com
8 Model Portofolio—Pengantar
8.1 Ikhtisar
Dalam bab ini kita meninjau mekanisme dasar perhitungan portofolio. Kita mulai dengan
contoh sederhana dari dua aset, menunjukkan bagaimana mendapatkan distribusi
pengembalian dari data harga historis. Kami kemudian membahas kasus umumN aktiva; untuk
kasus ini menjadi nyaman untuk menggunakan notasi matriks dan memanfaatkan
kemampuan penanganan matriks Excel.
Hal ini berguna sebelum melanjutkan untuk meninjau beberapa notasi dasar: Setiap aset
saya (aset dapat berupa saham, obligasi, real estat, atau apa pun, meskipun contoh numerik
kami sebagian besar terbatas pada saham) dicirikan oleh beberapa statistik:E(rsaya),
pengembalian yang diharapkan atas asetsaya;Var(rsaya), varians asetsayakembalinya; danCov(r
,rj), kovarians asetsayadan asetjkembali. Kadang-kadang kita akan menggunakanμsayauntuk
saya
menunjukkan pengembalian yang diharapkan atas asetsaya. Selain itu, sering kali akan lebih
2
mudah untuk menulisCov(rsaya,rj) sebagaiaku jdanVar(rsaya) sebagaiii(dari pada saya,sebagai
Di bagian ini kami menghitung statistik pengembalian untuk dua saham: Apple (simbol
saham AAPL) dan Google (GOOG). Berikut adalah harga dan data pengembalian.
Pengembalian termasuk dividen; lihat Lampiran 8.1 untuk lebih jelasnya.
198 Bab 8
SEBUAH B C D E F G
HARGA DAN PENGEMBALIAN UNTUK APPLE DAN GOOGLE
1 Juni 2007 - Juni 2012
2 Rata-rata bulanan 2,61% - 0,24% <-- = RATA-RATA(F11:F71)
3 Varian bulanan 0,0125 0,0102 <-- =VAR.S(F11:F71)
4 Deviasi standar bulanan 11,17% 10,09% <-- =STDEV.S(F11:F71)
5
6 Rata-rata tahunan 31,31% - 2,91% <-- =12*C2
7 Varians tahunan 0.1497 0.1221 <-- =12*C3
8 Standar deviasi tahunan 38,70% 34,94% <-- =SQRT(12)*C4
9
10 Tanggal AAPL Google AAPL Google
11 1-Jun-07 122,04 580.11
12 2-Jul-07 131.76 645.90 0,0766 0.1074 <-- =LN(C12/C11)
13 1-Agustus-07 138.48 599.39 0,0497 - 0,0747 <-- =LN(C13/C12)
66 3-Jan-12 456.48 522.70 0,1197 0,0246 <-- =LN(C66/C65)
67 1-Feb-12 542,44 497,91 0.1725 - 0,0486 <-- =LN(C67/C66)
68 1-Mar-12 599.55 471.38 0.1001 - 0,0548
69 2-Apr-12 583,98 458.16 - 0,0263 - 0,0284
70 1-Mei-12 577.73 449.45 - 0,0108 - 0,0192
71 1-Jun-12 584.00 501,50 0,0108 0.1096
Data ini memberikan harga penutupan pada setiap akhir bulan untuk setiap saham. Kami mendefinisikan
pengembalian sebagai
⎛ Pt ⎞
rt=ln ⎝⎜ ⎟
Pt−1⎠
Di bagian atas lembar Excel kami menghitung statistik pengembalian untuk setiap
saham. Itupengembalian bulananadalah persentase pengembalian yang akan diperoleh
oleh investor yang membeli saham pada akhir bulan tertentut− 1 dan menjualnya pada
akhir bulan berikutnya.
Perhatikan bahwa kami menggunakan pengembalian gabungan terus menerus pada
saham, rt=ln(Pt/Pt1). Alternatifnya adalah menggunakan pengembalian diskrit, Pt/Pt11.
Apendiks 2 di akhir bab ini membahas alasan-alasan kami memilih pengembalian yang
dimajemukkan secara terus-menerus.
Kami sekarang membuat asumsi heroik: Kami berasumsi bahwa data pengembalian selama 60
bulan mewakili distribusi pengembalian untuk bulan mendatang. Dengan demikian kita berasumsi
bahwa masa lalu memberi kita beberapa informasi tentang cara pengembalian akan berperilaku di
masa depan. Asumsi ini memungkinkan kita untuk mengasumsikan bahwa rata-rata data historis
memungkinkan kita untuk mengasumsikan bahwa kita dapat belajar dari data historis apa varian dari
SEBUAH B C D E F
2 Rata-rata bulanan 2,61% - 0,24% <-- = RATA-RATA(F11:F71)
3 Varian bulanan 0,0125 0,0102 <-- =VAR.S(F11:F71)
4 Deviasi standar bulanan 11,17% 10,09% <-- =STDEV.S(F11:F71)
5
6 Rata-rata tahunan 31,31% - 2,91% <-- =12*C2
7 Varians tahunan 0.1497 0.1221 <-- =12*C3
8 Standar deviasi tahunan 38,70% 34,94% <-- =SQRT(12)*C4
Kami menyela diskusi tentang perhitungan portofolio ini dengan catatan singkat
tentang perhitungan statistik. Dalam statistik adalah umum untuk membedakan
antara statistik sampel dan statistik populasi. Jika kita memeriksa seluruh rentang
kemungkinan untuk variabel acak yang diberikan, maka kita berhadapan dengan
populasi. Jika kita berurusan dengan sekumpulan hasil untuk variabel acak, maka
kita berurusan dengan aSampel. Dalam kasus statistik pengembalian portofolio,
kita hampir selalu berurusan dengan aSampelketimbang seluruh populasi.
Tabel di bawah ini memberikan definisi populasi dan statistik sampel
serta fungsi Excel yang menghitungnya.
Populasi Sampel
N N
1 1
Rata-rata,μ Rata-rata =
N
∑ rsaya Rata-rata =
N
∑ rsaya
saya=1 saya=1
1 N
1 N
Perbedaan Var.p =
N
∑ (rsaya
− r) 2 Var.s =
N− 1
( − r)2
∑ rsaya
saya=1 saya=1
1 N 1∑(rN− r)2
∑(rsaya− r )
2
Standar deviasi Stdev.p = Stdev.s = saya
N saya=1
N− 1 saya=1
Populasi Sampel
Excel alternatif Var, VarP, Stdev, StdevP
dari sebelumnya VarS, StdevS
versi, masih berfungsi Covarmenghitung kovarians populasi. Versi baru Excel
membedakan antara populasi dan sampel kovarians.
Kemiringan regresi UnggulLereng, setara dengan
Covar.p(saya,M) Covar.S(saya,M)
lereng(saya_data,M_data) = =
Var.p(saya,M) Var.S(saya,M)
Semua diskusi tentang statistik populasi versus sampel ini mungkin tidak terlalu penting. Kami
menyukai sudut pandang yang dikemukakan oleh Press et al. dalam buku mereka yang luar
biasa Resep Numerik: “Ada cerita panjang tentang mengapa penyebutnya N− 1 bukannyaN.
Jika Anda belum pernah mendengar cerita itu, Anda dapat berkonsultasi dengan teks statistik
yang bagus. Kami mungkin juga berkomentar bahwa jika perbedaan antaraN danNJika saya
pernah penting bagi Anda, maka Anda tetap tidak berguna—misalnya, mencoba membuktikan
hipotesis yang meragukan dengan data marjinal.”1
SEBUAH B C D E F G H
Cov(rAAPL,rGOOG)
ρAAPL,GOOG=
σ AAPLσGOOG
Koefisien korelasi adalah bebas unit; menghitungnya untuk contoh kita
memberi ρAAPL,GOOG=0.1765. Seperti diilustrasikan di atas, koefisien korelasi
dapat dihitung langsung di Excel menggunakan fungsiCorrel (AAPL, GOOG).
Koefisien korelasi mengukur derajat hubungan linier antara return
Saham A dan Saham B. Fakta-fakta berikut dapat dibuktikan tentang
koefisien korelasi:
rPada=c+drBt, di manad>0
• Jika koefisien korelasi adalah 1, maka pengembalian kedua aset tersebut berhubungan
linier dengan kemiringan negatif; yaitu, jikaρAB=1, maka
rPada=c+drBt, di manad<0
Cara lain untuk melihat koefisien korelasi adalah dengan membuat grafik pengembalian Apple
dan Google pada sumbu yang sama dan kemudian menggunakan ExcelGaris trenfasilitas
untuk mundur kembali dari GOOG pada orang-orang dari AAPL. (Penggunaan ExcelGaris tren
fungsi—digunakan untuk menghitung persamaan regresi—dijelaskan di Bab 33.) Anda dapat
mengkonfirmasi dari perhitungan sebelumnya bahwa regresiR2adalah kuadrat korelasinya:
20%
10%
0%
- 42% - 32% - 22% - 12% - 2% 8% 18%
- 10%
- 20%
y = 0,1594x - 0,0066
R² = 0,0312
- 30%
Pada bagian ini kami menunjukkan bagaimana melakukan perhitungan dasar untuk mean dan
varians portofolio. Misalkan kita membentuk portofolio yang diinvestasikan secara merata di
AAPL dan GOOG. Apa yang akan menjadi mean dan varians dari portofolio ini? Sebaiknya
lakukan perhitungan brute force setidaknya sekali di Excel:
203 Model Portofolio—Pengantar
SEBUAH B C D E
MENGHITUNG MEAN DAN STANDAR DEVIASI
1 DARI SEBUAH PORTOFOLIO
2 Proporsi AAPL 0,5
3 Proporsi GOOG 0,5 <-- =1-B2
4
AAPL GOOG Portofolio
5 kembali kembali kembali
6 2-Jul-07 7,66% 10,74% 9,20% <-- =$B$2*B6+$B$3*C6
7 1-Agustus-07 4,97% - 7,47% - 1,25% <-- =$B$2*B7+$B$3*C7
8 4-Sep-07 10,28% - 1,13% 4,57% <-- =$B$2*B8+$B$3*C8
9 1-Okt-07 21,33% - 14,03% 3,65%
10 1-Nov-07 - 4,15% 4,91% 0,38%
11 3-Des-07 8,35% 10,97% 9,66%
12 2-Jan-08 - 38,07% - 17,58% - 27,83%
13 1-Feb-08 - 7,95% 4,37% - 1,79%
14 3-Mar-08 13,79% 2,81% 8,30%
15 1-Apr-08 19,24% 7,55% 13,40%
16 1-Mei-08 8,17% 4.44% 6.30%
17 2-Jun-08 - 11,98% - 2,15% - 7,06%
G H Saya J
Pengembalian aset AAPL GOOG
5
6 Berarti kembali 2,61% - 0,24% <-- = RATA-RATA(C6:C65)
7 Perbedaan 0,0125 0,0102 <-- =VAR.S(C6:C65)
8 Standar deviasi 11,17% 10,09% <-- =STDEV.S(C6:C65)
9 kovarians 0,0020 <-- =COVARIANCE.S(B6:B65,C6:C65)
10
11 Portofolio berarti pengembalian
12 1,18% <-- = RATA-RATA(D6:D65)
13 1,18% <-- =B2*H6+B3*I6
14 Varians pengembalian portofolio
15 0,0067 <-- =VAR.S(D6:D65)
16 0,0067 <-- =B2 2̂*H7+B3 2̂*I7+2*B2*B3*H9
17 Standar deviasi pengembalian portofolio
18 0,0816 <-- =SQRT(H16)
19 0,0816 <-- =STDEV.S(D6:D65)
204 Bab 8
komponen. Jika kita dilambangkan denganxproporsi yang diinvestasikan dalam AAPL dan 1xproporsi
yang diinvestasikan dalam saham GOOG, maka pengembalian portofolio yang diharapkan diberikan
oleh:
2
p=x2σ 2 AAPL + (1−x)2σ 2GOOG+2x(1−x)ρAAPL,GOOGσ AAPLσGOOG
Latihan yang sering dilakukan adalah memplot rata-rata dan deviasi standar
untuk berbagai proporsi portofoliox. Untuk melakukan ini, kami membuat tabel
menggunakan Excel's Data|Bagaimana-Jika|Tabel Dataperintah (lihat Bab 31);
sel B16 dan C16 berisi header tabel data, yang masing-masing merujuk ke sel B11
dan B10.
205 Model Portofolio—Pengantar
SEBUAH B C D E F G H Saya J
1 MENGHITUNG RATA-RATA DAN STANDAR DEVIASI DARI PORTOFOLIO
2 Pengembalian aset AAPL GOOG
3 Berarti kembali 2,61% - 0,24%
4 Perbedaan 0,0125 0,0102
5 Standar deviasi 11,17% 10,09%
6 kovarians 0,0020
7
8 Proporsi AAPL 0,5
9
10 Portofolio berarti pengembalian 1,18% <-- =B8*B3+(1-B8)*C3
11 Varians pengembalian portofolio 0,0067 <-- =B8 2̂*B4+(1-B8) 2̂*C4+2*B8*(1-B8)*B6
12 Standar deviasi pengembalian portofolio 8,16% <-- =SQRT(B11)
13
14 Tabel data—memvariasikan proporsi AAPL
Portofolio Portofolio
standar berarti
15 deviasi kembali
16 Proporsi AAPL 8,16% 1,18% <-- =B10, header tabel
17 - 0,5 15,18% - 1,67%
18 - 0.4 14,04% - 1,38% Por-Hai
lio E(r p) dans p
19 - 0,3 12,95% - 1,10%
20 - 0.2 11,91% - 0,81% 5%
21 - 0.1 10,95% - 0,53% 4%
rnE(rp)
22 0
kamu
10,09% - 0,24%
23 0.1 9,34% 0,04% 3%
membasahi
8,16% 1,18% 0%
28 0.6 8,41% 1,47% 0% 2% 4% 6% 8% 10% 12% 14% 16% 18%
29 0,7 8,87% 1,75% - 1%
30 0.8 9.50% 2,04%
- 2%
31 0.9 10,28% 2,32% Podudukan r-olio sebuah
devia-on ke rd sp
32 1 11,17% 2,61%
33 1.1 12,15% 2,89%
34 1.2 13,20% 3,18%
35 1.3 14,30% 3,46%
36 1.4 15,45% 3,75%
37 1.5 16,62% 4,04%
3. Bab 32 memberikan pengantar matriks yang cukup untuk menangani semua masalah yang
dihadapi dalam buku ini. Fungsi matriks ExcelMMultdanTerbalikdigunakan dalam masalah portofolio
dibahas dalam bab ini.
206 Bab 8
⎡ x1⎤ ⎡ E(r1)⎤
⎢ x2⎥ ⎢ E(r)⎥2⎥
⎢⎥ ⎢
x=⎢ x3⎥ E(r) =⎢ E(r3)⎥
⎢⎥ ⎢ ⎥
- ⎢ - ⎥
⎣⎢xN⎦⎥ ⎢⎣E(rN)⎦⎥
N
E(rx) =∑ xsayaE(rsaya)
saya=1
N
E(rp)=∑ xsayaE(rsaya) =x TE(r) =E(r)Tx
saya=1
Ini terlihat buruk, tetapi ini benar-benar perpanjangan langsung dari ekspresi
varians portofolio dua aset yang kita miliki sebelumnya: Varians setiap aset
muncul satu kali, dikalikan dengan kuadrat proporsi aset dalam portofolio;
kovarians setiap pasangan aset muncul satu kali, dikalikan dengan dua kali
produk dari proporsi aset individu. Cara lain untuk menulis varians adalah
dengan menggunakan notasi
Var(rsaya) =σ ii,Cov(rsaya,rj)=σaku j
4. Dalam Bab 12 kita membahas optimasi portofolio ketika ada pembatasan short-sale. Sementara itu
kami berasumsi bahwa short selling tidak dibatasi.
207 Model Portofolio—Pengantar
Jika kita memiliki dua portofolio yang direpresentasikan sebagai vektor baris,x= [x1,x2, … ,
xN] dan kamu= [kamu1,kamu2, … ,kamuN], maka kovarians kedua portofolio diberikan
oleh Cov(x,kamu) =xSyT=ySxT. Dalam rumus Excel ini adalah fungsi arrayMMult
(MMult(x,S),Transpose(y)).
Kami menerapkan rumus di atas dalam contoh numerik. Misalkan ada empat
aset berisiko yang memiliki pengembalian yang diharapkan dan matriks
varians-kovarians berikut:
SEBUAH B C D E F
1 MASALAH PORTOFOLIO EMPAT ASET
Berarti
Varians-kovarians, S kembali
2 E(r)
3 0,10 0,01 0,03 0,05 6%
4 0,01 0,30 0,06 - 0,04 8%
5 0,03 0,06 0,40 0,02 10%
6 0,05 - 0,04 0,20 0,50 15%
5. Fungsi array dibahas dalam Bab 34. Banyak contoh di bawah ini menggambarkan penggunaannya untuk
optimasi portofolio.
208 Bab 8
SEBUAH B C D E
8 Portofolio x 0,20 0,30 0,40 0,10
9 Portofolio 0,20 0,10 0,10 0,60
SEBUAH B C D E F G
1 MASALAH PORTOFOLIO EMPAT ASET
Berarti
Varians-kovarians, S kembali
2 E(r)
3 0,10 0,01 0,03 0,05 6%
4 0,01 0,30 0,06 - 0,04 8%
5 0,03 0,06 0,40 0,02 10%
6 0,05 - 0,04 0,02 0,50 15%
7
8 Portofolio x 0,20 0,30 0,40 0,10
9 Portofolio 0,20 0,10 0,10 0,60
10
11 Statistik portofolio x dan y: Mean, varians, kovarians, korelasi
12 Rata-rata, E(rx) 9,10% Rata-rata, E(r ) kamu 12,00% <-- {=MMULT(B9:E9,F3:F6)}
13 Varians2 x 0.1216 Varians2 kamu 0.2034 <--
14 Kovarians (x,y) 0,0714 {=MMULT(MMULT(B9:E9,A3:
15 korelasixy 0,4540 <-- =B14/SQRT(B13*E13) D6),TRANSPOSE(B9:E9))}
6. Ingat dari Bab 34 bahwaMMultdanMengubah urutanadalah fungsi array dan harus dimasukkan
dengan menekan [Ctrl] + [Shift] + [Enter] secara bersamaan.
7. Kalimat ini kritis. Seperti yang akan kita lihat di bab berikutnya, semua masalah portofolio dariNaset
akhirnya bermuara pada kasus dua aset.
209 Model Portofolio—Pengantar
SEBUAH B C D E F G
1 MASALAH PORTOFOLIO EMPAT ASET
Berarti
Varians-kovarians, S kembali
2 E(r)
3 0,10 0,01 0,03 0,05 6%
4 0,01 0,30 0,06 - 0,04 8%
5 0,03 0,06 0,40 0,02 10%
6 0,05 - 0,04 0,02 0,50 15%
7
8 Portofolio x 0,20 0,30 0,40 0,10
9 Portofolio 0,20 0,10 0,10 0,60
10
11 Statistik portofolio x dan y: Mean, varians, kovarians, korelasi
12 Rata-rata, E(rx) 9,10% Rata-rata, E(r ) kamu 12,00% <-- {=MMULT(B9:E9,F3:F6)}
13 Varians2 x 0.1216 Varians2 kamu 0.2034 <--
14 Kovarians (x,y) 0,0714 {=MMULT(MMULT(B9:E9,A3:
15 korelasixy 0,4540 <-- =B14/SQRT(B13*E13) D6),TRANSPOSE(B9:E9))}
16
17 Menghitung pengembalian kombinasi Portofolio x dan Portofolio y
18 Proporsi x 0,3
Portofolio rata-rata
19 kembali, E(rp) 11,13% <-- =B18*B12+(1-B18)*E12
Portofolio
20 varians2 p 0.1406 <-- =B18 2̂*B13+(1-B18) 2̂*E13+2*B18*(1-B18)*B14
Portofolio
standar
21 penyimpanganp 37.50% <-- =SQRT(B20)
22
23 Tabel pengembalian (menggunakan Tabel Data)
Standar
24 Proporsi x deviasi Berarti
25 37.50% 11,13% Por-olio Mea n dan Kembali
26 - 0,5 61,72% 13,45% 14%
27 - 0.4 58,15% 13,16%
rnE(rp)
8%
36 0,5 34,20% 10,55%
37 0.6 33,26% 10,26% 7%
38 0,7 32,84% 9,97% 30% 35% 40% 45% 50% 55% 60% 65%
39 0.8 32,99% 9,68% Por-olio s standar devi sebuah
- padap
40 0.9 33.67% 9,39%
41 1.0 34,87% 9,10%
210 Bab 8
Sebuahportofolio amplopadalah portofolio aset berisiko yang memberikan varians pengembalian terendah
dari semua portofolio yang memiliki pengembalian yang diharapkan sama. Sebuahportofolio yang efisien
adalah portofolio yang memberikan pengembalian yang diharapkan tertinggi dari semua portofolio yang
memiliki varians yang sama. Secara matematis, kita dapat mendefinisikan portofolio amplop sebagai berikut:
Untuk pengembalian tertentuμ =E(rp), portofolio yang efisienp= [x1,x2, … ,xN] adalah salah satu yang
memecahkan
tunduk pada
∑x r
saya saya =μ =E(rp)
saya
∑ xsaya=1
saya
⎡ kapak1+ (1−sebuah)kamu1⎤
⎥
⎢ kapak2+ (1−sebuah)kamu 2 ⎥
z=kapak+ (1−sebuah)kamu=⎢
⎢ - ⎥
⎢ ⎥
⎣kapakN+ (1−sebuah)kamuN⎦
juga merupakan portofolio amplop. Jadi, kita dapat menghitung seluruh batas amplop
jika kita dapat menemukan dua portofolio amplop.
8. Bab 9 membahas perbedaan antara amplop dan portofolio efisien. Singkatnya: Perbatasan
efisien adalah bagian dari amplop yang hanya berisi portofolio optimal.
9. Kami membahas teorema Black lebih luas di bab berikutnya.
211 Model Portofolio—Pengantar
Dengan teorema ini, setelah kita menemukan dua portofolio efisienxdankamu, kita tahu bahwa
portofolio efisien lainnya adalah kombinasi cembung darixdankamu. Jika kita menunjukkan
σ =2sebuah σ
z 2 + (1−sebuah)2σ 2kamu+2sebuah(1−sebuah)Cov(x,kamu)
x
2
Untuk menunjukkan bahwa konsep amplop dan portofolio efisien adalah non-sepele, kami
menunjukkan bahwa dua portofolio yang kombinasinya digambarkan dalam grafik pada
contoh sebelumnya bukan amplop atau efisien. Ini mudah untuk dilihat jika kita memperluas
tabel data untuk memasukkan angka untuk masing-masing saham:
212 Bab 8
SEBUAH B C D E F G
1 MASALAH PORTOFOLIO EMPAT ASET
Berarti
Varians-kovarians, S kembali
2 E(r)
3 0,10 0,01 0,03 0,05 6%
4 0,01 0,30 0,06 - 0,04 8%
5 0,03 0,06 0,40 0,02 10%
6 0,05 - 0,04 0,02 0,50 15%
7
8 Portofolio x 0,20 0,30 0,40 0,10
9 Portofolio 0,20 0,10 0,10 0,60
10
11 Statistik portofolio x dan y: Mean, varians, kovarians, korelasi
12 Rata-rata, E(rx) 9,10% Rata-rata, E(r ) kamu 12,00% <-- {=MMULT(B9:E9,F3:F6)}
13 Varians2 x 0.1216 Varians2 kamu 0.2034 <--
14 Kovarians (x,y) 0,0714 {=MMULT(MMULT(B9:E9,A3:D6),TRANSPOSE(B9:E 9))}
15 korelasixy 0,4540 <-- =B14/SQRT(B13*E13)
16
17 Menghitung pengembalian kombinasi Portofolio x dan Portofolio y
18 Proporsi x 0,3
Portofolio rata-rata
Jika dua portofolio di amplop, maka semua saham individu akan jatuh pada atau di dalam
garis lengkung pada grafik. Dalam kasus kami, dua dari pengembalian saham (saham 1 dan
saham 4) berada di luar batas yang diciptakan oleh kombinasi portofolioxdankamu. Dengan
demikianxdankamutidak dapat menjadi portofolio yang efisien. Dalam Bab 9 Anda akan belajar
menghitung portofolio efisien dan amplop, dan seperti yang akan Anda lihat di sana, ini
membutuhkan perhitungan yang jauh lebih banyak.
8.6 Ringkasan
Dalam bab ini kita telah meninjau konsep dasar dan matematika dari portofolio. Dalam
bab-bab berikutnya kami akan menjelaskan bagaimana menghitung matriks varians-
kovarians dari pengembalian aset dan bagaimana menghitung portofolio yang efisien.
Latihan
1. Disk latihan untuk bab ini berisi data bulanan untuk harga saham Kellogg dan IBM.
Hitung statistik pengembalian dan buat grafik batas kombinasi kedua saham.
2. Perhatikan dua saham di bawah ini. Gambarkan garis batas kombinasi kedua saham tersebut.
Tunjukkan efek pada frontier dari memvariasikan korelasi dari 1 hingga +1.
SEBUAH B C D E F
DUA SAHAM
1 Memvariasikan koefisien korelasi
2 Stok A Stok B
3 Berarti 3,00% 8.00%
4 Sigma 15,00% 22,00%
5 Berkorelasi 0,3000
3. Disk untuk latihan ini memberikan harga bulanan selama 5 tahun untuk dua dana Vanguard—
dana Vanguard Index 500 (simbol VFINX) dan dana Obligasi Korporat Hasil Tinggi Vanguard
(VWEHX). Yang pertama dari dana ini melacak 500 Standard and Poor, dan VWEHX adalah dana
obligasi sampah. Hitung pengembalian bulanan dan batas kombinasi kedua dana ini.
SEBUAH B
1 X kamu
2 -5 25
3 -4 16
4 -3 9
5 -2 4
6 -1 1
7 0 0
8 1 1
9 2 4
10 3 9
11 4 16
12 5 25
5. Aset A dan B memiliki sarana dan varians yang ditunjukkan dalam file latihan. Grafik tiga
keledai,AB 1, 0, 1 pada satu set sumbu, menghasilkan grafik berikut:
5.0%
4,5%
4.0%
3.5%
3,0%
2.5%
2.0%
0% 1% 2% 3% 4% 5% 6% 7% 8%
SEBUAH B C D E F
1 Matriks varians-kovarians Cara
2 0,30 0,02 - 0,05 10%
3 0,02 0,40 0,06 12%
4 - 0,05 0,06 0,60 14%
5
6 Portofolio1 Portofolio2
7 aset1 30% 50%
8 aset2 20% 40%
9 Aset3 50% 10%
7. Perhatikan data di bawah ini dan temukan bobot portofolio sehingga pengembalian yang diharapkan
dari portofolio adalah 14%. Berapa standar deviasi portofolio yang sesuai?
SEBUAH B C
Standar
Berarti
deviasi
kembali
1 kembali
2 Stok 1 12% 35%
3 Stok 2 18% 50%
4 Kovarians (r1,r2) 0,08350
8. Pada soal sebelumnya temukan dua portofolio yang standar deviasinya 45%. (Ada solusi
analitis untuk masalah ini, tetapi juga dapat diselesaikan denganpemecah.)
Saat mengunduh data dari Yahoo atau sumber lain, “harga yang disesuaikan” termasuk
penyesuaian untuk dividen. Dalam lampiran ini kita membahas dua cara untuk membuat
penyesuaian ini.10Metode penyesuaian dividen yang pertama dan paling sederhana
adalah dengan menambahkannya ke perubahan harga tahunan. Berikut ini
10. Dapat dikatakan bahwa karena sumber gratis yang tersedia di web membuat penyesuaian ini secara
otomatis, rincian dalam lampiran ini tidak perlu. Namun demikian kami pikir mereka menawarkan beberapa
wawasan yang menarik. (Jika Anda tidak setuju, balik halaman!)
216 Bab 8
contoh, jika Anda membeli saham GM pada harga akhir tahun 1986 sebesar $33 per
saham dan menahannya selama 1 tahun, Anda akan, pada akhir tahun, menghasilkan
0,57%.
30,69 + 2,50
Pengembalian yang digabungkan secara terpisah, 1987 = − 1 = 0,568%
33.00
SEBUAH B C D E F
SAHAM UMUM MOTOR (GM)
1 PENYESUAIAN UNTUK DIVIDEN
Membagikan Secara diam-diam terus menerus
Dividen
Tahun harga di majemuk majemuk
per saham
2 akhir tahun kembali kembali
3 1986 33.00 =(B4+C4)/B3-1
4 1987 30.69 2.50 0,57% 0,57%
5 1988 41.75 2.50 44,20% 36,60%
6 1989 42.25 3,00 8,38% 8,05% <-- =LN((C4+B4)/B3)
7 1990 34.38 3,00 - 11,54% - 12,26%
8 1991 28.88 1.60 - 11,35% - 12,04%
9 1992 32.25 1.40 16,54% 15,30%
10 1993 54.88 0,80 72,64% 54,60%
11 1994 42.13 0,80 - 21,78% - 24,56%
12 1995 52.88 1.10 28,13% 24,79%
13 1996 55,75 1.60 8,46% 8,12%
14
15 Pengembalian tahunan aritmatika 13,43% 9,92% <-- = RATA-RATA(E4:E13)
16 Standar deviasi pengembalian 27,15% 22,84% <-- =STDEVP(E4:E13)
Reinvestasi Dividen
Cara lain untuk menghitung pengembalian adalah dengan mengasumsikan bahwa dividen diinvestasikan
G H Saya J K L M N
1 GM: MENGINVESTASIKAN KEMBALI DIVIDEN DI SAHAM
Efektif
Membagikan Total Nomor Nilai dari
saham yang dimiliki di Dividen
Tahun harga di dividen saham di saham di
awal dari per saham
akhir tahun diterima akhir tahun akhir tahun
2 tahun
3 1986 33.00 33.000 =H5+K5/I5
4 1987 1.00 30.69 2.500 2.500 1.081 33.188
5 1988 1.08 41.75 2.500 2,704 1.146 47.855 <-- =L5*I5
6 1989 1.15 42.25 3.000 3.439 1.228 51.867
7 1990 1.23 34.38 3.000 3.683 1.335 45,882
8 1991 1.33 28.88 1.600 2.136 1.409 40.677
9 1992 1.41 32.25 1.400 1,972 1.470 47,403
10 1993 1.47 54.88 0,800 1.176 1.491 81.835
11 1994 1.49 42.13 0,800 1.193 1.520 64.014
12 1995 1.52 52.88 1.100 1.672 1.551 82.021
13 1996 1.55 55,75 1.600 2.482 1.596 88.963
14
15 Pengembalian berkelanjutan tahunan 9,92% <-- =LN(M13/M3)/10
16 Pengembalian geometrik majemuk 10,43% <-- =(M13/M3) (̂1/10)-1
17
18 =H5*J5
Pertimbangkan pertama 1987: Karena kami membeli saham pada akhir 1986, kami memiliki
1 saham pada akhir 1987. Jika dividen 1987 diubah menjadi saham pada harga akhir 1987,
kami dapat menggunakannya untuk membeli 0,081 saham tambahan:
2.50
Saham baru dibeli di akhir-1987 = =0,081
30.69
Jadi kita mulai 1988 dengan 1,081 saham. Karena dividen per saham tahun 1988 adalah $2,50,
total dividen yang diterima atas saham tersebut adalah 1,081*$2,50 = $2,704.
Menginvestasikan kembali dividen ini dalam saham memberikan
2,704
Saham baru dibeli di akhir-1988 = =0,065
41.75
Dengan demikian, pada akhir tahun 1988, pemegang saham GM akan mengumpulkan 1
+ 0,081 + 0,065 = 1,146 saham.
Seperti yang ditunjukkan oleh fragmen spreadsheet di atas, reinvestasi dividen ini
akan menghasilkan kepemilikan 1,596 saham pada akhir tahun 1996, senilai $88,963.
Kita dapat menghitung laba atas investasi ini dengan salah satu dari dua cara:
⎡ akhir− 1996nilai ⎤
Pengembalian majemuk terus menerus=ln⎢
⎣ investasi awal⎦ ⎥ 10
⎡ 88.963
=ln ⎤ 10 = 9,92%
⎣⎢ 33.00⎦⎥
218 Bab 8
⎡ akhir− 1996nilai⎤1/10
Pengembalian geometrik majemuk=⎢ −1
⎣ investasi awal⎦ ⎥
= 88.963⎤1/10 − 1 = 10,43%
⎣⎢ 33.00⎦⎥
Representasi harga dan pengembalian ini memungkinkan kita untuk mengasumsikan bahwa
rata-rata pengembalian periodikadalahr= (r1+r2+ … +r12)/12. Karena kita ingin mengasumsikan
bahwa data pengembalian untuk 12 periode mewakili distribusi pengembalian untuk periode
mendatang, maka pengembalian majemuk terus menerus adalah ukuran pengembalian yang
tepat, dan bukan pengembalian majemuk diskrit.rt= (PPada
−P )/PSEBUAH,t1.
SEBUAH,t1
SEBUAH B C D E F G H
APEL DAN GOOGLE
1 MEMBANDINGKAN PENGEMBALIAN BERKELANJUTAN DAN DISKRET
2
AAPL Kontinu Diskrit Google Kontinu Diskrit
3 Tanggal harga kembali kembali harga kembali kembali
4 1-Jun-07 122,04 580.11
5 2-Jul-07 131.76 7,66% 7.96% <-- =B5/B4-1 645.90 10,74% 11,34%
6 1-Agustus-07 138.48 4,97% 5,10% 599.39 - 7,47% - 7,20%
59 3-Jan-12 456.48 11,97% 12,71% 522.70 2,46% 2,49%
60 1-Feb-12 542,44 17,25% 18,83% 497,91 - 4,86% - 4,74%
61 1-Mar-12 599.55 10,01% 10,53% 471.38 - 5,48% - 5,33%
62 2-Apr-12 583,98 - 2,63% - 2.60% 458.16 - 2,84% - 2.80%
63 1-Mei-12 577.73 - 1,08% - 1,07% 449.45 - 1,92% - 1,90%
64 1-Jun-12 584.00 1,08% 1,09% 501,50 10,96% 11,58%
65
66 Rata-rata bulanan 2,61% 3,24% =RATA-RATA(G5:G64) --> - 0,24% 0,26%
67 Deviasi standar bulanan 11,17% 10,69% =STDEV.S(G5:G64) --> 10,09% 10,07%
68
69 Rata-rata tahunan 31,31% =12*G66 --> - 2,91%
70 Varians tahunan 134,04% =12*G67 --> 121,05%
71 Standar deviasi tahunan 115,78% =SQRT(G70) --> 110,02%
⎡1 n
Rata-rata pengembalian tahunan=12⎢ ∑ r⎤t⎥
⎣ n t=1 ⎦
Untuk menghitung varians dari tingkat pengembalian tahunan, kami mengasumsikan bahwa tingkat
pengembalian bulanan adalah variabel acak terdistribusi identik secara independen. Jika kita
menggunakan pengembalian yang dimajemukkan secara terus menerus, maka berikut ini
⎡1 n ⎤
Var(r) = 12⎢ ∑ Var(rt) =12
⎣ n t=1 ⎦
σ2 bulanan , dan simpangan baku dari
11. Perhatikan bahwa ini tidak benar untuk pengembalian yang dihitung secara diskrit. Dengan demikian, perhitungan
varians dan standar deviasi lebih sederhana bila menggunakan peracikan kontinu.