Dua konsep kunci dalam analisis portofolio adalah (1) kovariansi dan (2)
korelasi
koefisien. Kovariansi adalah ukuran yang menggabungkan varians (atau
volatilitas) a
return saham dengan kecenderungan kenaikan tersebut bergerak ke atas atau
ke bawah pada saat yang sama
Waktu saham lain bergerak naik atau turun. Misalnya, kovarians antara saham
A dan B memberitahu kita apakah pengembalian kedua saham cenderung naik dan
turun
bersama, dan seberapa besar gerakan tersebut cenderung terjadi. Persamaan
3-2 mendefinisikan
kovariansi (Cov) antara Saham A dan B:
Istilah pertama dalam tanda kurung setelah itu adalah penyimpangan dari
kembalinya saham A dari
nilai yang diharapkan di bawah keadaan ekonomi; Istilah kedua adalah Stock
B
penyimpangan di bawah negara yang sama; dan Pi adalah probabilitas dari
keadaan ke-i yang terjadi.
Kovariansi dua aset akan besar dan positif jika imbal hasil mereka
penyimpangan standar yang besar dan cenderung bergerak bersama; itu akan
menjadi besar dan negatif
untuk dua aset tinggi yang saling bertentangan satu sama lain; dan akan
kecil jika
dua pengembalian aset bergerak secara acak, bukan naik atau turun satu sama
lain, atau
Jika salah satu aset memiliki deviasi standar kecil.
Untuk menggambarkan proses perhitungan, pertama lihat Tabel 3-1, yang
menyajikan
distribusi probabilitas tingkat pengembalian pada empat saham, dan pada
Gambar 3-1,
yang plot menyebarkan diagram antara pengembalian pada beberapa pasang
saham. Kita dapat
gunakan Persamaan 3-2 untuk menghitung kovarians antara Saham F dan G
sebagai berikut:
hal
, maka standar deviasi sejarah ini
kembali adalah
2
Persamaan 3-4 berasal dari Persamaan 3-1 dalam buku statistik standar.
Perhatikan bahwa jika wA 1, semua portofolio adalah
diinvestasikan dalam Keamanan A, dan Persamaan 3-4 dikurangi menjadi A:
p 2
2
A A
Portofolio hanya berisi satu aset, jadi risiko portofolio dan asetnya sama.
Persamaan 3-4
dapat diperluas untuk mencakup sejumlah aset dengan menambahkan persyaratan
tambahan, namun kami tidak melakukannya di sini.
dimana r
A1, r
A2, ..., r
An dan r
B1, r
B2, ... r
Bn selama n tahun sebelumnya, kalau begitu
R
PORTOFOLIOS EFISIEN
Tabel 3-2 memberikan nilai rp dan p untuk wA 1,00, 0,75, 0,50, 0,25, dan
0,00,
dan Gambar 3-2 plot rp, p, dan kumpulan portofolio yang dapat dicapai untuk
setiap korelasi.
Dalam tabel dan grafik, perhatikan hal-hal berikut:
1. Tiga grafik di baris atas Gambar 3-2 menunjuk Kasus I, dimana
dua aset berkorelasi positif sempurna, yaitu AB 1.0. Tiga
grafik di baris tengah adalah untuk kasus korelasi nol, dan ketiganya di
baris bawah adalah untuk korelasi negatif sempurna.
2. Kita jarang menjumpai AB -1.0, 0.0, atau 1.0. Umumnya AB berada di
kisaran
0,5 sampai 0,7 untuk sebagian besar saham. Kasus II (zero correlation)
menghasilkan grafik
yang, secara pictorially, sangat mirip dengan contoh dunia nyata.
3. Kolom kiri grafik menunjukkan bagaimana pengembalian portofolio yang
diharapkan berbeda
kombinasi yang berbeda dari A dan B. Kita melihat bahwa grafik-grafik ini
identik
masing-masing dari tiga kasus: Return portofolio, rp, adalah fungsi linear
wA, dan
itu tidak tergantung pada koefisien korelasi. Hal ini juga terlihat dari
kolom rp tunggal kembali pada Tabel 3-2.
4. Kolom tengah grafik menunjukkan bagaimana risiko dipengaruhi oleh
campuran portofolio.
Mulai dari atas, kita melihat bahwa risiko portofolio, p, meningkat secara
linear dalam Case
Saya, di mana AB 1.0; itu tidak linier dalam Kasus II; dan Kasus III
menunjukkan bahwa risiko
dapat benar-benar terdiversifikasi jika AB 1.0. Jadi p, tidak seperti rp,
tidak
tergantung pada korelasi
5. Perhatikan bahwa di kedua Kasus II dan III, tapi tidak dalam Kasus I,
seseorang yang memegang saja
Saham A bisa menjual A, membeli beberapa B, dan keduanya meningkatkan
ekspektasinya
kembali dan risiko rendah.
6. Kolom kanan grafik menunjukkan portofolio yang dapat dicapai, atau layak
dilakukan
dibangun dengan berbagai campuran Efek A dan B. Berbeda dengan yang lain
kolom, yang menyusun kembali dan risiko versus komposisi portofolio,
masing-masing dari tiga grafik di sini diplot dari pasangan rp dan p
seperti yang ditunjukkan pada
Tabel 3-2. Misalnya, Point A di grafik kanan atas adalah titik rp
5%, p 4% dari data Case I. Semua titik lain pada kurva diplot
demikian pula.
Dengan
hanya dua sekuritas dalam portofolio, set yang dapat dicapai adalah a
melengkung
atau garis, dan kita bisa mencapai setiap kombinasi risiko / pengembalian
yang relevan
melengkung
dengan beberapa alokasi dana investasi kita antara Efek A dan B.
7. Apakah semua kombinasi pada set yang bisa dicapai sama baiknya?
Jawabannya adalah tidak.
Hanya bagian dari set yang dapat dicapai dari Y ke B pada Kasus II dan III
yang didefinisikan
efisien. Bagian dari A ke Y tidak efisien karena untuk tingkat apapun
Risiko pada segmen garis AY, return yang lebih tinggi dapat ditemukan pada
segmen YB.
Dengan demikian, tidak ada investor rasional yang akan memegang portofolio
yang tergeletak di segmen AY. Di
Kasus I, bagaimanapun, keseluruhan rangkaian yang layak efisien - tidak ada
kombinasi dari
Efek bisa dikesampingkan.
Dari contoh ini kita melihat bahwa dalam satu kasus ekstrim (1,0), risiko
dapat sepenuhnya
Dieliminasi, sementara dalam kasus ekstrem lainnya (
1.0),
diversifikasi tidak
tidak
baik apa
Di antara ekstrem ini, menggabungkan dua saham menjadi portofolio
mengurangi tapi tidak menghilangkan risiko yang melekat pada saham
individu.
3
Frontier Efisien
Pada Gambar 3-3, garis batas BCDE mendefinisikan kumpulan portofolio yang
efisien
juga disebut daerah yang efisien.
Portofolio di sebelah kiri set efisien tidak
Mungkin karena mereka berada di luar jangkauan yang bisa dicapai.
Portofolio di sebelah kanan
Garis batas (portofolio interior) tidak efisien karena beberapa portofolio
lainnya akan
memberikan tingkat pengembalian yang lebih tinggi untuk tingkat risiko yang
sama atau risiko yang lebih rendah untuk risiko
tingkat pengembalian yang sama MisKurva Indiferen Resiko / Kembali
Mengingat serangkaian portofolio yang efisien, portofolio spesifik mana
yang harus dimiliki investor
memilih? Untuk mengetahui portofolio optimal bagi investor tertentu, kita
harus
mengetahui sikap investor terhadap risiko sebagaimana tercermin dalam
risiko / return trade-
off fungsi, atau kurva indiferen.
alnya, Portofolio X didominasi oleh Portofolio C dan D.
Fungsi risk-return / trade-off investor didasarkan pada standar ekonomi
konsep teori utilitas dan kurva indiferen, yang diilustrasikan pada Gambar
3-4.
Kurva yang berlabel IY dan IZ mewakili kurva indiferen Individu Y dan
Z. Ms Y tidak peduli antara portofolio 5 persen tanpa risiko, portofolio
dengan
Kembalinya 6 persen tapi risiko p 1,4%, dan seterusnya. Mr Z acuh tak acuh
antara imbal hasil 5 persen tanpa risiko, imbal hasil 6 persen yang
diharapkan dengan risiko
hal
3,3%, dan seterusnya.
Perhatikan bahwa Y Y memerlukan tingkat pengembalian yang diharapkan lebih
tinggi sebagai kompensasi
jumlah risiko tertentu; Dengan demikian, Ms. Y dikatakan lebih menyukai
risiko daripada Mr. Z.
Keengganan risikonya yang lebih tinggi menyebabkan Ms. Y membutuhkan premi
risiko yang lebih tinggi
di sini sebagai perbedaan antara 5 persen riskless return dan expected
return
diminta untuk mengimbangi sejumlah risiko tertentu - dari yang dibutuhkan
oleh Mr. Z. Demikian,
Y membutuhkan premi risiko (RPY) 2,5 persen untuk mengkompensasi risiko p
3,3%, sedangkan premi risiko Mr Z untuk tingkat risiko ini hanya RPZ 1,0%.
Sebagai
sebuah generalisasi, semakin curam kemiringan kurva indiferen investor,
semakin banyak
menghindari risiko investor. Dengan demikian, Ms. Y lebih menyukai risiko
daripada Mr. Z.
Setiap individu memiliki "peta" kurva indiferen; peta ketidakpedulian untuk
Y dan Mr Z diperlihatkan pada Gambar 3-5. Lengkung yang lebih tinggi
menunjukkan yang lebih besar
tingkat kepuasan (atau utilitas). Dengan demikian, IZ2 lebih baik dari IZ1
karena, untuk tingkat manapun
Risiko, Mr Z memiliki return yang diharapkan lebih tinggi, maka utilitas
lebih besar. Jumlah tak terbatas
Kurva indiferen dapat digambarkan dalam peta untuk masing-masing individu,
dan masing-masing
individu memiliki peta yang unik.
ASUMPSI DASAR
MODEL PRINSIP MODAL MODAL
Model Harga Aset Modal (Capital Asset Pricing Model / CAPM), yang
diperkenalkan pada bab terakhir-
ter, menentukan hubungan antara risiko dan tingkat pengembalian aset yang
dibutuhkan
ketika mereka berada dalam portfolio yang terdiversifikasi dengan baik.
Asumsi yang mendasari
Pengembangan CAPM diringkas dalam daftar berikut ini:
6
1. Semua investor fokus pada periode holding tunggal, dan mereka berusaha
memaksimalkannya
utilitas yang diharapkan dari kekayaan terminal mereka dengan memilih di
antara portofolio alternatif
berdasarkan masing-masing portofolio
expected return dan standar deviasi.
2. Semua investor dapat meminjam atau meminjamkan jumlah yang tidak
terbatas dengan tingkat bebas risiko tertentu
bunga, rRF, dan tidak ada pembatasan penjualan singkat aset apa pun.
7
3. Semua investor memiliki perkiraan yang sama atas hasil yang diharapkan,
varians, dan
Kovarian di antara semua aset (yaitu, investor memiliki harapan yang
homogen).
4. Semua aset sempurna habis dan sangat cair (yaitu, dapat dipasarkan di
pergi harga).
5. Tidak ada biaya transaksi.
6. Tidak ada pajak.
7. Semua investor adalah price taker (yaitu, semua investor berasumsi bahwa
pembelian mereka sendiri
dan aktivitas penjualan tidak akan mempengaruhi harga saham).
8.
Jumlah semua aset diberikan dan diperbaiki.
Ekstensi teoretis dalam literatur telah merelaksasi beberapa asumsi ini,
dan secara umum ekstensi ini telah menghasilkan kesimpulan yang cukup
konsisten
dengan teori dasar.
Namun,
validitas model apapun dapat ditetapkan
hanya
melalui tes empiris, yang akan kita diskusikan nanti di bab ini.
Seperti yang telah kita catat sebelumnya, biasanya tidak masuk akal untuk
berpikir bahwa masa depan diharapkan
Kembalinya saham akan sama dengan rata-rata return historis yang relatif
pendek
periode, seperti empat tahun. Namun, mungkin saja terjadi volatilitas masa
lalu menjadi a
perkiraan volatilitas volatilitas di masa depan, setidaknya selama beberapa
tahun ke depan.
Perhatikan bahwa standar deviasi pengembalian GE selama periode ini adalah
24,5 persen,
dan pasar mencapai 16,5 persen, sekitar dua pertiga dari GE. Ini
aku s
apa yang akan kita harapkan, karena pasar adalah portofolio
terdiversifikasi dengan baik
yang
banyak risiko telah terdiversifikasi.
Korelasi antara GE
kembali
dan
pasarnya
Kembalinya sekitar 0,59, yang mendekati korelasi untuk a
rata-rata
persediaan.
Angka
3-8 menunjukkan plot GE
kembali terhadap pasar
kembali Seperti kamu
akan
perhatikan jika Anda melihat file IFM9
Alat Ch03
Kit.xls,
kami menggunakan tabel Excel
fitur untuk menambahkan garis tren dan untuk menampilkan persamaan dan R
nilai pada grafik
diri. Kami juga menggunakan fitur analisis regresi Excel, yang memberikan
tambahan
data.
2
Tabel 3-4 melaporkan beberapa hasil regresi untuk GE. Diperkirakan beta,
koefisien kemiringannya adalah sekitar 0,88. Ini berarti beta GE sudah
dekat
beta rata-rata 1.0. Oleh karena itu, GE bergerak naik turun rata-rata
kira-kira sama persennya dengan pasar. Seperti semua hasil regresi, 0,88
saja
perkiraan beta, dan belum tentu nilai beta sebenarnya. Tabel 3-4 juga
menunjukkan statistik t dan probabilitas bahwa beta sebenarnya adalah nol.
Untuk GE, ini
probabilitas kira-kira sama dengan nol. Ini berarti hampir ada
nol kemungkinan beta yang sebenarnya sama dengan nol. Karena probabilitas
ini kurang dari
5 persen, ahli statistik akan mengatakan bahwa koefisien kemiringan, beta,
"secara statistik
signifikan. "Output dari analisis regresi juga memberi kita 95 persen
interval kepercayaan untuk perkiraan beta. Bagi GE, hasilnya memberi tahu
kita bahwa kita bisa
95 persen yakin bahwa beta sebenarnya adalah antara 0,53 dan 1,24. Ini
adalah sebuah
sangat luas, tapi khas untuk kebanyakan saham individu. Oleh karena itu,
perkiraan regresi untuk beta dari satu perusahaan pun sangat tidak pasti.
Perhatikan juga bahwa poin pada Gambar 3-8 tidak berkerumun dengan sangat
erat
garis regresi Kadang GE jauh lebih baik daripada pasar; lain waktu
itu jauh lebih buruk R
Nilai yang ditunjukkan dalam grafik mengukur tingkat dispersi
tentang garis regresi Secara statistik, ini mengukur persentase dari
perbedaan
yang dijelaskan oleh persamaan regresi. Sebuah r
2
dari 1,0 menunjukkan bahwa
semua titik terletak tepat di garis, maka semua varians dari variabel-y
adalah
dijelaskan oleh x-variable. R
2
untuk GE adalah sekitar 0,35, yang khas untuk
sebagian besar saham individu. Hal ini menunjukkan bahwa sekitar 35 persen
varians di
Hasil pengembalian GE dijelaskan oleh return pasar.
Akhirnya, perhatikan bahwa intersep ditunjukkan dalam persamaan regresi
yang ditampilkan pada
bagan sekitar 0.003. Karena persamaan regresi didasarkan pada data bulanan,
Ini berarti bahwa GE memiliki rata-rata return bulanan 0,3 persen yang
tidak
dijelaskan oleh model CAPM. Namun, hasil regresi pada Tabel 3-4 juga
menunjukkan bahwa probabilitas statistik t lebih besar dari 5 persen,
artinya
pencegatan "sebenarnya" mungkin nol. Oleh karena itu, kebanyakan ahli
statistik akan mengatakannya
Pencegatan ini tidak signifikan secara statistik - pengembalian GE sangat
tidak stabil sehingga kita
Tidak dapat dipastikan bahwa pencegatan sebenarnya tidak sama dengan nol.
Menerjemahkan statistik
ke bahasa Inggris, ini berarti bagian dari GE
rata-rata return bulanan itu
tidak
dijelaskan oleh CAPM bisa jadi nol. Jadi, CAPM mungkin sangat
baik
jelaskan semua GE
hasil bulanan rata-rata.
2
Oleh karena itu, secara teoritis benar saat memperkirakan beta, kita harus
menggunakan
return saham melebihi tingkat bebas risiko sebagai variabel y dan return
pasar
melebihi tingkat bebas risiko sebagai variabel-x. Kami melakukan ini untuk
GE menggunakan datanya
pada Tabel 3-3, dan hasilnya dilaporkan di Panel c Tabel 3-4. Perhatikan
itu disana
tidak ada perbedaan yang cukup berarti antara hasil di Panel a, model
pasar,
dan di Panel c, model CAPM. Ini biasanya terjadi, jadi kita akan
menggunakan
model pasar di sisa buku ini.
Seperti ditunjukkan Tabel 3-4, beta yang diperkirakan adalah 1,01, dan
kepercayaan 95 persen
interval adalah dari 0,98 sampai 1,04, yang jauh lebih ketat daripada yang
untuk GE. Itu
Mencegat hampir nol, dan probabilitas statistik t intercept lebih besar
dari 5 persen Oleh karena itu, pencegatan secara statistik tidak
signifikan, menunjukkan hal itu
CAPM menjelaskan rata-rata pengembalian bulanan Dana Magellan
Di sini kita asumsikan bahwa hubungan historis antara Stock J dan pasar
Secara keseluruhan, seperti yang diberikan oleh garis karakteristiknya,
akan berlanjut ke masa depan.
Untuk
Misalnya, kita mungkin menganggap prediksi pengembalian GE di masa depan,
diberikan
pasarnya
kembali pada periode tersebut
2. Selain pergerakan pasar secara umum, masing-masing perusahaan juga
menghadapi kejadian-kejadian yang terjadi
unik untuk itu dan karenanya tidak tergantung pada iklim ekonomi secara
umum. Seperti itu
Peristiwa menyebabkan pengembalian saham Firm J untuk bergerak agak
independen
untuk pasar secara keseluruhan, dan kejadian acak ini diperhitungkan
istilah kesalahan acak, eJ. Sebelum faktanya, nilai yang diharapkan dari
istilah error
adalah nol; Setelah faktanya, umumnya positif atau negatif. Komponen ini
dari total risiko adalah saham yang bisa di diversifikasi, atau spesifik
perusahaan, berisiko, dan rasional
investor akan menghilangkan dampaknya dengan melakukan diversifikasi
portofolio saham.
3. Koefisien regresi, b (koefisien beta), adalah sensitivitas pasar
indeks; Ini mengukur volatilitas relatif dari saham tertentu versus rata-
rata
saham, atau "pasar." Kecenderungan saham individual bergerak dengan
Pasar merupakan risiko, karena pasar berfluktuasi, dan fluktuasi ini
tidak bisa terdiversifikasi.
Ini bagian dari total risiko adalah saham
pasar,
atau
nondiversifiable, risikonya Portofolio yang terdiversifikasi dengan baik
mengandung beberapa risiko pasar.
4. Hubungan antara total risiko saham, risiko pasar, dan diversifikasi
risiko dapat dinyatakan sebagai berikut: Di sini
2
J adalah varians (atau total risiko) dari Stock J,
2
M adalah varians dari mar-
ket, bJ adalah koefisien beta Stock J, dan
2
eJ
adalah varian dari regresi Stock J-
kesalahan sion.
5. Jika pada Gambar 3-8 semua titik telah diplot tepat pada garis regresi,
maka
varians dari istilah kesalahan,
2
eJ
, pasti nol, dan semua sahamnya
total risiko akan menjadi risiko pasar. Di sisi lain, jika poinnya
tersebar luas tentang garis regresi, sebagian besar risiko total saham akan
terjadi
bisa di diversifikasi Saham reksa dana besar dan terdiversifikasi akan plot
sangat dekat dengan garis regresi.
6. Jika pasar saham tidak berfluktuasi, maka saham tidak memiliki risiko
pasar.
Tentu saja, pasar berfluktuasi, jadi ada risiko pasar-bahkan jika Anda
memegang portofolio yang sangat terdiversifikasi dengan baik, Anda akan
tetap menderita kerugian jika
pasar jatuh Seperti ditunjukkan pada Tabel 3-3, deviasi standar pasar
tahunan
kembali, M, sekitar 16,5 persen dalam empat tahun terakhir. Namun, secara
tunggal
hari,
19 Oktober 1987, pasar kehilangan sekitar 25 persen nilainya.
7. Beta adalah ukuran risiko pasar relatif, namun risiko pasar aktual saham
J
adalah B
2
J
2
M. Risiko pasar juga dapat dinyatakan dalam bentuk standar deviasi, bJ M.
Oleh karena itu, risiko pasar GE adalah bGE M 0,88 (16,5%) 14,5%, sedangkan
totalnya
Resiko adalah GE 24,5%. Semakin tinggi beta saham, semakin tinggi pula
risiko pasarnya. Jika
beta adalah nol, saham tidak memiliki risiko pasar, sementara jika beta
1.0,
saham akan sama berisiko seperti pasar-dengan asumsi saham ditahan
portofolio terdiversifikasi - dan risiko pasar saham adalah M.
8. Risiko yang dapat diobati dapat dan harus dieliminasi dengan
diversifikasi, sehingga relevan
Risiko adalah risiko pasar, bukan risiko total. Jika Stock J memiliki b
0.5, maka stoknya
Risiko yang relevan adalah bJ M 0,5 (16,5%) 8,25%. Portofolio seperti
lowbeta
saham akan memiliki standar deviasi dari hal
8,25%, atau satu setengah
standar deviasi pada portofolio rata-rata (b 1,0) saham. Punya Saham J
Menjadi saham beta tinggi (b 2.0), maka risikonya yang relevan pasti adalah
bJ M
2,0 (16,5%) 33,0%. Portofolio saham b 2.0 akan memiliki p
33,0%, sehingga portofolio seperti itu dua kali berisiko sama dengan
portofolio rata-rata
saham.
9. Premi risiko saham hanya bergantung pada risiko pasarnya, bukan total
risikonya: RPJ
(rM rRF) bJ. Pak S mungkin hanya memiliki saham J, dan karenanya
memperhatikannya
total risiko dan mencari kembali berdasarkan risiko itu. Namun, jika
investor lain bertahan
Portofolio terdiversifikasi dengan baik, mereka akan menghadapi risiko yang
lebih kecil dari Stock J. Oleh karena itu, jika Stock J menawarkan
pengembalian yang cukup tinggi untuk memuaskan Mr S, itu akan mewakili
sebuah tawar-menawar
Bagi investor lain, siapa yang kemudian membelinya, mendorong harganya naik
dan harganya
menghasilkan
turun dalam proses Karena sebagian besar aset keuangan dipegang oleh
diversifikasi
investor,
dan karena keamanan tertentu hanya memiliki satu harga dan hanya itu saja
satu
tingkat pengembalian, aksi pasar mendorong setiap saham
premi risiko ke level
ditentukan
dengan risiko yang relevan atau pasarnya
Darimana ini membuat manajer keuangan mengenai beta yang benar? Mereka
harus "membayar uang mereka dan mengambil pilihan mereka." Beberapa manajer
menghitung sendiri
Betas, dengan menggunakan prosedur mana pun yang paling sesuai dalam
situasi ini.
Yang lain menggunakan beta yang dihitung oleh organisasi seperti Yahoo!
Finance atau Value
Line, mungkin menggunakan satu layanan atau mungkin rata-rata beta beberapa
layanan.
Pilihannya adalah masalah penilaian dan ketersediaan data, karena tidak ada
"benar"
beta. Umumnya, betapapun, betas yang berasal dari sumber yang berbeda akan,
untuk diberikan
perusahaan, cukup dekat bersama. Jika tidak, maka kepercayaan diri kita
menggunakan CAPM akan berkurang.
1. Kerangka kerja CAPM, dengan fokusnya pada pasar dibandingkan dengan yang
berdiri sendiri
Risiko, jelas merupakan cara yang berguna untuk memikirkan tentang risiko
aset. Jadi, sebagai a
Model konseptual, CAPM sangat penting.
2. Bila diterapkan dalam praktik, CAPM tampaknya memberikan jawaban yang
rapi dan tepat
untuk pertanyaan penting tentang risiko dan tingkat pengembalian yang
diminta. Namun,
Jawabannya kurang jelas dari yang terlihat. Kebenaran yang sederhana adalah
kita tidak melakukannya
Ketahuilah bagaimana cara mengukur salah satu input yang dibutuhkan untuk
mengimplementasikan
CAPM. Masukan ini semua harus ex ante, namun hanya data ex post yang
tersedia.
Selanjutnya, data historis tentang r