CHAPTER 7
ASSET PRICING MODELS
OLEH:
201880061
BEKASI
2020
7.1 The Capital Asset Pricing Model
Model penetapan harga aset modal (CAPM) memperluas teori pasar modal dengan
cara yang memungkinkan investor untuk mengevaluasi trade-off pengembalian risiko untuk
portofolio yang terdiversifikasi dan sekuritas individu.
Untuk melakukan ini, CAPM mendefinisikan ulang ukuran risiko yang relevan dari
total volatilitas menjadi hanya bagian yang tidak dapat didiversifikasi dari total volatilitas
tersebut (risiko sistematis). Ukuran risiko baru ini disebut koefisien beta, dan ini menghitung
tingkat risiko sistematis keamanan dibandingkan dengan portofolio pasar.
Menggunakan beta sebagai ukuran risiko yang relevan, CAPM kemudian
mendefinisikan kembali premi risiko yang diharapkan per unit risiko dengan cara yang
sepadan. Hal ini pada gilirannya mengarah sekali lagi ke ekspresi pengembalian yang
diharapkan yang dapat diuraikan menjadi (1) tingkat bebas risiko dan (2) premi risiko yang
diharapkan.
7.1.1 A Conceptual Development of the CAPM
Trade-off risk-return untuk portfolio yang sepenuhnya terdiversifikasi:
Salah satu cara mengatasi standar deviasi yang tidak sesuai karena mengganti dari σport
ke σi adalah mengecilkan tingkat σi dengan mengakujan σi dengan koefisien korelasi
antara return sekuritas i dan portfolio pasar (ri,m)
Persamaan 7.1 adalah CAPM. CAPM mendefinisikan kembali risiko dalam hal beta
sekuritas (ßi), yang menangkap porsi risiko saham yang tidak dapat terdiversifikasi relatif
terhadap pasar secara keseluruhan. Karena itu, beta dapat dianggap sebagai pengindeksan
risiko sistematis aset dengan portofolio pasar. Daripada menghitung premi risiko yang
berbeda untuk setiap sekuritas terpisah yang ada, CAPM menyatakan bahwa hanya
keseluruhan premi risiko pasar (E (Rm) - RFR) yang penting dan bahwa kuantitas ini
kemudian dapat disesuaikan dengan aset berisiko apa pun dengan meningkatkannya. atau
turun sesuai dengan risiko aset tersebut relatif terhadap pasar (ßi).
7.1.2 The Security Market Line
CAPM juga dapat diilustrasikan dalam bentuk grafik sebagai garis pasar keamanan
(SML). Gambar 7.1, Seperti CML, SML menunjukkan trade-off antara risiko dan
pengembalian yang diharapkan sebagai garis lurus yang memotong sumbu vertikal (titik
risiko nol) pada tingkat bebas risiko.Ada dua perbedaan penting antara CML dan SML.
Pertama, CML mengukur risiko total dengan deviasi standar investasi sementara SML
hanya mempertimbangkan komponen sistematis volatilitas investasi. Kedua, karena poin
pertama, CML hanya dapat diterapkan pada kepemilikan portofolio yang sudah sepenuhnya
terdiversifikasi, sedangkan SML dapat diterapkan pada aset individu atau kumpulan aset.
Determining the Expected Rate of Return for a Risky Asset. Untuk mendemonstrasikan
bagaimana kita akan menghitung tingkat pengembalian yang diharapkan atau diperlukan
dengan CAPM, lihat contoh ini, dengan asumsi kita telah menghitung beta:
RFR menjadi 5% (0,05), Expected return menjadi 9% (0,09), berarti premi risiko pasar 4%
(0,04). Dengan input ini, SML akan menghasilkan required rate of return untuk 5 saham
ini:
Dalam ekuilibrium, semua aset dan semua portofolio aset harus plot di SML. Artinya,
semua aset harus diberi harga sehingga perkiraan tingkat pengembaliannya, yang
merupakan tingkat pengembalian periode kepemilikan aktual yang Anda antisipasi,
konsisten dengan tingkat risiko sistematisnya.
Identifying Undervalued and Overvalued Assets. Asumsikan bahwa analis di perusahaan
pialang besar telah mengikuti lima saham dalam contoh sebelumnya. Berdasarkan analisis
ekstensif, mereka memberi Anda perkiraan harga dan informasi dividen untuk tahun depan,
seperti yang ditunjukkan pada Tampilan 7.2.
Tampilan 7.3 merangkum hubungan antara tingkat pengembalian yang disyaratkan untuk
setiap saham berdasarkan risiko sistematisnya, seperti yang dihitung sebelumnya, dan
perkiraan tingkat pengembaliannya. Perbedaan antara estimasi pengembalian dan
pengembalian yang diharapkan kadang-kadang disebut sebagai alpha yang diharapkan dari
saham atau kelebihan pengembaliannya. Alfa ini bisa positif (saham dinilai terlalu rendah)
atau negatif (saham dinilai terlalu tinggi). Jika alpha-nya nol (atau hampir nol), maka saham
tersebut ada di SML dan dinilai sesuai dengan risiko sistematisnya.
Plotting estimasi tingkat pengembalian dan beta saham ini di SML memberikan Tampilan
7.4. Saham A sangat dekat dengan line, sehingga dianggap bernilai karena estimasi return
hampis sama dengan ror . Saham B dan D overvalued, sehingga plot mereka dibawah SML.
Saham C&E undervalued, sehingga plot berada diatas line. Undervalued =beli, Overvalued
= jual
Calculating Systematic Risk. Ada dua cara penghitungan koefisien beta saham dalam
praktiknya. Pertama, mengingat pembahasan konseptual kami tentang CAPM, koefisien
beta untuk sekuritas i dapat dihitung langsung dari rumus berikut:
di mana, sebagai tambahan dari istilah yang didefinisikan sebelumnya, σ 2 m adalah varians
pengembalian untuk portofolio pasar dan Cov (Ri, RM) adalah kovarinsi antara
pengembalian ke sekuritas i dan pasar.
Alternatifnya, beta sekuritas juga dapat diperkirakan sebagai koefisien kemiringan dalam
persamaan regresi antara pengembalian ke sekuritas (Rit) dari waktu ke waktu dan
pengembalian (RMt) ke portofolio pasar:
dengan ai adalah penyadapan dari regresi dan εit adalah istilah kesalahan acak yang
memperhitungkan risiko tidak sistematis sekuritas i. Persamaan ini dikenal sebagai garis
karakteristik sekuritas dengan portofolio pasar.
The Impact of the Time Interval. Dalam praktiknya, jumlah observasi dan interval waktu
yang digunakan dalam penghitungan beta sangat bervariasi. Reilly dan Wright (1988)
menganalisis efek diferensial dari perhitungan pengembalian, indeks pasar, dan interval
waktu dan menunjukkan bahwa penyebab utama perbedaan beta adalah penggunaan interval
pengembalian bulanan versus mingguan. Juga, interval mingguan yang lebih pendek
menyebabkan beta yang lebih besar untuk perusahaan besar dan beta yang lebih kecil untuk
perusahaan kecil.
The Effect of the Market Proxy. Keputusan signifikan lainnya saat menghitung garis
karakteristik aset adalah seri indikator mana yang digunakan sebagai proxy untuk portofolio
pasar dari semua aset berisiko. Banyak penyelidik menggunakan Standard & Poor's 500
Composite Index sebagai proxy untuk portofolio pasar karena saham dalam indeks ini
mencakup sebagian besar dari total nilai pasar saham AS. Namun, seri ini didominasi oleh
saham-saham AS berkapitalisasi besar, sebagian besar terdaftar di NYSE. Sebaliknya,
portofolio pasar dari semua aset berisiko harus mencakup saham dan obligasi AS, saham
dan obligasi non-AS, real estat, koin, perangko, seni, barang antik, dan aset berisiko lainnya
yang dapat dipasarkan dari seluruh dunia.
Singkatnya, proksi pasar yang salah akan memengaruhi ukuran risiko beta dan posisi serta
kemiringan SML yang digunakan untuk mengevaluasi kinerja portofolio. Namun, ketahuilah
bahwa masalah benchmark tidak membatalkan CAPM sebagai model normatif harga aset;
mereka hanya menunjukkan masalah dalam pengukuran saat mencoba menguji teori dan saat
menggunakan model ini untuk mengevaluasi kinerja portofolio.
Istilah δ adalah beberapa faktor risiko yang diharapkan memengaruhi pengembalian ke semua
aset. Istilah bij menentukan bagaimana setiap aset bereaksi terhadap faktor persekutuan
tertentu ke-j.
Mirip dengan model CAPM, APT mengasumsikan bahwa efek unik (εi) bersifat independen
dan akan terdiversifikasi dalam portofolio besar. APT mensyaratkan bahwa dalam
ekuilibrium pengembalian atas investasi nol, portofolio risiko sistematis nol adalah nol ketika
efek unik sepenuhnya terdiversifikasi. Asumsi ini (dan beberapa manipulasi matematika)
menyiratkan bahwa pengembalian yang diharapkan pada setiap Aset i dapat dinyatakan
sebagai:
Tampilan 7.13 menggambarkan hubungan ini untuk dua faktor risiko (K 2).
7.4.1 Using the APT
Untuk menggambarkan bagaimana model APT bekerja, Asumsikan bahwa ada dua
faktor umum: satu terkait dengan perubahan tak terduga dalam tingkat inflasi dan yang
lainnya terkait dengan perubahan tak terduga pada tingkat PDB riil. Pertimbangkan contoh
dua saham dan model dua faktor berikut, dengan definisi dan sensitivitas faktor risiko
berikut:
Asumsikan juga bahwa ada dua aset (x dan y) yang memiliki sensitivitas berikut terhadap
faktor risiko umum berikut:
Kepekaan faktor ini dapat diinterpretasikan dengan cara yang sama seperti beta di CAPM;
Artinya, semakin tinggi tingkat bij, semakin besar sensitivitas Aset i terhadap perubahan
faktor risiko ke-j. Dengan demikian, Aset y adalah aset berisiko lebih tinggi daripada Aset x,
dan oleh karena itu, pengembalian yang diharapkan harus lebih besar. Rumus pengembalian
yang diharapkan secara keseluruhan adalah:
Posisi beban faktor dan pengembalian yang diharapkan untuk kedua aset ini diilustrasikan
dalam Tampilan 7.13. Jika harga kedua aset tidak mencerminkan pengembalian yang
diharapkan ini, kami mengharapkan investor untuk mengadakan pengaturan arbitrase yang
menjual aset yang terlalu mahal dan menggunakan hasil tersebut untuk membeli aset yang
kurang harga tersebut sampai harga yang relevan diperbaiki.
7.4.2 Security Valuation with the APT : An Example
Misalkan tiga saham (A, B, dan C) dan dua faktor risiko sistematis umum (1 dan 2)
memiliki hubungan berikut (untuk sederhananya, diasumsikan bahwa pengembalian beta-nol
[λ0] sama dengan nol):
Jika λ1 4 persen dan λ2 5 persen, maka return yang diharapkan pasar selama tahun
depan dapat dinyatakan sebagai:
Dengan asumsi bahwa ketiga saham saat ini dihargai $ 35 dan tidak membayar
dividen, menyiratkan harga yang diharapkan berikut setahun dari sekarang:
Jika sebenarnya harga saham A, B, C adalah $37,20, $37,80, $38,50. Saham A tidak
mencapai tingkaat harga dalam 1 tahun sesuai ekspetasi pengembalian investor, saham A
dinilai terlalu itnggi, Saham B undervalued, dan saham C sedikit undervalued. Strategi yang
diambil yaitu beli Saham B dan C, lalu short selling saham A.
Ide arbitrase tanpa risiko adalah untuk menyusun portofolio yang (1) tidak
memerlukan kekayaan bersih yang diinvestasikan pada awalnya dan (2) tidak akan
menanggung risiko sistematis atau tidak sistematis, tetapi (3) masih menghasilkan
keuntungan. Misalkan wi merepresentasikan persentase investasi pada Sekuritas i, syarat yang
harus dipenuhi dapat dituliskan secara formal sebagai berikut:
Dalam contoh ini, karena Saham A adalah satu-satunya yang dinilai terlalu tinggi,
asumsikan bahwa hanya Saham A yang benar-benar dijual pendek. Hasil penjualan singkat
Saham A kemudian dapat digunakan untuk membeli dua sekuritas yang dinilai terlalu rendah,
Saham B dan C. Untuk menggambarkan proses ini, pertimbangkan proporsi investasi berikut:
Bobot investasi ini menyiratkan pembuatan portofolio yang pendek yaitu dua saham
A untuk masing-masing satu saham dari Saham B dan satu saham C yang dimiliki lama.
Perhatikan bahwa portofolio ini memenuhi investasi bersih dan mandat risiko dari
perdagangan berbasis arbitrase:
ika dalam satu tahun harga benar-benar naik ke tingkat yang awalnya Anda "tahu"
akan terjadi, laba bersih dari menutup posisi pendek dan menjual kepemilikan panjang
adalah:
Jadi, dari portofolio di mana Anda tidak menginvestasikan kekayaan bersih dan tidak
mengasumsikan risiko bersih, Anda telah merealisasikan keuntungan positif. Ini adalah inti
dari investasi arbitrase dan merupakan contoh dari strategi perdagangan "panjang-pendek"
yang sering digunakan oleh dana lindung nilai.
Akhirnya, jika semua orang di pasar saat ini mulai percaya seperti yang Anda lakukan
tentang tingkat harga A, B, dan C di masa depan — tetapi mereka tidak merevisi perkiraan
mereka tentang pengembalian faktor yang diharapkan atau beta faktor untuk masing-masing
saham — maka harga saat ini untuk ketiga saham akan disesuaikan dengan perdagangan
arbitrase ke:
Dengan demikian, harga Saham A akan ditawar turun, sedangkan harga Saham B dan
C akan ditawar hingga perdagangan arbitrase di pasar saat ini tidak lagi menguntungkan.
Sebaliknya, masalah praktis utama yang terkait dengan penerapan APT adalah bahwa baik
identitas maupun jumlah pasti dari faktor risiko yang mendasari tidak dikembangkan oleh
teori dan oleh karena itu harus ditentukan secara ad hoc. Dengan kata lain, sebelum APT
dapat digunakan untuk menilai sekuritas atau mengukur kinerja investasi, investor harus
mengisi sejumlah besar informasi yang hilang tentang hubungan fundamental antara risiko
dan hasil yang diharapkan.
Upaya pertama untuk mengimplementasikan bentuk APT yang dapat digunakan bergantung
pada teknik statistik multivariat, seperti analisis faktor, di mana banyak periode
pengembalian terealisasi untuk sejumlah besar sekuritas dianalisis untuk mendeteksi pola
perilaku yang dapat dikenali. Sebuah temuan yang konsisten dari studi ini adalah bahwa
tampaknya ada tiga atau empat faktor "harga" (yang secara statistik signifikan), meskipun
peneliti tidak dapat menetapkan bahwa set faktor yang sama dihasilkan oleh subset yang
berbeda dari mereka. Sampel. Memang, kami juga melihat bahwa ketidakmampuan untuk
mengidentifikasi faktor risiko adalah batasan utama kegunaan APT. Jones (2001) dan
Ludvigson dan Ng (2007) memberikan beberapa ekstensi baru-baru ini.
Pendekatan berbeda untuk mengembangkan model empiris yang menangkap esensi APT
bergantung pada spesifikasi langsung dari bentuk hubungan yang akan diestimasi. Artinya
dalam model multifaktor, investor memilih jumlah dan identitas faktor risiko secara tepat
pada persamaan berikut
di mana Fjt adalah periode t kembali ke faktor risiko yang ditentukan ke j dan Rit dapat
diukur baik sebagai pengembalian nominal atau ekses untuk Sekuritas i. Keuntungan dari
pendekatan ini adalah investor mengetahui dengan tepat berapa banyak dan hal-hal apa saja
yang perlu diperkirakan. Kerugian utama dari model multifaktor adalah bahwa model ini
dikembangkan dengan sedikit panduan teoritis mengenai sifat sebenarnya dari hubungan
risiko-pengembalian. Dalam pengertian ini, mengembangkan model faktor yang berguna
adalah sebanyak bentuk seni sebagai latihan teoritis.
7.5.1 Multifactor Models in Practice
Berbagai macam spesifikasi faktor empiris telah digunakan dalam praktiknya. Setiap
model alternatif mencoba untuk mengidentifikasi sekumpulan pengaruh ekonomi yang secara
bersamaan cukup luas untuk menangkap nuansa utama dari risiko investasi tetapi cukup kecil
untuk memberikan solusi yang dapat diterapkan bagi investor. Dua pendekatan umum telah
digunakan. Pertama, faktor risiko dapat dilihat sebagai makroekonomi; yaitu, mereka
mencoba untuk menangkap variasi dalam alasan yang mendasari pengembalian aset dapat
berubah dari waktu ke waktu (misalnya, perubahan inflasi atau pertumbuhan PDB riil dalam
contoh yang dibahas sebelumnya). Di sisi lain, faktor risiko juga dapat dilihat pada tingkat
mikroekonomi dengan memfokuskan pada karakteristik relevan dari sekuritas itu sendiri,
seperti ukuran perusahaan yang bersangkutan atau beberapa rasio keuangannya.
Macroeconomic-Based Risk Factor Models. Satu model yang sangat berpengaruh
dikembangkan oleh Chen, Roll, dan Ross (1986), yang berhipotesis bahwa pengembalian
keamanan diatur oleh sekumpulan pengaruh ekonomi yang luas dengan cara berikut:
Para penulis membandingkan sensitivitas faktor risiko dari model mereka untuk beberapa
saham dan portofolio saham yang berbeda. Panel A dan B dari Tampilan 7.15 menunjukkan
estimasi faktor beta ini untuk saham tertentu (Reebok International Ltd.) versus Indeks S&P
500 dan untuk portofolio perusahaan kapitalisasi kecil versus portofolio perusahaan
kapitalisasi besar. Yang juga termasuk dalam grafik ini adalah eksposur keamanan atau
portofolio terhadap indeks risiko gabungan BIRR, yang dirancang untuk menunjukkan posisi
mana yang memiliki risiko sistematis paling keseluruhan. Perbandingan ini menyoroti
bagaimana model multifaktor dapat membantu investor membedakan sifat risiko yang
mereka asumsikan ketika mereka memegang posisi tertentu. Misalnya, perhatikan bahwa
Reebok memiliki eksposur yang lebih besar ke semua sumber risiko daripada S&P 500.
Selain itu, perusahaan yang lebih kecil lebih terpapar pada siklus bisnis dan risiko
kepercayaan daripada perusahaan besar tetapi lebih sedikit terkena risiko horizon.
Dalam spesifikasi ini, SMB dirancang untuk menangkap elemen risiko yang terkait
dengan ukuran perusahaan, sedangkan HML dimaksudkan untuk membedakan perbedaan
risiko yang terkait dengan perusahaan "nilai" (book to market tinggi) dan "pertumbuhan"
(rasio book-to-market rendah) . Seperti yang kita lihat sebelumnya, ini adalah dua dimensi
sekuritas — atau portofolio sekuritas — yang secara konsisten terbukti penting ketika
mengevaluasi kinerja investasi. Juga, perhatikan bahwa tanpa SMB dan HML model ini
mengurangi bentuk pengembalian berlebih dari model pasar indeks tunggal.
Fama dan French meneliti perilaku sampel luas saham yang dikelompokkan ke dalam
portofolio berdasarkan rasio harga terhadap pendapatan (P / E) mereka setiap tahun selama
periode Juli 1963 hingga Desember 1991. Hasil untuk indeks tunggal dan versi multifaktor
dari model untuk dua kuintil ekstrim ditunjukkan pada Tampilan 7.16 (statistik t untuk
estimasi koefisien dicantumkan dalam tanda kurung). Perhatikan bahwa meskipun ada
perbedaan substansial antara saham P / E rendah dan tinggi (beta indeks tunggal 0,94 versus
1,10), kesenjangan ini secara dramatis berkurang dalam spesifikasi multifaktor (1,03 versus
0,99). Hal ini menunjukkan bahwa portofolio pasar dalam model satu faktor berfungsi
sebagai proxy untuk beberapa, tetapi tidak semua, dimensi risiko tambahan yang disediakan
oleh SMB dan HML. Selanjutnya, saham dengan P / E rendah cenderung berkorelasi positif
dengan premi perusahaan kecil, tetapi sebaliknya tidak berlaku untuk saham dengan P / E
tinggi.
Terakhir, saham P / E rendah juga cenderung memiliki rasio book-to-market tinggi,
sedangkan saham P / E tinggi cenderung memiliki rasio book-to-market rendah (estimasi
parameter HML masing-masing 0,67 dan 0,50). Tidak mengherankan, tingkat relatif P / E
dan rasio buku-ke-pasar keduanya umumnya digunakan dalam praktik untuk
mengklasifikasikan pertumbuhan dan nilai saham.
Carhart (1997) secara langsung memperluas model tiga faktor Fama-Prancis dengan
memasukkan faktor risiko umum keempat untuk menjelaskan kecenderungan perusahaan
dengan pengembalian masa lalu yang positif (negatif) untuk menghasilkan pengembalian
masa depan yang positif (negatif). Dia menyebut dimensi risiko tambahan ini sebagai faktor
momentum harga dan memperkirakannya dengan mengambil rata-rata pengembalian ke
sekumpulan saham dengan kinerja terbaik selama tahun sebelumnya dikurangi pengembalian
rata-rata ke saham dengan pengembalian terburuk. Dengan cara ini, Carhart mendefinisikan
faktor momentum — diberi label di sini sebagai MOM — dengan cara yang mirip dengan
SMB dan HML. Secara formal model yang ia usulkan adalah:
Dia mendemonstrasikan bahwa sensitivitas faktor tipikal (faktor beta) untuk variabel
momentum adalah positif, dan dimasukkannya ke dalam model Fama-French meningkatkan
kekuatan penjelas sebanyak 15 persen. Persamaan 7.9 sering disebut sebagai model empat
faktor Fama-French.
Fama dan French (2015) mengembangkan ekstensi mereka sendiri dari model tiga
faktor asli dengan menambahkan dua persyaratan tambahan untuk memperhitungkan kualitas
perusahaan: eksposur risiko profitabilitas perusahaan dan eksposur risiko investasi
perusahaan. Secara khusus, mereka menciptakan model risiko lima faktor dengan
memperluas spesifikasi aslinya dalam Persamaan 7.8 sebagai berikut:
dimana istilah baru didefinisikan:
RMW kuat dikurangi lemah) = kembali ke portofolio saham dengan profitabilitas
tinggi dikurangi pengembalian ke portofolio saham dengan profitabilitas rendah
CMA konservatif dikurangi agresif) = pengembalian portofolio saham perusahaan
investasi rendah (pertumbuhan total aset rendah) dikurangi pengembalian portofolio
saham pada perusahaan dengan pertumbuhan cepat dalam total aset
Dalam Panel B dan C dari Tampilan 7.19, perhitungan pengembalian berlebih yang
diharapkan ini diringkas untuk ketiga saham menggunakan dua perkiraan premia risiko faktor
yang berbeda: (1) data historis dari periode 2002-2016 dan (2) satu set perkiraan hipotetis.
Misalnya, estimasi premi risiko yang diharapkan untuk AAPL menggunakan data faktor
risiko historis adalah:
Perkiraan dalam Tampilan 7.19 tampaknya masuk akal. Selain itu, perkiraan
pengembalian saham yang diharapkan yang dihasilkan oleh estimasi faktor hipotetis secara
seragam lebih rendah daripada yang dihasilkan dengan menggunakan data historis. Akhirnya,
model tiga faktor dan empat faktor menghasilkan prakiraan yang cukup sebanding untuk
ketiga saham, meskipun mengabaikan baik eksposur MOM positif (ISBC) atau negatif
(AAPL dan CVX) tampaknya menjadi masalah.
Comparing Mutual Fund Risk Exposures. Untuk mendapatkan pemahaman yang
lebih baik tentang bagaimana sensitivitas faktor risiko diperkirakan pada tingkat portofolio,
pertimbangkan pengembalian yang dihasilkan oleh dua reksa dana populer: Fidelity's
Contrafund (FCNTX) dan T. Rowe Price's Mid-Cap Value Fund (TRMCX). Morningstar
Inc., layanan penasihat saham dan reksa dana independen, mengklasifikasikan gaya investasi
FCNTX ke dalam kategori "pertumbuhan kapitalisasi besar". Ini berarti bahwa kepemilikan
ekuitas khas FCNTX dicirikan sebagai perusahaan kapitalisasi pasar besar yang P / E dan
rasio bookto-marketnya melebihi rata-rata perusahaan di pasar.
Tampilan 7.20 menunjukkan halaman contoh untuk FCNTX dari situs web akses
publik Morningstar dan menunjukkan secara grafis di mana dana tersebut cocok dengan
"kotak gaya" investasi pada tanggal pelaporan di 2017. Sebaliknya, seperti yang ditunjukkan
dalam Tampilan 7.21, Morningstar memplot TRMCX ke dalam kategori "nilai kapitalisasi
menengah", yang berarti bahwa portofolio secara umum menekankan perusahaan yang lebih
kecil daripada FCNTX serta perusahaan yang mendekati tengah spektrum pertumbuhan nilai.
Jadi, dengan asumsi bahwa sistem klasifikasi Morningstar bermakna, kedua dana tersebut
harus berbeda dalam hal sensitivitas relatif terhadap faktor UKM dan HML.
Menggunakan pengembalian bulanan selama April 2014 hingga Maret 2017,
parameter risiko untuk kedua dana diperkirakan relatif terhadap tiga spesifikasi yang berbeda:
(1) model faktor tunggal menggunakan Indeks 500 Standard & Poor sebagai proxy untuk
portofolio pasar, (2) a model faktor tunggal menggunakan indeks komposit yang lebih luas
dari pasar saham AS sebagai proxy pasar, dan (3) model tiga faktor Fama-Prancis
menggunakan komposit pasar AS. Hasil estimasi ini dirangkum dalam Tampilan 7.22.