta sekuritas. Beta adalah sensitivitas sekuritas
terhadap indeks: jumlah dimana imbal hasil sekuritas cenderung naik atau turun
untuk setiap 1% kenaikan atau penurunan imbal hasil pada indeks ei, rata-ratanya nol,
kejutan khusus perusahaan dalam imbal hasil sekuritas pada waktu t, yang juga disebut
residu (residuals).

Hubungan Perkiraan Imbal Hasil-Beta

Karena E(ei) = 0, perkiraan E(Ri) pada persamaan regresi maka perkiraan hubungan
imbal hasil – beta dari model indeks tunggal adalah :

Komponen kedua persamaan menyatakan bahwa sebagai premi risiko sekuritas terkait
dengan premi resiko indeks. Premi resiko pasar dikali dengan sensitifitas relatif, atau
beta dari tiap-tiap sekuritas. Hal ini disebutkan premi resiko sistematis karena berasal
premi resiko yang mencerminkan keseluruhan pasar, yang mewakili kondisi seluruh
perekonomian. Sisa premi resiko diperoleh dari komponen pertama pada persamaan,
α. Alfa merupakan premi non pasar.

Risiko dan Koarian pada Model Indeks Tunggal

Ragam dan kovarian ditentukan oleh beta sekuritas dan ciri-ciri dari indeks pasar :

- Total risiko = Risiko sistematis + Risiko spesifikasi perusahaan

- Kovarian = Beta produk x Risiko indeks pasar


- Korelasi = Korelasi produk dengan indeks pasar

Persamaan tersebut menyatakan bahwa perkiraan parameter yang diperlukan untuk


model indeks tunggal hanya terdiri dari α, β, dan σ(e) untuk setiap sekuritas, ditambah
premi risiko dan ragam dari indeks pasar.

Model Indeks dan Diversifikasi

Ragam Portofolio

Komponen risiko sistematis dari ragam portofolio disebut sebagai komponen yang
bergantung pada pergerakan seluruh pasar, adalah β 2pσ2m dan bergantung pada
koefisien sensitivitas dari tiap sekuritas. Bagian risiko ini bergantung pada beta
portofolio dan σ
M
2
serta akan bertambah tanpa memperhatikan tingkat diversifikasi
portofolio. Sebaliknya, komponen nonsistematis dari ragam portofolio adalah

dan melekat pada komponen khusus perusahaan, ei karena eis tersebut saling bebas, dan
semuanya memiliki perkiraan nol, hukum rata-rata dapat digunakan untuk
menyimpulkan bahwa makin banyak saham yang ditambahkan pada portofolio,
komponen khusus cenderung terhapus, yang berakibat pada risiko non pasar yang lebih
kecil. Sehingga risiko tersebut disebut dapat diversifikasi.

Ragam Portofolio yang dibobot dengan imbang dari Komponen Khusus


Perusahaan
Karena ets tidak berkorelasi, dimana σ2(e) merupakan rata-rata dari ragam khusus
perusahaan, rata-rata saling bebas dari n, ketika n membesar, σ2(ep) menjadi dapat
diabaikan.

Makin bertambahnya diversifikasi, total ragam portofolio mendekati ragam sistematis,


yang disebut dengan ragam dari faktor pasar dikali dengan kuadrat koefisien
sensitivitas portofolio, β2p. hal ini tertera pada gambar 8.1

Gambar 8.1 menunjukkan bahwa makin banyak sekuritas yang bergabung dalam portofolio, ragam
portofolio menurun akibat diversifikasi risiko khusus perusahaan. Akan tetapi, pengaruh diversifikasi
terbatas. Bahkan untuk n yang sangat besar, bagian dari risiko tetap sama akibat hampir dibukanya
seluruh aset pada faktor biasa maupun pasar. Oleh karena itu, risiko sistematisnya di sebut tak dapat
terdiversifikasi. Analisis ini dihasilkan oleh bukti empiris sesuai dengan grafik teoretis pada
gambar 8.1
Gambar 8.2 menunjukkan grafik kelebihan imbalan hasil pada HP dan portofolio S&P 500
selama periode 60 bulan. Grafik tersebut menunjukkan bahwa imbal hasil HP pada
umumnya mengikuti indeks tersebut, tetapi dengan ayunan yang lebih besar. Tentunya,
simpangan baku tahunan kelebihan imbal hasil pada portofolio S&P 500 selama periode itu
adalah 13,58% sementara HP sebesar 38,17%. Ayunan dalam kelebihan imbal hasil HP
menunjukkan sensitivitas yang lebih besar rata-ratanya terhadap indeks, yakni beta lebih
besar dari 1,0.
Gambar 8.3 menunjukkan hubungan antara imbal hasil HP dan S&P 500, dimana garis
regresi ditarik melalui diagram. Jarak vertikal tiap titik dari garis regresi merupakan nilai
residu HP, eHP(t), yang sesuai dengan bulan tertentu.

Analisis Ragam

Tabel 8.1 menunjukkan analisis ragam (ANOVA) untuk SCL. Penjumlahan kuadrat (SS)
regresi (0,3752) merupakan bagian ragam variabel dependen (imbal hasil HP) yang
dijelaskan oleh variabel independen (imbal hasil S&P 500); yakni sama dengan β2HPσ2S&P500.
Kolom MS untuk residu (0,0059) menunjukkan ragam bagian yang tidak dijelaskan imbal
hasil HP, yakni bagian imbal hasil yang terpisah dari indeks pasar. Akar kuadrat dari nilai ini
merupakan kesalahan baku (SE) regresi (0,0767) yang dilaporkan dibagian pertama. Jika
total SS regresi (0,7162) dibagi dengan 59, maka diperoleh perkiraan ragam dari variabel
dependen (HP), 0,012 tiap bulan, yang senilai dengan simpangan baku bulanan sebesar
11%. Ketika dilaporkan tahunan, simpangan baku tahunan sebesar 38,17% seperti yang
dilaporkan sebelumnya. R-kuadrat (rasio dari penjelas terhadap total ragam) sama dengan
SS penjelas (regresi) dibagi dengan total SS.

Korelasi dan Matriks Kovarian


Gambar 8.4 melukiskan kelebihan imbal hasil tiap pasangan sekuritas dari tiga sektor
dengan indeks S&P 500 pada skala yang sama. Kami mengamati bahwa sektor IT yang
paling berubah-ubah, diikuti oleh sektor ritel, dan kemudian sektor energi, yang memiliki
volatilitas terendah.

Bagian 1 pada spreadsheet 8.1 menunjukkan perkiraan parameter risiko dari


portofolio S&P 500 dan enam sekuritas yang dianalisis. Mengamati dari simpang baku
residu tinggi (kolom E) seberapa pentingnya diversifikasi. Sekuritas tersebut memiliki
risiko khusus perusahaan yang besar. Portofolio yang terpusat pada sekuritas ini (atau
lainnya) memiliki volatilitas tinggi dan rasio Sharpe rendah.

Bagian 2 menunjukkan matriks korelasi residu dari regresi kelebihan imbal hasil
S&P 500. Celah yang diarsir menunjukkan korelasi dari saham sektor yang sama, yakni
sebesar 0,7 untuk dua saham minyak (BP dan Shell). Hal ini berbeda dengan asumsi dari
model indeks bahwa seluruh residunya tidak berkorelasi. Korelasi antar industri pada
umunya jauh lebih kecil, dan perkiraan empiris dari korelasi residu indeks industri
(dibandingkan tiap-tiap saham pada industri yang sama) akan jauh lebih sesuai dengan
model tersebut.

Bagian 3 memperlihatkan kovarian yang berasal dari persamaan model indeks


tunggal. Ragam dari indeks S&P 500 dan tiap saham yang termasuk tertera pada
diagonalnya, perkiraan ragam untuk setiap saham sama dengan β21σ2M+σ 2(ei). komponen
diluar diagonal merupakan nilai kovarian dan sama dengan βiβjσ2M.

Alfa dan Analisis Sekuritas

Kerangka model indeks tunggal

1. Analisis makro-ekonomi digunakan untuk memperkirakan premi risiko dan risiko


indeks pasar.

2. Analisis statistik digunakan untuk memperkirakan koefisien beta dari seluruh


sekuritas dan ragam residunya, σ2 (ei)

3. Manajer portofolio menggunakan premi resiko indeks pasar dan koefisien beta
sekuritas guna menentukan perkiraan imbal hasil dari sekuritas itu dengan
ketiadaan kontribusi dari analisis sekuritas. Perkiraan imbal hasil yang
menggerakkan pasar merupakan informasi bersyarat yang lazim untuk seluruh
sekuritas, bukan informasi yang terkumpul analisis sekuritas perusahaan tertentu.
Perkiraan imbal hasil yang mendorong pasar ini dapat digunakan sebagai tolak ukur.

4. Peramalan imbal hasil sekuritas tertentu yang diharapkan (terutama, alfa sekuritas)
berasal dari berbagai model penilaian sekuritas. Sehingga, nilai alfa menyaring
kenaikan premi risiko yang melekat pada informasi pribadi yang dikembangkan dari
analisis sekuritas.

Daftar Masukan Model Indeks Tunggal

Daftar masukan memuat perkiraan sebagai berikut :

1. Premi risiko pada portofolio S&P 500

2. Perkiraan simpang baku dari portofolio S&P 500

3. n perkiraan dari (a) koefisien beta, (b) ragam residu saham, dan (c) nilai alfa. (nilai
alfa untuk tiap sekuritas, bersama premi risiko S&P 500 dan beta setiap sekuritas,
akan memungkinkan penentuan perkiraan imbal hasil pada tiap sekuritas).

Portofolio Berisiko Optimal dari Model Indeks Tunggal


Maksimum rasio Sharpe portofolio dengan menggunakan bobot perkiraan imbal
hasil, simpang baku, dan rasio Sharpe :

Pada prosedur baku Markowitz, dapat menggunakan program optimisasi excel


untuk memaksimumkan rasio sharpe terkait dengan penambahan batas yang bobot
portofolionya berjumlah 1. Akan tetapi, hal tersebut tidaklah penting karena portofolio
optimal dapat diturunkan secara ekplisit melalui model indeks. Pemecahan atas portofolio
optimal memberikan pandangan penting kearah penggunaan analisis sekuritas dalam
penyusunan portofolio yang mengandung pelajaran untuk menguraikan benang logis
pemecahan.

Portofolio berisiko optimal berubah menjadi kombinasi dari dua portofolio


komponen :

1. Portofolio aktif, yang dilambangkan dengan A

2. Portofolio berindeks pasar, aset ke-(n+1) yang dimasukkan untuk membantu


diversifikasi, disebut portofolio pasif

3. Perubahan posisi/ modifikasi dalam portofolio aktif

Ketika

Rasio Informasi

Rasio sharpe dari portofolio berisiko yang tersusun secara optimal akan melebihi
portofolio berindeks (strategi pasif). Hubungan pastinya adalah
2
2 2 �a A �
sP = sM + � �
s (e A ) �

Persamaan tersebut menunjukkan bahwa kontribusi dari portofolio aktif (ketika
dipegang dalam bobot optimalnya, W*A) terhadap rasio sharpe dari seluruh portofolio
berisiko ditentukan oleh rasio dari alfanya terhadap simpangan baku residu. Rasio ini
disebut Rasio Informasi. Rasio ini mengukur tambahan imbal hasil yang dapat diperoleh
dari analisis sekuritas dibandingkan dengan risiko khusus perusahaan yang ditanggung
ketika lebih atau kurang pembobotan sekuritas relatif terhadap indeks pasar pasif. Untuk
memaksimumkan seluruh rasio sharpe, harus memaksimumkan rasio informasi dari
portofolio aktif.

Gambar 8.5

Gambar 8.5 menunjukkan garis batas efisien dari dua model, dimana terdapat
perbedaan dalam faktanya dapat diabaikan.

Tabel 8.2
Tabel 8.2 membandingkan susunan dan perkiraan kinerja dari ragam minimum
global (G) dan portofolio berisiko optimal yang berasal dari dua model. Perbedaan penting
di antara dua portofolio dibatasi pada portofolio ragam minimum yang hanya digerakkan
menurut pertimbangan ragam. Sewaktu kita bergerak ke garis batas efisien, perkiraan
imbal hasil yang diperlukan memperjelas dampak perbedaan kovarian dan portofolio
menjadi sama kinerjanya.

Versi Industri Dari Model Indeks.

Berikut adalah gambar table sensivitas pasar.

Kesalahan standart dari suatu estimasi adalah deviasi standart dari kesalahan
estimasi yang mungkin dari suatu koefisien. Aturan umumnya adalah jika koefisien yang
diestimasi lebih kecil dari pada dua kesalahan deviasi standartnya, kita tidak dapat
menolak hipotesi bahwa koefisien sebenarnya adalah sama dengan nol.

Suatu perusahaan biasanya dibangun untuk menghasilkan barang atau jasa yang
spesifik, dan perusahaan baru mungkin lebih tidak konvensional dibandingkan dengan
perusahaan yang telah lama berdiri karena beberapa alasan, mulai dari teknologi, sampai
dengan gaya manajemen. Pada saat perusahaan mengalami perkembangan maka
perusahaan sering melakukan diversifikasi, dimulai dengan melakukan ekspansi pada
produk yang sejenis dan kemudian menjadi mendiversifikasi kegiatan operasinya.
Merrill Lynch menyesuaikan estimasi beta dengan cara yang sederhana, yaitu
dengan mengambil estimasi batas sampel lalu merata-ratakannya dengan 1, menggunakan
bobot dua per tiga dan satu per tiga.

Beta yang disesuaikan : 2/3 beta sampel 1/3 (1)

Beta yang diestimasi dari data masa lalu mungkin bukan merupakan estimasi terbaik atas
beta di masa depan. Beta terlihat menyimpang dari 1 sepanjang waktu. Ini menyarankan
bahwa kita mungkin membutuhkan model untuk memprediksi beta. Salah satu pendekatan
yang sederhana adalah mengumpulakan data beta dari periode yang berbeda dan
menyusun estimasi persamaan regresi.

Salah satu pendekatan yang dilakukan oleh Rosenberg dan Guy yang menemukan
bahwa variable-variabel berikut ini dapat membantu memprediksi beta di masa yang akan
datang, variable-variabel tersebut adalah :

1. Varians Laba

2. Varians Arus Kas

3. Pertumbuhan Laba per Lembar Saham

4. Kapitalisasi Pasar

5. Imbal Hasil Deviden

6. Rasio Utang Terhadap Aktiva.

Rosenberg dan Guy juga menemukan bahwa bahkan setelah mengontrol karakteristik-
karakteristik keuangan perusahaan, kelompok industry dapat membantu memprediksi
beta.

Model Indeks dan Portofolio Tracking

Portofolio Tracking adalah portofolio yang dirancang agar sesuai dengan komponen
Imbal hasil. Gagasannya adalah bahwa portofolio yang digunakan untuk “di-track” dengan
komponen imbal hasil yang sensitive terhadap pasar.