bab ii tinjauan pustaka 2.1 penelitian terdahulu 2.pdfย ยท bab ii tinjauan pustaka 2.1 penelitian...
TRANSCRIPT
6
BAB II
TINJAUAN PUSTAKA
2.1 Penelitian Terdahulu
Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak
Brown Geometri, dengan drift ๐ (ekpektasi dari return) dan volatilias ๐ (deviasi
standar dari return). Berawal dari teori tersebut, mulai banyak dilakukan
penelitian terkait implementasi kalkulus stokastik pada instrumenโinstrumen
dunia finansial terkait pemodelan harga saham. Beberapa penilitian yang telah
dilakukan antara lain :
1. Perhitungan Harga Opsi Eropa dengan Metode Gerak Brown Geometri
(Pradhitya, 2012).
Dalam penelitian tersebut, dibahas cara menentukan harga opsi Eropa
dengan menggunakan metode Gerak Brown Geomoteri.
2. Penerapan Kalkulus Stokastik pada Model Opsi (Nizaruddin, 2011).
Dalam penelitian tersebut, melalui penerapan teori-teori kalkulus stokastik
dibahas model persamaan harga yang diturunkan dari nilai aset suatu
perusahaan.
3. Aproksimasi PDS Harga Saham Menggunakan Metode Numerik PDS
Implisit (Noorbaity & Aisiyah, 2012)
Dalam penelitian tersebut, diteliti perbandingan keakuratan metode
numerik implisit dan metode numerik eksplisit dalam menentukan solusi
aproksimasi PDS pergerakan harga saham.
7
2.2 Landasan Teori
Pada subbagian ini akan dibahas mengenai pemodelan matematika harga
saham dan analisis pembentukan portofolio optimal. Untuk membentuk model
matematika harga saham terlebih dahulu akan dibahas mengenai proses stokastik,
Gerak Brown Geometri, dan Persamaan Diferensial Stokastik. Pembahasan
selanjutnya adalah mengenai teori portofolio optimal dan analisis pembentukan
portfolio optimal dengan model Markowitz.
2.2.1 Proses Stokastik
1. Proses Stokastik
Definisi 2.1 (Taylor & Kalin, 1998)
Proses stokastik {๐๐ก ; ๐ก ๐๐} adalah himpunan variabel random yang
disusun dalam kelasโkelas dan merupakan fungsi dari parameter waktu ( t
).
Himpuan ๐ disebut himpunan indeks dari suatu proses stokastik. Jika
himpunan ๐ adalah himpunan terhitung ๐ก ๐ [0, ๐], maka proses stokastik
dikatakan sebagai proses stokastik waktu diskret dan dinyatakan dalam
bentuk {๐๐ ;๐ = 0,1,2, โฆ }. Jika himpunan ๐ adalah suatu interval waktu
๐ก ๐ [0, โ), maka proses stokastik dikatakan sebagai proses stokastik waktu
kontinu dan dinyatakan dalam bentuk {๐๐ก ; ๐ก โฅ 0}.
Indeks ๐ก sering dipresentasikan sebagai waktu dan hasilnya ๐๐ก , dinyatakan
sebagai state dari proses pada waktu ๐ก. Dalam suatu proses stokastik,
8
himpunan dari semua nilai yang mungkin dari variabel random
๐๐ก didefinisikan sebagai ruang keadaan (state space) proses stokastik.
Berdasarkan ruang parameter (waktu) dan ruang keadaannya, secara
umum proses stokastik diklasifikasikan menjadi empat jenis, yaitu :
a. Proses stokastik dengan state space diskret dan waktu diskret
b. Proses stokastik dengan state space kontinu dan waktu diskret
c. Proses stokastik dengan state space diskret dan waktu kontinu
d. Proses stokastik dengan state space kontinu dan waktu kontinu
2. Proses Markov
Proses Markov merupakan salah satu tipe proses stokastik yang
menyatakan bahwa hanya nilai saat ini (present value) dari suatu variabel
yang relevan untuk memprediksi nilai masa depan. Keadaan nilai masa
lalu dari suatu variabel baik sejarah maupun bagaimana cara memperoleh
nilai tersebut dianggap tidak relevan untuk memprediksi nilai pada masa
mendatang.
Definisi 2.2 (Taylor & Kalin, 1998)
Proses markov {๐๐ก} adalah proses stokastik dengan sifat,
๐ ๐๐+1 = ๐ฅ๐+1 ๐0 = ๐ฅ0 , ๐1 = ๐ฅ1, โฆ , ๐๐ = ๐ฅ๐ = ๐(๐๐+1 = ๐ฅ๐+1|๐๐ =
๐ฅ๐) untuk semua nilai ๐ฅ0, โฆ , ๐ฅ๐+1 dan sebarang n, serta ๐ฅ0 , โฆ , ๐ฅ๐+1 ๐ ๐บ
(state space ).
Proses Markov dapat diaplikasikan untuk sistem diskret maupun sistem
kontinu. Sistem diskret ialah sistem dengan perubahan kondisi (state)
9
yang dapat diamati atau terjadi secara diskret, sedangkan jika dalam suatu
sistem yang kondisi (state) berubah secara kontinu (berkelanjutan), maka
sistem tersebut disebut sistem kontinu. Dalam aplikasi proses Markov,
kondisi yang dimungkinkan terjadi pada sistem harus dapat diidentifikasi
dengan jelas. Kemungkian kondisi yang dimaksud, misalnya beroperasi
atau gagal, naik atau turun, dan sebagainya.
2.2.2 Gerak Brown
Gerak Brown adalah suatu fenomena yang ditemukan pertama kali oleh
ahli botani Robert Brown pada tahun 1827 yakni ketika serbuk sari bunga
dilarutkan ke dalam air maka dengan pengamatan mikroskopis tampak bahwa
partikel serbuk sari bunga membentuk gerakan acak di dalam air. Barulah pada
tahun 1923 Norbert Wiener menyempurnakan teori Gerak Brown dengan
mendefinisikan ukuran peluang dan menggunakan konsep integral sebagai
pondasi matematika dari analisis stokastik proses Gerak Brown. Oleh karena itu,
Gerak Brown sering juga disebut Proses Wiener (Wikipedia, 2013).
Gerak Brown selanjutnya menjadi objek kajian yang berkembang pesat di
dalam matematika dari aspek teori maupun aplikasinya. Salah satu aplikasinya
ialah Gerak Brown digunakan sebagai model untuk dinamika acak dari
pergerakan harga pada pasar saham, yang kemudian melahirkan teori integral
stokastik dan Persamaan Diferensial Stokastik.
Merujuk dari Dmouj (2006) dan Roberts (2009), berikut definisi dan
variasi Gerak Brown:
10
1. Gerak Brown (Proses Wiener)
Gerak Brown adalah salah satu proses Markov dengan state space kontinu
dan waktu kontinu.
Definisi 2.3 Suatu proses stokastik {๐๐ก ; ๐ก โฅ 0} disebut Gerak Brown jika
memenuhi sifat-sifat berikut :
i. ๐๐ก adalah fungsi kontinu dalam ๐ก
ii. ๐0 = 0
iii. Setiap perubahan ๐๐ก โ ๐๐ adalah berdistribusi normal dengan
mean nol dan varians ๐2(๐ก โ ๐ ) untuk 0 โค ๐ โค ๐ก โค ๐
iv. Untuk setiap 0 โค ๐ โค ๐ก โค ๐ ๐๐๐ 0 โค ๐ข โค ๐ฃ โค ๐; ๐๐ก โ
๐๐ ๐๐๐ ๐๐ฃ โ ๐๐ข adalah variabel acak yang saling bebas
2. Gerak Brown Standar
Suatu Gerak Brown dengan ๐ = 0 dan ๐2 = 1, disebut Gerak Brown
standar (baku).
Definisi 2.4 Suatu proses stokastik {๐๐ก ; ๐ก โฅ 0} disebut Gerak Brown
standar jika memenuhi sifat โ sifat berikut :
i. ๐๐ก adalah fungsi kontinu dalam ๐ก
ii. ๐0 = 0
iii. Setiap perubahan ๐๐ก โ ๐๐ adalah berdistribusi normal dengan
mean nol dan varians ๐ก โ ๐ untuk 0 โค ๐ โค ๐ก โค ๐
11
iv. Untuk setiap 0 โค ๐ โค ๐ก โค ๐ ๐๐๐ 0 โค ๐ข โค ๐ฃ โค ๐; ๐๐ก โ
๐๐ ๐๐๐ ๐๐ฃ โ ๐๐ข adalah variabel acak yang saling bebas
3. Gerak Brown Geometri
Gerak Brown Geometri dikenal juga sebagai Gerak Brown Eksponensial.
Definisi 2.5 Diberikan proses Gerak Brown ๐๐ก = ๐โ๐ก + ๐๐ต๐ก ; ๐ก โฅ 0
dengan parameter drift ๐โ = ๐ โ1
2๐2 , ๐๐๐๐๐๐๐ก๐๐ ๐ฃ๐๐๐๐๐ ๐2 , ๐๐๐ ๐ต๐ก
adalah proses Gerak Brown yang dimulai pada ๐ต0 = 0. Proses stokastik
{๐๐ก ; ๐ก โฅ 0} disebut Gerak Brown Geometri jika ๐๐ก = ln ๐๐ก .
Secara ekuivalen, ๐๐ก adalah Gerak Brown Geometri yang dimulai pada
๐0 = ๐ง , jika
๐๐ก = ๐ง๐๐๐ก = ๐ง๐ ๐โ12๐2 ๐ก+๐๐ต๐ก
Gerak Brown Geometri memiliki distribusi lognormal dan diketahui
bahwa Gerak Brown merupakan salah satu proses Markov, maka akan
ditunjukkan Gerak Brown Geometri sebagai variasi Gerak Brown
memenuhi sifat proses Markov.
Diberikan Gerak Brown Geometri ๐๐ก = ๐๐๐๐๐ก . Ambil ๐ก = ๐ก + โ, sehingga
diperoleh :
๐๐ก+โ = ๐0๐๐๐ก+โ
= ๐0๐๐๐ก+๐๐ก+โโ๐๐ก
12
= ๐0๐๐๐ก๐๐๐ก+โโ๐๐ก
= ๐๐ก๐๐๐ก+โโ๐๐ก
2.2.3 Persamaan Diferensial Stokastik
Persamaan diferensial tidak hanya berlaku pada model yang bersifat
deterministik, namun berlaku pula pada model yang bersifat stokastik. Persamaan
diferensial pada model yang bersifat stokastik disebut Persamaan Diferensial
Stokastik (PDS).
Definisi 2.6 (Kloeden & Platen, 1992)
Misalkan {๐๐ก ; ๐ก โฅ 0} merupakan suatu proses stokastik dan ๐๐ก adalah
proses Gerak Brown, maka persamaan yang didefinisikan :
๐๐๐ก = ๐น ๐๐ก , ๐ก ๐๐ก + ๐บ ๐๐ก , ๐ก ๐๐๐ก . (2.1)
disebut Persamaan Diferensial Stokastik dengan ๐น ๐๐ก , ๐ก disebut koefisien drift
dan ๐บ ๐๐ก , ๐ก disebut koefisien difusi.
2.2.4 Persamaan Diferensial Stokastik Multidimensi
Pada kasus multidimensi, ๐ฟ๐, ๐ญ, dan ๐พ๐ pada persamaan (2.1) adalah
suatu vektor, sedangkan ๐บ adalah suatu matriks ๐ ร ๐ dengan ๐ menyatakan
jumlah variabel pada model, ๐ menyatakan dimensi dari proses Wiener, dan
jumlah ๐ tidak harus sama dengan ๐. Dengan demikian, Persamaan Diferensial
Stokastik Multidimensi memiliki bentuk sebagai berikut:
๐๐ฟ๐ก = ๐ญ๐ฟ๐ก๐๐๐ก + ๐ฎ๐๐พ๐๐ฟ๐ก
๐. (2.2)
13
Perhatikan bahwa ๐พ๐ adalah proses wiener m-dimensi. Persamaan (2.2) dapat
dinyatakan dalam persamaan matriks sebagai berikut :
๐๐1
๐๐2
โฎ๐๐๐
=
๐1
๐2
โฎ๐๐
๐
๐น1
๐น2
โฎ๐น๐
๐๐ก +
๐11 ๐12โฏ ๐1๐
๐21 ๐22 โฏ ๐2๐
โฎ๐๐1
โฎ๐๐2
โฑ โฎโฆ ๐๐๐
๐๐1
๐๐2
โฎ๐๐๐
atau dapat dirumuskan menjadi :
๐๐๐ = ๐น๐๐๐ก + ๐๐๐๐๐๐ก๐
๐
๐=1
๐๐ (2.3)
untuk ๐ = 1,2, โฆ , ๐.
Terdapat beberapa contoh kasus dalam bidang finansial yang
membutuhkan implementasi dari Persamaan Diferensial Stokastik Multidimensi,
yaitu:
a. Penilaian suatu portofolio yang bergantung pada beberapa aset.
b. Pemodelan saham tunggal dengan volatilitas saham diasumsikan bersifat
stokastik.
c. Pemodelan pergerakan tingkat suku bunga.
2.2.5 Formula Itรด
1. Proses Itรด
Definisi 2.7 (Luenberger, 1998)
Suatu proses ๐๐ก mengikuti proses Itรด, jika
14
๐๐๐ก = ๐ ๐๐ก , ๐ก ๐๐ก + ๐ ๐๐ก , ๐ก ๐๐๐ก (2.4)
dengan parameter ๐ dan ๐ merupakan suatu fungsi dari nilaiโnilai
peubah ๐๐ก dan ๐ก. Sedangkan ๐๐๐ก merupakan Gerak Brown (Proses
Wiener).
2. Lemma Itรด
Lemma 2.1 (Lemma Itรด) Misalkan diberikan sebuah fungsi ๐บ dari ๐๐ก dan
๐ก atau ditulis ๐บ(๐๐ก , ๐ก) yang merupakan fungsi kontinu dan diferensiabel.
๐๐ก adalah proses Itรด yang didefinisikan sebagai berikut
๐๐๐ก = ๐ ๐๐ก , ๐ก ๐๐ก + ๐ ๐๐ก , ๐ก ๐๐๐ก
dengan ๐๐ก merupakan proses Gerak Brown standar, maka ๐บ(๐๐ก , ๐ก)
mempunyai bentuk diferensial stokastik sebagai berikut :
๐๐บ(๐๐ก , ๐ก) = ๐๐บ
๐๐ก+ ๐ ๐๐ก , ๐ก
๐๐บ
๐๐๐ก+
1
2๐(๐๐ก , ๐ก)2 ๐2๐บ
๐๐๐ก2 ๐๐ก + ๐ ๐๐ก , ๐ก
๐๐บ
๐๐๐ก๐๐๐ก (2.5)
Persamaan (2.5) disebut sebagai rumus atau Formula Itรด.
2.2.6 Model Harga Saham
Ketika investor yang bersikap rasional mengetahui adanya informasi baru
yang akan memengaruhi harga saham saat ini, maka investor akan cepat bereaksi
terhadap informasi tersebut, sehingga harga saham yang terbentuk akan
mencerminkan informasi yang tersedia secara cepat dan harga saham bergerak ke
tingkat harga yang sesuai dengan harga saham saat ini. Berdasarkan hal tersebut
15
harga saham dikatakan bergerak secara acak (random) dan diasumsikan mengikuti
proses Markov.
Proses Markov merupakan salah satu tipe dari proses stokastik. Pada
umumnya, proses stokastik tersebut terbagi menjadi empat kelas berdasarkan
ruang keadaan (state space) dan parameternya. Pada pemodelan pergerakan harga
saham, waktu yang dibutuhkan dalam mengamati pergerakan tersebut merupakan
suatu interval waktu. Misalkan akan diamati pergerakan harga saham X dalam
rentang periode Januari 2010-Januari 2011. Oleh karena itu, pergerakan harga
saham dikatakan memiliki waktu kontinu. Sedangkan dilihat dari perubahan
kondisi atau dalam hal ini berupa perubahan harga sahamnya, perubahan tersebut
cenderung memiliki pola yang tidak terduga dan dapat berubah secara acak pada
selang waktu tertentu (bersifat kontinu).
Misalkan ๐๐ก adalah harga saham pada saat ๐ก dan ๐ merupakan ekspektasi
tingkat pengembalian (return) saham per satuan waktu, maka besar pengembalian
saham yang diharapkan dari harga saham ๐๐ก adalah sebesar ๐๐๐ก . Jika perubahan
waktu ๐ก dinyatakan sebagai โ๐ก, maka ekspektasi perubahan (pergerakan) harga
saham untuk selang waktu โ๐ก dinyatakan sebagai berikut :
โ๐๐ก = ๐๐๐กโ๐ก.
Pada kenyataannya, pergerakan harga saham juga dipengaruhi oleh suatu
volatilitas saham. Volatilitas saham merupakan suatu gambaran dari
ketidakpastian mengenai pengembalian saham, sehingga deviasi standar dari
pengembalian saham per satuan waktu yang biasa dinyatakan dengan ๐, dapat
16
dikatakan sebagai volatilitas saham. Diasumsikan varians dari volatilitas saham
per satuan waktu adalah konstan atau dengan kata lain deviasi standar dari
pengembalian saham per satuan waktu dianggap sebanding dengan harga saham.
Dengan demikian, model pergerakan harga saham yang sesuai adalah :
โ๐๐ก = ๐๐๐กโ๐ก + ๐๐๐กโ๐๐ก .
Jika mengambil limโ๐กโ0 โ๐๐ก , maka diperoleh :
๐๐๐ก = ๐๐๐ก๐๐ก + ๐๐๐ก๐๐๐ก
๐๐๐ก
๐๐ก= ๐๐๐ก + ๐๐๐๐ก . (2.6)
dengan ๐๐ก adalah Gerak Brown yang dimulai pada ๐0 = 0, ๐ dan ๐ merupakan
suatu bilangan konstan.
Selanjutnya dilakukan pengintegralan terhadap persamaan (2.6).
๐๐๐ก
๐๐ก= (๐๐๐ก + ๐๐๐๐ก )
๐ก
๐กโ1
๐ก
๐กโ1
๐[ln St]tโ1t = ๐๐ก ๐กโ1
๐ก + ๐๐๐๐ก๐ก
๐กโ1 (2.7)
ln ๐๐ก โ ln ๐๐กโ1 = ๐๐๐ก + ๐๐๐๐ก๐ก
๐กโ1 (2.8)
Karena pada ruas kanan terdapat unsur stokastik berupa Proses Wiener, maka
tidak dapat diselesaikan dengan integral hitung biasa. Untuk menyelesaikan
persamaan (2.6) digunakan penerapan dari Lemma 2.1 (Lemma Itรด).
17
Misalkan diberikan ๐บ suatu fungsi dari ๐๐ก yaitu ๐บ = ln ๐๐ก , dengan ๐๐ก adalah
proses Itรด yang didefinisikan sebagai persamaan (2.6), yaitu :
๐๐๐ก
๐๐ก= ๐๐๐ก + ๐๐๐๐ก
๐๐๐ก = ๐๐๐ก๐๐ก + ๐๐๐ก๐๐๐ก .
Berdasarkan Lemma 2.1 (Lemma Itรด), maka diperoleh :
๐( ๐๐ ๐๐ก) ๐กโ1๐ก = 0 + ๐๐๐ก
1
๐๐ก+
1
2๐2๐๐ก
2 โ1
๐๐ก2 ๐๐ก + ๐๐๐ก
1
๐๐ก๐๐๐ก
๐(ln ๐๐ก) ๐กโ1๐ก = ๐ โ
1
2๐2 ๐๐ก + ๐๐๐๐ก
ln ๐๐ก โ ln ๐๐กโ1 = ๐ โ1
2๐2 ๐๐ก + ๐๐๐๐ก
ln ๐๐ก = ln ๐๐กโ1 + ๐ โ1
2๐2 ๐๐ก + ๐๐๐๐ก (2.9)
๐๐ก = ๐๐กโ1๐ ๐โ
1
2๐2 ๐๐ก+๐๐๐๐ก . (2.10)
Solusi (2.10) mengimplikasikan bahwa harga saham pada periode mendatang
mengikuti model Gerak Brown Geometri, sehingga harga saham akan selalu
bernilai positif.
2.2.7 Model Pasar Modal Multidimensi
Teoriโteori kalkulus stokastik pada pemodelan pergerakan harga saham
yang telah dijelaskan sebelumnya melibatkan hanya satu sekuritas (saham).
Penerapan teori tersebut dapat dikembangkan untuk keuangan yang tergantung
18
pada beberapa aset. Keadaan pasar modal yang demikian disebut pasar modal
multidimensi, contohnya portofolio saham. Dalam pemodelan pergerakan harga n-
saham, diasumsikan pergerakan harga dari masingโmasing saham dapat
dimodelkan sebagai Persamaan Diferensial Stokastik atau dengan kata lain
pergerakan harga sahamnya mengikuti model Gerak Brown Geometri. Sehingga,
model pergerakan harga n-saham dirumuskan dalam suatu Persamaan Diferensial
Stokastik Multidimensi.
Berikut contoh kasus untuk model pasar modal dua dimensi. Diberikan
suatu portofolio yang terdiri dari dua saham yaitu saham A dan saham B, dengan
pergerakan harga dari masingโmasing saham dapat dimodelkan sebagai
Persamaan Diferensial Stokastik. Sebut ๐๐ก1 adalah harga saham A pada saat ๐ก , ๐1
merupakan ekspektasi tingkat pengembalian saham A per satuan waktu, dan ๐1
menyatakan deviasi standar dari pengembalian saham A per satuan waktu,
kemudian ๐๐ก2 adalah harga saham B pada saat ๐ก , ๐2 merupakan ekspektasi tingkat
pengembalian saham B per satuan waktu, serta ๐2 menyatakan deviasi standar dari
pengembalian saham B per satuan waktu.
Perubahan harga saham A dan saham B dapat dinyatakan dalam suatu
Persamaan Diferensial Stokastik, sehingga model pergerakan harga dari kedua
saham tersebut dapat dimodelkan sebagai Persamaan Diferensial Stokastik dua
Dimensi sebagai berikut :
๐๐บ๐ก = (๐๐๐ก + ๐๐๐พ๐ก)๐บ๐ก๐ (2.11)
19
dengan ๐บ๐ก = ๐๐ก
1
๐๐ก2 , ๐ =
๐1
๐2 , ๐ =
๐11 ๐12
๐21 ๐22 , dan ๐พ๐ก =
๐1
๐2 . Dalam
pemodelan ini, matriks ๐ disebut sebagai matriks varians-kovarians dengan ๐11
menyatakan varians dari saham A, ๐22 adalah varians dari saham B, dan ๐12 =
๐21 menyatakan kovarians antara saham A dan saham B. Nilai varians yang
dinyatakan dengan notasi ๐11 juga bisa dinotasikan dengan ๐12.
Persamaan (2.11) dapat dinyatakan dalam persamaan berikut :
๐๐๐ก1 = ๐1๐๐ก
1๐๐ก + ๐11๐๐1 + ๐12๐๐2 ๐๐ก1, (2.12)
๐๐๐ก2 = ๐2๐๐ก
2๐๐ก + ๐21๐๐1 + ๐22๐๐2 ๐๐ก2. (2.13)
Akan diuraikan penyelesain PDS dari persamaan (2.12).
Perhatikan bahwa persamaan (2.12) juga dapat dinyatakan dalam persamaan
berikut :
๐๐๐ก1
๐๐ก1 = ๐1๐๐ก + ๐11๐๐1 + ๐12๐๐2
๐๐๐ก1
๐๐ก1 = ๐1๐๐ก + ๐1๐๐๐๐ .
2
๐=1
(2.14)
Selanjutnya akan dilakukan pengintegralan terhadap persamaan (2.14).
๐๐๐ก
1
๐๐ก1 = (๐1๐๐ก + ๐1๐๐๐๐ ) 2
๐=1๐ก
๐กโ1
๐ก
๐กโ1
๐[ln St1]tโ1
t = ๐1๐ก ๐กโ1๐ก + ๐1๐๐๐๐
2๐=1
๐ก
๐กโ1
20
ln ๐๐ก1 โ ln ๐๐กโ1
1 = ๐1๐๐ก + ๐1๐๐๐๐ . 2๐=1
๐ก
๐กโ1 (2.15)
Karena pada ruas kanan terdapat unsur stokastik berupa Proses Wiener, maka
tidak dapat diselesaikan dengan integral hitung biasa. Untuk menyelesaikan
persamaan (2.14) digunakan penerapan dari Lemma 2.1 (Lemma Itรด).
Misalkan diberikan ๐บ suatu fungsi dari ๐๐ก1 yaitu ๐บ = ln ๐๐ก
1, dengan ๐๐ก1 adalah
proses Itรด yang didefinisikan sebagai persamaan (2.12), yaitu :
๐๐๐ก1 = ๐1๐๐ก
1๐๐ก + ๐11๐๐1 + ๐12๐๐2 ๐๐ก1
๐๐๐ก1 = ๐1๐๐ก
1๐๐ก + ๐1๐๐๐ก1๐๐๐
2
๐=1
.
Berdasarkan Lemma 2.1 (Lemma Itรด), maka diperoleh :
๐(ln ๐๐ก1 ) ๐กโ1
๐ก = ๐1
1
๐๐ก1 +
1
2 ๐1๐
22
๐=1
๐๐ก1 2 โ
1
๐๐ก1 2
๐๐ก + ๐1๐๐๐ก1
1
๐๐ก1 ๐๐๐
2
๐=1
๐(ln ๐๐ก1 ) ๐กโ1
๐ก = ๐1 โ1
2 ๐1๐
22
๐=1
๐๐ก + ๐1๐๐๐๐
2
๐=1
ln ๐๐ก1 โ ln ๐๐กโ1
1 = ๐1 โ1
2 ๐1๐
22
๐=1
๐๐ก + ๐1๐๐๐๐
2
๐=1
ln ๐๐ก1 = ln ๐๐กโ1
1 + ๐1 โ1
2 ๐1๐
22
๐=1
๐๐ก + ๐1๐๐๐๐
2
๐=1
21
๐๐ก1 = ๐๐กโ1
1 ๐๐ฅ๐ ๐1 โ1
2 ๐1๐
22
๐=1
๐๐ก + ๐1๐๐๐๐
2
๐=1
. (2.16)
Solusi (2.16) mengimplikasikan bahwa harga saham di periode mendatang
mengikuti model Gerak Brown Geometri Dua Dimensi sehingga harga saham
akan selalu bernilai positif. Dengan cara yang sama, dapat diperoleh solusi serupa
untuk persamaan (2.13).
Persamaan Diferensial Stokastik Multidimensi di atas merupakan bentuk
PDS Multidimensi secara umum. Selain bentuk umum tersebut, PDS
Multidimensi memiliki bentuk lain yang disebut separable variable. Kasus
multidimensi yang dapat diterapkan dalam bentuk separable variable adalah jika
pada kasus tersebut dikatakan bahwa tidak terdapat korelasi antara variabel satu
dan lainnya atau dalam kasus pemodelan saham, dikatakan tidak terdapat korelasi
antara saham satu dan lainnya.
Jika dalam pemodelan dua harga saham di atas dikatakan tidak terdapat
korelasi antara saham satu dan lainnya, maka nilai kovarians saham adalah 0 dan
matriks varians-kovarians yang terbentuk adalah sebagai berikut:
๐ = ๐1
2 0
0 ๐22 .
Selanjutnya dengan menggunakan contoh serupa dengan pemodelan
pergerakan dua harga saham dalam bentuk PDS Multidimensi secara umum di
atas, akan dibentuk model PDS pergerakan harga dua saham dalam bentuk
22
separable variable dan penyelesaian eksak dari separable variable dari model
yang terbentuk.
Model pergerakan harga dua saham dapat dimodelkan sebagai Persamaan
Diferensial Stokastik Dua Dimensi sebagai berikut :
๐๐บ๐ก = (๐๐๐ก + ๐๐๐พ๐ก)๐บ๐ก๐ (2.17)
dengan ๐บ๐ก = ๐๐ก
1
๐๐ก2 , ๐ =
๐1
๐2 , ๐ =
๐11 00 ๐22
, dan ๐พ๐ก = ๐1
๐2 . Dalam
pemodelan ini, matriks ๐ disebut sebagai matriks varians-kovarians dengan ๐11
menyatakan varians dari saham A, ๐22 adalah varians dari saham B, dan ๐12 =
๐21 menyatakan kovarians antara saham A dan saham B dengan nilai kovarians
saham adalah 0 (tidak terdapat korelasi antar saham A dan B). Nilai varians yang
dinyatakan dengan notasi ๐11 juga bisa dinotasikan dengan ๐12.
Persamaan (2.17) dapat dinyatakan dalam persamaan berikut :
๐๐๐ก1 = ๐1๐๐ก
1๐๐ก + ๐11๐๐1 + 0 ๐๐2 ๐๐ก1
= ๐1๐๐ก1๐๐ก + ๐11๐๐1๐๐ก
1
= ๐๐ก1 ๐1๐๐ก + ๐11๐๐1 . (2.18)
๐๐๐ก2 = ๐2๐๐ก
2๐๐ก + 0 ๐๐1 + ๐22 ๐๐2 ๐๐ก1
= ๐2๐๐ก2๐๐ก + ๐22๐๐2๐๐ก
2
= ๐๐ก2 ๐2๐๐ก + ๐22๐๐2 . (2.19)
23
Atau secara umum dapat dinyatakan dalam persamaan sebagai berikut :
๐๐๐ก๐ = ๐๐๐๐ก + ๐๐
2๐๐๐ ๐๐ก๐ (2.20)
untuk ๐ = 1,2 dan ๐๐๐ = ๐๐2.
Akan diuraikan penyelesaian PDS dari persamaan (2.18).
Perhatikan bahwa persamaan (2.18) juga dapat dinyatakan dalam persamaan
berikut :
๐๐๐ก1
๐๐ก1 = ๐1๐๐ก + ๐1
2๐๐1. (2.21)
Selanjutnya akan dilakukan pengintegralan terhadap persamaan (2.21).
๐๐๐ก
1
๐๐ก1 = (๐1๐๐ก + ๐1
2๐๐1)
๐ก
๐กโ1
๐ก
๐กโ1
๐ ln ๐๐ก1 ๐กโ1
๐ก = ๐1๐ก ๐กโ1๐ก + ๐1
2๐๐1
๐ก
๐กโ1
ln ๐๐ก1 โ ln ๐๐กโ1
1 = ๐1๐๐ก + ๐12๐๐1.
๐ก
๐กโ1
(2.22)
Karena pada ruas kanan terdapat unsur stokastik berupa Gerak Brown (Proses
Wiener), maka tidak dapat diselesaikan dengan integral hitung biasa. Untuk
menyelesaikan persamaan (2.21) digunakan penerapan dari Lemma 2.1 (Lemma
Itรด).
24
Misalkan diberikan ๐บ suatu fungsi dari ๐๐ก1 yaitu ๐บ = ln ๐๐ก
1, dengan ๐๐ก1 adalah
proses Itรด yang didefinisikan sebagai persamaan (2.18), yaitu :
๐๐๐ก1 = ๐1๐๐ก + ๐1
2๐๐1 ๐๐ก1
๐๐๐ก1 = ๐1๐๐ก
1๐๐ก + ๐12๐๐ก
1๐๐1.
Berdasarkan Lemma 2.1 (Lemma Itรด), maka diperoleh :
๐ (ln ๐๐ก1 ) ๐กโ1
๐ก = ๐1๐๐ก1
1
๐๐ก1 +
1
2 ๐1
2 2 ๐๐ก1 2 โ
1
๐๐ก1 2
๐๐ก + ๐12๐๐ก
11
๐๐ก1 ๐๐1
๐(ln ๐๐ก1 ) ๐กโ1
๐ก = ๐1 โ1
2 ๐1
2 2 ๐๐ก + ๐12๐๐1
ln ๐๐ก1 โ ln ๐๐กโ1
1 = ๐1 โ1
2 ๐1
2 2 ๐๐ก + ๐12๐๐1
ln ๐๐ก1 = ln ๐๐กโ1
1 + ๐1 โ1
2 ๐1
2 2 ๐๐ก + ๐12๐๐1
๐๐ก1 = ๐๐กโ1
1 ๐๐ฅ๐ ๐1 โ1
2 ๐1
2 2 ๐๐ก + ๐12๐๐1 . (2.23)
Solusi (2.23) mengimplikasikan bahwa harga saham pada periode mendatang
mengikuti model Gerak Brown Geometri sehingga harga saham akan selalu
bernilai positif. Dengan cara yang sama, dapat diperoleh solusi serupa untuk
persamaan (2.19).
Pemodelan serupa dapat diterapkan pada pasar modal dengan ๐ โฅ 2
saham. Namun pada penelitian ini, model pergerakan harga saham yang akan
dibentuk ialah pergerakan dari tiga buah saham.
25
2.2.8 Run Test
Uji keacakan (Run Test) merupakan analisis uji yang digunakan untuk
melihat apakah observasi (sampel) diambil secara acak (random). Run Test
dilakukan untuk data yang didapatkan secara berurutan. Suatu sampel dikatakan
acak jika antar suatu periode t dengan periode sebelumnya (๐ก โ 1) pada sampel
tidak saling berkorelasi. Oleh karena itu, uji ini juga dapat digunakan untuk
melihat apakah terdapat korelasi antar residual (masalah autokorelasi) yang dilihat
berdasarkan keacakan pada sampel.
Data yang digunakan pada Run Test dapat berbentuk kualitatif seperti data
laki-laki dan perempuan atau data kuantitatif. Pada dasarnya Run Test akan
membagi data menjadi dua kelompok. Pada data kuantitaif pembagian dua
kelompok data dapat dilakukan berdasarkan nilai median data, sehingga akan
diperoleh data yang yang lebih kecil dari nilai median dan data yang lebih besar
dari nilai median. Setiap kelompoknya akan direpresentasikan dalam suatu simbol
(kode). Sebuah deretan simbol (kode) yang sama disebut satu Run (R)
(Bagdonavicius et al., 2011).
Sebagi contoh, berikut adalah urutan jenis antrian tiket berdasarkan jenis
kelamin :
1 1 2 2 2 2 1 1 2 2 1 1 2 1
Simbol 1 menyatakan pria dan kode 2 menyatakan perempuan. Dengan demikian
deretan simbol di atas terdiri dari tujuh Run, yakni Run 1 terdiri dari dua simbol 1,
Run 2 terdiri dari empat simbol 2, Run 3 terdiri dari dua simbol 1, dan seterusnya
26
hingga Run 7. Diketahui pula bahwa terdapat tujuh data bersimbol 1 (๐1 = 7) dan
tujuh data bersimbol 2 (๐2 = 7). Adapun hipotesis pada uji ini ialah:
๐ป0 : Data pengamatan acak (random)
๐ป1 : Data pengamatan tidak acak (random)
Untuk sampel kecil (๐1 โค 20 atau ๐2 โค 20), maka tolak ๐ป0, jika ๐ โค
๐ ๐๐๐ค๐ โ atau ๐ โฅ ๐ ๐๐ก๐๐ dari tabel nilai kritis untuk R dengan ๐1 dan ๐2 (tabel F).
Jika nilai R berada diantara nilai ๐ ๐๐๐ค๐ โ dan ๐ ๐๐ก๐๐ , maka terima ๐ป0.
Untuk sampel besar (๐1 > 20 atau ๐2 > 20), distribusi sampel R
mendekati distribusi normal Z . Jika nilai ๐โ๐๐ก๐ข๐๐ > ๐๐ผ , maka tolak ๐ป0. Berikut
rumus yang digunakan untuk menghitung nilai ๐โ๐๐ก๐ข๐๐ pada Run Test :
๐โ๐๐ก๐ข๐๐ =๐ โ (2๐1๐2)/(๐1 + ๐2) + 1
2๐1๐2(2๐1๐2 โ ๐1 โ ๐2) ๐1 + ๐2 2(๐1 + ๐2 โ 1)
. (2.24)
2.2.9 Teori Portofolio Optimal
Investasi di pasar modal menjanjikan tingkat pengembalian (return) yang
tinggi, namun dengan semakin tinggi tingkat pengembalian yang dihasilkan maka
tingkat risikonya juga akan semakin besar. Oleh karena itu, hal yang harus
diperhatikan oleh investor adalah bagaimana investasi dapat menghasilkan tingkat
pengembalian optimal pada tingkat risiko yang minimal. Dalam memaksimalkan
tingkat pengembalian dan meminimalkan risiko, investor dapat melakukan
diversifikasi. Diversifikasi dapat diwujudkan dengan cara mengombinasikan
berbagai pilihan saham dalam investasinya (membentuk portofolio saham
optimal) (Husnan, 2003).
27
Konsep dasar yang dinyatakan dalam portofolio optimal adalah bagaimana
mengalokasikan sejumlah dana tertentu pada berbagai jenis investasi yang akan
menghasilkan keuntungan yang optimal (Bierman dan Smidt, 2007). Portofolio
optimal merupakan pilihan dari berbagai sekuritas dari portofolio efisien.
Portofolio yang efisien (efficient portfolio) didefinisikan sebagai portofolio yang
memberikan tingkat pengembalian terbesar (maksimum) dengan resiko tertentu
atau memberikan risiko terkecil dengan tingkat pengembalian tertentu.
Portofolio yang efisien ini dapat ditentukan dengan memilih tingkat
pengembalian tertentu dan kemudian meminimumkan risikonya atau menentukan
tingkat resiko tertentu dan kemudian memaksimumkan tingkat pengembaliannya.
Investor yang rasional akan memilih portofolio optimal ini karena merupakan
portofolio yang dibentuk dengan mengoptimalkan satu dari dua dimensi, yaitu
tingkat pengembalian atau risiko portofolio.
2.2.10 Teori Portofolio Markowitz
Pada awal 1950-an, seorang ekonom Amerika Serikat, Harry Max
Markowitz, mengembangkan suatu teori portofolio yang dikenal dengan Teori
Portofolio Markowitz. Teori Portofolio Markowitz menggunakan pengukuran
statistik dasar untuk mengembangkan suatu rencana portofolio, yaitu expected
return, standar deviasi, dan korelasi antar return. Teori ini memformulasikan
keberadaan unsur tingkat pengembalian (return) dan risiko dalam suatu investasi,
dengan unsur risiko dapat diminimalkan melalui diversivikasi dan
28
mengombinasikan berbagai instrumen investasi ke dalam portofolio (Markowitz,
1959).
Teori Portofolio Markowitz didasarkan atas pendekatan mean (rata-rata)
dan variance (varians), dengan mean merupakan pengukuran tingkat
pengembalian dan varian merupakan pengukuran tingkat risiko. Oleh karena itu,
teori ini disebut juga sebagai Mean โ Variance Model. Pembentukan portofolio
optimal dengan pendekatan Teori Portofolio Markowitz didasarkan pada
preferensi investor terhadap return yang diharapkan dan risiko masingโmasing
pilihan portofolio. Asumsi bahwa preferensi investor hanya didasarkan pada
tingkat pengembalian yang diharapkan (expected return) dan risiko, secara
implisit menganggap bahwa investor mempunyai fungsi utilitas yang sama.
Penentuan portofolio optimal dengan menggunakan Teori Portofolio
Markowitz dilakukan dengan langkah โ langkah sebagai berikut (Husnan, 2003):
1. Menghitung return masing โ masing saham. Return saham dapat dihitung
dengan menggunakan persamaan berikut:
๐๐ก = ๐๐กโ ๐๐กโ1
๐๐กโ1 (2.25)
dengan ๐๐ก menyatakan return harga saham pada waktu ๐ก, ๐๐ก menyatakan harga
saham pada waktu ๐ก, dan ๐๐กโ1 menyatakan harga saham pada waktu ๐ก โ 1.
2. Menghitung expected return saham (๐). Nilai ๐ dapat dihitung dengan
menggunakan persamaan berikut:
๐ = ๐๐ก๐
๐
๐ก=1
(2.26)
29
dengan ๐ menyatakan waktu (periode) pengamatan.
3. Menghitung risiko (varians dan deviasi standar saham). Ukuran penyebaran
ini dimaksudkan untuk mengetahui seberapa jauh kemungkinan nilai yang
akan diperoleh menyimpang dari nilai yang diharapkan. Varians saham ialah
nilai pangkat dua dari deviasi standar saham, sedangkan deviasi standar
saham direpresentasikan sebagai volatilitas saham. Varians dan deviasi
standar dapat dihitung dengan menggunakan persamaan berikut:
๐2 = ๐๐ก โ ๐
๐
2๐
๐ก=1
๐๐๐ ๐ = ๐๐ก โ ๐
๐
2
.
๐
๐ก=1
(2.27)
4. Menghitung kovarians antar dua saham dalam portofolio. Rumus yang
digunakan untuk menghitung kovarian adalah sebagai berikut:
๐๐๐ =1
๐ ๐๐ก โ ๐๐ ๐๐ก โ ๐๐ (2.28)
๐
๐ก=1
dengan ๐๐๐ menyatakan kovarians antara saham ๐ dan saham ๐, ๐๐ก , ๐๐ก
menyatakan return harga saham X dan return harga saham Y pada waktu t,
dan ๐๐ , ๐๐ menyatakan expected return saham X , expected return saham Y.
5. Menghitung koefisien korelasi antar saham dalam portofolio. Besar kecilnya
koefisien korelasi akan berpengaruh terhadap risiko portofolio. Rumus yang
digunakan untuk menghitung koefisien korelasi antar saham adalah sebagai
berikut:
30
๐๐๐ =๐๐๐
๐๐ ๐๐=
1๐ ๐๐ก โ ๐๐ ๐๐ก โ ๐๐
๐๐ก=1
๐๐ก โ ๐๐
๐ 2
๐๐ก=1
๐๐ก โ ๐๐
๐ 2
๐๐ก=1
(2.29)
dengan ๐๐๐ menyatakan koefisien korelasi antara saham X dan saham Y , ๐๐๐
menyatakan kovarians antara saham X dan saham Y dan ๐๐ , ๐๐ menyatakan
deviasi standar saham X, deviasi standar saham Y.
6. Menghitung expected return dari portofolio saham. Untuk menghitung
tingkat pengembalian yang diharapkan dari portofolio (expected return
portofolio) digunakan persamaan berikut:
๐ธ(๐ ๐) = wiฮผi
n
i=1
(2.30)
dengan ๐ธ(๐ ๐) menyatakan tingkat pengembalian portofolio , wi menyatakan
proporsi dana yang diinvestasikan pada saham ke-i, dan ฮผi menyatakan
tingkat pengembalian saham ke-i.
7. Menghitung risiko dari portofolio saham. Untung menghitung risiko
portofolio digunakan persamaan sebagai berikut:
๐๐2 = ๐ค๐
2๐๐2 + ๐ค๐๐ค๐๐๐๐ .
๐
๐=1๐โ ๐
๐
๐=1
๐
๐=1
(2.31)
Pada pembentukan portofolio optimal dengan model Markowitz,
portofolio optimal yang terbentuk merupakan pilihan dari bebagai sekuritas dari
portofolio efisien. Kumpulan portofolio efisien Markowitz terletak pada garis
batas (efficient frontier) serangkaian portofolio yang memiliki pengembalian
maksimal untuk tingkat pengembalian tertentu. Inti dari efficient frontier
31
Markowitz adalah bagaimana mengalokasikan dana ke masingโmasing saham
dalam portofolio untuk mencari titik optimal portofolio. Alokasi dana yang
diberikan pada masingโmasing saham akan berpengaruh terhadap tingkat
pengembalian saham dan tingkat risiko yang dihasilkan. Investor dapat melakukan
sejumlah kombinasi alokasi dana pada masing โ masing saham untuk memperoleh
sejumlah portofolio yang diinginkan.
Berdasarkan sejumlah portofolio yang telah dibentuk, dapat ditentukan
portofolio optimal dengan cara optimasi sebagai berikut:
Minimumkan : ๐ค๐2๐๐
2 + ๐ค๐๐ค๐๐๐๐ (2.32)
Dengan batasan :
1. ๐ค๐ = 1
2. ๐ค๐๐๐ = ๐ธ(๐ ๐)
3. ๐ค๐ โฅ 0, ๐ = 1,2,3