TUGAS MANAJEMEN INVESTASI DAN PORTOFOLIO

Resume Capital Asset Pricing Model

Dibuat oleh :
Jamaluddin
01012681822068

PROGRAM STUDI MAGISTER MANAJEMEN

UNIVERSITAS SRIWIJAYA
PALEMBANG
 Review Jurnal dan Kasus CAPM, Tugas Manajemen Investasi Prodi MM FE UNSRI
Tanggal 22 Oktober 2020, Oleh Jamaluddin

The Application Of Capital Asset Pricing Model (CAPM) To Individual

Securities On Ghana Stock Exchange

PENDAHULUAN (FENOMENA KASUS YANG DITEMUKAN)

Tujuan dari Penelitian untuk mengetahui apakah Capital Asset Pricing Model (CAPM) telah
menggambarkan proses menghasilkan return pada Bursa Efek Ghana berdasarkan data return bulanan dari
19 perusahaan individu yang terdaftar di Bursa selama periode Januari 2000 hingga Desember 2009.
Sebagian besar penelitian dalam penetapan harga aset modal telah dilakukan dengan menggunakan studi
cross sectional. Ini berarti bahwa risiko beta diukur pada satu titik waktu tertentu. Studi ini dirancang untuk
mengukur risiko beta pada waktu yang berbeda dengan mengikuti pendekatan deret waktu
KAJIAN PUSTAKA/LITERATURE REVIEW (REVIEW CAPM)
TEORI PERTAMA
Foundation Of Capital Asset Pricing Model (CAPM)
Model CAPM dikembangkan dari Teori Portofolio Modern (Markowitz, 1952, 1959) dan Capital Market
Theory (CMT). Menurut Markowitz (1952), proses pemilihan portofolio dimulai dengan keyakinan terkait
tentang kinerja keamanan di masa depan dan diakhiri dengan pilihan portofolio. Pengembalian yang
diharapkan dianggap oleh investor sebagai menguntungkan dan varians pengembalian sebagai tidak
menguntungkan. Keyakinan ini dalam banyak hal telah mempengaruhi perilaku investor.
Model Markowitz mengemukakan bahwa portofolio yang dipilih pada waktu t-1 akan menghasilkan
pengembalian acak pada waktu t. Asumsi yang mendasari model ini adalah bahwa investor menghindari
risiko dan hanya peduli dengan mean dan varians dari pengembalian investasi periode tunggal mereka.
Akibatnya investor memilih portofolio yang efisien mean-variance, yang mengurangi varians
pengembalian portofolio pada tingkat pengembalian yang diharapkan dan memaksimalkan pengembalian
yang diharapkan pada tingkat varians tertentu.
Markowitz (1959) lebih lanjut menyatakan bahwa investor dapat memilih kombinasi optimal dari aset
berisiko jika mengetahui hubungan ekonometri antara return aset yang diharapkan, varians imbal hasil dan
kovariansnya. Namun, secara keseluruhan, investor dan manajer perusahaan akan kesulitan untuk
mengaplikasikan teori Markowitz karena mereka perlu mengetahui ekspektasi return, variance of return
dan covariances. CAPM of Sharpe (1964), Lintner (1965) dan Mossin (1966) mengembangkan lebih jauh
dengan mengukur hubungan pengembalian risiko menjadi model yang disederhanakan yang secara intuitif
menarik dan praktis efisien.
CMT menentukan pengembalian portofolio yang diharapkan oleh investor dan mendefinisikan hubungan
linier antara risiko dan laba atas portofolio yang efisien. Ini secara matematis dinyatakan sebagai
Rp ¼ portfolio return = EðRp Þ ¼ Rfþ spEðRMÞ Rf sM ....................................... (1)
Menurut Persamaan. (1), pengembalian portofolio yang diharapkan dapat dianggap sebagai jumlah
pengembalian untuk menunda konsumsi (Rf) dan premi untuk mengambil risiko yang tertanam dalam
portofolio. CMT hanya berlaku untuk portofolio yang efisien dan mengekspresikan perilaku investor
terhadap portofolio pasar dan portofolio investasi mereka sendiri
The Single-Factor Capital Asset Pricing Model (CAPM)
Batasan CMT menyebabkan pengembangan CAPM (L intner, 1965; Sharpe, 1964). CAPM secara
fundamental berusaha untuk mengukur hubungan antara aset yang diharapkan kembali dan risiko (dikenal
sebagai beta) yang tidak dapat dicapai oleh CMT. Menurut CAPM, setelah risiko (beta) dihitung dan
diketahui, maka praktis untuk mengukur pengembalian yang diharapkan dari suatu aset. CAPM
mengungkapkan ekspektasi pengembalian aset i dan eksposur risiko yang sesuai sebagai
EðRi Þ¼ Rf þ bi EðRMÞ Rf ................................... (2)
Versi CAPM ex-post yang dapat diuji dinyatakan secara matematis sebagai
Rit Rft ¼ ait þ bit ½ðRMtÞ Rft þit (20)
bi ¼ siriM
sM¼ covðRi ; RMÞ s2M ................................... (3)
TEORI KEDUA
Reviews Of Empirical Literature
Jensen dkk. (1972) menggunakan bentuk tradisional CAPM menggunakan ekuitas yang terdaftar di NYSE
dari 1931 hingga 1965. Tujuannya adalah untuk memberikan bukti tentang sifat dan struktur pengembalian
keamanan dengan menggunakan bentuk CAPM yang paling ketat. Masalah dengan CAPM adalah bahwa
itu dikembangkan dengan informasi berdasarkan keamanan tunggal. Sementara itu, terdapat informasi yang
tersedia mengenai sejumlah besar sekuritas di pasar. Jensen dkk. Mengatasi masalah ini dengan merancang
pengujian yang menggabungkan data pada sekuritas dalam jumlah besar.
Pengelompokan sekuritas (yaitu portofolio) mengurangi kesalahan estimasi dalam beta dan karenanya
meminimalkan autokorelasi residual. Jadi, alih-alih sekuritas individual, bentuk tradisional CAPM diuji
pada portofolio sebagai
rpt ¼ apt þ bp ½rMt þpt ....................(4)
Sekuritas dikelompokkan ke dalam kelompok berdasarkan nilai peringkat estimasi deret waktu beta
menggunakan lima tahun data bulanan terakhir sebagai ukuran risiko untuk setiap sekuritas. b lebih besar
dari 1 dianggap berisiko tinggi dan b kurang dari 1 dianggap berisiko rendah. Terbentuk sepuluh portofolio
dari 1.952 sekuritas yang ada di file data untuk periode 35 tahun. Hasil pengujian menunjukkan autokorelasi
yang cukup kecil di 10 portofolio dan korelasi tinggi antara pengembalian portofolio dan tingkat
pengembalian pasar. Ini adalah bukti bahwa pasar b secara signifikan berkontribusi pada pengembalian
portofolio dan menunjukkan linearitas - bukti kuat untuk menjamin kapabilitas penjelas CAPM dalam
bentuk tradisionalnya. Di sisi lain, portofolio berisiko tinggi (beta lebih besar dari 1) menunjukkan
penyadapan negatif yang konsisten dan penyadapan positif untuk portofolio berisiko rendah (beta kurang
dari 1). Ini berarti rata-rata selama periode pemeriksaan sekuritas berisiko tinggi memperoleh penghasilan
kurang dari jumlah yang diprediksi oleh model dan sekuritas berisiko rendah memperoleh lebih dari jumlah
yang diprediksi oleh bentuk tradisional model.
Portofolio berisiko tinggi menunjukkan positif yang menunjukkan bahwa sekuritas ini menghasilkan lebih
dari jumlah yang diprediksi oleh CAPM dan negatif a f atau portofolio berisiko rendah yang menunjukkan
bahwa sekuritas ini menghasilkan kurang dari jumlah yang diprediksi oleh CAPM. Bukti tidak meyakinkan
yang diberikan oleh bentuk tradisional CAPM mengarah ke Jensen et al. menguji model dua faktor yang
sengaja dibuat untuk memungkinkan nilai a nol. Mereka merancang dan mengembangkan versi dua faktor
dari CAPM dengan asumsi bahwa peluang pinjaman dan pinjaman tanpa risiko tidak ada atau sama sekali
tidak tersedia. Model tersebut berupa:
Rj ¼ R ~ s ½1 bj þR~M bj þw ~ j ..................................... (5)
Chicago. Menanggapi kritik Roll (1977) terhadap uji empiris CAPM yang menyatakan bahwa portofolio
pasar bukanlah indeks pasar yang sebenarnya, Banz memilih tiga indeks pasar yang berbeda, dua adalah
indeks ekuitas murni - indeks CRSP dengan bobot yang sama dan indeks nilai tertimbang. Yang ketiga
mengambil sifat yang lebih komprehensif: agregasi indeks CRSP tertimbang nilai dan data pengembalian
obligasi korporasi dan treasury dari I bbotson dan Sinquefield (1977) dan dalam kata-katanya sendiri
disebut ini sebagai 'indeks pasar'. Tarif bebas risiko diperoleh dari kertas komersial time series. Dia menguji
model penetapan harga aset umum yang memungkinkan pengembalian ekuitas yang diharapkan menjadi
fungsi risiko pasar b dan faktor lebih lanjut f, mewakili kapitalisasi pasar ekuitas. Ia mendasarkan studinya
pada model hubungan linier sederhana yang mengasumsikan bentuk:
EðR iÞ ¼ g0 þ g1 bi þ g2 ð½f i fm = f m Þ ...................... (6)
Ekuitas individu dikelompokkan ke dalam portofolio terlebih dahulu, berdasarkan kapitalisasi pasar (yaitu
nilai pasar), dan kemudian ekuitas ditetapkan berdasarkan beta-nya. Regresi kuadrat terkecil biasa (OLS)
dilakukan yang mengasumsikan kesalahan homoscedastic (Fama & MacBeth, 1973), atau regresi kuadrat
terkecil umum (GLS) yang memungkinkan terjadinya kesalahan heteroskedastik (Black & Scholes, 1974),
pada portofolio di setiap periode waktu menggunakan bentuk yang dapat diuji dari model di atas:
Rit ¼ g0t þ g1t bit þ g2t ½ðfit fmt Þ=fmt þit ............................ (7)
Emerging Market Studies
Beberapa ekonom dan praktisi keuangan berpendapat bahwa pasar modal global terintegrasi secara
signifikan dan mengusulkan penggunaan CAPM global atau internasional, yang dikenal sebagai ICAPM
(O 'Brien, 1999; Schramm & Wang, 1999; S tulz, 1995, 1999). Ini menyiratkan bahwa investor
internasional dapat masuk dan meninggalkan pasar mana pun di mana pun di dunia dengan kepastian yang
wajar dan biaya transaksi minimum. Namun, penerapan CAPM versi global di pasar modal yang sedang
berkembang terbukti tidak praktis dan kontroversial, karena pasar ini sangat tersegmentasi dan memiliki
hambatan khusus negara yang meminimalkan integrasi mereka ke pasar dunia.
Bundoo (2008) menguji model tiga faktor Fama dan French dengan memperhitungkan variasi waktu pada
beta di pasar modal Mauritius. Tujuan dari metodologinya adalah untuk menetapkan apakah ukuran dan
efek ekuitas buku-ke-pasar dapat dikurangi atau dihilangkan karena premi risiko yang berubah-ubah waktu
disesuaikan untuk variasi temporal dalam risiko istimewa dan dalam hal ini jeda waktu dalam beta. Bundoo
membangun enam portofolio ukuran-BE / ME meniru Fama dan French (1993) dan melakukan regresi
menggunakan regresi Fama-French:
Rt Rft ¼ at þ bi ðRMt Rft Þ þ sðSmBÞt þ hðHmL Þt þt ....................... (8)
Dimana temuannya konsisten dengan Fama dan French (1992, 1993) t bahwa ukuran dan efek book-to-
market hadir di bursa saham Mauritius. Untuk menguji ketahanan regresi Fama-Prancis, ia mengizinkan
variasi waktu dalam beta dan model telah disesuaikan
Rt Rft ¼ at þ bðRft Rft Þ þ sðSmBÞt þ hðHmLÞt þt þ dRmt þt ..................... (9)
METODE PENELITIAN
Data untuk penelitian ini diperoleh dari Thomson Reuters DataStream dikarenakan basis data perkiraannya
mencerminkan semua efek merger, akuisisi, dan spin off / demerger. Setelah salah satu tindakan ini ditutup
dan diselesaikan, perkiraan harus sepenuhnya mencerminkan efek dari tindakan tersebut. Estimasi data
historis dan terkini di Reuters Data Stream disesuaikan untuk stock split, right issue, dan dividen saham.
Data tidak dicatat untuk sebagian besar perusahaan, dan ketersediaan data dibatasi sebagian besar kurang
dari tiga tahun untuk beberapa perusahaan dan ini membuatnya tidak menarik untuk studi dalam penetapan
harga aset. Perusahaan dengan data kurang dari tiga tahun tidak dimasukkan dalam studi ini. Sampel dipilih
dengan cermat untuk mencerminkan representasi yang memadai dari semua industri di pasar modal Ghana
yang sebagian besar adalah manufaktur, perbankan / layanan keuangan, real estat, pertambangan, pertanian,
dan perdagangan. Ini meningkatkan komparabilitas dan penarikan kesimpulan yang tidak bias. Menghitung
keuntungan total dari data Thomson Reuters menimbulkan masalah karena data harga saham tersedia di
Ghana tetapi tidak ada data dividen; dengan demikian, pengembalian harga digunakan dalam estimasi
Metodologi yang digunakan yang mirip dengan pendekatan deret waktu Jensen (1968). Parameter
diperkirakan menggunakan OLS. Sebagian besar penelitian dalam penetapan harga aset modal telah
dilakukan dengan menggunakan studi cross-sectional. Ini berarti bahwa risiko beta diukur pada satu titik
waktu tertentu. Studi ini dirancang untuk mengukur risiko beta di berbagai waktu dengan mengikuti
pendekatan deret waktu. Model yang dapat diuji dinyatakan sebagai
Rit Rft ¼ ait þ bit ½ð RMt Þ Rft þit ................................ (10)
Rit Rft ¼ rit ....................................... (11)
RMt Rft ¼ rMt ....................................... (12)
Sehingga ditulis persamaannya sebagai berikut
rit ¼ a^it þ b^it rMt þit ................................(13)
Variabel dalam Persamaan. (10) diasumsikan tidak terkointegrasi. Namun, uji Augmented Engle – Granger
Dickey – Fuller (AEGDF) menunjukkan bahwa variabel tersebut terkointegrasi. Untuk menghindari
perkiraan palsu, kesalahan terkointegrasi dinyatakan sebagai Model Koreksi Kesalahan (ECM) untuk
mengoreksi disekuilibrium jangka pendek antara variabel. Pemodelan deret waktu yang baik harus
mendeskripsikan dinamika jangka pendek dan ekuilibrium jangka panjang secara bersamaan. Secara
matematis, CAPM diekspresikan untuk menangkap kesalahan terkointegrasi sebagai
rit ¼ a^it þ ^bit rMt þ f^ Ut 1þit ....................(14)
Untuk memperhitungkan perdagangan tipis dan menormalkan pengembalian, penaksir kami untuk
koefisien kemiringan (yaitu beta) dan intersep (alfa) termasuk kesalahan sisa disesuaikan menggunakan
algoritma sederhana. Bentuk logaritmik dari pengembalian gabungan kontinyu ½Rnt ¼ lnðPt = Pt 1Þ
dihitung untuk inter vals ft 1; tg; t¼ 1; T yang didasarkan pada asumsi bahwa normalitas log berdistribusi
normal bersama dengan mean konstan mn, deviasi standar sn dan kovarian konstan smn; pria ; m; n¼ 1; N.
Pengembalian portofolio pasar R Mt ¼ PNn ¼1 Wn Rnt juga terdistribusi normal dengan mean konstan
mM, deviasi standar sM dan kovarian konstan sMn; n ¼ 1; N. Dari Januari hingga Desember setiap tahun
t, pengembalian bulanan lognormal dihitung dari data harga saham GSE.

HASIL DAN PEMBAHASAN (MEMBAHAS KASUS YANG DIPILIH DIKAITKAN DENGAN

REVIEW JURNAL)
Hasil dalam penelitian menunjukkan bahwa beta pasar untuk sembilan perusahaan secara statistik
signifikan menyiratkan bahwa risiko yang berkorelasi dengan portofolio pasar memainkan peran penting
dalam menentukan pengembalian dan / atau harga perusahaan ini. Bukti ini konsisten dengan yang
didokumentasikan di Jensen et al. (1972), Fama dan MacBeth (1973), faktor risiko yang didefinisikan oleh
beta menggambarkan pengembalian rata-rata yang direalisasikan. Tak satu pun dari perusahaan ini yang
memiliki beta lebih besar dari atau sama dengan beta pasar. Dengan demikian, perusahaan-perusahaan ini
menunjukkan variasi pengembalian yang lebih sedikit daripada portofolio pasar dan kurang berisiko.
Berinvestasi dalam sekuritas semacam itu akan membuat investor menerima lebih sedikit kompensasi
karena mengambil risiko sistematis yang lebih rendah. Temuan ini mendukung kekuatan penjelas dari beta
dan menunjukkan bahwa CAPM mampu menjelaskan pola pengembalian ke beberapa perusahaan di Pasar
Saham Ghana.
Pasar beta datar dalam pengembalian 10 perusahaan. Konsisten dengan bukti yang didokumentasikan dalam
B asu (1977, 1983), E un (1994), Claessens et al. (1995), Fama dan French (1996) dan Michailidis et al.
(2006) hasil menunjukkan bahwa beta tidak dapat menggambarkan variasi realisasi pengembalian bulanan
aset tersebut. Penyimpangan dari CAPM secara statistik tidak signifikan seperti yang ditunjukkan oleh nilai
alpha kecuali Clydstone, CPC dan TTB. Temuan ini didukung oleh bukti yang didokumentasikan dalam
Jensen (1968) dan Jenson et al. (1972) bahwa intersep diperkenalkan untuk memungkinkan kemungkinan
bahwa premi risiko normal tidak dapat menangkap semua risiko relevan yang terkait dengan pengembalian.
Ketika intersep dimasukkan ke dalam persamaan regresi, 10 perusahaan menunjukkan tanda-tanda negatif
dari nilai alpha yang berarti bahwa perusahaan-perusahaan tersebut memperoleh pendapatan yang kurang
dari yang diprediksi oleh CAPM selama periode 2000 hingga 2009. Namun, perusahaan yang tersisa
menunjukkan nilai alpha positif yang berarti bahwa perusahaan ini mendapatkan lebih dari pengembalian
yang diprediksi oleh CAPM selama periode yang sama.
Koefisien determinasi R2 berkisar dari 0,00% hingga 30,34%, dan ini adalah ukuran ringkasan seberapa
baik CAPM mampu menjelaskan pengembalian ekuitas yang direalisasikan di Ghana. Angka-angka ini
secara statistik rendah dan menunjukkan bahwa CAPM sebagai model lemah atau kurang dalam
menjelaskan variasi pengembalian ekuitas atau harga ekuitas di Ghana. Tidak ada variasi pengembalian
CFAO, TTB dan Accra Brewery yang dapat dijelaskan oleh CAPM, dan ini terbukti dalam hampir nol beta
untuk perusahaan-perusahaan ini. Ini menyiratkan bahwa beta pasar tidak memiliki pengaruh signifikan
dalam menentukan pengembalian atau harga perusahaan ini. Dengan kata lain, jumlah risiko sistematis
yang dijelaskan oleh CAPM rendah atau tidak ada untuk beberapa perusahaan di Ghana, dan ini diperkuat
oleh statistik AIC dan SC mereka yang tinggi. AIC dan SC diharapkan secara signifikan rendah atau nol
menurut interpretasi CAPM.
CAPM mengasumsikan bahwa variabel dependen dan independen dalam Persamaan. (13) tidak
terkointegrasi dalam jangka panjang. Namun, uji kointegrasi Augmented Engle – Granger Dickey – Fuller
menunjukkan bahwa rangkaian tersebut terkointegrasi dan jika tidak dikoreksi akan menghasilkan
perkiraan regresi yang tidak masuk akal. Penelitian ini berinovasi dengan menginisiasi mekanisme koreksi
kesalahan (ECM) untuk mengoreksi kointegrasi untuk menghindari kesalahan regresi.
Perkiraan statistik utama menunjukkan bahwa dengan tidak adanya ECM, parameter terlalu tinggi atau
terlalu rendah. Namun, keakuratan perkiraan parametrik ditingkatkan saat ECM disertakan karena ECM
mengoreksi ketidaksesuaian ekuilibrium. Misalnya, hampir 84% dan 70% ketidakseimbangan dikoreksi
setiap bulan di Accra Brewery dan Unilever. Dengan tidak adanya beta ECM dari beberapa perusahaan
akan ditaksir terlalu tinggi seperti Aryton Drugs, Benso Oil, Cal Bank, dan lainnya akan dianggap terlalu
rendah, misalnya, Accra Brewery dan CFAO
Koefisien determinasi R2 berkisar antara 0,04% sampai dengan 30,39%. Angka-angka ini secara statistik
rendah dan menunjukkan bahwa CAPM lemah atau datar dalam menjelaskan variasi pengembalian ekuitas
atau ekuitas harga di Ghana. Namun, perkiraan R2 meningkat ketika kesalahan diperbaiki. Misalnya,
Manufaktur Obat Aryton meningkat 6,98%, Cal bank, 5,38%, Total, 0,68%, Bank standar, 3,08% dan PZ,
0,01%. Tetapi jumlah risiko sistematis yang dijelaskan oleh CAPM tidak membaik untuk perusahaan di
Ghana bahkan setelah menyesuaikan kesalahan yang timbul dari kointegrasi, dan ini diperkuat oleh AIC
dan SC mereka yang tinggi.

KESIMPULAN
Fokus utama dari studi ini adalah untuk memeriksa apakah CAPM berlaku untuk sekuritas di pasar Saham
Ghana. Bukti empiris bertentangan dengan CAPM. Namun, beta berkontribusi pada variasi pengembalian
ekuitas di Ghana tetapi kurang dari prediksi CAPM. Ini berarti bahwa faktor risiko selain beta pasar
kemungkinan besar ada di pasar saham Ghana. Hasil kami menolak bentuk Sharpe – Lintner CAPM yang
paling ketat, tetapi kami menemukan hubungan linier positif antara premi risiko ekuitas dan beta pasar.
Sebaliknya, bukti kami mendukung Jensen (1968) dan Jensen et al. (1972) versi CAPM. Hasil pengujian
kami sejauh ini tampaknya menunjukkan bahwa CAPM satu faktor yang disesuaikan dengan risiko tidak
cukup untuk menjelaskan pengembalian ekuitas yang direalisasikan di Ghana. Mereka bisa menjadi faktor
risiko lain yang ada di Ghana tetapi tidak ditangkap oleh beta pasar. Literatur mengungkapkan
kemungkinan faktor risiko lain seperti ukuran, BE / ME, P / E dan Momentum. Studi selanjutnya akan
memperluas pengujian untuk memasukkan fundamental ukuran dan BE / ME serta faktor-faktor yang
berkaitan dengan rasio P / E dan momentum. Yang lain juga mengidentifikasi likuiditas sebagai faktor
risiko dalam penetapan harga aset. Penelitian selanjutnya akan mengeksplorasi hal ini lebih lanjut dalam
GSM yang sedang berkembang.
Penelitian menunjukkan volatilitas yang diukur dengan deviasi standar sangat bervariasi di pasar saham
Ghana dan bukti yang dihasilkan oleh GARCH (tetapi tidak dilaporkan di sini) menunjukkan bahwa
pengembalian GSE menunjukkan ketergantungan jangka panjang - yaitu, efek guncangan pada waktu t
bertahan periode yang jauh ke masa depan.
Mengikuti bukti sebelumnya, kami mengusulkan penting bahwa struktur volatilitas memori yang panjang
dimasukkan saat menentukan pengembalian ekuitas di Ghana dan ini juga akan menjadi fokus penelitian
kami di masa mendatang.
Tingkat prediktabilitas yang tinggi dari hasil rata-rata pasar berkembang menunjukkan bahwa Pasar Saham
Ghana dapat menjadi jalan yang sangat baik untuk diversifikasi portofolio internasional di mana investor
dijamin dengan pengembalian yang baik yang dapat diprediksi dan investasi yang relatif berisiko rendah.

REFERENCES
Banz, R. W. (1981). The relationship between return and market value of common stock. Journal of
Financial Economics, 9, 3–18.
Bartholdy, J., & Peare, P. (2005). Estimation of expected return: CAPM vs. Fama and French. International
Review of Financial Analysis, 14(4), 407–427.
Basu, S. (1977). Investment performance of common stocks in relation to their price-earnings ratio: A test
of the efficient market hypothesis. Journal of Finance, 32, 663–682.
Basu, S. (1983). The relationship between earning’s yield, market value and the returns for NYSE common
stocks: Further evidence. Journal of Financial Economics, 12, 129–156.
Black, F., & Scholes, M. (1974). The effects of dividend – Yield and dividend policy on common stock
prices and returns. Journal of Financial Economics, 1(1), 1–22.
Blume, M. E. (1975). Betas and their regression tendencies. The Journal of Finance, 30(3), 785–795.
Bundoo, S. K. (2008). An augmented Fama and French three-factor model: New evidence from an emerging
stock market, the stock exchange of Mauritius. Applied Economics Letters, 15(15), 1213–1218.
Claessens, S., Dasgupta, S., & Glen, J. (1995). The cross-section of stock returns: Evidence from emerging
markets. Working Paper No. WP 1505, World Bank, New York, NY.
Eun, C. S. (1994). The benchmark beta, CAPM and pricing anomalies. Oxford Economic Papers, 46(2),
330–343.
Fama, E. F., & French, K. R. (1992). The cross section of expected stock returns. Journal of Finance, 47,
427–465.
Fama, E. F., & French, K. R. (1993). Common risk factors in the returns on stocks and bonds. Journal of
Financial Economics, 33, 3–56.
Fama, E. F., & French, K. R. (1996). Multifactor explanations of asset pricing anomalies. Journal of
Finance, 51(1), 55–84.
Fama, E. F., & French, K. R. (1998). Value versus growth: The international evidence. Journal of Finance,
53, 1975–1979.
Fama, E. F., & MacBeth, J. D. (1973). Risk, return and equilibrium: Empirical test. The Journal of Political
Economy, 81(3), 607–636.
Harvey, C. R. (1995). Predictable risk and returns in emerging markets. Review of Financial Studies,
9, 75–107.
Harvey, C. R. (2000). The drivers of expected returns in international markets. Working Paper, Fuqua
School of Business School & NBER, USA.
Ibbotson, R. G., & Sinquefield, R. A. (1977). Stocks, bonds, bills, and inflation: The past (1926–1976) and
the future (1977–2000). Charlottesville, VA: Financial Analysts Reserach Foundation.
Jensen, M. C. (1968). The performance of mutual funds in the period 1945–1964. The Journal of Finance,
23(2), 389–416.
Jensen, M. C., Black, F., & Scholes, M. (1972). The capital asset pricing model: Some empirical tests. In
C. M. Jensen (Ed.), Studies in the theory of capital markets (pp. 79–121). New York, NY: Praeger.
Kothari, S. P., Shanken, J., & Sloan, R. G. (1995). Another look at the cross-section of expected returns.
Journal of Finance, 50, 185–224.
Lintner, J. (1965). The valuation of risk assets and the selection of risky investments in stock portfolios and
capital budgets. Review of Economics and Statistics, 47(1), 13–37.
Lyn, E., & Zychowicz, E. (2004). Predicting stock returns in the developing markets of eastern Europe.
The Journal of Investing, 13(2), 63–71.
Markowitz, H. (1952). Portfolio selection. The Journal of Finance, 12, 77–91.
Markowitz, H. (1959). Portfolio selection: Efficient diversification of investments. New York, NY: Wiley.
Michailidis, G., Tsopoglou, S., Papanastasiou, D., & Mariola, E. (2006). Testing the capital asset pricing
model (CAPM): The case of the emerging Greek securities market.
International Research Journal of Finance and Economics, 4, 78–91.
Mossin, J. (1966). Equilibrium in a capital asset market. Econometrica, 35, 768–783.
O’Brien, J. (1999). The global CAPM and a firm’s cost of capital in different currencies. Journal of Applied
Corporate Finance, 12(3), 73–79.
Patel, S., & Sarkar, A. (1998). Crises in developed and emerging stock markets. Financial Analyst Journal,
54(6), 50–61.
Pereira, L. E. (2005). The practice of investment valuation in emerging markets: Evidence from Argentina.
Journal of Multinational Financial Management, 16, 160–183.
Ramcharran, H. (2004). Returns and pricing in emerging markets. The Journal of Investing, 3(1), 45–55.
Reddy, T. L., & Thomson, R. J. (2011). The capital asset pricing model: The case of South Africa. South
African Actuarial Journal, 11, 43–84.
Roll, R. (1977) A critique of the asset pricing theory’s tests: Part I. Journal of Financial Economics, 4, 120–
176.
Rouwenhorst, K. G. (1999). Local returns factors and turnover in emerging stock markets. The Journal of
Finance, 54(4), 1439–1464.
Schramm, R. M., & Wang, H. N. (1999). Measuring the cost of capital in an international CAPM
framework. Journal of Applied Corporate Finance, 12, 63–72.
Sharpe, W. F. (1964). Capital asset prices: A theory of market equilibrium under conditions of risk. Journal
of Finance, 19, 425–442.
Stulz, R. M. (1995). International portfolio choice and asset pricing: An integrative survey. In V.
Maksimovic & W. Ziemba (Eds.), The handbook of modern finance. Amsterdam: North Holland.
Stulz, R. M. (1999). Globalization and the cost of equity capital. Working Paper, New York Stock
Exchange, NY.
 Review Jurnal dan Kasus CAPM, Tugas Manajemen Investasi Prodi MM FE UNSRI
Tanggal 22 Oktober 2020, Oleh Jamaluddin

A PRACTITIONER’S GUIDE TO THE CAPM: AN EMPIRICAL STUDY

PENDAHULUAN (FENOMENA KASUS YANG DITEMUKAN)

Tujuan dari Penelitian untuk mengetahui Berapa jumlah tahun yang tepat untuk digunakan dalam estimasi
dan variasi mana dari beta harga aset modal yang disediakan menggunakan model Capital Asset Pricing
Model (CAPM).
Ada banyak studi CAPM berbeda yang menerapkan berbagai beta, menggunakan panjang input data yang
berbeda dan dijalankan di berbagai negara. Studi ini secara empiris menguji praktik terbaik bagi mereka
yang tertarik untuk berhasil menggunakan CAPM untuk kebutuhan dasar mereka, menemukan bahwa
secara keseluruhan beta konstanta ex-post sederhana diberi harga yang salah sebesar 0,2 (berkembang)
menjadi 0,3 persen (dikembangkan).
Data yang digunakan menggunakan estimasi tiga tahun yang pendek dengan beta pasar di negara
berkembang dan estimasi sembilan tahun yang lebih lama dengan beta yang disesuaikan di negara maju.

KAJIAN PUSTAKA/LITERATURE REVIEW (REVIEW CAPM)

TEORI PERTAMA
Overview
William Sharpe melakukan penulisan penting terkait model penetapan harga aset modal (CAPM) (1964),
dimana model tersebut telah diuji oleh pihak akademisi. Awalnya, sebagian besar tes ini mendukung
prediksi utama CAPM. Salah satu tes paling awal dilakukan oleh Black, Jensen, dan Scholes (1972).
Hasil Studi menunjukan hubungan positif antara pengembalian dan beta, yang mendukung CAPM. Dimana,
perbedaan pengembalian antara saham beta tinggi dan rendah yang ditemukan menciptakan garis pasar
keamanan (SML) yang terlalu datar dari waktu ke waktu. Bukti meningkat yang menunjukkan bahwa
CAPM memiliki kekurangan yang serius. Fama dan Macbeth (1973) menerbitkan hasil yang menunjukkan
bahwa ada hubungan antara beta dan pengembalian dan itu tidak stabil dari satu periode lima tahun ke
periode berikutnya. Pengujian CAPM sejak itu menimbulkan tantangan bagi peneliti dalam penerapan teori.
CAPM menggunakan hasil historis untuk memperkirakan pengembalian yang diharapkan. Hal ini
dimungkinkan karena meskipun investor melakukan kesalahan, secara agregat kesalahan non sistematis
mereka berkurang dan investor menjadi rata-rata benar. D ini memenuhi asumsi bahwa investor memiliki
ekspektasi rasional. CAPM menjelaskan pengembalian yang diharapkan investor ketika mereka
memperdagangkan aset. Hasil yang diharapkan dari suatu aset adalah variabel yang tidak dapat diobservasi
yang diprediksi oleh CAPM dengan proxy faktor tunggal untuk risiko. Ini sangat berguna dalam
mengevaluasi proyek, biaya modal, atau kinerja dana.
CAPM tetap menjadi pendekatan yang sederhana dan langsung untuk memperkirakan biaya modal dan
menggunakan data historis untuk menangkap perilaku investor terhadap pengembalian yang diperlukan dan
beta mereka. Studi ini untuk para praktisi menguji beta konstan expost terbaik dari tiga metode populer
(pasar, mean reverting, dan beta konsumsi) dan panjang optimal dari jendela estimasi yang diperlukan untuk
mengimplementasikan CAPM seperti yang dinilai dari kesalahan harga perkiraan terkecil. Tiga model beta
dipilih karena mudah diimplementasikan, yang merupakan kunci kesuksesan CAPM yang berkelanjutan
dengan kemudahan penggunaan bagi manajer.
Ada banyak penelitian yang mendukung CAPM yang dikembangkan oleh Sharpe dan Litner; F ama dan
MacBeth (1973) secara empiris menemukan hubungan antara risiko, yang diukur dengan beta, dan
pengembalian; Amihud, Christensen, D dan Mendelson (1992) menemukan hubungan yang kuat dengan
pengembalian portofolio dan beta; Breen dan Korajczyk (1993) mendalilkan bahwa tes yang dilakukan
dalam upaya untuk membuktikan bahwa faktor lain (yaitu, book to market) signifikan, dan bukan beta,
menderita bias seleksi; Jagannathan dan McGrattan (1995) menyatakan bahwa CAPM mungkin berguna
untuk perkiraan jangka panjang; dan terakhir Kothari, Shanken, dan Sloan (1995) menemukan beta dan
pengembalian menjadi signifikan ketika menggunakan pengembalian portofolio dan juga menunjukkan
faktor book-to-market menjadi tidak signifikan.

METODE PENELITIAN
CAPM mendefinisikan hubungan antara risiko dan pengembalian
E R ( ) = + R R β ( ) − R i f i m f ..................................(1)
E (Ri) = pengembalian yang diharapkan investor untuk aset i
Rf = tingkat pengembalian bebas risiko, menggunakan rata-rata periode historis
Rm = pengembalian portofolio pasar, menggunakan rata-rata periode historis
βi = beta adalah ukuran risiko sistematis untuk aset i
Market Return (Rm)
Masalah yang dihadapi pengguna CAPM melibatkan portofolio pasar, kombinasi dari semua aset dalam
perekonomian. Ini mengasumsikan bahwa semua aset dapat diperdagangkan, tetapi dalam praktiknya, tidak
ada indeks atau alat seperti itu yang memungkinkan investor untuk memegang segala sesuatu dan semuanya
dalam proporsi yang tepat. Secara empiris, portofolio pasar ini harus memiliki proxy yang digunakan
sebagai gantinya. Perhitungan beta dan premi pasar menggunakan proxy ini. Penelitian oleh S tambaugh
(1982) menunjukkan bahwa kesimpulan tidak sensitif terhadap kesalahan dalam proksi bila dilihat sebagai
ukuran return pasar dan dengan demikian menggunakan proksi tidak mewakili masalah empiris. Dalam
studi ini, setiap negara berkembang menggunakan bursa saham mereka untuk merepresentasikan
kemungkinan return pasar. Mengingat ukuran yang relatif kecil dari setiap pasar bursa satu negara
berkembang untuk modal yang diperdagangkan secara publik, setiap bursa termasuk semua sekuritas yang
diperdagangkan di bursa yang tersedia.
Untuk lima portofolio A.S., yang berisi sekuritas yang diperdagangkan di berbagai bursa A.S., Indeks
Wilshire 5000 digunakan untuk mewakili pengembalian pasar. Menggunakan lima portofolio A.S., lima
ASEAN, dan satu Afrika Selatan meningkatkan ketahanan pengujian. Dalam sebagian besar penelitian,
S&P 500 digunakan sebagai penentu pasar saham A.S., meskipun hanya mencakup 500 perusahaan teratas
di Amerika Serikat. Di sisi lain, Wilshire 5000 mencakup lebih dari 3.500 perusahaan yang semuanya
berkantor pusat di Amerika Serikat (saham over-the-counter, penny stock, tanda terima penyimpanan
Amerika, kemitraan terbatas, dan saham perusahaan yang sangat kecil dikecualikan). Indeks saat ini
mencakup lebih dari 22 triliun dolar modal AS, lebih dari S&P 500 dan NYSE. Menggunakan proxy yang
lebih besar untuk pengembalian pasar mengurangi kesalahan dari bias proxy. Penelitian Kandel dan
Stambaugh (1987) menemukan bahwa proksi perlu dikorelasikan setidaknya 70 persen dengan
pengembalian pasar sebenarnya untuk menghilangkan bias. Jika proxy kurang dari 0,7 berkorelasi, maka
penolakan CAPM mungkin hanya merupakan penolakan proxy yang digunakan. Sebuah studi oleh French
(2017) menemukan bahwa Wilshire 5000 lebih cenderung berkorelasi dengan portofolio tangency daripada
S&P 500 dan NYSE.
Risk-Free Rate (Rf)
Masalah lain yang dihadapi studi empiris adalah tingkat bebas risiko. Secara alami, diketahui bahwa tidak
ada investasi yang benar-benar bebas risiko dan proxy untuk aset semacam itu bervariasi dari waktu ke
waktu; namun, CAPM juga mengasumsikan laju tetap konstan. Adapun suku bunga bebas risiko yang
digunakan dalam penelitian ini, obligasi Treasury AS 10 tahun digunakan dalam semua perhitungan yang
memerlukan suku bunga bebas risiko. Jika Pemerintah Federal A.S. bangkrut, dolar itu sendiri akan menjadi
tidak berharga pada saat ini
Asset Returns (Ri)
Lima negara yang merupakan negara anggota ASEAN dan Afrika Selatan dipilih untuk mewakili pasar
berkembang, dan ASEAN meliputi Indonesia, Malaysia, Filipina, Singapura, dan Thailand. Pertukaran lain
negara anggota ASEAN tidak dimasukkan karena bursa mereka kekurangan perusahaan publik yang cukup
atau terlalu muda dan tidak berlangsung hingga tahun 2005. Selain itu, lima sektor telah dipilih untuk
mewakili pasar AS. Setiap negara ASEAN, masing-masing sektor A.S., dan Afrika Selatan memiliki
sampel acak sebanyak 50 saham individu untuk masing-masing dari 11 portofolio dengan bobot yang sama,
menghasilkan total 300 saham untuk berkembang dan 250 saham untuk negara maju. Sebanyak 522 minggu
digunakan untuk 550 saham, 7 indeks, dan obligasi Treasury AS 10 tahun dengan total 291.276 observasi
yang digunakan dalam penelitian ini. Saham dipilih secara acak dengan mengambil total daftar saham yang
diperdagangkan secara acak dan membaginya dengan 50, kemudian memilih setiap perusahaan yang ada
di daftar. Daftar tersebut tidak termasuk perusahaan-perusahaan yang baru-baru ini terdaftar dalam 10 tahun
terakhir. Data menggunakan penutupan mingguan yang disesuaikan untuk menghitung persentase
perubahan dari 3 Januari 2005 hingga 29 Desember 2014. Sekali lagi mengikuti praktik terbaik, data
mingguan digunakan, bukan harian atau bulanan. Lebih dari sepertiga perusahaan AS yang terdaftar di
bursa tidak diperdagangkan setiap hari dan pasar ASEAN jauh lebih likuid. Oleh karena itu, menggunakan
data harian tidak tepat karena akan mencakup hari-hari aset tersebut tidak diperdagangkan dan nilai aset
tidak diketahui sampai penjualan dilakukan. Hari-hari yang tidak diperingkat akan dimasukkan secara tidak
benar ke dalam rata-rata dan membuat hasil penghitungan menjadi miring. Demikian pula, data bulanan
tidak digunakan karena memberikan poin data yang terlalu sedikit sehingga hasil menjadi bermakna dan
akan memuluskan fluktuasi perubahan harga terlalu banyak.
Saat menguji CAPM, yang terbaik adalah menggunakan portofolio daripada saham individu untuk
mengatasi kesalahan dalam variabel, pengintaian data, dan masalah kehilangan informasi. Masalah pertama
adalah karena sensitivitas terhadap faktor risiko yang ditentukan oleh model penetapan harga aset yang
diperkirakan dari data yang mengandung kesalahan pengambilan sampel. Karena sensitivitas faktor untuk
portofolio diperkirakan lebih tepat daripada untuk saham individu, perkiraan premi risiko faktor akan
kurang bias karena masalah kesalahan dalam variabel jika seseorang menggunakan portofolio dan bukan
saham individu. Penggunaan portofolio atas saham individu telah disukai oleh banyak penelitian termasuk
Black, Jensen, dan Scholes (1972) dan Kraus dan Litzenberger (1976). Selain itu, masalah muncul saat
seseorang menggunakan portofolio yang diurutkan berdasarkan karakteristik yang diketahui memprediksi
pengembalian. Lewellen, Nagel, dan Shanken (2010) menunjukkan bahwa sebagai akibatnya bahkan
faktor-faktor dengan korelasi yang lemah dengan karakteristik penyortiran akan menjelaskan perbedaan
dalam pengembalian rata-rata di seluruh portofolio uji terlepas dari manfaat ekonomi yang mendasari
faktor-faktor tersebut. Untuk mengatasi masalah ini, portofolio dalam penelitian ini tidak diurutkan
berdasarkan karakteristik yang mendasar. Metode portofolio yang menggabungkan pengembalian
mingguan yang disesuaikan dari perusahaan menjadi portofolio yang sama-sama berbobot digunakan,
seperti yang direkomendasikan oleh Jaffe (1974), dan bukan metode kapitalisasi tertimbang. Portofolio
tertimbang kapitalisasi tidak digunakan, karena portofolio kemudian akan ditimbang dengan data saham
yang ditawar pasar dan kemungkinan dibuat overvalued. Ketiga rumus tersebut menggunakan CAPM
expected return (E r) dari Persamaan. (1) dan hanya metode untuk menghitung beta yang diubah. Beta
dihitung menggunakan data deret waktu, kemudian pengembalian sampel aktual diregresikan terhadap
perkiraan pengembalian yang diharapkan. Perbedaan antara E r dan out of sample mean dibandingkan
dengan model rank yang disukai memiliki perbedaan yang paling mendekati nol (Enders, 2010). Untuk
juga menguji beta mana yang lebih terkait dengan pengembalian, pendekatan Fama-MacBeth dan cross-
sectional digunakan sebagai model regresi dan kesalahan standar dan statistik uji digunakan untuk
menentukan peringkat beta (M ankiw & Shapiro, 1986). Untuk menguji untuk melihat apakah hasil
bergantung pada panjang jendela estimasi, model diuji dengan satu, tiga, lima, dan sembilan tahun masukan
ke dalam beta dan rumus pengembalian yang diharapkan. Akurasi pengembalian yang diharapkan
kemudian dibedakan dengan hasil aktual dari sampel. Jendela estimasi bergulir dua tahun dari
pengembalian yang diharapkan juga dihitung atas seluruh sampel (total empat jendela) dan dua jendela
estimasi empat tahun bergulir juga digunakan. Ini akan menunjukkan jika properti data berubah dari waktu
ke waktu (kerusakan struktural) dan jika beta adalah tingkat yang akurat dalam perkiraan di beberapa
periode tetapi tidak pada yang lain. Kesalahan absolut rata-rata akan digunakan dalam membuat rata-rata
hasil jendela estimasi bergulir di seluruh periode waktu dan pasar.
Tiga faktor ANOVA digunakan untuk menentukan apakah ada perbedaan dalam prediksi model konstanta.
Menggunakan rentang data historis yang terlalu panjang memiliki kerugian karena perusahaan mengubah
pasar, manajer, dan investasi bisnis mereka, sehingga mengubah beta. Kerugian lainnya adalah kebanyakan
perusahaan tidak memiliki data historis yang diperlukan untuk menghitung pengembalian yang diharapkan
dalam pengaturan yang diterapkan. Hal ini bahkan berlaku bagi perusahaan yang berada di negara anggota
ASEAN. Masa jabatan rata-rata seorang CEO mendekati sembilan tahun dan masa jabatan CEO Fortune
500 mendekati tiga tahun. Inilah mengapa studi tes menggunakan sembilan dan tiga tahun. Juga lima tahun
masukan historis digunakan, karena ini adalah periode waktu umum dalam studi CAPM, dan peneliti
sebelumnya telah menemukan bahwa beta tetap konstan dalam jendela lima tahun.
Historical (market) beta
Beta historis diperkirakan dari garis karakteristik saham dengan menjalankan regresi linier antara
pengembalian masa lalu atas saham dan pengembalian masa lalu pada beberapa indeks pasar, menampilkan
data.
Adjusted beta
Kebutuhan akan beta berdasarkan masa depan, bukan masa lalu, telah menciptakan perkembangan dari beta
yang disesuaikan. Ini tumbuh sebagian dari karya Blume and Friend (1973), yang menunjukkan bahwa dari
waktu ke waktu beta berarti kembali ke 1.0. Oleh karena itu, beta yang disesuaikan, secara rata-rata, akan
menjadi prediktor yang lebih baik untuk beta masa depan daripada beta yang tidak disesuaikan sebelumnya.
Consumption beta
CG adalah tingkat pertumbuhan konsumsi. Model Penetapan Harga Aset Modal Konsumsi (CCAPM)
adalah model yang lebih elegan dan secara teoritis lebih unggul, tetapi dalam praktiknya sulit untuk
menerapkan dan mendapatkan hasil yang akurat yang membuatnya lebih rendah daripada model tradisiona
Versi CCAPM yang lebih dapat diakses ini dapat menggunakan representasi linier yang sama, seperti
CAPM, antara aset berisiko dan premi risiko pasar. Pengembalian tersirat dan premi risiko ditentukan oleh
penghindaran risiko dan pertumbuhan konsumsi investor. Risiko sistematis disediakan oleh beta, seperti
CAPM standar. CCAPM menghubungkan keputusan investasi dengan kekayaan dan konsumsi.

HASIL DAN PEMBAHASAN (MEMBAHAS KASUS YANG DIPILIH DIKAITKAN DENGAN

REVIEW JURNAL)
Untuk masing-masing dari 11 portofolio, hasil rata-rata selama seluruh periode sampel dan tiga ukuran
risiko beta yang berbeda dihitung. Statistik sampel dengan return (Ri) dalam format desimal. Diketahui
bahwa korelasi antara beta dan return portofolio (Ri) adalah negatif. Ini menunjukkan bahwa ketika beta
meningkat, pengembalian menurun, yang terjadi ketika pasar (R m) jatuh seperti yang terjadi selama
periode sampel. Korelasi tinggi, 0,8412, antara portofolio dan pengembalian pasar menunjukkan kesalahan
pengambilan sampel yang rendah dan memberikan kepercayaan pada diversifikasi portofolio. Semua
ukuran risiko beta memiliki korelasi positif yang tinggi satu sama lain, yang berarti bahwa portofolio
berisiko yang diukur dengan satu metode beta cenderung berisiko di bawah metode beta lainnya juga.
Kesalahan perkiraan sampel yang keluar dihitung dengan menggunakan tiga teknik berbeda dan hasilnya
dimana hasil perhitungan berbagai tingkat return yang diharapkan (Er) menggunakan panjang periode
waktu dan beta yang berbeda, lalu menemukan perbedaan antara Er dan rata-rata di luar sampel yang
sebenarnya. Selanjutnya hasil perhitungan lainnya yang menggunakan Er yang sama ditemukan
menggunakan rata-rata mingguan, kemudian melakukan anualisasi untuk menemukan perbedaan
persentase perubahan tahunan aktual setiap portofolio. Dari perhitungan tersebut, metode pertama lebih
disukai dan digunakan dalam studi empiris CAPM.
Hasil ANOVA untuk semua efek dan interaksi menunjukkan pada D tingkat kepercayaan 99 persen bahwa
ada perbedaan antara menggunakan CAPM di pasar maju dan berkembang. Tingkat kepercayaan 95 persen
menunjukkan bahwa perbedaan antara jumlah tahun yang digunakan untuk menghitung CAPM memainkan
peran penting dan terakhir jumlah tahun optimal yang digunakan berbeda antara kedua wilayah pada tingkat
90 persen.
Baterai uji-t Student berstandar dua sisi juga dilakukan dan sesuai dengan hasil ANOVA dengan rentang
kebebasan 29 hingga 59 derajat.
Uji-t menolak nol tidak ada perbedaan selama bertahun-tahun serta faktor wilayah. Pengujian lebih lanjut
gagal menolak perbedaan untuk beta pada 39 derajat kebebasan; Hal ini dapat dijelaskan oleh korelasi yang
tinggi di antara beta seperti yang terlihat pada hasil penelitian. Dalam banyak sampel yang digunakan
dalam pengujian perbedaan antara tahun: wilayah dan beta: wilayah, uji-t juga melaporkan signifikansi.
Rata-rata kesalahan ramalan menunjukkan bahwa secara keseluruhan semakin banyak tahun data digunakan
semakin baik kecocokannya untuk memprediksi tahun berikutnya. Tahun pertama, tiga, dan sembilan
digunakan dengan 2014 sebagai sampel luar. Tahun kelima menggunakan data lima tahun untuk
memprediksi 5 tahun ke depan.
Dalam banyak artikel CAPM yang berpengaruh, data lima tahun digunakan untuk meramalkan lima tahun.
Seperti yang bisa dilihat, hasil ini lebih buruk daripada menggunakan sembilan atau tiga tahun. Penting
untuk menunjukkan bahwa dalam banyak artikel penelitian yang diterbitkan, pendekatan lima tahun ini
digunakan dalam pengujian model S. Seperti yang dapat dilihat, ini merusak kinerja model. Dari analisis
kawasan, terlihat bahwa CAPM expected return (Er) under-predict the actual return di negara berkembang,
sedangkan di Amerika Serikat, rata-rata over predict; dan CAPM sebenarnya diprediksi lebih baik di pasar
negara berkembang daripada di Amerika Serikat yang maju.
D Temuan ini seharusnya menginspirasi kepercayaan pada 30 persen CFO di luar Amerika Serikat yang
menggunakan CAPM dan mudah-mudahan merekrut lebih banyak orang untuk menggunakannya. Selama
bertahun-tahun dan wilayah, terlihat bahwa menggunakan input data selama satu sampai tiga tahun lebih
disukai di pasar berkembang, sedangkan di pasar maju Amerika Serikat, lebih banyak data lebih baik.
Fakta bahwa portofolio berkembang bekerja lebih baik dengan rentang input torikal yang lebih pendek
menunjukkan bahwa pasar mungkin kurang efisien dan pasar yang lebih kecil juga rentan terhadap variasi
yang mengganggu.
Saat menjalankan ANOVA dengan hanya interaksi dua arah, beta yang digunakan antar wilayah menjadi
sangat signifikan di hampir tingkat 1 persen. Dari Tabel 3, kami melihat bahwa beta historis paling baik
digunakan di negara berkembang, karena pasar ini menunjukkan pengembalian rata-rata dan efisiensi pasar
yang lebih rendah daripada Amerika Serikat. Sebaliknya, di Amerika Serikat, konsumsi beta sederhana,
yang merupakan kovarians pengembalian dengan pertumbuhan konsumsi PDB per kapita, memiliki
kesalahan perkiraan rata-rata yang lebih rendah.
Jadi, secara keseluruhan beta mana yang lebih terkait dengan pengembalian? Fama-MacBeth) dua tahap
dan regresi cross-sectional, dengan tiga beta sebagai variabel penjelas dan pengembalian sebagai variabel
dependen, dilakukan. Beta historis ditemukan signifikan secara statistik dan beta konsumsi tidak (Lampiran
A.4). Dalam studi menggunakan OLS dengan data kuartalan selama 23 tahun, Mankiw dan Shapiro (1985)
juga menemukan beta konsumsi tidak signifikan.

KESIMPULAN
Beta adalah instrumen yang paling banyak digunakan di kalangan ekonom keuangan dan spesialis untuk
manajemen risiko dan merupakan salah satu dari segelintir koefisien regresi yang ingin diperoleh orang
dengan rela membayar uang. Metode beta konstan sederhana adalah model yang paling banyak digunakan
oleh praktisi keuangan dan sejenisnya. Saat menggunakan model konstan di Amerika Serikat, hasilnya
mendukung penggunaan input D sembilan tahun dan beta konsumsi yang disederhanakan atau rata-rata
mengembalikan beta yang disesuaikan daripada beta pasar historis. Bagi mereka yang ingin menilai risiko
di pasar yang lebih kecil, penggunaan input periode tiga tahun yang lebih pendek dan nonmean reverting,
beta historis yang lebih stokastik, harus digunakan. Selain itu, analis harus mengingat bahwa dari 2005
hingga 2014, pengembalian yang diharapkan di Amerika Serikat rata-rata sedikit lebih tinggi dari yang
sebenarnya (melebihi perkiraan), sedangkan di negara berkembang, ini sedikit lebih rendah dari yang
sebenarnya (di bawah perkiraan). Hasilnya memberikan varian yang lebih kecil (prediksi yang lebih baik)
pada portofolio ASEAN di atas Amerika Serikat. Dari pengujian sampel mengungkapkan bahwa kesalahan
harga CAPM maksimal rata-rata 0,99 persen untuk laba tahun berjalan. Namun, jika seseorang memilih
panjang input dan beta yang tepat untuk jenis pasar mereka, itu dapat dikurangi hingga serendah 0,01
persen. Secara keseluruhan, model beta sederhana salah diberi harga 0,2 hingga 0,3 persen, yang patut
dipuji jika tidak lebih unggul dari semua versi lanjutan yang mewah dari CAPM (yaitu, beta bervariasi
waktu dan beta ex-ante). Hasil ini diharapkan dapat memberikan kepraktisan kepada 70 persen CFO di luar
Amerika Serikat yang tidak menggunakan CAPM.

REFERENCES
Amihud, Y., Christensen, B. J., & Mendelson, H. (1992). F urther evidence on the risk-return relationship.
Working Paper No. S-93-11. Salomon Brothers Center for the Study of Financial Institutions, New
York University, New York, NY.
Black, F., Jensen, M., and Scholes, M. (1972). The Capital Asset Pricing Model: Some Empirical) Tests.
Studies in the theory of capital markets, Praeger Publishers.
Blume, M., & Friend, I. (1973). A new look at the capital asset pricing model. J ournal of Finance, 28, 19–
33.
Enders, W. (2010). A pplied econometric time series. Chichester: Wiley.
Fama, E. F., & MacBeth, J. D. (1973). Risk, return, and equilibrium: Empirical tests. J ournal of Political
Economy, 81( 3), 607–636.
French, J. (2017). The one: A simulation of CAPM market returns. J ournal of Wealth Management, 20,
126–147.
Jaffe, J. F. (1974). The effect of regulation changes on insider trading. B ell Journal of Economics and
Management Science, 5, 93–121.
Kandel, S., & Stambaugh, R. F. (1987). On correlations and inferences about mean-variance efficiency. J
ournal of Financial Economics, 18, 61–90.
Kraus, A., & Litzenberger, R. H. (1976). Skewness preference and the valuation of risk assets. Journal of
Finance, 31( 4), 1085–1100.
Lewellen, J., Nagel, S., & Shanken, J. (2010) A skeptical appraisal of asset pricing tests. J ournal of
Financial Economics, 96, 175–194.
Mankiw, N. G., & Shapiro, M. D. (1985). Trends, random walks, and tests of the permanent income
hypothesis. J ournal of Monetary Economics, 89( 5), 165–174.
Mankiw, N. G., & Shapiro, M. D. (1986). Do we reject too often? Small sample properties of tests of
rational expectations models. Economic Letters, 20 , 139–145.
Stambaugh, R. F. (1982). On the exclusion of assets from tests of the two-parameter model: A sensitivity
analysis. J ournal of Financial Economics, 10( 3), 237–268.
 Review Jurnal dan Kasus CAPM, Tugas Manajemen Investasi Prodi MM FE UNSRI
Tanggal 22 Oktober 2020, Oleh Jamaluddin

IMPLEMENTASI METODE CAPITAL ASSETS PRICING MODEL

(CAPM) DALAM MENENTUKAN INVESTASI SAHAM

PENDAHULUAN (FENOMENA KASUS YANG DITEMUKAN)

Penelitian ini bertujuan untuk mengetahui dan menjelaskan: Tingkat pengembalian saham dan risiko
dengan metode Capital Assets Pricing Model (CAPM), pengelompokkan dan penilaian saham-saham
efisien dengan metode CAPM, dan keputusan investasi saham dengan metode Capital Assets Pricing Model
(CAPM).
Jenis penelitian yang digunakan adalah penelitian deskriptif dengan pendekatan kuantitatif. Teknik
pengambilan sampel yang digunakan yaitu purposive sampling dengan sampel sebanyak 33 saham Bank
Umum Konvensional dengan periode penelitian 2015-2017. Peneliti menggunakan data sekunder yaitu
berupa data closing price, BI Rate dan IHSG.
Metode yang digunakan adalah analisis data dengan cara melakukan perhitungan, menganalisis, dan
menginterpretasikan data berupa angka menggunakan software Microsoft Excel. Hasil penelitian yang
diperoleh terdapat 14 saham perusahaan yang merupakan kelompok saham efisien dan 19 saham lainnya
merupakan saham yang tidak efisien. Keputusan yang disarankan kepada investor adalah membeli saham
perusahaan yang efisien dan menjual saham tidak efisien, karena kelompok saham efisien memiliki tingkat
pengembalian individu yang lebih besar dibandingkan tingkat pengembalian yang diharapkan sedangkan
saham tidak efisien memiliki tingkat pengembalian individu yang lebih rendah dibandingkan tingkat
pengembalian yang diharapkan sehingga investor disarankan untuk menjual saham tersebut sebelum harga
saham menurun.

KAJIAN PUSTAKA/LITERATURE REVIEW (REVIEW CAPM)

RISIKO
Seorang investor pasti menghadapi risiko sebagai masalah utama dalam menentukan tingkat keuntungan
investasinya. “Risk is the uncertainty that an investment will earn its expected will earn its expected rate of
return” (R eilly, et al., 2012:9). Risiko dalam investasi menunjukkan besarnya penyimpangan antara tingkat
imbal hasil yang diharapkan (expected return) dengan tingkat imbal hasil yang dicapai secara nyata (Halim,
2015:157).
Menurut Fahmi (2015:224), model perhitungan risiko yang paling sering digunakan, khususnya dalam
investasi adalah varians dan standar deviasi. Perhitungan risiko dalam suatu investasi berkaitan dengan
perhitungan terhadap imbal hasil yang diharapkan dari suatu investasi. Risiko yang terkecil dimiliki oleh
obligasi (bond) yang dijual oleh pemerintah, karena memiliki jaminan keamanan yang pasti. Dalam
pendekatan matematis varians dan standar deviasi dapat dihitung menggunakan rumus berikut:
Rumus Varians:
σ2 = [Ri – E(R)] 2Pri (Sumber: Fahmi, 2015)
Rumus Standar Deviasi:
σ = (σ 2 ) ½ (Sumber: Fahmi, 2015)
Keterangan:
σ 2: v arians imbal hasil
σ : s tandar deviasi
E(R) : imbal h asil y ang diharapkan dari suatu surat berharga
Ri : i mbal hasil k e-i y ang m ungkin terjadi P ri : probabilitas t erjadinya i mbal h asil k e-i

RETURN DALAM SAHAM

Return menurut Fahmi (2015: 208) adalah keuntungan yang diperoleh oleh perusahaan, individu dan
institusi dari hasil kebijakan investasi yang terlah dilakukan. R.J Shook mendefinisikan imbal hasil sebagai
laba investasi, baik melalui bunga maupun deviden. Menurut (Zubir, 2013: 4), return dalam saham terdiri
dari capital gain dan deviden yield. Capital gain adalah selisih antara harga jual dan harga beli saham per
lembar dibagi dengan harga beli saham per lembar. Dan deviden yield adalah dividen per lembar dibagi
dengan harga beli saham per lembar.
Rate of return merupakan ukuran terhadap hasil suatu investasi. Dalam melakukan investasi, orang akan
memilih investasi yang memberikan hasil yang tinggi. Rate of return dinyatakan dengan rumus:
Rate of Return saham = ( Harga Jual – Harga Beli + Dividen)
Harga Beli

Capital Assets Pricing Model (CAPM)

Capital Asset P ricing M odel (CAPM) dikembangkan oleh Sharpe, Lintner, d an Mossin 12 tahun s etelah
Markowitz mengemukakan teori portofolio modern pada tahun 1952. CAPM menjelaskan tentang
hubungan antara imbal hasil (return) dan beta. Bodie, et all (2014:293) menyatakan, “CAPM merupakan
sekumpulan prediksi mengenai keseimbangan imbal hasil terhadap aset berisiko”.
CAPM berguna dalam keputusan penganggaran modal. CAPM dapat memberikan tingkat imbal hasil yang
dikehendaki berdasarkan beta nya, agar dapat diterima investor.
sekuritas atau portofolio dengan beta nya. CML terjadi karena adanya lending dan borrowing rate pada
tingkat bunga bebas risiko, maka investor akan memegang portofolio kombinasi.
SML memiliki persamaan yang menghasilkan garis, sebagai berikut:
E(Ri )= Rf + β i( Rm – R f )

METODE PENELITIAN
Pеnеlitiаn ini mеrupаkаn pеnеlitiаn dеskriptif dеngаn pеndеkаtаn kuаntitаtif. Penelitian ini dilakukan di
Pojok Bursа Efek Indonesiа (BEI) yang bertempat di Fаkultаs Ekonomi dаn Bisnis, Universitаs Brаwijаyа
Mаlаng. Populasi dalam penelitian ini ialah saham dari perusahaan – perusahaan yang termasuk dalam
Bank Umum Konvensional yang terdaftar di Bursa Efek Indonesia (BEI) periode 2015–2017. Berdasarkan
kriteria sampel yang telah ditentukan sebelumnya, diperoleh sebanyak 33 bank yaitu bank umum
konvensional yang terdaftar dan memiliki closing price di Bursa Efek Indonesia selama periode penelitian
2015-2017
HASIL DAN PEMBAHASAN (MEMBAHAS KASUS YANG DIPILIH DIKAITKAN DENGAN
REVIEW JURNAL)
Security Market Line dalam metode CAPM dapat membantu investor dalam menentukan saham yang
efisien dengan syarat posisi return individu (Ri) berada di atas Security Market Line. Tabel 15 akan
menampilkan data yang diperlukan dalam menggambar SML. Hasil penelitian menunjukkan bahwa βi
terendah merupakan saham BKSW namun tidak berarti E(Ri) yang dari BKSW juga terendah. Titik-titik
yang akan menjadi penghubung untuk menggambar SML akan menjadi gambaran mengenai status
Perbankan dalam dunia saham.
Setelah data sudah didapatkan dan diurutkan berdasarkan beta saham, maka selanjutnya membuat SML
dengan menggunakan data βi dan E(Ri) yang yang terdapat pada perhitungan, Grafik Security Market Line
(SML) terbentuk dengan menghubungkan titik-titik antara nilai beta (βi) dengan nilai tingkat pengembalian
yang diharapkan (E(Ri)) berdasarkan data yang telah diurutkan dari yang terkecil hingga terbesar. Gambar
di atas menunjukkan bahwa dalam saham bank umum konvensional, hubungan tingkat pengembalian return
E(Ri) dengan risiko sistematis atau Beta (βi) bersifat linear atau positif. Hal ini terlihat dari pergerakan garis
meningkat dari kiri bawah menuju ke kanan atas
Pengelompokkan efisiensi saham dilakukan sebelum melakukan investasi saham agar dapat memiliki
keuntungan yang maksimal. Keuntungan maksimal yang akan didapatkan investor adalah tingkat realized
return yang lebih besar dari expected return. Saham yang efisien adalah saham-saham dengan tingkat
pengembalian individu lebih besar dibanding tingkat pengembalian yang diharapkan [Ri>E(Ri)]
(Tandelilin, 2010:198). Pengelompokkan dan penilaian saham dari 33 saham yang dijadikan sampel adalah
sebagai berikut.
Berdasarkan hasil penelitian terdapat 14 saham efisien dan 19 saham tidak efisien. Hal tersebut memberikan
gambaran kepada investor untuk melakukan investasi dalam sektor Bank Umum Konvensional serta
memberikan keputusan investasi kepada suatu saham. Keputusan yang diberikan kepada investor adalah
menentukan untuk dijual atau dibeli.
Saham yang efisien akan tetap dimiliki atau dibeli oleh investor karena tujuan dari semua investor adalah
meningkatkan return yang dimiliki. Hal yang sebaiknya dilakukan oleh investor yang memiliki saham tidak
efisien adalah segera menjualnya atau tidak memilih saham tersebut karena kurang menguntungkan bagi
investor.
Hasil Penelitian menjelaskan bahwa saham yang efisien dan saham yang tidak efisien dimana saham efisien
berada di atas garis E(Ri) dan saham yang tidak efisien berada di bawah garis E(Ri). Garis E(Ri) adalah
garis SML sebelumnya yang dapat diartikan juga bahwa saham efisien berada di atas garis SML
(undervalued) dan saham tidak efisien berada di bawah garis SML (overvalued (Jogiyanto, 2013:326). Hasil
penelitiian menunjukkan gabungan SML dan Saham Efisien/Tidak Efisien dalam satu grafik.
Setelah melakukan perhitungan data untuk mendapatkan keputusan investasi, berikut keputusan terhadap
saham Bank Umum Konvensional yang sebaiknya dilakukan apabila saham efisien (Ri > E(Ri)) (Tandelilin,
2010:198), maka investor dapat membeli sedangkan apabila saham tidak efisien (Ri < E(Ri)) maka investor
dapat menjual. Dan berikut terdapat hasil penelitian yang akan menginformasikan mengenai saham yang
sebaiknya dibeli atau dijual. hasil penelitian menginformasikan kepada investor terkait saham Bank Umum
Konvensional yang efisien menurut perhitungan CAPM

KESIMPULAN
Berdasarkan hasil analisis data yang telah dilakukan selama 36 bulan yaitu dari bulan Januari 2015
hingga Desember 2017, diketahui bahwa dari 33 saham terdapat 6 saham yang memiliki rata-rata
return saham negatif (Ri<0) sedangkan 27 saham lainnya positif (Ri>0). Saham yang memiliki risiko
sistematis (Beta) diperoleh Bank Danamon Indonesia (BDMN) Tbk sebesar . Nilai beta terendah
yang diperoleh Bank QNB Indonesia Tbk atau saham BKSW adalah sebesar -1,28885. Nilai E(Ri)
tertinggi diperoleh dari Bank QNB Indonesia Tbk (BKSW) yaitu sebesar 0,22454 sedangkan nilai
E(Ri) terendah diperoleh dari Bank Mitraniaga Tbk sebesar -0,09426. Hasil ini menunjukkan bahwa
hubungan antara risiko sistematis dan tingkat pengembalian yang diharapkan bersifat positif dan
linier.
Berdasarkan 33 saham yang dijadikan sampel penelitian, terdapat 14 saham efisien dan 19 saham
tidak efisien berdasarkan metode Capital Assets Pricing Model (CAPM). Saham efisien atau saham
yang tingkat pengembalian individunya lebih besar dari tingkat pengembalian yang diharapkan
[Ri>E(Ri)] dan dikatakan sebagai saham yang undervalued.
Saham yang efisien antara lain saham AGRO, BACA, BBCA, BBNI, BBTN, BBYB, BDMN, BINA,
BJBR, BMRI, BNGA, BNII, BVIC dan NAGA. Setelah melakukan analisis, dapat disimpulkan
bahwa pengambilan keputusan investasi yang tepat bagi saham yang efisien adalah membeli saham
karena saham tersebut undervalued (murah), sedangkan untuk saham yang tidak efisien adalah
menjual sebelum harga menurun karena saham tersebut overvalued (mahal). Saat harga saham turun,
investor sebaiknya membeli dan menahannya untuk kemudian hari pada saat naik sebaiknya dijual
untuk mendapatkan keuntungan yang maksimal.

REFERENCES
Bodie, Zvi, Alex Kane dan Alan J. Marcus. 2014. Manajemen Portofolio dan Investasi. Buku 1 Edisi 9.
Jakarta: Salemba Empat.
Fahmi dan Yovi Lavianti Hadi. 2009. Teori Portofolio dan Analisis Investasi. Bandung: Alfabeta.
Fahmi, Irham, dan Hadi.. 2011. Teori Portofolio dan Analisis Investasi. Edisi Kedua. Bandung: Alfabeta.
Fahmi, Irham. 2015. Manajemen Investasi: Teori dan Soal Jawab. Jakarta. Salemba Empat
Hadi, Nor, Dr. SE., M.Si., Akt. 2013. Pasar Modal; Acuan Teoritis dan Praktis Investasi di Instrumen
Keuangan Pasar Modal. Yogyakarta. Graha Ilmu
Halim, Abdul. 2015. Analisis Investasi di Aset Keuangan. Jakarta. Mitra Wacana Media
Jogiyanto, Hartono. 2017. “Teori Portofolio Dan Analisis Investasi”.BPFE , Yogyakarta.
Martalena, dan Malinda. 2011. Pengantar Pasar Modal. Yogyakarta: Andi.
Reilly, Frank K dan Brown, Keith C, 2012. Investment Analysis and Portfolio Management, Tenth Edition,
USA: South Western Cengage Learning
Tandelilin, Eduardus. 2010. Portofolio dan Investasi Teori dan Aplikasi. Edisi pertama. Yogyakarta :
Kanisius
Zubir, Zalmi. 2013. Manajemen Portofolio: Penerapannya dalam Investasi Saham. Jakarta. Salemba
Empat