Portofolio Optimal dan SIM 1

PORTOFOLIO OPTIMAL DAN

SINGLE INDEX MODEL
Indifference curve
Efficient frontier
Single Index Model
 Portofolio Optimal dan SIM 2

Portofolio yang optimal

• Portofolio yang optimal adalah salah satu portofolio
efisien yang dipilih oleh seorang pemodal sesuai dengan
keberanian dia mengambil risiko.
• Keberanian mengambil risiko ditunjukkan oleh
indifference curve yang dimiliki pemodal.
 Portofolio Optimal dan SIM 3

Indifference curve
• Indifference curve merupakan suatu kurva
[dengan E(r) sebagai sumbu tegak dan  return
sebagai sumbu datar] yang menunjukkan
berbagai kesempatan investasi yang sama
menariknya bagi seorang pemodal.
• Karena itu indifference curve setiap pemodal bisa
berbeda satu dengan yang lain. Seorang
pemodal mungkin lebih berani mengambil risiko,
sementara lainnya sangat menghindari risiko.
 Portofolio Optimal dan SIM 4

Risk aversion
• Meskipun keberanian mengambil risiko setiap pemodal
berbeda, para pemodal diasumsikan sebagai orang yang
risk averse.
• Orang yang risk averse adalah orang yang menolak
taruhan yang fair.
• Ia akan meminta tambahan tingkat keuntungan yang
makin besar untuk tambahan satu unit risiko yang sama.
Dengan kata lain, indifference curve-nya akan berbentuk
kurva yang meningkat dengan tingkat yang makin besar.
 Portofolio Optimal dan SIM 5

Indifference curve orang yang risk averse

E(r)
IC1 lebih risk averse
dari pada IC2
IC1
IC2

0 σ
 Portofolio Optimal dan SIM 6

Kombinasi antara IC dan Efficient Frontier (EF)

E(r)

Portofolio yang optimal

IC

Efficient frontier

0 σ

• Bagaimana kalau EF berbentuk garis lurus?

 Portofolio Optimal dan SIM 7

Pilihan portofolionya tergantung pada bentuk ICnya

• Terlepas apakah EFnya berbentuk garis lengkung

ataupun garis lurus, hanya ada satu portofolio yang paling
sesuai untuk seorang pemodal (yaitu titik singgung antara
IC-nya dengan EF).
• Semakin berani seorang pemodal mengambil risiko (yang
ditunjukkan oleh IC yang makin datar) titik singgungnya
akan berada makin ke kanan atas.
 SIM 8

Single Index Model

• Single Index Model (SIM) adalah suatu model yang

dipergunakan untuk menyederhanakan analisis
portofolio, terutama untuk menaksir risiko portofolio.
Perhatikan bahwa SIM terutama bermanfaat untuk
pengambilan keputusan karena pengambil keputusan
harus menaksir parameter-parameter yang diperlukan.
• Kalau untuk evaluasi data historis, penggunaan SIM
dan Mean-Variance Model, tidak banyak bedanya.
 SIM 9

Kesulitan Mean-Variance Model

• Model mean-variance memerlukan penaksiran matriks
koefisien korelasi return antara pasangan-pasangan
sekuritas untuk menaksir risiko portofolio. Tetapi jumlah
korelasi ini akan menjadi sangat besar apabila jumlah
sekuritas dalam portofolio cukup besar.
• Jumlah koefisien korelasi mengikuti rumus berikut ini.
ij = [(N(N-1)]/2
Dalam hal ini N adalah jumlah saham dalam portofolio.
 SIM 10

Kesulitan Mean-Variance Model

• Lagi pula menggunakan korelasi historis untuk
memperkirakan korelasi di masa yad seringkali
tidak tepat karena koefisien korelasi sering tidak
stabil untuk waktu yang berbeda.
 SIM 11

SIM: teori
• Pemikiran SIM adalah bahwa ada satu faktor yang
mempengaruhi returns semua saham. Faktor yang
mempengaruhi biasanya adalah return pasar.
• Salah satu buku teks yang menjelaskan SIM adalah Elton
& Gruber, 2003 (Modern Portfolio Theory and Investment
Analysis). Jones (2014) menyebutkan SIM dijelaskan
pada appendix 8A, tetapi appendixnya harus dilihat pada
www.wiley.com/college/jones
• Jones (2004) chapter 8 menjelaskan SIM.
 SIM 12

SIM: model

• Rumus yang digunakan adalah,

ri = ai + irm + ei. Dalam hal ini ri adalah return saham i,
dan rm adalah return pasar.
• Rumus utk saham individual dan portofolio adalah
sbb:

Saham individual Portofolio

Expected return E(ri ) = ai + iE(rm ) E(rp ) = ap + pE(rm )
Variance return i2 = i2 m2 + ei2 p2 = p2 m2 + Xi2 ei2
Covariance antar ij = i j m2
return
 SIM 13

Diversifikasi mengurangi risiko

• Persamaan untuk variance return portofolio, yaitu
• p2 = p2 m2 + Xi2 ei2
juga ditafsirkan sebagai
p2 = Total risk
p2 m2 = Systematic risk
Xi2 ei2 = Unsystematic risk
 SIM 14

Unsystematic risk berkurang (hilang) karena

diversifikasi
• Perhatikan bahwa apabila kita membentuk
portofolio dengan proporsi yang sama (xi = 1/N),
variance portofolio akan menjadi
p2 = p2 m2 + (1/N)[(1/N) ei2]
Apabila N mendekati tidak terhingga (∞), maka
 p 2 =  p 2  m2 .
• Dengan kata lain unsystematic risk dapat
dikurangi dengan diversifikasi yaitu dengan
menambah jumlah saham dalam portofolio.
 SIM 15

Diversifikasi mengurang risiko

Av. SD

Unsystematic risk
Total risk

Systematic risk

0 N dalam portofolio
 SIM 16

Risiko portofolio tergantung pada beta saham-saham

yang membentuk portofolio
• Persamaan p2 = p2 m2 juga menunjukkan bahwa risiko
portofolio tergantung pada beta portofolio tsb. Karena
beta portofolio merupakan rata-rata tertimbang beta
saham-saham yang membentuk portofolio, maka risiko
portofolio tergantung pada beta saham-saham yang
membentuk portofolio tsb.
• Jadi apabila pemodal ingin mempunyai p2 yang rendah
(tinggi) maka ia harus membentuk portofolio yang terdiri
dari saham-saham dengan beta yang rendah (tinggi).
 SIM 17

Bagaimana menaksir beta dengan SIM?

• Regresikan returns saham i pada waktu ke t (ri,t)
dengan returns pasar pada waktu ke t (rm,t).
Koefisien regresinya menunjukkan beta saham
tersebut.
• Slide 18 sd 21 mengilustrasikan data dan hasil
penaksiran beta dengan SIM.
 SIM 18

Table 1.
Harga dan tingkat keuntunganASII dan BBRI, Indeks Pasar (IHSG) dan tingkat
keuntungan indeks, Jan 2006 – Dec 2007

Date ASII r.ASII BBRI r.BBRI IHSG r.IHSG

2006.01 10,400 -0.0594 3,400 -0.0451 1,232.32 -0.0013
2006.02 9,800 0.1556 3,250 0.2013 1,230.66 0.0723
2006.03 11,450 0.0427 3,975 0.1514 1,322.97 0.1015
2006.04 11,950 -0.1983 4,625 -0.1577 1,464.41 -0.0962
2006.05 9,800 -0.0051 3,950 0.0372 1,330.00 -0.0149
2006.06 9,750 -0.0155 4,100 0.0418 1,310.26 0.0311
2006.07 9,600 0.1451 4,275 0.0174 1,351.65 0.0572
2006.08 11,100 0.1147 4,350 0.1190 1,431.26 0.0697
2006.09 12,450 0.0735 4,900 0.0000 1,534.61 0.0308
2006.10 13,400 0.1742 4,900 0.0879 1,582.63 0.0826
2006.11 15,950 -0.0158 5,350 -0.0381 1,718.96 0.0491
2006.12 15,700 -0.0557 5,150 0.0287 1,805.52 -0.0271
 SIM 19

Table 1.
Harga dan tingkat keuntunganASII dan BBRI, Indeks Pasar (IHSG)
. . . . (lanjutan)
Date ASII r.ASII BBRI r.BBRI IHSG r.IHSG
2007.01 14,850 -0.0554 5,300 -0.1095 1,757.26 -0.0093
2007.02 14,050 -0.0624 4,750 0.0612 1,740.97 0.0503
2007.03 13,200 0.0870 5,050 0.0388 1,830.92 0.0879
2007.04 14,400 0.1300 5,250 0.1500 1,999.17 0.0417
2007.05 16,400 0.0300 6,100 -0.0591 2,084.32 0.0260
2007.06 16,900 0.1039 5,750 0.0913 2,139.28 0.0933
2007.07 18,750 -0.0492 6,300 -0.0079 2,348.67 -0.0679
2007.08 17,850 0.0755 6,250 0.0545 2,194.34 0.0724
2007.09 19,250 0.2850 6,600 0.1606 2,359.21 0.1137
2007.10 25,600 -0.0237 7,750 0.0064 2,643.49 0.0168
2007.11 25,000 0.0880 7,800 -0.0526 2,688.33 0.0211
2007.12 27,300 -0.0018 7,400 -0.0555 2,745.83 -0.0442
2008.01 27,250 na 7,000 na 2,627.00 na
 SIM 20

Taksiran beta ASII dan BBRI. Indeks pasar diwakili oleh IHSG.

LS // Dependent Variable is r.ASII

Date: 4-23-2009 / Time: 10:25
SMPL range: 2006.01 - 2007.12
Number of observations: 24
========================================================================
VARIABLE COEFFICIENT STD. ERROR T-STAT. 2-TAIL SIG.
========================================================================
C -0.0067704 0.0154951 -0.4369395 0.6664
r.IHSG 1.4872146 0.2501852 5.9444550 0.0000
========================================================================
R-squared 0.616301 Mean of dependent var 0.040135
Adjusted R-squared 0.598860 S.D. of dependent var 0.103150
S.E. of regression 0.065330 Sum of squared resid 0.093898
Log likelihood 32.46872 F-statistic 35.33654
Durbin-Watson stat 2.188026 Prob(F-statistic) 0.000006
========================================================================
 SIM 21

Regresi tersebut menunjukkan bahwa beta ASII adalah 1.49, dan BBRI adalah
1.20. Perhatikan bahwa beta tersebut signifikan secara statistik pada level 5%.

LS // Dependent Variable is r.BBRI

Date: 4-23-2009 / Time: 10:25
SMPL range: 2006.01 - 2007.12
Number of observations: 24
========================================================================
VARIABLE COEFFICIENT STD. ERROR T-STAT. 2-TAIL SIG.
========================================================================
C -0.0078660 0.0146464 -0.5370592 0.5966
r.IHSG 1.2034154 0.2364811 5.0888430 0.0000
========================================================================
R-squared 0.540675 Mean of dependent var 0.030089
Adjusted R-squared 0.519796 S.D. of dependent var 0.089112
S.E. of regression 0.061752 Sum of squared resid 0.083893
Log likelihood 33.82072 F-statistic 25.89632
Durbin-Watson stat 2.881297 Prob(F-statistic) 0.000042
========================================================================
 SIM 22

Faktor-faktor apa yang mempengaruhi beta?

• Beta adalah ukuran risiko ekuitas. Karena itu beta
dipengaruhi oleh;
• Risiko bisnis (Brealey, Myers, and Allen, 2006)
• Diukur dengan cyclicality of sales. Seberapa peka penjualan
dipengaruhi oleh kondisi makro ekonomi.
• Diukur dengan operating leverage. Seberapa besar proporsi
biaya tetap dalam struktur biaya?
• Risiko finansial
• Diukur dengan financial leverage. Berapa banyak perusahaan
berhutang?
 SIM 23

Dapatkah kita menggunakan beta historis untuk

menaksir beta di masa yad?
• Meskipun beta relatif stabil, tetapi ada kecenderungan
bergerak ke arah satu
• Beberapa penelitian menunjukkan bahwa beta di masa
yad dapat ditaksir dengan lebih akurat dengan
memodifikasi beta historis.
 SIM 24

Beberapa model untuk menaksir future beta

• Pendekatan yang sederhana;
• Beta saat ini = a + b (Beta waktu lalu). Dengan
menaksir a dan b, kita dapat menaksir future beta
dengan,
• Forecast beta = a + b (Beta saat ini).
• Model yang lebih kompleks,
• Current beta = a + b1 (Past beta) + b2 (Firm size) + b3
(Debt ratio).
• Taksiran a dan b1 sd b3 dapat digunakan untuk
menaksir future beta.