MODEL INDEKS TUNGGAL:

PENYEDERHANAAN ANALISIS
PORTOFOLIO
 Nama Anggota:

01 02
Safira Dita Prawesti Destia Ayu Wahyuni
1922100014 1922100025

03
Asri Putri Kurniawati
1922100043
 Masukan untuk Analisis Portofolio

Sewaktu kita melakukan analisis portofolio, perhatian kita akan

terpusat pada dua parameter, yaitu tingkat keuntungan yang
diharapkan dan devinsi standar tingkat keuntungan portofolio yang
efisien. Tingkat keuntungan yang diharapkan dari portofolio
dinyatakan sebagai:
E(Rp) = Ʃ Xi E(Rp)
Sedangkan deviasi standar portofolio dinyatakan sebagai
σp = [Ʃ Xl2 σi2 + Ʃ Ʃ Xi Xj σij] 1/2

Untuk keperluan analisis portofolio memang disyaratkan bahwa

data yang kita pergunakan harus mempunyai sifat stationary.
Stationary ini ditunjukkan dari stabilnya nilai mean dan variance.
 Konsep Model Indeks Tunggal
Kalau kita melakukan pengamatan maka akan nampak bahwa pada
saat "pasar membaik (yang ditunjukkan oleh indeks pasar yang
tersedia") harga saham-saham individual juga meningkat.

Demikian pula sebaliknya pada saat pasar memburuk maka harga

saham-saham akan turun harganya. Hal ini menunjukkan bahwa
tingkat keuntungan suatu saham nampaknya berkorelasi dengan
perubahan pasar.
Kalau perubahan pasar bisa dinyatakan sebagai tingkat keuntungan indeks pasar, maka
tingkat keuntungan suatu saham bisa dinyatakan sebagai,

Ri = αi + βi Rm

Parameter a menunjukkan komponen tingkat keuntungan yang tidak terpengaruh oleh

perubahan indeks pasar. Parameter ini bisa dipecah menjadi dua, yaitu o (alpha) yang
menunjukkan nilai pengharapan dari a, dan e yang menunjukkan elemen acak dari a.
Dengan demikian maka

dan e mempunyai nilai pengharapan sebesar nol. Persamaan tingkat keuntungan suatu
salam sekarang bisa dinyatakan sebagai.
 Model Indeks Tunggal untuk
portofolio
Model indeks tunggal akan mampu mengurangi jumlah variabel yang perlu
ditaksir karena utnuk portofolio indeks tunggal mempunyai karakteristik
sebagai berikut: Beta potofolio (βp) merupakan rata rata tertimbang dari
beta saham saham yang membentuk portofolio tersebut
Dinyatakan dalam rumus:
βp = Ʃ Xi βi
Dengan demikian alpha portofolio adalah αp = Ʃ Xi α i
 Apabila pemodal menginvestasikan dananya dengan proporsi yang sama
pada N saham, maka variance portofolio dapat dinyatakan sebagai:

σp2 = βp2 σm2 + (1/N) [Ʃ(1/N) (σei2)]

Apabila nilai N menjadi makin besar (artinya makin banyak saham yang
dipergunakan untuk membentuk portofolio), makin kecillah nilai term kedua
dari persamaan tersebut. Karena term tersebut menunjukkan risiko sisa
(residual risk atau unsystematic risk) maka ini berarti bahwa sumbangan risiko
sisa terhadap risiko portofolio menjadi makin kecil apabila kita memperbesar
jumlah saham yang ada dalam portofolio.
Menaksir Beta
Menaksir Beta Historis
Persamaan Ri = αi + βi Ri + ei
Persamaaan ini tidak lain merupakan persamaan regresi linier sederhana
yang bisa dipecahkan dengan rumus regresi. Informasi yang diperlukan
adalah series tentang tingkat keuntungan suatu saham (Ri) dan tingkat
keuntungan indeks pasar (Rm).
 Beta menunjukkan kemiringan garis regresi tersebut dan α
menunjukkan intercept dengan sumbu Rit. Semakin besar beta, semakin
curam juga kemiringan garis tersebut. Penyebaran titik titik pengamatan
disekitar garis regresi tersebut menunjukkan resiko sisa (σ ei2) sekuritas
yang diamati. Semakin menyebar titik-titik tersebut,semakin besar risiko
sisanya.
 Menyesuaikan Taksiran Beta Historis
Blume (1971) mengamati beta dari berbagai portofolio pada dua periode yang
berurutan ,yaitu beta pada periode Juli 1954 - Juni 1961 dan periode Juli 1961 -
Juni 1968.
 Tabel tersebut menunjukkan ada kecenderungan bahwa apabila pada
periode pertama beta suatu portofolio kecil, yaitu dibawah 1 maka periode
berikutnya akan terjadi kenaikan. Semisal beta portofolio pertama 0,393
pada periode pertama kemudian beta portofolio ini meningkat menjadi 0,620
pada periode kedua. Kalau beta pada periode tersebut diregresikan maka
akan diperoleh persamaan:
βi2 = 0,343 +0,677 βi1

Dalam hal ini βi2 menunjukkan beta untuk sekuritas I pada periode 2 dan
βi1 menunjukkan sekuritas i pada periode 1. Jadi apabila menghitung beta
suatu sekuritas pada periode pertama sebesar 2 maka periode yang akan
datang kita akan memperkirakan bahwa beta sekuritas tersebut adalah
0,343 + 0,677 (2) = 1,697 dan bukan 2.
Beta Fundamental
Penggunaan beta bukan hanya bisa memperkecil jumlah variabel yang
harus ditaksir dan penggunaan data (beta) historis (setelah disesuaikan)
lebih bisa diandalkan, tetapi penggunaan beta juga memungkinkan kita
mengidentifikasikan faktor-faktor fundamental yang mungkin mempengaruhi
beta tersebut. Faktor-faktor fundamental ini yang tidak bisa
diidentifikasikan kalau kita menggunakan matrik koefisien korelasi historis.
Beta merupakan ukuran risiko yang berasal dari hubungan antara tingkat
keuntungan suatu saham dengan pasar. Risiko ini berasal dari beberapa
faktor fundamental perusahaan dan faktor karakteristik pasar tentang
saham perusahaan tersebut.
 Faktor-faktor yang diidentifikasikan mempengaruhi nilai beta:
1. Cyclicality. Faktor ini menunjukkan seberapa jauh suatu perusahaan
dipengaruhi oleh konjungtur perekonomian.
2. Operating leverage. Operating leverage menunjukkan proporsi biaya
perusahaan yang merupakan biaya. Semakin besar proporsi ini semakin
besar operating leveragenya
3. Financial leverage. Perusahaan yang menggunakan hutang adalah
perusahaan yang mempunyai financial leverage. Semakin besar proporsi
hutang yang dipergunakan, semakin besar financial leverage-nya.
Beberapa peneliti (Beaver, Kettler, and Scholes, 1970) mencoba merumuskan
beberapa variabel akuntansi untuk memperkirakan beta. Variabel yang dipergunakan
diantaranya adalah:
(l) Dividend Payout (yaitu perbandingan antara dividen per lembar saham dengan
laba
per lembar saham).
(2) Pertumbuhan aktiva (yaitu perubahan aktiva per tahun).
(3) Leverage (yaitu rasio antara hutang dengan total aktiva).
(4) Likuiditas (yaitu aktiva lancar dibagi dengan hutang lancar).
(5) Asset size (yaitu nilai kekayaan total).
(6) Variabilitas keuntungan (yaitu deviasi standar dari earnings price ratio).
(7) Beta akunting (yaitu beta yang timbul dari regresi time series laba perusahaan
terhadap rata-rata keuntungan semua (atau sampel) perusahaan.
Variabel (1) diharapkan mempunyai hubungan yang negatif dengan
beta. Variabel (2) dan (3) diharapkan mempunyai hubungan yang
positif. Variabel (4) diharapkan mempunyai hubungan negatif, dan
variabel (5) dan (6) mempunyai hubungan positif. Beta akunting
diharapkan mempunyai hubungan yang positif dengan beta pasar.
Regresi
Dalam analisis ekonomi, sering kita merasa tidak cukup dengan
sekedar mengetahui bagaimana hubungan (association) antara suatu
variabel dengan variabel yang lain. Kita ingin memperkirakan apa yang akan
terjadi dengan suatu variabel apabila variabel (atau variabel-variabel) yang
lain berubah. Hubungan fungsional ini dikenal sebagai regresi. Kadang-
kadang hubungan fungsional tersebut bersifat linier dan kadang-kadang
tidak. Meskipun demikian, dalam analisis portofolio kita menggunakan
hubungan yang bersifat linier.
Misalkan Y adalah tingkat keuntungan dari suatu saham dan X adalah tingkat
keuntungan portofolio pasar (atau indeks pasar).
Persamaan regresi yang dirumuskan adalah,
Y = a + bX

Sedangkan

dan
a = Y – bX
Misalkan data yang kita miliki selama 12 bulan pengamatan adalah sebagai
berikut (data ini sama dengan data pada Apendiks Bab 3)
Dengan rumus tersebut kita bisa menghitung,

Nilai ini merupakan nilai slope (kemiringan) garis regresi tersebut. Sedangkan
untuk nilai a kita bisa menghitung,
X = 1,99/12 Y = 2,39/12
= 0, 1658 = 0,1991
a = 0,1991 – (0,580)(0,1658)
= 0, 1028

Dengan demikian persamaan garis regresinya adalah

Y = 0,1028 – 0,580X
 Tentu saja tidak semua persamaan regresi yang dihitung memenuhi
persyaratan regresi yang baik secara statistik. Ada beberapa indikator yang
dinilai. Indikator-indikator tersebut pada dasarnya mengukur berapa
probabilitas parameter-parameter regresi (yaitu nilai a dan b) berbeda secara
nyata dari 0. Semakin besar kemungkinan berbedanya dari nol, semakin baik
persamaan regresi tersebut. Indikator tersebut sering dinyatakan dalam
bentuk t-value parameter regresi. Semakin besar nilai-t tersebut semakin
tidak bias penggunaan persamaan regresi tersebut. Sebagai rule of thumb biasa
dipergunakan nilai sekitar 2.
 ANY
QUESTIONS?
Pertanyaaan
Sesi 1
1. Putri
Apa keunggulan dari model indeks ?
2. Isnan 07
Apa yang dimaksut dengan beta portofolio ?
3. Usman 36
Mengapa model indeks tunggal dipergunakan dalam analisis portofolio ?

Sesi 2
2. Fauzi 31
Jelaskan konsep dasar pemikiran penggunaan model indeks tunggal ?