Translate Mankeu Chap 6

Machine Translated by Google
Bab 6
Risiko dan Pengembalian
Betapa berbedanya satu tahun! Pada awal 2016, banyak investor membeli saham di perusahaan
NASDAQ Madrigal Pharmaceuticals dan Frontier Communications. Pada akhir tahun, Madrigal telah
naik 500% sementara Frontier turun 87% (namun masih tetap terdaftar di NASDAQ). Keuntungan
dan kerugian besar tidak terbatas pada perusahaan kecil. Investor merasa senang dengan Vertex
Pharmaceuticals, naik 100% sepanjang tahun ini. Di sisi lain, Under Armour Inc. turun 50%.
Apakah investor di Frontier dan Under Armour membuat keputusan yang buruk? Sebelum Anda
menjawab, misalkan Anda membuat keputusan pada Januari 2016, dengan informasi yang tersedia
saat itu. Anda sekarang tahu bahwa hasil keputusan itu buruk, tetapi itu tidak berarti keputusan itu
sendiri dibuat dengan buruk. Investor pasti sudah tahu bahwa saham-saham ini berisiko, dengan
peluang untung atau rugi. Tetapi mengingat informasi yang tersedia bagi mereka, mereka pasti
berinvestasi dengan harapan mendapatkan keuntungan. Bagaimana dengan investor di Madrigal
dan Vertex? Mereka juga menyadari harga saham bisa turun atau naik tapi mungkin terkejut bahwa
saham naik begitu banyak.
Contoh-contoh ini menunjukkan bahwa apa yang Anda harapkan terjadi dan apa yang
sebenarnya terjadi seringkali sangat berbeda—dunia penuh risiko! Oleh karena itu, penting bagi
Anda untuk memahami risiko dan cara mengelolanya. Saat Anda membaca bab ini dan memikirkan
risiko, ingatlah perusahaan-perusahaan ini.
243
Hak Cipta 2020 Cengage Learning. Seluruh hak cipta. Tidak boleh disalin, dipindai, atau digandakan, seluruhnya atau sebagian. Karena hak elektronik, beberapa konten pihak ketiga mungkin disembunyikan dari eBuku dan/atau eBab.
Tinjauan editorial telah menganggap bahwa konten yang disembunyikan tidak secara material mempengaruhi pengalaman belajar secara keseluruhan. Cengage Learning berhak untuk menghapus konten tambahan kapan saja jika pembatasan hak berikutnya mengharuskannya.
244 Bagian 3 Saham dan Opsi
Nilai Intrinsik, Risiko, dan Pengembalian
Nilai intrinsik perusahaan adalah nilai sekarang dari arus kas bebas masa depan mengukur risiko perusahaan dan tingkat pengembalian yang diharapkan oleh
yang diharapkan (FCF) yang didiskontokan pada biaya modal rata-rata tertimbang pemegang saham, yang mempengaruhi WACC. Semua hal lain dianggap sama,
(WACC). Bab ini menunjukkan kepada Anda bagaimana caranya risiko yang lebih tinggi meningkatkan WACC, yang mengurangi nilai perusahaan.
Operasi bersih 2
Investasi yang dibutuhkan
untung dari pajak dalam modal operasional
Arus kas gratis

5
(FCF)
FCF1 FCF2 FCF`

Nilai 5 1 … 11
(1 1 WACC)1 (1 1 WACC)2 (1 1 WACC)
`
tertimbang
biaya rata-rata
modal (WACC)
Suku bunga pasar Campuran hutang/ekuitas perusahaan

Biaya hutang
Biaya ekuitas
Penghindaran risiko pasar Risiko bisnis perusahaan
sumber Dalam bab ini, kita mulai dari premis dasar bahwa investor menyukai pengembalian dan tidak menyukai risiko; ini
Situs Web buku teks disebut penghindaran risiko. Oleh karena itu, orang akan berinvestasi dalam aset yang relatif berisiko hanya jika
berisi file Excel yang akan
mereka mengharapkan untuk menerima pengembalian yang relatif tinggi: semakin tinggi risiko yang dirasakan,
memandu Anda melalui
perhitungan bab.
semakin tinggi tingkat pengembalian yang diharapkan yang akan diminta oleh investor. Dalam bab ini, kami
File untuk bab ini adalah mendefinisikan dengan tepat apa arti istilah "risiko" yang berkaitan dengan investasi, kami memeriksa prosedur
Ch06 Tool Kit.xlsx, dan
yang digunakan untuk mengukur risiko, dan kami membahas lebih tepatnya hubungan antara risiko dan pengembalian yang diminta.
kami mendorong Anda untuk
Dalam bab-bab selanjutnya, kami memperluas hubungan ini untuk menunjukkan bagaimana risiko dan pengembalian
membuka file dan mengikuti
saat Anda membaca bab ini. berinteraksi untuk menentukan harga sekuritas. Manajer harus memahami dan menerapkan konsep ini saat mereka
merencanakan tindakan yang akan membentuk masa depan perusahaan mereka, dan investor harus memahaminya
untuk membuat keputusan investasi yang tepat.
6-1 Pengembalian dan Risiko Investasi

Dengan sebagian besar investasi, individu atau bisnis menghabiskan uang hari ini dengan harapan mendapatkan
lebih banyak uang di masa depan. Namun, sebagian besar investasi berisiko. Berikut adalah definisi singkat
tentang pengembalian dan risiko.
6-1a Pengembalian Investasi

Konsep pengembalian memberi investor cara yang nyaman untuk mengekspresikan kinerja keuangan suatu
investasi. Sebagai ilustrasi, misalkan Anda membeli 10 lembar saham seharga $1.000. Saham tidak membayar
dividen, tetapi pada akhir 1 tahun, Anda menjual saham seharga $1.100.
Berapa laba atas investasi $1.000 Anda?
Bab 6 Risiko dan Pengembalian 245
Salah satu cara untuk menyatakan pengembalian investasi adalah dalam bentuk dolar:
Pengembalian dolar 5 Jumlah yang akan diterima 2 Jumlah yang diinvestasikan
5 $1.100 2 $1.000
5 $100
Jika sebaliknya, pada akhir tahun, Anda menjual saham hanya dengan $900, pengembalian dolar Anda akan menjadi $100.
Meskipun mengungkapkan pengembalian dalam dolar itu mudah, dua masalah muncul: (1) Untuk membuat penilaian yang
berarti tentang pengembalian, Anda perlu mengetahui skala (ukuran) investasi; pengembalian $100 atas investasi $100 adalah
pengembalian yang besar (dengan asumsi investasi ditahan selama 1 tahun), tetapi pengembalian $100 atas investasi $10.000
akan menjadi pengembalian yang buruk. (2) Anda juga perlu mengetahui waktu pengembalian; pengembalian $100 atas
investasi $100 adalah pengembalian yang bagus jika terjadi setelah 1 tahun, tetapi pengembalian dolar yang sama setelah 100
tahun tidak terlalu bagus.
Solusi untuk masalah skala dan waktu ini adalah dengan mengekspresikan hasil investasi sebagai tingkat pengembalian,
atau persentase pengembalian. Misalnya, tingkat pengembalian investasi saham 1 tahun, ketika $1.100 diterima setelah 1
tahun, adalah 10%:
Jumlah yang diterima 2 Jumlah yang diinvestasikan

Tingkat pengembalian 5
Jumlah yang diinvestasikan
Pengembalian dolar $100

5 5
Jumlah yang diinvestasikan $1.000
5 0,10 5 10%
Perhitungan tingkat pengembalian "menstandarkan" pengembalian dolar dengan mempertimbangkan pengembalian

tahunan per unit investasi. Meskipun contoh ini hanya memiliki satu arus keluar dan satu arus masuk, tingkat pengembalian
tahunan dapat dengan mudah dihitung dalam situasi di mana beberapa arus kas terjadi dari waktu ke waktu dengan
menggunakan konsep nilai waktu uang yang dibahas dalam Bab 4.
6-1b Risiko yang Berdiri Sendiri versus Risiko Portofolio

Risiko didefinisikan dalam Webster sebagai “bahaya; bahaya; paparan terhadap kehilangan atau cedera.” Jadi, risiko mengacu
pada kemungkinan bahwa beberapa peristiwa yang tidak menguntungkan akan terjadi. Untuk investasi dalam aset keuangan
atau proyek baru, peristiwa yang tidak menguntungkan berakhir dengan pengembalian yang lebih rendah dari yang Anda
harapkan. Risiko suatu aset dapat dianalisis dengan dua cara: (1) atas dasar yang berdiri sendiri, di mana aset dianggap
terpisah; dan (2) sebagai bagian dari portofolio, yang merupakan kumpulan aset.
Jadi, risiko yang berdiri sendiri dari suatu aset adalah risiko yang akan dihadapi investor jika dia hanya memiliki satu aset ini.
Sebagian besar aset disimpan dalam portofolio, tetapi perlu memahami risiko yang berdiri sendiri untuk memahami risiko dalam
konteks portofolio.
Self-T adalah
Bandingkan dan kontraskan pengembalian dolar dan tingkat pengembalian.
Mengapa tingkat pengembalian lebih unggul daripada pengembalian dolar ketika membandingkan berbagai investasi potensial?
(Petunjuk: Pikirkan tentang ukuran dan waktu.)
Jika Anda membayar $500 untuk investasi yang menghasilkan $600 dalam 1 tahun, berapa tingkat pengembalian tahunan Anda? (20%)
6-2 Mengukur Risiko untuk Distribusi Diskrit

Ketidakpastian politik dan ekonomi mempengaruhi risiko pasar saham. Misalnya, pasar naik lebih dari 3% pada November 2017.
Saat itu, satu skenario mungkin adalah melanjutkan pertumbuhan ekonomi dan upaya kongres yang berhasil untuk memotong
pajak perusahaan. pada
Di sisi lain, skenario lain yang mungkin terjadi adalah konflik militer dengan Korea Utara. Dengan risiko
penyederhanaan yang berlebihan, hasil ini mewakili skenario yang berbeda (atau diskrit) untuk pasar, dengan
setiap skenario memiliki pengembalian pasar yang sangat berbeda.
Risiko bisa menjadi topik yang rumit, jadi kita mulai dengan contoh sederhana yang memiliki kemungkinan
hasil yang berbeda.1
6-2a Distribusi Probabilitas untuk Hasil Diskrit

Peluang suatu peristiwa didefinisikan sebagai peluang terjadinya peristiwa tersebut. Misalnya, seorang peramal
cuaca mungkin menyatakan: “Ada 40% kemungkinan hujan hari ini dan 60% kemungkinan tidak akan hujan.” Jika
semua kemungkinan kejadian, atau hasil, terdaftar, dan jika probabilitas ditetapkan untuk setiap kejadian, maka
daftar tersebut disebut distribusi probabilitas diskrit. (Perlu diingat bahwa probabilitas harus berjumlah 1,0,
atau 100%.)
Misalkan seorang investor menghadapi situasi yang mirip dengan krisis plafon utang dan percaya ada tiga
kemungkinan hasil untuk pasar secara keseluruhan: (1) Kasus terbaik, dengan probabilitas 30%; (2) Kasus yang
Paling Mungkin, dengan probabilitas 40%; dan (3) Kasus terburuk, dengan probabilitas 30%. Investor juga
percaya pasar akan naik 37% dalam skenario Terbaik, naik 11% dalam skenario Paling Mungkin, dan turun 15%
dalam skenario Terburuk.
Gambar 6-1 menunjukkan distribusi probabilitas untuk ketiga skenario ini. Perhatikan bahwa probabilitas
berjumlah 1,0 dan kemungkinan pengembalian tersebar di sekitar pengembalian skenario Kemungkinan Besar.
Kami dapat menghitung pengembalian dan risiko yang diharapkan menggunakan distribusi probabilitas, seperti yang kami il
berkilau di bagian selanjutnya.
6-2b Tingkat Pengembalian yang Diharapkan untuk Distribusi Diskrit

Distribusi probabilitas tingkat pengembalian ditunjukkan pada bagian “Input” pada Gambar 6-2; lihat Kolom (1)
dan (2). Bagian dari angka ini disebut matriks hasil ketika hasilnya adalah arus kas atau pengembalian.
Jika kita mengalikan setiap hasil yang mungkin dengan probabilitas kemunculannya dan kemudian
menjumlahkan produk-produk ini, seperti pada Kolom (3) pada Gambar 6-2, hasilnya adalah rata-rata tertimbang dari hasil.
Gambar 6-1
Distribusi Probabilitas Diskrit untuk Tiga Skenario
Probabilitas dari
Skenario
0,5
Paling
Mungkin
0.4
Terburuk Terbaik
Kasus Kasus
0,3
0.2
0.1
0
215% 11% 37%
Hasil: Pengembalian Pasar untuk 3 Skenario
1 Pembahasan risiko berikut ini berlaku untuk semua variabel acak, bukan hanya pengembalian saham.
Gambar 6-2
Menghitung Pengembalian yang Diharapkan dan Deviasi Standar: Probabilitas Diskrit
SEBUAH B C D DAN F G
61 MASUKAN: Pengembalian yang Diharapkan Standar Deviasi
Produk dari Penyimpangan dari
Probabilitas Tingkat Probabilitas dan Mengharapkan kuadrat Masalah. × persegi
Skenario Pengembalian Pasar Kembali Kembali Deviasi Dev.
62 Skenario (1) (2) (3) = (1) × (2) (4) = (2) D66 (5) = (4)2 (6) = (1) × (5)
63 Kasus terbaik 0,30 37% 11,1% 0.2600 0,0676 0,0203
64 Yang paling disukai 0,40 11% 4.4% 0,0000 0,0000 0,0000
65 Kasus terburuk 0,30 15% 4,5% 0.2600 0,0676 0,0203
1.00 Eks. dia melanjutkan. = jumlah = 11,0% Jumlah = Varians = 0,0406

66
Std. Dev. = persegi

67 akar varian = 20,1%
Sumber: Lihat file Ch06 Tool Kit.xlsx. Perhitungan tidak dibulatkan dalam langkah-langkah menengah.
sumber Bobot adalah probabilitas, dan rata-rata tertimbang adalah tingkat pengembalian yang diharapkan (r
Dan
Lihat Ch06 Tool Kit.xlsx ), disebut “r-hat,” yang merupakan rata-rata dari distribusi probabilitas.2 Seperti yang ditunjukkan pada sel D66 pada
di situs Web buku teks.
Gambar 6-2, tingkat pengembalian yang diharapkan adalah 11%.3
Perhitungan tingkat pengembalian yang diharapkan juga dapat dinyatakan sebagai persamaan yang melakukan hal
yang sama seperti tabel matriks hasil:
Dan
Tingkat pengembalian yang diharapkan 5 r 5 p1 r 1 1 p2 r2 1 1 pnrn
n (6-1)
5_ pi ri
i51
Di sini ri adalah pengembalian jika hasil i terjadi, pi adalah probabilitas bahwa hasil i terjadi, dan n adalah jumlah
Dan
hasil yang mungkin. Jadi, r adalah rata-rata tertimbang dari hasil yang
mungkin (nilai ri ), dengan bobot masing-masing hasil menjadi probabilitas terjadinya.
Menggunakan data dari Gambar 6-2, kami memperoleh tingkat pengembalian yang diharapkan sebagai berikut:
Dan
R
5 p1 (r1 ) 1 p2 (r2 ) 1 p3 (r3 )
5 0,3(37%) 1 0,4(11%) 1 0,3(215%)
5 11%
6-2c Mengukur Risiko yang Berdiri Sendiri: Standar

Deviasi dari Distribusi Diskrit
Untuk distribusi sederhana, mudah untuk menilai risiko dengan melihat penyebaran hasil yang mungkin: distribusi
dengan kemungkinan hasil yang tersebar luas lebih berisiko daripada distribusi dengan kemungkinan hasil yang tersebar luas.
Dalam bab lain, kita akan menggunakan rD dan r

2 Dan Dan
S
untuk menandakan pengembalian yang diharapkan pada obligasi dan saham, masing-masing.
Dan
Namun, perbedaan ini tidak diperlukan dalam bab ini, jadi kami hanya menggunakan istilah umum r untuk menandakan pengembalian yang diharapkan
pada sebuah investasi.
3 Jangan khawatir tentang mengapa ada pengembalian yang diharapkan sebesar 11% untuk pasar. Kami membahas pengembalian pasar secara lebih rinci nanti dalam bab ini.
hasil yang tersebar secara sempit. Sebagai contoh, kita dapat melihat Gambar 6-1 dan melihat bahwa kemungkinan
pengembalian tersebar luas. Tetapi ketika ada banyak kemungkinan hasil dan kita membandingkan banyak
investasi yang berbeda, tidak mungkin menilai risiko hanya dengan melihat distribusi probabilitas—kita memerlukan
ukuran kuantitatif dari ketatnya distribusi probabilitas. Salah satu ukuran tersebut adalah standar deviasi (s),
simbol yang s, diucapkan "sigma." Standar deviasi yang besar berarti bahwa kemungkinan hasil tersebar luas,
sedangkan standar deviasi kecil berarti bahwa hasil lebih mengelompok di sekitar nilai yang diharapkan.
Untuk menghitung simpangan baku, kami melanjutkan seperti yang ditunjukkan pada Gambar 6-2, dengan mengambil
langkah-langkah berikut:
1. Hitung nilai ekspektasi untuk tingkat pengembalian menggunakan Persamaan 6-1.

Dan
2. Kurangi tingkat pengembalian yang diharapkan (r ) dari setiap hasil yang mungkin (ri ) untuk mendapatkan
himpunan simpangan tentang r, seperti yang ditunjukkan pada Kolom (4) pada Gambar 6-2:
Dan
Dan
Penyimpangan 5 ri 2 r
3. Kuadratkan setiap simpangan seperti pada Kolom (5).

4. Kalikan peluang terjadinya (ditunjukkan pada Kolom 1) dengan de kuadrat
pengiriman pada Kolom (5); produk-produk ini ditunjukkan pada Kolom (6).
5. Jumlahkan produk-produk ini untuk mendapatkan varians dari distribusi probabilitas:
n
Dan
Varians 5 s2 5 o pi (ri 2 r )2 (6-2)

i51
Dengan demikian, varians pada dasarnya adalah rata-rata tertimbang dari deviasi kuadrat dari nilai yang
diharapkan.
6. Akhirnya, ambil akar kuadrat dari varians untuk mendapatkan standar deviasi:
(6-3)
Dan
pi (ri 2 r )2
Simpangan baku 5 s 5 o n i51
sumber Standar deviasi memberikan gambaran tentang seberapa jauh di atas atau di bawah nilai yang diharapkan
Lihat Ch06 Tool Kit.xlsx di dari nilai sebenarnya. Dengan menggunakan prosedur ini pada Gambar 6-2, investor hipotetis kami percaya bahwa
situs Web buku teks untuk
pengembalian pasar memiliki standar deviasi sekitar 20%.
semua perhitungan.
Self-T adalah
Apa yang dimaksud dengan "risiko investasi"?
Siapkan distribusi probabilitas ilustratif untuk investasi.
Apa itu matriks pembayaran?
Bagaimana cara menghitung simpangan baku?
Sebuah investasi memiliki peluang 20% menghasilkan pengembalian 25%, peluang 60% menghasilkan pengembalian
10%, dan peluang 20% menghasilkan pengembalian 215%. Apa pengembalian yang diharapkan? (8%) Berapa standar
deviasinya? (12,9%)
6-3 Risiko dalam Distribusi Berkelanjutan

Investor biasanya tidak memperkirakan hasil diskrit di masa ekonomi normal tetapi menggunakan
pendekatan skenario selama situasi khusus, seperti krisis plafon utang, krisis obligasi Eropa,
ancaman pasokan minyak, tes stres bank, dan sebagainya. Bahkan dalam situasi ini, mereka
akan memperkirakan lebih dari tiga hasil. Misalnya, seorang investor mungkin menambahkan
lebih banyak skenario ke contoh kita tentang kemungkinan pengembalian pasar saham; Panel A
pada Gambar 6-3 menunjukkan 15 skenario untuk pasar dan memiliki standar deviasi 20,2%.
Ingatlah bahwa simpangan baku memberikan ukuran dispersi yang memberikan informasi
tentang kisaran hasil yang mungkin. Panel B dari Gambar 6-3 menunjukkan 15 kemungkinan
Gambar 6-3
Distribusi Probabilitas Diskrit untuk 15 Skenario
Panel A: Pengembalian Pasar untuk 15 Skenario: Standar Deviasi 5 20,2%
Kemungkinan
0,25
0,20
0.15
0,10
0,05
0.00
266% 255% 244% 233% 222% 211% 0% 11% 22% 33% 44% 55% 66% 77% 88%
Hasil: Pengembalian Pasar
Panel B: Return Saham Perusahaan Tunggal untuk 15 Skenario: Standar Deviasi 5 36,2%
Kemungkinan
0,25
0,20
0.15
0,10
0,05
0.00
266% 255% 244% 233% 222% 211% 0% 11% 22% 33% 44% 55% 66% 77% 88%
Hasil: Pengembalian Saham
Gambar 6-4
Rentang Probabilitas untuk Distribusi Normal
68,26%
95,46%
99,74%
23 detik 22 detik 21 detik R 11 detik 12 detik 13 detik
sumber Catatan:
Untuk diskusi lebih lanjut tentang

1. Luas daerah di bawah kurva normal selalu sama dengan 1,0, atau 100%. Jadi, daerah di bawah pasangan normal
distribusi probabilitas, lihat Ekstensi kurva yang digambar pada skala yang sama, apakah melengkung atau datar, harus sama.
Web Dan
2. Setengah dari luas di bawah kurva normal berada di sebelah kiri rata-rata, r , menunjukkan bahwa ada kemungkinan 50% bahwa hasil
6A, tersedia di situs Web
yang sebenarnya akan lebih kecil dari rata-rata, dan setengahnya ke kanan, menunjukkan kemungkinan 50% bahwa itu akan lebih besar dari rata-rata.
buku teks.
3. Dari daerah di bawah kurva, 68,26% berada dalam jarak 61 detik dari rata-rata, menunjukkan bahwa probabilitasnya adalah 68,26% bahwa hasil
Dan Dan
aktual akan berada dalam kisaran r 2 detik ke r 1 detik
hasil untuk saham satu perusahaan untuk skenario yang sama di Panel A. Saham tunggal memiliki
standar deviasi 36,2%. Perhatikan seberapa jauh lebih tersebar hasil saham tunggal daripada pasar
saham. Kami akan berbicara lebih banyak tentang fenomena ini ketika kami membahas portofolio.
Kita hidup di dunia yang kompleks, dan terkadang kerumitan ini tidak dapat dijelaskan secara
merata dengan beberapa atau bahkan banyak skenario. Dalam kasus seperti itu, alih-alih
menambahkan lebih banyak skenario, sebagian besar analis beralih ke distribusi probabilitas
berkelanjutan, yang memiliki jumlah kemungkinan hasil yang tak terbatas. Distribusi normal, dengan
kurva berbentuk lonceng yang familiar, banyak digunakan di banyak bidang, termasuk keuangan.
Salah satu fitur dari distribusi normal adalah bahwa pengembalian aktual akan berada dalam 61
standar deviasi dari pengembalian yang diharapkan 68,26% dari waktu. Gambar 6-4 mengilustrasikan
5 11%
Dan
hal ini, dan juga menunjukkan situasi untuk 62s dan 63s. Untuk contoh 3-skenario kami, r
dan s 5 20%. Jika pengembalian berasal dari distribusi normal dengan nilai harapan dan standar
deviasi yang sama dengan distribusi diskrit, akan ada probabilitas 68,26% bahwa pengembalian
aktual akan berada di kisaran 11% 6 20%, atau dari 29% hingga 31 %.
Saat menggunakan distribusi kontinu, biasanya menggunakan data historis untuk memperkirakan
standar deviasi, seperti yang kami jelaskan di bagian berikutnya.
Self-T adalah
Untuk distribusi normal, berapa probabilitas berada dalam 1 standar deviasi dari nilai
yang diharapkan? (68,26%)
Apa Arti Risiko Sebenarnya?
Seperti yang dijelaskan dalam teks, probabilitas berada dalam 1 standar deviasi dari Anda mungkin juga berpikir dengan benar bahwa akan ada peluang 1 dari 6 untuk
pengembalian yang diharapkan adalah 68,26%, sehingga probabilitas lebih jauh dari 1 mendapatkan pengembalian lebih tinggi dari 1 standar deviasi di atas rata-rata, yaitu
standar deviasi dari mean adalah 100% 2 68,26% 5 31,74%. Ada kemungkinan yang sekitar 45% untuk saham biasa. Pengembalian 45% itu bagus, tetapi sifat manusia
sama untuk berada di atas atau di bawah kisaran, sehingga ada peluang 15,87% untuk sedemikian rupa sehingga sebagian besar investor tidak menyukai kerugian 25% lebih
menjadi lebih dari 1 standar deviasi menjadi rendah rata-rata, yang kira-kira sama dari
dengan peluang 1 dalam 6 (1 dalam 6 adalah 16,67%) . mereka akan menikmati keuntungan 45%.
Anda mungkin juga berpikir bahwa Anda akan baik-baik saja jika Anda menahan
stok cukup lama. Tetapi bahkan jika Anda membeli dan menahan portofolio yang
Untuk rata-rata perusahaan yang terdaftar di New York Stock Exchange (NYSE), terdiversifikasi selama 10 tahun, masih ada sekitar 10% kemungkinan Anda akan
s telah berada di kisaran 35% hingga 40% dalam beberapa tahun terakhir, dengan kehilangan uang. Jika Anda menahannya selama 20 tahun, ada kemungkinan kehilangan
pengembalian yang diharapkan sekitar 8% hingga 12%. sekitar 4%. Peluang seperti itu tidak akan mengkhawatirkan beberapa jika Anda terlibat
Satu standar deviasi di bawah pengembalian yang diharapkan ini adalah sekitar 10% 2 dalam permainan peluang yang dapat dimainkan beberapa kali, tetapi Anda hanya
35% 5 225%. Ini berarti, untuk saham biasa pada tahun tertentu, ada sekitar 1 dari 6 memiliki satu kehidupan untuk hidup dan hanya beberapa lemparan dadu.
peluang untuk mengalami kerugian 25%. Anda mungkin berpikir bahwa 1 dari 6 adalah
probabilitas yang cukup rendah, tetapi bagaimana jika peluang Anda tertabrak mobil Kami tidak menyarankan agar investor tidak membeli saham; memang, kami
saat menyeberang jalan adalah 1 dari 6? Ketika dikatakan seperti itu, 1 dari 6 suara memiliki saham sendiri. Tapi kami percaya investor harus memahami lebih jelas berapa
banyak risiko dalam vesting.
cukup menakutkan.
6-4 Menggunakan Data Historis untuk Memperkirakan Risiko

Misalkan sampel pengembalian selama beberapa periode masa lalu tersedia. Tingkat pengembalian
realisasi masa lalu ini (rt ) dilambangkan sebagai rt (“r bar t”), di mana t menunjukkan periode waktu.
Pengembalian rata -rata (rAvg) selama periode T terakhir didefinisikan sebagai:
HAI
T
rt (6-4)
t51
rata-rata 5 T
Standar deviasi dari sampel pengembalian kemudian dapat diperkirakan menggunakan rumus ini:
Perkiraan s 5 S 5 ot51T (rt 2 rata-rata)2 (6-5)

T2 1
Bila diperkirakan dari data masa lalu, standar deviasi sering dilambangkan dengan S.
4
Karena kita menaksir simpangan baku dari sampel pengamatan, penyebut dalam Persamaan 6-5 adalah “T 2 1” dan
bukan hanya “T”. Persamaan 6-4 dan 6-5 dimasukkan ke dalam semua kalkulator keuangan. Misalnya, untuk mencari
simpangan baku sampel, masukkan tingkat pengembalian ke dalam kalkulator dan tekan tombol bertanda S (atau Sx )
untuk mendapatkan simpangan baku. Lihat manual kalkulator Anda untuk detailnya.
6-4a Menghitung Rata-Rata Historis

dan Deviasi Standar
Untuk mengilustrasikan perhitungan ini, pertimbangkan pengembalian historis berikut untuk sebuah perusahaan:
Tahun Kembali
2017 15%
2018 5%
2019 20%
Dengan menggunakan Persamaan 6-4 dan 6-5, rata-rata taksiran dan simpangan baku masing-masing
adalah:
15% 2 5% 1 20%
rata-rata 5
5 10,0%
3
3 10%)2
Perkiraan s (atau S) 5 (15% 2 10%)2 1 (25% 2 10%)2 1 (20% 2 21
5 13,2%
Rata-rata dan simpangan baku juga dapat dihitung menggunakan fungsi bawaan Excel
tions, ditampilkan di sini menggunakan data numerik daripada rentang sel sebagai input:
5 RATA-RATA(0.15,20.05,0.20) 5 10,0%
5STDEV(0.15.20.05,0.20) 5 13.2%
Standar deviasi historis sering digunakan sebagai perkiraan variabilitas masa depan. Karena variabilitas
masa lalu sering berulang, variabilitas masa lalu mungkin merupakan perkiraan yang cukup baik dari risiko masa
depan. Namun, biasanya tidak benar untuk menggunakan rAvg berdasarkan periode yang lalu sebagai perkiraan r
Dan
, pengembalian masa depan yang diharapkan. Misalnya, hanya karena

saham memiliki pengembalian 75% pada tahun lalu, tidak ada alasan untuk mengharapkan pengembalian 75%
tahun ini.
6-4b Menghitung Rata-rata Historis dan Deviasi

Standar MicroDrive
Gambar 6-5 menunjukkan 48 bulan pengembalian saham baru-baru ini untuk dua perusahaan, MicroDrive dan
SnailDrive; data sebenarnya ada di file Excel Ch06 Tool Kit.xlsx. Pandangan sekilas sudah cukup untuk
menentukan bahwa pengembalian MicroDrive lebih fluktuatif.
Kita dapat menggunakan Persamaan 6-4 dan 6-5 untuk menghitung pengembalian rata-rata dan deviasi
standar, tetapi itu akan sangat membosankan. Sebagai gantinya, kami menggunakan AVERAGE dan STDEV Excel
fungsi dan menemukan bahwa pengembalian rata-rata bulanan MicroDrive adalah 1,00% dan standar deviasi
bulanannya adalah 14,94%. SnailDrive memiliki pengembalian bulanan rata-rata 0,77% dan standar deviasi 9,87%.
Perhitungan ini mengkonfirmasi bukti visual pada Gambar 6-5: MicroDrive memiliki risiko yang berdiri sendiri lebih
besar daripada SnailDrive.
Kami sering menggunakan data bulanan untuk memperkirakan rata-rata dan deviasi standar, tetapi kami juga
tidak menyajikan data dalam format tahunan. Kalikan pengembalian rata-rata bulanan dengan 12 untuk mendapatkan
pengembalian rata-rata tahunan MicroDrive sebesar 1,00%(12) 5 12,0%. Seperti disebutkan sebelumnya, pengembalian
rata-rata masa lalu bukanlah indikator yang baik untuk pengembalian di masa depan.
Gambar 6-5
Pengembalian Saham Bulanan Historis untuk MicroDrive dan SnailDrive
SEBUAH B C D DAN F
201
202 Tarif Bulanan MicroDrive
Kembali
203
40%
204
205 SnailDrive
30%
206
207
20%
208
209
10%
210
211
212 0%
213
214 -10%
215
216 -20%
217
218 -30%
219
220 -40%
221 0 6 12 18 24 30 36 42 48
Bulan Kembali
222
Untuk menyetahunkan deviasi standar, kalikan deviasi standar bulanan dengan akar kuadrat dari 12.
Standar deviasi tahunan MicroDrive adalah 14,94%(Ï12) 5
51,8%.5 Pengembalian tahunan rata-rata SnailDrive adalah 9,3%, dan standar deviasi tahunannya adalah
34,2%.
Perhatikan bahwa MicroDrive memiliki risiko lebih tinggi daripada SnailDrive (standar deviasi 51,8% versus
34,2%) dan pengembalian rata-rata yang lebih tinggi (12,0% versus 9,3%) selama 48 bulan terakhir.
Namun, pengembalian yang lebih tinggi untuk melakukan lebih banyak risiko tidak dijamin—jika ya, maka
investasi yang lebih berisiko tidak akan benar-benar berisiko!
File Ch06 Tool Kit.xlsx menghitung pengembalian rata-rata tahunan dan standar deviasi hanya dengan
menggunakan 12 bulan terakhir. Berikut adalah hasilnya:
Hasil untuk 12 Bulan Terakhir MicroDrive SnailDrive
Pengembalian rata-rata (tahunan) 28.9% 11,6%
Standar deviasi (tahunan) 52,4% 31,4%
5 Jika kita telah menghitung varians bulanan, kita akan menyetahunkannya dengan mengalikannya dengan 12, seperti yang
disarankan oleh intuisi (dan matematika). Karena standar deviasi adalah akar kuadrat dari varians, kami menyetahunkan
standar deviasi bulanan dengan mengalikannya dengan akar kuadrat dari 12.
Trade-Off Bersejarah antara Risiko dan Pengembalian
Tabel yang menyertai kotak ini merangkum sejarah Perhatikan bahwa T-bill tidak berisiko jika Anda menahannya hingga
trade-off antara risiko dan pengembalian untuk berbagai kelas investasi jatuh tempo, tetapi jika Anda berinvestasi dalam portofolio bergulir T-bills dan
ment. Aset yang menghasilkan pengembalian rata-rata tertinggi juga memiliki memegang portofolio tersebut selama beberapa tahun, maka pendapatan
standar deviasi tertinggi dan rentang pengembalian terluas. Misalnya, saham investasi Anda akan bervariasi tergantung pada apa yang terjadi pada T-bills.
perusahaan kecil memiliki rata-rata pengembalian tahunan tertinggi, tetapi tingkat suku bunga setiap tahunnya. Anda dapat yakin akan pengembalian
standar deviasi pengembaliannya juga tertinggi. Sebaliknya, tagihan Treasury yang akan Anda peroleh dari T-bill individu, tetapi Anda tidak dapat
AS memiliki standar deviasi terendah, tetapi mereka juga memiliki memastikan pengembalian yang akan Anda peroleh dari portofolio T-bill yang
pengembalian rata-rata terendah. disimpan selama beberapa tahun.
Pengembalian Realisasi, 1926–2016

Kecil Besar Jangka panjang Jangka panjang kita
Perusahaan Perusahaan Perusahaan Pemerintah Perbendaharaan
saham saham Obligasi Obligasi tagihan Inflasi
Pengembalian rata-rata 16,6% 12,0% 6.3% 6.0% 3.4% 3,0%
Standar deviasi 31.9 19.9 8.4 9.9 3.1 4.1
Kelebihan pengembalian atas T-bondsa 10.6 6.0 0,3
a Kelebihan pengembalian atas T-bond disebut "premi risiko historis." Kelebihan pengembalian ini juga akan menjadi premi risiko saat ini yang tercermin dalam harga sekuritas jika dan
hanya jika investor mengharapkan pengembalian di masa depan serupa dengan pengembalian yang diperoleh di masa lalu.
Sumber: Data dari Buku Tahunan SBBI 2016: Saham, Obligasi, Tagihan dan Inflasi, Roger Ibbotson, Roger J. Grabowski, James P. Harrington dan Carla
Nunes (Hoboken, NJ: John Wiley & Sons, 2016).
Meskipun standar deviasi MicroDrive jauh di atas SnailDrive selama 12 bulan terakhir periode sampel,
MicroDrive mengalami penurunan usia rata-rata tahunan hampir 29%, sementara SnailDrive naik hampir
12%.6 Pemegang saham MicroDrive tentu mengetahui bahwa risiko yang lebih tinggi tidak ' t selalu
mengarah pada pengembalian aktual yang lebih tinggi.
Self-T adalah
Pengembalian saham selama 3 tahun terakhir adalah 10%, 15%, dan 35%. Berapa pengembalian
rata-rata historis? (10%) Berapa standar deviasi sampel historis? (25%)
6-5 Risiko dalam Konteks Portofolio

Sebagian besar aset keuangan sebenarnya dimiliki sebagai bagian dari portofolio. Bank, dana pensiun,
perusahaan asuransi, reksa dana, dan lembaga keuangan lainnya diwajibkan oleh hukum untuk memiliki
portofolio yang terdiversifikasi. Bahkan investor individu—setidaknya mereka yang kepemilikan
sekuritasnya merupakan bagian penting dari total kekayaan mereka—umumnya memegang portofolio,
bukan saham hanya satu perusahaan, karena diversifikasi dapat mengurangi eksposur risiko.
6-5a Membuat Portofolio

Portofolio adalah kumpulan aset. Bobot aset dalam portofolio adalah persentase dari total nilai portofolio
yang diinvestasikan dalam aset. Misalnya, jika Anda menginvestasikan $1.000
6
Selama 12 bulan terakhir, MicroDrive mengalami kerugian bulanan rata-rata 2,41%, tetapi kerugian gabungan selama
setahun lebih dari 34%. Kami membahas perbedaan antara rata-rata aritmatika dan rata-rata geometrik (berdasarkan
pengembalian majemuk) di Bab 9.
di masing-masing dari 10 saham, portofolio Anda memiliki nilai $10.000, dan setiap saham memiliki bobot
$1.000/$10.000 5 10%. Jika sebaliknya Anda menginvestasikan $5.000 dalam 1 saham dan masing-
masing $1.000 dalam 5 saham, saham pertama memiliki bobot $5.000/$10.000 5 50%, dan masing-
masing dari 5 saham lainnya memiliki bobot 10%. Biasanya lebih mudah untuk membicarakan bobot aset
dalam portofolio daripada dolar yang diinvestasikan dalam aset. Oleh karena itu, saat membuat portofolio,
kami memilih bobot (atau persentase) untuk setiap aset, dengan bobot berjumlah 1,0 (atau persentase
menjumlahkan 100%).
Misalkan kita memiliki portofolio n saham. Pengembalian aktual atas portofolio pada periode tertentu
adalah rata-rata tertimbang dari pengembalian aktual saham dalam portofolio, dengan wi
menunjukkan bobot yang diinvestasikan dalam Saham i:
rp 5 w1 r1 1 w2 r2 1 . . . 1 rn _
n (6-6)
5 _ wi ri
i51
Pengembalian portofolio rata-rata selama beberapa periode juga sama dengan usia rata-rata tertimbang
dari pengembalian rata-rata saham:
n
rRata-rata, p 5 o wi rata-rata, saya
i51
Ingat dari bagian sebelumnya bahwa SnailDrive memiliki pengembalian tahunan rata-rata 9,3%
selama 48 bulan terakhir dan MicroDrive memiliki pengembalian 12,0%. Portofolio dengan 75%
diinvestasikan di SnailDrive dan 25% di MicroDrive akan memiliki pengembalian sebagai berikut:
rAvg,p 5 0,75(9,3%) 1 0,25(12%) 5 10,0%
Perhatikan bahwa pengembalian portofolio 10,0% berada di antara pengembalian SnailDrive (9,3%)
dan MicroDrive (12,0%), seperti yang Anda harapkan.
Misalkan seorang investor dengan saham hanya di SnailDrive datang kepada Anda untuk meminta
nasihat, mengatakan, "Saya ingin lebih banyak keuntungan, tapi saya benci risiko!" Menurut Anda
bagaimana reaksi investor jika Anda menyarankan untuk mengambil 25% dari investasi dari SnailDrive
berisiko rendah (dengan standar deviasi 34,2%) dan memasukkannya ke dalam MicroDrive berisiko
tinggi (dengan standar deviasi 51,8% )? Seperti yang baru saja ditunjukkan, pengembalian selama
periode 48 bulan akan menjadi 10,0%, jauh di atas pengembalian di SnailDrive. Tapi apa yang akan
terjadi dengan risiko?
File Ch06 Tool Kit.xlsx menghitung pengembalian portofolio setiap bulan (menggunakan
Persamaan 6-6) dan menghitung simpangan baku portofolio dengan menerapkan rumus Excel
STDEV berfungsi untuk pengembalian bulanan portofolio. Bayangkan betapa terkejutnya investor saat
mengetahui bahwa standar deviasi portofolio adalah 27,1%, yang lebih kecil dari standar deviasi
SnailDrive 34,2%. Dengan kata lain, menambahkan aset berisiko ke aset yang lebih aman dapat
mengurangi risiko!
Bagaimana ini bisa terjadi? MicroDrive menjual penyimpanan memori kelas atas, sedangkan
SnailDrive menjual memori kelas bawah, termasuk hard drive rekondisi. Ketika ekonomi berjalan dengan
baik, MicroDrive memiliki penjualan dan keuntungan yang tinggi, tetapi penjualan SnailDrive tertinggal
karena pelanggan lebih memilih memori yang lebih cepat. Tetapi ketika masa-masa sulit, pelanggan
menggunakan SnailDrive untuk penyimpanan memori berbiaya rendah. Perhatikan Gambar 6-5.
Perhatikan bahwa pengembalian SnailDrive tidak bergerak searah dengan MicroDrive: Terkadang
MicroDrive naik dan SnailDrive turun, dan sebaliknya.
6-5b Korelasi dan Risiko untuk Portofolio Dua Saham

Kecenderungan dua variabel untuk bergerak bersama disebut korelasi, dan koefisien korelasi (r) mengukur
kecenderungan ini. Simbol untuk koefisien korelasi adalah huruf Yunani rho, r (diucapkan “roe”). Koefisien
korelasi dapat berkisar dari 11,0, yang menunjukkan bahwa kedua variabel bergerak naik dan turun dalam
sinkronisasi sempurna, hingga 1,0, yang menunjukkan bahwa variabel selalu bergerak dalam arah yang
berlawanan. Koefisien korelasi nol menunjukkan bahwa kedua variabel tersebut sama sekali tidak
berhubungan satu sama lain—yaitu, perubahan dalam satu variabel tidak tergantung pada perubahan yang
lain.
Estimasi korelasi dari sampel data historis sering disebut “R”. Berikut adalah rumus untuk mengestimasi
korelasi antara saham i dan j (ri,t adalah pengembalian aktual untuk Saham i pada periode t, dan merupakan
pengembalian rata-rata selama sampel periode-T; notasi ri,Avg serupa digunakan untuk Saham j ):
T
HAI (ri, t 2 ri, Rata-rata) (rj, t 2 rj, Rata-rata)
t51
Perkiraan r 5 R 5 (6-7)
3o T (ri, t 2 ri, Rata-rata) 2 43o T (rj, t 2 rj, Rata-rata) 2 4
t51 t51
Untungnya, mudah untuk memperkirakan koefisien korelasi dengan kalkulator keuangan atau Excel.
Dengan kalkulator, cukup masukkan pengembalian kedua saham dan kemudian tekan tombol berlabel “r.”7
Di Excel, gunakan fungsi CORREL . Lihat Ch06 Tool Kit.xlsx, di mana kami menghitung korelasi antara
pengembalian MicroDrive dan SnailDrive menjadi 20,13.
Korelasi negatif berarti bahwa ketika SnailDrive memiliki pengembalian yang buruk, MicroDrive cenderung
memiliki pengembalian yang baik; ketika SnailDrive memiliki pengembalian yang baik, MicroDrive cenderung
memiliki pengembalian yang buruk. Ini berarti bahwa menambahkan beberapa saham MicroDrive ke dalam
portofolio yang hanya memiliki saham SnailDrive cenderung mengurangi volatilitas portofolio.
Berikut adalah cara untuk memikirkan kemungkinan manfaat diversifikasi: Jika standar deviasi portofolio
kurang dari rata-rata tertimbang dari standar deviasi saham individu, maka diversifikasi memberikan
keuntungan. Apakah diversifikasi selalu mengurangi risiko? Jika demikian, berapa banyak? Dan bagaimana
korelasi mempengaruhi diversifikasi? Mari kita pertimbangkan berbagai koefisien korelasi, dari 21 hingga 11.
Jika dua saham memiliki korelasi 21 (korelasi serendah mungkin), ketika satu saham memiliki return
yang lebih tinggi dari yang diharapkan maka saham lainnya memiliki return yang lebih rendah dari yang
diharapkan, dan sebaliknya. Faktanya, akan mungkin untuk memilih bobot sedemikian rupa sehingga
penyimpangan satu saham dari pengembalian rata-ratanya sepenuhnya membatalkan penyimpangan saham
lainnya dari pengembalian rata-ratanya.8 Portofolio semacam itu akan memiliki standar deviasi nol tetapi
akan memiliki pengembalian yang diharapkan sama dengan rata-rata tertimbang dari imbal hasil yang
diharapkan dari saham tersebut. Dalam situasi ini, diversifikasi dapat menghilangkan semua risiko: Untuk
korelasi 21, standar deviasi portofolio dapat serendah nol jika bobot portofolio dipilih dengan tepat.
Jika korelasinya adalah 11 (korelasi tertinggi yang mungkin), deviasi standar portofolio akan menjadi rata-
rata tertimbang dari deviasi standar saham. Dalam hal ini, diversifikasi tidak membantu: Untuk korelasi 11,
standar deviasi portofolio adalah rata-rata tertimbang dari standar deviasi saham.
7
Lihat manual kalkulator Anda untuk langkah-langkah yang tepat. Juga, perhatikan bahwa koefisien korelasi sering dilambangkan dengan istilah “r.”
Kami menggunakan r untuk menghindari kebingungan dengan r, yang kami gunakan untuk menunjukkan tingkat pengembalian.
8 Jika korelasi antara Saham 1 dan 2 sama dengan 21, maka bobot untuk portofolio tanpa risiko adalah w1 5 s1 /(s1 1 s2 ) dan w2 5 s2/(s1 1 s2 ).
Untuk korelasi lainnya, diversifikasi mengurangi, tetapi tidak dapat menghilangkan, risiko: Untuk
hubungan antara 21 dan 11, standar deviasi portofolio kurang dari rata-rata tertimbang dari standar deviasi
saham.
Korelasi antara sebagian besar pasangan perusahaan berada dalam kisaran 0,2 hingga 0,3, sehingga
diversifikasi mengurangi risiko, tetapi tidak sepenuhnya menghilangkan risiko.9
6-5c Diversifikasi dan Portofolio Multi-Saham

Gambar 6-6 menunjukkan bagaimana risiko portofolio dipengaruhi oleh pembentukan portofolio yang lebih
besar dan lebih besar dari saham New York Stock Exchange (NYSE) yang dipilih secara acak. Standar
deviasi diplot untuk portofolio rata-rata satu saham, portofolio dua saham rata-rata, dan seterusnya, naik
Gambar 6-6
Pengaruh Ukuran Portofolio Terhadap Risiko Portofolio Saham Rata-Rata
Risiko Portofolio, sp
(%)
35
30
Risiko yang Dapat Didiversifikasi
25
SM 5 20
Minimal Dapat Dicapai

15 Portofolio Risiko dalam Portofolio
Total
Saham Rata-rata
Mempertaruhkan: Portofolio
Tolak Risiko Pasar:
10 sebagai Saham Tetap konstan
Sudah ditambahkan
01 10 20 30 40 2,001
Jumlah Saham
di Portofolio
9
Selama periode 1968-1998, koefisien korelasi rata-rata antara dua saham yang dipilih secara acak adalah 0,28, sedangkan koefisien
korelasi rata-rata antara dua saham perusahaan besar adalah 0,33; lihat Louis KC
Chan, Jason Karceski, dan Josef Lakonishok, “Pada Pengoptimalan Portofolio: Memprediksi Kovarians dan Memilih Model Risiko,”
Tinjauan Studi Keuangan, Vol. 12, No. 5, Musim Dingin 1999, hlm. 937–974. Korelasi rata-rata turun dari sekitar 0,35 pada akhir 1970-
an menjadi kurang dari 0,10 pada akhir 1990-an; lihat John Y. Campbell, Martin Lettau, Burton G. Malkiel, dan Yexiao Xu, “Apakah
Saham Individu Menjadi Lebih Berfluktuasi? Eksplorasi Empiris dari Risiko Idiosyncratic,” Journal of Finance, Februari 2001, hlm. 1–
43.
ke portofolio yang terdiri dari 2.000 lebih saham biasa yang terdaftar di NYSE pada saat data diplot. Grafik
tersebut menggambarkan bahwa secara umum risiko suatu portofolio yang terdiri dari saham-saham
cenderung menurun dan mendekati batas tertentu seiring dengan bertambahnya jumlah saham dalam
portofolio tersebut. Menurut data dari beberapa tahun terakhir, s1 , standar deviasi
(atau
portofolio
rata-rata
satusaham),
saham
adalah sekitar 35%. Namun, portofolio yang terdiri dari semua saham dari semua saham, yang disebut
portofolio pasar, akan memiliki standar deviasi, sM, hanya sekitar 20%, yang ditunjukkan sebagai garis
putus-putus horizontal pada Gambar 6-6.
Dengan demikian, hampir setengah dari risiko yang melekat pada rata-rata saham individual dapat
dihilangkan jika saham tersebut disimpan dalam portofolio yang terdiversifikasi dengan baik, yaitu portofolio
yang berisi 40 atau lebih saham di sejumlah industri yang berbeda. Bagian dari risiko saham yang tidak dapat
dihilangkan disebut risiko pasar, sedangkan bagian yang dapat dihilangkan disebut risiko yang dapat
didiversifikasi.10 Fakta bahwa sebagian besar risiko dari setiap saham individu dapat dihilangkan sangat
penting karena rasional investor akan menghilangkannya hanya dengan memegang banyak saham dalam
portofolio mereka, sehingga menjadikannya tidak relevan. Pengamatan sederhana ini membentuk dasar teori
portofolio modern!
Risiko pasar berasal dari faktor-faktor yang mempengaruhi sebagian besar perusahaan: perang, inflasi,
resesi, dan tingkat suku bunga yang tinggi. Karena sebagian besar saham dipengaruhi oleh faktor-faktor ini,
risiko pasar tidak dapat dihilangkan dengan diversifikasi. Risiko yang dapat didiversifikasi disebabkan oleh
peristiwa acak seperti tuntutan hukum, pemogokan, program pemasaran yang berhasil dan tidak berhasil,
menang atau kalah dalam kontrak besar, dan peristiwa lain yang unik bagi perusahaan tertentu. Karena
peristiwa ini acak, pengaruhnya terhadap portofolio dapat dihilangkan dengan diversifikasi—peristiwa buruk
di satu perusahaan akan diimbangi oleh peristiwa baik di perusahaan lain.
Self-T adalah
Jelaskan pernyataan berikut: "Aset yang dimiliki sebagai bagian dari portofolio umumnya kurang berisiko daripada aset
yang sama yang dimiliki secara terpisah."
Apa yang dimaksud dengan “korelasi positif” sempurna, “korelasi negatif sempurna”, dan “korelasi nol”?
Secara umum, dapatkah risiko portofolio dikurangi menjadi nol dengan menambah jumlah saham dalam portofolio?
Menjelaskan.
Return Saham A dalam 5 tahun terakhir adalah 10%, 215%, 35%, 10%, dan 220%. Pengembalian Saham B
adalah 25%, 1%, 24%, 40%, dan 30%. Berapakah koefisien korelasi return antara Saham A dan Saham B? (20.35)
6-6 Risiko yang Relevan dari Suatu Saham: Model

Penetapan Harga Aset Modal (CAPM)
Kami berasumsi bahwa investor menghindari risiko dan menuntut premi untuk menanggung risiko; yaitu,
semakin tinggi risiko keamanan, semakin tinggi pengembalian yang diharapkan untuk mendorong investor
membeli atau menahannya. Semua risiko kecuali yang terkait dengan pergerakan pasar yang luas dapat,
dan mungkin akan, terdiversifikasi. Lagi pula, mengapa menerima risiko yang bisa dihilangkan dengan mudah?
Ini menyiratkan bahwa investor terutama memperhatikan risiko portofolio mereka daripada risiko sekuritas
individu dalam portofolio. Bagaimana, kemudian, risiko saham individu harus diukur?
Model Penetapan Harga Aset Modal (CAPM) memberikan satu jawaban untuk pertanyaan itu. Sebuah
saham mungkin cukup berisiko jika dipegang sendiri, tetapi—karena diversifikasi menghilangkan sekitar
10Risiko yang dapat didiversifikasi juga dikenal sebagai risiko spesifik perusahaan atau risiko tidak sistematis. Risiko pasar juga dikenal sebagai
risiko yang tidak dapat didiversifikasi atau risiko sistematis; itu adalah risiko yang tersisa setelah diversifikasi.
setengah dari risikonya—risiko relevan saham adalah kontribusinya terhadap risiko portofolio yang terdiversifikasi
dengan baik, yang jauh lebih kecil daripada risiko saham yang berdiri sendiri. 11
6-6a Kontribusi terhadap Risiko Pasar: Beta

Portofolio yang terdiversifikasi dengan baik hanya memiliki risiko pasar. Oleh karena itu, CAPM
mendefinisikan risiko yang relevan dari suatu saham individu sebagai jumlah risiko yang disumbangkan
saham tersebut ke portofolio pasar, yang merupakan portofolio yang berisi semua saham.12 Dalam
terminologi CAPM, riM adalah korelasi antara return Saham i dan return pasar, si adalah standar deviasi
return saham i, dan sM adalah standar deviasi return pasar. Ukuran risiko yang relevan adalah koefisien
beta (b), yang sering disebut hanya beta; beta dari Saham i, dilambangkan dengan bi , dihitung sebagai:13
(6-8)
bi 5 1 si sM2ri, M
Rumus ini menunjukkan bahwa saham dengan standar deviasi yang tinggi, si , akan cenderung memiliki
beta yang tinggi, yang berarti bahwa, jika hal-hal lain dianggap konstan, saham tersebut memberikan banyak
risiko terhadap portofolio yang terdiversifikasi dengan baik. Hal ini masuk akal karena saham dengan risiko
stand-alone yang tinggi akan cenderung menggoyahkan portofolio. Perhatikan juga bahwa saham dengan
korelasi tinggi dengan pasar, riM, juga akan cenderung memiliki beta yang besar dan karenanya berisiko. Ini
juga masuk akal karena korelasi yang tinggi berarti diversifikasi tidak banyak membantu; saham berkinerja
baik ketika portofolio juga berkinerja baik, dan saham berkinerja buruk ketika portofolio juga berkinerja buruk.
Misalkan suatu saham memiliki beta 1,4. Apa artinya? Secara khusus, seberapa besar risiko yang akan
ditambahkan saham ini ke portofolio yang terdiversifikasi dengan baik? Untuk menjawab pertanyaan itu, kita
membutuhkan dua fakta penting. Pertama, beta portofolio, dalam
bp , adalah
portofolio,
rata-rata
dengan
tertimbang
bobot yang
dari beta
samasaham
dengan
bobot yang digunakan untuk membuat port folio. Ini dapat ditulis sebagai:
bp 5 w1 b1 1 w2 b2 1 . . . 1 bn _
n
(6-9)
5_ wi bi
i51
Sebagai contoh, anggaplah seorang investor memiliki portofolio $100,000 yang terdiri dari $25.000
dalam kepemilikan masing-masing dari empat saham; saham memiliki beta 0.6, 1.2, 1.2, dan 1.4. Berat
masing-masing saham dalam portofolio adalah $25.000/$100.000 5 25%. Beta portofolio akan menjadi bp 5 1.1:
bp 5 25%(0.6) 1 25%(1.2) 1 25%(1.2) 1 25%(1.4) 5 1.1
11Hadiah Nobel diberikan kepada para pengembang CAPM, Profesor Harry Markowitz dan William F. Sharpe.
12Secara teori, portofolio pasar harus berisi semua aset. Dalam praktiknya, biasanya hanya berisi saham. Banyak analis
menggunakan pengembalian pada Indeks S&P 500 untuk memperkirakan pengembalian pasar.
13Jika Anda menyatakan perubahan deviasi standar portofolio pasar relatif terhadap sedikit perubahan jumlah Saham i dalam
portofolio pasar (wi ), perubahan diferensial ini adalah:
-sM
5 bi sM
wi
Jika Anda membandingkan dua saham dengan beta yang berbeda, saham dengan beta yang lebih besar berkontribusi lebih besar terhadap risiko
portofolio pasar, seperti yang ditunjukkan persamaan sebelumnya.
Fakta penting kedua adalah bahwa varians dari portofolio yang terdiversifikasi dengan baik kira-kira sama
dengan produk beta kuadratnya dan varians portofolio pasar:14
s2 b2 _ s2M (6-10)
P P
Sekarang ambil akar kuadrat dari setiap ruas Persamaan 6-10. Jika kita hanya mempertimbangkan
portofolio dengan beta portofolio positif, yang khas, maka standar deviasi dari portofolio yang terdiversifikasi
dengan baik, sp , kira-kira sama dengan produk beta portofolio dan
deviasi standar pasar: 15
_ bp sM sp (6-11)
Persamaan 6-11 menunjukkan tiga hal: (1) Portofolio dengan beta lebih besar dari 1 akan memiliki standar
deviasi yang lebih besar daripada portofolio pasar. (2) Portofolio dengan beta sama dengan 1 akan memiliki
standar deviasi yang sama dengan pasar. (3) Portofolio dengan beta kurang dari 1 akan memiliki standar
deviasi yang lebih kecil dari pasar. Misalnya, deviasi standar pasar adalah 20%. Menggunakan Persamaan
6-11, portofolio yang terdiversifikasi dengan baik dengan beta 1,1 akan memiliki standar deviasi 22%:
sp 5 1,1 (20%) 5 22%
Dengan mengganti Persamaan 6-9 ke Persamaan 6-11, kita dapat melihat dampak yang dimiliki masing-
masing beta saham terhadap risiko portofolio yang terdiversifikasi dengan baik:
sp (w1 b1 1 w2 b2 1 . . . 1 bn bn ) sM
n (6-12)
5 _ wi bi sM
i51
Ini berarti Saham S dengan beta bS dan bobot wS dalam portofolio yang terdiversifikasi dengan baik
menyumbang total wS bS sM terhadap standar deviasi portofolio. Untuk contoh numerik, pertimbangkan
portofolio empat saham dalam contoh kita. Meskipun portofolio yang terdiversifikasi dengan baik akan
memiliki lebih dari empat saham, anggap saja portofolio kita terdiversifikasi dengan baik. Jika demikian
halnya, maka Gambar 6-7 menunjukkan seberapa besar risiko yang disumbangkan setiap saham terhadap portofolio.16
14Hubungan ini hanya berlaku untuk portofolio yang terdiversifikasi sangat baik yang memiliki sejumlah besar saham dengan
bobot yang serupa ukurannya. Jika ini tidak benar, maka portofolio akan mengandung sejumlah besar risiko yang dapat
didiversifikasi, dan Persamaan 6-10 tidak akan menjadi pendekatan yang baik.
15Jika beta portofolio negatif, maka standar deviasi portofolio akan bergantung pada nilai absolut beta: |bp | sM. Namun, beta
portofolio bisa menjadi negatif hanya dalam dua situasi, tidak satu pun dari sp yang terjadi dalam praktik. Pertama, portofolio
adadapat
stok beta
diinvestasikan
negatif yang
dalam
cukup
jumlah
untukbesar
membuat
dalamportofolio
saham dengan
yang terdiversifikasi
beta negatif. Ini
dengan
tidak baik,
praktis
yang
karena
berarti
tidak
Persamaan 6-10 dan 6-11 tidak berlaku. Kedua, dimungkinkan untuk memiliki beta portofolio negatif jika portofolio memiliki
bobot negatif (yang berarti saham dijual pendek) pada saham dengan beta besar dan bobot positif pada saham dengan beta
kecil. Namun, besarnya bobot yang diperlukan untuk strategi ini akan menghasilkan portofolio yang tidak terdiversifikasi
dengan cukup baik untuk Persamaan 6-10 dan 6-11 menjadi perkiraan yang baik.
16Jika portofolio tidak terdiversifikasi dengan baik, maka bpsM (atau |bp |(sM) jika bp , 0) mengukur bagian dari standar
deviasi portofolio karena risiko pasar. Untuk portofolio yang tidak terdiversifikasi, bi wi sM mengukur besarnya standar deviasi
portofolio yang disebabkan oleh risiko pasar Saham i.
Gambar 6-7
Kontribusi Saham Individual terhadap Risiko Portofolio: Pengaruh Beta
Standar Deviasi Portofolio 5 22%
b1w1sM 5
3,0%
b4w4sM 5
7.0%
b2w2sM 5
6.0%
b3w3sM 5
6.0%
Deviasi Standar Pasar 5 5 20% sM

Berat dalam Kontribusi untuk Kontribusi untuk
Stok Beta: Portofolio: Portofolio Beta: Risiko Portofolio:
dengan wi bi 3 wi bi 3 wi 3 sM
Stok 1 0.6 25,0% 0,150 3,0%
Stok 2 1.2 25,0% 0,300 6.0%
Stok 3 1.2 25,0% 0,300 6.0%
Stok 4 1.4 25,0% 0,350 7.0%
bp 5 1.100 sp 5 22,0%
Dari total 22% standar deviasi portofolio, Saham 1 berkontribusi w1 b1 sM 5

(25%)(0,6)(20%) 5 3%. Saham 2 dan 3 memiliki beta yang dua kali lebih besar dari beta Saham 1, sehingga
Saham 2 dan 3 menyumbang risiko dua kali lipat dari Saham 1. Saham 4 memiliki beta terbesar, dan
memberikan kontribusi risiko paling besar.
Kami mendemonstrasikan cara memperkirakan beta di bagian berikutnya, tetapi berikut adalah beberapa
poin penting tentang beta: (1) Beta menentukan seberapa besar risiko yang disumbangkan saham terhadap
portofolio yang terdiversifikasi dengan baik. Jika semua bobot saham dalam portofolio sama, maka saham
dengan beta dua kali lebih besar dari beta saham lain memberikan kontribusi risiko dua kali lebih besar. (2)
Rata-rata beta semua saham sama dengan 1; beta pasar juga sama dengan 1. Secara intuitif, ini karena
pengembalian pasar adalah rata-rata dari semua pengembalian saham. (3) Saham dengan beta lebih besar
dari 1 memberikan kontribusi lebih banyak risiko untuk portofolio daripada saham rata-rata, dan saham dengan
beta kurang dari 1 memberikan kontribusi risiko yang lebih kecil untuk portofolio daripada saham rata-rata.
(4) Sebagian besar saham memiliki beta antara sekitar 0,4 dan 1,6.
6-6b Memperkirakan Beta

CAPM adalah model ex ante, yang berarti bahwa semua variabel mewakili sebelum fakta, nilai yang
diharapkan. Secara khusus, koefisien beta yang digunakan oleh investor harus mencerminkan hubungan
antara pengembalian yang diharapkan saham dan pengembalian yang diharapkan pasar selama beberapa
periode mendatang. Namun, orang umumnya menghitung beta menggunakan data dari beberapa periode lalu
dan kemudian berasumsi bahwa risiko saham akan sama di masa depan seperti di masa lalu.
Banyak analis menggunakan 4 sampai 5 tahun data bulanan, meskipun beberapa menggunakan 52
minggu data mingguan. Sebagai ilustrasi, kami menggunakan pengembalian bulanan 4 tahun dari Ch06 Tool
Kit.xlsx dan menghitung beta MicroDrive dan SnailDrive menggunakan Persamaan 6-8:17
Pasar MicroDrive SnailDrive
Standar deviasi (tahunan): 19,89% 51,75% 34,17%
Korelasi dengan pasar: 0,511 0.264
bi 5 riM (si / sM) 1.33 0,45
Tabel 6-1 menunjukkan beta untuk beberapa perusahaan terkenal yang disediakan oleh dua organisasi
keuangan yang berbeda, Yahoo!Finance dan Value Line. Perhatikan bahwa perkiraan beta mereka biasanya
berbeda karena mereka menghitungnya dengan cara yang sedikit berbeda. Mengingat perbedaan ini, banyak
analis memilih untuk menghitung beta mereka sendiri atau rata-rata beta yang diterbitkan.
Kalkulator dan spreadsheet dapat menghitung komponen Persamaan 6-8 (riM, si , dan sM), yang kemudian
dapat digunakan untuk menghitung beta, tetapi ada cara lain.18 Kovarian antara Stok i dan pasar, COViM,
adalah didefinisikan sebagai: 19
COViM 5 riM si sM (6-13)
tabel 6-1
Koefisien Beta untuk Beberapa Perusahaan Aktual
Saham (Simbol Ticker) Garis Nilai Yahoo! Keuangan
Amazon.com (AMZN) 1.2 1.39
Apel (AAPL) 0,95 1.34
Coca Cola (KO) 0,7 0.63
Duke Energi Corp. (DUK) 0,60 0,01
Perusahaan Energi (WILAYAH) 1.70 2.10
Listrik Umum (GE) 1.05 0,99
Microsoft Corp. (MSFT) 1.10 1.50
Procter & Judi (PG) 0,70 0,47
Tesla (TSLA) 1.30 0.73
Sumber: www.valueline.com dan finance.yahoo.com, Desember 2017. Untuk Value Line, masukkan simbol ticker.
Untuk Yahoo!Finance, masukkan simbol ticker. Saat halaman hasil muncul, pilih Statistik untuk menemukan beta.
17Seperti halnya estimasi apa pun, lebih banyak pengamatan biasanya mengarah pada interval kepercayaan yang lebih ketat.
Namun, periode estimasi yang lebih lama berarti beta dapat berubah selama periode tersebut. Dalam konsultasi kami, kami
menggunakan 252 hingga 504 hari data harian saat menghitung beta. Kami telah menemukan ini sebagai pertukaran terbaik antara
interval kepercayaan yang lebih ketat karena lebih banyak pengamatan dan risiko karena perubahan beta. Kami menggunakan data
bulanan dalam contoh ini untuk mengurangi jumlah pengamatan pada grafik dan jumlah baris di Ch06 Tool Kit.xlsx.
18Untuk penjelasan komputasi beta dengan kalkulator keuangan, lihat Ekstensi Web 6B di situs Web buku teks.
19Menggunakan data historis, kovarians sampel dapat dihitung sebagai:

T
HAI
(ri, t 2 ri, Rata-rata) (rM, t 2 rM, Rata-rata)
t51
Contoh kovarians dari data historis 5 COViM 5 T2 1
Menghitung kovarians agak lebih mudah daripada menghitung korelasi. Jadi jika Anda sudah menghitung simpangan baku, lebih
mudah untuk menghitung kovarians dan kemudian menghitung korelasinya sebagai
pelek 5 COViMy (si sM).
Substitusi Persamaan 6-13 ke Persamaan 6-8 memberikan contoh lain yang sering digunakan
tekanan untuk menghitung beta:
COVi, M
bi 5 (6-14)
s2M
Misalkan Anda memplot pengembalian saham pada sumbu y dari grafik dan pengembalian
portofolio pasar pada sumbu x. Rumus kemiringan garis regresi sama dengan rumus beta pada
Persamaan 6-14. Oleh karena itu, untuk memperkirakan beta untuk sekuritas, Anda dapat
memperkirakan regresi dengan pengembalian saham pada sumbu y dan pengembalian pasar pada sumbu x:
1
ri,t 5 ai 1 bi rM,t bukan
di mana ri,t dan rM,t adalah pengembalian aktual untuk saham dan pasar untuk tanggal t; ai dan bi
adalah koefisien regresi yang diestimasi; dan ei,t adalah estimasi kesalahan pada tanggal t.20
Gambar 6-8 mengilustrasikan pendekatan ini. Titik biru mewakili masing-masing dari 48 titik
data, dengan pengembalian saham pada sumbu y dan pengembalian pasar pada sumbu x. Untuk
tujuan referensi, garis hitam tebal menunjukkan plot pasar versus pasar. Perhatikan bahwa
pengembalian MicroDrive umumnya di atas pengembalian pasar (garis hitam) ketika pasar berjalan
dengan baik tetapi di bawah pasar ketika pasar berkinerja buruk, menunjukkan bahwa MicroDrive
berisiko.
Kami menggunakan fitur Trendline di Excel untuk menunjukkan persamaan regresi dan R2
pada grafik (ini berwarna merah): MicroDrive memiliki perkiraan beta 1,33, sama seperti yang kami
hitung sebelumnya menggunakan Persamaan 6-8. Dimungkinkan juga untuk menggunakan fungsi
SLOPE Excel untuk memperkirakan kemiringan dari regresi: 5SLOPE(known_y's,known_x's). SLOPE _
fungsi lebih nyaman jika Anda akan menghitung beta untuk banyak perusahaan yang berbeda;
lihat Ch06 Tool Kit.xlsx untuk lebih jelasnya.
6-6c Menafsirkan Perkiraan Beta

Pertama, selalu ingat bahwa beta tidak dapat diamati; itu hanya bisa diperkirakan. Nilai R2 yang
ditunjukkan pada grafik mengukur tingkat dispersi tentang garis regresi.
Secara statistik, ini mengukur proporsi variasi yang dijelaskan oleh persamaan regresi. Sebuah R2
dari 1,0 menunjukkan bahwa semua titik terletak tepat pada garis regresi dan karenanya semua
variasi dalam variabel y dijelaskan oleh variabel x. R2 Micro Drive adalah sekitar 0,26, yang sedikit
kurang dari R2 saham biasa sebesar 0,32. Ini menunjukkan bahwa sekitar 26% variasi pengembalian
MicroDrive dijelaskan oleh pengembalian pasar; dengan kata lain, sebagian besar volatilitas
MicroDrive disebabkan oleh faktor-faktor selain dari perputaran pasar. Jika kita telah melakukan
analisis serupa untuk portofolio 40 saham yang dipilih secara acak, maka titik-titik tersebut mungkin
akan mengelompok dengan rapat di sekitar garis regresi, dan R2 mungkin akan melebihi 0,90.
Hampir 100% dari volatilitas portofolio yang terdiversifikasi dengan baik dijelaskan oleh pasar.
Ch06 Tool Kit.xlsx mendemonstrasikan cara menggunakan fungsi Excel LINEST untuk menghitung
interval kepercayaan untuk perkiraan beta MicroDrive dan menunjukkan bahwa interval kepercayaan
95% di sekitar perkiraan beta MicroDrive berkisar antara sekitar 0,7 hingga 2,0. Ini berarti bahwa
kami dapat 95% yakin bahwa beta sebenarnya MicroDrive adalah antara 0,7 dan 2,0.
20Teori menyarankan bahwa tingkat bebas risiko (rRF,t) harus dikurangi dari return saham dan return pasar untuk
setiap pengamatan. Namun, koefisien yang diperkirakan hampir identik dengan yang diperkirakan tanpa mengurangi
tingkat bebas risiko, sehingga merupakan praktik umum untuk mengabaikan tingkat bebas risiko saat memperkirakan
beta dengan model ini, yang disebut model pasar.
Gambar 6-8
Pengembalian Saham MicroDrive dan Pasar: Memperkirakan Beta
Perhatikan bahwa ini adalah kisaran yang cukup besar, yang juga khas untuk sebagian besar saham. Dengan
kata lain, perkiraan beta benar-benar perkiraan!
Perkiraan beta MicroDrive adalah sekitar 1,33. Apa artinya? Menurut definisi, beta rata-rata untuk semua
saham sama dengan 1, jadi MicroDrive memberikan kontribusi risiko 33% lebih besar untuk portofolio yang
terdiversifikasi dengan baik daripada saham biasa (dengan asumsi mereka memiliki bobot portofolio yang
sama). Perhatikan juga dari Gambar 6-8 bahwa kemiringan garis perkiraan adalah sekitar 1,33, yang lebih
curam daripada kemiringan 1. Ketika pasar berjalan dengan baik, saham beta tinggi seperti MicroDrive
cenderung lebih baik daripada saham rata-rata, dan ketika pasar berkinerja buruk, saham beta tinggi juga lebih
buruk daripada saham rata-rata. Kebalikannya berlaku untuk saham beta rendah: Ketika pasar melonjak,
saham beta rendah cenderung naik dengan jumlah yang lebih kecil; ketika pasar jatuh, saham beta rendah
cenderung jatuh lebih sedikit daripada pasar.
Terakhir, perhatikan bahwa intersep yang ditunjukkan dalam persamaan regresi pada grafik adalah
20,002. Ini adalah pengembalian bulanan; nilai tahunan adalah 12 (20,2%) 5 22,4%. Ini menunjukkan bahwa
MicroDrive kehilangan sekitar 2,4% per tahun sebagai akibat dari faktor selain pergerakan pasar secara umum.
Manfaat Diversifikasi Luar Negeri

Gambar 6-6 menunjukkan bahwa seorang investor dapat secara pada saham domestik dan internasional tidak sempurna
berkorelasi.
signifikan mengurangi risiko portofolio dengan memegang sejumlah besar saham.
Gambar yang menyertai kotak ini menunjukkan bahwa investor
Sumber: Lihat Kenneth Kasa, “Mengukur Keuntungan dari Diversifikasi
mungkin dapat mengurangi risiko lebih jauh dengan memegang Portofolio Internasional,” Surat Mingguan Federal Reserve Bank of San Francisco, No.
saham dari seluruh dunia, karena pengembalian 94–14 (8 April 1994).
Risiko Portofolio, sp
(%)
Saham AS
Saham AS dan Internasional
Jumlah Saham
di Portofolio
Untuk lebih lanjut tentang menghitung beta, lihat Ch06 Tool Kit.xlsx, yang menunjukkan cara
mengunduh data untuk perusahaan yang sebenarnya dan menghitung beta-nya.
Self-T adalah
Berapa beta rata-rata? Jika suatu saham memiliki beta 0,8, apa implikasinya tentang risikonya relatif terhadap pasar?
Mengapa beta merupakan ukuran risiko saham yang secara teoritis benar?
Jika Anda memplot pengembalian saham tertentu versus yang ada di Indeks S&P 500 selama 5 tahun terakhir,
apakah kemiringan garis regresi akan memberi tahu Anda tentang risiko pasar saham?
Jenis data apa yang diperlukan untuk menghitung koefisien beta untuk perusahaan yang sebenarnya?
Apa yang diukur R2 ? Berapa R2 untuk perusahaan tipikal?
Seorang investor memiliki portofolio tiga saham dengan $25.000 diinvestasikan di Apple, $50.000 diinvestasikan
di Ford, dan $25.000 diinvestasikan di Walmart. Beta Apple diperkirakan 1,20, beta Ford diperkirakan 0,80, dan
beta Walmart diperkirakan 1,0. Berapa estimasi beta dari portofolio investor? (0,95)
6-7 Hubungan antara Risiko dan Pengembalian

dalam Model Penetapan Harga Aset Modal
Pada bagian sebelumnya, kita melihat bahwa beta mengukur kontribusi saham terhadap risiko portofolio
yang terdiversifikasi dengan baik. CAPM mengasumsikan bahwa investor marjinal (yaitu, investor dengan
cukup uang untuk menggerakkan harga pasar) memiliki portofolio yang terdiversifikasi dengan baik. Karena itu,
beta adalah ukuran yang tepat dari risiko relevan saham. Namun, kita perlu mengukur bagaimana risiko
mempengaruhi tingkat pengembalian yang diminta saham: Untuk tingkat risiko tertentu yang diukur dengan
beta, berapa tingkat pengembalian yang diharapkan yang dibutuhkan investor untuk mengkompensasi mereka
untuk menanggung risiko itu? Untuk memulai, kami mendefinisikan istilah berikut:
R
Dan
5 Tingkat pengembalian yang diharapkan atas Saham i.
saya
ri 5 Tingkat pengembalian yang diperlukan atas Saham i. Ini adalah pengembalian minimum yang
diharapkan yang diperlukan untuk mendorong investor rata-rata membeli saham.
r 5 Realisasi, pengembalian setelah fakta.
rRF 5 Tingkat pengembalian bebas risiko. Dalam konteks ini, rRF umumnya diukur dengan
pengembalian yang diharapkan dari obligasi Treasury AS jangka panjang.
bi 5 Koefisien Beta Saham i.
rM 5 Tingkat pengembalian yang diperlukan atas portofolio yang terdiri dari semua saham, yang
disebut portofolio pasar.
RPM 5 Premi risiko di "pasar". RPM 5 (rM 2 rRF) adalah pengembalian tambahan
atas tingkat bebas risiko yang diperlukan untuk mendorong investor rata-rata untuk berinvestasi
dalam portofolio pasar.
RPi 5 Premi risiko pada Saham i: RPi 5 bi (RPM).
6-7a Garis Pasar Keamanan (SML)

Secara umum, kita dapat mengkonseptualisasikan pengembalian yang diperlukan pada Saham i (ri )
sebagai tingkat bebas risiko ditambah pengembalian ekstra (yaitu, premi risiko) yang diperlukan untuk
mendorong investor agar memegang saham tersebut. Security Market Line (SML) CAPM memformalkan
konsep umum ini dengan menunjukkan bahwa premi risiko saham sama dengan produk beta saham
dan premi risiko pasar:
Pengembalian yang diperlukan atas Saham i 5 Tingkat bebas risiko 11 Premi

untukrisiko
Stok i 2
Pengembalian yang diperlukan atas Saham i 5 Tingkat bebas risiko 1 1Saham

Beta dari
i21 Risiko
premium
pasar 2 (6-15)
ri 5 rRF 1 bi (RPM)
5 rRF 1 bi (rM 2 rRF)
Mari kita lihat tiga komponen pengembalian yang diminta (tingkat bebas risiko, premi risiko pasar,
dan beta) untuk melihat bagaimana mereka berinteraksi dalam menentukan pengembalian yang diminta
saham.
Tarif Bebas Risiko

Perhatikan bahwa pengembalian yang diminta saham dimulai dengan tingkat bebas risiko. Untuk mendorong
investor mengambil investasi berisiko, investor akan membutuhkan pengembalian yang setidaknya sebesar
tingkat bebas risiko. Hasil pada obligasi Treasury jangka panjang sering digunakan untuk mengukur tingkat
bebas risiko saat memperkirakan pengembalian yang diperlukan dengan CAPM.
Premi Risiko Pasar
Premi risiko pasar (RPM) adalah tingkat pengembalian ekstra yang dibutuhkan investor untuk berinvestasi di pasar saham
daripada membeli sekuritas bebas risiko. Ini juga disebut premi ekuitas atau premi risiko ekuitas.
Besarnya premi risiko pasar tergantung pada tingkat penghindaran risiko yang rata-rata dimiliki investor. Ketika
investor secara keseluruhan sangat menghindari risiko, premi risiko pasar tinggi; ketika investor kurang peduli tentang risiko,
premi risiko pasar rendah. Sebagai contoh, anggaplah investor (rata-rata) membutuhkan pengembalian tambahan sebesar
5% sebelum mereka mengambil risiko pasar saham. Jika obligasi Treasury menghasilkan rRF 5 6%, maka pengembalian
yang diminta di pasar, rM, adalah 11%:
rM 5 rRF 1 RPM 5 6% 1 5% 5 11%
Jika kita malah memulai dengan perkiraan pengembalian pasar yang diperlukan (mungkin melalui analisis skenario
yang serupa dengan contoh di Bagian 6-2), maka kita dapat menemukan premi risiko pasar tersirat. Misalnya, jika
pengembalian pasar yang diminta diperkirakan sebesar 11%, maka premi risiko pasar adalah:
RPM 5 rM 2 rRF 5 11% 2 6% 5 5%
Kami membahas premi risiko pasar secara rinci di Bab 9, tetapi untuk saat ini Anda harus
ketahuilah bahwa sebagian besar analis menggunakan premi risiko pasar di kisaran 4% hingga 7%.
Premi Risiko untuk Saham Perorangan
CAPM menunjukkan bahwa premi risiko untuk saham individual (RPi ) sama dengan produk beta saham dan premi risiko
pasar:
Premi risiko untuk Saham i 5 RPi 5 bi (RPM)

(6-16)
Misalnya, pertimbangkan saham berisiko rendah dengan pukulan 5 0,5. Jika premi risiko pasar adalah
5%, maka premi risiko untuk saham (RPLow) adalah 2,5%:
RP Rendah 5 (5%) (0,5)

5 2.5%
Menggunakan SML dalam Persamaan 6-15, pengembalian yang diperlukan untuk ilustrasi saham berisiko rendah kami
kemudian ditemukan sebagai berikut:
rRendah 5 6% 1 5%(0.5)
5 8.5%
Jika saham berisiko tinggi memiliki bHigh 5 2.0, maka tingkat pengembalian yang diminta adalah 16%:
rTinggi 5 6% 1 (5%) 2.0 5 16%
Saham rata-rata, dengan bAvg 5 1.0, memiliki pengembalian yang diminta sebesar 11%, sama dengan
pengembalian pasar:
rAvg 5 6% 1 (5%) 1,0 5 11% 5 rM
Gambar 6-9 menunjukkan SML saat rRF 5 6% dan RPM 5 5%. Perhatikan poin-poin berikut:
1. Tingkat pengembalian yang disyaratkan ditunjukkan pada sumbu y, sedangkan risiko yang diukur dengan beta
ditunjukkan pada sumbu x. Grafik ini sangat berbeda dari garis regresi yang ditunjukkan pada Gambar 6-8, di mana
pengembalian historis dari masing-masing saham yang sama diplot pada sumbu y, dan pengembalian historis dari
indeks pasar diplot pada sumbu x.
Gambar 6-9
Garis Pasar Keamanan (SML)
Tarif yang Diperlukan

Pengembalian (%)
SML: ri 5 rRF 1 (RPM) bi
5 6% 1 (5%) bi
rH 5 16
Saham Berisiko Tinggi

rM 5 rA5 11
Premi Risiko: 10%
Premi Risiko Saham dengan
Risiko Rata-Rata: 5%.
rL5 8.5 Resiko rendah Ini juga merupakan premi risiko
Risiko Saham pasar.
Premi: 2.5%
rRF5 6
Bebas resiko
Tingkat, rRF
0 0,5 1.0 1.5 2.0 Risiko, bi
Untuk SML pada Gambar 6-9, pengembalian yang diperlukan (atau diharapkan) dari berbagai saham (atau portofolio)
diplot pada sumbu y, dan beta dari berbagai saham (atau portofolio) diplot pada sumbu x. Dengan kata lain, beta dari
saham yang berbeda diperkirakan
pada Gambar 6-8 tetapi digunakan pada Gambar 6-9 untuk menentukan pengembalian yang diperlukan.
2. Surat berharga tanpa risiko memiliki bi 5 0; oleh karena itu, rRF adalah intersep sumbu y pada Gambar 6-9. Jika kita
dapat membangun portofolio yang memiliki beta nol, maka itu akan memiliki pengembalian yang diminta sama dengan
tingkat bebas risiko.
3. Kemiringan SML (5% pada Gambar 6-9) mencerminkan tingkat penghindaran risiko dalam perekonomian: Semakin
besar rata-rata penghindaran investor terhadap risiko, maka (a) kemiringan garis semakin curam, (b) semakin besar
premi risiko untuk semua saham, dan (c) semakin tinggi tingkat pengembalian yang disyaratkan untuk semua
saham.21
6-7b Dampak pada Pengembalian yang Disyaratkan karena

Perubahan Tingkat Bebas Risiko, Penghindaran Risiko, dan Beta
Pengembalian yang diperlukan tergantung pada tingkat bebas risiko, premi risiko pasar, dan beta saham. Bagian berikut
mengilustrasikan dampak perubahan pada input ini.
21Siswa terkadang mengacaukan beta dengan kemiringan SML. Kemiringan setiap garis lurus sama dengan "naik" dibagi dengan "lari", atau
(Y1 2 Y0 )y(X1 2 X0 ). Perhatikan Gambar 6-9. Jika kita biarkan Y 5 r dan X 5 beta, dan jika kita pergi dari titik asal ke b 5 1.0, maka kita
melihat bahwa kemiringannya adalah (rM 2 rRF)y(bM 2 bRF) 5 (11% 2 6%)y (1 2 0) 5 5%.
Dengan demikian, kemiringan SML sama dengan (rM 2 rRF), premi risiko pasar. Pada Gambar 6-9, ri 5 6% 1 5%(bi ), jadi peningkatan beta
dari 1,0 menjadi 2,0 akan menghasilkan peningkatan ri sebesar 5 poin persentase .
Dampak Perubahan Tarif Bebas Risiko
Misalkan beberapa kombinasi dari kenaikan suku bunga riil dan inflasi yang diantisipasi menyebabkan
tingkat bunga bebas risiko meningkat dari 6% menjadi 8%. Namun, suku bunga riil dan inflasi tidak
serta merta mempengaruhi penghindaran risiko investor, yang merupakan penentu utama premi
risiko pasar. Oleh karena itu, perubahan rRF tidak serta merta menyebabkan perubahan premi risiko
pasar. Jika tidak ada perubahan dalam premi risiko pasar, maka CAPM menunjukkan bahwa
peningkatan rRF mengarah pada peningkatan yang identik dalam tingkat pengembalian yang
diperlukan atas suatu aset. Ini berlaku untuk semua aset, jadi itu juga berlaku untuk pengembalian
pasar. Untuk contoh ini, tingkat bebas risiko meningkat sebesar 2 poin persentase. Oleh karena itu,
tingkat pengembalian yang disyaratkan pada portofolio pasar, rM, meningkat dari 11% menjadi
13%.22 Pengembalian wajib sekuritas berisiko lainnya juga naik sebesar 2 poin persentase. Gambar
6-10 mengilustrasikan poin-poin ini.
Perubahan Penghindaran Risiko
Kemiringan Garis Pasar Keamanan mencerminkan sejauh mana investor menolak risiko: Semakin
besar rata-rata keengganan investor terhadap risiko, semakin curam kemiringannya
Gambar 6-10
Pergeseran SML yang Disebabkan oleh Kenaikan Tarif Bebas Risiko

Pengembalian (%)
SML25 8% 1 5% (bi )
SML15 6% 1 5% (bi )
rM25 13
rM15 11
rRF25 8
Kenaikan Suku Bunga Bebas Risiko
rRF15 6
0 0,5 1.0 1.5 2.0 Risiko, bi
22Pikirkan perahu layar yang terapung di pelabuhan. Jarak dari dasar laut ke permukaan laut seperti tingkat bebas risiko, dan bergerak naik
turun mengikuti pasang surut. Jarak dari puncak tiang kapal ke dasar laut seperti pengembalian pasar yang diminta: Ia juga bergerak naik
turun mengikuti pasang surut. Jarak dari puncak tiang ke permukaan laut seperti premi risiko pasar: tetap sama, meskipun pasang surut
menggerakkan kapal ke atas dan ke bawah. Dengan demikian, hal-hal lain dianggap konstan, perubahan tingkat bebas risiko juga menyebabkan
perubahan identik dalam pengembalian pasar yang diperlukan, rM, menghasilkan premi risiko pasar yang relatif stabil, rM 2 rRF.
Gambar 6-11
Pergeseran dalam SML yang Disebabkan oleh Peningkatan Penghindaran Risiko
SML2 5 6% 1 7.5% (bi )

Pengembalian (%)
17.25
SML1 5 6% 1 5% (bi )
rM2 5 13.5
rM15 11
9.75 Risiko Pasar Baru
8.5 Premium, rM2 2 rRF 5 7,5%
rRF 5 6
Risiko Pasar Asli

Premium, rM1 2 rRF 5 5%
0 0,5 1.0 1.5 2.0 Risiko, bi
dari SML. Untuk melihat ini, anggaplah semua investor acuh tak acuh terhadap risiko—yaitu, anggaplah
mereka tidak menghindari risiko. Dalam hal ini, mereka tidak memerlukan premi risiko untuk mendorong
mereka berinvestasi dalam aset berisiko dan SML akan diplot sebagai garis horizontal. Jika investor
menjadi lebih menolak risiko, itu menjadi lebih curam. Sebagai contoh, Gambar 6-11 menunjukkan
peningkatan kemiringan akibat peningkatan premi risiko pasar dari 5% menjadi 7,5%.
Kenaikan premi risiko pasar menyebabkan rM naik dari rM1 5 11% menjadi rM2 5 13,5%. Pengembalian
aset berisiko lainnya juga meningkat, dan efek dari peningkatan penghindaran risiko lebih besar untuk
sekuritas berisiko. Misalnya, pengembalian yang diminta pada saham dengan bi 5 0,5 meningkat hanya
1,25 poin persentase, dari 8,5% menjadi 9,75%; bahwa pada saham dengan bi 5 1,0 meningkat 2,5 poin
persentase, dari 11,0% menjadi 13,5%; dan pada saham dengan bi 5 1,5 meningkat 3,75 poin persentase,
dari 13,5% menjadi 17,25%.
Perubahan Koefisien Beta Saham

Mengingat penghindaran risiko dan SML dengan kemiringan positif seperti pada Gambar 6-9, semakin
tinggi beta saham, semakin tinggi tingkat pengembalian yang diminta. Seperti yang akan kita lihat nanti
dalam buku ini, perusahaan dapat mempengaruhi beta melalui perubahan komposisi aset dan juga melalui
penggunaan utang: Memperoleh aset berisiko akan meningkatkan beta, seperti juga perubahan struktur
modal yang memerlukan rasio utang yang lebih tinggi. Beta perusahaan juga dapat berubah sebagai akibat
dari faktor eksternal seperti meningkatnya persaingan dalam industrinya, berakhirnya paten dasar, dan
sejenisnya. Ketika perubahan tersebut mengarah ke beta yang lebih tinggi atau lebih rendah, tingkat
pengembalian yang diperlukan juga akan berubah.
6-7c Pengembalian Portofolio dan Portofolio

Evaluasi kinerja
Dan
Tingkat pengembalian yang diharapkan dari portofolio (r P) adalah rata-rata tertimbang dari pengembalian yang
diharapkan pada aset individu dalam portofolio. Misalkan ada n saham dalam portofolio dan pengembalian yang
Dan
diharapkan pada Saham i adalah r saya

. Pengembalian yang diharapkan dari portofolio adalah:
n
Dan
R
P 5_ dengan r / saya
(6-17)
saya 5 1
Tingkat pengembalian yang disyaratkan atas portofolio (rp ) adalah rata-rata tertimbang dari pengembalian yang
diminta atas aset individu dalam portofolio:
rp 5o wi ri (6-18)
saya 5 1
Kami juga dapat menyatakan pengembalian yang diperlukan atas portofolio dalam bentuk beta portofolio:
rp 5 rRF 1 bp RPM (6-19)
Persamaan 6-19 berarti bahwa kita tidak perlu memperkirakan beta untuk portofolio jika kita telah memperkirakan
beta untuk masing-masing saham. Yang harus kita lakukan adalah menghitung beta portofolio sebagai rata-rata
tertimbang dari beta saham (lihat Persamaan 6-9) dan kemudian menerapkan Persamaan 6-19.
Ini sangat membantu ketika mengevaluasi manajer portofolio. Misalnya, pasar saham memiliki pengembalian untuk
tahun ini sebesar 9% dan reksa dana tertentu memiliki pengembalian 10%. Apakah manajer portofolio melakukan
pekerjaan dengan baik atau tidak? Jawabannya tergantung pada seberapa besar risiko yang dimiliki dana tersebut. Jika
beta dana adalah 2, maka dana tersebut seharusnya memiliki pengembalian yang jauh lebih tinggi daripada pasar, yang
berarti manajer tidak melakukannya dengan baik. Kuncinya adalah mengevaluasi imbal hasil manajer portofolio terhadap
imbal hasil yang seharusnya diperoleh manajer dengan mempertimbangkan risiko investasi.
6-7d Pengembalian yang Diperlukan versus Pengembalian yang Diharapkan:

Keseimbangan pasar
Kami menjelaskan di Bab 1 bahwa manajer harus berusaha untuk memaksimalkan nilai saham perusahaan mereka.
Kami juga menekankan perbedaan antara harga pasar dan nilai intrinsik. Nilai intrinsik menggabungkan semua informasi
relevan yang tersedia tentang arus kas dan risiko yang diharapkan. Ini termasuk informasi tentang perusahaan, lingkungan
ekonomi, dan lingkungan politik. Berbeda dengan nilai intrinsik, harga pasar didasarkan pada pilihan investor dan
interpretasi informasi. Sejauh investor tidak memilih semua informasi yang relevan dan tidak menafsirkannya dengan
benar, harga pasar dapat menyimpang dari nilai intrinsik. Gambar 6-12 mengilustrasikan hubungan antara harga pasar
dan nilai intrinsik ini.
Ketika harga pasar menyimpang dari nilai intrinsiknya, investor yang cerdik memiliki peluang yang menguntungkan.
Misalnya, kita melihat di Bab 5 bahwa nilai obligasi adalah saat ini
Gambar 6-12
Determinan Nilai Intrinsik dan Harga Pasar
Perusahaan, ekonomi
lingkungan, dan iklim politik
Semua relevan tersedia Informasi yang dipilih

informasi dan interpretasinya
Tidak bias diharapkan tidak bias Masa depan yang “dirasakan” “Dirasakan”
arus kas masa depan mempertaruhkan Arus kas mempertaruhkan
Nilai intrinsik Setara? Harga pasar
nilai arus kasnya ketika didiskontokan pada tingkat pengembalian obligasi yang disyaratkan, yang mencerminkan
risiko obligasi. Ini adalah nilai intrinsik obligasi karena menggabungkan semua informasi relevan yang tersedia.
Perhatikan bahwa nilai intrinsik adalah "adil" dalam arti bahwa ia memasukkan tingkat risiko obligasi dan
pengembalian yang dibutuhkan investor untuk menanggung risiko tersebut.
Apa yang akan terjadi jika harga pasar obligasi lebih rendah dari nilai intrinsiknya? Dalam situasi ini, investor
dapat membeli obligasi dan menerima tingkat pengembalian yang melebihi pengembalian yang diminta. Dengan
kata lain, investor akan mendapatkan kompensasi lebih dari yang dibenarkan oleh risiko obligasi. Jika semua
investor merasakan hal ini, maka permintaan obligasi akan melonjak karena investor mencoba membelinya,
mendorong harga obligasi naik. Tetapi ketika harga obligasi naik, hasilnya turun. Ini berarti bahwa kenaikan harga
akan mengurangi pengembalian berikutnya bagi investor yang membeli (atau memegang) obligasi pada harga
baru.23 Tampaknya masuk akal untuk mengharapkan bahwa tindakan investor akan terus mendorong harga
hingga pengembalian yang diharapkan atas obligasi sama dengan pengembalian yang diminta. Setelah titik itu,
obligasi akan memberikan pengembalian yang cukup untuk mengkompensasi pemiliknya atas risiko obligasi.
Jika harga obligasi terlalu tinggi dibandingkan dengan nilai intrinsiknya, maka investor akan menjual obligasi
tersebut, menyebabkan harganya turun dan imbal hasil meningkat hingga pengembalian yang diharapkan sama
dengan pengembalian yang diminta.
Arus kas masa depan saham tidak dapat diprediksi seperti obligasi, tetapi kami menunjukkan di Bab 7 bahwa
nilai intrinsik saham adalah nilai sekarang dari arus kas masa depan yang diharapkan, sama seperti nilai intrinsik
obligasi adalah nilai sekarang dari arus kasnya. . Jika harga saham lebih rendah dari nilai intrinsiknya, maka
investor akan menerima pengembalian yang diharapkan lebih besar dari pengembalian yang diminta sebagai
kompensasi risiko. Kekuatan pasar yang sama yang kami jelaskan untuk obligasi yang salah harga akan
mendorong harga saham yang salah harga. Jika proses ini berlanjut sampai
23Pemilik asli obligasi ketika harganya terlalu rendah akan menuai keuntungan yang bagus saat harganya naik, tetapi pembeli berikutnya
hanya akan menerima hasil yang sekarang lebih rendah.
Jenis Risiko Lain: Kisah Bernie Madoff

Pada musim gugur 2008, skema Ponzi besar-besaran Bernard Madoff hanya dari mulut ke mulut, dan klien memberi tahu klien potensial tentang
terungkap, mengungkapkan jenis risiko penting yang tidak dibahas dalam banyak orang kaya dan sangat dihormati yang berinvestasi dengannya
bab ini. Madoff adalah seorang manajer uang pada tahun 1960-an, dan tentu saja membantu. Semua investornya berasumsi bahwa orang lain
tampaknya melalui keberuntungan dia menghasilkan hasil di atas rata-rata telah melakukan "uji tuntas" dan menganggap operasi itu bersih. Beberapa
selama beberapa tahun. Klien Madoff kemudian memberi tahu teman- investor yang benar-benar melakukan due diligence curiga dan tidak
teman mereka tentang kesuksesannya, dan teman-teman itu mengirimkan berinvestasi dengannya, tetapi sebagian besar, orang-orang hanya
uang untuk dia investasikan. Pengembalian sebenarnya Madoff kemudian membabi buta.
turun, tetapi dia tidak memberi tahu kliennya bahwa mereka kehilangan mengikuti yang lain.
uang. Sebaliknya, dia memberi tahu mereka bahwa pengembalian Semua skema Ponzi macet ketika terjadi sesuatu yang menyebabkan
bertahan dengan baik, dan dia menggunakan uang masuk baru untuk beberapa investor berusaha menarik dana dalam jumlah tertentu
membayar dividen dan memenuhi permintaan penarikan. Ide menggunakan lebih besar dari dana yang masuk dari investor baru. Beberapa orang
uang baru untuk melunasi investor lama disebut skema Ponzi, dinamai mencoba keluar, tidak bisa, memberitahu orang lain yang khawatir dan
Charles Ponzi, seorang Boston yang mendirikan skema tersebut mencoba keluar juga, dan hampir dalam semalam penipuan itu terbongkar.
dipublikasikan secara luas pertama di awal 1900-an. Itu terjadi pada Madoff pada 2008, ketika pasar saham
Madoff menyempurnakan sistemnya, menjalankan skemanya selama crash menyebabkan beberapa investornya mencari penarikan dan
sekitar 40 tahun, dan menarik sekitar $50 miliar dana investor. beberapa dolar baru masuk. Pada akhirnya, investornya kehilangan
Investornya berkisar dari miliarder terkenal hingga pensiunan yang miliaran; beberapa kehilangan seluruh tabungan hidup mereka, dan
menginvestasikan seluruh tabungan seumur hidup mereka. Iklannya beberapa bunuh diri.
pengembalian yang diharapkan sama dengan pengembalian yang diminta, maka kami mengatakan bahwa ada keseimbangan pasar
(yang juga disebut hanya keseimbangan):
Ekuilibrium pasar: Pengembalian yang diharapkan 5 Pengembalian yang diminta

R 5r Dan
Kami juga dapat mengekspresikan keseimbangan pasar dalam hal harga:
Ekuilibrium pasar: Harga pasar 5 Nilai intrinsik
Informasi baru tentang tingkat bebas risiko, tingkat penghindaran risiko pasar, atau arus kas yang diharapkan dari
suatu saham (ukuran, waktu, atau risiko) akan menyebabkan harga saham berubah. Tapi selain periode di mana harga
menyesuaikan dengan informasi baru, apakah pasar biasanya dalam ekuilibrium? Kami menjawab pertanyaan itu di bagian
berikutnya.
Self-T adalah
^
Bedakan antara tingkat pengembalian yang diharapkan (r), tingkat pengembalian yang diminta (r), dan pengembalian
^
yang direalisasi setelah fakta (rÿ ) pada suatu saham. Mana yang harus lebih besar agar Anda membeli saham, r atau
r?
^
Akan r, r, dan rÿ biasanya sama atau berbeda untuk perusahaan tertentu pada titik waktu tertentu?
Apa perbedaan antara grafik pengembalian relatif (garis regresi pada Gambar 6-8), di mana "beta dibuat," dan grafik
SML (Gambar 6-9), di mana "beta digunakan"? Diskusikan bagaimana grafik dibangun dan informasi yang mereka sampaikan.
Apa yang terjadi pada grafik SML pada Gambar 6-9 ketika inflasi meningkat atau menurun?
Apa yang terjadi pada grafik SML ketika penghindaran risiko meningkat atau menurun? Seperti apa SML jika investor
sama sekali tidak peduli terhadap risiko—yaitu, tidak memiliki penghindaran risiko?
Bagaimana manajer perusahaan dapat mempengaruhi risiko pasar sebagaimana tercermin dalam beta?
Sebuah saham memiliki beta 0,8. Asumsikan bahwa tingkat bebas risiko adalah 5,5% dan premi risiko pasar adalah 6%.
Berapa tingkat pengembalian yang diminta saham? (10,3%)
6-8 Hipotesis Pasar Efisien

Hipotesis Pasar Efisien (EMH) menegaskan: (1) Saham selalu dalam ekuilibrium.
(2) Tidak mungkin bagi investor untuk "mengalahkan pasar" dan secara konsisten memperoleh tingkat
pengembalian yang lebih tinggi daripada yang dibenarkan oleh risiko saham. Dengan kata lain, harga pasar
saham selalu sama dengan nilai intrinsiknya. Untuk membuatnya lebih tepat, anggaplah harga pasar saham
sama dengan nilai intrinsik saham, tetapi informasi baru yang mengubah nilai intrinsik saham tiba. EMH
menegaskan bahwa harga pasar akan menyesuaikan diri dengan nilai trinsik baru begitu cepat sehingga tidak
ada waktu bagi investor untuk menerima informasi baru, mengevaluasi informasi, mengambil posisi di saham
sebelum harga pasar berubah, dan kemudian keuntungan dari perubahan harga berikutnya.
Berikut adalah tiga poin untuk dipertimbangkan. Pertama, hampir setiap saham berada di bawah
pengawasan yang cukup kecil. Dengan 100.000 atau lebih analis dan pedagang profesional penuh waktu,
sangat terlatih, masing-masing mengikuti sekitar 30 dari sekitar 3.000 saham yang diperdagangkan secara
aktif (analis cenderung berspesialisasi dalam industri tertentu), rata-rata ada sekitar 1.000 analis yang mengikuti setiap saham.
Kedua, lembaga keuangan, dana pensiun, firma pengelolaan uang, dan dana lindung nilai memiliki miliaran
dolar yang tersedia bagi manajer portofolio untuk digunakan dalam mengambil keuntungan dari harga saham
yang salah. Ketiga, persyaratan pengungkapan SEC dan jaringan informasi elektronik menyebabkan informasi
baru tentang saham tersedia bagi semua analis secara virtual dan hampir seketika. Dengan begitu banyak
analis yang mencoba mengambil keuntungan dari mispricing sementara karena informasi baru, dengan begitu
banyak uang mengejar keuntungan karena mispricing sementara, dan dengan penyebaran informasi yang
begitu luas, harga pasar saham harus menyesuaikan dengan cepat dari nilai intrinsiknya sebelum berita. ke
pasca-beritanya dalam nilai trinsik, hanya menyisakan waktu yang sangat singkat bahwa saham tersebut "salah
harga" saat bergerak dari satu harga keseimbangan ke harga keseimbangan lainnya. Singkatnya, itulah logika
di balik Hipotesis Pasar Efisien.
Bagian berikut membahas bentuk-bentuk Hipotesis Pasar Efisien dan pengujian empiris hipotesis tersebut.
6-8a Bentuk Hipotesis Pasar Efisien

Ada tiga bentuk Hipotesis Pasar Efisien, dan masing-masing berfokus pada jenis ketersediaan informasi yang
berbeda.
Efisiensi Bentuk Lemah

Bentuk lemah dari EMH menegaskan bahwa semua informasi yang terkandung dalam pergerakan harga
masa lalu sepenuhnya tercermin dalam harga pasar saat ini. Jika ini benar, maka informasi tentang tren harga
saham terkini tidak akan berguna dalam memilih saham; fakta bahwa suatu saham telah naik selama tiga hari
terakhir, misalnya, tidak akan memberi kita petunjuk yang berguna tentang apa yang akan dilakukannya hari
ini atau besok. Sebaliknya, analis teknis, juga disebut "chartists," percaya bahwa tren atau pola masa lalu
dalam harga saham dapat digunakan untuk memprediksi harga saham di masa depan.
Untuk mengilustrasikan argumen yang mendukung efisiensi bentuk lemah, misalkan setelah mempelajari
sejarah pasar saham masa lalu, seorang analis teknikal mengidentifikasi pola torisnya berikut ini: Jika sebuah
saham telah jatuh selama tiga hari berturut-turut, harganya naik sebesar 10% ( rata-rata) pada hari berikutnya.
Teknisi kemudian akan menyimpulkan bahwa investor dapat menghasilkan uang dengan membeli saham yang
harganya telah jatuh tiga hari berturut-turut.
Pendukung bentuk lemah berpendapat bahwa jika pola ini benar-benar ada, maka pasti investor lain
akan segera menemukannya, dan jika demikian, mengapa ada orang yang mau menjual saham setelah jatuh
selama tiga hari berturut-turut? Dengan kata lain, mengapa menjual jika Anda tahu bahwa harga akan naik
10% pada hari berikutnya? Sebagai contoh, anggaplah sebuah saham telah jatuh tiga hari berturut-turut
menjadi $40. Jika saham kemungkinan besar akan naik 10% menjadi $44 besok, maka
harga hari ini, saat ini, akan benar-benar naik ke suatu tempat mendekati $44, sehingga menghilangkan peluang perdagangan.
Akibatnya, efisiensi bentuk lemah menyiratkan bahwa setiap informasi yang berasal dari harga saham masa lalu terlalu cepat
dimasukkan ke dalam harga saham saat ini untuk peluang keuntungan yang ada.
Efisiensi Bentuk Semikuat

Bentuk semikuat dari EMH menyatakan bahwa harga pasar saat ini mencerminkan semua informasi yang tersedia untuk
umum. Oleh karena itu, jika efisiensi bentuk setengah kuat ada, tidak ada gunanya meneliti laporan tahunan atau data lain
yang dipublikasikan karena harga pasar akan disesuaikan dengan berita baik atau buruk yang terkandung dalam laporan
tersebut saat berita itu keluar.
Dengan efisiensi bentuk setengah kuat, investor harus mengharapkan untuk mendapatkan pengembalian yang sepadan
dengan risiko, tetapi mereka tidak boleh berharap untuk melakukan yang lebih baik atau lebih buruk selain secara kebetulan.
Implikasi lain dari efisiensi bentuk setengah kuat adalah bahwa setiap kali informasi dirilis ke publik, harga saham akan
merespon hanya jika informasi tersebut berbeda dari yang diharapkan. Misalnya, jika sebuah perusahaan mengumumkan
kenaikan pendapatan sebesar 30% dan jika kenaikan tersebut sesuai dengan apa yang telah diperkirakan oleh para analis,
maka pengumuman tersebut seharusnya memiliki sedikit atau tidak berpengaruh pada harga saham perusahaan. Di sisi lain,
harga saham mungkin akan turun jika analis memperkirakan pendapatan meningkat lebih dari 30%, tetapi mungkin akan naik
jika mereka memperkirakan kenaikan yang lebih kecil.
Efisiensi Bentuk Kuat

Bentuk kuat dari EMH menyatakan bahwa harga pasar saat ini mencerminkan semua informasi yang relevan, apakah
tersedia untuk umum atau dimiliki secara pribadi. Jika formulir ini berlaku, bahkan orang dalam pun akan merasa tidak mungkin
untuk mendapatkan hasil abnormal yang konsisten di pasar saham.
6-8b Apakah Pasar Saham Efisien?

Bukti Empiris
Studi empiris adalah tes bersama dari EMH dan model penetapan harga aset, seperti CAPM. Mereka adalah tes bersama
dalam arti bahwa mereka memeriksa apakah strategi tertentu dapat mengalahkan pasar, di mana "mengalahkan pasar" berarti
mendapatkan pengembalian yang lebih tinggi daripada yang diprediksi oleh model penetapan harga aset tertentu. Sebelum
membahas pengujian bentuk EMH tertentu, mari kita lihat gelembung pasar.
Gelembung Pasar
Sejarah keuangan ditandai oleh banyak contoh di mana rangkaian peristiwa berikut terjadi: (1) Harga naik dengan cepat ke
ketinggian yang akan dianggap sangat tidak mungkin sebelum kenaikan. (2) Volume perdagangan jauh lebih tinggi dari volume
sebelumnya. (3) Banyak investor baru (atau spekulan?) dengan bersemangat memasuki pasar. (4) Harga tiba-tiba turun
drastis, meninggalkan banyak investor baru dengan kerugian besar. Contoh ini disebut gelembung pasar.
Gelembung pasar saham yang meledak pada tahun 2000 dan 2008 menunjukkan bahwa, pada puncak ledakan ini,
saham banyak perusahaan—terutama di sektor teknologi pada tahun 2000 dan sektor keuangan pada tahun 2008—jauh
melebihi nilai intrinsiknya, yang seharusnya tidak terjadi. jika pasar selalu efisien. Dua pertanyaan muncul. Pertama, bagaimana
gelembung terbentuk?
Keuangan perilaku, yang kita bahas di Bagian 6-10, memberikan beberapa kemungkinan jawaban.
Kedua, mengapa gelembung-gelembung itu tetap ada ketika mungkin untuk menghasilkan banyak uang ketika mereka
meledak? Misalnya, manajer dana lindung nilai Mark Spitznagel konon menghasilkan miliaran untuk dana Universa-nya
dengan bertaruh melawan pasar pada tahun 2008. Logika yang mendasari keseimbangan pasar menunjukkan bahwa setiap
orang akan bertaruh melawan pasar yang dinilai terlalu tinggi dan bahwa tindakan mereka
akan menyebabkan harga pasar turun kembali ke nilai intrinsik dengan cukup cepat. Untuk memahami
mengapa hal ini tidak terjadi, mari kita periksa strategi untuk mendapatkan keuntungan dari pasar yang jatuh:
(1) Jual saham (atau indeks pasar itu sendiri) short. (2) Membeli opsi put atau menulis opsi beli. (3) Ambil
posisi short dalam kontrak berjangka pada indeks pasar. Berikut adalah penjelasan tentang bagaimana strategi
ini bekerja (atau gagal).
Secara longgar, menjual saham pendek berarti Anda meminjam saham dari broker dan menjualnya. Anda
mendapatkan uang tunai (tunduk pada persyaratan jaminan yang disyaratkan oleh broker), tetapi Anda
berutang saham. Misalnya, Anda menjual saham Google secara short pada harga saat ini sebesar $500. Jika
harganya turun menjadi $400, Anda dapat membeli satu bagian saham dengan harga pasar $400 yang
sekarang lebih rendah dan mengembalikan sahamnya ke broker, mengantongi selisih $100 di antara harga
yang lebih tinggi ($500) saat Anda menjual dan yang lebih rendah harga ($400) saat Anda menutup posisi.
Tentu saja, jika harganya naik, katakanlah menjadi $550, Anda kehilangan $50 karena Anda harus mengganti
bagian yang Anda pinjam (dengan harga $500) dengan yang sekarang lebih mahal ($550).
Bahkan jika broker Anda tidak mengharuskan Anda untuk menutup posisi Anda saat harga naik, broker Anda
pasti akan meminta Anda memasukkan lebih banyak agunan.
Opsi put memberi Anda opsi untuk menjual saham dengan harga tetap. Misalnya, Anda membeli put on
Google seharga $60 dengan strike price $500. Jika harga saham turun di bawah harga kesepakatan, katakanlah
$400, Anda dapat membeli saham pada harga rendah ($400) dan menjualnya pada harga kesepakatan yang
lebih tinggi ($500), menghasilkan laba bersih $40 dari penurunan harga saham : $40 5 2$60 2 $400 1 $500.
Namun, jika put berakhir sebelum harga saham turun di bawah harga strike, Anda kehilangan $60 yang Anda
habiskan untuk membeli put. Anda juga dapat menggunakan opsi panggilan untuk bertaruh pada penurunan.
Misalnya, jika Anda menulis opsi panggilan, Anda menerima uang tunai sebagai imbalan atas kewajiban untuk
menjual saham pada harga kesepakatan. Misalkan Anda menulis opsi panggilan di Google dengan harga
kesepakatan $500 dan menerima $70. Jika harga Google tetap di bawah harga kesepakatan $500, Anda
menyimpan uang tunai $70 yang Anda terima dari menulis panggilan. Tetapi jika Google naik ke $600 dan
panggilan yang Anda tulis dilakukan, Anda harus membeli saham pada harga tinggi baru ($600) dan menjualnya
pada harga kesepakatan yang lebih rendah ($500), dengan kerugian bersih $30: $70 2 $600 1 $500 5 2$30.24
Dengan posisi short dalam kontrak berjangka pada indeks pasar (atau saham tertentu), Anda berkewajiban
untuk menjual saham dengan harga tetap. Jika harga pasar turun di bawah harga yang ditentukan dalam
kontrak berjangka, Anda menghasilkan uang karena Anda dapat membeli saham di pasar dan menjualnya
pada harga yang lebih tinggi yang ditentukan dalam kontrak berjangka. Tetapi jika harga pasar naik, Anda
kehilangan uang karena Anda harus membeli saham pada harga yang sekarang lebih tinggi dan menjualnya
pada harga yang telah ditetapkan dalam kontrak berjangka.25
Masing-masing strategi ini memungkinkan investor menghasilkan banyak uang. Dan jika semua investor
mencoba memanfaatkan pasar yang dinilai terlalu tinggi, tindakan mereka akan segera mendorong pasar
kembali ke ekuilibrium, mencegah terbentuknya gelembung. Tapi di sini adalah masalah dengan strategi ini.
Bahkan jika pasar dinilai terlalu tinggi, mungkin perlu berbulan-bulan (atau bahkan bertahun-tahun) sebelum
pasar jatuh ke nilai intrinsiknya. Selama periode ini, seorang investor harus menghabiskan banyak uang untuk
mempertahankan strategi yang dijelaskan sebelumnya, termasuk margin call, opsi penyelesaian, dan
penandaan harian ke pasar untuk kontrak berjangka. Arus kas negatif ini dapat dengan mudah mendorong
investor ke dalam kebangkrutan sebelum investor akhirnya terbukti benar. Sayangnya, tidak ada strategi
berisiko rendah untuk menembus gelembung pasar.
Perhatikan bahwa masalah arus kas negatif tidak ada untuk situasi yang berlawanan dari pasar yang
undervalued di mana nilai intrinsik lebih besar dari harga pasar.
Investor cukup membeli saham pada harga pasar yang terlalu rendah dan menahannya sampai harga pasar
akhirnya naik ke nilai intrinsik. Bahkan jika harga pasar terus bergerak
24Opsi biasanya diselesaikan dengan uang tunai daripada dengan benar-benar membeli dan menjual saham.
25Kontrak berjangka sebenarnya diselesaikan setiap hari dan biasanya diselesaikan dengan uang tunai daripada saham
sebenarnya.
turun sebelum akhirnya naik, investor hanya mengalami kerugian kertas dan bukan arus kas negatif aktual. Jadi,
kami tidak mengharapkan gelembung "negatif" bertahan lama.
Pengujian Efisiensi Bentuk Lemah
Sebagian besar penelitian menunjukkan bahwa pasar saham sangat efisien dalam bentuk lemah, dengan dua
pengecualian. Pengecualian pertama adalah untuk pembalikan jangka panjang, dengan penelitian menunjukkan
bahwa portofolio saham dengan kinerja jangka panjang masa lalu yang buruk (misalnya selama 5 tahun terakhir)
cenderung sedikit lebih baik di masa depan jangka panjang daripada yang diprediksi CAPM. , dan sebaliknya.
Yang kedua adalah momentum, dengan studi yang menunjukkan bahwa saham dengan kinerja yang kuat di masa
lalu jangka pendek (selama 6 hingga 9 bulan terakhir, misalnya) cenderung melakukan sedikit lebih baik di masa
depan jangka pendek daripada yang diprediksi CAPM, dan juga untuk kinerja yang lemah.26 Strategi yang
didasarkan pada pengambilan keuntungan dari pembalikan jangka panjang atau momentum jangka pendek
menghasilkan pengembalian yang melebihi yang diprediksi oleh CAPM.
Namun, kelebihan pengembalian kecil, terutama ketika biaya transaksi dipertimbangkan.
Pengujian Efisiensi Bentuk Semikuat
Sebagian besar studi menunjukkan bahwa pasar cukup efisien dalam bentuk setengah kuat: Sulit untuk
menggunakan informasi yang tersedia untuk umum untuk menciptakan strategi perdagangan yang secara
konsisten memiliki pengembalian lebih besar daripada yang diprediksi oleh CAPM. Faktanya, para profesional
yang mengelola portofolio reksa dana rata-rata tidak mengungguli pasar saham secara keseluruhan yang diukur
dengan indeks seperti S&P 500 dan cenderung memiliki pengembalian yang lebih rendah dari yang diperkirakan
oleh CAPM, mungkin karena banyak reksa dana memiliki tingkat pengembalian yang tinggi. biaya.27
Namun, ada dua pengecualian yang terkenal untuk efisiensi bentuk setengah kuat. Yang pertama adalah
untuk perusahaan kecil, yang memiliki pengembalian historis lebih besar dari yang diprediksi oleh CAPM. Yang
kedua terkait dengan rasio book-to-market (B/M), yang didefinisikan sebagai nilai buku ekuitas dibagi dengan nilai
pasar ekuitas (ini adalah kebalikan dari rasio pasar/buku yang dijelaskan dalam Bab 3). Perusahaan dengan rasio
B/M yang tinggi memiliki pengembalian yang lebih tinggi dari yang diperkirakan oleh CAPM. Kami membahas
pengecualian ini secara lebih rinci di Bagian 6-9.
Pengujian Efisiensi Bentuk Kuat
Bukti menunjukkan bahwa EMH bentuk kuat tidak berlaku karena mereka yang memiliki informasi orang dalam
dapat memperoleh dan (secara ilegal) memperoleh keuntungan abnormal. Di sisi lain, banyak orang dalam yang
masuk penjara, jadi mungkin memang ada trade-off antara risiko dan keuntungan!
Self-T adalah
Apa itu Hipotesis Pasar Efisien (EMH)?
Apa perbedaan antara ketiga bentuk EMH?
Mengapa sulit untuk menembus gelembung pasar?

Pelanggaran EMH apa yang telah ditunjukkan?
Apa itu momentum jangka pendek? Apa itu pembalikan jangka panjang?
26Misalnya, lihat N. Jegadeesh dan S. Titman, “Returns to Buying Winners and Selling Losers: Implications for Stock
Market Efficiency,” Journal of Finance, Maret 1993, hlm. 69–91; dan WFM DeBondt dan RH
Thaler, "Apakah Pasar Saham Bereaksi Berlebihan?" Jurnal Keuangan, Juli 1985, hlm. 793–808.
27Untuk diskusi tentang kinerja dana yang dikelola secara aktif, lihat Jonathan Clements, “Resisting the Lure of Managed
Funds,” The Wall Street Journal, 27 Februari 2001, hlm. C1.
6-9 Model Tiga Faktor Fama-Prancis28

Lihatlah Tabel 6-2, yang melaporkan pengembalian untuk 25 portofolio yang dibentuk oleh Profes sors Eugene
Fama dan Kenneth French. Portofolio Fama-Prancis didasarkan pada ukuran perusahaan yang diukur dengan
nilai pasar ekuitasnya (MVE) dan rasio book-to-market (B/M) perusahaan, yang didefinisikan sebagai nilai buku
ekuitas dibagi dengan nilai pasar dari ekuitas. Setiap baris menunjukkan portofolio dengan perusahaan berukuran
sama; setiap kolom menunjukkan portofolio yang perusahaannya memiliki rasio B/M yang serupa. Perhatikan
bahwa jika Anda melihat ke setiap baris, pengembalian rata-rata cenderung meningkat seiring dengan
meningkatnya rasio B/M. Dengan kata lain, saham dengan rasio B/M yang tinggi memiliki return yang lebih tinggi.
Jika Anda melihat setiap kolom (kecuali kolom dengan rasio B/M terendah), pengembalian saham cenderung
meningkat: Perusahaan kecil memiliki pengembalian yang lebih tinggi.
Pola ini saja tidak akan menjadi tantangan bagi CAPM jika perusahaan kecil dan perusahaan dengan B/M
tinggi memiliki beta yang besar (dan dengan demikian pengembalian yang lebih tinggi). Namun, bahkan setelah
menyesuaikan beta mereka, portofolio saham kecil dan portofolio B/M tinggi menghasilkan pengembalian yang
lebih tinggi dari yang diperkirakan oleh CAPM. Ini menunjukkan bahwa pasar tidak efisien atau CAPM bukan
model yang tepat untuk menggambarkan pengembalian yang diperlukan.
Pada tahun 1992, Fama dan French menerbitkan sebuah penelitian yang menghipotesiskan bahwa SML
seharusnya memiliki tiga faktor daripada hanya beta seperti dalam CAPM.29 Faktor pertama adalah CAPM beta
saham, yang mengukur risiko pasar saham. Yang kedua adalah ukuran perusahaan, diukur dengan nilai pasar
ekuitasnya (MVE). Faktor ketiga adalah rasio book-to-market (B/M).
Ketika Fama dan French menguji hipotesis mereka, mereka menemukan bahwa perusahaan kecil dan
perusahaan dengan rasio B/M yang tinggi memiliki tingkat pengembalian yang lebih tinggi daripada rata-rata
saham, seperti yang mereka hipotesiskan. Agak mengejutkan, bagaimanapun, mereka menemukan bahwa beta
tidak berguna dalam menjelaskan pengembalian. Setelah memperhitungkan pengembalian karena ukuran
perusahaan dan rasio B/M, saham beta tinggi tidak memiliki pengembalian lebih tinggi dari rata-rata dan saham
beta rendah tidak memiliki pengembalian rata-rata.
tabel 6-2
Pengembalian Tahunan Rata-Rata untuk Portofolio Fama-Prancis Berdasarkan Ukuran dan Ekuitas Buku ke Ekuitas Pasar, 1927–2016
Pesan Ekuitas ke Ekuitas Pasar
Ukuran Rendah 2 3 4 Tinggi
Kecil 12,1% 18,6% 19,7% 23,4% 29,2%
2 12.5 16.8 17.8 18.8 19.8
3 11.9 15.7 16.1 17.3 19.2
4 12.5 13.4 15.0 16.6 17.6
Besar 10.9 12.2 13.5 13.5 16.4
Sumber: Data mentah dari Profesor Kenneth French, http://mba.tuck.dartmouth.edu/pages/faculty/ken.french/data_library.html. Ini adalah pengembalian
tahunan tertimbang yang sama. Berikut ini adalah deskripsi dari situs Web Profesor French yang menjelaskan konstruksi portofolio: “Portofolio, yang dibuat pada
akhir setiap bulan Juni, adalah persimpangan dari 5 portofolio yang dibentuk berdasarkan ukuran (ekuitas pasar, ME) dan 5 portofolio yang terbentuk pada rasio
ekuitas buku terhadap ekuitas pasar (BE/ME). Ukuran breakpoint untuk tahun t adalah kuintil ekuitas pasar NYSE pada akhir Juni t. BE/ME untuk bulan Juni
tahun t adalah ekuitas buku untuk akhir tahun fiskal terakhir di t 2 1 dibagi dengan ME untuk bulan Desember dari t 2 1. Breakpoint BE/ME adalah kuintil NYSE.
Portofolio untuk Juli tahun t sampai Juni t 1 1 mencakup semua saham NYSE, AMEX, dan NASDAQ dimana kami memiliki data ekuitas pasar untuk
Desember t 2 1 dan Juni t, dan data ekuitas buku (positif) untuk t 2 1.”
28Beberapa instruktur dapat memilih untuk mengabaikan bagian ini tanpa kehilangan kontinuitas.
29Lihat Eugene F. Fama dan Kenneth R. French, "Bagian-Silang dari Pengembalian Saham yang Diharapkan," Jurnal Keuangan, Vol. 47,
1992, hlm. 427–465. Pada 2013, Eugene Fama dianugerahi Hadiah Nobel Ekonomi untuk ini dan karyanya yang lain dalam penetapan
harga aset.
Pada tahun 1993, Fama dan French mengembangkan model tiga faktor berdasarkan hasil mereka
sebelumnya.30 Faktor pertama dalam model tiga faktor Fama-Perancis adalah premi risiko pasar, yang
merupakan pengembalian pasar, rM, dikurangi risiko- tarif gratis, rRF. Dengan demikian, model mereka
dimulai seperti CAPM, tetapi mereka terus menambahkan faktor kedua dan ketiga.31 Untuk membentuk
faktor kedua, mereka memberi peringkat semua saham yang diperdagangkan secara aktif berdasarkan
ukuran dan kemudian membaginya menjadi dua portofolio, satu terdiri dari saham-saham kecil dan satu
terdiri dari saham besar. Mereka menghitung pengembalian masing-masing dari dua portofolio ini dan
menciptakan portofolio ketiga dengan mengurangkan pengembalian portofolio besar dari yang kecil.
Mereka menyebutnya portofolio SMB (kecil dikurangi besar). Portofolio ini dirancang untuk mengukur
variasi return saham yang disebabkan oleh size effect.
Untuk membentuk faktor ketiga, mereka memberi peringkat semua saham menurut rasio book-to-
market (B/M) mereka. Mereka menempatkan 30% saham dengan rasio tertinggi ke dalam portofolio yang
mereka sebut portofolio H (untuk rasio B/M tinggi) dan menempatkan 30% saham dengan rasio terendah
ke dalam portofolio yang disebut portofolio L (untuk B/M rendah). rasio M). Kemudian mereka mengurangi
pengembalian portofolio L dari portofolio H untuk mendapatkan portofolio HML (tinggi dikurangi rendah).
Sebelum menunjukkan modelnya, berikut adalah definisi variabelnya.
ri,t 5 Historis (realisasi) tingkat pengembalian Saham i pada periode t.
rRF,t 5 Historis (realisasi) tingkat pengembalian atas tingkat bebas risiko pada periode t.
rM,t 5 Tingkat pengembalian historis (realisasi) di pasar pada periode t.
rSMB,t 5 Tingkat pengembalian historis (realisasi) pada portofolio ukuran kecil dikurangi
portofolio ukuran besar pada periode t.
rHML,t 5 Tingkat pengembalian historis (realisasi) pada portofolio B/M tinggi dikurangi
portofolio B/M rendah pada periode t.
ai 5 Istilah intersep sumbu vertikal untuk Stok i.
bi , ci , dan di 5 Koefisien kemiringan untuk Stok i.
ei,t 5 Random error, mencerminkan perbedaan antara return aktual pada Saham i pada
periode t dan return yang diprediksi oleh garis regresi.
Model yang dihasilkan ditunjukkan di sini:
(ri,t 2 rRF,t) 5 ai 1 bola (rM,t 2 rRF, t) 1 ci (rSMB,t) 1 di (rHML,t) 1 ei,t (6-20)
Ketika model ini diterapkan pada pengembalian saham aktual, pengembalian "ekstra" menghilang
untuk portofolio berdasarkan ukuran perusahaan atau rasio B/M. Faktanya, pengembalian ekstra untuk
pembalikan saham jangka panjang yang kita bahas di Bagian 6-8 juga hilang. Dengan demikian, model
Fama French menjelaskan banyak pelanggaran besar terhadap EMH yang telah kami jelaskan sebelumnya.
Karena model Fama-Perancis menjelaskan dengan baik pengembalian aktual saham mengingat
pengembalian di pasar, portofolio SMB, dan portofolio HML, model ini sangat berguna
30Lihat Eugene F. Fama dan Kenneth R. French, “Faktor Risiko Umum dalam Pengembalian Saham dan Obligasi,”
Jurnal Ekonomi Keuangan, Vol. 33, 1993, hlm. 3-56.
31Meskipun deskripsi kami menangkap esensi dari proses mereka untuk membentuk faktor, prosedur sebenarnya sedikit
lebih rumit. Pembaca yang tertarik harus melihat makalah 1993 mereka, dikutip dalam catatan kaki 29.
dalam mengidentifikasi reaksi pasar terhadap berita tentang sebuah perusahaan.32 Misalnya,
anggaplah sebuah perusahaan mengumumkan bahwa ia akan memasukkan lebih banyak orang luar
dalam dewan direksinya. Jika saham perusahaan turun 2% pada hari pengumuman, apakah itu
berarti investor tidak ingin orang luar masuk? Kami dapat menjawab pertanyaan itu dengan
menggunakan model Fama-Perancis untuk menguraikan pengembalian aktual perusahaan pada hari
pengumuman menjadi bagian yang dijelaskan oleh lingkungan (yaitu, pasar dan portofolio SMB dan
HML) dan bagian karena pengumuman perusahaan.
Untuk melakukan ini, kami mengumpulkan sampel data (ri,t, rRF,t, rM,t, rSMB,t, dan rHML,t) untuk periode
T sebelum tanggal pengumuman dan kemudian menjalankan regresi menggunakan variasi Persamaan 2-20:
1
ri,t 5 ai 1 bi rM,t 1 dimirip
rHML,tdengan
1 ci rSMB,t Ini bukan
pendekatan regresi untuk memperkirakan beta, yang dijelaskan dalam Bagian 6-6, kecuali ada tiga
koefisien kemiringan dalam regresi berganda ini.33
Misalkan koefisien yang diestimasi adalah ai 5 0,0, bi 5 0,9, ci 5 0,2, dan di 5 0,3. Pada hari
pengumuman, pasar saham memiliki pengembalian 23%, portofolio SMB memiliki pengembalian
21%, dan portofolio HML memiliki pengembalian 22%. Nilai prediksi dari istilah kesalahan dalam
model Fama-Perancis, ei,t, secara definisi sama dengan nol. Berdasarkan asumsi tersebut, prediksi
return pada hari pengumuman menggunakan model tiga faktor Fama-Perancis adalah:
Hasil yang diprediksi 5 ai 1 bi (rM,t) 1 ci (rSMB,t) 1 di (rHML,t)

5 0,0 1 0,9(23%) 1 0,2(21%) 1 0,3(22%) (6-21)
5 23,5%
Pengembalian yang tidak dapat dijelaskan sama dengan pengembalian aktual dikurangi pengembalian yang diprediksi:
Pengembalian yang tidak dapat dijelaskan 5 22,0% 2 (23,5%) 5 1,5%
Meskipun harga saham turun 2% pada hari pengumuman, model Fama French memperkirakan
bahwa harga seharusnya turun sebesar 3,5% karena pergerakan pasar. Dengan demikian, saham
tersebut memiliki reaksi positif 1,5% pada hari pengumuman.
Ini hanya satu perusahaan, tetapi jika kami mengulangi proses ini untuk banyak perusahaan yang
membuat pengumuman serupa dan menghitung rata-rata reaksi yang tidak dapat dijelaskan, kami
dapat menarik kesimpulan mengenai reaksi pasar untuk menambahkan lebih banyak direktur luar.
Seperti yang ditunjukkan contoh ini, model ini sangat berguna dalam mengidentifikasi tindakan yang
memengaruhi nilai perusahaan.
Tidak diragukan lagi bahwa model tiga faktor Fama-Perancis melakukan pekerjaan yang baik dalam
menjelaskan pengembalian aktual, tetapi seberapa baik kinerjanya dalam menjelaskan pengembalian yang
diperlukan? Dengan kata lain, apakah model tersebut mendefinisikan hubungan antara risiko dan kompensasi
untuk menanggung risiko?
Pendukung model menyarankan bahwa ukuran dan B/M terkait dengan risiko. Perusahaan kecil
memiliki lebih sedikit akses ke pasar modal daripada perusahaan besar, yang membuat perusahaan
kecil menghadapi risiko yang lebih besar jika terjadi krisis kredit—seperti yang terjadi selama
32Karena model Fama-Prancis tampaknya tidak menjelaskan momentum jangka pendek, banyak peneliti juga menggunakan model
empat faktor, yang mencakup faktor momentum; lihat Mark Carhart, “Tentang Kegigihan dalam Kinerja Reksa Dana,” Journal of
Finance, Vol. 52, No. 1., Maret 1997, hlm. 57–82.
33Perhatikan bahwa tingkat bebas risiko tidak digunakan dalam regresi karena alasan yang sama tidak digunakan dalam model
pasar untuk memperkirakan beta; lihat catatan kaki 20. Juga, tarif bebas risiko tahunan adalah 6% dalam contoh ini, jadi tarif harian
adalah 6%/365 5 0,01%, yang sangat kecil sehingga dapat diabaikan.
krisis ekonomi global yang dimulai pada tahun 2007. Dengan risiko yang lebih besar, investor akan membutuhkan
pengembalian yang diharapkan lebih tinggi untuk mendorong mereka berinvestasi di perusahaan kecil.
Argumen serupa berlaku untuk perusahaan dengan rasio B/M yang tinggi. Jika prospek suatu perusahaan buruk,
maka perusahaan tersebut akan memiliki nilai pasar yang rendah, yang menyebabkan rasio B/M yang tinggi.
Pemberi pinjaman biasanya enggan untuk memberikan kredit kepada perusahaan dengan prospek yang buruk, sehingga
penurunan ekonomi dapat menyebabkan perusahaan tersebut mengalami kesulitan keuangan. Dengan kata lain, saham
dengan rasio B/M yang tinggi mungkin terkena risiko kesulitan keuangan, dalam hal ini investor akan memerlukan
pengembalian yang diharapkan lebih tinggi untuk mendorong mereka berinvestasi dalam saham tersebut.
Jika sensitivitas perusahaan terhadap faktor ukuran dan faktor B/M terkait dengan risiko financial distress, maka
model Fama-French akan menjadi perbaikan CAPM mengenai hubungan antara risiko dan pengembalian yang diminta.
Namun, buktinya beragam, apakah perusahaan yang mengalami kesulitan keuangan memang memiliki pengembalian
yang diharapkan lebih tinggi sebagai kompensasi atas risiko mereka. Faktanya, beberapa penelitian menunjukkan
perusahaan yang mengalami kesulitan keuangan sebenarnya memiliki pengembalian yang diharapkan lebih rendah
daripada pengembalian yang lebih tinggi
Sejumlah penelitian lain menunjukkan bahwa efek ukuran tidak lagi mempengaruhi pengembalian saham, tidak
pernah ada efek ukuran (hasil sebelumnya disebabkan oleh keanehan dalam sumber data), bahwa efek ukuran tidak
berlaku untuk sebagian besar perusahaan, dan bahwa efek buku ke pasar tidak sepenting yang diperkirakan sebelumnya.35
Singkatnya, model Fama-Perancis sangat berguna dalam mengidentifikasi komponen pengembalian saham yang
tidak dapat dijelaskan. Namun, model tersebut kurang berguna dalam hal memperkirakan pengembalian yang diminta atas
saham karena model tersebut tidak memberikan hubungan yang dapat diterima dengan baik antara risiko dan pengembalian
yang diminta.
Self-T adalah
Apa faktor dalam model Fama-Perancis?
Bagaimana model tersebut dapat digunakan untuk memperkirakan prediksi pengembalian saham?
Mengapa model tidak banyak digunakan oleh manajer di perusahaan yang sebenarnya?
Seorang analis telah memodelkan saham sebuah perusahaan menggunakan model tiga faktor Fama-Perancis dan telah
memperkirakan bahwa ai 5 0, bi 5 0,7, ci 5 1,2, dan di 5 0,7. Misalkan tingkat bebas risiko harian kira-kira sama dengan nol,
pengembalian pasar adalah 11%, pengembalian portofolio SMB adalah 3,2%, dan pengembalian portofolio HML adalah 4,8%
pada hari tertentu. Saham memiliki pengembalian aktual 16,9% pada hari itu. Berapa prediksi return saham hari itu? (14,9%) Berapa
pengembalian saham yang tidak dapat dijelaskan untuk hari itu? (2%)
34Untuk studi yang mendukung hubungan antara risiko dan pengembalian yang terkait dengan ukuran dan rasio B/
M, lihat Nishad Kapadia, “Tracking Down Distress Risk,” Journal of Financial Economics, Vol. 102, 2011, hlm. 167–
182; Thomas J. George, "Sebuah Resolusi dari Distress Risk dan Leverage Puzzles di Cross Section of Stock
Returns," Journal of Financial Economics, Vol. 96, 2010, hlm. 56–79; dan Lorenzo Garlappi dan Hong Yan,
“Financial Distress and the Cross-Section of Equity Returns,” Journal of Finance, Juni 2011, hlm. 789–822. Untuk
studi yang menolak hubungan tersebut, lihat John Y. Campbell, Jens Hilscher, dan Jan Szilagyi, “In Search of
Distress Risk,” Journal of Finance, Desember 2008, hlm. 2899–2940; dan Ilia D. Dichev, “Apakah Risiko
Kebangkrutan merupakan Risiko Sistematis?” Jurnal Keuangan, Juni 1998, hlm. 1131-1147.
35Lihat Peter J. Knez dan Mark J. Ready, “On the Robustness of Size and Book-to-Market in the Cross Sectional
Regressions,” Journal of Finance, September 1997, hlm. 1355-1382; Dongcheol Kim, "Sebuah aminasi Reex
Ukuran Perusahaan, Book-to-Market, dan Harga Pendapatan di Cross-Section dari Pengembalian Saham yang
Diharapkan," Jurnal Analisis Keuangan dan Kuantitatif, Desember 1997, hlm 463-489; Tyler Shumway dan Vincent
A. Warther, “The Delisting Bias in CRSP's Nasdaq Data and Its Implications for the Size Effect,” Journal of Finance,
Desember 1999, hlm. 2361–2379; dan Tim Loughran, “Book-to-Market melintasi Ukuran Perusahaan, Pertukaran,
dan Musiman: Apakah Ada Pengaruhnya?” Jurnal Analisis Keuangan dan Kuantitatif,
September 1997, hlm. 249–268.
6-10 Keuangan Perilaku36

Sejumlah besar bukti di bidang psikologi menunjukkan bahwa orang sering berperilaku tidak rasional, tetapi dengan
cara yang dapat diprediksi. Bidang keuangan perilaku berfokus pada keputusan keuangan yang tidak rasional tetapi
dapat diprediksi. Bagian berikut memeriksa aplikasi keuangan perilaku untuk gelembung pasar dan keputusan keuangan
lainnya.
6-10a Gelembung Pasar dan Keuangan Perilaku

Kami menunjukkan di Bagian 6-8 bahwa strategi untuk mengambil untung dari gelembung yang tertusuk memaparkan
investor pada kemungkinan arus kas negatif yang besar jika perlu waktu lama agar gelembung itu pecah.
Itu menjelaskan mengapa gelembung bisa bertahan, tetapi itu tidak menjelaskan bagaimana gelembung dibuat.
Tidak ada penjelasan pasti, tetapi bidang keuangan perilaku menawarkan beberapa kemungkinan alasan, termasuk
terlalu percaya diri, bias jangkar, dan penggembalaan.
Banyak tes psikologi menunjukkan bahwa orang terlalu percaya diri terhadap kemampuan mereka sendiri
dibandingkan dengan kemampuan orang lain, yang merupakan dasar dari lelucon Garrison Keillor tentang sebuah kota
di mana semua anak di atas rata-rata. Profesor Richard Thaler dan rekan sejawatnya, Nicholas Barberis, membahas
fenomena ini karena berlaku untuk keuangan:
Terlalu percaya diri mungkin sebagian berasal dari dua bias lainnya, bias atribusi diri dan bias pandangan belakang.
Bias atribusi diri mengacu pada kecenderungan orang untuk menganggap kesuksesan apa pun yang mereka miliki
dalam beberapa aktivitas karena bakat mereka sendiri, sementara menyalahkan kegagalan pada nasib buruk, bukan
pada ketidakmampuan mereka. Melakukan hal ini berulang kali akan membawa orang pada kesimpulan yang
menyenangkan tetapi keliru bahwa mereka sangat berbakat. Misalnya, investor mungkin menjadi terlalu percaya diri
setelah beberapa kuartal sukses berinvestasi [Gervais dan Odean (2001)37]. Bias melihat ke belakang adalah
kecenderungan orang untuk percaya, setelah suatu peristiwa terjadi, bahwa mereka meramalkannya sebelum itu
terjadi. Jika orang berpikir bahwa mereka meramalkan masa lalu lebih baik daripada yang sebenarnya mereka lakukan,
mereka mungkin juga percaya bahwa mereka dapat memprediksi masa depan lebih baik daripada yang sebenarnya mereka bisa.38
Psikolog telah belajar bahwa banyak orang terlalu fokus pada peristiwa baru-baru ini ketika memprediksi peristiwa
di masa depan, sebuah fenomena yang disebut bias jangkar. Oleh karena itu, ketika pasar berkinerja lebih baik
daripada rata-rata, orang cenderung berpikir pasar akan terus berkinerja lebih baik daripada rata-rata. Ketika bias
jangkar digabungkan dengan terlalu percaya diri, investor dapat menjadi yakin bahwa prediksi mereka tentang pasar
yang meningkat adalah benar, sehingga menciptakan lebih banyak permintaan untuk saham. Permintaan ini mendorong
harga saham naik, yang berfungsi untuk memperkuat kepercayaan diri yang berlebihan dan menggerakkan jangkar
lebih tinggi lagi.
Ada cara lain agar pasar yang meningkat dapat memperkuat dirinya sendiri. Penelitian telah menunjukkan bahwa
penjudi yang berada di depan cenderung mengambil lebih banyak risiko (yaitu, mereka bermain dengan uang rumah),
sedangkan mereka yang berada di belakang cenderung menjadi lebih konservatif. Jika ini benar untuk investor, kita bisa
mendapatkan umpan balik: Ketika pasar naik, investor mendapat keuntungan, yang dapat membuat mereka tidak terlalu
menghindari risiko, yang meningkatkan permintaan mereka akan saham, yang mengarah ke harga yang lebih tinggi,
yang memulai siklus lagi .
Perilaku herding terjadi ketika sekelompok investor meniru investor sukses lainnya dan mengejar kelas aset yang
berkinerja baik. Misalnya, pengembalian yang tinggi dalam sekuritas yang didukung hipotek selama tahun 2004 dan
2005 menarik investor lain untuk pindah ke kelas aset tersebut. Perilaku penggembalaan dapat menciptakan kelebihan
permintaan untuk kelas aset yang telah dilakukan dengan baik, menyebabkan kenaikan harga yang mendorong perilaku
penggembalaan tambahan. Dengan demikian, perilaku menggiring dapat menggelembungkan pasar yang sedang naik.
36Beberapa instruktur dapat memilih untuk mengabaikan bagian ini tanpa kehilangan kontinuitas.
37Lihat Simon Gervais dan Terrance Odean, “Learning to Be Overconfident,” Review of Financial Studies, Spring 2001, hlm. 1–27.
38Lihat halaman 1066 dalam ulasan yang sangat baik tentang keuangan perilaku oleh Nicholas Barberis dan Richard Thaler, "A Survey of
Behavioral Finance," dalam Buku Pegangan Ekonomi Keuangan, George Constantinides, Milt Harris, dan René Stulz, eds. (Amsterdam:
Elsevier/North-Holland, 2003), Bab 18.
Kadang-kadang perilaku menggiring terjadi ketika sekelompok investor berasumsi bahwa investor lain memiliki
informasi yang lebih baik—kelompok tersebut mengejar uang “pintar”. Tetapi dalam kasus lain, penggembalaan dapat
terjadi bahkan ketika mereka yang berada dalam kawanan menduga bahwa harga terlalu tinggi. Misalnya,
pertimbangkan situasi manajer portofolio yang percaya bahwa saham bank dinilai terlalu tinggi meskipun banyak
portofolio lain yang banyak diinvestasikan dalam saham tersebut. Jika manajer keluar dari saham bank dan kemudian
harganya jatuh, maka manajer akan diberi imbalan atas penilaiannya. Tetapi jika saham terus berjalan dengan baik,
manajer mungkin kehilangan pekerjaannya karena kehilangan keuntungan. Jika sebaliknya manajer mengikuti
kawanan dan berinvestasi di saham bank, maka manajer tidak akan melakukan lebih baik atau lebih buruk daripada
rekan-rekannya. Jadi, jika hukuman karena salah lebih besar daripada hadiah karena benar, adalah rasional bagi
manajer portofolio untuk menggiring bahkan jika mereka mencurigai kelompok itu salah.
Para peneliti telah menunjukkan bahwa kombinasi dari terlalu percaya diri dan atribusi diri yang bias dapat
menyebabkan pasar saham yang terlalu bergejolak, momentum jangka pendek, dan pembalikan jangka panjang.39
Kami menduga bahwa terlalu percaya diri, bias jangkar, dan penggembalaan dapat berkontribusi pada gelembung
pasar.
6-10b Aplikasi Lain dari Behavioral Finance

Psikolog Daniel Kahneman dan Amos Tversky menunjukkan bahwa individu memandang potensi kerugian dan potensi
keuntungan dengan sangat berbeda.40 Jika Anda bertanya kepada rata-rata orang apakah dia lebih suka memiliki
$500 dengan pasti atau melempar koin yang adil dan menerima $1.000 jika muncul kepala dan tidak ada apa-apa jika
muncul ekor, sebagian besar akan lebih memilih keuntungan $500 tertentu, yang menunjukkan keengganan untuk
mengambil risiko — keuntungan $500 pasti lebih baik daripada keuntungan yang diharapkan berisiko $500. Namun,
jika Anda bertanya kepada orang yang sama apakah dia lebih suka membayar $500 dengan pasti atau melempar koin
dan membayar $1.000 jika itu kepala dan tidak apa-apa jika itu ekor, sebagian besar akan menunjukkan bahwa
mereka lebih suka melempar koin, yang menunjukkan preferensi untuk risiko—kerugian $500 yang diperkirakan
berisiko lebih baik daripada kerugian $500 yang pasti. Dengan kata lain, kerugian sangat menyakitkan sehingga orang
akan membuat pilihan yang tidak rasional untuk menghindari kerugian yang pasti. Fenomena ini disebut loss aversion.
Salah satu cara orang menghindari kerugian adalah dengan tidak mengakui bahwa mereka sebenarnya telah
mengalami kerugian. Misalnya, dalam pembukuan mental banyak orang, kerugian tidak benar-benar rugi sampai
investasi yang merugi itu benar-benar dijual. Oleh karena itu, mereka cenderung menahan pecundang yang berisiko
daripada menerima kerugian tertentu, yang merupakan tampilan dari penghindaran kerugian. Tentu saja, ini
menyebabkan investor menjual pecundang jauh lebih jarang daripada pemenang meskipun ini kurang optimal untuk
tujuan pajak.41
Banyak proyek dan merger perusahaan gagal memenuhi harapan mereka. Faktanya, sebagian besar merger
akhirnya menghancurkan nilai perusahaan yang mengakuisisi. Karena sudah diketahui, mengapa perusahaan tidak
merespon dengan lebih selektif dalam berinvestasi? Ada banyak kemungkinan alasan, tetapi penelitian oleh Ulrike
Malmendier dan Geoffrey Tate menunjukkan bahwa terlalu percaya diri menyebabkan manajer melebih-lebihkan
kemampuan dan kualitas proyek mereka.42 Dengan kata lain, manajer mungkin tahu bahwa keputusan rata-rata untuk
menggabungkan nilai menghancurkan, tetapi mereka yakin bahwa keputusan mereka di atas rata-rata.
39Lihat Terrance Odean, “Volume, Volatility, Price, and Profit When All Traders Are above Average,” Journal of
Finance, Desember 1998, hlm. 1887–1934; dan Kent Daniel, David Hirshleifer, dan Avanidhar Subrahmanyam,
“Investor Psychology and Security Market Under- and Overreactions,” Journal of Finance, Desember 1998, hlm.
1839–1885.
40Daniel Kahneman dan Amos Tversky, “Teori Prospek: Analisis Keputusan di Bawah Risiko,” Econometrica,
Maret 1979, hlm. 263–292.
41Lihat Terrance Odean, “Apakah Investor Enggan Menyadari Kerugiannya?” Jurnal Keuangan, Oktober 1998,
hlm. 1775–1798.
42Lihat Ulrike Malmendier dan Geoffrey Tate, “CEO Overconfidence and Corporate Investment,” Journal of Finance,
Desember 2005, hlm. 2661–2700.
Keuangan adalah bidang kuantitatif, tetapi manajer yang baik di semua disiplin ilmu juga harus
memahami perilaku manusia.43
Self-T adalah
Apa itu keuangan perilaku?
Apa itu bias jangkar? Apa itu perilaku menggembala? Bagaimana ini dapat berkontribusi pada gelembung pasar?
6-11 CAPM dan Efisiensi Pasar: Implikasi

untuk Manajer Perusahaan dan Investor
Perusahaan seperti portofolio proyek: pabrik, gerai ritel, usaha R&D, lini produk baru, dan sejenisnya.
Setiap proyek berkontribusi pada ukuran, waktu, dan risiko arus kas perusahaan, yang secara langsung
mempengaruhi nilai intrinsik perusahaan. Ini berarti bahwa risiko yang relevan dan pengembalian yang
diharapkan dari setiap proyek harus diukur dalam kaitannya dengan pengaruhnya terhadap risiko dan
pengembalian saham. Oleh karena itu, semua manajer harus memahami bagaimana pemegang saham
memandang risiko dan pengembalian yang diperlukan untuk mengevaluasi proyek potensial.
Pemegang saham seharusnya tidak mengharapkan kompensasi atas risiko yang dapat mereka
hilangkan melalui diversifikasi, hanya untuk risiko pasar yang tersisa. CAPM menyediakan alat penting
untuk mengukur risiko pasar yang tersisa dan selanjutnya menunjukkan bagaimana pengembalian yang
diminta saham terkait dengan risiko pasar saham. Untuk alasan inilah CAPM secara luas digunakan untuk
memperkirakan pengembalian yang diminta atas saham perusahaan dan, karenanya, pengembalian yang
diperlukan yang harus dihasilkan proyek untuk memberikan pengembalian yang diperlukan saham. Kami
menjelaskan proses ini secara lebih rinci dalam Bab 7 dan 9, yang mencakup penilaian saham dan biaya
modal. Kami menerapkan konsep-konsep ini untuk analisis proyek di Bab 10 dan 11.
Apakah CAPM sempurna? Tidak. Pertama, kami tidak dapat mengamati beta tetapi harus
memperkirakan beta. Seperti yang kita lihat di Bagian 6-6, perkiraan beta tidak tepat. Kedua, kami melihat
bahwa saham kecil dan saham dengan rasio B/M tinggi memiliki pengembalian yang lebih tinggi dari
prediksi CAPM. Ini bisa berarti bahwa CAPM adalah model yang salah, tetapi ada kemungkinan penjelasan lain.
Jika komposisi aset perusahaan berubah dari waktu ke waktu sehubungan dengan campuran aset fisik
dan peluang pertumbuhan (melibatkan, misalnya, R&D atau paten), maka ini akan cukup untuk
membuatnya tampak seolah-olah ada ukuran dan B/M efek. Dengan kata lain, bahkan jika pengembalian
aset individu sesuai dengan CAPM, perubahan dalam campuran aset akan menyebabkan beta perusahaan
berubah dari waktu ke waktu sedemikian rupa sehingga perusahaan akan tampak memiliki ukuran dan
book-to-market. efek.44 Penelitian terbaru mendukung hipotesis ini.
Ingatlah bahwa CAPM menegaskan bahwa pengembalian yang diminta saham terkait dengan
eksposurnya terhadap risiko sistematis, bukan dengan risiko yang dapat didiversifikasi. Oleh karena itu,
Anda mungkin mengharapkan CAPM untuk melakukan pekerjaan yang sangat baik dalam menjelaskan
pengembalian saham ketika berita diumumkan yang mempengaruhi hampir semua perusahaan, seperti
laporan pemerintah mengenai kebijakan suku bunga, inflasi, dan pengangguran. Profesor Savor dan
Wilson menguji hipotesis ini dan menemukan hubungan yang sangat kuat antara beta dan pengembalian
saham pada hari pengumuman.45
43Ulasan yang sangat baik tentang keuangan perilaku dapat ditemukan di Advances in Behavioral Finance, Richard
H. Thaler, ed. (New York: Russell Sage Foundation, 1993); dan Andrei Shleifer, Pasar Tidak Efisien: Sebuah
Pengantar Keuangan Perilaku (New York: Oxford University Press, 2000).
44Lihat Jonathan B. Berk, Richard C. Green, dan Vasant Naik, “Optimal Investment, Growth Options, and Security
Returns,” Journal of Finance, Oktober 1999, hlm. 1553–1608.
45Lihat Pavel Savor dan Mungo Wilson, "Harga Aset: Kisah Dua Hari," Jurnal Ekonomi Keuangan,
Jil. 113, 2014, hal. 171–201.
Berdasarkan hasil ini dan penggunaannya secara luas dalam praktik, kami akan menggunakan CAPM untuk memperkirakan
pengembalian yang diperlukan dalam bab-bab berikutnya
Mengenai efisiensi pasar, pemahaman kami tentang bukti empiris menunjukkan bahwa sangat sulit, jika bukan tidak
mungkin, untuk mengalahkan pasar dengan mendapatkan pengembalian yang lebih tinggi daripada yang dibenarkan oleh risiko
investasi. Ini menunjukkan bahwa pasar cukup efisien untuk sebagian besar aset untuk sebagian besar waktu. Namun, kami
percaya bahwa gelembung pasar memang terjadi dan sangat sulit untuk menerapkan strategi berisiko rendah untuk mendapatkan
keuntungan ketika pecah.
Self-T adalah
Jelaskan pernyataan berikut: "Risiko yang berdiri sendiri dari proyek perusahaan individu mungkin cukup tinggi,
tetapi dilihat dalam konteks pengaruhnya terhadap risiko pemegang saham, risiko sebenarnya proyek mungkin
jauh lebih rendah."
Ringkasan
Bab ini berfokus pada trade-off antara risiko dan pengembalian. Kami mulai dengan membahas bagaimana memperkirakan
risiko dan pengembalian baik untuk aset individu maupun portofolio. Secara khusus, kami membedakan antara risiko yang
berdiri sendiri dan risiko dalam konteks portofolio, dan kami menjelaskan manfaat diversifikasi. Kami memperkenalkan
CAPM, yang menjelaskan bagaimana risiko memengaruhi tingkat pengembalian.
• Risiko dapat didefinisikan sebagai paparan terhadap peluang kejadian yang tidak menguntungkan.
• Risiko arus kas suatu aset dapat dipertimbangkan secara terpisah (setiap aset berdiri sendiri) atau dalam konteks portofolio,
di mana investasi digabungkan dengan aset lain dan risikonya dikurangi melalui diversifikasi.
• Sebagian besar investor rasional memegang portofolio aset, dan mereka lebih memperhatikan
risiko portofolio mereka dibandingkan dengan risiko aset individu.
• Tingkat pengembalian yang diharapkan dari suatu investasi adalah nilai rata-rata dari distribusi probabilitas
pengembaliannya.
• Pengembalian yang diperlukan atas suatu saham adalah pengembalian minimum yang diharapkan yang diperlukan untuk
mendorong investor rata-rata untuk membeli saham.
• Semakin besar kemungkinan bahwa pengembalian aktual akan jauh di bawah pengembalian yang diharapkan, semakin besar
risiko yang berdiri sendiri dari aset tersebut.
• Rata-rata investor adalah penghindar risiko, yang berarti bahwa dia harus diberi kompensasi untuk memegang aset
berisiko. Oleh karena itu, aset berisiko memiliki pengembalian yang diminta lebih tinggi daripada aset yang kurang berisiko.
• Risiko aset memiliki dua komponen: (1) risiko yang dapat didiversifikasi, yang dapat dihilangkan dengan diversifikasi, dan
(2) risiko pasar, yang tidak dapat dihilangkan dengan diversifikasi.
• Risiko pasar diukur dengan standar deviasi imbal hasil yang terdiversifikasi dengan baik
portofolio, yang terdiri dari semua saham yang diperdagangkan di pasar. Portofolio semacam itu disebut portofolio pasar.
• CAPM mendefinisikan risiko yang relevan dari aset individual sebagai kontribusinya terhadap
risiko portofolio yang terdiversifikasi dengan baik. Karena risiko pasar tidak dapat dihilangkan dengan diversifikasi, investor
harus diberi kompensasi untuk menanggungnya.
• Koefisien beta saham (b) mengukur seberapa besar risiko saham berkontribusi pada portofolio yang terdiversifikasi
dengan baik.
46Lihat Zhi Da, Re-Jin Guo, dan Ravi Jagannathan, "CAPM untuk Memperkirakan Biaya Modal Ekuitas:
Menafsirkan Bukti Empiris," Jurnal Ekonomi Keuangan, Vol. 103, 2012, hlm. 204–220.
• Saham dengan beta lebih besar dari 1 memiliki return saham yang cenderung lebih tinggi dari pasar saat pasar
naik tetapi cenderung di bawah pasar saat pasar turun. Kebalikannya berlaku untuk saham dengan beta kurang
dari 1.
• Beta portofolio adalah rata-rata tertimbang dari beta masing-masing sekuritas di
portofolio.
• Persamaan Security Market Line (SML) CAPM menunjukkan hubungan antara risiko pasar sekuritas dan tingkat
pengembalian yang diminta. Pengembalian yang diperlukan untuk sekuritas i sama dengan tingkat bebas risiko
ditambah premi risiko pasar dikalikan dengan beta sekuritas: ri 5 rRF 1 (RPM)bi .
• Dalam ekuilibrium, tingkat pengembalian yang diharapkan dari suatu saham harus sama dengan tingkat pengembalian yang diminta
berbelok. Namun, beberapa hal dapat terjadi untuk menyebabkan tingkat pengembalian yang diminta berubah: (1)
Tingkat bebas risiko dapat berubah karena perubahan baik dalam tingkat riil atau ekspektasi inflasi. (2) Beta
saham dapat berubah. (3) Keengganan investor terhadap risiko dapat berubah.
• Karena pengembalian aset di berbagai negara tidak berkorelasi sempurna, global
diversifikasi dapat menghasilkan risiko yang lebih rendah bagi perusahaan multinasional dan portofolio yang
terdiversifikasi secara global.
• Ekuilibrium pasar adalah kondisi di mana pengembalian yang diharapkan dari suatu sekuritas
Dan
seperti yang terlihat oleh investor marjinal sama dengan pengembalian yang diminta, r 5 r. Juga, nilai
intrinsik saham harus sama dengan harga pasarnya.
• Hipotesis Pasar Efisien (EMH) menegaskan: (1) Saham selalu dalam keseimbangan
rim. (2) Tidak mungkin bagi investor yang tidak memiliki informasi orang dalam untuk secara konsisten
“mengalahkan pasar”. Oleh karena itu, menurut EMH, saham selalu dinilai secara wajar dan memiliki pengembalian
yang diminta sama dengan pengembalian yang diharapkan.
• Model tiga faktor Fama-Prancis memiliki satu faktor untuk pengembalian pasar, satu detik
faktor untuk efek ukuran, dan faktor ketiga untuk efek buku-ke-pasar.
• Behavioral finance mengasumsikan bahwa investor dapat berperilaku dapat diprediksi tetapi tidak rasional
cara. Bias penjangkaran adalah kecenderungan manusia untuk "berlabuh" terlalu dekat pada peristiwa baru-baru
ini ketika memprediksi peristiwa di masa depan. Herding adalah kecenderungan investor untuk mengikuti orang
banyak. Ketika dikombinasikan dengan terlalu percaya diri, penahan dan penggembalaan dapat berkontribusi pada
gelembung pasar.
• Dua ekstensi Web menyertai bab ini: Ekstensi Web 6A memberikan diskusi tentang distribusi probabilitas
berkelanjutan, dan Ekstensi Web 6B menunjukkan cara menghitung beta akhir dengan kalkulator keuangan.
Apa ion t?
(6-1) Definisikan istilah-istilah berikut, dengan menggunakan grafik atau persamaan untuk mengilustrasikan jawaban Anda jika
memungkinkan.
Sebuah. Risiko secara umum; risiko yang berdiri sendiri; distribusi probabilitas dan hubungannya dengan risiko
Dan
B. Tingkat pengembalian yang diharapkan, r
C. Distribusi probabilitas berkelanjutan

D. Standar deviasi, s; varians, s2
e. Penghindaran risiko; tingkat pengembalian yang direalisasikan, r
F. Premi risiko untuk Saham i, RPi ; premi risiko pasar, RPM

G. Model Penetapan Harga Aset Modal (CAPM)
Dan
H. Pengembalian yang diharapkan atas portofolio, r ; portofolio pasar

P
saya. Korelasi sebagai sebuah konsep; koefisien korelasi, r

J. Risiko pasar; risiko yang dapat didiversifikasi; risiko yang relevan
k. Koefisien beta, b; beta saham rata-rata
l.Security Market Line (SML); persamaan SML
M. Kemiringan SML dan hubungannya dengan penghindaran risiko
n. Keseimbangan; Hipotesis Pasar Efisien (EMH); tiga bentuk EMH
Hai. Model tiga faktor Fama-Prancis
P. Keuangan perilaku; menggiring; penahan
(6-2) Distribusi probabilitas pengembalian yang kurang berisiko lebih memuncak daripada pengembalian yang lebih berisiko.
Bagaimana bentuk distribusi probabilitas untuk (a) pengembalian yang sepenuhnya pasti dan (b) pengembalian
yang sepenuhnya tidak pasti?
(6-3) Sekuritas A memiliki pengembalian yang diharapkan sebesar 7%, standar deviasi pengembalian sebesar 35%,
koefisien korelasi dengan pasar 0,3, dan koefisien beta 1,5. Sekuritas B memiliki pengembalian yang diharapkan
sebesar 12%, standar deviasi pengembalian 10%, korelasi dengan pasar 0,7, dan koefisien beta 1,0. Keamanan
mana yang lebih berisiko? Mengapa?
(6-4) Jika keengganan investor terhadap risiko meningkat, apakah premi risiko pada saham beta tinggi meningkat lebih atau
kurang dari pada saham beta rendah? Menjelaskan.
(6-5) Jika beta perusahaan digandakan, apakah pengembalian yang diharapkan berlipat ganda?
S elf -Tes t Problems So luti ons yang ditunjukkan pada Lampiran A
(ST-1) Saham A dan B memiliki pengembalian historis berikut:

Tingkat Pengembalian
yang Direalisasikan Tahun keluar rB
2015 218% 224%
2016 44 24
2017 222 24
2018 22 8
2019 34 56
Sebuah. Hitung tingkat pengembalian rata-rata untuk setiap saham selama periode 5 tahun.
Asumsikan bahwa seseorang memegang portofolio yang terdiri dari 50% Saham A dan 50% Saham B. Berapa
tingkat pengembalian portofolio yang direalisasikan setiap tahun? Berapa rata-rata pengembalian portofolio
untuk periode 5 tahun?
B. Sekarang hitung standar deviasi pengembalian untuk setiap saham dan untuk portofolio.
Gunakan Persamaan 6-5.
C. Melihat data pengembalian tahunan pada kedua saham, apakah Anda akan menebaknya?
koefisien korelasi antara return kedua saham tersebut mendekati 0,8 atau 20,8?
D. Jika Anda menambahkan lebih banyak saham secara acak ke dalam portofolio, manakah dari berikut ini yang merupakan
pernyataan paling akurat tentang apa yang akan terjadi? sp
1.
sp akan tetap konstan.
2.
sp akan menurun ke suatu tempat di sekitar 20%.
3.
sp akan turun ke nol jika cukup stok dimasukkan.
(ST-2) ECRI Corporation adalah perusahaan induk dengan empat anak perusahaan utama. Persentase bisnis yang
Beta dan Diperlukan
berasal dari masing-masing anak perusahaan, dan beta masing-masing, adalah sebagai berikut:
Tingkat pengembalian
Anak perusahaan Persentase Bisnis Beta
Utilitas listrik 60% 0,70

Perusahaan kabel 25 0,90
Perumahan 10 1.30
Proyek internasional/khusus 5 1.50
Sebuah. Berapa beta perusahaan induk?

B. Asumsikan bahwa tingkat bebas risiko adalah 6% dan premi risiko pasar adalah 5%. Apa
apakah tingkat pengembalian yang diminta perusahaan induk?
C. ECRI sedang mempertimbangkan untuk mengubah fokus strategisnya: Ini akan mengurangi
ketergantungannya pada anak perusahaan utilitas listrik sehingga persentase bisnisnya dari anak
perusahaan ini menjadi 50%. Pada saat yang sama, ECRI akan meningkatkan ketergantungannya pada internasional/
divisi proyek khusus, dan persentase bisnisnya dari anak perusahaan itu akan naik menjadi 15%. Berapa
tingkat pengembalian yang diminta pemegang saham jika manajemen mengadopsi perubahan ini?
Masalah A nswe rs ada di Apendiks B
Soal Mudah 1-4
(6-1) Klub investasi Anda hanya memiliki dua saham dalam portofolionya. $20.000 diinvestasikan dalam saham dengan
Portofolio Beta
beta 0,7, dan $35.000 diinvestasikan dalam saham dengan beta 1,3. Berapa beta portofolio?
(6-2) Saham AA Corporation memiliki beta 0,8. Tingkat bebas risiko adalah 4%, dan pengembalian yang diharapkan di
pasar adalah 12%. Berapa tingkat pengembalian yang diperlukan atas saham AA?
yang Diperlukan
(6-3) Misalkan tingkat bebas risiko adalah 5% dan premi risiko pasar adalah 7%. Berapa pengembalian yang diperlukan
untuk (1) pasar, (2) saham dengan beta 1,0, dan (3) saham dengan beta 1,7?
yang Diperlukan
(6-4) Seorang analis mengumpulkan pengembalian saham harian untuk 1 Februari hingga 31 Maret, menghitung faktor
Fama-Perancis Tiga
Model Faktor Fama-Prancis untuk setiap hari dalam sampel ( SMBt dan HMLt ), dan memperkirakan model regresi Fama-
Prancis yang ditunjukkan pada Persamaan 6-21. Koefisien yang diestimasi adalah ai 5 0, bi 5 1,2, ci 5 20,4, dan
di 5 1,3. Pada 1 April, pengembalian pasar adalah 10%, pengembalian portofolio UKM (rSMB) adalah 3,2%, dan
pengembalian portofolio HML (rHML) adalah 4,8%. Dengan menggunakan model estimasi, berapa prediksi return
saham untuk 1 April?
Masalah Menengah 5-10
(6-5) Pengembalian saham memiliki distribusi berikut:

Mengharapkan
Kembali: Diskrit Permintaan untuk Probabilitas Ini Tingkat Pengembalian jika Ini
Distribusi Produk Perusahaan Permintaan Terjadi Permintaan Terjadi (%)
Lemah 0.1 50%
Dibawah rata-rata 0.2 5
Rata-rata 0,4 16
Diatas rata-rata 0,2 25
Kuat 0.1 60
1.0
Hitung pengembalian yang diharapkan saham dan standar deviasi.
(6-6) Pasar dan Saham J memiliki distribusi probabilitas sebagai berikut:

Mengharapkan
Pengembalian: Diskrit
Kemungkinan rM rJ
Distribusi
0,3 15% 20%
0.4 9 5
0,3 18 12
Sebuah. Hitung tingkat pengembalian yang diharapkan untuk pasar dan Saham J.
B. Hitung simpangan baku untuk pasar dan Saham J.
(6-7) Misalkan rRF 5 5%, rM 5 10%, dan rA 5 12%.

yang Diperlukan Sebuah. Hitung beta Saham A.
B. Jika beta Saham A adalah 2.0, lalu berapakah tingkat pengembalian baru yang disyaratkan A?
(6-8) Sebagai analis ekuitas, Anda prihatin dengan apa yang akan terjadi pada pengembalian yang diminta untuk saham
Universal Toddler ketika kondisi pasar berubah. Misalkan rRF 5 5%, rM 5 12%, dan bUT 5 1.4.
yang Diperlukan
Sebuah. Dalam kondisi saat ini, apa itu rUT, tingkat pengembalian yang diminta atas saham UT?
B. Sekarang anggaplah rRF (1) meningkat menjadi 6% atau (2) menurun menjadi 4%. Premi risiko pasar, RPM,
(yaitu, kemiringan SML) tetap konstan. Bagaimana ini akan mempengaruhi rM dan rUT?
C. Sekarang asumsikan rRF tetap pada 5% tetapi rM (1) meningkat menjadi 14% atau (2) turun menjadi 11%.
Premi risiko pasar, RPM, (yaitu, kemiringan SML) tidak tetap konstan.
Bagaimana perubahan ini mempengaruhi rUT?
(6-9) Dana pensiun Anda terdiri dari investasi $5.000 di masing-masing dari 15 saham biasa yang berbeda.
Portofolio Beta
Beta portofolio adalah 1,20. Misalkan Anda menjual salah satu saham dengan beta 0,8 seharga $5.000 dan
menggunakan hasilnya untuk membeli saham lain yang beta-nya 1,6. Hitung beta baru port folio Anda.
(6-10) Misalkan Anda mengelola dana $ 4 juta yang terdiri dari empat saham dengan investasi berikut:
Portofolio Diperlukan
Kembali
Saham Investasi Beta
SEBUAH
$ 400.000 1.50
B 600.000 0,50
C 1.000.000 1.25
D 2.000.000 0,75
Jika tingkat pengembalian yang diminta pasar adalah 14% dan tingkat bebas risiko adalah 6%, berapakah tingkat
pengembalian dana yang diminta?
Masalah yang Menantang 11–14
(6-11) Anda memiliki portofolio $ 2 juta yang terdiri dari investasi $ 100.000 di masing-masing dari 20 saham yang
Portofolio Beta
berbeda. Portofolio memiliki beta 1.1. Anda sedang mempertimbangkan untuk menjual satu saham senilai
$100.000 dengan beta 0,9 dan menggunakan hasilnya untuk membeli saham lain dengan beta 1,4. Apa yang
akan menjadi beta baru portofolio setelah ini
transaksi?
(6-12) Saham R memiliki beta 1,5, Saham S memiliki beta 0,75, tingkat pengembalian yang diharapkan dari saham rata-rata
adalah 13%, dan tingkat bebas risiko adalah 7%. Seberapa besar pengembalian yang diminta pada saham yang lebih
yang Diperlukan
berisiko melebihi dari pada saham yang kurang berisiko?
(6-13) Anda sedang mempertimbangkan investasi baik saham individu atau portofolio saham. Dua saham yang Anda
Realisasi Historis
teliti, Saham A dan Saham B, memiliki pengembalian historis berikut:
Tahun r¯A r¯B
2014 220.00% 25,00%

2016 42.00 15.00
2017 20.00 213.00
2018 28.00 50.00
2019 25.00 12.00
Sebuah. Hitung tingkat pengembalian rata-rata untuk setiap saham selama periode 5 tahun.
B. Misalkan Anda telah memegang portofolio yang terdiri dari 50% Saham A dan 50% Saham
B. Berapa realisasi tingkat pengembalian portofolio di setiap tahun?
Berapa rata-rata pengembalian portofolio selama periode ini?
C. Hitung deviasi standar pengembalian untuk setiap saham dan untuk portofolio.
D. Misalkan Anda adalah investor yang menghindari risiko. Dengan asumsi Saham A dan B adalah satu-
satunya pilihan Anda, apakah Anda lebih suka memegang Saham A, Saham B, atau portofolio? Mengapa?
(6-14) Anda telah mengamati pengembalian berikut dari waktu ke waktu:

Pengembalian Historis:
Diharapkan dan Tahun Stok X Pasar Saham Y
2015 14% 13% 12%
yang Diperlukan
2016 19 7 10
2017 16 3 51 12
2018 1
2019 20 11 15
Asumsikan bahwa tingkat bebas risiko adalah 6% dan premi risiko pasar adalah 5%.
Sebuah. Apa beta dari Saham X dan Y?
B. Berapa tingkat pengembalian yang diperlukan untuk Saham X dan Y?

C. Berapa tingkat pengembalian yang diperlukan untuk portofolio yang terdiri dari 80% Saham X dan?
20% dari Stok Y?
Sp readshee t Pro blem
(6-15) Mulailah dengan model parsial dalam file Ch06 P15 Bangun Model.xlsx di situs Web buku teks. File berisi data
Mengevaluasi Risiko
untuk masalah ini. Harga saham dan dividen Goodman Corporation dan Landry Inc., bersama dengan Indeks
dan Pengembalian
Pasar, ditampilkan di sini. Harga saham dilaporkan untuk tanggal 31 Desember setiap tahun, dan dividen
mencerminkan yang dibayarkan selama tahun tersebut. Data pasar disesuaikan untuk memasukkan dividen.
sumber Indeks Pasar

Perusahaan Goodman Landry Incorporated
Harga Saham Tahun Dividen Harga saham Dividen Termasuk Dividen
2019 $25,88 $1.73 $73,13 $4,50 17.495,97
2018 22,13 1.59 78,45 4,35 13,178,55
2017 24,75 1.50 73,13 4,13 13,019,97
2016 16.13 1.43 85.88 3.75 9.651,05
2015 17.06 1.35 90.00 3.38 8.403,42
2014 11.44 1.28 83.63 3,00 7.058,96
Sebuah. Gunakan data yang diberikan untuk menghitung pengembalian tahunan untuk Goodman, Landry, dan
Indeks Pasar, lalu hitung pengembalian tahunan rata-rata untuk dua saham dan indeks. (Petunjuk: Ingat,
pengembalian dihitung dengan mengurangkan harga awal dari harga akhir untuk mendapatkan keuntungan atau
kerugian modal, menambahkan dividen ke keuntungan atau kerugian modal, dan kemudian membagi hasilnya
dengan harga awal. Asumsikan bahwa dividen sudah termasuk dalam indeks. Juga, Anda tidak dapat menghitung
tingkat pengembalian untuk 2014 karena Anda tidak memiliki data 2013.)
B. Hitung standar deviasi pengembalian untuk Goodman, Landry, dan Indeks Pasar. (Petunjuk: Gunakan contoh
rumus simpangan baku yang diberikan dalam bab ini, yang sesuai dengan fungsi STDEV di Excel.)
C. Buatlah grafik diagram pencar yang menunjukkan pengembalian Goodman pada titik tersebut
cal axis dan pengembalian Indeks Pasar pada sumbu horizontal. Buat grafik serupa yang menunjukkan
pengembalian saham Landry pada sumbu vertikal.

D. Perkirakan beta Goodman dan Landry sebagai kemiringan garis regresi dengan
return saham pada sumbu vertikal (sumbu y) dan return pasar pada sumbu horizontal (sumbu x). (Petunjuk:
Gunakan fungsi SLOPE Excel .) Apakah beta ini konsisten dengan grafik Anda?
e. Tingkat bebas risiko pada obligasi Treasury jangka panjang adalah 6,04%. Asumsikan bahwa premi risiko pasar
adalah 5%. Berapa pengembalian yang dibutuhkan di pasar? Sekarang gunakan persamaan SML untuk
menghitung pengembalian yang dibutuhkan kedua perusahaan.
F. Jika Anda membentuk portofolio yang terdiri dari 50% saham Goodman dan 50% saham Landry, berapa beta
dan pengembalian yang diminta?
G. Misalkan seorang investor ingin memasukkan beberapa saham Goodman Industries dalam
portofolio. Saham A, B, dan C saat ini ada dalam portofolio, dan beta-nya masing-masing adalah 0,769, 0,985,
dan 1,423. Hitung pengembalian yang dibutuhkan portofolio baru jika terdiri dari 25% Goodman, 15% Saham A,
40% Saham B, dan 20% Saham C.
Mini C ase
Asumsikan bahwa Anda baru saja lulus dan mendapatkan pekerjaan sebagai perencana keuangan di Cicero
Services, sebuah perusahaan penasihat investasi. Klien pertama Anda baru-baru ini mewarisi beberapa aset dan meminta
Anda untuk mengevaluasinya. Klien memiliki portofolio obligasi dengan $1 juta yang diinvestasikan dalam obligasi Treasury
tanpa kupon yang jatuh tempo dalam 10 tahun.47
Klien juga memiliki $2 juta yang diinvestasikan dalam saham Blandy, Inc., sebuah perusahaan yang memproduksi
makan malam beku daging dan kentang. Slogan Blandy adalah, "Makanan padat untuk saat-saat goyah."
Sayangnya, Kongres dan presiden terlibat dalam perselisihan sengit mengenai anggaran dan pagu utang. Hasil
dari perselisihan yang tidak akan terselesaikan hingga akhir tahun ini, akan berdampak besar pada suku bunga satu
tahun dari sekarang. Tugas pertama Anda adalah menentukan risiko portofolio obligasi klien.
Setelah berkonsultasi dengan para ekonom di perusahaan Anda, Anda telah menentukan lima kemungkinan skenario
untuk penyelesaian perselisihan di akhir tahun. Untuk setiap skenario, Anda telah memperkirakan kemungkinan
terjadinya skenario dan dampaknya terhadap suku bunga dan harga obligasi jika skenario tersebut terjadi. Dengan
informasi ini, Anda memiliki
47Total nilai nominal pada saat jatuh tempo adalah $1,79 juta dan hasil hingga jatuh tempo adalah sekitar 6%, tetapi informasi tersebut
tidak diperlukan untuk kasus kecil ini.
menghitung tingkat pengembalian obligasi Treasury 10-tahun dengan kupon nol untuk setiap
skenario. Probabilitas dan pengembalian ditampilkan di sini:
Kembali pada Nol 10 Tahun
Probabilitas dari Kupon Obligasi Negara

Skenario Skenario Selama Tahun Depan
Kasus terburuk 0,10 14%
Kasus Buruk 0,20 4%
Yang paling disukai 0,40 6%

Kasus yang bagus 0,20 16%
Kasus terbaik 0,10 26%
1.00
Anda juga telah mengumpulkan pengembalian historis selama 10 tahun terakhir untuk Blandy dan Gour
kudis Corporation (produsen makanan khusus gourmet), dan pasar saham.
Pengembalian Saham Historis

Tahun Pasar Blandy Rakus
1 30% 26% 47%
2 7 15 54
3 18 14 15
4 22 15 7
14 28
56 10 2 18 40
7 26 42 17
8 10 30 23
9 3 32 4
10 38 28 75
Pengembalian rata-rata: 8.0% ? 9.2%

Standar deviasi: 20,1% 38,6%
Korelasi dengan pasar: 1,00 0,678
Beta: 1.00 ??? 1.30
Tingkat bebas risiko adalah 4%, dan premi risiko pasar adalah 5%.
Sebuah. Apa itu hasil investasi? Berapa laba atas investasi yang menelan biaya $1.000?
dan dijual setelah 1 tahun seharga $1.060?
B. Grafik distribusi probabilitas untuk pengembalian obligasi berdasarkan 5 skenario.
Seperti apa grafik distribusi probabilitas jika ada sejumlah skenario yang tak terbatas (yaitu, jika itu
adalah distribusi kontinu dan bukan distribusi diskrit)?
C. Gunakan data skenario untuk menghitung tingkat pengembalian yang diharapkan untuk 10 tahun nol
kupon obligasi negara selama tahun berikutnya.
D. Apa risiko yang berdiri sendiri? Gunakan data skenario untuk menghitung deviasi standar
pengembalian obligasi untuk tahun berikutnya.
e. Klien Anda telah memutuskan bahwa risiko portofolio obligasi dapat diterima dan diinginkan
untuk membiarkannya apa adanya. Sekarang klien Anda telah meminta Anda untuk menggunakan pengembalian historis untuk memperkirakan
standar deviasi pengembalian saham Blandy. (Catatan: Banyak analis menggunakan pengembalian
bulanan 4 hingga 5 tahun untuk memperkirakan risiko, dan banyak yang menggunakan pengembalian mingguan
52 minggu; beberapa bahkan menggunakan pengembalian harian satu tahun atau kurang. Demi kesederhanaan,
gunakan 10 pengembalian tahunan Blandy.)
F. Klien Anda terkejut melihat seberapa besar risiko yang dimiliki saham Blandy dan ingin mengurangi tingkat
risikonya. Anda menyarankan agar klien menjual 25% saham Blandy dan membuat portofolio dengan 75% saham
Blandy dan 25% saham Gourmange berisiko tinggi. Bagaimana menurut Anda klien akan bereaksi untuk mengganti
beberapa saham Blandy dengan saham berisiko tinggi? Tunjukkan kepada klien berapa pengembalian portofolio
yang diusulkan dalam setiap tahun sampel. Kemudian hitung pengembalian rata-rata dan standar deviasi
menggunakan pengembalian tahunan portofolio. Bagaimana risiko portofolio dua saham ini dibandingkan dengan
risiko masing-masing saham jika disimpan dalam isolasi?
G. Jelaskan korelasinya kepada klien Anda. Hitung perkiraan korelasi antara

Blandy dan Gourmange. Apakah ini menjelaskan mengapa deviasi standar portofolio lebih kecil dari deviasi standar
Blandy?
H. Misalkan seorang investor memulai dengan portofolio yang terdiri dari satu yang dipilih secara acak
persediaan. Karena semakin banyak saham yang dipilih secara acak ditambahkan ke portofolio, apa yang terjadi
dengan risiko portofolio?
saya. (1) Haruskah efek portofolio mempengaruhi bagaimana investor berpikir tentang risiko
saham individu? (2) Jika Anda memutuskan untuk memegang portofolio satu saham dan akibatnya terkena lebih
banyak risiko daripada investor yang terdiversifikasi, dapatkah Anda mengharapkan kompensasi untuk semua risiko
Anda; yaitu, dapatkah Anda memperoleh premi risiko pada bagian risiko yang dapat Anda hilangkan dengan
melakukan diversifikasi?
J. Menurut Model Penetapan Harga Aset Modal, apa yang mengukur jumlah risiko yang disumbangkan saham
individu ke portofolio yang terdiversifikasi dengan baik? Tentukan pengukuran ini.
k. Apa itu Security Market Line (SML)? Bagaimana beta terkait dengan stok yang dibutuhkan
tingkat pengembalian?
l. Hitung koefisien korelasi antara Blandy dan pasar. Gunakan ini dan
standar deviasi Blandy yang dihitung sebelumnya (atau diberikan) dan pasar untuk memperkirakan beta Blandy.
Apakah Blandy menyumbang lebih banyak atau lebih sedikit risiko pada portofolio yang terdiversifikasi dengan baik
daripada rata-rata saham? Gunakan SML untuk memperkirakan pengembalian yang dibutuhkan Blandy.
M. Tunjukkan bagaimana memperkirakan beta menggunakan analisis regresi.

n. (1) Misalkan tingkat bebas risiko naik menjadi 7%. Apa pengaruh suku bunga yang lebih tinggi terhadap SML dan
pengembalian yang diperlukan pada sekuritas berisiko tinggi dan berisiko rendah? (2) Anggaplah bahwa
penghindaran risiko investor meningkat cukup untuk menyebabkan premi risiko pasar meningkat menjadi 8%.
(Asumsikan tingkat bebas risiko tetap konstan.) Apa pengaruhnya terhadap SML dan pengembalian sekuritas
berisiko tinggi dan rendah?
Hai. Klien Anda memutuskan untuk menginvestasikan $1,4 juta dalam saham Blandy dan $0,6 juta dalam saham
kudis Gour. Apa bobot untuk portofolio ini? Berapa beta portofolio?
Berapa pengembalian yang diperlukan untuk portofolio ini?
P. Jordan Jones (JJ) dan Casey Carter (CC) adalah manajer portofolio di perusahaan Anda. Setiap
mengelola portofolio yang terdiversifikasi dengan baik. Atasan Anda telah meminta pendapat Anda tentang kinerja
mereka dalam satu tahun terakhir. Portofolio JJ memiliki beta 0,6 dan pengembalian 8,5%; Portofolio CC memiliki
beta 1,4 dan pengembalian 9,5%. Manajer mana yang memiliki kinerja lebih baik? Mengapa?
Q. Apa yang dimaksud dengan keseimbangan pasar? Jika keseimbangan tidak ada, bagaimana jadinya
didirikan?
R. Apa Hipotesis Pasar Efisien (EMH), dan apa tiga bentuknya?
Bukti apa yang mendukung EMH? Bukti apa yang meragukan EMH?
C esses A terpilih
Kasus-kasus dari CengageCompose berikut mencakup banyak konsep yang dibahas dalam bab ini dan
tersedia di compose.cengage.com.
Seri Klein-Brigham:
Kasus 2, “Peachtree Securities, Inc. (A).”
Seri Brigham-Buzzard:
Kasus 2, “Perusahaan Jaringan Powerline (Risiko dan Pengembalian).”

Translate Mankeu Chap 6

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Translate Mankeu Chap 6

Diunggah oleh

Hak Cipta:

Format Tersedia

Machine Translated by Google

Risiko dan Pengembalian

244 Bagian 3 Saham dan Opsi

Nilai Intrinsik, Risiko, dan Pengembalian

Arus kas gratis

FCF1 FCF2 FCF`

Suku bunga pasar Campuran hutang/ekuitas perusahaan

6-1 Pengembalian dan Risiko Investasi

6-1a Pengembalian Investasi

Bab 6 Risiko dan Pengembalian 245

Pengembalian dolar 5 Jumlah yang akan diterima 2 Jumlah yang diinvestasikan

Jumlah yang diterima 2 Jumlah yang diinvestasikan

Pengembalian dolar $100

Jumlah yang diinvestasikan $1.000

Perhitungan tingkat pengembalian "menstandarkan" pengembalian dolar dengan mempertimbangkan pengembalian

6-1b Risiko yang Berdiri Sendiri versus Risiko Portofolio

Bandingkan dan kontraskan pengembalian dolar dan tingkat pengembalian.

6-2 Mengukur Risiko untuk Distribusi Diskrit

246 Bagian 3 Saham dan Opsi

6-2a Distribusi Probabilitas untuk Hasil Diskrit

6-2b Tingkat Pengembalian yang Diharapkan untuk Distribusi Diskrit

Distribusi Probabilitas Diskrit untuk Tiga Skenario

Hasil: Pengembalian Pasar untuk 3 Skenario

Bab 6 Risiko dan Pengembalian 247

Menghitung Pengembalian yang Diharapkan dan Deviasi Standar: Probabilitas Diskrit

1.00 Eks. dia melanjutkan. = jumlah = 11,0% Jumlah = Varians = 0,0406

Std. Dev. = persegi

Tingkat pengembalian yang diharapkan 5 r 5 p1 r 1 1 p2 r2 1 1 pnrn

5 0,3(37%) 1 0,4(11%) 1 0,3(215%)

6-2c Mengukur Risiko yang Berdiri Sendiri: Standar

Dalam bab lain, kita akan menggunakan rD dan r

248 Bagian 3 Saham dan Opsi

1. Hitung nilai ekspektasi untuk tingkat pengembalian menggunakan Persamaan 6-1.

3. Kuadratkan setiap simpangan seperti pada Kolom (5).

Varians 5 s2 5 o pi (ri 2 r )2 (6-2)

Apa yang dimaksud dengan "risiko investasi"?

Siapkan distribusi probabilitas ilustratif untuk investasi.

Apa itu matriks pembayaran?

Bagaimana cara menghitung simpangan baku?

Bab 6 Risiko dan Pengembalian 249

6-3 Risiko dalam Distribusi Berkelanjutan

Panel A: Pengembalian Pasar untuk 15 Skenario: Standar Deviasi 5 20,2%

Hasil: Pengembalian Pasar

Hasil: Pengembalian Saham

250 Bagian 3 Saham dan Opsi

23 detik 22 detik 21 detik R 11 detik 12 detik 13 detik

Untuk diskusi lebih lanjut tentang

aktual akan berada dalam kisaran r 2 detik ke r 1 detik

Bab 6 Risiko dan Pengembalian 251

Apa Arti Risiko Sebenarnya?

banyak risiko dalam vesting.

6-4 Menggunakan Data Historis untuk Memperkirakan Risiko

Perkiraan s 5 S 5 ot51T (rt 2 rata-rata)2 (6-5)

252 Bagian 3 Saham dan Opsi

6-4a Menghitung Rata-Rata Historis

, pengembalian masa depan yang diharapkan. Misalnya, hanya karena

6-4b Menghitung Rata-rata Historis dan Deviasi

Bab 6 Risiko dan Pengembalian 253

Hasil untuk 12 Bulan Terakhir MicroDrive SnailDrive

Pengembalian rata-rata (tahunan) 28.9% 11,6%

Standar deviasi (tahunan) 52,4% 31,4%

254 Bagian 3 Saham dan Opsi

Trade-Off Bersejarah antara Risiko dan Pengembalian

Pengembalian Realisasi, 1926–2016