Monday 1 October 2012

PORTOFOLIO : RESIKO



RESIKO

Resiko Return Realisasi
            Hanya menghitung return saja untuk suatu investasi tidaklah cukup.  Risiko dari investasi tidaklah cukup.  Risiko dari investasi juga perlu diperhitungkan.  Return dan resiko merupakan dua hal yang tidak terpisah, karena pertimbangan suatu investasi merupakan trade off dari kedua factor ini.  Return dan resiko mempunyai hubungan yang positif, semakin besar resiko yang harus ditanggung, semakin besar return yang harus di kompensasikan.  Resiko sering dihubungkan penyimpangan atau deviasi dari utcome yang diterima dengan yang diekspektasi.

            Untuk lebih memahami konsep tersebut, misalkan kita menghadapi dua kesempatan investasi sebagai berikut :
Investasi A
Investasi B
Probalitas
Return
Probabilitas
Return
0,30
0,40
0,30
0,15
0,20
0,25
0,20
0,60
0,20
0,15
0,20
0,25
 
Apabila digunakan return ekspektasi, maka akan diperoleh:
 E(RA) = 0,20
 E(RB) = 0,20

Meskipun diperoleh nilai expected return yang sama, tetapi kalau kita amati nampak bahwa probabilitas investasi A untuk memperoleh return yang menyimpang dan E(RA) adalah 0,60 (0,30 + 0,30), sedangkan untuk investasi B, probalitas memperoleh return yang menyimpang E(RB) adalah 0,40 (0,20 + 0,20).

Dengan demikian kita dapat mengetahui bahwa risiko A lebih besar daripada B.  Untuk mengetahui ukuran risiko ini digunakanlah ukuran penyebaran distribusi. 
Ukuran penyebaran ini dimaksudkan untuk mengetahui seberapa jauh kemungkinan nilai yang akan kita peroleh menyimpang dari nilai yang diharapkan.  Ukuran ini bisa dipergunakan sebagai ukuran resiko. Statistik menyediakan ukuran ini yang disebut sebagai deviasi standart ( σ ). Atau  Variance ( σ2 ) .
σA2 = 0,30 (0,15 – 0,20)2 + 0,40 (0,20 – 0,20)2 + 0,30 (0,25 – 0,20)2
    = 0,0015
σA  = 0,0387

Untuk investasi B         
 σB2 = 0,20 (0,15 – 0,20)2 + 0,60 (0,20 – 0,20)2 + 0,20 (0,25 – 0,20)2
       = 0,0010
 σB  = 0,0316

Terbukti bahwa  σA > σB, Karena E(RA) = E(RB), maka pemodal tentunya akan memilih investasi B

Resiko sebagai variabilitas return terhadap return yang diharapkan (Van Hoerne dan Wachowucs)Jr (1992)
Untuk resiko realisai yang banyak digunakan untuk mngukur resiko ini adalah deviasi standar (standar deviation) yang mengukur obsolut penyimpangan nilai-nilai yang sudah terjadi dengan nilai rata-ratanya (sebagai nilai yang diekspektasi)

Contoh :

Periode
Hrg Saham (Pr)
Deviden (Dr)
Return (Rr)
Rata Return
1989
1990
1991
1992
1993
1994
1995
1996
1750
1755
1790
1810
2010
1905
1920
1935
100
100
100
150
150
200
200
200
-
0,060
0,077
0,095
0,193
0,047
0,113
0,112
-
0,09957
0,09957
0,09957
0,09957
0,09957
0,09957
0,09957

SD = 0,0452

Resiko portofolio adalah varian return sekuritas-sekuritas yang membentuk portofolio tersebut.
Risiko yang dapat diversifikasi.  Bagian dari risiko sekuritas yang dapat dihilangkan dengan membentuk potofolio.  Istilah lain dari resiko ini adalah risiko perusahan  atau risiko spesifik  atau risiko yang tidak sistematik. Contoh : pemogokan buruh, tuntutan oleh pihak lain, penelitian yang tidak berhasil dsbnya

Risiko yang tidak dapat diversifikasi. Bagian dari risiko sekuritas yang tidak dapat dihilangkan dengan membentuk portofolio.  Istilah lain dari risiko ini adalah risiko pasar atau risiko umum atau risiko sistematik. Contoh: Inflasi dan resisi

Resiko Total (Resiko dapat di diversifikasi + Risiko tak dapat didiversifikasi)
                        (Risiko perusahaan + Risiko pasar)
                        (Risiko tidak sistematis + Risiko sistematis)
                        (Risiko spesifik + Risiko Umum)

Diversifikasi
Resiko yang dapat di diversifikasi adalah (resiko perusahaan, tidak sistematis, resiko spesifik)

Cara melakukan diversifikasi dengan cara :
  • Diversifikasi dengan banyak aktiva
  • Mengikuti hukum statistic bahwa semakin besar ukuran sample, semakin dekat nilai rata-rata sample dengan nilai ekspektasi dari populasi.



Diversifikasi secara random
Diversifikasi secara random merupakan pembentukan portofolio dengan memilih sekuritas-sekuritas secara acak tanpa memperhatikan karakteristik dari investasi yang relevan seperti misalnya return dari sekuritas itu sendiri. Investor hanya memilih sekuritas secara acak.

Diversifikasi secara Markowitz
Semakin banyak sekuritas yang dimasukkan ke dalam portofolio, semakin kecil resiko portofolio.

Beta
Beta adalah pengukur risiko sistematik dari suatu sekuritas atau portofolio relative terhadap risiko pasar.

Beta histories dapat dihitung dengan menggunakan :
  • Data histories berupa data pasar (return-return sekuritas dan return pasar)
  • Data akuntansi (laba-laba perusahaan dan laba indeks)
  • Data fundamental

Beta pasar dapat diestimasi degan mengumpulkan nilai-nilai histories return dari sekuirtas dan return dari pasar selama periode tertentu :

Return Saham A
Return Pasar
7,5%
8,0%
9,0%
10,0%
10,5%
11,5%
11,0%
12,0%
12,0%
14,0%
4,0%
4,5%
4,5%
5,5%
6,0%
7,0%
6,0%
6,5%
7,5%
8,0%

Secara manual. Beta Sekuritas A dapat dihitung dengan cara sebagai berikut :
Buat diagram tersebar (scatter diagram) yang menunjukkan titik-titik hubungan antara return sekuritas A dengan return pasar.
Tarik garis lurus yang paling mendekati dengan semua titik-titik hubungan .
Beta histories untuk sekuritas A dapat dihitung (Beta) 1,50

Secara regresi (beta) 1,432415
Dengan rumus : (beta) 1,434515




Return Saham A
Return Pasar
(Ra-RA)-(Rm-RM)
Rm – Rm
7,5%
8,0%
9,0%
10,0%
10,5%
11,5%
11,0%
12,0%
12,0%
14,0%
4,0%
4,5%
4,5%
5,5%
6,0%
7,0%
6,0%
6,5%
7,5%
8,0%
5,9475
3,6975
2,2475
0,2475
-0,0025
0,9975
0,0025
0,7975
2,2475
7,0725
3,8025
2,1025
2,1025
0,2025
0,0025
1,1025
0,0025
0,3025
2,4025
4,2025
 
Beta Akuntansi
Data akuntansi seperti misalnya laba akuntansi (accounting earning) dapat juga digunakan untuk mengestimasi Beta.

Beta Fundamental
Beaver, Kettler, dan Scholes (1970) mengembangkan penelitian Ball dan Brown menggunakan tujuh macam variable yang merupakan variable-variabel fundamental.  Sebagian besar variable-variabel tersebut adalah variable-variabel akuntansi sebagai berikut :
  • Dividen Payout: diukur sebagai deviden yang dibayarkan dibagi dengan laba yang tersedia.
  • Asset Growth perubahan (tingkat pertumbuhan) tahunan dari aktiva total.
  • Leverage didefinisikan sebagai nilai buku total hutang jangka panjang dibagi dengan total aktiva.
  • Liquidity (Current Ratio) yaitu aktiva lancer dibagi dengan hutang lancar.
  • Asset size diukur sebagai logaritma dari total aktiva.
  • Earning Variability diukur dengan nilai deviasi standar dari PER (price earning ratio)
  • Accounting beta diperoleh dari koefisien regresi dengan variable dependen perubahan laba akuntansi dan variable independent (perubahan indeks laba pasar untuk laba akuntansi portofolio pasar)

Penghitungan Koefisien Korelasi
Korelasi menunjukkan hubungan (association) antara suatu variable dengan variable yang lain meskipun demikian hubungan ini bukan merupakan sebab akibat. Sebagai contoh, kalau harga emas naik, dan nilai US$ turun, dikatakan bahwa kedua variable tersebut mempunyai korelasi yang negative.  Korelasi negative berarti kalau variable yang satu naik yang satunya akan turun, dan sebaliknya.  Sedangkan kalau korelasinya positif, kalau variable yang satunya naik yang, variable yang lain juga naik.  Demikian pula kalau variable yang satu turun, variable yang lainnya juga turun.
Meskipun demikian kita tidak bisa mengatakan bahwa kenaikan harga emas akan menurunkan nilai US$ atau sebaliknya.  Kedua variable tersebut tidak mempunyai hubungan sebab akibat

Kalau kita mempunyai data cardinal (yaitu data yang dinyatakan dalam ukuran kuantitatif), seperti tingkat keuntungan investasi, nilai penjualan dan sebagainya, maka rumus yang bisa dipergunakan untuk menghitung koefisien korelasi (= ρ ) adalah :

ρ        =         nΣXY - ΣXΣY
             √ {[n ΣX2   - (ΣX)2 ] [nΣY2 - (ΣY)2 ]}

Berikut ini diberikan contoh tentang penghitungan ρ. Misalkan kita mempunyai tingkat keuntungan saham “ABC” (kita beri notasi X) dan saham “PQR” (kita beri notasi Y).  Untuk menggunakan rumus diatas  digunakan tabel pada halaman berikut :
Dengan  memasukkan angka-angka tersebut ke dalam persamaan di atas, kita memperoleh :

ρ    =  ( 12 ) (0.4022) – (1,990) (2,3900)
           √ (12) (0.3401) – 1,992 ) (12) (0.4887) – 2,392

Koefisien korelasi tersebut positif, tetapi tidak terlalu besar. Ini berarti bahwa meskipun ada kecenderungan kalau tingkat keuntungan “ABC” naik diikuti dengan kenaikan “PQR” (dan sebaliknya), hubungan tersebut tidaklah terlalu kuat, jauh dari angka satu     

Observasi
X
Y
X2
Y2
XY
1
2
3
4
5
6
7
8
9
10
11
12
0,1200
0,2000
0,1700
0,1500
0,2000
0,1800
0,1600
0,1900
0,2000
0,1200
0,1300
0,1700

1,9900
0,1500
0,1800
0,1700
0,1800
0,2300
0,2000
0,1900
0,1900
0,2800
0,2000
0,1900
0,2300

2,3900
0,0144
0,0400
0,0289
0,0225
0.0400
0.0324
0,0256
0,0361
0,0400
0,0144
0,0169
0,0289

0,3401
0,0225
0,0324
0,0289
0,0324
0,0529
0,0400
0,0361
0,0361
0,0784
0,0400
0,0361
0,0529

0,4887
0,0180
0,0360
0,0289
0,0270
0,0460
0,0360
0,0304
0,0361
0,0560
0,0240
0,0247
0,0391

0,4022

Regresi
Dalam analisis ekonomi, sering kita merasa tidak cukup dengan sekedar mengetahui bagaimana hubungan (association) antara suatu variable dengan variable yang lain.  Kita ungin memperkirakan apa yang akan terjadi dengan suatu variable apabila variable (atau variable-variabel ) yang lain berubah.  Hubungan fungsional ini dikenal sebagai regresi.

Kadang-kadang hubngan fungsional tersebut berdifat linear dan kadang-kadang tidak. Meskipun demikian, dalam analisis portofolio kita menggunakan hubungan yang bersifat linear. Marilah kita gunakan contoh berikut ini.  Misalkan Y adalah tingkat keuntungan dari suatu dan X adalah tingkat keuntungan portofoliopasar (atau indeks pasar).  Persamaan regresi yang dirumuskan adalah :

 Y = a + bx

Sedangkan

            n ∑XY  - ∑X ∑Y
    b =    n ∑X2   -  (ΣX)2

dan

    a =  Y – bx

Misalkan data seperti pada penghitungan korelasi diatas.  Dengan rumus tersebut kita bisa menghitung :

   b   =  {(12 ) 0, 4022) – (1,99) (2,39)}/{ (12) (0,3401) –(1.99)2}

         =  0,580

Nilai ini merupakn nilai slope kemiringan garis tersebut, Sedangkan untuk nilai a bisa kita hitung sbb :

  X  =  (1,994) /12
       =  0, 1658

  Y  =  2,39/12
      =  0,1991

   a = 0,1991 -  (0,580) (0,1658)
      =  0,1028

Dengan demikian persamaan garis regresinya adalah

Y = 0, 1028 – 0,580 X

1 comment:

Unknown said...

bisa tau ga buku yang dipake apa?