BAB 11 ( Biaya Modal )

BIAYA MODAL

Biaya Modal

Biaya modal bisa diartikan sebagai tingkat keuntungan yang disyaratkan. Semakin tinggi risiko, semakin tinggi tingkat keuntungan yang disyaratkan. Biaya modal dipakai sebagai discount rate untuk perhitungan analisis penganggaran modal. Discount rate tersebut sering juga disebut sebagai biaya modal rata-rata tertimbang  (weighted average cost of capital).

1.            Biaya Modal Rata – Rata Tertimbang

Biaya modal bisa didefinisikan sebagai tingkat keuntungan yang diharapkan atau tingkat yang disyaratkan. Dalam analisis investasi, biaya modal digunakan sebagai discount rate dalam analisis NPV atau IRR. Biaya modal pada dasarnya merupakan biaya modal rata – rata tertimbang dari biaya modal individual. Untuk menghitung biaya modal rata–rata tertimbang tersebut kita harus melakukan beberapa langkah :

1)    Mengidentifikasi sumber – sumber dana

2)    Menghitung biaya individual ( biaya modal untuk setiap dana )

3)    Menghitung proporsi dari masing – masing sumber dana

4)    Menghitung rata – rata dengan menggunakan proporsi dana sebagi pembobot

1.1       Mengidentifikasi Sumber – Sumber Dana

Secara umum ada dua jenis sumber dana yang paling sering digunakan, yaitu hutang dan saham. Hutang bisa terdiri atas hutang bank atau hutang melalui obligasi. Pemberi hutang memperoleh kompensasi berupa bunga.

Saham merupakan bentuk penyertaan. Saham bisa berupa private placemen ( penempatan dana tidak melalui pasar modal ), bisa juga dengan membeli saham yang diperjual belikan di pasar sekunder. Pendapatan saham berasal dari dividen dan capital again.

1.2       Menghitung Biaya Modal Individual

1.2.1    Biaya Modal Utang ( kd )

Biaya modal hutang merupakan tingkat keuntungan yang disyaratkan yang berkaitan dengan penggunaan hutang. Karena bunga bisa dipakai sebagai pengurang pajak, biaya modal hutang dihitung net pajak.

1.2.2    Biaya Modal Saham Preferen

saham preferen mempunyai karakteristik gabungan antara utang dengan saham, karena merupakan bentuk kepemilikan ( saham ), tetapi deviden yang dibayarkan dengan bunga karena bersifat tetap ( pada umumnya ).

Paramater yang akan diestimasi relatif jelas Biaya saham preferen (kps) adalah:          

Kps  = Dps / P

kps   = biaya saham preferen

Dps  = dividen saham preferen

P      = harga saham preferen

1.2.3    Biaya Modal saham Biasa

Biaya Modal Saham Biasa Biaya modal saham lebih sulit dihitung karena melibatkan biaya kesempatan (opportunity cost) yang tidak bisa diamati secara langsung. Bagian ini akan membicarakan biaya modal saham melalui beberapa metode: DCF, bond-yiled, dan CAPM. Discounted Cash Flow (Aliran Kas yang Didiskontokan). Pada waktu kita membicarakan penilaian saham dengan pertumbuhan konstan, harga saham bisa dituliskan sebagai berikut ini (modul mengenai Nilai Waktu Uang)

PV  = D1 / r – g

Dengan merubah r menjadi ks (biaya modal saham), PV menjadi P (harga saham), persamaan di atas bisa dirubah menjadi berikut ini.

Ks  = D1 / P + g

 ks = biaya modal saham

 D1 = dividen pada tahun pertama

 P = harga saham saat ini

g = tingkat pertumbuhan

Pendekatan yield obligasi bisa dituliskan sebagai berikut.

ks = yield obligasi + premi risiko

Jika kita menggunakan rumus di atas, kita memerlukan estimasi yield dari obligasi perusahaan (atau obligasi yang mempunyai kelas risiko yang sama), dan premi risiko saham atas obligasi. Dengan pendekatang yield obligasi, ks bisa dihitung berikut ini. Pertama, kita akan menghitung yield obligasi. Yield obligasi = bunga / harga pasar obligasi.

1.3       Menghitung Biaya Modal Rata – Rata Tertimbang ( WACC )

Langkah selanjutnya adalah menghitung proporsi sumber dana yang dipakai oleh perusahaan. Idealnya, nilai pasar yang sebaiknya dipakai sebagai dasar perhitungan proporsi sumber dana. Meskipun nilai pasar idealnya merupakan pilihan terbaik untuk menghitung komposisi sumber dana, tetapi informasi tersebut tidak tersedia dengan mudah. Salah satu alternatif adalah menggunakan nilai buku. Nilai buku bisa diambil dari neraca keuangan perusahaan. Saham biasa masuk dalam kategori total modal saham (saham biasa + laba yang ditahan + agio).

1.4       Biaya Modal Saham Eksternal

Jika perusahaan menerbitkan saham baru, biaya emisi (flotation cost) akan muncul. Biaya tersebut dipakai untuk membayar biaya yang berkaitan dengan penerbitan saham, seperti biaya akuntan, mencetak saham, dan lainnya. Penerimaan kas bersih dengan demikian akan lebih kecil setelah biaya emisi tersebut dimasukkan. Model kas yang didiskontokan (discounted cash flow) bisa mengakomodasi biaya emisi seperti berikut ini.

Ke = D1 / P(1-f) + g

ke = biaya modal saham eksternal

D1 = dividen pada tahun pertama

P = harga saham saat ini

f = flotation cost

 g = tingkat pertumbuhan

2.            Biaya Modal Marginal dan Biaya Modal Rata – Rata

Biaya modal rata-rata berbeda dengan biaya modal marjinal. Biaya modal marjinal merupakan biaya modal yang diperoleh sebagai akibat bertambahnya dana modal yang diperoleh. Sebagai contoh, misal perusahaan menggunakan dua jenis hutang, pertama dengan nilai Rp200 juta dengan tingkat bunga 10%, kedua dengan nilai Rp200 juta dengan tingkat bunga 15%. Misalkan perusahaan melakukan pinjaman lagi sebesar Rp200 juta dengan tingkat bunga 20%. Biaya modal hutang marjinal adalah 20%, karena biaya tersebut merupakan biaya modal yang diperoleh dengan masuknya modal baru. Jika kita menghitung biaya modal rata-rata, maka biaya modal hutang rata-rata adalah (10% + 15% + 20%) / 3 = 15%.

Dalam perhitungan biaya modal, biaya modal marjinal adalah biaya modal yang relevan, karena biaya tersebut mencerminkan biaya di masa mendatang (yang akan diperoleh). Biaya modal rata-rata mencerminkan informasi masa lampau, yang tidak relevan lagi. Tetapi dalam beberapa situasi kita menggunakan biaya modal masa lampau, karena beberapa alasan, seperti mudah dilakukan, biaya modal masa lampau bisa dipakai untuk estimasi biaya modal marjinal (masa mendatang). Perhitungan biaya modal di atas mengasumsikan penggunaan biaya modal marjinal. Tetapi dalam praktek, biaya modal sering diestimasi berdasarkan laporan keuangan, yang berarti biaya modal diestimasi dengan menggunakan data masa lampau.

3.            Lompatan Dalam Biaya Modal Rata – Rata Tertimbang dan Skedul Imvestasi

Jika biaya modal salah satu komponen berubah, maka akan ada lompatan dalam biaya modal rata-rata tertimbang. Misalkan saja struktur modal yang dilakukan oleh perusahaan adalah modal saham, hutang, dan saham preferen sebesar 60%, 30%, dan 10%, berturut-turut. Biaya modal hutang (sesudah pajak), saham preferen, dan saham biasa adalah 12,6% (sesudah pajak), 20%, dan 25%, berturut-turut. WACC untuk komposisi tersebut adalah:

WACC = (0,3 × 12,6) + (0,1 × 20) + (0,6 × 25) = 20,78%

4.            Pertimbangan Dinamis Review Biaya Modal Secara Reguler

Seberapa sering biaya modal (WACC) dihitung? Kondisi perusahaan dan lingkungannya selalu berubah. Risiko dan kesempatan investasi perusahaan berubah. Perubahan ini mengakibatkan perubahan komposisi struktur modal yang baru dan juga perubahan tingkat keuntungan yang disyaratkan (biaya modal). Kondisi lingkungan yang berubah juga mengakibatkan perubahan biaya modal, misal inflasi yang berubah mengakibatkan kenaikan tingkat keuntungan yang disyaratkan secara umum. Perubahan risiko (misal semakin tinggi, terjadi jika kondisi ekonomi memburuk) mengakibatkan premi risiko meningkat.

Karena situasi berubah secara dinamis, perusahaan perlu mengevaluasi biaya modal rata-rata tertimbangnya secara periodik. Berapa sering? Nampaknya tidak ada formula yang pasti. Perhitungan bisa dilakukan setiap tahun, bisa juga setiap lima tahun. Tetapi hal yang jelas, jika kondisi perusahaan dan lingkungan secara fundamental berubah, maka sudah saatnya menghitung biaya modal rata-rata tertimbang kembali.

BAB 10 ( Arbitrage Pricing Theory,Model Empiris, dan Pengujian Empiris Model Keseimbangan )

ARBITRAGE PRICING THEORY, MODEL  EMPIRIS , DAN PENGUJIAN EMPIRIS MODEL KESEIMBANGAN

11. Arbitrage Pricing Theory ( APT )

1.1  Proses Arbitrase

Proses Arbitrase Kegiatan arbitrase adalah kegiatan yang berusaha memperoleh keuntungan arbitrase.

Keuntungan arbitrase adalah keuntungan yang diperoleh dengan modal nol dan risiko nol. Proses arbitrase akan mendorong berlakunya hukum satu harga (the law of one price). Hukum tersebut pada dasarnya mengatakan bahwa aset dengan karakteristik yang sama akan terjual dengan harga yang sama dimanapun di dunia ini. Misalkan Rf = 10%, tingkat keuntungan M = 20%, beta M = 1, beta Y = 0,5, dan tingkat keuntungan Y = 12%.

Membentuk portofolio M dengan Rf (dengan nama X), dengan komposisi sedemikian rupa sehingga beta portofolio X tersebut sama dengan beta Y, yaitu 0,5. Beta portofolio merupakan rata-rata tertimbang beta individualnya sebagai berikut ini.

βP = ∑ wi βI

βP = beta portofolio

 ∑ = simbol penjumlahan

wi = bobot atau proporsi untuk aset i

 βi = beta aset i

Karena βM = 1, dan βRF = 0, maka proporsi masing-masing adalah 50%. Dengan demikian beta portofolio X akan sama dengan 0,5.

βX = (0,5 × 0) + (0,5 × 1) = 0,5

Kemudian kita menghitung tingkat keuntungan sebagai berikut.

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

Kita bisa membandingkan tingkat keuntungan dan beta portofolio X dengan Y sebagai berikut ini.

E(RX) = 15%       βX = 0,5    E(RY) = 12%       βY=0,5

Dari perbandingan tersebut terlihat bahwa meskipun risiko sistematis keduanya sama, yaitu 0,5, tetapi tingkat keuntungannya berbeda.

Arbitrase bisa dilakukan dengan jalan men-short sales aset Y, kemudian kas masuk dipakai untuk membeli portofolio X, yang berarti membeli 50% pada portofolio M dan 50% pada aset bebas risiko.

Keuntungan dan risiko kegiatan tersebut adalah (X minus Y):

Ø Keuntungan = 15% - 12% = 2%

Ø Tambahan risiko = 0,5 - 0,5 = 0

Ø Tambahan modal = 0

1.2  Model Arbitrage Pricing Theory

Model Arbitrage Pricing Theory Proses penghasilan return (return generating process) menurut APT bisa dirumuskan sebagai berikut ini.

R_i = E(R_i) + β₁ (RF₁ - E(RF₁)) + …… + β_n (RF_n – E(RF_n)) + ei…… (1)

R_i = tingkat keuntungan (return) aset i yang terjadi

E(Ri) = tingkat keuntungan aset i yang diharapkan

Β₁ … β_n = risiko sistematis aset terhadap faktor 1 ... faktor N

 RF₁ ... RF_n = tingkat keuntungan dari faktor 1 ...

E(RF₁)… E(RF_n) = tingkat keuntungan yang diharapkan dari faktor 1…faktor N

Faktor tersebut bisa berupa faktor pasar (RM, seperti dalam CAPM) atau faktor lainnya, seperti faktor ekonomi (pertumbuhan GNP, inflasi, dan sejenisnya). Return bisa dipecah ke dalam return yang diharapkan dan return yang tidak diharapkan:

R = E(R) + Unexpected (Tidak Terduga) ……… (2)

Return yang tidak terduga bisa dipecah ke dalam dua tipe: (1) Return yang tidak diharapkan yang berasal dari kejutan (surprises) faktor-faktor tertentu. Kejutan tersebut bersifat sistematis (tidak bisa dihilangkan melalui diversifikasi), dan (2) Return yang tidak diharapkan yang berasal dari kejutan (surprises) dari perusahaan spesifik.

Ri = E(Ri) + βi - inflasi Finflasi + βi - GNP FGNP + βi - tkt-bunga Ftkt - bunga + εi ……… (3)

1.3  Perbandingan CAMP dengan APT

CAPM dan APT merupakan dua model yang berusaha menjelaskan return atau tingkat keuntungan. Keduanya ‘bersaing’ menjadi model terbaik yang bisa menjelaskan return.

Bentuk dari CAMP :                    E(Ri) = RF + βi [ E(RM) - RF ]

Bentuk dari APT :            E(Ri) = RF + βit (E(Rfi) – Rf ) + βi2 (E(Rf2) – Rf )

2.   Pengujian Model Keseimbangan

2.1  Data Historis dan Berdasarkan Ekspetasi ( Pengharapan ) Dalam CAMP

Pengujian Model Keseimbangan Data Historis dan Model Berdasarkan Ekspektasi (Pengharapan) dalam CAPM Salah satu masalah dalam pengujian CAPM adalah CAPM ditulis dalam bentuk ekspektasi (pengaharapan). Pengujian empiris dengan demikian harus melihat proksi untuk variabel pengaharapan tersebut. Tentu saja hal tersebut merupakan masalah yang sangat sulit karena pengharapan sangat sulit diobservasi. Untuk mengatasi masalah tersebut, data historis sering digunakan sebagai proksi pengharapan di masa mendatang. Asumsi yang digunakan adalah pola data historis adalah stabil, dan secara umum (rata-rata) dalam jangka panjang, pengharapan investor akan terbukti benar. Dua argumen tersebut mendasari dipakainya data historis sebagai pengukur harapan (ekspektasi) di masa mendatang.

Argumen lain menggunakan pendekatan sebagai berikut ini. Menurut model pasar, return suatu saham dipengaruhi oleh return pasar sebagai berikut ini.

R~it = αi + βi (R~Mt) + e~it

Dimana tanda ~ berarti variabel tersebut bersifat random. Return yang diharapkan bisa dituliskan sebagai berikut.

E(Ri) = αi + βi E(RM)  atau  E(Ri) - αi - βi E(RM) = 0

Dengan menambahkan term tersebut (yang nilainya 0, sehingga penambahan term tersebut tidak akan berpengaruh).

2.2  Pengujian Empiris CAMP

Pengujian Empiris CAPM Baik tidaknya suatu model bisa dilihat pada kemampuannya menjelaskan fenomena. Meskipun CAPM dibangun atas dasar asumsi yang tidak realistis, tetapi baik tidaknya CAPM akan ditentukan oleh kemampuannya menjelaskan fenomena.

Beberapa implikasi dari CAPM bisa ditarik, yaitu:

 (1)Semakin besar risiko sitematis pasar (bi) akan semakin tinggi tingkat keuntungan aset tersebut

 (2)Hubungan antara risiko sistematis dengan tingkat keuntungan (return) bersifat linear

(3)Hanya risiko sistematis yang dikompensasi oleh kenaikan tingkat keuntungan (return). Risiko atau faktor lainnya tidak ada hubungannya dengan return.

Pengujian oleh Black, Jensen, dan Scholes (1972)

 Black, Jensen, dan Scholes (1972) menguji CAPM cukup mendalam. Mereka melakukan pengujian CAPM melalui pengujian time-series dan cross-sectional. Pertama, mereka menguji model time-series CAPM

Rit – RFt = αi + βi (RMt - RFt) + eit

Jika CAPM menjelaskan return, maka kita bisa mengharapkan nilai αi = 0. Kita bisa menggunakan saham (sampel) yang banyak, dan kemudian untuk setiap sampel, dijalankan regresi seperti di atas. Kemudian distribusi alpha (αi ) atau intercept bisa dilihat dan diuji, apakah sama dengan nol atau tidak.

Pengujian oleh Fama dan MacBeth (1973)

Fama dan MacBeth (1973) melakukan pengujian CAPM dengan menggunakan spesifikasi berikut ini.

Rit = γ0t + γ1t βi + γ2t βi2 + γ3t Sei + ηit

Spesifikasi tersebut ditujukan untuk menguji hipotesishipotesis berikut ini.

Hipotesis 1: Menurut CAPM, ada hubungan antara risiko sistematis dengan return. Jika hal tersebut berlaku, kita bisa mengharapkan nilai koefisien regresi γ1t adalah positif

Hipotesis 2: Menurut CAPM, hubungan antara risiko sistematis dengan return bersifat linear. Jika hipotesis tersebut didukung oleh data empiris, maka koefisien regresi γ2t mempunyai nol. βi2 (beta dikuadratkan) dimaksudkan untuk melihat non-linearitas hubungan antara risiko sistematis dengan return.

Hipotesis 3: Menurut CAPM, hanya risiko sistematis yang dihargai oleh pasar. Risiko tidak sistematis tidak dihargai oleh pasar. Sei dipakai sebagai proksi untuk risiko tidak sistematis (residual). Jika CAPM didukung oleh bukti empiris, maka koefisien regresi γ3t mempunyai nilai 0.

2.3  Pengujian APT

Salah satu kelemahan APT adalah faktor-faktor dalam APT tidak pernah disebutkan dengan jelas. Menurut modelnya, faktor-faktor tersebut diserahkan pada penelitian empiris, baik jenis maupun jumlahnya. Pada dasarnya ada dua jenis penelitian untuk mengidentifikasi faktor-faktor tersebut. Pertama, menggunakan analisis faktor. Dengan analisis ini, return untuk semua aset dimasukkan. Kemudian analisis fakor akan mengelompokkan return-return tersebut ke dalam jumlah yang lebih sedikit. Setelah diperoleh faktor-faktor tersebut, kita bisa melanjutkan pengujian untuk memperoleh factor loadings (beta atau risiko sistematis) atas faktor-faktor tersebut, untuk setiap sahamnya.

3. Model Empiris dan Model Tiga Faktor

3.1  Model Empiris

4.     Model Empiris Model empiris dalam penentuan tingkat keuntungan yang diharapkan didasarkan pada pengamatan empiris, berbeda dengan model CAPM atau APT yang didasarkan pada pengembangan teori. Model empiris tersebut melihat adanya pola-pola tertentu di pasar keuangan, yang mempengaruhi tingkat keuntungan. Bagian atas (pengujian empiris) menunjukkan adanya anomalianomali yang tidak bisa dijelaskan oleh model-model keseimbangan risiko-return. Anomali tersebut adalah (antara lain) anomali ukuran (size), anomali rasio PER (Price Earning Ratio), dan anomali rasio BE/ME (Book Value to Market Value of Equity). Dengan menggunakan ketiga anomali tersebut, kita bisa mengembangkan model empiris, misal seperti berikut ini.

E(Ri) = RF + βi 1 (Size) + βi 2 (PER) + βi 3 (BE/ME) + eit

          βi bisa diestimasi berdasarkan data historis (time-series). Setelah βi dihitung, tingkat keuntungan yang diharapkan untuk suatu aset bisa dihitung. Karena tidak didasarkan pada teori, maka kritik utama untuk model empiris adalah pola-pola yang muncul tersebut kemungkinan hanya muncul karena kebetulan.

3.2 Model Tiga Faktor Fama French

Berangkat dari anomali-anomali yang telah ditemukan, Fama dan French (1992) berargumentasi bahwa garis SML seharusnya dipengaruhi oleh tiga faktor. Ketiga faktor tersebut adalah:

(1)Beta CAPM, yang mengukur risiko pasar

 (2)Size (ukuran) saham, yang dilihat melalui nilai kapitalisasi pasar saham (jumlah saham yang beredar dikalikan dengan harga saham). Saham kecil cenderung mempunyai risiko yang lebih tinggi, karena itu mempunyai tingkat keuntungan yang lebih tinggi dibandingkan dengan saham besar.

(3)Nilai buku saham dibagi dengan nilai pasar saham (Book-to-Market ratio). Nilai rasio B/M yang besar mencerminkan investor yang pesimistis terhadap masa depan perusahaan. Sebaliknya, jika investor optimistik terhadap masa depan perusahaan, maka nilai B/M akan kecil (nilai pasar saham jauh lebih besar dibandingkan dengan nilai bukunya). Saham dengan nilai B/M besar cenderung lebih berisiko (kemungkinan bangkrut lebih besar) dibandingkan dengan saham dengan nilai B/M rendah, dan dengan demikian mempunyai tingkat keuntungan yang diharapkan lebih tinggi dibandingkan dengan saham dengan B/M rendah.

BAB 9 ( Model Keseimbangan Risiko dan Return )

MODEL KESEIMBANGAN RISIKO DAN RETURN

 ( CAPITAL ASSET PRICING MODEL )

1.1 Hubungan Positif Antara Resiko dan Return

Return dan risiko mempunyai hubungan yang positif, semakin besarrisiko (risk) yang ditanggung, semakin besar pengembalian (return) yangharus dikompensasikan. Sebaliknya, semakin kecil return yang diharapkan,semakin kecil risiko yang ditanggung.Model perhitungan risiko yang paling sering dipergunakan khususnyadalam investasi, yaitu secara standar deviasi dan varian tingkat pengembalianfaktor yang perlu diperhatikan adalah seperti harga saham deviden yang perlu.Hubungan antara risiko dengan tingkat pengembalian adalah:

1.Bersifat linear atau searah

2.Semakin tinggi tingkat pengembalian maka semakin tinggi pularisiko

3.Semakin besar asset yang kita tempatkan dalam keputusan investasimaka semakin besar pula risiko yang timbul dari investasi tersebut.

4.Kondisi linear hanya mungkin terjadi pada pasar yang bersifatnormal

Secara teknis, semakin tinggi expected return, maka risk yang dihadapi investor juga semakin tinggi dan berlaku sebaliknya. Hubungan risk and return adalah linear dan searah. Grafik Security Market Line berikut menjelaskan hubungan risk and return dalam investasi dipasar modal.

Grafik SML di atas menunjukkan bahwa adanya hubungan positif antara risk and return. yang mana risk ditunjukkan oleh E(R_p) atau expected return portfolio pada sumbu Y dan risk ditunjukkan oleh β_p atau Beta portofolio pada sumbu X. Sementara itu, R_f­ merupakan tingkat keuntungan investasi pada aset bebas risiko dengan risiko sebesar nol (0). E(R_m) atau expected return market merupakan tingkat keuntungan pasar saham. Sedangkan β_m atau Beta pasar merupakan risiko pasar yang bernilai 1. Perhatikanlah garis Security Market Line (SML) yang dimulai dari titik R­_f­ dan menuju pada pertemuan titik E(R­_m) dan titik β_m yang merupakan tingkat keuntungan pasar saham (diukur menggunakan indeks pasar seperti IHSG, LQ-45, JII, dll). Dari penjelasan tersebut, maka kesimpulan bahwa risk and return berhubungan linear memang benar. Perhatikan garis SML, semakin meningkat E(R_p) maka β_p juga semakin meningkat.

2. Capital Aset Princing Model

2.1 Model – Model Keseimbangan

Digunakan untuk :

1.     memahami bagaimana perilaku investor secara keseluruhan

2.     memahami bagaimana mekanisme pembentukan harga dan return pasar dalam bentuk yang lebih sederhana 

3.     Memahami bagaimana menentukan risiko yang relevan terhadap suatu asset 

4.     Memahami hubungan risiko dan return yang diharapkan untuk suatu asset ketika pasar dalam kondisi seimbang

2.2  Capital asset Pricing Model ( CAMP )

• Diperkenalkan pertama kali oleh Sharpe, Lintner dan Mossin pada pertengahan 60-an
• Merupakan model yang menghubungkan tingkat return yang diharapkan dari suatu asset berisiko dengan risiko dari asset tersebut saat pasar dalam kondisi seimbang
• CAPM dapat digunakan untuk mengestimasikan return suatu sekuritas

Asumsi :

1.     Berdasar model Markowitz, masing-masing investor akan mendiversifikasikan portofolionya dan memilih portofolio optimal berdasar preferensi investor  terhadap return dan risiko

2.     Semua investor mempunyai distribusi probabilitas di masa depan yang identik

3.     Semua investor mempunyai satu periode waktu yang sama

4.     Semua investor dapat meminjam (borrowing) dan meminjamkan (lending) uang pada tingkat return yang bebas risiko (risk free rate of return)

5.     Tidak ada biaya transaksi

6.     Tidak ada pajak pendapatan

7.     Tidak ada inflasi

8.     Terdapat banyak sekali investor dan tidak ada satu investor pun yang dapat mempengaruhi harga suatu sekuritas. Investor adalah price taker

9.     Pasar dalam kondisi seimbang (equilibrium)

• CAPM membantu menyederhanakan gambaran realitas hubungan return dan risiko dalam dunia nyata yang terkadang sangat kompleks
• Jika semua asumsi diatas terpenuhi maka akan terbentuk pasar yang seimbang, dimana investor tidak akan dapat memperoleh abnormal return (return ekstra)

2.3  Capital Market Line (CML)

• Merupakan garis yang menunjukkan semua kemungkinan kombinasi portofolio efisien yang terdiri dari aktiva-aktiva berisiko dan aktiva bebas risiko.
• Harga pasar dari risiko menunjukkan tambahan return yang dituntut oleh pasar karena adanya kenaikan risiko portofolio relative terhadap risiko pasar.

2.4 Security Market Line ( SML )

• Garis yang menghubungkan tingkat return yang diharapkan dari suatu  sekuritas dengan risiko sistematis (beta)
• SML dapat digunakan untuk menilai sekuritas secara individual dalam kondisi pasar yang seimbang
• Risiko sekuritas adalah beta, karena pada pasar seimbang portofolio yang terbentuk sudah terdiversifikasi dengan baik sehingga risiko yang relevan adalah risiko sistematis (beta)
• Beta menujukkan sensitivitas return sekuritas terhadap perubahan return pasar. Semakin tinggi beta maka semakin sensitive sekuritas tersebut terhadap perubahan pasar
• Beta dapat digunakan untuk membanding risiko sistematis antara satu sekuritas dengan sekuritas lain
• Persamaan SML atau disebut sebagai Capital Asset Pricing Model :

E(R_i) = R_BR + β_i [E(R_M) – R_BR]

• Pada kondisi pasar yang seimbang, harga-harga sekuritas seharusnya berada pada SML.
• Tapi kadang-kadang bisa terjadi harga sekuritas tidak berada pada SML karena sekuritas-sekuritas tersebut undervalued atau overvalued

a.       Undervalued : tingkat return yang diharapkan lebih besar dari return yang disyaratkan investor

b.      Overvalued : tingkat return yang diharapkan lebih rendah dari return yang disyaratkan investor

• Investor yang mengetahui suatu sekuritas undervalued, akan membeli sekuritas tersebut
• Investor yang mengetahui bahwa sekuritas yang dipegangnya overvalued akan berusaha menjual sekuritas tersebut

Estimasi SML :

Untuk membentuk, garis SML diperlukan estimasi 3 variabel :

a.     Tingkat return bebas risiko

b.     Tingkat return yang diharapkan investor (diwakili indeks pasar)

c.      Besarnya beta untuk masing-masing sekuritas

3. Estimasi Beta ( Risiko Sistematis )

3.1 Perhitungan Risiko Sistematis ( Data Pengharapan )

βi (risiko sistematis) pada dasarnya merupakan koefisien regresi dari market model. Beta juga bisa dihitung melalui formula berikut ini.

βi = ( σ Rm Ri / σ 2 Rm )

Ø βi : Beta atu Resiko Sistematis Aset i

Ø σ Rm Ri : Kovarians antara Return Aset i dengan Return Pasar

Ø σ 2 Rm : Varian Return Pasar,

3.2 Perhitungan Resiko Sistematis ( Data Historis )

Perhitungan Risiko Sistematis (Data Historis) Model regresi berikut ini bisa dipakai untuk menghitung risiko sistematis:

Rit = αi + ßi Rmt + eit

Ø Rit  = Return aset/saham i pada periode t

Ø  αi = Intercept dari regresi tersebut

Ø ßi = Koefisien regresi (indikator risiko sistematis aset/saham i)

Ø  Rmt = Return portofolio pasar pada periode t

Ø ei = Residual

Model tersebut dikenal sebagai market model. Model regresi di atas menggunakan return pasar sebagai variabel bebas, dan return saham/aset sebagai variabel tidak bebas. 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.

4. Perubahan Pada Garis SML

4.1 Perubahan Intercept

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

Tingkatbunganominal=tingkatbungariil+premiinflasi

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%. RFdengan demikian berubah dari 15% menjadi 20%. Perubahan tersebut mengakibatkan SML bergeser ke atas, karena RFyang baru lebih besar dibandingkan dengan RFyang lama, seperti terlihat pada bagan berikut.

4.2 Perubahan Slope

. Perubahan Slope 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) / (βM - βRF)

Karena βM = 1 dan βRF = 0, maka premi risiko adalah 20 – 10 = 10%. Misalkan risiko meningkat, maka premi risiko juga meningkat.

5.                 Perbandingan Model Indeks Tunggal dengan Model Markowitz

Perbandingan Model Indeks Tunggal dengan Model Markowitz 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.

σ i2 = ßi2 σM2 + σei2

 Risiko total dihitung langsung melalui varians return (model Markowitz). sedangkan risiko tidak sistematis dihitung melalui varians residual dari model pasar (market model).