NIM : 2002112940
Mata Kuliah : Investasi dan Manajemen Portofolio (B)
Tugas 9
BAB 10
MODEL INDEKS TUNGGAL
A. PENDAHULUAN
William Sharpe (1963) mengembangkan model yang disebut dengan model indeks
tunggal (single-index model). Model ini dapat digunakan untuk menyederhanakan
perhitungan di model Markowitz dengan menyediakan parameter-parameter input
yang dibutuhkan di dalam perhitungan model Markowitz. Di sampimg itu, model
indeks tunggal dapat juga digunakan untuk menghitung return ekspektasian dan risiko
portofolio.
Ri = ai + βi. RM
Keterangan:
Ri: return sekuritas ke-i
ai: suatu variabel acak yang menunjukkan komponen dari retuen sekuritas ke-i yang
independen terhadap kinerja pasar
βi: beta, yang merupakan koefisien yang mengukur perubahan Ri akibat dari
perubahan RM
RM: tingkat return dari indeks pasar, juga merupakan suatu variabel acak
Variabel ai merupakan komponen return yang tidak tergantung dari return pasar.
Variabel ai dapat dipecah menjadi nilai yang diekspektasi (expected value) αi dan
kesalahan residu (residual error) ei sebagai berikut:
ai = αi + ei
Ri = αi + βi . RM + ei
Keterangan:
αi: nilai ekspektasian dari return sekuritas yang independen terhadap return pasar
ei: kesalahan residu yang merupakan variabel acak dengan nilai ekspektasiannya sama
dengan nol atau E(ei) = 0
Model indeks tunggal membagi return dari suatu sekuritas ke dalam dua komponen,
yaitu sebagai berikut:
1. Komponen return yang unik diwakili oleh αi yang independen terhadap return pasar
2. Komponen return yang berhubungan dengan return pasar yang diwakili oleh βi.RM
Bagian return yang unik (αi) hanya berhubungan dengan peristiwa mikro (micro
event) yang mempengaruhi perusahaan tertentu saja, tetapi tidak mempengaruhi
semua perusahaan-perusahaan secara umum. Contoh dari peristiwa-peristiwa mikro
misalnya adalah pemogokan karyawan, kebakaran, penemuan-penemuan penelitian
dan lain sebagainya. Bagian return yang berhubungan dengan return pasar
ditunjukkan oleh Beta (βi) yang merupakan sensitivitas return suatu sekuritas terhadap
return dari pasar. Secara konsensus, return pasar mempunyai Beta bernilai 1. Seuatu
swkuritas yang mempunyai Beta bernilai 1,5 misalnya mempunyai arti bahwa
perubahan return pasar sebesar 1% akan mengakibatkan perubahan retuen dari
sekuritas tersebut dengan arah yang sama sebesar 1,5%.
Model indeks tunggal dapat juga dinyatakan dalam bentuk return ekspektasian
(expected return). Return ekspektasian dari model ini dapat di derivasi sebagai
berikut:
Dari properti ke-2 di bab 6 diketahui bahwa nilai ekspektasian dari suatu konstanta
adalah bernilai konstanta itu sendiri, maka E(αi) = αi dan E(βi.RM) = βi.E(RM) dan
secara konstruktif nilai E(ei) = 0, maka return ekspektasian model indeks tunggal
dapat dinyatakan sebagai:
E(Ri) = αi + βi.E(RM)
Contoh:
Misalnya return ekspektasian dari indeks pasar E(RM) adalah sebesar 20%, bagian
dari return ekspektasian suatu sekuritas yang independen terhadap pasar (αi) adalah
sebesar 4% dan βi adalah sebesar 0,75. model indeks tunggal mengestimasi besarnya
return ekspektasian untuk sekuritas ini sebesar:
Sedang besarnya nilai return realisasian berdasarkan model indeks tunggal untuk
sekuritas ini adalah sebesar:
Ri = 19% + ei
Dari contoh diatas terlihat bahwa nilai return realisasian merupakan nilai return
ekspektasian ditambah dengan kesalahan residu. Jika ternyata nilai return realisasi
nantinya sama dengan nilai return yang diharapkan, berarti investor mengestimasi
nilai return ekspektasian tanpa kesalahan. Jika ternyata nilai return realisasi, sebesar
misalnya 21%, maka besarnya kesalahan estimasi (ei) adalah sebesar 21% - 19% =
2%.
C. ASUMSI-ASUMSI
Model indeks tunggal menggunakan asumsi-asumsi yang merupakan karakteristik
model ini sehingga menjadi berbeda dengan model-model yang lainnya. Asumsi
utama dari model indeks tunggal adalah kesalahan residu dari sekuritas ke-i tidak
berkovari dengan kesalahan residu sekuritas ke-j atau ei tidak berkovarasi
(berkorelasi) menjadi ej untuk semua nilai dari i dan j. Asumsi ini secara matematis
dapat dituliskan sebagai:
Cov (ei,ej) = 0
Karena secara konstruktif bahwa E(ei) dan E(ej) adalah sama dengan nol, maka:
sehingga asumsi bahwa kesalahan residu untuk sekuritas ke-i tidak mempunyai
korelasi dengan kesalahan residu untuk sekuritas ke-j dapat ditulis:
E(ei. ej) = 0
Return indeks pasar (RM) dan kesalahan residu untuk tiap-tiap sekuritas (ei)
merupakan variabel-variabel acak. Oleh karena itu, diasumsikan bahwa ei tidak
berkovari dengan return indeks pasar RM. Asumsi kedua ini dapat dinyatakan secara
matematis sebagai:
Cov(ei,RM) = 0
Dengan demikian, asumsi kedua dari model indeks tunggal dapag dituliskan sebagai:
Ingat bahwa E[(RM - E(RM)]² merupakan varian dari return pasar (σM²) dan E[RM -
E(RM) . ei] adalah sama dengan nol sesuai dengan asumsi kedua dari model indeks
tunggal, maka rumus varian diatas dapat ditulis:
σi² = βi² . σM² + 0 + E[ei]²
Nilai E[ei]² dapat ditulis sebagai E[ei - 0]² dan karena secara konstruktif bahwa
E(ei)=0, maka nilai 0 selanjutnya juga dapat diganti dengan nilai E(ei), sehingga nilai
E[ei]² dapat ditulis dengan arti yang sama dengan E[ei - E(ei)]² dan nilai ini
merupakan varian dari kesalahan residu untuk sekuritas ke-i (σei²). Dengan
mensubstitusi E[ei]² dengan σei², maka rumus varian return sekuritas berdasarkan
model indeks tunggal adalah
Risiko (varian return) sekuritas yang dihitung berdasarkan model ini terdiri dari dua
bagian, yaitu risiko yang dapat beehubungan dengan pasar (market related risk) yaitu
βi² . σM² dan risiko unik masing-masing perusahaan (unique risk) yaitu σei².
Untuk model indeks tunggal, nilai Ri, Rj, E(Ri), dan E(Rj) dapat disubstitusikan
menggunakan persamaan rumus Ri dan E(Ri), sehingga kovarian return menjadi:
Atau
σij = βi . βj . σM²
F. PARAMETER-PARAMETER INPUT UNTUK MODEL MARKOWITZ
Model indeks tunggal dapat digunakan untuk menghitung return ekspektasian (E(Ri)),
varian dari sekuritas (σi²) dan kovarian antar sekuritas (σij) yang merupakan
parameter-parameter input untuk analisis portofolio menggunakan model Markowitz.
Maksudnya adalah bahwa hasil dari model indeks tunggal ini yaitu rumus E(Ri),
rumus σi², dan rumus σij dapat digunakan sebagai input untuk mengitung return
ekspektasian dan risiko portofolio menggunakan model Markowitz.
βp = Σ wi . βi
2. Alpha dari portofolio (αp) juga merupakan rata-rata tertimbang dari Alpha tiap-tiap
sekuritas (αi):
αp = Σ wi . αi
E(Rp) = αp + βp . E(RM)
2. Risiko Portofolio
Varian dari suatu sekuritas yang dihitung berdasarkan model indeks tunggal telah
diuraikan dan dapat dilihat pada persamaan σi². Varian dari sekuritas ini adalah
sebagai berikut:
Kenyataannya bahwa sekuritas berkovari atau berkorelasi satu dengan yang lainnya
membuat model pasar lebih realistis. Model pasar ini banyak digunakan oleh peneliti-
peneliti pasar modal untuk menghitung abnormal return. Bentuk model pasar yang
sama dengan bentuk model indeks tunggal mempunyai return dan return ekspektasian
sebagai beeikut:
Ri = αi + βi . RM + ei
dan
E(Ri) = αi + βi . E(RM)
Keterangan:
ERBi: excess return to beta sekuritas ke-i
E(Ri): return ekspektasian berdasarkan model indeks tunggal untuk sekuritas ke-i
RBR: return aktiva bebas risiko
βi: beta sekuritas ke-i
Excess return didefenisikan sebagai selisih return ekspektasian dengan return aktiva
bebas risiko. Excess return to beta berarti mengkur kelebihan returnrelatif terhadap
satu unit risiko yang tidak dapat didiversifikasikan yang diukur dengan Beta. Risiko
ERB ini juga menunjukkan hubungan anatar dua faktor penentu investasi, yaitu return
dan risiko.
Portofolio yang optimal akan berisi dengan aktiva-aktiva yang mempunyai nilai rasio
ERB yang tinggi. Aktiva-aktiva dengan rasio ERB yang rendah tidak akan
dimasukkan ke dalam portofolio optimal. Dengan demikian diperlukan sebuah titik
pembatas (cut off point) yang menentukan batas nilai ERB berapa yang dikatakan
tinggi. Besarnya titik pembatas ini dapat dutentukan dengan langkah-langkah sebagai
berikut ini:
Ai = [E(Ri) - RBR] . βi
σei²
Dan
Bi = βi²
σei²
Keterangan:
σei²: varian dari kesalahan residu sekuritas ke-i yang juga merupakan risiko unik atau
risiko tidak sistematik.
3. Hitung nilai Ci
Ci = σM² Σ Aj
1 + σM² Σ Bj
Keterangan:
σM²: varian dari return indeks pasar
Ci adalah nilai C untuk sekuritas ke-i yang dihitung dari kumulasi nilai-nilai A1
sampai dengan Ai dan nilai-nilai B1 sampai dengan Bi. Misalnya C3 menunjukkan
nilai C untuk sekuritas ke-3 yang dihitung dari kumulasi A1, A2, A3 dan B1, B2, B3.
1. Besarnya cut off point (C*) adalah nilai Ci di mana nilai ERB terakhir kali
masih lebih besar dari nilai Ci
2. Sekuritas-sekuritas yang membentuk portofolio optimal adalah sekuritas-
sekuritas yang mempunyai nilai ERB lebih besar atau sama dengan nilai ERB di
titik C*. Sekuritas-sekuritas yang mempunyai ERB lebih kecil dengan ERB titik
C* tidak diikutsertakan dalam pembentukan portofolio optimal.
wi = Zi/k
Σ Zi
Dengan nilai Zi adalah sebesar:
Keterangan:
wi: proporsi sekuritas ke-i
k: jumlah sekuritas di portofolio optimal
βi: beta sekuritas ke-i
σei²: varian dari kesalahan residu sekuritas ke-i
ERBi: excess return to beta sekuritas ke-i
C*: nilai cut off point yang merupakan nilai Ci terbesar
Jogiyanto H.M (JO). 2015. Teori Portofolio dan Analisis Investasi, edisi kesebelas.
BPFE UGM Yogyakarta.