Portofolio & Investasi Bab 6 - Model Model Keseimbangan · PENJELASAN MENGENAI CML 1. Garis pasar modal terdiri dari portofolio efisien yang ... Apabila menggunakan regresi linier

http

://ww

w.d

ed

en

08

m.w

ord

pre

ss.c

om

CAKUPAN PEMBAHASAN

•Overview

•CAPM (C

apita

l Asse

t Pricin

g M

odel)

•Porto

folio

pasar

•Garis p

asar m

odal

•Garis p

asar se

kurita

s

•Estim

asi B

eta

•Pengujia

n CAPM

•APT (A

rbrita

ge Pricin

g Theory)

1/40

OVERVIEW

•Model d

apat d

igunakan se

bagai a

lat u

ntuk

memahami su

atu perm

asalahan yang

kompleksdalam gambaran yang le

bih

sederhana.

•Untuk m

emahami b

agaim

anakahpenentuan

risiko yang re

levan padasuatu aset, d

an

bagaim

anakahhubungan antara risik

o dan

return

yang diharapkan, d

iperlu

kan su

atu

model k

eseim

bangan, y

aitu

:

•Model h

ubungan risik

o-re

turn

aset k

etik

a

pasar d

alam kondisi k

eseim

bangan.

2/40

OVERVIEW

Dua m

odel k

eseim

bangan:

Capita

l Asse

t Pric

ing Model

(CAPM)

Arbitra

ge

Pric

ing

Theory (A

PT)

3/40

CAPITAL ASSET PRICING MODEL

(CAPM)

•CAPM adalah m

odel h

ubungan antara tin

gkat

return

harapan dari su

atu aset b

erisik

o dengan

risiko dari a

set te

rsebut p

ada kondisi p

asar y

ang

seim

bang.

•CAPM dibangun di a

tas p

ondasi te

ori p

orto

folio

Markowitz

•Berdasarkan te

ori p

orto

folio

Markowitz

, porto

folio

yang efisie

n adalah porto

folio

yang berada di

sepanjang kurva efficie

nt fro

ntie

r

•CAPM diperkenalkan se

cara te

rpisa

h oleh Sharpe,

Lintner d

an Mossin

pada perte

ngahan 1960-an.

4/40

Asumsi-a

sumsi m

odel C

APM:

1.

Investo

r akan m

endiversifik

asik

an porto

lionya dan m

emilih

porto

folio

yang optim

al se

suai d

engan garis p

orto

folio

efisie

n.

2.

Semua in

vesto

r mempunyai d

istribusi p

robabilita

s tingkat

return

masa depan yang id

entik

.

3.

Semua in

vesto

r memilik

i perio

de waktu yang sa

ma.

4.

Semua in

vesto

r dapat m

eminjam atau m

eminjamkan uang

pada tin

gkat re

turn

yang bebas risik

o.

5.

Tidak ada biaya tra

nsaksi, p

ajak pendapatan, d

an in

flasi.

6.

Terdapat b

anyak se

kali in

vesto

r, sehingga tid

ak ada in

vesto

r

tunggal y

ang dapat m

empengaruhi h

arga se

kurita

s. Semua

investo

r adalah price

taker.

7.

Pasar d

alam keadaan se

imbang (e

quilib

rium).

CAPITAL ASSET PRICING MODEL

(CAPM)

5/40

PORTOFOLIO PASAR

•Pada kondisi p

asar y

ang se

imbang, se

mua in

vesto

r akan m

emilih

porto

folio

pasar (p

orto

folio

optim

al y

ang berada di se

panjang

kurva efficie

nt fro

ntie

r).

RF

L

Risik

o, σσσ σ

p

A

E

H

G

M

C

Return yang diharapkan, Rp

B

Gam

bar 6

.1. P

orto

folio

yan

g e

fisie

n d

an

po

rtofo

lio y

an

g o

ptim

al

•Dalam kondisi p

asar

yang se

imbang, se

mua

investo

r akan m

emilih

porto

folio

pada titik

M

sebagai p

orto

folio

yang optim

al (te

rdiri

dari a

set-a

set

berisik

o).

6/40

•Porto

folio

pada titik

M (p

orto

folio

pasar)

akan

selalu te

rdiri d

ari se

mua aset b

erisik

o, d

an

merupakanporto

folio

aset b

erisik

o yang

optim

al.

•Dengan demikian risik

o porto

folio

pasar h

anya

terdiri d

ari risik

o siste

matis (risik

o yang tid

ak

dapat d

ihila

ngkan oleh diversifik

asi).

•Secara umum, p

orto

folio

pasar d

apat d

iproksi

dengan nila

i indeks p

asar, se

perti IH

SG atau

LQ45 untuk kasus d

i Indonesia

.

PORTOFOLIO PASAR

7/40

GARIS PASAR MODAL

(CAPITAL M

ARKET LINE)

•Garis p

asar m

odal m

enggambarkan hubungan

antara re

turn

harapan dengan risik

o to

tal d

ari

porto

folio

efisie

n pada pasar y

ang se

imbang.

•Jika kurva efficie

nt fro

ntie

r pada Gambar 6

.1

dihila

ngkan,dan titik

M se

bagai p

orto

folio

aset b

erisik

o yang optim

al d

iambil, m

aka kita

akan m

endapatkan garis R

f -L yang m

erupakan

garis p

asar m

odal (C

ML), se

perti d

isajik

an

pada Gambar 6

.2.

8/40

Return yang diharapkan

L

Risiko

, σσσ σP

Risiko

Portofolio

pasar (M

)

σσσ σM

E(RM)

M

RF

CM

L

Premi Risiko

Portofolio M=

E(RM)-R

f

Ga

mb

ar 6

.2. G

aris

Pa

sa

r Mo

da

l (CM

L)

GARIS PASAR MODAL

(CAPITAL M

ARKET LINE)

9/40

SLOPE CML

•Kemirin

gan (slo

pe) C

ML m

enunjukkan harga pasar risik

o

(market p

rice of risk

) untuk porto

folio

yang efisie

n

atau harga keseim

bangan risik

o di p

asar.

Slope CML d

apat d

ihitu

ng dengan:

Slope CML m

engindikasik

an ta

mbahan re

turn

yang

disy

aratkan pasar u

ntuk se

tiap 1% kenaikan risik

o

porto

folio

.

CM

L

Slo

pe

σ

R- )

E(R

M

FM

=

10/40

Contoh: D

alam kondisi p

asar y

ang se

imbang, re

turn

yang diharapkan pada porto

folio

pasar a

dalah 15%

dengan deviasi sta

ndar se

besar 2

0%. T

ingkat re

turn

bebas risik

o se

besar 8

%.

Maka Slope CML a

dalah se

besar:

Slope CML =

(0,15 -0,08) : 0

,20 =

0,35

CM

L

Slo

pe

σ

R- )

E(R

M

FM

=

SLOPE CML

11/40

PERSAMAAN CML

•Dengan m

engetahui slo

pe CML d

an garis in

terse

p (R

F ),

maka kita

dapat m

embentuk persa

maan CML m

enjadi:

dalam hal in

i:

E (R

p ) = tin

gkat re

turn

yang diharapkan untuk su

atu

porto

folio

yang efisie

n pada CML

RF

= tin

gkat re

turn

pada aset y

ang bebas y

ang risik

o

E(R

M)

= tin

gkat re

turn

porto

folio

pasar (M

)

σM

= deviasi sta

ndar re

turn

pada porto

folio

pasar

σP

= deviasi sta

ndar p

orto

folio

efisie

n yang dite

ntukan

p

M

FM

FP

R)

E(RR

)E(R

σσ

−+

=

12/40

PENJELASAN MENGENAI C

ML

1.Garis p

asar m

odal te

rdiri d

ari p

orto

folio

efisie

n yang

merupakan kombinasi d

ari a

set b

erisik

o dan aset

bebas risik

o. P

orto

folio

M, m

erupakan porto

folio

yang te

rdiri d

ari a

set b

erisik

o, a

tau dise

but d

engan

porto

folio

pasar. S

edangkan titik

RF , m

erupakan

pilih

an aset b

ebas risik

o. K

ombinasi a

tau titik

-titk

porto

folio

di se

panjang garis R

F -M, m

erupakan

porto

folio

yang efisie

n bagi in

vesto

r.

2.Slope CML a

kan cenderung positip

karena adanya

asumsi b

ahwa in

vesto

r bersifa

t risk averse

. Artin

ya,

investo

r hanya akan m

au berin

vesta

si pada aset

yang b

erisik

o, jik

a m

endapatkan kompensasi b

erupa

return

harapan yang le

bih tin

ggi.

13/40

3.Berdasarkan data histo

ris, adanya risik

o akibat

perbedaan re

turn

aktual d

an re

turn

harapan,

bisa

menyebabkan slo

pe CML y

ang negatif.

Slope negatif in

i terja

di b

ila tin

gkat re

turn

aktual p

orto

folio

pasar le

bih kecil d

ari tin

gkat

keuntungan bebas risik

o.

4.Garis p

asar m

odal d

apat d

igunakan untuk

menentukan tin

gkat re

turn

harapan untuk

setia

p risik

o porto

folio

yang berbeda.

PENJELASAN MENGENAI C

ML14/40

GARIS PASAR SEKURITAS (S

ML)

•Garis p

asar se

kurita

s adalah garis h

ubungan antara tin

gkat

return

harapan dari su

atu se

kurita

s dengan risik

o siste

matis

(beta).

•SML d

apat d

igunakan untuk m

enila

i keuntungan su

atu aset

individual p

ada kondisi p

asar y

ang se

imbang. S

edangkan CML

dapat d

ipakai u

ntuk m

enila

i tingkat re

turn

harapan dari

suatu porto

folio

yang efisie

n, p

ada su

atu tin

gkat risik

o

terte

ntu (σ

P ).

•Form

ula untuk m

endapatkan E(R) d

ari su

atu se

kurita

s

menurut m

odel S

ML a

dalah:

dalam hal in

i:

[])

R(ER

M)

R )

E(RF

iF

i−

+=

β

M2

Mi,

iσ σ

β

=

15/40

•Pada Gambar 6

.3,risik

o se

kurita

s ditu

njukkan olehbeta, y

ang

menunjukkan se

nsitiv

itas re

turn se

kurita

s terhadap perubahan

return pasar. Aset yang

risikonya lebih

kecil d

ari p

asar

Risik

o (βββ β)

1.5

0.5

0βββ βM=1

SM

L

A

B

Return yang diharapkan

kM

kR

F

Aset yang

risikonya lebih

besar dari p

asar

Gambar 6.3 Garis P

asar Sekuritas (S

ML)

GARIS PASAR SEKURITAS (S

ML)

16/40

RETURNSEKURITAS YANG

DISYARATKAN

•Berdasarkan hubungan tin

gkat re

turn

dengan beta, m

aka

komponen penyusunrequire

d ra

te of re

turn

terdiri d

ari:

tingkat re

turn

bebas risik

o dan premi risik

o.

•Secara m

atematis, h

ubungan te

rsebut d

apat d

igambarkan

sebagai:

ki= tin

gkat risik

o aset b

ebas risik

o + premi risik

o se

kurita

s

dalam hal in

i:

ki

= tin

gkat re

turn yang disy

aratkan in

vesto

r pada

sekurita

s i

E(R

M)

= re

turn porto

folio

pasar y

ang diharapkan

βi

= koefisie

n beta se

kurita

s i

RF

= tin

gkat re

turn bebas risik

o

[]F

Mi

FR

)E(R

βR

−+

=

17/40

Contoh:

Diasumsik

an beta sa

ham PT Gudang Garam adalah 0,5

dan tin

gkat re

turn

bebas risik

o (R

f ) adalah 1,5%.

Tingkat re

turn pasar h

arapan diasumsik

an se

besar 2

%.

Dengan demikian, m

aka tin

gkat k

euntungan yang

disy

aratkan in

vesto

r untuk sa

ham PT Gudang Garam

adalah:= 0,015 + 0,5 (0

,02 –0,015)

= 1,75%

[]F

Mi

FG

GRM

R)

E(RR

k−

+=

β

RETURNSEKURITAS YANG

DISYARATKAN

18/40

SEKURITAS YANG UNDERVALUED ATAU

OVERVALUED

βββ β(B)

βββ β(A)

E(RB ’)

E(R

B )E

(RA’)

E(RA)

B

A

SM

L

Be

ta

Return yang diharapkan

Ga

mb

ar 6

.4. M

en

ilai s

eku

ritas y

an

g u

nd

erv

alu

ed

ata

u o

ve

rva

lue

d d

en

ga

n

me

ng

gu

na

ka

n S

ML

19/40

•Secara te

oritis, h

arga se

kurita

s seharusnya

berada pada SML k

arena titik

-titik pada

SML m

enunjukkan tin

gkat re

turn

harapan

pada su

atu tin

gkat risik

o siste

matis

terte

ntu.

•Jika tin

gkat re

turn

harapan tid

ak berada

pada SML, m

aka se

kurita

s terse

but

undervalued atau overvalued.

SEKURITAS YANG UNDERVALUED ATAU

OVERVALUED

20/40

•Pada Gambar 6

.4.telih

at b

ahwa se

kurita

s A te

rletak di a

tas S

ML d

an dinila

i sebagai

sekurita

s yang te

rnila

i rendah

(undervalued) k

arena tin

gkat re

turn

harapan E(R

A ’) > re

tun yang disy

aratkan

investo

r E(R

A ).

•Sedangkan se

kurita

s B te

rletak di b

awah

SML, se

hingga se

kurita

s B dikatakan

ternila

i lebih

(overvalued).

SEKURITAS YANG UNDERVALUED ATAU

OVERVALUED

21/40

CONTOH PENGGUNAAN CAPM

1.

Anggap tin

gkat re

turn

bebas risik

o adalah 10 perse

n.

Return

harapan pasar a

dalah 18 perse

n. J

ika sa

ham YOY

mempunyai b

eta 0,8, b

erapakah re

turn

disy

aratkan

berdasarkan CAPM?

ki= 10% + 0,8 x (1

8%-10%)

= 16,4%

2.

Anggap tin

gkat re

turn

bebas risik

o adalah 10 perse

n.

Return

harapan pasar a

dalah 18 perse

n. J

ika sa

ham la

in

yaitu

saham GFG m

empunyai re

turn

disy

aratkan 20 perse

n,

berapakah betanya?

20%

= 10% + β

i x (1

8%-10%)

10%

= β

i x 8%

βi

= 1,25

22/40

ESTIMASI B

ETA

•Untuk m

engestim

asi b

esarnya koefisie

n beta,

digunakan m

arket m

odelberik

ut:

dalam

halini:

Ri=return

sekurita

si

RM=return

indekspasar

αi=interse

p

βi=slo

pe

εi=random

resid

ualerro

r

ie

RR

Mi

ii

++

=β

α

23/40

•Market m

odelbisa

diestim

asi d

engan

meregresreturn

sekurita

s yang akan dinila

i

dengan re

turn in

deks p

asar.

•Regresi te

rsebut a

kan m

enghasilk

an nila

i:

1.

αi(ukuran re

turn se

kurita

s i yang tid

ak

terkait d

engan re

turn pasar)

2.

βi(peningkatan re

turn yang diharapkan

pada se

kurita

s i untuk se

tiapkenaikan

return pasar se

besar 1

%)

ESTIMASI B

ETA

24/40

CONTOH PENGESTIMASIAN BETA (1

)

•Investo

r mempunyai d

ata re

turn

saham UUU dan re

turn

pasar se

lama lim

a bulan te

rakhir se

bagai b

erik

ut:

•Tabel b

erik

ut a

kan digunakan untuk m

emperm

udah

perhitu

ngan:

Bulan

ReturnsahamUUU

Returnpasar

Juni0

,40

,3

Juli0

,10

,1

Ag

ustus-0

,05

-0,1

Sep

tem

ber

0-0

,05

Okto

ber

0,4

0,2

Bula

n

Return

Devia

sire

turnD

evia

si kuad

rat

Perka

lian

Devia

siSa

ham

UU

U

Pasa

rSa

ham

UU

U

Pasa

rSa

ham

UU

U

Pasa

r

Juni0

,40

,30

,23

0,2

10

,05

29

0,0

44

10

,04

83

Juli0

,10

,1-0

,07

0,0

10

,00

49

0,0

00

1-0

,00

07

Ag

ustus-0

,05

-0,1

-0,2

2-0

,19

0,0

48

40

,03

61

0,0

41

8

Sep

tem

ber

0-0

,05

-0,1

7-0

,14

0,0

28

90

,01

96

0,0

23

8

Okto

ber

0,4

0,2

0,2

30

,11

0,0

52

90

,01

21

0,0

25

3

Jumla

h0

,85

0,4

50

00

,18

80

,11

20

0,1

38

5

25/40

•Berdasarkan ta

bel d

iatas, p

erhitu

ngan berik

ut d

apat

dibuat:

Rata-ra

ta re

turn

saham UUU

= 0,85 / 5 = 0,17.

Varia

ns re

turn sa

ham UUU

= 0,188 / 4 = 0,047.

Deviasi sta

ndar re

turn sa

ham UUU = √

0,047 = 0,216795.

Rata-ra

ta re

turn pasar

= 0,45 / 5 = 0,15.

Varia

ns re

turn pasar

= 0,112 / 4 = 0,028.

Deviasi sta

ndar re

turn sa

ham UUU = √0,028 = 0,167332.

Covaria

ns =

0,1385 / 4 = 0,034625.

CONTOH PENGESTIMASIAN BETA (2

)26/40

•Dengan m

enggunakan persa

maan

beta sa

ham UUU dihitu

ng se

bagai b

erik

ut:

βUUU= 0,034625 / 0,028 = 1,236607.

•Sedangkan in

terse

pnya dihitu

ng dengan m

engurangkan

rata-ra

ta re

turn

sekurita

s dari p

erkalia

n beta dengan

rata-ra

ta re

turn

pasar.

α1= 0,17 –(1,236607) (0

,15) =

0,059.

M2

Mi,

iσ σ

β

=

CONTOH PENGESTIMASIAN BETA (3

)27/40

ANALISIS DENGAN MODEL EXCESS

RETURN (1

)

•Persa

maan re

gresi m

arket m

odeldapat d

imodifik

asi m

enjadi:

β, slo

pe dari g

aris k

arakteristik

, akan m

enunjukkan se

nsitiv

itas

excess re

turn se

kurita

s terhadap porto

folio

pasar.

•Meneruskan contoh sa

ham UUU, a

nggap RF = 5 perse

n. M

aka

return

saham UUU dan re

turn

pasar d

apat d

iubah m

enjadi

seperti p

ada ta

bel b

erik

ut.

iF

Mi

iF

ie

)R

(Rβ

α)

R(R

+−

+=

−

Bula

nReturn

Sa

ham

UU

UPa

sar

Juni0

,35

0,2

5

Juli0

,05

0,0

5

Ag

ustus-0

,1-0

,15

Sep

tem

ber

-0,0

5-0

,1

Okto

ber

0,3

50

,15

28/40

•Apabila

menggunakan re

gresi lin

ier se

derhana, p

rintout

SPSS ditu

njukkan pada gambar b

erik

ut. H

asiln

ya adalah

sama dengan cara se

belumnya, y

aitu

beta = 1,236607.

Coefficie

nts(a

)

Mod

e

l

Unsta

nda

rdize

d

Coefficie

nts

Sta

nda

rdize

d

Coefficie

ntst

Sig

.

B

Std

.

Error

Beta

1(C

onsta

nt).0

71

.03

52

.04

0.1

34

RET_

M1

.23

7.2

23

.95

45

.54

2.0

12

a D

ep

end

ent V

aria

ble

: RET_

UU

U

ANALISIS DENGAN MODEL EXCESS

RETURN (2

)29/40

FAKTOR-FAKTOR YANG MEMPENGARUHI

KEAKURATAN ESTIMASI B

ETA

1.

Estim

asi b

eta te

rsebut m

enggunakan data histo

ris. Hal in

i secara im

plisit b

erarti b

ahwa kita

menganggap

apa yang te

rjadi p

ada beta m

asa la

lu, a

kan sa

ma

dengan apa yang te

rjadi p

ada beta m

asa datang.

2.

Garis k

arakteristik

dapat d

ibentuk oleh berbagai

observasi d

an perio

de w

aktu yang berbeda, d

an tid

ak

ada sa

tu pun perio

de dan observasi y

ang dianggap

tepat. D

engan demikian, e

stimasi b

eta untuk sa

tu

sekurita

s dapat b

erbeda karena observasi d

an perio

de

waktunya yang digunakan berbeda.

3.

Nila

i αdan β

yang diperoleh dari h

asil re

gresi

terse

but tid

ak te

rlepas d

ari a

danya erro

r, sehingga

bisa

jadi e

stimasi b

eta tid

ak akurat k

arena α

dan β

tidak m

enunjukkan nila

i yang se

benarnya.

30/40

BETA PORTOFOLIO

•Contoh, d

iketahui in

form

asi b

erik

ut in

i:

Tentukan re

turn

harapan dan risik

o su

atu porto

folio

terdiri d

ari e

mpat sa

ham FF, G

G, H

H, d

an II.

Sekuritas

Banyaknya

investasi

Return

harapan

Beta

FFRp

20

juta0

,10

0,9

0

GG

Rp

5 juta

0,1

20

,95

HH

Rp

10

juta0

,15

1,2

0

IIRp

15

juta0

,17

1,3

0

31/40

•Bobot p

orto

folio

dihitu

ng te

rlebih dahulu.

Jumlah dana yang diin

vesta

si adalah Rp50 ju

ta, m

aka

sebanyak Rp20 ju

ta/Rp50 ju

ta = 40%diin

vesta

si pada FF.

Dengan cara yang sa

ma, d

ana yang diin

vesta

si pada GG, H

H,

dan II, se

cara berurutan se

besar 1

0%, 2

0%, d

an 30%.

•Return

harapan porto

folio

:

E(Rp) =

(0,4) (0

,10) +

(0,1)(0

,12) +

(0,2)(0

,15) +

(0,3) (0

,17)

= 0,133 atau 13,3 perse

n.

•Beta porto

folio

:

βP = (0

,4) (β

FF) +

(0,1)( β

GG) +

(0,2)( β

HH) +

(0,3) (β

II)

= (0

,4) (0

,9) +

(0,1)(0

,95) +

(0,2)(1

,2) +

(0,3) (0

,13)

= 1,085.

BETA PORTOFOLIO

32/40

PENGUJIAN CAPM

•Kesim

pulan yang bisa

diambil d

ari p

enjelasan

mengenai C

APM,adalah:

1.Risik

o dan re

turn berhubungan positif,

artin

ya se

makin besar risik

o m

aka se

makin

besar p

ula re

turn-nya.

2.Ukuran risik

o se

kurita

s yang re

levan adalah

ukuran ‘k

ontrib

usi’ risik

o se

kurita

s terhadap

risiko porto

folio

.

33/40

•Pengujia

n CAPM dapat m

enggunakan persa

maan

berik

ut:

dalam hal in

i:

Ri= ra

ta-ra

ta re

turn

sekurita

s i dalam perio

de

terte

ntu

βi= estim

asi b

eta untuk se

kurita

s i

Jika CAPM valid

, maka nila

i a1 akan m

endekati n

ilai

rata-ra

ta re

turn

bebas risik

o se

lama perio

de

pengujia

n,dan nila

i a2 akan m

endekati ra

ta-ra

ta premi

risiko pasar se

lama perio

de te

rsebut.

i2

1i

β a

a

R+

=

PENGUJIAN CAPM

34/40

TEORI P

ENETAPAN HARGA ARBITRASI

•Salah sa

tu alte

rnatif m

odel k

eseim

bangan,selain

CAPM,adalah Arbrita

ge Pricin

g Theory (A

PT).

•Estim

asi re

turn

harapan dari su

atu se

kurita

s,dengan

menggunakan APT, tid

ak te

rlalu dipengaruhi p

orto

folio

pasar se

perti h

anya dalam CAPM.

•Pada APT, re

turn

sekurita

s tidak hanya dipengaruhi

oleh porto

folio

pasar k

arena ada asumsi b

ahwa re

turn

harapan dari su

atu se

kurita

s bisa

dipengaruhi o

leh

beberapa su

mber risik

o yang la

innya.

35/40

•APT didasari o

leh pandangan bahwa re

turn

harapan

untuk su

atu se

kurita

s dipengaruhi o

leh beberapa

faktor risik

o yang m

enunjukkan kondisi p

erekonomian

secara umum.

•Faktor–fa

ktor risik

o te

rsebut h

arus m

empunyai

karakteristik

seperti b

erik

ut in

i:

1.

Masin

g-m

asin

g fa

ktor risik

o harus m

empunyai p

engaruh lu

as

terhadap re

turn

saham-sa

ham di p

asar.

2.

Faktor-fa

ktor risik

o te

rsebut h

arus m

empengaruhi re

turn

harapan.

3.

Pada awal p

erio

de, fa

ktor risik

o te

rsebut tid

ak dapat

diprediksi o

leh pasar.

TEORI P

ENETAPAN HARGA ARBITRASI

36/40

MODEL APT

•APT berasumsibahwainvesto

r percaya bahwa re

turn

sekurita

s akan dite

ntukan oleh se

buah m

odel fa

ktoria

l

dengan n

faktor risik

o, se

hingga:

dalam hal in

i:

Ri

= tin

gkat re

turn

aktual se

kurita

s i

E(R

i )= re

turn

harapan untuk se

kurita

s i

f = deviasi fa

ktor siste

matis F

dari n

ilai

harapannya

bi

= se

nsitiv

itas se

kurita

s i terhadap fa

ktor i

ei

= ra

ndom erro

r

in

in2

i21

i1i

ie

fb

...f

bf

b)

(R E

R+

++

++

=

37/40

MODEL KESEIMBANGAN APT

dalam hal in

i:

E(R

i )= re

turn

harapan dari se

kurita

s i

a0

= re

turn

harapan dari se

kurita

s i bila

risiko

sistematis se

besar n

ol

bin

= koefisie

n yang m

enujukkan besarnya pengaruh

faktor n

terhadap re

turn

sekurita

s i

= Premi risik

o untuk se

buah fa

ktor (m

isalnya

premi risik

o untuk F

1adalah E(F

1 ) –a0 )

�Risik

o dalam APT didefin

isi sebagai se

nsitiv

itas sa

ham

terhadap fa

ktor-fa

ktor e

konomi m

akro (b

i ),dan besarnya

return

harapan akan dipengaruhi o

leh se

nsitiv

itas te

rsebut.

nin

2i2

1i1

0i

Fb

...F

bF

ba

)E(R

++

++

=

F

38/40

•Pada dasarnya, C

APM m

erupakan m

odel

APT yang hanya m

empertim

bangkan sa

tu

faktor risik

o yaitu

risiko siste

matis p

asar.

•Dalam penerapan m

odel A

PT, b

erbagai

faktor risik

o bisa

dim

asukkan se

bagai

faktor risik

o.

MODEL APT

39/40

•Misa

lnya Chen, R

oll d

an Ross (1

986),

mengidentifik

asi e

mpat fa

ktor y

ang

mempengaruhi re

turn

sekurita

s, yaitu

:

1.Perubahan tin

gkat in

flasi.

2.Perubahan produksi in

dustri y

ang tid

ak

diantisip

asi.

3.Perubahan premi risk

-default

yang tid

ak

diantisip

asi.

4.Perubahan stru

ktur tin

gkat su

ku bunga yang

tidak diantisip

asi.

MODEL APT

40/40