Chapter 7 : THE CORRELATION STRUCTURE OF

SECURITY RETURN :The Single Index Model

Group 2
Deden
Mohamad Ihsan
Kartika Adila
Yola Hesptasari
01 The inputs to Portfolio Analysis Single-Index Model

02 Characteristics of the Single-Index Model

03 Estimating Beta

04 The Market Model

Highlights
Untuk menentukan expected return
(pengembalian yang diharapkan) dan standard
deviation of return (deviasi standar The Correlation
pengembalian) suatu portofolio. Pengembalian
yang diharapkan dapat digunakan secara langsung
Structure of
untuk memperkirakan pengembalian yang Security Returns :
diharapkan dari
persamaan berikut:
sebuah portfolio dengan
The Single Index
Model
 Iss ue
ketika pasar naik sebagian besar
saham cenderung naik harganya,
dan ketika pasar turun, sebagian
The Inputs to besar saham cenderung turun
harganya yang mempengaruhi
Portfolio securities return

Analysis Single- Iss ue Ana lys is

Index Model Respons yang sama terhadap
perubahan pasar, dan ukuran yang
berguna dari korelasi ini dapat
diperoleh dengan mengaitkan laba
atas saham dengan pengembalian
indeks pasar saham.
 Stock Return
  𝑅𝑖= 𝛼 𝑖 + 𝛽 𝑖 𝑅 𝑚

 
komponen pengembalian sekuritas i yang tidak bergantung pada
kinerja pasar
= konstanta yang mengukur perubahan yang diharapkan dalam
dengan adanya perubahan
= tingkat pengembalian indeks pasar
 
Dalam menentukan karaktristik dari Single index Model,
diharuskan untuk menetukan beta pada portofolio P sebagai rata-
rata tertimbang individu yang ada di setiap saham dalam
portofolio, di mana bobotnya adalah sebagian kecil dari portofolio
yang diinvestasikan di setiap saham. Dengan persamaan:
Characteristics of the
Lalu, tentukan alpha pada portofolio P
Single-Index Model
Maka persamaannya adalah
Ṝᴩ = α p +

Beta di pasar adalah 1 dan saham dianggap berisiko lebih atau

kurang daripada pasar, menurut apakah versi beta mereka lebih
besar atau lebih kecil dari 1.
 Penggunaan model indeks tunggal memerlukan estimasi beta dari setiap saham

yang merupakan kandidat potensial untuk dimasukan dalam portfolio. Beta suatu

sekuritas dapat dihitung dengan teknik estimasi yang menggunakan data historis.

Beta yang dihitung berdasarkan data historis ini selanjutnya dapat digunakan

Estimating Beta
untuk mengestimasi Beta masadatang. Bukti-bukti empiris menunjukkan bahwa

Beta historis mampu menyediakan informasi tentang Beta masa depan. Analis

sekuritas dapat menggunakan faktor-faktor lain yang diperkirakan dapat

mempengaruhi Beta masa depan.

 Beta historis dapat dihitung dengan menggunakan data historis berupa data pasar

(return-return sekuritas dan return pasar), data akuntansi (laba-laba perusahaan

dan laba indeks pasar) atau data fundamental (menggunakan variabel-variabel

fundamental). Beta yang dihitung dengan data akuntansi disebut dengan Beta

akuntansi dan Beta yang dihitung dengan data fundamental disebut dengan Beta

Fundamental.
Estimating Historical Betas
 
Utuk memperkirakan beta untuk sebuah perusahaan untuk periode dari t = 1 ke t =
60 melalui analisis regresi, dengan persamaan sebagai berikut:

Untuk memperkirakan alfa dengan:

 Ac c urac y of Historica l Be tas

Langkah logis pertama dalam melihat beta adalah melihat

seberapa besar hubungan antara beta dalam satu periode dan
beta dalam periode yang berdekatan. Blume (1970) dan levy
(1971) telah melakukan pengujian dari waktu ke waktu.

Beta historis mempunyai hubungan dengan beta masa datang.

Hubungan ini akan semakin kuat untuk beta portofolio yang
mempunyai banyak sekuritas di dalamnya karena kesalahan
perhitungan beta untuk masing-masing sekuritas akan saling
meniadakan (Blume, 1975)
 Adjusting Historical Estimates diukur dengan
asumsi bahwa hubungan antara Rit dan Rmt

Adjus t ing dijelaskan oleh distribusi normal bivariat stasioner,

maka kesalahan standar dalam pengukuran beta
His toric a l untuk keamanan diberikan oleh
Es t ima te s
Beta suatu sekuritas dapat dihitung dengan
Kesalahan standar untuk β pada portofolio diberikan
teknik estimasi yang menggunakan data
oleh
historis dikombinasi dengan faktor-faktor
lain yang diperkirakan dapat mempengaruhi
beta masa depan kemudian digunakan untuk
Dimana
mengestimasi beta yang akan datang.
Measuring the Tendency of Betas to Regress toward 1
— Blume’s Technique
 
Karena beta dalam periode perkiraan cenderung lebih dekat ke 1 daripada perkiraan yang diperoleh
data historis, langkah nyata berikutnya adalah mencoba memodifikasi beta
masalalu untuk menangkap kecenderungan ini. Blume (1975) adalah orang pertama yang
mengusulkan skema untuk melakukannya. Dia mengoreksi versi beta sebelumnya olehmengukur
langsung penyesuaian ini ke 1 dan mengasumsikan bahwa penyesuaian dalamsatu periode adalah
perkiraan yang baik untuk penyesuaian selanjutnya. Ketika Blume melakukan ini untuk periode yang
disebutkan, dia mendapatkan

Ket :
= singkatan dari beta pada saham i pada periode selanjutnya
= singkatan dari beta untuk saham i untuk periode sebelumnya
 Accuracy of Adjusted Beta (Akurasi Beta
yang Disesuaikan
Salah satu cara beta dapat digunakan adalah untuk menghasilkan perkiraan
korelasi antara sekuritas. Korelasi antara saham (dengan asumsi model indeks
tunggal) dapat dinyatakan sebagai fungsi beta:

Cara lain untuk menguji kegunaan beta, serta kinerja perkiraan alternatif beta,
adalah dengan melihat seberapa baik beta memperkirakan struktur korelasi antar
sekuritas.
Elton, Gruber, dan Urich (1978) telah
membandingkan kemampuan model berikut untuk
meramalkan struktur korelasi antar sekuritas:
1. Matriks korelasi historis itu sendiri
2. Prakiraan matriks korelasi yang dibuat dengan
Beta sebagai
memperkirakan beta dari riwayat sebelumnya
Titik
Peramal
3. Prakiraan matriks korelasi yang disiapkan
dengan memperkirakan beta dari dua
Koefisien
sebelumnya periode dan memperbarui melalui
teknik Blume
Korelasi
4. Prakiraan disiapkan seperti pada model ketiga
tetapi pembaruan dilakukan melalui teknik
Vasicek Bayesian
 Fundamental Betas
• Beta fundamental memiliki kelebihan yaitu: beta ini secara langsung berhubungan dengan orang perubahan karakteristik perusahaan. Beta

fundamental ini juga memiliki kekurangan yaitu: variabel karakteristik-karakteristik perusahaan mempunyai efek terhadap beta
fundamental yang sama untuk semua perusahaan.  Untuk mengurangi kelemahan-kelemahan yang ada dalam kedua beta tersebut,
Rosenberg dan Marathe yaitu dengan menggabungkan data karakteristik perusahaan dengan data return pasar untuk menghitung beta dan
menambahkan efek dari industri sebagai variabel-variabel. Dengan menggunakan 101 variabel yang ada tersebut disimpulkan bahwa
terdapat perbedaan yang kuat antara Beta untuk industri-industri yang berbeda.
• Beaver, Kettlerdan Scholes menggunakan tujuh macamvariabel yang merupakan variabel-variabel fundamental. Sebagian besar dari

variabel-varibel tersebut secara umum dianggap bervariasi dengan risiko, tetapi secara teori mungkin tidak semuanya berhubungan dengan
risiko. Ketujuh variabel-veriabel yang digunakan adalah Dividend Payout , Accounting Beta, Asset Growth, Leverage, Liquidity, Asset Size
dan Earnings Variability.
 THE MARKET MODEL

Beta pasar maupun beta fundamental memiliki kelebihan dan kekurangan. Kelebihan dari beta pasar adalah: beta ini mengukur
respon dari masing-masing sekuritas terhadap pergerakan pasar. Sedangkan kelemahan beta pasar adalah: beta ini tidak langsung
mencerminkan perubahan dari karakteristik perusahaan karena dihitung berdasar data pasar.

dan menghasilkan nilai yang diharapkan untuk setiap saham

Karena tidak membuat asumsi bahwa semua kovarian di antara saham disebabkan oleh kovarian yang sama dengan pasar,
bagaimanapun, ini tidak mengarah pada ekspresi sederhana dari risiko portofolio yang muncul di bawah model indeks tunggal.
 Chapter 8: Multi Index Factor
Model multi-faktor adalah kombinasi dari berbagai elemen atau faktor yang berkorelasi dengan
pengembalian aset. Model tersebut menggunakan faktor-faktor tersebut untuk menjelaskan keseimbangan
pasar dan harga aset. Dalam model multi-faktor, berbagai faktor dikaitkan dengan karakteristik tertentu
(seperti risiko), dan ini membantu menentukan bobot atau pentingnya faktor tersebut saat menghitung
harga atau pengembalian aset..

Multi Index Model adalah model yang menggunakan lebih dari satu indeks yang mempengaruhi return
saham

Multi-index models lebih berpotensi dalam upaya untuk mengestimasi expected return, standar
deviasi dan kovarians efek secara akurat dibanding single index models. Pengembalian aktual efek tidak
hanya sensitif terhadap perubahan IHSG, artinya terdapat kemungkinan adanya lebih dari satu faktor
yang dapat mempengaruhinya. Multi index models menganggap bahwa ada faktor lain selain IHSG
yang dapat mempengaruhi terjadinya korelasi antar efek,misalnya tingkat bunga bebas risiko(Halim;
2005:86).

Kegunaan Multi Index Factor :

1. memprediksi koefisien korelasi
2. dapat digunakan untuk membentuk ekspektasi return
GENERAL MULTI INDEX MODEL
Asumsi Multi Index Model

Place Your Picture Here

Kovarian Antar Residual Saham bernilai nol.

1. Pengujian kovarian antara residual saham dengan indeks bertujuan untuk menguji ada atau tidaknya korelasi
antara residual saham dengan indeks. Pada Multi Index Model, residual saham harus tidak memiliki korelasi
dengan indeks. Berdasarkan hasil uji korelasi diperoleh bahwa tidak terdapat korelasi antara masing-masing
residual saham dengan indeks. Sehingga saham-saham tersebut memenuhi asumsi untuk dijadikan sebagai
portofolio optimal menggunakan Multi Index Mode

Pengujian kovarian antar residual setiap saham bertujuan untuk menguji ada atau tidaknya korelasi
antar residual saham-saham tersebut. Pada Multi Index Model, residual saham-saham tersebut
harus tidak memiliki korelasi satu dengan yang lainnya.
Add Text

Add Text Add Text

Fama–French Models

Fama dan French meletakkan dasar untuk model multi-

indeks berdasarkan karakteristik perusahaan di a FUNDAMENTA
serangkaian artikel yang diterbitkan pada awal 1990-an.
Mereka menemukan bahwa kedua ukuran (kapitalisasi
pasar) dan rasio nilai buku ekuitas terhadap nilai pasar L MULTI-INDEX
ekuitas memiliki pengaruh yang kuat peran dalam
menentukan penampang pengembalian rata-rata saham
biasa. Alasan itu keduanya proksi untuk risiko, mereka MODELS
menemukan (dalam tes multivariat) bahwa penampang
rata-rata pengembalian berhubungan negatif dengan
ukuran dan berhubungan positif dengan rasio buku ke
Dua jenis model multi-indeks fundamental
pasar. Secara sederhana istilah, perusahaan kecil dan telah menerima banyak perhatian di: literatur
perusahaan dengan book to market yang rendah lebih
berisiko daripada perusahaan lain.
akademis dan praktisi. Satu set model berasal
dari karya Fama dan Prancis (1993). Yang
lainnya berasal dari karya Chen, Roll, dan
Ross (1986).
Chen, Roll, and Ross Model FUNDAMENTA
Mnalisis didasari oleh banyak model yang akan diikuti.
Chen, Roll, dan Ross menghipotesiskan serangkaian
pengaruh luas yang dapat memengaruhi pengembalian
L MULTI-INDEX
keamanan. Pekerjaan mereka adalah berdasarkan dua
konsep. Yang pertama adalah bahwa nilai suatu saham
sama dengan saat ini nilai arus kas masa depan kepada
MODELS
pemegang ekuitas. Jadi pengaruh yang mempengaruhi
baik ukuran arus kas masa depan atau fungsi (tingkat
diskonto) yang digunakan untuk menilai arus kas cash
(continued)
mempengaruhi harga. Setelah satu set variabel yang
mempengaruhi harga diidentifikasi, konsep kedua mereka
Dua jenis model multi-indeks fundamental
ikut bermain. Mereka berpendapat bahwa karena telah menerima banyak perhatian di: literatur
keyakinan saat ini tentang variabel-variabel ini adalah
tergabung dalam harga, hanya inovasi atau perubahan tak
akademis dan praktisi. Satu set model berasal
terduga dalam variabel-variabel ini yang dapat dari karya Fama dan Prancis (1993). Yang
mempengaruhi pengembalian
lainnya berasal dari karya Chen, Roll, dan
Ross (1986).
 Chen, Roll, and Ross Model (continued)
multi-indeks pada karya Chen, Roll, dan Ross. Mereka menemukan bahwa lima variabel cukup untuk menggambarkan
pengembalian keamanan. Mereka mempekerjakan dua variabel yang terkait dengan tingkat diskonto yang digunakan untuk
mencari nilai sekarang dari arus kas, satu terkait dengan ukuran arus kas dan tingkat diskonto, satu terkait hanya dengan uang
tunai arus, dan variabel yang tersisa yang menangkap dampak pasar yang tidak tergabung menjadi empat variabel pertama.
I1 = one-half of 1% plus the return on long-term government bonds
minus the return on long-term corporate bonds
I2 = return on long-term government bonds minus return on the one-month
Treasury bill one month in the future
I3 = rate of inflation expected at the beginning of the month minus the actual rate
of inflation realized at the end of the month
I4 expected long-run growth rate in real final sales expected at the beginning
of the month minus the expected long-run growth rate in real final rates expected at the end of the month12
To obtain this variable, they first run a time series regression ofthe S&P index on the four variables discussed previously and
obtain the following results:

I5 = (Rm -RF) - (0.0022 -1.33I1 + 0.56I2 + 2.29I3 - 0.93I4)

Tujuh variabel untuk menjelaskan pengembalian sekuritas:

 Economic growth
 Business cycle. Chen, Roll, and Ross
 Long-term interest rates.
 Short-term interest rates.
Model (continued)
 Inflation stock.
 U.S. dollar.
 That part of the market index that is uncorrelated with the six
indexes previously described.
 Improving Forecasts of Correlation
Elton, Gruber, dan Spitzer (2006) menemukan bahwa lebih baik prakiraan dapat disiapkan dengan prosedur dua langkah.
Langkah 1 melibatkan peramalan masa depan tingkat korelasi rata-rata antara saham, sedangkan langkah 2 melibatkan
peramalan perbedaan masa depan dari rata-rata. Mereka menemukan bahwa mulus eksponensial (dengan koefisien pemulusan
0,5) atau rata-rata bergulir dari serangkaian masa lalu dari koefisien korelasi rata-rata bekerja paling baik dalam memprediksi
koefisien korelasi rata-rata masa depan. Mereka juga menemukan bahwa melanggar keseluruhan populasi ke dalam kelompok
berdasarkan keanggotaan industri atau karakteristik perusahaan (ukuran dan beta) dan dengan asumsi bahwa korelasi rata-rata
dalam setiap kelompok, dan di antara saham dalam dua pasangan kelompok tertentu, adalah sama dan sama dengan nilai
historisnya meningkat hasil peramalan.