BAB 9

MODEL KESEIMBANGAN RISIKO DAN RETURN:

CAPITAL ASSET PRICING MODEL

Bab sebelumnya membicarakan risiko dan tingkat keuntungan. Risiko dibicarakan

baik dalam konteks aset individual maupun portofolio. Bab ini membicarakan lebih lanjut
risiko dengan tingkat keuntungan yang diharapkan. Tema sentral dalam bab ini adalah
ada hubungan yang positif antara risiko dengan tingkat keuntungan. Lebih spesifik lagi,
bab ini membicarakan model yang tidak hanya membicarakan hubungan positif risiko
dan return, tetapi juga membicarakan keseimbangan dalam pasar keuangan dengan
menggunakan variabel risiko dan return. Model yang akan dibicarakan adalah CAPM dan
APT.

1. Hubungan Positif Antara Risiko dengn Return

Dalam pasar keuangan yang efisien, dan jika investor tidak suka risiko (risk-
averter), maka kenaikan risiko harus dikompensasi oleh tingkat keuntungan yang lebih
tinggi. Semakin tinggi risiko, semakin tinggi tingkat keuntungan yang diharapkan.
Misalkan ada dua aset (A dan B) yang harganya tahun depan diperkirakan sama yaitu
Rp1.000. Saat ini harganya sama yaitu Rp750. Tingkat keuntungan yang diharapkan jika
kita membeli saat ini adalah:

E(R) = [ (Rp1.000 – Rp750) / Rp750 ] × 100% = 33%

Misalkan risiko A meningkat, sementara risiko B menurun. Investor semakin tidak

tertarik membeli A, sementara investor akan semakin tertarik untuk membeli B. Harga
aset A semakin turun, sedangkan harga aset B meningkat. Misalkan harga A menurun dari
Rp750 menjadi Rp600, sedangkan harga B meningkat dari Rp750 menjadi Rp800.
Tingkat keuntungan yang diharapkan untuk keduanya juga berubah.

E(RA) = [ (Rp1.000 – Rp600) / Rp600 ] × 100% = 67%

E(RB) = [ (Rp1.000 – Rp800) / Rp800 ] × 100% = 25%

Tingkat keuntungan yang diharapkan untuk A meningkat, sementara tingkat keuntungan

yang diharapkan untuk B menurun. Kenaikan/penurunan tersebut adalah sedemikian rupa
sehingga kompensasi atas kenaikan/penurunan risiko bisa tercapai.
Meskipun argumen di atas cukup meyakinkan, pertanyaan berikut adalah
bagaimana dengan bukti empiris, apakah sesuai atau tidak dengan prediksi hubungan
positif antara risiko dengan return. Tabel berikut ini menyajikan return dan risiko untuk
beberapa sekuritas di Amerika Serikat dari tahun 1926-1999.

1
Tabel 1. Return dan Risiko Beberapa Jenis Sekuritas
Tingkat keuntungan Standar Excess return atas
rata-rata deviasi T-bond

Saham Perusahaan Kecil 17,6% 33,6% 12,1

Saham Perusahaan Besar 13,3 20,1 7,8
Obligasi Perusahaan 5,9 9,3 0,4
Jangka Panjang
Obligasi Pemerintah 5,5 8,7
Jangka Panjang
Treasury Bills 3,8 3,2
Inflasi 3,2 4,5

Treasury Bills adalah surat hutang yang dikeluarkan oleh pemerintah Amerika
Serikat dengan jangka waktu kurang dari satu tahun, sedangkan obligasi serupa dengan
jangka waktu yang panjang (lebih dari satu tahun) disebut sebagai obligasi jangka
panjang pemerintah (Treasury Bond atau T-Bond). Sekuritas di tabel di atas disusun
berdasarkan risiko default (risiko tidak bisa membayar kewajibannya) yang paling tinggi.
Saham perusahaan kecil mempunyai risiko paling tinggi, karena perusahaan kecil
merupakan perusahaan yang belum mapan, sehingga tingkat ketidakpastiannya sangat
tinggi. Obligasi pemerintah mempunyai kemungkinan default (tidak mampu membayar
kewajibannya) yang kecil, karena kemungkinan pemerintah Amerika Serikat default
cukup kecil. Treasury Bills mempunyai risiko yang lebih kecil karena jangka waktunya
lebih pendek. Dari segi investor, instrumen keuangan dengan jangka waktu yang lebih
pendek mempunyai tingkat kepastian pengembalian yang lebih tinggi, karena itu
mempunyai risiko yang lebih kecil.
Perkiraan risiko default di atas nampaknya didukung oleh indikator risiko yang
lainnya yaitu standar deviasi (lihat bab sebelumnya mengenai perhitungan risiko).
Perusahaan kecil mempunyai standar deviasi yang paling tinggi, sementara Treasury-Bills
mempunyai standar deviasi yang paling kecil.
Hubungan yang positif antara risiko dengan return nampaknya didukung oleh data
tabel di atas. Saham perusahaan kecil yang mempunyai risiko paling tinggi, juga
mempunyai tingkat keuntungan yang paling tinggi. Sebaliknya, T-Bills yang mempunyai
risiko yang paling kecil, juga mempunyai return yang paling kecil. Nampaknya hubungan
positif antara risiko dengan return didukung oleh bukti empiris.
Pertanyaan berikutnya, seberapa besar kompensasi yang wajar untuk kenaikan
risko? Tabel di atas memberikan gambaran kasar. Misal jika kita memegang saham, maka
kompensasi yang pantas (berdasarkan data historis) untuk kenaikan risiko saham atas T-
Bills adalah sekitar 13,8% (17,6 – 3,8). Tetapi bagaimana dengan aset lainnya, misal aset
X mempunyai standar deviasi 25%, sedangkan aset Y mempunyai standar deviasi 50%,
berapa kompensasi yang pantas untuk aset X dibandingkan Y? Bagian berikutnya
membicarakan isu semacam itu. Capital Asset Pricing Model berusaha merumuskan
kompensasi yang pantas untuk kenaikan risiko yang tertentu.

2. Capital Asset Pricing Model

2
2.1. Set Yang Efisien Untuk Aset Yang Berisiko

Bab sebelumnya membicarakan set yang efisien. Bagian ini akan membicarakan
lebih lanjut set yang efisien untuk aset yang berisiko, yang pada akhirnya sampai ke
penurunan model CAPM. Set yang efisien tersebut bisa digambarkan berikut ini.

Bagan 1. Set Yang Efisien Untuk Investasi Yang Berisiko

Tingkat keuntungan
Yang Diharapkan
C

A Set yang efisien

*S *Z

*K

Risiko (σ)

Secara umum, garis melengkung semacam itu akan terbentuk. Garis tersebut
merupakan set yang efisien, yaitu garis yang terdiri dari portofolio yang mendominasi
aset lainnya. Perhatikan bahwa garis yang berada di bawah garis pertama (misal
portofolio K, bandingkan dengan portofolio S), didominasi oleh garis di atasnya. Titik K
didominasi oleh portofolio S, karena untuk risiko yang sama, tingkat keuntungan S lebih
tinggi dibandingkan dengan tingkat keuntungan K; Yang berarti titik S mempunyai profil
risiko-return yang lebih menarik dibandingkan dengan titik K. Titik Z didominasi oleh
portofolio S. Tingkat keuntungan S dan Z sama, tetapi risiko S lebih kecil dibandingkan
dengan risiko Z. Set yang efisien tersebut merupakan set untuk portofolio investasi yang
berisiko.
Portofolio (titik) mana yang dipilih dalam set yang efisien di atas akan tergantung
dari preferensi investor. Sebagai contoh, investor A relatif tidak menyukai risiko yang
tinggi. Kurva kepuasan (utilitas) berada di wilayah risiko yang rendah. Untuk investor A,
ia akan memilih titik persinggungan antara kurva kepuasannya dengan set yang efisien.
Investor B lebih mentolerir risiko, juga investor C. Keduanya juga memilih titik
persinggungan antara kurva kepuasannya dengan set yang efisien. Pilihan investor C
mempunyai risiko yang lebih tinggi dibandingkan dengan pilihan investor B, yang pada

3
giliran berikutnya lebih tinggi dibandingkan dengan pilihan investor A. Demikian juga
dengan urutan tingkat keuntungan yang diharapkan; Dalam hal ini tingkat keuntungan
titik C paling tinggi, disusul titik B, dan titik A mempunyai tingkat keuntungan yang
paling rendah.

2.2. Asumsi CAPM

Capital Market Line (CML) dan SML (Security Market Line) yang merupakan
inti dari model Capital Asset Pricing Model akan dibicarakan dalam bagian ini. Model
CAPM dirumuskan oleh dua orang yang bekerja secara independen: William Sharpe
(1964) dan John Lintner (1965). William Sharpe kemudian memperoleh hadiah Nobel
untuk jasanya pada tahun 1990, sementara John Lintner sayangnya sudah meninggal,
sehingga dia tidak memperoleh hadiah Nobel. Hadiah Nobel hanya diberikan kepada
orang yang masih hidup.
Sama seperti model lainnya, CAPM menggunakan beberapa asumsi, yaitu:
1. Investor memfokuskan pada periode kepemilikan tunggal, mereka mencoba
memaksimumkan tingkat kepuasan mereka (expected utility) dengan memilih alternatif
portofolio dengan menggunakan basis tingkat keuntungan yang diharapkan dan standar
deviasi.
2. Investor bisa meminjam dan meminjamkan dengan jumlah yang tidak terbatas pada
tingkat bunga bebas risiko, dan tidak ada pembatasan terhadap short-sales.1
3. Investor mempunyai perkiraan tingkat keuntungan yang diharapkan, varians, dan
kovarians antar aset, yang sama satu sama lain. Jika investor yang satu memperkirakan
tingkat keuntungan aset X adalah 15%, maka investor lainnya juga memperkirakan 15%.
Dengan kata lain pengharapan investor adalah homogen (homogenous expectation).
4. Aset bisa dibagi-bagi secara sempurna (perfectly divisible) dan likuid sempurna (bisa
dijual pada harga pasar saat ini).
5. Tidak ada biaya transaksi.
6. Tidak ada pajak.
7. Investor tidak bisa mempengaruhi harga, semuanya price takers (harga ditentukan oleh
pasar). Situasi semacam ini terjadi di pasar persaingan sempurna. Seorang investor sangat
kecil ukurannya dibandingkan dengan pasar.
8. Kuantitas semua aset sudah ditentukan.

Asumsi-asumsi semacam itu jelas tidak realistis. Tetapi baik tidaknya suatu model tidak
tergantung dari realistis atau tidaknya asumsi yang dipakai. Baik tidaknya model akan
tergantung dari kemampuannya menjelaskan fenomena yang ada. Dengan kata lain, baik
tidaknya teori tersebut akan ditentukan oleh bukti empiris, apakah mendukung atau
konsisten dengan model tersebut atau tidak. Beberapa penelitian berikutnya juga sudah

1
Short sales adalah penjualan aset yang dipinjam. Short sales dilakukan jika kita mengantisipasi penurunan
harga. Sebagai contoh, misal harga saham saat ini adalah Rp5.000. Kemudian kita mengantisipasi
penurunan harga. Saat ini kita tidak mempunyai saham tersebut. Kita bisa meminjam saham tersebut (dari
broker kita), kemudian kita jual. Kita memperoleh kas masuk sebesar Rp5.000. Satu minggu kemudian,
misal harga benar-benar turun menjadi Rp4.000, kita harus mengembalikan saham yang sudah kita jual.
Kita bisa membeli saham tersebut dari pasar dengan harga Rp4.000, yang berarti ada kas keluar sebesar
Rp4.000. Keuntungan bersih yang kita peroleh dengan demikian adalah Rp1.000 (Rp5.000 – Rp4.000). Jika
harga ternyata naik, berarti kita mengalami kerugian, bukannya keuntungan.

4
mulai mencoba melonggarkan asumsi-asumsi di atas. Pada umumnya hasil yang
diperoleh setelah melonggarkan asumsi-asumsi tersebut, konsisten dengan teori dasar dari
CAPM.

2.3. Capital Market Line (CML)

Misalkan ada investasi bebas risiko dengan simbol Rf. Investasi bebas risiko
adalah investasi yang praktis tidak mempunyai risiko default (kebangkrutan). Contoh
investasi tersebut adalah obligasi yang dikeluarkan oleh pemerintah (misal oleh
pemerintah Amerika Serikat, yang disebut treasury bond atau treasury bills, karena
praktis pemerintah Amerika Serikta tidak akan bangkrut; atau deposito yang dikeluarkan
oleh bank pemerintah di Indonesia, karena bank tersebut dijamin oleh pemerintah
Indonesia). Jika ada investasi bebas risiko, maka set yang efisien akan berubah menjadi
garis lurus yang menghubungkan Rf dengan set yang efisien untuk investasi yang
berisiko. Lebih tepatnya lagi, garis tersebut menyentuh (tangent) set yang efisien untuk
investasi yang berisiko (lihat bagan di bawah).
Kenapa menyentuh? Jika memotong set yang efisien untuk aset yang berisiko
(misal Rf-B), set yang efisien yang terbentuk belum optimal. Masih bisa ditarik garis
yang bisa mendominasi garis Rf-B tersebut. Pada saat garis dari Rf menyentuh M
(tangent), maka garis tersebut merupakan garis untuk set yang efisien yang optimal. Garis
Rf-A merupakan garis yang tidak feasibel, karena garis tersebut berada di luar set yang
efisien untuk aset yang berisiko, meskipun garis tersebut . Dengan menggabungkan set
yang efisien untuk aset yang berisiko dengan aset bebas risiko, kita memperoleh set yang
efisien yang baru, yang ditunjukkan oleh garis Rf-M. Lihat gambar berikut ini.

5
Bagan 2. Set Yang Efisien dengan Aset Bebas Risiko

kepuasan Capital Market Line (CML)

E(Rp) meningkat
*C
Set yang efisien yang baru
A *

*M

*B

Rf

Garis Rf-M (set efisien yang baru) mendominasi set yang efien yang lama, yaitu set yang
efisien untuk aset yang berisiko (garis lengkung). Dilihat melalui tingkat kepuasan,
investasi pada set efisien yang baru akan meningkatkan kepuasan investor. Garis Rf-A
bisa meningkatkan kepuasan lebih lanjut, tetapi garis tersebut berada di luar jangkauan.
Titik M (titik persinggungan) merupakan return portofolio pasar (market). Dengan
demikian Rf-M merupakan garis yang paling optimal (efisien). Perhatikan bagan berikut
ini memfokuskan pada garis CML, yang diambil dari bagan 2 di atas.

6
Bagan 3. Capital Market Line (CML)

Capital Market Line (CML)

E(Rp)
*Y

Daerah meminjam

* M
Portofolio pasar

* X

Daerah meminjamkan
Rf

Dari bagan di atas beberap observasi bisa dilakukan. Titik M yang merupakan
titik persinggungan pada bagan 2 disebut sebagai portofolio pasar (ditulis sebagai titik M,
yaitu kepanjangan dari Market atau pasar). Semua investor akan memilih titik M
(portofolio pasar) untuk investasi berisiko, meskipun kurva kepuasan mereka berbeda-
beda. Sebagai contoh, investor X akan memilih M, kemudian dikombinasikan dengan Rf
sedemikan rupa sehingga tercapai titik X. Demikian juga dengan investor Y. Dia akan
membeli aset M (portofolio pasar), kemudian dikombinasikan dengan aset Rf (aset bebas
risiko), sedemikian rupa sehingga titik Y akan dicapai.
Mekanisme atau prinsip semacam itu disebut sebagai prinsip pemisahan
(separation principle). Separataion principles mengatakan bahwa keputusan investasi
seorang investor terdiri dari dua tahap:

(1) Investor akan mengestimasi risiko (standar deviasi), return yang diharapkan, dan
kovarians antar return aset, untuk semua alternatif investasi yang ada. Kemudian dia akan
membentuk set yang efisien untuk aset yang berisiko (seperti pada bagan 1). Kemudian
dia akan menentukan titik persinggungan dengan aset bebas risiko (titik M pada bagan
2). Titik M adalah portofolio investasi berisiko yang ingin ia beli. Titik tersebut diperoleh
semata-mata dari perhitungan return, standar deviasi, dan kovarians antar aset. Dalam
tahap ini, preferensi individual (toleransi risiko) tidak berpengaruh terhadap pemilihan
titik tersebut. Investor yang toleran maupun yang tidak suka terhadap risiko akan memilih
titik M tersebut. Dan karena asumsi pengaharapan yang homogen dalam CAPM, maka
semua investor akan sampai pada titik M yang sama.

(2) Setelah titik M ditentukan, dia akan melakukan kombinasi dengan aset bebas risiko
(Rf) sedemikian rupa sehingga preferensi individunya akan terpenuhi. Sebagai contoh,

7
investor yang tidak suka dengan risiko akan menggabungkan 50% investasi bebas risiko
dan 50% investasi berisiko (titik X pada bagan 3).

Keputusan (1) sering disebut juga sebagai keputusan investasi, sedangkan keputusan (2)
bisa juga disebut sebagai keputusan pendanaan (karena meminjam atau meminjamkan
dengan tingkat bunga Rf). Karena itu separation principle juga bisa dikatakan sebagai
prinsip pemisahan keputusan investasi dengan keputusan pendanaan. Keputusan investasi
dan pendanaan tidak terkait satu sama lain (dalam konteks di atas).
Di garis CML di atas, portofolio atau titik mana yang harus dipilih oleh seorang
investor? Investor bisa memilih posisi mana saja di CML tergantung dari preferensi
risikonya (kurva kepuasan). Investor yang sangat risk averse (tidak menyukai risiko)
barangkali akan memilih aset bebas risiko (Rf). Investor yang bersedia menanggung
risiko lebih besar barangkali akan memilih portofolio X, yaitu portofolio yang terdiri dari
50% aset bebas risiko dan 50% aset berisiko (portofolio M). Investor juga bisa memilih
portofolio 100% aset berisiko (titik M). Investor yang bersedia menanggung risiko lebih
tinggi lagi, bisa memilih titik Y. Titik tersebut tercapai melalui pinjaman dengan tingkat
bunga Rf (atau short sales investasi bebas risiko), kemudian pinjaman tersebut dibelikan
aset berisiko M. Dengan demikian, daerah Rf-M merupakan daerah meminjamkan,
sedangkan daerah M-Y-dan seterusnya, adalah daerah meminjam.
Misalkan, investor mempunyai dana sebesar Rp1 juta. Jika ia menginvestasikan
seluruhnya pada aset berisiko (portofolio pasar), maka ia akan mencapai titik M. Jika ia
ingin mencapai titik X, maka ia akan membeli portofolio pasar senilai Rp500 ribu, dan
membeli investasi bebas risiko (misal T-Bills atau Sertifikat Bank Indonesia) senilai
Rp500 ribu. Titik X adalah titik dengan 50% portofolio dan 50% aset bebas risiko.
Dengan membel T-Bills atau SBI tersebut, secara efektif investor tersebut meminjamkan
dananya. Jika ia ingin mencapai titik Y, misal tercapai jika komposisi adalah 150% dari
portofolio pasar, maka ia harus meminjam sebesar Rp500 ribu dengan tingkat bunga
bebas risiko (Rf). Kemudian digabung dengan dananya sebesar Rp1 juta, yang berarti
total dananya mencapai Rp1,5 juta, ia membeli portfolio pasar senilai Rp1,5 juta. Short
sales investasi bebas risiko secara efektif sama dengan pinjaman pada tingkat bunga
bebas risiko. Jika investor tersebut menginginkan tingkat keuntungan yang lebih tinggi, ia
bisa terus meminjam sampai mencapai titik tidak terbatas (secara teoritis
memungkinkan).
Risiko dan return untuk alternatif investasi X, M, dan Y bisa dihitung sebagai
berikut ini. Pertama kita menghitung bobot atau proporsi Rf (aset bebas risiko) dan M
(aset berisiko atau portofolio pasar). Jumlah bobot akan selalu sama dengan 1 (100%).

Tabel 2. Proporsi Aset Bebas Risiko dan Aset Berisiko Untuk Titik Yang Berbeda
Investasi Bobot Rf Bobot M Total
(Investasi bebas risiko) (Investasi aset berisiko/
portofolio pasar)
X 0,5 0,5 1
M 0 1 1
Y -0,5 1,5 1

8
Untuk titik Y, karena kita meminjam dengan tingkat bunga Rf, maka bobot untuk aset
bebas risiko adalah -0,5 (tanda minus menunjukkan meminjam). Dengan kata lain, kita
meminjam sebesar 50% dari total dana yang kita miliki. Tingkat keuntungan yang
diharapkan bisa dihitung sebagai berikut ini.

E(RX) = 0,5 (10%) + 0,5 (20%) = 15%

E(RM) = 0 (10%) + 1 (20%) = 20%
E(RY) = -0,5 (10%) + 1,5 (20%) = 25%

Karena investasi bebas risiko perdefinisi mempunyai risiko=0, maka standar deviasi
return aset bebas risiko dianggap nol. Korelasi antara aset bebas risiko dengan aset
portofolio pasar adalah 0 (karena aset bebas risiko tetap konstan meskipun return pasar
berubah-ubah). Risiko (standar deviasi) portofolio dihitung sebagai berikut ini.

σ(RX) = [ (0,5)2 (0)2 + (0,5)2 (25)2 + 2 (0,5) (0,5) (0) (0) (25) ] 1/2 = 12,5%
σ(RM) = [ (0)2 (0)2 + (1)2 (25)2 + 2 (0) (0,5) (0) (0) (25) ] 1/2 = 25%
σ(RY) = [ (-0,5) (0) + (1,5)2 (25)2 + 2 (-0,5) (1,5) (0) (0) (25) ]1/2
2 2
= 37,5%

Terlihat bahwa portofolio Y mempunyai tingkat keuntungan dan juga risiko yang paling
tinggi.
Rf-M-Y dan seterusnya biasa disebut sebagai CML (Capital Maket Line). Garis
tersebut menjelaskan hubungan antara risiko dengan tingkat keuntungan untuk portofolio
yang efisien. Tingkat keuntungan bisa dituliskan sebagai

E(Ri) = Rf + [ (E(RM) – Rf ) / (σM – σRf) ] σi

Karena σRf = 0 (aset bebas risiko), maka persamaan CML di atas bisa ditulis lagi sebagai
berikut ini.

E(Ri) = Rf + [ (E(RM) – Rf ) / (σM) ] σi

dimana
E(Ri) = tingkat keuntungan yang diharapkan untuk aset i
Rf = tingkat keuntungan aset bebas risiko
E(RM) = tingkat keuntungan pasar yang diharapkan
σM = risiko (standar deviasi) keuntungan pasar
σRf = risiko (standar deviasi) investasi bebas risiko
σi = risiko (standar deviasi) aset i

Persamaan di atas bisa diinterpretasikan sebagai berikut. Tingkat keuntungan yang

diharapkan untuk portofolio i sama dengan tingkat keuntungan bebas risiko ditambah
premi risiko. Perhatikan bahwa Rf merupakan intercept dari garis CML, sedangkan
(E(RM) – Rf ) / (σM) merupakan slope dari garis tersebut. (E(RM) – Rf ) merupakan
premi risiko pasar.
Sebagai contoh, misal berdasarkan data historis kita menghitung return pasar
adalah 25%, dengan standar deviasi sebesar 20%, sehingga kita bisa mengharapkan

9
return pasar di masa mendatang juga sebesar 25%. Return aset bebas risiko adalah 15%.
Misal suatu portofolio mempunyai standar deviasi sebesar 30%, berapa tingkat
keuntungan yang pantas untuk portofolio tersebut? Dari informasi di atas diperoleh Rf =
15%, E(RM) = 25%, σM = 25%, σi = 30%. Berapa E(Ri)?

E(Ri) = 15% + (25% - 15%) × ( 25/30 ) = 23,33%

Tingkat keuntungan yang pantas untuk portofolio i tersebut adalah 23,33%.

2.4. Security Market Line (SML)

Jika CML menjelaskan hubungan antara risiko dengan return untuk portofolio
yang efisien, bagaimana hubungan risiko-return untuk semua aset (yang efisien dan yang
tidak efisien)? Garis SML (Security Market Line) menjelaskan hubungan antara risiko
dengan return untuk semua aset. Garis tersebut diturunkan dari CML. Setelah melakukan
beberapa manipulasi dan asumsi2, gambar berikut ini diperoleh.

Bagan 3. Security Market Line (SML)

Security Market Line (SML)

E(Ri)

E(RM) *M

Rf

ß
ßM

Garis SML bisa dituliskan sebagai berikut ini.

E(Ri) = Rf + [ (E(RM) – Rf ) / (M – Rf) ] i

2
Lihat misalnya Sharpe, William, “Capital Asset Prices: A Theory of Market Equilibrium Under
Conditions of Risk”, Journal of Finance, September, 1964.

10
Karena ßRf = 0 (aset bebas risiko), dan ßM didefinisikan sebagai 1, maka persamaan
SML di atas bisa ditulis lagi sebagai berikut ini.

E(Ri) = Rf + [ (E(RM) – Rf ) ] i

dimana
E(Ri) = tingkat keuntungan yang diharapkan untuk aset i
Rf = tingkat keuntungan aset bebas risiko
E(RM) = tingkat keuntungan pasar yang diharapkan
i = risiko sistematis aset i

Persamaan di atas bisa diinterpretasikan sebagai berikut. Tingkat keuntungan yang

diharapkan untuk sekuritas i sama dengan tingkat keuntungan bebas risiko ditambah
dengan premi risiko. Rf bisa ditafsirkan sebagai kompensasi atas waktu, sedangkan term
kedua bisa ditafsirkan sebagai kompensasi atas risiko sistematis. Return bebas risiko bisa
diambilkan dari obligasi yang dikeluarkan oleh pemerintah (misal treasury bond atau
bills, surat hutang yang dikeluarkan oleh pemerintah Amerika Serikat) atau deposito bank
pemerintah di Indonesia (bank pemerintah dijamin oleh pemerintah). Pemerintah
Amerika Serikat dianggap tidak akan bangkrut, demikian juga dengan pemerintah
Indonesia.
Perhatikan bahwa persamaan di atas ditulis dalam bentuk ex ante (pengharapan di
masa mendatang). Untuk menghitung beta dalam prakteknya, kita bisa menggunakan data
historis. Tentunya data historis tersebut diasumsikan bisa dipakai sebagai proxy
(pendekatan) nilai masa mendatang. Secara teoritis, portofolio pasar (M) adalah
portofolio yang mencakup semua aset yang ada di dunia ini, baik yang diperdagangkan
maupun yang tidak diperdagangkan. Dengan definisi semacam itu, kita tidak mungkin
bisa menghitung return pasar. Sebagai proxy, return indeks saham gabungan sering
dipakai sebagai indikator return pasar. Perhitungan beta (risiko sistematis) dibicarakan
pada bab sebelumnya. i (risiko sistematis) pada dasarnya merupakan merupakan
koefisien regresi dari market model. Beta juga bisa dihitung melalui formula berikut ini.

i = (  Rm Ri / 2 Rm )

 Rm Ri merupakan kovarians antara return aset i dengan return pasar. Karena 2 Rm

mempunyai nilai yang sama (tetap) untuk semua saham, beta saham i tergantung secara
proporsional pada kovarians saham tersebut dengan pasar ( Rm Ri). Dengan kata lain,
sumbangan risiko aset i terhadap risiko portofolio yang akan menentukan risiko
sistematis aset i.
CAPM/SML di atas bisa diinterpretasikan sama dengan CML, yaitu tingkat
keuntungan yang diharapkan untuk aset i sama dengan tingkat keuntungan bebas risiko
plus premi risiko. Premi risiko menggunakan risiko sistematis sebagai pengukur risiko.
Sebagai contoh, misal berdasarkan perhitungan return pasar adalah 25%. Return aset
bebas risiko adalah 15%. Misal suatu aset mempunyai beta (risiko sistemtais) sebesar 0,9,
berapa tingkat keuntungan yang pantas untuk aset tersebut? Dari informasi di atas
diperoleh Rf = 15%, E(RM) = 25%, ßi = 0,9. Berapa E(Ri)?

11
E(Ri) = 15% + (25% - 15%) × 0,9 = 24%

2.5. Capital Asset Pricing Model (CAPM)

Secara spesifik CAPM mempunyai dua tujuan:

(1) Menjelaskan hubungan antara risiko dengan return

(2) Menjelaskan kondisi keseimbangan dalam pasar keuangan

2.5.1 Menjelaskan hubungan risiko dengan return

Pada bagian awal bab ini, dijelaskan bahwa ada hubungan positif antara risiko
dengan return. Tetapi belum dijelaskan secara spesifik seberapa besar tingkat keuntungan
yang pantas untuk mengkompenasasi kenaikan risiko. Jika risiko naik dari standar deviasi
5% menjadi standar deviasi 10%, berapa tingkat keuntungan yang pantas untuk
mengkompenasasi kenaikan risiko tersebut? Model CAPM bertujuan untuk menghitung
premi risiko yang pantas. Lebih spesifik lagi, model CAPM menggunakan risiko
sistematis (beta pasar saham) sebagai indikator risiko. Sebagian dari risiko total (yang
diukur melalui standar deviasi) bisa dihilangkan melalui diversifikasi. Diversifikasi
tersebut secara teoritis mudah dilakukan. Dengan membentuk portofolio yang terdiri dari
beberapa aset, risiko tidak sistematis praktis bisa dihilangkan. Karena itu hanya risiko
sistematis (risiko yang bisa dihilangkan melalui diversifikasi) yang relevan. CAPM
berusaha menjelaskan hubungan antara risiko sistematis dengan tingkat keuntungan
(return).
Sebagai contoh, misalkan ada dua aset dengan risiko yang berbeda. Risiko
sistematis untuk aset A dan B adalah 1,2 dan 0,8 berturut-turut. Tingkat keuntungan pasar
yang diharapkan adalah 25%, sedangkan tingkat keuntungan bebas risiko adalah 15%.
Berapa tingkat keuntungan yang pantas untuk aset A dan B? A mempunyai risiko yang
lebih tinggi dibandingkan dengan B, dengan demikian A mempunyai tingkat keuntungan
yang diharapkan yang lebih tinggi dibandingkan dengan B. Dengan menggunakan
kerangka CAPM, kita bisa menghitung dengan lebih terinci seberapa besar kenaikan
tingkat keuntungan/kompensasi atas kenaikan risiko tersebut. Tingkat keuntungan yang
diharapkan untuk A dan B bisa dihitung sebagai berikut ini.

E(RA) = 15% + (25% - 15%) × 0,8 = 23%

E(RB) = 15% + (25% - 15%) × 1,2 = 27%

Jika tingkat keuntungan tidak berada dalam garis SML, maka harga-harga menunjukkan
situasi ketidakseimbangan. Perubahan harga akan terjadi menuju keseimbangan baru.
Bagian berikut akan menjelaskan proses semacam itu.

12
2.5.2. Menjelaskan kondisi keseimbangan dalam pasar keuangan

Model keseimbangan yang dibayangkan oleh disiplin ekonomi keuangan dengan

disiplin ekonomi berbeda. Dalam disiplin ekonomi, keseimbangan akan terjadi jika kurva
penawaran bertemu dengan kurva permintaan. Kurva permintaan mempunyai slope
negatif, sedangkan kurva permintaan mempunyai slope positif. Harga dan kuantitas
keseimbangan akan ditentukan. Dalam disiplin ekonomi keuangan, permintaan terhadap
aset keuangan biasanya diasumsikan tidak terbatas. Dengan demikian kurva permintaan
keuangan akan terlihat mendatar. Berapapun besarnya penawaran sekuritas, permintaan
akan bisa menyerap penawaran tersebut. Kuantitas sekuritas tidak akan menentukan
harga sekuritas. Disamping itu, sekuritas seperti komoditas. Satu sama lain sama bisa
menjadi pengganti dengan sempurna (substitutable).
Faktor apa yang menentukan harga sekuirtas? Faktor yang lebih penting adalah
risiko sekuritas tersebut. Semakin tinggi risiko, semakin rendah harga saham, yang berarti
semakin tingkat keuntungan yang diharapkan. Kita akan melihat bagaimana mekanisme
keseimbangan seperti yang dibayangkan oleh CAPM. Tingkat keuntungan pasar adalah
25%, sedangkan tingkat keuntungan aset bebas risiko adalah 15%. Kedua aset
mempunyai risiko yang sama yaitu 1,2. Model CAPM memperkirakan tingkat
keuntungan yang pantas untuk kedua aset tersebut adalah 22%. Berikut ini plot
keuntungan dan risiko untuk aset C, D, dan garis CAPM.

Bagan 4. Proses Keseimbangan dalam CAPM

E(Ri)

SML

D*

C*

Rf=10%

CAPM memperkirakan tingkat keuntungan yang pantas berdasarkan risiko sistematis C

dengan D adalah 22%.
Misalkan karena sesuatu hal, aset D dan C mempunyai tingkat keuntungan 24%
dan 20%, berturut-turut. Tingkat keuntungan yang terjadi tersebut berbeda dengan yang
diprediksi oleh CAPM. Karena aset D (C) mempunyai tingkat keuntungan yang lebih

13
tinggi (rendah) dibandingkan yang diprediksi oleh CAPM, aset D akan menarik banyak
investor, sedangkan aset C tidak begitu menarik bagi investor. Investor akan beramai-
ramai membeli aset D, dan menjual aset C (bagi yang mempunyai aset C). Proses tersebut
akan mengakibatkan naiknya harga aset D dan menurunnya harga aset C. Karena harga
naik, tingkat keuntungan yang diharapkan untuk aset D akan menurun, sementara untuk
C, karena harga turun, tingkat keuntungan yang diharapkan untuk aset C akan naik.
Proses tersebut akan mendorong harga aset D dan C bergerak menuju titik yang
diperkirakan oleh CAPM, yaitu 22%. Pada titik tersebut harga sudah sesuai dengan
tingkat keuntungan yang diharapkan. Proses semacam itu menjelaskan proses menuju
titik keseimbangan seperti yang digambarkan oleh CAPM.

3. Estimasi Beta (Risiko Sistematis)

Menurut CAPM, hanya risiko sistematis yang berpengaruh terhadap return.

Bagaimana menghitung risiko sistematis? Bagian ini akan menjelaskan ilustrasi
perhitungan risiko sistematis dengan data hipotesis ekspektasi dan data historis.

3.1. Perhitungan Risiko Sistematis (Data Pengharapan)

Misalkan kita mempunyai lima skenario di masa mendatang, probabilitas masing-

masing skenario, return aset A, dan return pasar, sebagai berikut ini.

Tabel 3. Perhitungan Kovarians Return Aset Dengan Return Pasar

Kondisi Probabilitas Return Return Kovarians A dengan
Perekonomian (A) Pasar Return Pasar
Sangat baik 0,20 20 10 0,2 (20 - 9) (10 – 3,6) = 14,08
Baik 0,20 10 8 0,2 (10 - 9) (8 – 3,6) = 0,88
Normal 0,20 7.5 5 0,2 (7,5 - 9) (5 – 3,6) = 0,42
Jelek 0,20 5 0 0,2 (5,0 - 9) (0 – 3,6) = -2,88
Sangat Jelek 0,20 2.5 -5% 0,2 (2,5 - 9) (-5 – 3,6) = 9,46
1,00 9% 3,6% = 21,96

Risiko sistematis bisa dihitung dengan formula berikut ini.

i = σiM / σ2M
dimana
i = beta atau risiko sistematis aset i
σiM = kovarians antara return aset i dengan return pasar
2
σM = varians return aset i

Kovarians antara return A dengan return pasar dihitung pada kolom paling kanan tabel di
atas. Kemudian kita harus menghitung varians return pasar. Varians tersebut dihitung
sebagai berikut ini.

σ2M = 0,2 (10–3,6)2 + 0,2 (8–3,6)2 + 0,2 (5–3,6)2 + 0,2 (0–3,6)2 + 0,2 (-5–3,6)2 = 29,84

14
A = 21,96 / 29,84 = 0,74
Beta tersebut juga bisa diinterpretasikan sebagai sensitivitas (responsif) return
suatu saham (aset) terhadap return pasar. Untuk aset A tersebut, jika return pasar naik
dengan 10%, maka return aset A akan meningkat dengan 7,4% (0,74 × 10%). Sebaliknya,
jika return pasar turun dengan 10%, maka return A akan turun dengan -7,4% (0,74 ×
-10%). Saham dengan beta lebih besar dari 1 disebut sebagai saham agresif, karena return
saham tersebut meningkat atau menurun lebih besar dibandingkan dengan return pasar.
Sedangkan saham dengan beta lebih kecil dari satu disebut sebagai saham defensif,
karena return saham tersebut meningkat atau menurun dengan derajat lebih kecil
dibandingkan dengan return pasar.
Beta merupakan slope dari garis karakteristik (characteristic line), yaitu garis
yang menghubungkan titik return pasar dengan return saham. Berikut ini gambar garis
karakteristik.

Bagan 5. Garis Karakteristik Dengan Slope Yang Berbeda-beda

Beta>1
Return Saham
Beta=1

Beta<1

RM

Beta pasar sering didefinisikan sebagai 1 (satu). Jumlah rata-rata tertimbang dari beta
individual adalah satu, seperti terlihat berikut ini.
N
∑ Xi i = 1
i

dimana Xi adalah proporsi investasi pada aset i. Hasil tersebut masuk akal, karena
investasi pada semua aset yang ada akan membentuk portofolio pasar.

15
3.2. Perhitungan Risiko Sistematis (Data Historis)

Ilustrasi perhitungan risiko sistematis dengan data historis bisa digambarkan

sebagai berikut ini. Misal kita ingin menghitung risiko sistematis saham Astra. Model
regresi berikut ini bisa dipakai untuk menghitung risiko sistematis:

Rit = αi + ßi Rmt + eit

dimana
Rit = Return aset/saham i pada periode t
αi = intercept dari regresi tersebut
ßi = Koefisien regresi (indikator Risiko sistematis aset/saham i)
Rmt = Return portofolio pasar pada periode t
ei = residual

Model tersebut dikenal sebagai market model.3 Model regresi di atas menggunakan return
pasar sebagai variabel bebas, dan return saham/aset sebagai variabel tidak bebas. Misal
data yang kita gunakan adalah data return harian. Langkah pertama adalah
mengumpulkan data harga saham Astra harian dan juga indeks harga pasar harian. Indeks
harga saham gabungan (IHSG) bisa dipakai sebagai proksi (pengukur) portofolio pasar.
Kemudian, biasanya return harian dihitung dengan menggunakan harga harian. Karena
itu kita akan mengumpulkan harga penutupan harian untuk saham Astra dan indeks
penutupan harian untuk IHSG.
Tabel berikut ini menunjukkan sampel harga dari tanggal 12 Maret 1996 sampai
dengan 29 Mei 1997. Untuk menghemat halaman, data ditengah-tengah dihilangkan.

Tabel 4. Return harian Saham Astra dan IHSG

Tanggal Harga Astra Return Astra Return IHSG

960312 2700 . 2.997025
960313 2750 1.851852 -0.13016
960314 2800 1.818182 1.746023
960315 2925 4.464286 1.207208
960318 2825 -3.4188 0.358883
960319 2925 3.539823 1.466676
960320 2875 -1.7094 -0.23325
960322 2850 -0.86957 0.006826
960325 2950 3.508772 -0.01536
960326 2900 -1.69492 -0.00853
960327 2850 -1.72414 0.203113
960328 2900 1.754386 -0.23166
3
Model pasar mempunyai kemiripan dengan model indeks tunggal. Model indeks tunggal lebih restrictif,
misal mengasumsikan kovarians antar saham sama dengan nol . Model Indeks pada dasarnya mengatakan
bahwa ada faktor bersama yang mempengaruhi return-return saham. Faktor tersebut bisa berupa return
saham, atau faktor lainnya. Model pasar hanya mengatakan bahwa return saham diturunkan dari return
pasar.

16
 960401 2875 -0.8620 0.322685
. . . .
. . . .
. . . .
. . . .
970509 6200 0.40485 1.02723
970512 6100 -1.6129 0.314685
970513 6100 0 -0.43503
970514 6050 -0.81967 -0.33885
970515 6050 0 -2.02806
970516 6000 -0.82645 0.012177
970519 6050 0.833333 -0.6879
970521 6050 0 0.193006
970523 6000 -0.82645 0.677277
970526 6050 0.833333 0.710685
970527 6050 0 0.85193
970528 6125 1.239669 0.545713
970529 6400 4.489796 2.527881

Kolom kedua tabel di atas menampilkan harga penutupan harian saham Astra.
Perhitungan beta membutuhkan return atau tingkat keuntungan, bukannya harga. Untuk
menghitung tingkat keuntungan harian (return), kita bisa menggunakan rumus seperti
berikut ini.

Return t = [ ( P(t+1) - Pt ) / Pt ] × 100%

Sebagai contoh, untuk hari kedua, return Astra bisa dihitung sebagai berikut ini.

Return 2 = [ ( 2.750 – 2.700) / 2700 ] × 100% = 1,85%

Untuk menyederhanakan perhitungan, dividen tidak dihitung dalam perhitungan return.

Perhitungan return terus dilakukan sampai tanggal 29 Mei 1997. Kolom terakhir
menampilkan return IHSG yang dihitung melalui proses yang sama. Untuk menghemat
halaman, tingkat (level) IHSG tidak ditampilkan, yang ditampilkan adalah return IHSG.
Setelah selesai menghitung return harian, berarti kita siap menjalankan model regresi di
atas.
Berikut ini plot antara return Astra dengan return IHSG. Perhatikan bahwa plot
antara return pasar dengan return Astra pada dasarnya sama dengan garis karakteristik
seperti yang dijelaskan di muka. Hasil perhitungan regresi menunjukkan hasil sebagai
berikut ini.

17
 RASTRA,t = 0,2652 + 0,689 R IHSG,t + et
(1,954)** (4,467)*** t-stat

R-square = 0,064
Adjusted R-Square = 0,061

** = signifikan pada 5%
*** = signifikan pada 1%

Untuk keperluan perhitungan risiko sistematis, kita memfokuskan pada koefisien regresi
di atas. Koefisien tersebut adalah 0,689, yang berarti risiko sistematis saham Astra adalah
0,689. Koefisien tersebut signifikan pada tingkat 1%, yang berarti berbeda secara
signifikan dari nol pada tingkat signifikansi 1%.

Bagan 6. Plot Return Astra dengan Return IHSG (Maret 1996-Mei 1997)

3 Perubahan Pada Garis SML

18
 Garis SML tidak konstan selamanya. Garis tersebut bisa berubah mengikuti
perubahan kondisi dan ekonomi. Berikut ini dua perubahan yang bisa terjadi pada garis
SML, yaitu bergeser paralel dengan slope konstan (perubahan intercept) dan slope
berubah (intercept tetap), serta kombinasi keduanya, yaitu slope dan intercept berubah.

3.1. Perubahan intercept

Misalkan inflasi adalah 10%. Misalkan tingkat bunga aset bebas risiko riil adalah
5%. Tingkat bunga nominal dengan demikian adalah:

Tingkat bunga nominal = tingkat bunga riil + premi inflasi

15% = 10% + 5%

Tingkat keuntungan aset bebas risiko adalah 15%. Misal inflasi meningkat menjadi 15%.
Tingkat keuntungan aset bebas risiko nominal berubah menjadi 15% + 5% = 20%. R F
dengan demikian berubah dari 15% menjadi 20%. Perubahan tersebut mengakibatkan
SML bergeser ke atas, karena RF yang baru lebih besar dibandingkan dengan RF yang
lama, seperti terlihat pada gambar berikut ini.

Bagan 7. Perubahan SML Paralel

Tingkat keuntungan
yang diharapkan

SML baru

SML lama

20%
Kenaikan premi inflasi = 5%

15% Premi inflasi (lama) = 10%

Tingkat bunga riil = 5%

Risiko Sistematis

3.2. Perubahan Slope.

19
 Misalkan kondisi ekonomi menjadi semakin memburuk, ketidakpastian menjadi
semakin tinggi. Risiko dalam situasi tersebut akan meningkat. Premi risiko akan semakin
meningkat, yang berarti slope dari garis SML akan berubah menjadi semakin tajam.
Misalkan return pasar adalah 20% dan return aset bebas risiko adalah 10%. Premi risiko
dihitung melalui slope dari SML, yaitu:

Slope = (E(RM) – Rf ) / (M - RF )

Karena M = 1 dan RF = 0, maka premi risiko adalah 20 – 10 = 10%. Misalkan risiko
meningkat, maka premi risiko juga meningkat. Misalkan tingkat keuntungan bebas risiko
tetap, kenaikan premi risiko akan disebabkan oleh kenaikan tingkat keuntungan pasar
yang diharapkan. Misal tingkat keuntungan pasar yang diharapkan meningkat menjadi
25%. Premi risiko yang baru adalah 25 – 10 = 15%.

Bagan 8. Perubahan Slope SML

Tingkat keuntungan
yang diharapkan
SML baru

25%
SML lama

Premi risiko (baru)

20%

Premi risiko (lama)

RF

Risiko Sistematis

Untuk aset yang mempunyai risiko sistematis = 0,9, tingkat keuntungan yang diharapkan
untuk aset tersebut untuk dua kondisi yang berbeda tersebut adalah:

20
E(Ri) lama = 10% + 0,9 ( 20% - 10%) = 19%

E(Ri) baru = 10% + 0,9 ( 25% - 10%) = 23,5%

Perhatikan tingkat keuntungan yang disyaratkan semakin meningkat dengan

meningkatnya premi risiko.

4. Perbandingan Model Indeks Tunggal dengan Model Markowitz

Bab sebelumnya membicarakan model indeks tunggal dan model Markowitz.

Bagian ini membandingkan kedua model tersebut dengan menggunakan data sungguhan,
yaitu data return saham ASTRA di atas. Bagaimana kaitan antara risiko total dengan
risiko sistematis? Menurut model indeks tunggal, risiko total merupakan penjumlahan
risiko sistematis dengan risiko tidak sistematis, seperti berikut ini.

 i2 = ßi2 M2 + ei2

Risiko total dihitung langsung melalui varians return (model Markowitz). sedangkan
risiko tidak sistematis dihitung melalui varians residual dari model pasar (market model).
Berikut ini perhitungan dengan menggunakan kerangka model indeks tunggal di muka
dengan menggunakan data return ASTRA.
Varians return ASTRA dan return IHSG untuk periode tersebut adalah 5,7342 dan
0,7697, berturut-turut. Residual dihitung sebagai :

Residual = Return yang sesungguhnya – Return yang diharapkan

Untuk setiap harinya, residual bisa dihitung. Kemudian varians residual bisa dihitung,
dan hasilnya adalah 5,3685. Perbandingan antara risiko total yang dihitung langsung dan
dihitung melalui model indeks tunggal bisa dilihat berikut ini.

Varians ASTRA yang sesungguhnya =  2ASTRA = 5,7342

Varians ASTRA dihitung melalui
model indeks tunggal = ß2ASTRA M2 + ei2
= ((0,686)2 × 0,7697) + 5,3685) = 5,73391
Selisih = 5,7342 – 5,73391 = 0,000292

Secara umum, varians yang dihitung dengan model indeks tunggal akan berbeda dengan
varians yang dihitung secara langsung (biasanya lebih rendah, seperti terlihat di atas).
Hasil tersebut disebabkan model indeks tunggal mengasumsikan korelasi antar aset sama
dengan nol. Jika korelasi tersebut adalah positif, maka model indeks tunggal under-
predict (seperti dalam contoh di atas), sebaliknya, jika korelasi tersebut negatif, maka
model indeks tunggal akan over-predict. Tetapi nampaknya secara umum perbedaan
tersebut kecil sekali, sehingga model indeks tunggal cukup ‘layak’ digunakan.

21
Beberapa Istilah

Data historis Risiko

Diversifikasi Risiko Sistematis
Koefisien Korelasi Risiko Tidak Sistematis
Kovarians Set Yang Efisien
Markowitz Standar deviasi
Model Indeks Tunggal Varians
Portofolio Varians Residual
Return William Sharpe

Pertanyaan

1. Jelaskan pengertian risiko dan return, bagaimana mengukur keduanya?

2. Jelaskan yang dimaksud dengan set yang efisien.
3. Jelaskan terbentuknya set yang efisien yang baru jika investasi bebas risiko
dimasukkan.
4. Jelaskan asumsi-asumsi CAPM, apakah asumsi yang realistis diperlukan untuk
pembentukan suatu teori?
5. Jelaskan yang dimaksud dengan separation principle.
6. Jelaskan pembentukan model CAPM, bagaimana CAPM menjelaskan risiko dan
return, dan bagaimana CAPM menjelaskan kondisi keseimbangan di pasar keuangan.
7. Jelaskan bagaimana menghitung risiko sistematis.
8. Jelaskan pada kondisi bagaimana SML bisa berubah.
9. Jelaskan perbedaan antara model indeks tunggal dengan model Markowitz.

Problem

1. Perusahaan “Beta” membuat peralatan rumah sakit. Beta perusahaannnya adalah 1,2.
Risiko premium pasar adalah 8,5%, dan risk-free saat ini adalah 6%. Berapakah return
yang diharapkan untuk perusahaan Beta?

2. Anggaplah premi risiko adalah 7,5% dan risk-free-nya adalah 3,7%. Return yang
diharapkan dari perusahaan tekstil “Bintang Tiga Bintang” adalah 14,2%. Berapakah beta
untuk perusahaan tekstil tersebut?

3. Misalkan standar deviasi return A adalah 15%, standar deviasi return pasar adalah
10%, korelasi antara return A dengan return pasar adalah 0,4. Tingkat keuntungan pasar
adalah 20%. Tingkat keuntungan aset bebas risiko adalah 10%. Berapa tingkat
keuntungan yang seharusnya untuk aset A?

4. Asumsikan dunia dengan keseragaman(homogen) harapan, (semua orang setuju

dengan return yang diharapkan dan deviasi standard).Pada dunia ini portofolio pasar

22
memiliki return yang diharapkan sebesar 12% dan deviasi standard 10%. Aset bebas
risiko memiliki return yang diharapkan sebesar 5%.
a. Berapakah seharusnya return yang diharapkan dari portofolio jika deviasi standardnya
7%?
b. Berapakah seharusnya deviasi standard dari portofolio jika return yang diharapkannya
sebesar 20%?

5. Sekuritas A, B, dan C memiliki karakteristik sebagai berikut:

Sekuritas E(R)% Beta

A 10% 0,7
B 14 1,2
C 20 1,8

a. Berapakah return yang diharapkan pada portofolio dengan proporsi seimbang?

b. Berapakah beta dari portofolio dengan proporsi seimbang?
c. Apakah ketiga sekuritas dihargai pada kondisi equilibrium?

6. Anggaplah tingkat risk-free saat ini adalah 7,6%. Saham “Potkembang Tbk”, memiliki
beta 1,7 dan return yang diharapkan sebesar 16,7%. (Asumsikan bahwa CAPM berlaku).
a. Berapakah premi risiko ?
b. Saham industri “Magma” memilki beta 0,8. Berapakah return yang diharapkan pada
saham Magma?
c. Anggaplah Anda telah menginvesatasikan Rp 10.000.000 pada Potkembang dan
Magma, dan beta portofolionya adalah 1,07%. Berapa banyak yang telah Anda
investasikan untuk setiap saham? Berapakah return yang diharapkan dari portofolio
tersebut?
.
7. Kumpulkan informasi harga harian untuk saham yang diperdagangkan di Bursa Efek
Jakarta (pilih beberapa). Hitung risiko total dan risikosistematis saham tersebut. Analisis
lebih lanjut hasil yang diperoleh. Dengan menggunakan model indeks tunggal, hitung
risiko total, risiko yang bisa dihilangkan melalui diversifikasi, dan risiko yang tidak bisa
dihilangkan melalui diversifikasi. Berapa persen risiko yang bisa dihilangkan melalui
diversifikasi?

23