Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

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

biasa). Karena kovarians pengembalian aset dengan dirinya sendiri,ii=Cov(rsaya,rsaya),

sebenarnya varians dari pengembalian aset, notasi ini tidak hanya ekonomis tetapi
juga logis.

8.2 Pengembalian Komputasi untuk Apple (AAPL) dan Google (GOOG)

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

mewakilipengembalian bulanan yang diharapkandari masing-masing saham. Hal ini juga

memungkinkan kita untuk mengasumsikan bahwa kita dapat belajar dari data historis apa varian dari

pengembalian di masa depan. MenggunakanRata-rata, Var.s, danStdev.sfungsi di Excel, kami

menghitung statistik untuk distribusi pengembalian:

199 Model Portofolio—Pengantar

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

Catatan: Contoh Statistik Versus Populasi dan Excel

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

kovarians Kovarians.p = Kovarians.s =

1N 1∑(rN
∑(rdia− rsaya)(rjt− rj) )(
dia− rsaya
rjt − rj)
Nt=1 N− 1 t=1

Korelasi Covar.p(saya,j) Covar.s(saya,j)

Correl(saya,j) = =
stdev.p(saya)∗stdev.p(j) Stdev.s(saya)∗stdev.s(j)
 200 Bab 8

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)

Sampel atau Populasi? Apakah Itu Penting?

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

Kembali ke Contoh Portofolio Kami

Selanjutnya kita ingin menghitungkovariansdari pengembalian.

SEBUAH B C D E F G H

1 KOMPUTASI KOVARIANSI DAN KORELASI

2 pengembalian saham Kembali dikurangi rata-rata
3 Tanggal AAPL Google AAPL Google Produk
4 2-Jul-07 7,66% 10,74% =B4-$B$65 --> 0,00505 0.1099 0,0056 <-- =E4*F4
5 1-Agustus-07 4,97% - 7,47% =B5-$B$65 --> 0,0237 - 0,0723 - 0,0017 <-- =E5*F5
59 1-Feb-12 17,25% - 4,86% 0.1464 - 0,0462 - 0,0068
60 1-Mar-12 10,01% - 5,48% 0,0740 - 0,0523 - 0,0039
61 2-Apr-12 - 2,63% - 2,84% - 0,0524 - 0,0260 0,0014
62 1-Mei-12 - 1,08% - 1,92% - 0,0369 - 0,0168 0,0006
63 1-Jun-12 1,08% 10,96% - 0,0153 0,1120 - 0,0017
64
65 Rata-rata 2,61% - 0,24%
66 Perbedaan 0,0125 0,0102 <-- =VAR.S(C4:C63) Perhitungan kovarians
67 Standar deviasi 0.1117 0.1009 <-- =STDEV.S(C4:C63) 0.001956 <-- = RATA-RATA(G4:G63)
68 0.1117 0.1009 <-- =SQRT(C66) 0.001956 <-- =COVARIANCE.P(B4:B63,C4:C63)
69 0.001956 <-- =COVAR(B4:B63,C4:C63)
70 0,0123 0,0100 <-- =VAR.P(C4:C63) 0.001989 <-- =RATA-RATA(G4:G63)*60/59
71 0.1108 0.1000 <-- =STDEV.P(C4:C63) 0.001989 <-- =COVARIANCE.S(B4:B63,C4:C63)
72 0.1108 0.1000 <-- =SQRT(C70)
73 Perhitungan korelasi
74 0.1765 <-- =CORREL(B4:B63,C4:C63)
75 0.1765 <-- =G68/(B71*C71)
76 0.1765 <-- =G71/(B67*C67)

1. William H. Press dkk.,Resep Numerik(Cambridge University Press, 1986), hal. 456.

201 Model Portofolio—Pengantar

KolomProdukberisi kelipatan penyimpangan dari tema di setiap bulan, yaitu,

istilah (rWMT,t− E(rWMT))(rTGM,t− E(rTGT)), untukt=1, … , 12. Kovarians populasi adalah
Rata-rata (produk)=0,0020. Meskipun ada baiknya menghitung kovarians
dengan cara ini setidaknya sekali, ada cara yang lebih pendek yang juga
diilustrasikan di atas: Fungsi Excel kovarians.P(AAPL,GOOG)dan
Kovarians.S(AAPL,GOOG)menghitung populasi dan kovarians sampel secara
langsung.2Tidak ada keharusan untuk menemukan perbedaan antara
pengembalian dan sarana. Cukup gunakanKovarians.P atauKovarians.S
langsung pada kolom, seperti yang diilustrasikan di atas.
Kovarians adalah angka yang sulit untuk ditafsirkan, karena ukurannya tergantung
pada unit di mana kita mengukur pengembalian. (Jika kita menulis pengembalian dalam
persentase—yaitu, 4 bukannya 0,04—maka kovariansnya adalah 20, yang merupakan
10.000 kali angka yang baru saja kita hitung.) Kita juga dapat menghitungkoefisien
korelasiAB, yang didefinisikan sebagai

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:

• Koefisien korelasi selalu antara +1 dan 1: 1≤ ρAB≤ 1.

• Jika koefisien korelasi adalah +1, maka pengembalian kedua aset tersebut
berhubungan linier dengan kemiringan positif; yaitu, jikaρAB=1, maka

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

2. FungsinyaCovardigunakan di pra-Excel 2013 dan menghitung kovarians populasi; itu masih

berfungsi di versi saat ini. Seperti disebutkan di tempat lain, versi Excel sebelumnya memiliki fungsi
VarP, StdevP,VarS,StdevS(meskipun masih bekerja, ini sekarang digantikan olehVar.P,Stdev.P,Var.S,
Stdev.S). Perhatikan bagaimana, dalam contoh kita, perbedaan antara sampel dan kovarians populasi
sangat kecil.
202 Bab 8

• Jika distribusi pengembalian independen, maka koefisien korelasi akan

menjadi nol. (Kebalikannya tidak benar: Jika koefisien korelasinya nol, ini
tidak berarti bahwa pengembaliannya independen. Lihat Latihan untuk
contoh.)

Pandangan Berbeda dari Koefisien Korelasi

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:

Grafik GOOG (sumbu y) terhadap AAPL (sumbu x) dan menggunakan

Garis tren
Perhatikan bahwa R2= korelasi-on2

20%

10%

0%
- 42% - 32% - 22% - 12% - 2% 8% 18%
- 10%

- 20%
y = 0,1594x - 0,0066
R² = 0,0312
- 30%

8.3 Menghitung Sarana dan Varian Portofolio

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%

Menghitung statistik untuk contoh ini:

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

Pengembalian portofolio rata-rata persis rata-rata pengembalian rata-rata dari

dua aset:

Pengembalian portofolio yang diharapkan=E(rp) =0,5E(rAAPL) +0,5E(rGOOG)

Secara umum rata-rata pengembalian portofolio adalahpengembalian rata-rata tertimbangdari stok

komponen. Jika kita dilambangkan denganxproporsi yang diinvestasikan dalam AAPL dan 1xproporsi

yang diinvestasikan dalam saham GOOG, maka pengembalian portofolio yang diharapkan diberikan

oleh:

E(rp) =xE(rAAPL) + (1−x)E(rGOOG)

Namun, varians portofolio adalahbukanrata-rata dari dua varians

saham! Rumus variannya adalah

Var(rp) =x2Var(rAAPL) + (1−x)2Var(rGOOG) +2x(1−x)Cov(rAAPL,rGOOG)

Cara lain untuk menulis ini adalah

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

24 0.2 8,75% 0,33% 2%

sebuah

25 0,3 8,33% 0,61%

singa saya

26 0.4 8,13% 0,90% 1%

27 0,5
Por- Hai

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%

8.4 Rata-rata Portofolio dan Varians—KasusNAktiva

Pada bagian sebelumnya kita telah membahas perhitungan mean, varians,

dan standar deviasi portofolio untuk kasus di mana portofolio hanya terdiri
dari dua aset. Di bagian ini kami memperluas diskusi ini ke portofolio lebih
dari dua aset. Untuk kasus ini, notasi matriks sangat menyederhanakan
penulisan masalah portofolio.3Dalam kasus umumNaset, misalkan proporsi
asetsayadalam portofolio dilambangkan denganxsaya. Kami membutuhkan itu
∑ xsaya=1,tapi kami tidak membatasi tanda-tandaxsaya; jikaxsaya>0, ini
saya

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

menunjukkan pembelian asetsayadan jikaxsaya<0, ini menunjukkan penjualan singkat.4

Kami biasanya menulis komposisi portofolioxdan vektor saranaE(r) sebagai vektor kolom
(kami tidak berpura-pura pada konsistensi—bila memungkinkan, kami akan
menuliskannya sebagai vektor baris):

⎡ x1⎤ ⎡ E(r1)⎤
⎢ x2⎥ ⎢ E(r)⎥2⎥
⎢⎥ ⎢
x=⎢ x3⎥ E(r) =⎢ E(r3)⎥
⎢⎥ ⎢ ⎥
- ⎢ - ⎥
⎣⎢xN⎦⎥ ⎢⎣E(rN)⎦⎥

Kita kemudian dapat menulisxTdanE(r)Tsebagai transpos dari dua vektor ini:

xT=[x1,x2,…,x]E r)NT , ( =[E(r1),E(r2),…,E(rN)]

Pengembalian yang diharapkan dari portofolio yang proporsinya diberikan oleh:Xadalah

rata-rata tertimbang dari pengembalian yang diharapkan dari masing-masing aset:

N
E(rx) =∑ xsayaE(rsaya)
saya=1

yang, dalam notasi matriks, dapat ditulis sebagai:

N
E(rp)=∑ xsayaE(rsaya) =x TE(r) =E(r)Tx
saya=1

Varians portofolio diberikan oleh

N N N
Var(rX) =∑(xsaya)2Var(rsaya) +2∑ ∑xsayaxjCov(rsaya,rj)
saya=1 saya=1j=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

Dalam hal ini varians portofolioxadalah:

Var(rX) =∑∑ xsayaxjσaku j

sayaj

Representasi varians portofolio yang paling ekonomis menggunakan notasi

matriks. Ini juga merupakan representasi termudah untuk diterapkan untuk
portofolio besar di Excel. Dalam representasi ini kita sebut matriks yang memilikiσ
dalamsayabaris ke-jkolom kematriks varians-kovarians:
aku j

⎡ σ11 σ12 σ13 - σ1N⎤

⎢σ21 σ22 σ23 - σ 2⎥N⎥
⎢
S=⎢σ31 σ32 σ 33 - σ 3N⎥
⎢ ⎥
⎢ - ⎥
⎢⎣σN1 σN2 σN3 - σNN⎦⎥
Maka varians portofolio diberikan olehVar(rp) =xTseks. Dalam rumus Excel, ini
ditulis sebagai fungsi arraymmult(mmult(transpose(x),S),x).5

Menghitung Kovarians Antara Dua Portofolio

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)).

Perhitungan Portofolio Menggunakan Matriks—Contohnya

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

Kami mempertimbangkan dua portofolio aset berisiko:

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

Kami menghitung rata-rata, varians, dan kovarians dari dua portofolio.

Kami menggunakan fungsi larik ExcelMMultuntuk perkalian matriks dan
fungsi arrayMengubah urutanuntuk membuat vektor baris menjadi vektor
kolom.6

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))}

Kita sekarang dapat menghitung simpangan baku dan pengembalian

kombinasi portofolioxdankamu. Perhatikan bahwa setelah kita
menghitung rata-rata, varians, dan kovarians pengembalian dua
portofolio, kalkulasi mean dan varians dari setiap portofolio sama seperti
untuk kasus dua aset.7

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)

28 - 0,3 54,68% 12,87% 13%

kamu

29 - 0.2 51,33% 12,58% 12%

membasahi

30 - 0.1 48,13% 12,29%

31 0,0 45,10% 12,00% 11%
expdlled

32 0.1 42,29% 11,71%

10%
33 0.2 39,74% 11,42%
34 0,3 37.50% 11,13% 9%
singa

35 0.4 35.63% 10,84%

Poro

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

8.5 Portofolio Amplop

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

min∑∑ xsayaxjσ aku j=Var(rp)

sayaj

tunduk pada

∑x r
saya saya =μ =E(rp)
saya

∑ xsaya=1
saya

Ituamplopadalah himpunan semua portofolio amplop, danperbatasan yang efisienadalah

himpunan semua portofolio efisien.8Seperti yang ditunjukkan oleh Black (1972), amplop adalah
himpunan semua kombinasi cembung dari dua portofolio amplop.9Artinya jikax= [x1,x2, … ,xN]
dankamu= [kamu1,kamu2, … ,kamuN] adalah portofolio amplop dan jikasebuahadalah
konstanta, maka portofolioZdidefinisikan oleh

⎡ 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

rata-rata dan varian darixdankamuoleh{E(rx),σ 2 }dan{E(rkamu),σ kamu 2},

x

dan jikaz=kapak+ (1sebuah)kamu, kemudian

E(rz) =aE(rx) + (1−sebuah)E(rkamu)

σ =2sebuah σ
z 2 + (1−sebuah)2σ 2kamu+2sebuah(1−sebuah)Cov(x,kamu)
x
2

=sebuah2σ 2x+ 1 ) 2σ kamu

(sebuah
T
2 +2sebuah(1sebuah)x S y

Rincian lebih lanjut dari perhitungan portofolio efisien dibahas pada

Bab 9.

PortofolioxdankamuTidak ada di Amplop

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

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%
26 - 1.0 80,60% 14,90% 17%
Por o lio saya ns dan
sebuah Pengembalian
27 - 0.8 72,88% 14,32%
28 - 0.6 65,38% 13,74%
15% Stok 4
29
olioe xpectedreturn E(rp)

- 0.4 58,15% 13,16%

30 - 0.2 51,33% 12,58%
13%
31 0,0 45,10% 12,00%
32 0.2 39,74% 11,42%
11%
33 0.4 35.63% 10,84%
34 0.6 33,26% 10,26% Stok 3
35 0.8 32,99% 9,68% 9%
36 1.0 34,87% 9,10% Stok 2
Patau

37 1.2 38,60% 8,52% 7%

38 1.4 43,69% 7.94% Stok 1
39 1.6 49,74% 7,36% 5%
40 1.8 56,44% 6,78% 30% 35% 40% 45% 50% 55% 60% 65% 70% 75% 80% 85%
41 2.0 63,58% 6,20% Por olio standard devia dip
42 2.2 71,02% 5,62%
43 2.4 78,69% 5,04%
44 2.6 86,53% 4,46%
45 2.7 90,49% 4,17%
46 Stok1 31,62% 6,00%
47 Stok2 54,77% 8.00%
48 Stok3 63,25% 10.00%
49 Stok4 70,71% 15,00%
213 Model Portofolio—Pengantar

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.

4. Pertimbangkan dua variabel acakXdankamuyang nilainya diberikan di bawah ini. Perhatikan

bahwaX dankamuberkorelasi sempurna, meskipun mungkin tidak berkorelasi linier. Hitung
koefisien korelasinya.
14 Bab 8

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:

Pengaruh Correla-on pada Fron-er

5,5%

5.0%

4,5%

4.0%

3.5%

3,0%

2.5%

2.0%
0% 1% 2% 3% 4% 5% 6% 7% 8%

kor = +1 kor = 0 kor = -1

6. Tiga aset memiliki mean dan matriks varians-kovarians berikut:

215 Model Portofolio—Pengantar

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%

sebuah. Hitung statistik—rata-rata, varians, standar deviasi, kovarians, korelasi untuk

portofolio.
b. Buat bagan mean dan standar deviasi dari kombinasi portofolio.
c. Tambahkan pengembalian aset individual ke bagan—apakah kedua portofolio berada di perbatasan yang
efisien?

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.)

Lampiran 8.1: Penyesuaian untuk Dividen

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

Pengembalian majemuk terus menerus dihitung dengan:

Pengembalian majemuk terus menerus, 1987 = ln⎡ 30,69 + 2,50= 0. 567%

⎣⎢ 33.00 ⎦⎥

(Pilihan antara peracikan diskrit dan kontinu dibahas dalam Lampiran

8.2.)

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

kembali dalam saham:

217 Model Portofolio—Pengantar

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

Perhatikan bahwa pengembalian gabungan terus-menerus ini (metode yang disukai

dalam buku ini) sama dengan yang dihitung dalam fragmen spreadsheet pertama dalam
lampiran ini dari pengembalian tahunan (sel E15).
Alternatifnya adalah menghitung pengembalian geometrik:

⎡ akhir− 1996nilai⎤1/10
Pengembalian geometrik majemuk=⎢ −1
⎣ investasi awal⎦ ⎥

= 88.963⎤1/10 − 1 = 10,43%
⎣⎢ 33.00⎦⎥

Lampiran 8.2: Pengembalian Geometris Versus yang Digabungkan Secara Berkelanjutan

Menggunakan pengembalian majemuk terus menerus mengasumsikan bahwaPt= Pe

t−1rt, di manart

adalah tingkat pengembalian selama periode tersebut (t− 1,t). Seandainyar1,r2,

… ,r12adalah return selama 12 periode (satu periode bisa sebulan atau bisa
setahun), maka harga saham pada akhir 12 periode adalah:

P12 =Pe0r1 +r2 +…+r12

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

Seberapa Berbeda Pengembalian yang Dimajemukkan Secara Kontinu dan

Dipisahkan Secara Terpisah?

Pengembalian majemuk terus-menerus akan selalu lebih kecil daripada

pengembalian majemuk diskrit, tetapi perbedaannya biasanya tidak besar.
Tabel berikut menunjukkan perbedaan untuk contoh di bagian 8.2:
 219 Model Portofolio—Pengantar

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%

Menghitung Pengembalian Tahunan dan Varians dari Pengembalian Berkala

Misalkan kita menghitung serangkaian senyawa terus menerusbulanantingkat

pengembalianr1,r2, … ,rndan kami ingin menghitung mean dan varians daritahunan
tingkat pengembalian. Jelas pengembalian tahunan rata-rata diberikan oleh:

⎡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

tingkat pengembalian tahunan diberikan oleh =12σbulanan.11

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.