Pertemuan 4: Capital Asset Pricing Model

Manajemen Investasi — EKM 19608

1 Tujuan Pembelajaran

Setelah mengikuti pertemuan ini, mahasiswa diharapkan mampu:

Menjelaskan asumsi-asumsi yang mendasari CAPM dan implikasinya.
Membedakan Capital Market Line (CML) dan Security Market Line (SML).
Menghitung beta ($\beta$) dari data return historis dan menginterpretasikannya.
Menghitung expected return suatu aset menggunakan persamaan SML.
Mengidentifikasi aset yang overvalued dan undervalued berdasarkan CAPM.

2 Pendahuluan: Dari Markowitz ke CAPM

Di Pertemuan 3, kita mempelajari bahwa investor rasional akan memilih portofolio yang berada di efficient frontier. Namun teori Markowitz belum menjawab pertanyaan fundamental: berapa seharusnya expected return suatu aset individual, mengingat risikonya?

Capital Asset Pricing Model (CAPM), dikembangkan secara independen oleh William Sharpe (1964), John Lintner (1965), dan Jan Mossin (1966), menjawab pertanyaan tersebut. CAPM menyatakan bahwa dalam kondisi ekuilibrium pasar, hanya risiko sistematis (systematic risk) yang dihargai oleh pasar — risiko tidak sistematis (unsystematic risk) dapat dieliminasi melalui diversifikasi dan karenanya tidak mendapat kompensasi.

Signifikansi CAPM

CAPM adalah salah satu model paling berpengaruh dalam keuangan modern. Meskipun asumsinya sangat ketat dan validitas empirisnya terus diperdebatkan, CAPM tetap menjadi benchmark utama dalam praktik — digunakan untuk menghitung cost of equity, mengevaluasi kinerja portofolio, dan menilai kelayakan proyek investasi. William Sharpe menerima Nobel Ekonomi 1990 (bersama Markowitz dan Miller) atas kontribusinya.

Sumber: Fabozzi & Markowitz (2011), Ch. 4; Avramov (2015), Ch. 3

3 Asumsi CAPM

CAPM dibangun di atas serangkaian asumsi ketat tentang perilaku investor dan kondisi pasar. Meskipun asumsi-asumsi ini tidak realistis secara sempurna, mereka memungkinkan derivasi model yang elegan dan memberikan insight yang berguna.

3.1 Asumsi tentang Investor

Investor bersifat mean-variance optimizer: Keputusan investasi hanya berdasarkan expected return dan variance (seperti framework Markowitz).
Investor memiliki horison satu periode yang sama: Semua investor merencanakan investasi untuk satu periode yang identik.
Investor memiliki ekspektasi homogen (homogeneous expectations): Semua investor memiliki estimasi yang sama untuk expected return, variance, dan covariance semua aset.
Investor bersifat rasional dan risk-averse: Untuk tingkat return yang sama, investor selalu memilih risiko yang lebih rendah.

3.2 Asumsi tentang Pasar

Terdapat aset bebas risiko (risk-free asset): Investor dapat meminjam dan meminjamkan pada risk-free rate ($R_f$) yang sama, tanpa batas.
Tidak ada pajak dan biaya transaksi: Semua aset dapat diperdagangkan tanpa friction.
Pasar sempurna (perfect market): Tidak ada investor individual yang cukup besar untuk memengaruhi harga. Semua informasi tersedia secara gratis dan simultan.
Semua aset dapat diperdagangkan dan dapat dibagi: Termasuk human capital — semua aset likuid dan bisa dibeli dalam fraksi berapa pun.

Kesalahan Umum

Mahasiswa sering mengkritik CAPM karena asumsinya “tidak realistis” — lalu menyimpulkan modelnya “tidak berguna”. Ini pendekatan yang keliru. Dalam sains, model disederhanakan untuk menghasilkan prediksi yang testable. Pertanyaan yang tepat bukanlah “apakah asumsinya realistis?” melainkan “apakah prediksi modelnya cukup akurat untuk berguna?” CAPM, meskipun imperfect, tetap menjadi first approximation yang sangat bermanfaat.

Sumber: Fabozzi & Markowitz (2011), Ch. 4; Avramov (2015), Ch. 3

4 Capital Market Line (CML)

4.1 Konsep

Ketika aset bebas risiko (risk-free asset) ditambahkan ke dalam analisis Markowitz, investor dapat mengombinasikan aset bebas risiko dengan portofolio berisiko mana pun di efficient frontier. Kombinasi ini menghasilkan garis lurus dalam ruang $\sigma$–$E(R)$.

Portofolio berisiko optimal — yang dipilih semua investor karena ekspektasi homogen — adalah portofolio yang menghasilkan garis dengan kemiringan tertinggi (steepest slope) saat ditarik dari $R_f$ ke efficient frontier. Portofolio ini disebut market portfolio ($M$) dan garis tersebut disebut Capital Market Line (CML).

4.2 Formula CML

Formula Kunci — Capital Market Line

\[ E(R_p) = R_f + \left[\frac{E(R_m) - R_f}{\sigma_m}\right] \sigma_p \]

di mana:

$E(R_p)$ = expected return portofolio efisien
$R_f$ = risk-free rate
$E(R_m)$ = expected return portofolio pasar (market portfolio)
$\sigma_m$ = standard deviation portofolio pasar
$\sigma_p$ = standard deviation portofolio

Kemiringan CML, $\frac{E(R_m) - R_f}{\sigma_m}$, disebut market price of risk atau Sharpe ratio portofolio pasar. Ini menunjukkan berapa unit tambahan expected return yang diperoleh untuk setiap unit tambahan risiko total ($\sigma$).

4.3 Contoh Perhitungan CML

Diketahui:

$R_f = 5\%$
$E(R_m) = 12\%$
$\sigma_m = 16\%$

Kemiringan CML (market price of risk):

\[ \text{Slope} = \frac{E(R_m) - R_f}{\sigma_m} = \frac{12\% - 5\%}{16\%} = \frac{7\%}{16\%} = 0{,}4375 \]

Interpretasi: Setiap 1% tambahan risiko ($\sigma$), investor mendapatkan kompensasi 0,4375% tambahan expected return.

Jika seorang investor ingin portofolio dengan $\sigma_p = 10\%$:

\[ E(R_p) = 5\% + 0{,}4375 \times 10\% = 5\% + 4{,}375\% = 9{,}375\% \]

Jika investor ingin portofolio dengan $\sigma_p = 24\%$ (lebih berisiko dari pasar → menggunakan leverage):

\[ E(R_p) = 5\% + 0{,}4375 \times 24\% = 5\% + 10{,}5\% = 15{,}5\% \]

Insight Praktis — Lending vs. Borrowing

Portofolio dengan $\sigma_p < \sigma_m$: Investor “meminjamkan” (lending) — menaruh sebagian dana di aset bebas risiko dan sisanya di portofolio pasar.
Portofolio dengan $\sigma_p > \sigma_m$: Investor “meminjam” (borrowing) — meminjam dana pada $R_f$ dan menginvestasikan lebih dari 100% kekayaan di portofolio pasar (leverage).

Sumber: Fabozzi & Markowitz (2011), Ch. 4

5 Beta ($\beta$): Ukuran Risiko Sistematis

5.1 Konsep

Karena risiko tidak sistematis dapat dieliminasi melalui diversifikasi, hanya risiko sistematis yang relevan bagi investor yang memegang portofolio terdiversifikasi. CAPM mengukur risiko sistematis suatu aset menggunakan beta ($\beta$).

Definisi Beta

Beta ($\beta$) mengukur sensitivitas return suatu aset terhadap return pasar. Secara formal:

\[ \beta_i = \frac{\text{Cov}(R_i, R_m)}{\text{Var}(R_m)} = \frac{\text{Cov}(R_i, R_m)}{\sigma_m^2} \]

atau equivalen:

\[ \beta_i = \rho_{i,m} \cdot \frac{\sigma_i}{\sigma_m} \]

5.2 Interpretasi Beta

Nilai Beta	Interpretasi	Contoh
$\beta = 1{,}0$	Return aset bergerak seiring pasar	Index fund
$\beta > 1{,}0$	Aset lebih volatile dari pasar (aggressive)	Saham teknologi, small-cap
$0 < \beta < 1{,}0$	Aset kurang volatile dari pasar (defensive)	Saham utilitas, consumer staples
$\beta = 0$	Return tidak terkait pasar	Aset bebas risiko (secara teori)
$\beta < 0$	Return bergerak berlawanan pasar	Sangat jarang; emas kadang mendekati

Contoh interpretasi: Jika $\beta_{\text{BBCA}} = 1{,}2$, artinya ketika IHSG naik 10%, return BBCA diharapkan naik 12% (= $1{,}2 \times 10\%$). Sebaliknya, jika IHSG turun 10%, BBCA diharapkan turun 12%.

5.3 Contoh Perhitungan Beta dari Data Historis

Berikut data return bulanan selama 6 bulan untuk Saham A dan Indeks Pasar:

Bulan	Return Saham A ($R_i$)	Return Pasar ($R_m$)
1	6%	4%
2	−3%	−2%
3	8%	5%
4	−1%	1%
5	10%	6%
6	4%	2%

Langkah 1: Hitung rata-rata return.

\[ \bar{R}_i = \frac{6 + (-3) + 8 + (-1) + 10 + 4}{6} = \frac{24}{6} = 4\% \]

\[ \bar{R}_m = \frac{4 + (-2) + 5 + 1 + 6 + 2}{6} = \frac{16}{6} = 2{,}667\% \]

Langkah 2: Hitung deviasi dan produk deviasi.

Bulan	$R_i - \bar{R}_i$	$R_m - \bar{R}_m$	$(R_i-\bar{R}_i)(R_m-\bar{R}_m)$	$(R_m-\bar{R}_m)^2$
1	$2{,}000$	$1{,}333$	$2{,}667$	$1{,}778$
2	$-7{,}000$	$-4{,}667$	$32{,}667$	$21{,}778$
3	$4{,}000$	$2{,}333$	$9{,}333$	$5{,}444$
4	$-5{,}000$	$-1{,}667$	$8{,}333$	$2{,}778$
5	$6{,}000$	$3{,}333$	$20{,}000$	$11{,}111$
6	$0{,}000$	$-0{,}667$	$0{,}000$	$0{,}444$
		Jumlah	73{,}000	43{,}333

Langkah 3: Hitung covariance dan variance.

\[ \text{Cov}(R_i, R_m) = \frac{73{,}000}{6 - 1} = \frac{73{,}000}{5} = 14{,}600 \]

\[ \text{Var}(R_m) = \frac{43{,}333}{5} = 8{,}667 \]

Langkah 4: Hitung beta.

\[ \beta_i = \frac{\text{Cov}(R_i, R_m)}{\text{Var}(R_m)} = \frac{14{,}600}{8{,}667} = 1{,}685 \]

Interpretasi

Beta sebesar 1,685 menunjukkan bahwa Saham A bersifat aggressive — ia 68,5% lebih volatile daripada pasar. Ketika pasar naik 1%, Saham A diharapkan naik sekitar 1,685%. Saham dengan beta tinggi seperti ini cocok untuk investor dengan toleransi risiko tinggi yang mengekspektasikan pasar bullish.

Kesalahan Umum

Beta yang dihitung dari data historis bukan jaminan beta di masa depan. Beta bisa berubah seiring perubahan bisnis model perusahaan, leverage keuangan, dan kondisi pasar. Oleh karena itu beta perlu diperbarui secara berkala menggunakan data yang lebih baru.

Sumber: Fabozzi & Markowitz (2011), Ch. 4; Avramov (2015), Ch. 3

6 Security Market Line (SML)

6.1 Konsep

Security Market Line (SML) adalah inti dari CAPM. SML mendefinisikan hubungan linear antara expected return suatu aset dan beta-nya (risiko sistematis). Berbeda dengan CML yang hanya berlaku untuk portofolio efisien, SML berlaku untuk semua aset dan portofolio — efisien maupun tidak.

6.2 Formula SML

Formula Kunci — Security Market Line (CAPM)

\[ E(R_i) = R_f + \beta_i \left[E(R_m) - R_f\right] \]

di mana:

$E(R_i)$ = expected return aset ke-$i$ (dalam ekuilibrium)
$R_f$ = risk-free rate
$\beta_i$ = beta aset ke-$i$
$E(R_m) - R_f$ = market risk premium (MRP)

6.3 Contoh Perhitungan Expected Return via SML

Diketahui:

$R_f = 5\%$
$E(R_m) = 12\%$ → Market Risk Premium = $12\% - 5\% = 7\%$

Hitung expected return untuk tiga saham:

Saham	$\beta$	Perhitungan	$E(R_i)$
X	0,8	$5\% + 0{,}8 \times 7\%$	$10{,}6\%$
Y	1,0	$5\% + 1{,}0 \times 7\%$	$12{,}0\%$
Z	1,5	$5\% + 1{,}5 \times 7\%$	$15{,}5\%$

Verifikasi:

Saham Y ($\beta = 1$): expected return = return pasar ✓
Saham X ($\beta < 1$): expected return < return pasar ✓
Saham Z ($\beta > 1$): expected return > return pasar ✓

Sumber: Fabozzi & Markowitz (2011), Ch. 4; Avramov (2015), Ch. 3–4

7 CML vs. SML: Perbedaan Penting

Kesalahan Umum

Jangan samakan CML dengan SML! Ini adalah dua konsep yang berbeda.

Aspek	CML	SML
Ukuran risiko	Total risk ($\sigma$)	Systematic risk ($\beta$)
Berlaku untuk	Hanya portofolio efisien	Semua aset dan portofolio
Sumbu horizontal	$\sigma_p$	$\beta_i$
Persamaan	$E(R_p) = R_f + \frac{E(R_m)-R_f}{\sigma_m}\sigma_p$	$E(R_i) = R_f + \beta_i[E(R_m)-R_f]$
Interpretasi kemiringan	Market price of risk (per unit $\sigma$)	Market risk premium (MRP)
Kegunaan utama	Menentukan alokasi antara $R_f$ dan portofolio pasar	Menentukan required return dan menilai mispricing

8 Menilai Mispricing: Alpha ($\alpha$)

8.1 Konsep

Salah satu aplikasi terpenting CAPM adalah mengidentifikasi aset yang mispriced — yaitu aset yang return-nya tidak sesuai dengan apa yang diprediksi oleh SML.

Definisi Alpha (Jensen’s Alpha)

\[ \alpha_i = E(R_i)_{\text{actual}} - E(R_i)_{\text{CAPM}} \]

$\alpha > 0$: Aset memberikan return lebih tinggi dari yang diprediksi CAPM → undervalued → Beli
$\alpha < 0$: Aset memberikan return lebih rendah dari yang diprediksi CAPM → overvalued → Jual
$\alpha = 0$: Aset dihargai secara tepat (fairly priced) → berada di SML

8.2 Contoh Perhitungan Alpha

Seorang analis mengestimasi expected return tiga saham berdasarkan analisis fundamental. Bandingkan dengan prediksi CAPM ($R_f = 5\%$, $E(R_m) = 12\%$):

Saham	$\beta$	$E(R)_{\text{CAPM}}$	$E(R)_{\text{Analis}}$	$\alpha$	Keputusan
A	0,8	$5+0{,}8(7)=10{,}6\%$	13,0%	$+2{,}4\%$	Beli (undervalued)
B	1,2	$5+1{,}2(7)=13{,}4\%$	11,0%	$-2{,}4\%$	Jual (overvalued)
C	1,0	$5+1{,}0(7)=12{,}0\%$	12,0%	$0\%$	Tahan (fairly priced)

Interpretasi

Saham A berada di atas SML: analis mengekspektasikan return 13% padahal CAPM hanya “menuntut” 10,6% untuk beta 0,8. Ini menunjukkan saham tersebut memberikan kompensasi berlebih — layak dibeli.
Saham B berada di bawah SML: return yang diharapkan (11%) tidak cukup mengompensasi risiko beta 1,2 — layak dijual.
Saham C tepat di SML: fairly priced.

Sumber: Fabozzi & Markowitz (2011), Ch. 4; Avramov (2015), Ch. 4

9 Beta Portofolio

Beta portofolio adalah rata-rata tertimbang beta aset-aset pembentuknya:

\[ \beta_p = \sum_{i=1}^{n} w_i \cdot \beta_i \]

9.1 Contoh Perhitungan

Saham	Bobot	$\beta$	$w_i \times \beta_i$
BBCA	40%	1,2	0,48
TLKM	30%	0,8	0,24
ASII	30%	1,5	0,45
Portofolio	100%		$\beta_p = 1{,}17$

Expected return portofolio via CAPM (dengan $R_f = 5\%$, $E(R_m) = 12\%$):

\[ E(R_p) = 5\% + 1{,}17 \times (12\% - 5\%) = 5\% + 8{,}19\% = 13{,}19\% \]

Insight Praktis

Manajer portofolio dapat mengatur beta portofolio sesuai pandangannya tentang pasar:

Jika yakin pasar akan naik (bullish) → tingkatkan $\beta_p$ (overweight saham high-beta).
Jika khawatir pasar akan turun (bearish) → turunkan $\beta_p$ (overweight saham low-beta atau tambahkan aset bebas risiko).

Sumber: Fabozzi & Markowitz (2011), Ch. 4

10 Sharpe Ratio: Mengukur Kinerja Portofolio

CAPM memberikan dasar bagi salah satu ukuran kinerja paling populer — Sharpe Ratio:

\[ S_p = \frac{E(R_p) - R_f}{\sigma_p} \]

Sharpe Ratio mengukur excess return per unit risiko total. Semakin tinggi, semakin baik kinerja portofolio relatif terhadap risiko yang diambil.

10.1 Contoh Perhitungan

Portofolio	$E(R_p)$	$\sigma_p$	Sharpe Ratio ($R_f = 5\%$)
A	14%	20%	$(14-5)/20 = 0{,}45$
B	12%	15%	$(12-5)/15 = 0{,}47$
Pasar	12%	16%	$(12-5)/16 = 0{,}44$

Berdasarkan Sharpe Ratio: Portofolio B > A > Pasar — B paling efisien per unit risiko, meskipun return absolutnya lebih rendah dari A.

Interpretasi Praktis

Sharpe Ratio pasar ($\approx 0{,}44$) menjadi benchmark. Portofolio yang dikelola secara aktif harus memiliki Sharpe Ratio lebih tinggi dari benchmark agar manajemen aktifnya terjustifikasi.

Sumber: Fabozzi & Markowitz (2011), Ch. 4; Reilly & Brown (2015), Ch. 18

11 Keterbatasan CAPM

Meskipun CAPM sangat berpengaruh dan banyak digunakan, model ini memiliki keterbatasan penting:

Asumsi tidak realistis — pasar sempurna, tidak ada pajak/biaya transaksi, dan semua investor berpikir sama tidak pernah ada di dunia nyata.
Single-period model — dunia nyata bersifat multi-period; ekspektasi berubah terus.
Beta tidak stabil — beta berubah seiring perubahan bisnis dan leverage perusahaan, sehingga prediksi berdasarkan beta historis bisa tidak akurat.
Bukti empiris kurang kuat — Fama & French (1993) menunjukkan bahwa selain beta, variabel lain seperti ukuran perusahaan dan rasio nilai buku/harga juga memengaruhi return secara signifikan.

Keterbatasan-keterbatasan ini memotivasi pengembangan model multifaktor yang akan dibahas di Pertemuan 5. Namun CAPM tetap menjadi baseline yang wajib dipahami sebelum masuk ke model yang lebih kompleks.

Sumber: Fabozzi & Markowitz (2011), Ch. 4; Avramov (2015), Ch. 4

12 Ringkasan

CAPM menyatakan bahwa expected return suatu aset ditentukan oleh risiko sistematis ($\beta$) — bukan total risk ($\sigma$).
CML menggambarkan hubungan risk-return untuk portofolio efisien menggunakan total risk; SML berlaku untuk semua aset menggunakan beta.
Beta ($\beta = \text{Cov}(R_i,R_m)/\sigma_m^2$) mengukur sensitivitas return aset terhadap return pasar. $\beta > 1$ = agresif, $\beta < 1$ = defensif.
Persamaan SML: $E(R_i) = R_f + \beta_i[E(R_m) - R_f]$ — ini adalah required return yang sepadan dengan risiko sistematis aset.
Alpha ($\alpha$) mengukur selisih antara return ekspektasi analis dengan prediksi CAPM; $\alpha > 0$ menandakan aset undervalued (beli), $\alpha < 0$ overvalued (jual).
Sharpe Ratio mengukur excess return per unit risiko total — berguna membandingkan kinerja antar portofolio.
CAPM memiliki keterbatasan — asumsi ketat dan beta yang tidak stabil — namun tetap menjadi baseline yang wajib dipahami.

13 Latihan Soal

Soal 1 — Expected Return via SML

Diketahui $R_f = 4{,}5\%$ dan $E(R_m) = 11{,}5\%$. Hitung expected return menurut CAPM untuk saham dengan: (a) $\beta = 0{,}6$, (b) $\beta = 1{,}0$, (c) $\beta = 1{,}4$, (d) $\beta = 2{,}0$. Jelaskan pola yang Anda temukan.

Soal 2 — Perhitungan Beta

Berikut return bulanan Saham B dan Indeks Pasar selama 6 bulan:

Bulan	Saham B	Indeks Pasar
1	8%	5%
2	−4%	−3%
3	12%	7%
4	−2%	0%
5	6%	4%
6	10%	6%

Hitung: (a) $\bar{R}_B$ dan $\bar{R}_m$, (b) $\text{Cov}(R_B, R_m)$, (c) $\text{Var}(R_m)$, dan (d) $\beta_B$. Klasifikasikan saham ini sebagai agresif atau defensif.

Soal 3 — Alpha dan Keputusan Investasi

Seorang analis mengestimasi expected return saham-saham berikut ($R_f = 5\%$, $E(R_m) = 13\%$):

Saham	$\beta$	Expected Return (Analis)
P	0,9	14%
Q	1,3	13%
R	1,1	14,5%

Untuk setiap saham: (a) hitung $E(R)$ menurut CAPM, (b) hitung $\alpha$, dan (c) tentukan apakah saham tersebut overvalued, undervalued, atau fairly priced.

Soal 4 — Beta Portofolio dan Sharpe Ratio

Seorang manajer mengelola portofolio dengan tiga saham ($R_f = 5\%$, $E(R_m) = 12\%$):

Saham	Bobot	Beta
BBCA	50%	0,9
TLKM	30%	0,7
ASII	20%	1,3

Hitung beta portofolio. (b) Hitung expected return portofolio menurut CAPM. (c) Jika return aktual portofolio adalah 12,5% dan $\sigma_p = 16\%$, hitung Sharpe Ratio portofolio. Bandingkan dengan Sharpe Ratio pasar ($\sigma_m = 18\%$).

14 Referensi

Fabozzi, F. J., & Markowitz, H. M. (2011). The Theory and Practice of Investment Management (2nd ed.), Chapter 4. John Wiley & Sons.
Avramov, D. (2015). Investment Management, Chapters 3–4. Hebrew University of Jerusalem.
Reilly, F. K., & Brown, K. C. (2015). Investment Analysis and Portfolio Management (10th ed.), Chapter 18. Cengage Learning.
Sharpe, W. F. (1964). Capital Asset Prices: A Theory of Market Equilibrium under Conditions of Risk. Journal of Finance, 19(3), 425–442.

--- title: "Pertemuan 4: Capital Asset Pricing Model" subtitle: "Manajemen Investasi — EKM 19608" --- ## Tujuan Pembelajaran Setelah mengikuti pertemuan ini, mahasiswa diharapkan mampu: 1. Menjelaskan asumsi-asumsi yang mendasari CAPM dan implikasinya. 2. Membedakan *Capital Market Line* (CML) dan *Security Market Line* (SML). 3. Menghitung *beta* ($\beta$) dari data return historis dan menginterpretasikannya. 4. Menghitung *expected return* suatu aset menggunakan persamaan SML. 5. Mengidentifikasi aset yang *overvalued* dan *undervalued* berdasarkan CAPM. ## Pendahuluan: Dari Markowitz ke CAPM Di [Pertemuan 3](03-seleksi-portofolio.qmd), kita mempelajari bahwa investor rasional akan memilih portofolio yang berada di *efficient frontier*. Namun teori Markowitz belum menjawab pertanyaan fundamental: **berapa seharusnya expected return suatu aset individual, mengingat risikonya?** *Capital Asset Pricing Model* (CAPM), dikembangkan secara independen oleh **William Sharpe** (1964), **John Lintner** (1965), dan **Jan Mossin** (1966), menjawab pertanyaan tersebut. CAPM menyatakan bahwa dalam kondisi ekuilibrium pasar, **hanya risiko sistematis** (*systematic risk*) yang dihargai oleh pasar — risiko tidak sistematis (*unsystematic risk*) dapat dieliminasi melalui diversifikasi dan karenanya tidak mendapat kompensasi. ::: {.callout-note} ## Signifikansi CAPM CAPM adalah salah satu model paling berpengaruh dalam keuangan modern. Meskipun asumsinya sangat ketat dan validitas empirisnya terus diperdebatkan, CAPM tetap menjadi *benchmark* utama dalam praktik — digunakan untuk menghitung *cost of equity*, mengevaluasi kinerja portofolio, dan menilai kelayakan proyek investasi. William Sharpe menerima Nobel Ekonomi 1990 (bersama Markowitz dan Miller) atas kontribusinya. ::: > *Sumber: Fabozzi & Markowitz (2011), Ch. 4; Avramov (2015), Ch. 3* ## Asumsi CAPM CAPM dibangun di atas serangkaian asumsi ketat tentang perilaku investor dan kondisi pasar. Meskipun asumsi-asumsi ini tidak realistis secara sempurna, mereka memungkinkan derivasi model yang elegan dan memberikan insight yang berguna. ### Asumsi tentang Investor 1. **Investor bersifat *mean-variance optimizer***: Keputusan investasi hanya berdasarkan *expected return* dan *variance* (seperti framework Markowitz). 2. **Investor memiliki horison satu periode yang sama**: Semua investor merencanakan investasi untuk satu periode yang identik. 3. **Investor memiliki ekspektasi homogen (*homogeneous expectations*)**: Semua investor memiliki estimasi yang sama untuk *expected return*, *variance*, dan *covariance* semua aset. 4. **Investor bersifat rasional dan *risk-averse***: Untuk tingkat return yang sama, investor selalu memilih risiko yang lebih rendah. ### Asumsi tentang Pasar 5. **Terdapat aset bebas risiko (*risk-free asset*)**: Investor dapat meminjam dan meminjamkan pada *risk-free rate* ($R_f$) yang sama, tanpa batas. 6. **Tidak ada pajak dan biaya transaksi**: Semua aset dapat diperdagangkan tanpa *friction*. 7. **Pasar sempurna (*perfect market*)**: Tidak ada investor individual yang cukup besar untuk memengaruhi harga. Semua informasi tersedia secara gratis dan simultan. 8. **Semua aset dapat diperdagangkan dan dapat dibagi**: Termasuk *human capital* — semua aset likuid dan bisa dibeli dalam fraksi berapa pun. ::: {.callout-warning} ## Kesalahan Umum Mahasiswa sering mengkritik CAPM karena asumsinya "tidak realistis" — lalu menyimpulkan modelnya "tidak berguna". Ini pendekatan yang keliru. Dalam sains, model disederhanakan untuk menghasilkan prediksi yang *testable*. Pertanyaan yang tepat bukanlah "apakah asumsinya realistis?" melainkan "apakah prediksi modelnya cukup akurat untuk berguna?" CAPM, meskipun imperfect, tetap menjadi *first approximation* yang sangat bermanfaat. ::: > *Sumber: Fabozzi & Markowitz (2011), Ch. 4; Avramov (2015), Ch. 3* ## Capital Market Line (CML) ### Konsep Ketika aset bebas risiko (*risk-free asset*) ditambahkan ke dalam analisis Markowitz, investor dapat mengombinasikan aset bebas risiko dengan **portofolio berisiko** mana pun di *efficient frontier*. Kombinasi ini menghasilkan garis lurus dalam ruang $\sigma$–$E(R)$. Portofolio berisiko optimal — yang dipilih **semua investor** karena ekspektasi homogen — adalah portofolio yang menghasilkan garis dengan **kemiringan tertinggi** (*steepest slope*) saat ditarik dari $R_f$ ke *efficient frontier*. Portofolio ini disebut ***market portfolio*** ($M$) dan garis tersebut disebut ***Capital Market Line*** (CML). ### Formula CML ::: {.callout-important} ## Formula Kunci — Capital Market Line $$ E(R_p) = R_f + \left[\frac{E(R_m) - R_f}{\sigma_m}\right] \sigma_p $$ di mana: - $E(R_p)$ = expected return portofolio efisien - $R_f$ = risk-free rate - $E(R_m)$ = expected return portofolio pasar (*market portfolio*) - $\sigma_m$ = standard deviation portofolio pasar - $\sigma_p$ = standard deviation portofolio ::: Kemiringan CML, $\frac{E(R_m) - R_f}{\sigma_m}$, disebut ***market price of risk*** atau ***Sharpe ratio*** portofolio pasar. Ini menunjukkan berapa unit tambahan *expected return* yang diperoleh untuk setiap unit tambahan risiko total ($\sigma$). ### Contoh Perhitungan CML Diketahui: - $R_f = 5\%$ - $E(R_m) = 12\%$ - $\sigma_m = 16\%$ **Kemiringan CML (*market price of risk*):** $$ \text{Slope} = \frac{E(R_m) - R_f}{\sigma_m} = \frac{12\% - 5\%}{16\%} = \frac{7\%}{16\%} = 0{,}4375 $$ **Interpretasi:** Setiap 1% tambahan risiko ($\sigma$), investor mendapatkan kompensasi 0,4375% tambahan *expected return*. Jika seorang investor ingin portofolio dengan $\sigma_p = 10\%$: $$ E(R_p) = 5\% + 0{,}4375 \times 10\% = 5\% + 4{,}375\% = 9{,}375\% $$ Jika investor ingin portofolio dengan $\sigma_p = 24\%$ (lebih berisiko dari pasar → menggunakan *leverage*): $$ E(R_p) = 5\% + 0{,}4375 \times 24\% = 5\% + 10{,}5\% = 15{,}5\% $$ ::: {.callout-tip} ## Insight Praktis — Lending vs. Borrowing - Portofolio dengan $\sigma_p < \sigma_m$: Investor *"meminjamkan"* (*lending*) — menaruh sebagian dana di aset bebas risiko dan sisanya di portofolio pasar. - Portofolio dengan $\sigma_p > \sigma_m$: Investor *"meminjam"* (*borrowing*) — meminjam dana pada $R_f$ dan menginvestasikan lebih dari 100% kekayaan di portofolio pasar (*leverage*). ::: > *Sumber: Fabozzi & Markowitz (2011), Ch. 4* ## Beta ($\beta$): Ukuran Risiko Sistematis ### Konsep Karena risiko tidak sistematis dapat dieliminasi melalui diversifikasi, **hanya risiko sistematis** yang relevan bagi investor yang memegang portofolio terdiversifikasi. CAPM mengukur risiko sistematis suatu aset menggunakan **beta** ($\beta$). ::: {.callout-note} ## Definisi Beta Beta ($\beta$) mengukur **sensitivitas return suatu aset terhadap return pasar**. Secara formal: $$ \beta_i = \frac{\text{Cov}(R_i, R_m)}{\text{Var}(R_m)} = \frac{\text{Cov}(R_i, R_m)}{\sigma_m^2} $$ atau equivalen: $$ \beta_i = \rho_{i,m} \cdot \frac{\sigma_i}{\sigma_m} $$ ::: ### Interpretasi Beta | Nilai Beta | Interpretasi | Contoh | |:----------:|-------------|--------| | $\beta = 1{,}0$ | Return aset bergerak **seiring** pasar | Index fund | | $\beta > 1{,}0$ | Aset lebih **volatile** dari pasar (*aggressive*) | Saham teknologi, *small-cap* | | $0 < \beta < 1{,}0$ | Aset kurang volatile dari pasar (*defensive*) | Saham utilitas, *consumer staples* | | $\beta = 0$ | Return tidak terkait pasar | Aset bebas risiko (secara teori) | | $\beta < 0$ | Return bergerak **berlawanan** pasar | Sangat jarang; emas kadang mendekati | **Contoh interpretasi:** Jika $\beta_{\text{BBCA}} = 1{,}2$, artinya ketika IHSG naik 10%, return BBCA **diharapkan** naik 12% (= $1{,}2 \times 10\%$). Sebaliknya, jika IHSG turun 10%, BBCA diharapkan turun 12%. ### Contoh Perhitungan Beta dari Data Historis Berikut data return bulanan selama 6 bulan untuk Saham A dan Indeks Pasar: | Bulan | Return Saham A ($R_i$) | Return Pasar ($R_m$) | |:-----:|:---------------------:|:-------------------:| | 1 | 6% | 4% | | 2 | −3% | −2% | | 3 | 8% | 5% | | 4 | −1% | 1% | | 5 | 10% | 6% | | 6 | 4% | 2% | **Langkah 1:** Hitung rata-rata return. $$ \bar{R}_i = \frac{6 + (-3) + 8 + (-1) + 10 + 4}{6} = \frac{24}{6} = 4\% $$ $$ \bar{R}_m = \frac{4 + (-2) + 5 + 1 + 6 + 2}{6} = \frac{16}{6} = 2{,}667\% $$ **Langkah 2:** Hitung deviasi dan produk deviasi. | Bulan | $R_i - \bar{R}_i$ | $R_m - \bar{R}_m$ | $(R_i-\bar{R}_i)(R_m-\bar{R}_m)$ | $(R_m-\bar{R}_m)^2$ | |:-----:|:-----------------:|:-----------------:|:--------------------------------:|:-------------------:| | 1 | $2{,}000$ | $1{,}333$ | $2{,}667$ | $1{,}778$ | | 2 | $-7{,}000$ | $-4{,}667$ | $32{,}667$ | $21{,}778$ | | 3 | $4{,}000$ | $2{,}333$ | $9{,}333$ | $5{,}444$ | | 4 | $-5{,}000$ | $-1{,}667$ | $8{,}333$ | $2{,}778$ | | 5 | $6{,}000$ | $3{,}333$ | $20{,}000$ | $11{,}111$ | | 6 | $0{,}000$ | $-0{,}667$ | $0{,}000$ | $0{,}444$ | | | | **Jumlah** | **73{,}000** | **43{,}333** | **Langkah 3:** Hitung covariance dan variance. $$ \text{Cov}(R_i, R_m) = \frac{73{,}000}{6 - 1} = \frac{73{,}000}{5} = 14{,}600 $$ $$ \text{Var}(R_m) = \frac{43{,}333}{5} = 8{,}667 $$ **Langkah 4:** Hitung beta. $$ \beta_i = \frac{\text{Cov}(R_i, R_m)}{\text{Var}(R_m)} = \frac{14{,}600}{8{,}667} = 1{,}685 $$ ::: {.callout-tip} ## Interpretasi Beta sebesar 1,685 menunjukkan bahwa Saham A bersifat ***aggressive*** — ia 68,5% lebih volatile daripada pasar. Ketika pasar naik 1%, Saham A diharapkan naik sekitar 1,685%. Saham dengan beta tinggi seperti ini cocok untuk investor dengan toleransi risiko tinggi yang mengekspektasikan pasar *bullish*. ::: ::: {.callout-warning} ## Kesalahan Umum Beta yang dihitung dari data historis **bukan jaminan** beta di masa depan. Beta bisa berubah seiring perubahan bisnis model perusahaan, leverage keuangan, dan kondisi pasar. Oleh karena itu beta perlu diperbarui secara berkala menggunakan data yang lebih baru. ::: > *Sumber: Fabozzi & Markowitz (2011), Ch. 4; Avramov (2015), Ch. 3* ## Security Market Line (SML) ### Konsep *Security Market Line* (SML) adalah **inti dari CAPM**. SML mendefinisikan hubungan linear antara *expected return* suatu aset dan **beta**-nya (risiko sistematis). Berbeda dengan CML yang hanya berlaku untuk portofolio efisien, SML berlaku untuk **semua aset dan portofolio** — efisien maupun tidak. ### Formula SML ::: {.callout-important} ## Formula Kunci — Security Market Line (CAPM) $$ E(R_i) = R_f + \beta_i \left[E(R_m) - R_f\right] $$ di mana: - $E(R_i)$ = expected return aset ke-$i$ (dalam ekuilibrium) - $R_f$ = risk-free rate - $\beta_i$ = beta aset ke-$i$ - $E(R_m) - R_f$ = *market risk premium* (MRP) ::: ### Contoh Perhitungan Expected Return via SML Diketahui: - $R_f = 5\%$ - $E(R_m) = 12\%$ → Market Risk Premium = $12\% - 5\% = 7\%$ Hitung expected return untuk tiga saham: | Saham | $\beta$ | Perhitungan | $E(R_i)$ | |:-----:|:------:|------------|:---------:| | X | 0,8 | $5\% + 0{,}8 \times 7\%$ | $10{,}6\%$ | | Y | 1,0 | $5\% + 1{,}0 \times 7\%$ | $12{,}0\%$ | | Z | 1,5 | $5\% + 1{,}5 \times 7\%$ | $15{,}5\%$ | **Verifikasi:** - Saham Y ($\beta = 1$): expected return = return pasar ✓ - Saham X ($\beta < 1$): expected return < return pasar ✓ - Saham Z ($\beta > 1$): expected return > return pasar ✓ > *Sumber: Fabozzi & Markowitz (2011), Ch. 4; Avramov (2015), Ch. 3–4* ## CML vs. SML: Perbedaan Penting ::: {.callout-warning} ## Kesalahan Umum Jangan samakan CML dengan SML! Ini adalah dua konsep yang berbeda. ::: | Aspek | CML | SML | |-------|-----|-----| | **Ukuran risiko** | Total risk ($\sigma$) | Systematic risk ($\beta$) | | **Berlaku untuk** | Hanya portofolio **efisien** | **Semua** aset dan portofolio | | **Sumbu horizontal** | $\sigma_p$ | $\beta_i$ | | **Persamaan** | $E(R_p) = R_f + \frac{E(R_m)-R_f}{\sigma_m}\sigma_p$ | $E(R_i) = R_f + \beta_i[E(R_m)-R_f]$ | | **Interpretasi kemiringan** | *Market price of risk* (per unit $\sigma$) | *Market risk premium* (MRP) | | **Kegunaan utama** | Menentukan alokasi antara $R_f$ dan portofolio pasar | Menentukan *required return* dan menilai *mispricing* | ## Menilai Mispricing: Alpha ($\alpha$) ### Konsep Salah satu aplikasi terpenting CAPM adalah **mengidentifikasi aset yang mispriced** — yaitu aset yang return-nya tidak sesuai dengan apa yang diprediksi oleh SML. ::: {.callout-note} ## Definisi Alpha (Jensen's Alpha) $$ \alpha_i = E(R_i)_{\text{actual}} - E(R_i)_{\text{CAPM}} $$ - $\alpha > 0$: Aset memberikan return **lebih tinggi** dari yang diprediksi CAPM → ***undervalued*** → **Beli** - $\alpha < 0$: Aset memberikan return **lebih rendah** dari yang diprediksi CAPM → ***overvalued*** → **Jual** - $\alpha = 0$: Aset dihargai secara tepat (*fairly priced*) → berada di SML ::: ### Contoh Perhitungan Alpha Seorang analis mengestimasi expected return tiga saham berdasarkan analisis fundamental. Bandingkan dengan prediksi CAPM ($R_f = 5\%$, $E(R_m) = 12\%$): | Saham | $\beta$ | $E(R)_{\text{CAPM}}$ | $E(R)_{\text{Analis}}$ | $\alpha$ | Keputusan | |:-----:|:------:|:--------------------:|:---------------------:|:--------:|:---------:| | A | 0,8 | $5+0{,}8(7)=10{,}6\%$ | 13,0% | $+2{,}4\%$ | **Beli** (undervalued) | | B | 1,2 | $5+1{,}2(7)=13{,}4\%$ | 11,0% | $-2{,}4\%$ | **Jual** (overvalued) | | C | 1,0 | $5+1{,}0(7)=12{,}0\%$ | 12,0% | $0\%$ | **Tahan** (fairly priced) | ::: {.callout-tip} ## Interpretasi - **Saham A** berada **di atas** SML: analis mengekspektasikan return 13% padahal CAPM hanya "menuntut" 10,6% untuk beta 0,8. Ini menunjukkan saham tersebut memberikan kompensasi berlebih — layak dibeli. - **Saham B** berada **di bawah** SML: return yang diharapkan (11%) tidak cukup mengompensasi risiko beta 1,2 — layak dijual. - **Saham C** tepat **di** SML: *fairly priced*. ::: > *Sumber: Fabozzi & Markowitz (2011), Ch. 4; Avramov (2015), Ch. 4* ## Beta Portofolio Beta portofolio adalah **rata-rata tertimbang** beta aset-aset pembentuknya: $$ \beta_p = \sum_{i=1}^{n} w_i \cdot \beta_i $$ ### Contoh Perhitungan | Saham | Bobot | $\beta$ | $w_i \times \beta_i$ | |:-----:|:-----:|:------:|:-------------------:| | BBCA | 40% | 1,2 | 0,48 | | TLKM | 30% | 0,8 | 0,24 | | ASII | 30% | 1,5 | 0,45 | | **Portofolio** | **100%** | | **$\beta_p = 1{,}17$** | Expected return portofolio via CAPM (dengan $R_f = 5\%$, $E(R_m) = 12\%$): $$ E(R_p) = 5\% + 1{,}17 \times (12\% - 5\%) = 5\% + 8{,}19\% = 13{,}19\% $$ ::: {.callout-tip} ## Insight Praktis Manajer portofolio dapat **mengatur beta portofolio** sesuai pandangannya tentang pasar: - Jika yakin pasar akan **naik** (*bullish*) → tingkatkan $\beta_p$ (overweight saham high-beta). - Jika khawatir pasar akan **turun** (*bearish*) → turunkan $\beta_p$ (overweight saham low-beta atau tambahkan aset bebas risiko). ::: > *Sumber: Fabozzi & Markowitz (2011), Ch. 4* ## Sharpe Ratio: Mengukur Kinerja Portofolio CAPM memberikan dasar bagi salah satu ukuran kinerja paling populer — **Sharpe Ratio**: $$ S_p = \frac{E(R_p) - R_f}{\sigma_p} $$ Sharpe Ratio mengukur ***excess return per unit risiko total***. Semakin tinggi, semakin baik kinerja portofolio relatif terhadap risiko yang diambil. ### Contoh Perhitungan | Portofolio | $E(R_p)$ | $\sigma_p$ | Sharpe Ratio ($R_f = 5\%$) | |:----------:|:--------:|:---------:|:--------------------------:| | A | 14% | 20% | $(14-5)/20 = 0{,}45$ | | B | 12% | 15% | $(12-5)/15 = 0{,}47$ | | Pasar | 12% | 16% | $(12-5)/16 = 0{,}44$ | Berdasarkan Sharpe Ratio: **Portofolio B > A > Pasar** — B paling efisien per unit risiko, meskipun return absolutnya lebih rendah dari A. ::: {.callout-tip} ## Interpretasi Praktis Sharpe Ratio pasar ($\approx 0{,}44$) menjadi **benchmark**. Portofolio yang dikelola secara aktif harus memiliki Sharpe Ratio **lebih tinggi** dari benchmark agar manajemen aktifnya terjustifikasi. ::: > *Sumber: Fabozzi & Markowitz (2011), Ch. 4; Reilly & Brown (2015), Ch. 18* ## Keterbatasan CAPM Meskipun CAPM sangat berpengaruh dan banyak digunakan, model ini memiliki keterbatasan penting: 1. **Asumsi tidak realistis** — pasar sempurna, tidak ada pajak/biaya transaksi, dan semua investor berpikir sama tidak pernah ada di dunia nyata. 2. **Single-period model** — dunia nyata bersifat multi-period; ekspektasi berubah terus. 3. **Beta tidak stabil** — beta berubah seiring perubahan bisnis dan leverage perusahaan, sehingga prediksi berdasarkan beta historis bisa tidak akurat. 4. **Bukti empiris kurang kuat** — Fama & French (1993) menunjukkan bahwa selain beta, variabel lain seperti *ukuran perusahaan* dan *rasio nilai buku/harga* juga memengaruhi return secara signifikan. Keterbatasan-keterbatasan ini memotivasi pengembangan **model multifaktor** yang akan dibahas di [Pertemuan 5](05-model-faktor.qmd). Namun CAPM tetap menjadi *baseline* yang wajib dipahami sebelum masuk ke model yang lebih kompleks. > *Sumber: Fabozzi & Markowitz (2011), Ch. 4; Avramov (2015), Ch. 4* ## Ringkasan 1. **CAPM** menyatakan bahwa *expected return* suatu aset ditentukan oleh risiko **sistematis** ($\beta$) — bukan total risk ($\sigma$). 2. **CML** menggambarkan hubungan risk-return untuk portofolio **efisien** menggunakan total risk; **SML** berlaku untuk **semua** aset menggunakan beta. 3. **Beta** ($\beta = \text{Cov}(R_i,R_m)/\sigma_m^2$) mengukur sensitivitas return aset terhadap return pasar. $\beta > 1$ = agresif, $\beta < 1$ = defensif. 4. **Persamaan SML**: $E(R_i) = R_f + \beta_i[E(R_m) - R_f]$ — ini adalah *required return* yang sepadan dengan risiko sistematis aset. 5. **Alpha** ($\alpha$) mengukur selisih antara return ekspektasi analis dengan prediksi CAPM; $\alpha > 0$ menandakan aset *undervalued* (beli), $\alpha < 0$ *overvalued* (jual). 6. **Sharpe Ratio** mengukur *excess return* per unit risiko total — berguna membandingkan kinerja antar portofolio. 7. CAPM memiliki **keterbatasan** — asumsi ketat dan beta yang tidak stabil — namun tetap menjadi *baseline* yang wajib dipahami. ## Latihan Soal **Soal 1 — Expected Return via SML** Diketahui $R_f = 4{,}5\%$ dan $E(R_m) = 11{,}5\%$. Hitung expected return menurut CAPM untuk saham dengan: (a) $\beta = 0{,}6$, (b) $\beta = 1{,}0$, (c) $\beta = 1{,}4$, (d) $\beta = 2{,}0$. Jelaskan pola yang Anda temukan. **Soal 2 — Perhitungan Beta** Berikut return bulanan Saham B dan Indeks Pasar selama 6 bulan: | Bulan | Saham B | Indeks Pasar | |:-----:|:-------:|:------------:| | 1 | 8% | 5% | | 2 | −4% | −3% | | 3 | 12% | 7% | | 4 | −2% | 0% | | 5 | 6% | 4% | | 6 | 10% | 6% | Hitung: (a) $\bar{R}_B$ dan $\bar{R}_m$, (b) $\text{Cov}(R_B, R_m)$, (c) $\text{Var}(R_m)$, dan (d) $\beta_B$. Klasifikasikan saham ini sebagai agresif atau defensif. **Soal 3 — Alpha dan Keputusan Investasi** Seorang analis mengestimasi expected return saham-saham berikut ($R_f = 5\%$, $E(R_m) = 13\%$): | Saham | $\beta$ | Expected Return (Analis) | |:-----:|:------:|:------------------------:| | P | 0,9 | 14% | | Q | 1,3 | 13% | | R | 1,1 | 14,5% | Untuk setiap saham: (a) hitung $E(R)$ menurut CAPM, (b) hitung $\alpha$, dan (c) tentukan apakah saham tersebut *overvalued*, *undervalued*, atau *fairly priced*. **Soal 4 — Beta Portofolio dan Sharpe Ratio** Seorang manajer mengelola portofolio dengan tiga saham ($R_f = 5\%$, $E(R_m) = 12\%$): | Saham | Bobot | Beta | |:-----:|:-----:|:----:| | BBCA | 50% | 0,9 | | TLKM | 30% | 0,7 | | ASII | 20% | 1,3 | (a) Hitung beta portofolio. (b) Hitung expected return portofolio menurut CAPM. (c) Jika return aktual portofolio adalah 12,5% dan $\sigma_p = 16\%$, hitung Sharpe Ratio portofolio. Bandingkan dengan Sharpe Ratio pasar ($\sigma_m = 18\%$). ## Referensi - Fabozzi, F. J., & Markowitz, H. M. (2011). *The Theory and Practice of Investment Management* (2nd ed.), Chapter 4. John Wiley & Sons. - Avramov, D. (2015). *Investment Management*, Chapters 3–4. Hebrew University of Jerusalem. - Reilly, F. K., & Brown, K. C. (2015). *Investment Analysis and Portfolio Management* (10th ed.), Chapter 18. Cengage Learning. - Sharpe, W. F. (1964). Capital Asset Prices: A Theory of Market Equilibrium under Conditions of Risk. *Journal of Finance*, 19(3), 425–442.

Bulan	\(R_i - \bar{R}_i\)	\(R_m - \bar{R}_m\)	\((R_i-\bar{R}_i)(R_m-\bar{R}_m)\)	\((R_m-\bar{R}_m)^2\)
1	\(2{,}000\)	\(1{,}333\)	\(2{,}667\)	\(1{,}778\)
2	\(-7{,}000\)	\(-4{,}667\)	\(32{,}667\)	\(21{,}778\)
3	\(4{,}000\)	\(2{,}333\)	\(9{,}333\)	\(5{,}444\)
4	\(-5{,}000\)	\(-1{,}667\)	\(8{,}333\)	\(2{,}778\)
5	\(6{,}000\)	\(3{,}333\)	\(20{,}000\)	\(11{,}111\)
6	\(0{,}000\)	\(-0{,}667\)	\(0{,}000\)	\(0{,}444\)
		Jumlah	73{,}000	43{,}333

Saham	\(\beta\)	Perhitungan	\(E(R_i)\)
X	0,8	\(5\% + 0{,}8 \times 7\%\)	\(10{,}6\%\)
Y	1,0	\(5\% + 1{,}0 \times 7\%\)	\(12{,}0\%\)
Z	1,5	\(5\% + 1{,}5 \times 7\%\)	\(15{,}5\%\)

Pertemuan 4: Capital Asset Pricing Model

1 Tujuan Pembelajaran

2 Pendahuluan: Dari Markowitz ke CAPM

3 Asumsi CAPM

3.1 Asumsi tentang Investor

3.2 Asumsi tentang Pasar

4 Capital Market Line (CML)

4.1 Konsep

4.2 Formula CML

4.3 Contoh Perhitungan CML

5 Beta (\(\beta\)): Ukuran Risiko Sistematis

5.1 Konsep

5.2 Interpretasi Beta

5.3 Contoh Perhitungan Beta dari Data Historis

6 Security Market Line (SML)

6.1 Konsep

6.2 Formula SML

6.3 Contoh Perhitungan Expected Return via SML

7 CML vs. SML: Perbedaan Penting

8 Menilai Mispricing: Alpha (\(\alpha\))

8.1 Konsep

8.2 Contoh Perhitungan Alpha

9 Beta Portofolio

9.1 Contoh Perhitungan

10 Sharpe Ratio: Mengukur Kinerja Portofolio

10.1 Contoh Perhitungan

11 Keterbatasan CAPM

12 Ringkasan

13 Latihan Soal

14 Referensi

Portofolio	\(E(R_p)\)	\(\sigma_p\)	Sharpe Ratio (\(R_f = 5\%\))
A	14%	20%	\((14-5)/20 = 0{,}45\)
B	12%	15%	\((12-5)/15 = 0{,}47\)
Pasar	12%	16%	\((12-5)/16 = 0{,}44\)