PORTOFOLIO MEAN-

VARIANCE
Portofolio Efisien
• Portofolio efisien adalah portofolio yang memberikan risiko
terkecil pada tingkat keuntungan tertentu atau portofolio yang
memberikan return tertinggi pada tingkat risiko tertentu
Portofolio Optimal
• Portofolio optimal adalah portofolio yang dipilih seorang investor dari
sekian banyak pilihan yang ada pada kumpulan portofolio yang efisien
• Asumsi:
 investor hanya berinvestasi pada aset-aset berisiko saja
 preferensi investor terhadap risiko adalah risk averse (menghindari risiko),
METODE LAGRANGE
• Pengali Lagrange adalah metode untuk mencari nilai
maksimum dan minimum suatu fungsi.

• Masalah optimasi: • Masalah optimasi:

Kendala Kendala

• Dimana: f(x,y) adalah fungsi tujuan

• g(x,y) adalah fungsi kendala
• x, y adalah variabel keputusan.
• (λ) yang disebut "pengali Lagrange”
SOLUSI
• Diasumsikan bahwa f dan g memiliki turunan parsial
pertama.

• Fungsi Lagrange didefinisikan sebagai berikut:

Nilai maksimum/minimum adalah:

;;
Portofolio Global Minimum Variance (GMV)
• Model 1: Portofolio yang meminimumkan risiko
• Artinya akan dicari vektor pembobotan w agar
portofolio yang dibentuk mempunyai variansi yang
minimum berdasarkan satu batasan sebagai berikut :

min wT w
kendala wT e  1

Persamaan kendala menyatakan bahwa jumlah dari

bobot atau proporsi dari portofolio yang terbentuk
sama dengan 1
COntoh
• Membentuk protofolio dari 2 asset

Kendala
Kendala:
 Dengan menggunakan metode Lagrange, maka model 1
menjadi
L  wT w   1  wT e  (1.1)
• Turunkan persamaan Lagrange terhadap w, kemudian
samakan dengan nol.
L
 2w   e  0
w
1 (1.2)
w   1e
2
Dari persamaan kendala diperoleh :
1
e w  1   eT  1e  1
T
Dimensi e = n x 1 2
å =n xn 2
  T 1 (1.3)
e  e
L=

• Membentuk protofolio dari 2 asset

Dari persamaan 1.2

Kemudian dari persamaan 1.3

Maka portofilio optimal

Selanjutnya persamaan (1.3) dimasukan ke dalam
persamaan (1.2) , diperoleh portofolio model GMV yaitu:

 1e
w T 1
(1.4)
e  e

Persamaan bobot portofolio optimal model GMV hanya

dipengaruhi oleh matriks kovariansi
• > S=matrix(c(0.0146, 0.0187,0.0187,0.0854), 2)
• >S
• [,1] [,2]
• [1,] 0.0146 0.0187
• [2,] 0.0187 0.0854
• > InvS=solve(S)
• > InvS
• [,1] [,2]
• [1,] 95.19032 -20.84378
• [2,] -20.84378 16.27376
• > e=c(1,1)
• >e
• [1] 1 1
• > a=InvS %*% e
• >a
• [,1]
• [1,] 74.346542
• [2,] -4.570027
• > b=t(e) %*% InvS %*% e
• >b
• [,1]
• [1,] 69.77651
• > b=69.77651
Dengan menggunakan data pada ilustrasi 1, maka
matriks inversnya adalah:
1 1  0.0854  0.0187
  2   0.0187 
0.0146(0.0854)  (0.0187)  0.0146 
 95.19  20.84
 
  20. 84 16.27 

Dengan menggunakan persamaan (1.4) maka bobot

optimal adalah:
Short sell
diperbolehkan
 74.35 
 4.57
   1.066 
w  
69.78   0 .066
Latihan 2
• Cari portofolio optimal model GMV untuk data pada Latihan 1, jika
diketahui matriks invers
• adalah
•
LATIHAN 3
• Pilihlah 3 jenis saham yang terdaftar di JII, catat harga saham harian
selama 1 tahun periode (tahun 2018). Buatlah portofolio dari ketiga
saham tersebut, gunakan portofolio mode GMV!
• Uraikan secara lengkap proses perhitungannya!
Portofolio Mean-Variance
• Model 2: Portofolio yang meminimumkan risiko
• Artinya akan dicari vektor pembobotan w agar
portofolio yang dibentuk mempunyai variansi yang
minimum berdasarkan dua batasan sebagai berikut :

1. Spesifikasi awal dari mean return harus

tercapai, yakni
T w  R
2. Jumlah dari bobot atau proporsi dari portofolio
yang terbentuk sama dengan 1, yaitu
eT w  1
Model Portofolio Mean-Variance
• Model 2 min wT w
kendala wT   R
wT e  1

• Penyelesaian model diatas dapat diselesaikan dengan

menggunakan metode Lagrange.
• Metode Lagrange adalah suatu metode yang
digunakan untuk menyelesaikan masalah optimasi
dimana kendala dalam bentuk persamaan.
• Dengan menggunakan metode Lagrange,
maka model 2 menjadi:
  
L  wT w  1 R  wT   2 1  wT e  (2.1)

• Turunkan persamaan Lagrange terhadap w,

kemudian samakan dengan nol.
L
 2w  1  2 e  0 (2.2)
w
• Maka diperoleh :
2w  1  2 e
1 1
w   1  2 e  (2.3)
2
 T
• Berdasarkan persamaan kendala yaitu: e w  1
• Dengan mensubstitusikan persamaan (2.3), diperoleh
1 T 1
e w  e  1  2 e   1
T
2
1eT  1  2 eT  1e  2 (2.4)

• Berdasarkan persamaan kendala yaitu:  w  R

T

• Dengan mensubstitusikan persamaan (2.6), diperoleh

1 T 1
 w    1  2 e   R
T
2
1 T  1  2  T  1e  2 R (2.5)
• Misalkan a  eT  1e; b  eT  1  dan c   T  1

• Maka persamaan (2.4) menjadi

1b  2 a  2
2  2 a
1  (2.6)
b
• Maka persamaan (2.5) menjadi 1c  2 b  2 R
• Inputkan persamaan (2.6), maka diperoleh:
 2  2 a 
 c   2 b  2 R
 b 
2bR  2c
2  2 (2.7)
b  ac
• Selanjutnya, masukan persamaan (2.6) dan (2.7) ke
dalam persamaan (2.3)

  b  aR   bR  c  
   2
1
w     2 e  (2.8)
  b  ac   b  ac  
• Persamaan di atas adalah portofolio optimal yang
memiliki risiko minimum dengan menggunakan dua
kendala.
 b  aR   bR  c 
• Misalkan : D 2  F  2 
 b  ac   b  ac 

w   1 D  Fe 
LATIHAN: ILUSTRASI 1
> S=matrix(c(0.0146, 0.0187,0.0187,0.0854), 2)
> S
[,1] [,2]
[1,] 0.0146 0.0187
[2,] 0.0187 0.0854
> SINV=solve(S)
> SINV
[,1] [,2]
[1,] 95.19032 -20.84378
[2,] -20.84378 16.27376
> e=c(1,1)
> e
[1] 1 1
> a=t(e)%*%SINV%*%e
> a
[,1]
[1,] 69.77651
> mu=c(0.162, 0.246)
> mu
[1] 0.162 0.246
> b=t(mu)%*%SINV%*%e
> b
[,1]
[1,] 10.91991
> c=t(mu)%*%SINV%*%mu
> c
[,1]
[1,] 1.821665
 Misalkan tingkat keuntungan inverstor = 20%
> R=0.20
> D = (b - a*R)/(b^2 - a*c)
> D
[,1][1,] 0.385941
> F = (b*R - c)/(b^2 - a*c)
> F
[,1][1,] -0.04606769
> G = (D %*% mu + F %*% e)
> G
[,1] [,2][1,] 0.01645476 0.04887381
> w = G%*% SINV
> w
0.547619 0.452381
 0,5476 
w   
 0,4524 
Artinya: portofolio optimal model mean-variance, jika R = 20%
maka 54,76% dialokasian untuk saham A dan 45,24% alokasikan
ke saham B.
CONTOH
Dengan menggunakan data pada ilustrasi 1, diketahui:
1  95.19  20.84
 
 20.84 16.27 
Maka: a = 69,78; b=17,25 dan c = 4,27.
Seandainya investor menginginkan keuntungan sebesar
25% yaitu R = 0,25. Maka dengan menggunakan
persamaan (2.8), diperoleh bobot portofolio optimal
adalah:
 1,22 
w   
  0,22 
Model Portofolio Mean-Variance
• Pada model berikutnya diasumsikan investor yang
memilih portofolio yang memaksimumkan tingkat
keuntungan, dengan 2 kendala yaitu

1. Spesifikasi awal dari risiko harus tercapai yaitu:

wT w   o2

2. Jumlah dari bobot atau proporsi dari portofolio

yang terbentuk sama dengan 1, yaitu
eT w  1
Portofolio Mean- Variance
• Model 3

max w  
T
wT  w
2
kendala wT e  1

• Nilai  = koefisien risk aversion, menunjukan besaran

keengganan investor terhadap risiko.
• Semakin besar  berarti investor tidak suka risiko,
begitu sebaliknya.
TUGAS KELOMPOK
• Bikin Makalah: model portofolio 3.
• Format lapoaran:
• Cover: tim penyusun, daftar isi dll
• Isi: pendahuluan, tujuan, landasan teori (diturunkan
persamaan model portofolio), studi kasus (saham
syariah: ambil 4 saham)
• Penutup
• Daftar Pustaka
• Anggota: 3 – 4 orang.
• Dikumpulkan minggu depan, presentasi kelompok!.
Minimal halaman 10