Resiko Dan Pengembalian bagian 2

Di Bab 2 kami menyajikan elemen kunci dari risiko dan pengembalian

analisis. Di sana kita melihat bahwa sebagian besar risiko saham dapat
dieliminasi
Dengan diversifikasi, investor rasional harus memegang portofolio
saham bukan hanya satu saham. Kami juga memperkenalkan
Capital Asset Pricing Model (CAPM), yang menghubungkan risiko dan kebutuhan
tingkat pengembalian, menggunakan koefisien beta saham sebagai yang relevan
ukuran risiko Dalam bab ini, kami memperluas konsep ini dengan
menyajikan perawatan mendalam tentang konsep portofolio dan
CAPM, termasuk tampilan yang lebih rinci tentang bagaimana betas dihitung.

Saat Anda membaca bab ini, pertimbangkan bagaimana Anda melakukannya

jawab pertanyaan berikut. Anda tidak harus
tentu bisa menjawab pertanyaan sebelumnya
Anda membaca bab ini. Sebaliknya, Anda harus menggunakannya
untuk memahami masalah yang dibahas dalam bab ini.
Setelah membaca bab ini, Anda seharusnya bisa melakukannya
berikan setidaknya sebagian jawaban atas pertanyaan, dan
Anda harus bisa memberikan jawaban yang lebih baik setelahnya
bab ini telah dibahas di kelas. Perhatikan juga,
itu sering berguna, saat menjawab konseptual
pertanyaan, untuk menggunakan data hipotetis untuk diilustrasikan
jawabanmu. Kami menggambarkan jawaban dengan Excel
model yang tersedia di Web ThomsonNOW
situs Mengakses model dan mengerjakannya
latihan yang berguna, dan memberikan wawasan tentang itu
berguna saat menjawab pertanyaan:
1. Secara umum, berapakah Capital Asset
Model Penentuan Harga (CAPM)? Asumsi apa?
dibuat ketika diturunkan?
2. Tentukan istilah kovarians dan korelasi
koefisien. Bagaimana mereka berhubungan dengan satu
lain, dan bagaimana pengaruhnya terhadap yang dibutuhkan
tingkat pengembalian saham? Akan berkorelasi
mempengaruhi tingkat pengembalian yang diminta jika saham
diadakan (katakanlah, oleh pendiri perusahaan) di
satu portofolio aset?
3. Berapakah portofolio yang efisien? Apakah yang
Capital Market Line (CML), bagaimana kaitannya
untuk portofolio yang efisien, dan bagaimana cara antarmuka
dengan investor
pengabaian
melengkung kemenentukan portofolio optimal investor? Aku s
Mungkin dua investor rasional itu bisa
setuju dengan spesifikasi Modal
Market Line, tapi satu akan memegang portofolio
berbobot dengan sekuritas Treasury
sementara yang lain hanya memegang saham berisiko yang dibeli
pada margin?
4. Apa itu Security Market Line (SML)? Apa
informasi dikembangkan di Pasar Modal
Analisis garis dan kemudian terbawa dan
bekas
untuk membantu menentukan SML? Untuk praktis
aplikasi
Berbeda dengan pertimbangan teoretis,
yang lebih relevan, yaitu CML
atau
SML itu?
5. Apa perbedaan antara sejarah?
beta, beta yang disesuaikan, dan fundamental
beta? Apakah itu masalah beta yang digunakan, dan
jika ya, mana yang terbaik?
6. Memiliki keabsahan CAPM telah dikonfirmasi
melalui tes empiris?
7. Apa perbedaan antara diversifiable?
risiko
dan risiko nondiversifiable? Harus
manajer portofolio saham mencoba untuk menghilangkan keduanya
jenis risiko?
8. Jika perusahaan publik memiliki jumlah yang besar
dari investor yang tidak berkepentingan, bersama dengan beberapa
siapa
terdiversifikasi dengan baik, bisa jadi yang tidak terdiversifikasi
investor
mendapatkan tingkat
kembali tinggi
cukup
untuk
Mengkompensasi mereka atas risiko yang mereka tanggung?
Apakah
ini mempengaruhi
perusahaan itu
biaya modal?

MENGUKUR RESIKO PORTOFOLIO

Pada bab sebelumnya, kami memeriksa risiko portofolio pada tingkat

intuitif. Kita sekarang
menggambarkan bagaimana risiko portofolio diukur dan ditangani secara
aktual. Pertama,
risiko portofolio diukur dengan standar deviasi keuntungannya. Persamaan
3-1 digunakan untuk menghitung standar deviasi ini

penilaian perusahaan dan risiko

Di Bab 1, kami memberi tahu Anda bahwa para manajer

harus berusaha untuk membuat perusahaan mereka lebih berharga
dan bahwa nilai sebuah perusahaan ditentukan
dengan ukuran, waktu, dan risikonyaarus kas bebas (free cash flow / FCF).
Bab ini menyediakan
wawasan tambahan tentang bagaimana mengukur a
risiko perusahaan

Berikut ini adalah standar deviasi portofolio; rpi adalah pengembalian

portofolio pada
Keadaan ekonomi; Rp adalah tingkat pengembalian yang diharapkan dari
portofolio; Pi adalah
probabilitas terjadinya keadaan ekonomi yang sebenarnya; dan ada n eco-
negara nomer Persamaan ini persis sama dengan standar deviasi standar
dari aset tunggal, kecuali di sini aset tersebut merupakan portofolio aset
(misalnya, a
reksadana).

Kovariansi dan Koefisien Korelasi

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:

Tanda negatif menunjukkan bahwa tingkat pengembalian Saham F dan G

cenderung
Bergerak dalam arah yang berlawanan: Bila G kembali besar, F kecil, seperti
yang ditunjukkan pada gambar
Panel b dari Gambar 3-1. Kovarians antara Saham F dan H adalah 10,8,
menunjukkan bahwa aset-aset ini
cenderung bergerak bersama, seperti ditunjukkan pada Panel c. Sebuah
kovarians nol, seperti antara Saham
E dan F, menunjukkan bahwa tidak ada hubungan antara variabel; itu adalah
variabel independen (Return E selalu 10 persen, jadi E 0%, dan
kovariansi E dengan aset apapun harus nol.)
Koefisien korelasi membakukan kovarians, yang memfasilitasi perbandingan
dengan menempatkan langkah-langkah pada skala yang sama. Koefisien
korelasi,
aku s
dihitung sebagai berikut untuk variabel A dan B:

Tanda koefisien korelasi sama dengan tanda kovariansi

tanda positif berarti bahwa variabel bergerak bersama, tanda negatif
menunjukkan
bahwa mereka bergerak dalam arah yang berlawanan, dan jika mendekati nol,
mereka bergerak secara independen
satu sama lain.
Bahkan,
Proses standardisasi membatasi korelasi
koefisien terhadap nilai antara 1,0
dan 1.0.
Akhirnya,
perhatikan bahwa persamaan
3-3
dapat dipecahkan untuk menemukan kovarians:

Dengan menggunakan persamaan 3-3, koefisien korelasi antara saham F dan G

adalah
1.0 (kecuali untuk pembulatan):
FG
4.8
(2.2) (2.2)
1.0
Kedua saham ini dikatakan berkorelasi sangat negatif. Seperti Panel b dari
Gambar
3-1 menunjukkan, kita bisa plot garis lurus pada semua poin. Dengan kata
lain, G's
kembali
adalah prediktor sempurna dari F's.
Kapan pun titik-titik itu terletak persis di garis,
harus
sama dengan 1,0 jika garis miring ke atas dan sama dengan 1,0 jika garis
miring ke bawah.
Koefisien korelasi antara Saham F dan H adalah 0,9. Jadi, kapan H
Kembalinya besar, kembalinya F juga biasanya besar. Tapi H bukan prediktor
sempurna dari Fs karena titik plotted mereka tidak terletak persis pada
garis lurus.

Kasus Dua Aset

Jika standar deviasi dan koefisien korelasi untuk pengembalian pada
individu
Sekuritas diketahui, persamaan sederhana namun sederhana secara operasional
dapat digunakan untuk menentukan risiko portofolio dua aset:

Ini adalah sebagian dari portofolio yang diinvestasikan dalam Security A,

jadi (1 wA) adalah
pecahan yang diinvestasikan dalam Security B. Kami menggambarkan persamaan
di bagian selanjutnya

Mengukur Risiko dalam Praktek

Persamaan 3-1 dan 3-2 adalah forward looking dalam arti bahwa mereka
menggunakan return in
keadaan ekonomi masa depan dan probabilitas kejadian masa depan ini di
perhitungan. Namun, para ekonom dan analis keuangan jarang melakukannya
dengan halus
mengasah harapan tentang masa depan Sebaliknya, mereka sering menggunakan
standar historis
penyimpangan dan kovarian aset sebagai prediksi mereka tentang standar masa
depan
penyimpangan dan kovarians. Jika pengembalian tahunan portofolio tertentu
atas masing - masing
n tahun sebelumnya telah r

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.

p, Rata-rata adalah rata-rata n historis kembali. Persamaan ini sangat

mirip
Persamaan 3-1 kecuali bahwa pengembalian historis digunakan sebagai
pengganti kembalinya masa depan
Keadaan ekonomi, dan bobotnya adalah 1 / (n 1) dan bukan Pi. Ini
Persamaan juga bisa digunakan untuk menghitung standar deviasi seseorang
pengembalian historis aset
Kovariansi dari sepasang pengembalian historis aset dapat dihitung di
cara yang sama. Ganti saja kembali masa depan dengan pengembalian historis
dalam Persamaan 3-2
dan ganti probabilitasnya dengan 1 / (n 1). Jika Saham A dan B memiliki
nilai historis
r

dimana r

A1, r

A2, ..., r

An dan r
B1, r
B2, ... r
Bn selama n tahun sebelumnya, kalau begitu
R

PORTOFOLIOS EFISIEN

Salah satu penggunaan penting konsep risiko portofolio adalah memilih

portofolio yang efisien, yang didefinisikan
sebagai portofolio yang memberikan tingkat pengembalian yang diharapkan
tertinggi untuk setiap tingkat risiko,
atau tingkat risiko terendah untuk setiap hasil yang diharapkan. Untuk
mengilustrasikan konsep tersebut,
asumsikan bahwa dua sekuritas, A dan B, tersedia, dan kita dapat
mengalokasikan dana kita
antara mereka dalam proporsi apapun. Misalkan Security A memiliki tingkat
yang diharapkan
pengembalian rA 5% dan deviasi standar pengembalian A 4%, sedangkan rB 8%
dan B 10%. Tugas pertama kami adalah menentukan sekumpulan portofolio yang
dapat dicapai, dan
kemudian dari set yang dapat dicapai ini untuk memilih subset yang efisien.
Untuk membangun set yang dapat dicapai, kita memerlukan data tentang
tingkat korelasi
antara dua hasil yang diharapkan sekuritas, AB. Mari kita bekerja dengan
tiga berbeda
diasumsikan derajat korelasi, AB 1.0, AB 0, dan AB 1.0, dan digunakan
mereka untuk mengembangkan hasil yang diharapkan portofolio, rp, dan
standar deviasi, hal.
(Tentu saja, hanya ada satu korelasi yang bisa ada; contoh kita hanya
menunjukkan tiga alternatif
situasi yang mungkin ada.)
Untuk
menghitung
Rp, kami menggunakan versi modifikasi dari Persamaan 2-5 dari Bab 2,
mengganti nilai yang diberikan untuk rA dan rB, dan kemudian menghitung rp
untuk nilai yang berbeda
dari wA.
Misalnya, saat wA
sama dengan 0,75, maka rp 5,75%:

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

MEMILIH PORTOFOLIO OPTIMAL

Dengan hanya dua aset, kumpulan portofolio yang layak adalah garis atau
kurva seperti yang ditunjukkan pada
kolom ketiga grafik kembali pada Gambar 3-2. Namun, jika kita ingin
meningkat
Jumlah aset, kita akan mendapatkan area seperti area teduh pada Gambar 3-3.
Poin A, H, G, dan E merupakan sekuritas tunggal (atau portofolio yang hanya
berisi
satu keamanan). Semua poin lainnya di daerah yang teduh dan batas-batasnya,
yang mana
terdiri dari set layak, merupakan portofolio dari dua atau lebih sekuritas.
Setiap
titik di daerah ini merupakan portofolio tertentu dengan risiko p dan yang
diharapkan
kembalinya rp. Misalnya, titik X merupakan salah satu risiko portofolio
tersebut dan
expected return, seperti halnya B, C, dan D.
Mengingat kumpulan portofolio potensial yang bisa dibangun dari
aset yang tersedia, portofolio mana yang harus benar-benar dipegang?
Pilihan ini melibatkan dua keputusan terpisah: (1) menentukan kumpulan
portofolio yang efisien dan (2) memilih
dari set efisien portofolio tunggal yang terbaik bagi investor tertentu.

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.

Portofolio Optimal untuk Investor

Gambar 3-5 juga menunjukkan kumpulan portofolio yang layak untuk kasus dua
aset, di bawah
asumsi bahwa AB 0, seperti yang dikembangkan pada Gambar 3-2. Portofolio
optimal

untuk setiap investor ditemukan pada titik singgung antara kumpulan

portofolio yang efisien
dan salah satu investor
kurva indiferen. Titik singgung ini menandai
paling tinggi
tingkat kepuasan yang dapat dicapai investor. Y,
siapa yang lebih menghindari risiko
dari
Bapak.
Z, memilih portofolio dengan tingkat pengembalian yang diharapkan lebih
rendah (sekitar 6 persen)
tapi
risiko hanya p
4,2%. Mr Z memilih portofolio yang memberikan perkiraan
Kembalinya sekitar 7,2 persen, namun memiliki risiko sekitar 7,1%.
Portofolio Ms. Y
lebih berat tertimbang dengan keamanan yang kurang berisiko,
sementara Mr.
Z
portofolio
mengandung
proporsi yang lebih besar dari keamanan yang lebih berisiko.
5

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.

PASAR MODAL DAN LINE MARKET KEAMANAN

Gambar 3-5 menunjukkan sekumpulan peluang portofolio untuk kasus dua aset,
dan itu
Diilustrasikan bagaimana kurva indiferen dapat digunakan untuk memilih
portofolio optimal
set yang layak. Pada Gambar 3-6, kami menunjukkan diagram serupa untuk
banyak kasus aset,
Tapi di sini kita juga memasukkan aset bebas risiko dengan rRF kembali.
Aset tanpa risiko oleh
Definisi memiliki risiko nol, 0%, sehingga diplot pada sumbu vertikal.
Angka tersebut menunjukkan rangkaian portofolio aset berisiko yang layak
(yang teduh
area) dan satu set kurva indiferen (I1, I2, I3) untuk investor tertentu.
Titik N,
dimana kurva indiferen I1 bersinggungan dengan set efisien, mewakili
kemungkinan
pilihan portofolio; Ini adalah titik pada serangkaian efisien portofolio
berisiko dimana
investor mendapatkan tingkat pengembalian tertinggi untuk sejumlah risiko
dan
tingkat risiko terkecil untuk tingkat pengembalian yang diharapkan.
Namun, investor bisa lebih baik dari Portofolio N; dia bisa mencapai a
kurva indiferen yang lebih tinggi. Selain seperangkat portofolio beresiko,
kita
sekarang memiliki aset bebas risiko yang memberikan return tanpa risiko,
rRF. Mengingat bebas risiko
Aset, investor dapat menciptakan portofolio baru yang menggabungkan aset
bebas risiko dengan
portofolio aset berisiko. Hal ini memungkinkan mereka mencapai kombinasi
risiko dan
Kembalikan pada garis lurus yang menghubungkan rRF dengan M, titik singgung
antara
garis lurus dan garis efisien portofolio aset berisiko.
Beberapa portofolio
pada baris rRFMZ
akan lebih disukai portofolio yang paling berisiko dengan efisien
perbatasan
BNME, jadi poin di jalur rRFMZ
sekarang mewakili yang terbaik yang dapat dicapai
kombinasi
risiko dan return.
Diberikan
peluang baru di sepanjang garis rRFMZ,
investor kami akan pindah dari
Titik
N to Point R, yang berada pada tingkat risiko / ketidakpedulian tertinggi
yang dapat dicapai
melengkung.
Perhatikan bahwa setiap titik pada BNME standar efisien lama (kecuali titik
8 Singgung M) didominasi oleh beberapa titik sepanjang garis rRZZZ. Secara
umum, sejak
investor dapat mencakup keamanan bebas risiko dan sebagian kecil dari
portofolio berisiko,
M, dalam portofolio, akan memungkinkan untuk pindah ke titik seperti R.
Selain itu,
jika
investor bisa meminjam sekaligus meminjamkan (pinjaman setara dengan
membeli bebas risiko
hutang
sekuritas) pada tingkat risiko, rRF,
adalah mungkin untuk bergerak keluar pada segmen garis
MZ, dan satu akan melakukannya jika kurva indiferennya bersinggungan
rRFMZ
di sebelah kanan Point M.
9
Semua investor harus memegang portofolio yang tergeletak di garis rRFMZ di
bawah kondisi
diasumsikan dalam CAPM. Ini menyiratkan bahwa mereka harus memegang
portofolio yang ada
kombinasi
dari keamanan bebas risiko dan portofolio berisiko M. Jadi, tambahannya
dari aset bebas risiko benar-benar mengubah set efisien: set efisien
sekarang terletak
sepanjang
baris rRFMZ
bukan di sepanjang kurva BNME. Juga, perhatikan bahwa jika modal
pasar
harus berada dalam ekuilibrium, M harus portofolio yang mengandung setiap
risiko
aset
sebanding dengan aset itu
sebagian dari total nilai pasar semua
aktiva;
Artinya, jika Security i adalah X persen dari total nilai pasar semua
sekuritas,
X
persen dari portofolio pasar M harus terdiri dari Security i. (Dengan kata
lain,
M
adalah portofolio dengan nilai pasar dari semua
aset berisiko dalam perekonomian.) Dengan demikian, semua investor harus
memegang portofolio yang terbentang di jalur rRFMZ, dengan yang khusus
lokasi portofolio individu tertentu ditentukan oleh titik di mana
Kurva indiferennya bersinggungan dengan garis.
Garis rRFMZ pada Gambar 3-6 disebut Capital Market Line (CML). Memiliki
sebuah pencegatan rRF dan kemiringan (rM rRF) / M.
Oleh karena itu, persamaan untuk
Capital Market Line dapat dinyatakan sebagai berikut:
10

Tingkat pengembalian yang diharapkan pada portofolio yang efisien sama

dengan tingkat risiko
ditambah premi risiko yang setara dengan (rM rRF) / M dikalikan dengan
portofolio
standar deviasi, hal. Dengan demikian, CML menentukan hubungan linier
antara a
pengembalian dan risiko portofolio yang efisien diharapkan, dengan
kemiringan keberadaan CML
sama dengan return yang diharapkan pada portofolio pasar saham berisiko,
rM, minus
tingkat bebas risiko, rRF, yang disebut premi risiko pasar, semuanya dibagi
oleh stan-
dard deviasi return pada portofolio pasar, M:
Misalnya, rRF 10%, rM 15%, dan M 15%. Lalu, itu
kemiringan CML adalah (15% 10%) / 15% 0,33, dan jika efisien tertentu
portofolio memiliki p
10%, maka rp nya akan
Rp 10% 0,33 (10%) 13,3%
Portofolio berisiko dengan p 20% akan memiliki rp 10% 0,33 (20%) 16,6%.
CML digambarkan dalam Gambar 3-7. Ini adalah garis lurus dengan mencegat di
rRF
dan kemiringan sama dengan premi risiko pasar (rM rRF) dibagi dengan M.
Kemiringan
dari CML mencerminkan sikap agregat investor terhadap risiko.
Perhatikan bahwa portofolio efisien adalah salah satu yang terdiversifikasi
dengan baik; maka semua nya
Risiko tidak sistematis telah dieliminasi dan satu-satunya risiko yang
tersisa adalah risiko pasar.
Oleh karena itu, tidak seperti saham individu, risiko portofolio efisien
diukur dengan
standar deviasi, hal. Persamaan CML menentukan hubungan antara risiko dan
Kembalikan portofolio yang efisien seperti itu, yaitu portofolio yang
terbentang di CML, dan di
persamaan dan grafik CML, risiko diukur dengan standar deviasi portofolio.
CML menentukan hubungan antara risiko dan pengembalian yang efisien
portofolio, tapi investor dan manajer lebih memperhatikan hubungannya
antara risiko dan pengembalian aset individu. Untuk mengembangkan hubungan
risk-return
untuk masing-masing efek, perhatikan pada Gambar 3-6 bahwa semua investor
diasumsikan
memegang
portofolio M, jadi M harus menjadi portofolio pasar, yaitu, yang berisi
semua saham Perhatikan juga bahwa M adalah efisien
portofolio. Dengan demikian, CML mendefinisikan
hubungan antara return yang diharapkan portofolio pasar dan standarnya
deviasi. Persamaan 3-5 dan 3-4 menunjukkan rumus untuk pengembalian yang
diharapkan dan
standar deviasi untuk portofolio dua aset, dan ada persamaan analog
untuk return yang diharapkan dan standar deviasi portofolio yang banyak
mengandung aset, seperti portofolio pasar.
11
Hal ini dimungkinkan untuk mengambil persamaan untuk
expected return dan standar deviasi portofolio multi-aset dan menunjukkan
hal itu
tingkat pengembalian yang diminta untuk setiap saham individual, J, harus
sesuai dengan yang berikut
persamaan agar CML bertahan untuk portofolio pasar:
Ingatlah bahwa premi risiko untuk pasar, RPM, adalah rM rRF. Menggunakan
definisi ini
dan menggantikan Persamaan 3-8 menjadi Persamaan 3-7 memberi Pasar Keamanan
Garis
(SML):
SML memberi tahu kami bahwa pengembalian yang dibutuhkan setiap saham sama
dengan riskfree
rate plus premium untuk bearing risk. Premi untuk risiko sama dengan
risikonya
premium
untuk pasar, RPM,
dikalikan dengan risiko saham individual, seperti
diukur
dengan koefisien beta-nya. Koefisien beta mengukur jumlah risiko
bahwa
saham berkontribusi pada portofolio pasar.
Tidak seperti
CML untuk portofolio terdiversifikasi dengan baik, SML memberi tahu kami
bahwa standarnya
penyimpangan (J)
dari saham individu tidak boleh digunakan untuk mengukur risikonya,
karena
beberapa risiko seperti yang tercermin dari J
bisa dieliminasi dengan diversifikasi. Beta
mencerminkan risiko setelah memperhitungkan diversifikasi, jadi beta, bukan
J,
digunakan untuk mengukur risiko saham individu terhadap investor. Pastikan
untuk mengingat
perbedaan antara SML dan CML, dan mengapa perbedaan itu ada

MENGHITUNG BETA KOEFISIEN

Persamaan 3-8 mendefinisikan beta, tapi ingat dari Bab 2 bahwa persamaan
untuk beta ini adalah
juga rumus untuk koefisien kemiringan dalam regresi return saham terhadap
return pasar Oleh karena itu, beta bisa dihitung dengan merencanakan
sejarah
pengembalian saham pada sumbu y dari grafik versus pengembalian historis
pasar
portofolio pada sumbu x, dan pas dengan garis regresi. Dalam artikelnya
tahun 1964 itu
set
Ke depan CAPM, Sharpe menyebut garis regresi ini karakteristiknya
garis.
Demikian,
beta saham adalah kemiringan garis karakteristiknya. Di Bab 2 kita
menggunakan ini
pendekatan untuk menghitung beta untuk General Electric. Dalam bab ini,
kita melakukan a
analisis lebih rinci tentang perhitungan beta untuk General Electric, dan
kita juga
Lakukan analisis serupa untuk portofolio saham, Fellity's Magellan Fund.

Menghitung Koefisien Beta

untuk Single Stock: General Electric
Tabel 3-3 menunjukkan sebagian data yang digunakan dalam analisis ini;
kumpulan data lengkap masuk
file IFM9 Ch03 Tool Kit.xls di ThomsonNOW. Tabel 3-3 menunjukkan pasar
return (didefinisikan sebagai persentase perubahan harga S & P 500), return
saham
untuk GE, dan keuntungan pada Magellan Fund (yang merupakan portofolio
terdiversifikasi dengan baik).
Meja
3-3 juga menunjukkan tingkat bebas risiko, yang didefinisikan sebagai
tingkat suku bunga dalam jangka pendek
KAMI.
Perbendaharaan
tagihan, yang akan kita gunakan nanti dalam analisis ini.
Seperti ditunjukkan Tabel 3-3, GE memiliki tingkat pengembalian rata-rata
tahunan sebesar 8,2 persen selama
periode empat tahun ini, sementara pasar memiliki tingkat pengembalian
rata-rata tahunan sebesar 4,8 persen

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

Model Pasar versus CAPM

Perhatikan bahwa ketika kita memperkirakan beta, kita menggunakan persamaan
regresi berikut:

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.

Menghitung Koefisien Beta untuk Portofolio:

Dana Magellan
Mari hitung beta untuk Magellan Fund, yang merupakan portofolio
terdiversifikasi dengan baik. Angka
3-9 menunjukkan hasil imbal hasil bulanan Magellan versus bulanan pasar
kembali Perhatikan perbedaan antara tabel ini dan tabel untuk GE
ditampilkan
Gambar 3-8. Poin untuk Magellan dikelompokkan secara ketat di sekitar
regresi
line, menunjukkan bahwa sebagian besar volatilitas Magellan dijelaskan oleh
pasar saham. R
lebih dari 0,98 mengkonfirmasikan kesimpulan visual ini. Kita juga bisa
melihat
dari Tabel 3-3 bahwa Magellan Fund memiliki standar deviasi 16,8 persen,
yang hanya sedikit lebih tinggi dari deviasi standar 16,5 persen pasar.

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

Manajer reksadana sering dievaluasi dengan kinerja yang disesuaikan dengan

risiko.
Tiga tindakan yang paling banyak digunakan adalah alfa Jensen, penghargaan
Sharpe-tovariability
perbandingan,
dan rasio reward-to-volatility Treynor. File Excel IFM9 Ch03
Tool.xls menunjukkan semua perhitungan untuk tindakan ini. Alfa Jensen,
yang merupakan
Mencegat regresi CAPM terhadap return berlebih, adalah 0,37 persen per
tahun untuk
Magellan, yang nampaknya mengindikasikan bahwa dana Magellan memiliki
kinerja kurang lancar.
Namun,
Pencegatan ini tidak berbeda secara statistik
nol.
Statistik talnya adalah 0,42,
yang sangat rendah nilainya sehingga bisa terjadi sekitar 68
persen
dari waktu kebetulan bahkan jika mencegat benar-benar nol. Jika
probabilitas ini
aku s
lebih besar dari 5 persen, seperti kasus Magellan, kebanyakan ahli
statistik akan melakukannya
enggan
untuk menyimpulkan bahwa Magellan's
kelebihan pengembalian 0,37
persen benar-benar buruk
dari
nol, dan bukan hanya hasil dari kesempatan murni.

Rasio reward-to-variability Sharpe didefinisikan sebagai rata-rata return

portofolio
(melebihi tingkat bebas risiko) dibagi dengan standar deviasi. Rasio Sharpe
untuk
Magellan selama empat tahun terakhir adalah 0,44, yang hampir sama dengan
Ukuran S & P 0,42.

Pengukuran reward-to-volatility Treynor didefinisikan sebagai rata-rata

return portofolio
(melebihi tingkat bebas risiko) dibagi dengan beta-nya. Bagi Magellan, ini
7,2 persen,
yang sedikit lebih buruk dari S & P 500's
rasio 0,69
persen. Semua seutuhnya,
itu
Dana Magellan nampaknya sedikit underperformed pasar, tapi mungkin
tidak
dengan jumlah yang signifikan secara statistik. Meskipun tidak jelas apakah
Magellan atau tidak
"Kalahkan pasar," hal itu secara dramatis mengurangi risiko yang dihadapi
investor visà-vis
risiko yang melekat pada saham individual yang dipilih secara acak.

Wawasan Tambahan tentang Risiko dan Pengembalian

CAPM memberikan beberapa wawasan tambahan mengenai hubungan antara risiko
dan kembali. Dalam ilustrasi berikut dari wawasan ini, kita akan
menggunakan GE untuk mewakili
Saham J:
1. Perkiraan masa depan pada Saham J diasumsikan memiliki hubungan linier
dari bentuk berikut ke pasar:

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

Masalah Lanjutan dalam Menghitung Beta

Betas umumnya diperkirakan dari garis karakteristik saham dengan
menjalankan linier
regresi antara return masa lalu pada saham yang bersangkutan dan return
masa lalu pada beberapa
indeks pasar Kami mendefinisikan betas yang dikembangkan dengan cara ini
sebagai beta sejarah. Namun,
Dalam kebanyakan situasi, ini adalah beta masa depan yang dibutuhkan. Hal
ini telah menyebabkan perkembangan
dari dua jenis beta yang berbeda: (1) beta disesuaikan dan (2) beta betas.
Disesuaikan
betas
sebagian besar berasal dari karya Marshall E. Blume, yang menunjukkan
beta betina sejati cenderung bergerak menuju 1.0 seiring berjalannya waktu.
Karena itu, kita bisa mulai dengan
beta statistik historis perusahaan yang murni, membuat penyesuaian untuk
masa depan yang diharapkan
bergerak menuju 1.0, dan menghasilkan beta yang disesuaikan yang rata-rata
akan menjadi a
Prediktor yang lebih baik dari beta masa depan daripada beta historis yang
tidak disesuaikan.
Value Line menerbitkan beta berdasarkan rumus ini:
Peneliti lain telah memperpanjang proses penyesuaian untuk memasukkan hal
mendasar tersebut
variabel risiko sebagai leverage keuangan, volatilitas penjualan,
dan sejenisnya. Tamat
produk
Inilah yang mendasar
beta.
Beta ini senantiasa disesuaikan untuk direnungkan
perubahan dalam operasi perusahaan dan struktur modal, sedangkan dengan
beta historis
(termasuk yang disesuaikan), perubahan tersebut mungkin tidak tercermin
sampai beberapa tahun
setelah beta perusahaan "benar" telah berubah.
Selaras betas jelas sangat bergantung pada beta historis yang tidak
disesuaikan,
dan begitu juga beta betis karena mereka benar-benar dihitung. Oleh karena
itu, dataran
beta sejarah lama, yang dihitung sebagai kemiringan garis karakteristik,
penting
Bahkan jika seseorang terus mengembangkan versi yang lebih eksotis. Dengan
pemikiran ini, seharusnya
Perlu dicatat bahwa beberapa kumpulan data yang berbeda dapat digunakan
untuk menghitung beta historis,
dan kumpulan data yang berbeda menghasilkan hasil yang berbeda. Berikut
adalah beberapa hal yang perlu diperhatikan:
1. Betas dapat didasarkan pada periode sejarah dengan panjang yang berbeda.
Sebagai contoh,
data untuk yang terakhir, dua, tiga, dan seterusnya, tahun bisa digunakan.
Kebanyakan orang
Yang menghitung betas saat ini menggunakan data lima tahun, namun pilihan
ini sewenang-wenang,
dan panjang waktu yang berbeda biasanya mengubah secara signifikan beta
yang dihitung untuk
sebuah perusahaan tertentu
2. Pengembalian dapat dihitung selama periode waktu yang berbeda-satu hari,
a
minggu, satu bulan, seperempat, satu tahun, dan seterusnya. Misalnya, jika
sudah
memutuskan untuk menganalisis data saham NYSE selama periode lima tahun,
lalu kita
mungkin mendapatkan 52 (5) 260 pengembalian mingguan untuk setiap saham dan
di pasar
indeks. Kami juga dapat menggunakan 12 (5) 60 imbal hasil bulanan, atau 1
(5) 5 tahunan
kembali Himpunan pengembalian pada setiap saham, betapapun besarnya
himpunannya,
kemudian akan mengalami kemunduran pada tingkat pengembalian pasar yang
sesuai untuk mendapatkan
stok beta Dalam analisis statistik, umumnya lebih baik untuk memiliki lebih
banyak
daripada pengamatan yang lebih sedikit, karena menggunakan lebih banyak
pengamatan umumnya mengarah pada
kepercayaan statistik lebih besar Ini menunjukkan penggunaan keuntungan
mingguan, dan, katakanlah,
lima tahun data, untuk ukuran sampel 260, atau bahkan pengembalian harian
untuk diam
ukuran sampel lebih besar Namun, periode holding yang lebih pendek, semakin
besar kemungkinannya
data menunjukkan "kebisingan" acak. Selain itu, semakin besar jumlah tahun
data, semakin besar kemungkinan posisi risiko dasar perusahaan telah
berubah.
Dengan demikian, pilihan baik jumlah tahun data maupun panjangnya
periode holding untuk menghitung tingkat pengembalian melibatkan trade-off
antara a
Keinginan untuk memiliki banyak pengamatan versus keinginan untuk
mengandalkan akhir-akhir ini dan akibatnya
data yang lebih relevan
3. Nilai yang digunakan untuk mewakili "pasar" juga merupakan pertimbangan
penting,
karena indeks yang digunakan dapat berpengaruh signifikan terhadap beta
yang dihitung. Banyak
analis hari ini menggunakan New York Stock Exchange Composite Index
(berdasarkan
lebih dari 2.000 saham biasa, dibobot oleh nilai masing-masing perusahaan),
tetapi yang lain menggunakan Indeks S & P 500. Secara teori, semakin luas
indeks, semakin baik
versi beta Memang, indeks harus benar-benar memasukkan imbal hasil pada
semua saham, obligasi,
sewa, bisnis swasta, real estat, dan bahkan "modal manusia." Sebagai
praktis
masalah,
namun,
kami tidak bisa mendapatkan data pengembalian yang akurat untuk sebagian
besar jenis lainnya
dari
aset, jadi masalah pengukuran sebagian besar membatasi kita pada indeks
saham.

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.

UJI EMPIRIS CAPM

Apakah CAPM's SML menghasilkan perkiraan yang masuk akal untuk pengembalian
saham yang diminta?
Literatur yang membahas tes empiris CAPM cukup luas, jadi kita
Bisa di sini hanya sinopsis beberapa karya kunci.

Pengujian Stabilitas Koefisien Beta

Menurut CAPM, beta yang digunakan untuk memperkirakan risiko pasar saham
seharusnya
mencerminkan perkiraan investor terhadap volatilitas masa depan saham
terkait dengan
pasar. Jelas, kita tidak tahu sekarang bagaimana saham akan berhubungan
dengan pasar
di masa depan, juga tidak kita ketahui bagaimana pandangan investor rata-
rata ini yang diharapkan
masa depan
volatilitas relatif
Semua yang kita miliki adalah data tentang volatilitas masa lalu,
yang bisa kita gunakan
untuk
plot garis karakteristik dan untuk menghitung historis
betas
Jika sejarah beta
telah stabil dari waktu ke waktu, maka tampaknya ada alasan bagi investor
untuk melakukannya
gunakan beta terakhir sebagai estimator volatilitas masa depan. Misalnya,
jika beta Stock J memiliki
Telah stabil di masa lalu, maka sejarahnya mungkin akan menjadi proxy yang
baik
yang ex ante, atau yang diharapkan, beta. Dengan "stabil" berarti kita jika
bJ dihitung dengan
data dari periode, katakanlah, 2002 sampai 2006, maka beta yang sama ini
(kira-kira)
harus ditemukan dari tahun 2007 sampai 2011.
Robert Levy, Marshall Blume, dan yang lainnya telah mempelajari soal beta
stabilitas secara mendalam
Levy menghitung beta untuk sekuritas individual, dan juga untuk
portofolio sekuritas, dalam rentang interval waktu. Dia menyimpulkan (1)
bahwa
Betas saham individu tidak stabil, sehingga masa lalu untuk sekuritas
individual
bukan merupakan penaksir yang baik dari risiko masa depan mereka, tapi (2)
beta portofolio itu
10 atau lebih saham yang dipilih secara acak cukup stabil, sehingga
portofolio terdahulu
beta adalah penaksir yang baik dari volatilitas portofolio masa depan.
Akibatnya, kesalahan di
beta sekuritas individu cenderung saling mengimbangi dalam portofolio.
Pekerjaan dari
Blume dan lainnya mendukung posisi ini.
Kesimpulan yang mengikuti dari studi stabilitas beta adalah bahwa CAPM
adalah
konsep yang lebih baik untuk menyusun portofolio investasi daripada
memperkirakan biaya
diperlukan pengembalian sekuritas individual.

Pengujian CAPM Berdasarkan Lereng SML

CAPM menyatakan bahwa ada hubungan linier antara keamanan yang dibutuhkan
tingkat pengembalian dan beta-nya. Selanjutnya, saat SML diberi grafik,
sumbu vertikal
mencegat harus rRF, dan tingkat pengembalian yang diperlukan untuk saham
(atau portofolio)
dengan b 1,0 harus rM, tingkat pengembalian yang dibutuhkan di pasaran.
Berbagai
peneliti telah mencoba untuk menguji validitas CAPM dengan menghitung betas
dan tingkat pengembalian yang terwujud, merencanakan nilai-nilai ini dalam
grafik seperti pada Gambar
3-10, dan kemudian mengamati apakah atau tidak (1) pencegatan sama dengan
rRF, (2)
plot linier, dan (3) garis melewati titik b 1.0, rM. Bulanan atau
tingkat pengembalian historis harian umumnya digunakan untuk saham, dan
kedua obligasi 30 hari
tarif tagihan dan Treasury jangka panjang
Tingkat bunga obligasi telah digunakan untuk memperkirakan
nilai
dari rRF
Juga, sebagian besar studi sebenarnya menganalisis portofolio daripada
individu
sekuritas karena beta keamanan sangat tidak stabil.
Sebelum
membahas hasil tes, sangat penting untuk mengenali itu walaupun
itu
CAPM adalah model ex ante, atau forward-looking, yang digunakan untuk
mengetesnya
sepenuhnya
historis. Ini menimbulkan masalah, karena tidak ada alasan untuk
mempercayainya
menyadari
tingkat pengembalian selama periode masa lalu harus sama dengan tarif
orang kembali berharap di masa depan. Juga, beta historis mungkin atau
mungkin tidak mencerminkan diharapkan risiko masa depan Kurangnya data ex
ante membuatnya sangat sulit untuk diuji
CAPM, tapi untuk apa itu layak, berikut adalah ringkasan dari hasil utama:
1. Bukti umumnya menunjukkan hubungan positif yang signifikan antara
realisasi
kembali dan beta Namun,
Kemiringan hubungan biasanya kurang
dari
yang diprediksi oleh CAPM.
2. Hubungan antara risiko dan return nampaknya linier. Studi empiris
tidak memberikan bukti kelengkungan yang signifikan dalam hubungan risiko /
pengembalian.
3. Pengujian yang mencoba menilai kepentingan relatif pasar dan perusahaan
tertentu
Risiko tidak menghasilkan hasil yang meyakinkan. CAPM menyiratkan bahwa
perusahaan itu spesifik
Risiko seharusnya tidak relevan, namun kedua jenis risiko tersebut
tampaknya positif
terkait dengan pengembalian keamanan; Artinya, tingkat pengembalian yang
lebih tinggi sepertinya dibutuhkan
mengimbangi
untuk diversifikasi dan risiko pasar. Namun,
bisa jadi itu
itu
Hubungan yang diamati mencerminkan masalah statistik dan bukan yang
sebenarnya
alam
dari pasar modal
4. Richard Roll telah mempertanyakan apakah secara konseptual mungkin untuk
menguji
CAPM.
Roll menunjukkan bahwa hubungan linier itulah yang peneliti terdahulu
Telah diamati pada grafik seperti Gambar 3-10 yang dihasilkan dari sifat
matematis
dari model yang diuji, maka temuan linearitas tidak membuktikan apa-apa
apapun tentang keabsahan CAPM. Gulungan
pekerjaan tidak disangkal
itu
CAPM, tapi dia menunjukkan bahwa hampir tidak mungkin membuktikan bahwa
investor
bertingkah
sesuai dengan ramalannya.
16
5. Jika CAPM benar-benar berlaku, harus berlaku untuk semua aset keuangan,
termasuk obligasi. Sebenarnya, saat obligasi diperkenalkan ke dalam
analisis, mereka melakukannya
bukan plot di SML. Ini mengkhawatirkan, untuk sedikitnya
Status CAPM saat ini
CAPM sangat menarik pada tingkat intelektual: logis dan rasional,
dan sekali seseorang bekerja melalui dan memahami teori, reaksinya
biasanya menerimanya tanpa pertanyaan. Namun, keraguan mulai timbul saat
seseorang
berpikir tentang asumsi yang menjadi dasar model, dan keraguan ini
adalah sebanyak diperkuat sebagai dikurangi oleh tes empiris. Pandangan
kita sendiri tentang
status CAPM saat ini adalah sebagai berikut:

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

M, rRF, dan betas sangat bervariasi tergantung pada

periode waktu dipelajari dan metode yang digunakan untuk memperkirakannya.
Jadi, meskipun
CAPM tampak tepat, perkiraan rJ yang ditemukan melalui penggunaannya tunduk
kesalahan yang berpotensi besar
3. Karena CAPM logis dalam arti bahwa itu mewakili cara menghindari risiko
Orang harus berperilaku, modelnya adalah alat konseptual yang berguna.
4. Adalah tepat untuk memikirkan banyak masalah keuangan dalam kerangka
kerja CAPM.
Namun,
penting untuk mengenali keterbatasan CAPM
kapan
menggunakannya dalam praktek

TEORI HARGA ARBITRAGE

CAPM adalah model satu faktor. Artinya, ini hanya menentukan risiko sebagai
fungsi saja
satu faktor, koefisien beta keamanan. Mungkin hubungan risk / return itu
lebih kompleks, dengan return saham yang dibutuhkan memiliki fungsi lebih
dari satu faktor. Misalnya, bagaimana jika investor, karena tarif pajak
pribadi untuk capital gain adalah
lebih rendah dari pada dividen, keuntungan modal nilai lebih tinggi
daripada dividen?
Kemudian, jika dua saham memiliki risiko pasar yang sama, saham tersebut
membayar dividen lebih tinggi
akan memiliki tingkat pengembalian yang lebih tinggi. Dalam hal ini,
diperlukan pengembalian
akan
menjadi fungsi dari dua faktor, risiko pasar dan kebijakan dividen.
Lebih lanjut,
Bagaimana jika banyak faktor yang dibutuhkan untuk menentukan ekuilibrium
risiko /
kembali
hubungan bukan hanya satu atau dua? Stephen Ross telah mengusulkan sebuah
pendekatan
disebut Arbitrase
Teori Harga (APT).
APT bisa memasukkan apapun
jumlah faktor risiko, sehingga return yang dibutuhkan bisa menjadi fungsi
dua, tiga,
empat, atau lebih banyak faktor. Kita harus mencatat pada awalnya bahwa APT
didasarkan pada kompleks
teori matematika dan statistik yang jauh melampaui lingkup ini
teks.
Juga, meski model APT banyak dibahas dalam literatur akademis, praktis
Penggunaan sampai saat ini terbatas. Namun, penggunaan bisa meningkat, jadi
siswa
setidaknya harus memiliki gagasan intuitif tentang apa itu APT