Program Studi Bisnis Digital • FEB

Bloomberg for Student

Pertemuan 11 — Optimasi Portofolio: Risk-Return, Matriks Kovarian, Efficient Frontier

Dari return & risiko satu saham, ke matriks kovarian antar-saham, sampai kurva efficient frontier — kerangka Markowitz yang menjadi dasar fitur PORT di terminal Bloomberg.

RPS minggu 12 · 2x50 menit

Selamat datang kembali, Anda sudah sampai di pertemuan yang menyatukan hampir semua yang kita pelajari sejak awal semester — dari harga saham individual di layar Bloomberg, sampai keputusan bagaimana meracik banyak saham menjadi satu portofolio. Bayangkan Anda punya modal Rp 50 juta dan ingin membeli saham BBCA, TLKM, dan UNVR sekaligus — pertanyaannya bukan cuma "saham mana yang paling untung", tapi "kombinasi bobot seperti apa yang memberi return terbaik untuk tingkat risiko yang bisa Anda terima". Hari ini kita akan belajar menghitung risiko dan return portofolio secara matematis, memahami matriks kovarian yang jadi jantung diversifikasi, dan melihat bagaimana kurva efficient frontier membantu investor — termasuk manajer investasi di reksa dana Indonesia — memilih portofolio optimal. Materi ini adalah fondasi teori Markowitz yang tertanam langsung di balik fitur PORT dan optimizer Bloomberg yang akan Anda pakai di dunia kerja nanti.

Tujuan Pembelajaran Hari Ini

Sesuai RPS minggu 12, setelah pertemuan ini Anda diharapkan mampu menghitung risk-return portofolio dan menjelaskan logika optimasi portofolio ala Markowitz. Secara rinci:

CAPAIAN 1

RISK-RETURN

Menghitung expected return dan deviasi standar aset tunggal maupun portofolio dari data historis.

CAPAIAN 2

KOVARIAN

Membaca matriks kovarian dan korelasi untuk menilai manfaat diversifikasi antar-saham.

CAPAIAN 3

FRONTIER

Menjelaskan konsep efficient frontier, minimum variance portfolio, dan portofolio optimal (tangency).

CAPAIAN 4

BLOOMBERG

Mengaitkan teori dengan fungsi PORT dan alat optimasi portofolio di terminal Bloomberg.

Bagian 1 dari 3

Return & Risiko — Fondasi Kuantitatif Portofolio

Sebelum bicara portofolio, kita harus bisa mengukur return dan risiko satu saham secara presisi — dua angka yang menjadi bahan baku semua model portofolio.

Expected Return: Perkiraan Keuntungan Satu Saham

Expected return (imbal hasil yang diharapkan) adalah rata-rata return historis sebuah saham — dasar semua keputusan investasi di Bloomberg Terminal.

E[R] = Σ R_i / n

Contoh Ilustratif — Saham BBCA

Return bulanan 5 bulan terakhir: 3%, -1%, 4%, 2%, -2%
Jumlahkan semua return, lalu bagi jumlah periode (n = 5)
Hasil: expected return ≈ 1,2% per bulan

Catatan Penting

Expected return berbasis data masa lalu ≠ jaminan masa depan
Di Bloomberg, fungsi HRA (Historical Return Analysis) menghitung ini otomatis
Semakin panjang periode data, semakin stabil estimasinya

Risiko: Varians & Deviasi Standar

Deviasi standar (standard deviation, σ) mengukur seberapa jauh return bergerak naik-turun dari rata-ratanya — semakin besar σ, semakin liar fluktuasi saham itu.

σ² = Σ(R_i - E[R])² / n → σ = √σ²

Langkah Intuitif

Hitung selisih tiap return terhadap rata-rata (deviasi)
Kuadratkan tiap deviasi agar nilai negatif tak saling meniadakan
Rata-ratakan hasil kuadrat → itulah varians (σ²)
Akar kuadrat varians → deviasi standar (σ), satuannya sama dengan return

Contoh Perbandingan

Saham perbankan besar (BBCA): σ relatif rendah, pergerakan stabil
Saham teknologi rintisan: σ relatif tinggi, fluktuasi tajam
Di Bloomberg, cek lewat fungsi HVT (Historical Volatility Table)

Hitung dari Nol: Return & Risiko Saham BBCA

Data return bulanan BBCA 5 bulan terakhir: 3%, -1%, 4%, 2%, -2%. Mari hitung deviasi standarnya langkah demi langkah.

Langkah	Perhitungan	Nilai
1. Rata-rata return (mean)	(3% + (-1%) + 4% + 2% + (-2%)) / 5	1,20%
2. Deviasi tiap periode	3-1,2=1,8 · -1-1,2=-2,2 · 4-1,2=2,8 · 2-1,2=0,8 · -2-1,2=-3,2	-3,2 s.d. 2,8
3. Kuadratkan & jumlahkan	1,8²+2,2²+2,8²+0,8²+3,2²	26,80
4. Bagi n (varians)	26,80 / 5	5,36 (%²)
5. Akar kuadrat (deviasi standar)	√5,36	≈ 2,32%

HASIL AKHIR BBCA

E[R] = 1,20% • σ = 2,32%

Return Portofolio: Rata-Rata Tertimbang

Return portofolio adalah rata-rata tertimbang (weighted average) dari return tiap aset, sesuai proporsi bobotnya (w) dalam portofolio.

E[R_p] = w_A × E[R_A] + w_B × E[R_B]

Contoh — Portofolio BBCA + TLKM

Bobot BBCA (w_A) = 60%, E[R_A] = 1,2%
Bobot TLKM (w_B) = 40%, E[R_B] = 1,6%

E[R_p] = (0,6 × 1,2%) + (0,4 × 1,6%)
= 0,72% + 0,64% = 1,36%

Return portofolio linear terhadap bobot — tapi risiko portofolio TIDAK linear, karena bergantung pada bagaimana kedua saham bergerak bersama. Itu topik bagian berikutnya: matriks kovarian.

Bagian 2 dari 3

Matriks Kovarian & Kekuatan Diversifikasi

Risiko portofolio bukan sekadar rata-rata risiko tiap saham — ia bergantung pada bagaimana saham-saham itu bergerak bersama. Di sinilah matriks kovarian berperan.

Kovarian & Korelasi: Mengukur "Gerak Bersama"

Kovarian (covariance) mengukur arah pergerakan bersama dua saham; korelasi (ρ, correlation coefficient) adalah versi ternormalisasi kovarian, bernilai -1 sampai +1.

Cov(A,B) = ρ_A,B × σ_A × σ_B

Matriks Kovarian: Peta Risiko Antar-Saham

Matriks kovarian menyusun varians (diagonal) dan kovarian antar-pasangan saham (di luar diagonal) dalam satu tabel — tampilan yang identik dengan layar PORT > Risk di Bloomberg.

	BBCA	TLKM	UNVR
BBCA	σ²_BBCA	Cov(BBCA,TLKM)	Cov(BBCA,UNVR)
TLKM	Cov(TLKM,BBCA)	σ²_TLKM	Cov(TLKM,UNVR)
UNVR	Cov(UNVR,BBCA)	Cov(UNVR,TLKM)	σ²_UNVR

Sel diagonal (abu gelap) = varians saham itu sendiri. Sel di luar diagonal (abu terang) = kovarian antar-pasangan — matriks ini selalu simetris, sehingga Cov(A,B) = Cov(B,A).

Hitung dari Nol: Risiko Portofolio Dua Aset

Portofolio BBCA (w_A=60%, σ_A=20%) + TLKM (w_B=40%, σ_B=25%), korelasi ρ=0,30. Hitung risiko portofolionya.

Langkah	Perhitungan	Nilai
1. Kovarian A,B	ρ × σ_A × σ_B = 0,30 × 20% × 25%	0,0150
2. Kontribusi varians A	w_A² × σ_A² = 0,6² × 0,20²	0,0144
3. Kontribusi varians B	w_B² × σ_B² = 0,4² × 0,25²	0,0100
4. Kontribusi kovarian (2×)	2 × w_A × w_B × Cov = 2×0,6×0,4×0,015	0,0072
5. Varians portofolio	0,0144 + 0,0100 + 0,0072	0,0316

RISIKO PORTOFOLIO

σ_p = √0,0316 ≈ 17,77%

vs. rata-rata tertimbang tanpa diversifikasi: (0,6×20%)+(0,4×25%) = 22,00% — turun ≈ 4,2 poin persentase

Sekarang giliran Anda menghitung sesuatu yang lebih penting daripada risiko satu saham, yaitu risiko dari kombinasi dua saham sekaligus, ikuti langkah-langkah ini bersama saya. Pertama kita hitung kovarian antara BBCA dan TLKM dengan mengalikan korelasi 0,30 dengan deviasi standar masing-masing, hasilnya 0,015. Selanjutnya kita hitung kontribusi varians dari BBCA sendiri, dari TLKM sendiri, lalu kontribusi kovariannya yang dikalikan dua karena ada dua arah pasangan, dan menjumlahkan semuanya menghasilkan varians portofolio 0,0316. Yang paling menarik untuk Anda catat adalah hasil akhirnya, deviasi standar portofolio hanya 17,77 persen, jauh lebih rendah daripada 22 persen jika Anda sekadar merata-ratakan risiko kedua saham tanpa memperhitungkan korelasi — inilah bukti matematis kekuatan diversifikasi.

Coba Sendiri: Geser Korelasi, Lihat Risiko Portofolio Berubah

Ubah bobot dan korelasi dua aset, amati bagaimana deviasi standar portofolio bergerak — semakin negatif korelasinya, semakin besar manfaat diversifikasinya.

Efek Diversifikasi: Semakin Rendah ρ, Semakin Besar Manfaatnya

Dengan bobot dan σ yang sama (60% BBCA/20%, 40% TLKM/25%), lihat bagaimana risiko portofolio berubah seiring korelasi:

Skenario Korelasi	Interpretasi	σ_p Portofolio
ρ = +1,00 (bergerak identik)	Tidak ada manfaat diversifikasi sama sekali	22,00%
ρ = +0,30 (kasus kita di slide sebelumnya)	Manfaat diversifikasi sedang	17,77%
ρ = 0,00 (bergerak independen)	Manfaat diversifikasi kuat	15,62%
ρ = -1,00 (berlawanan sempurna)	Risiko bisa ditekan sampai mendekati nol	2,00%

Semakin rendah (atau negatif) korelasi antar-aset, semakin besar manfaat diversifikasi — inilah alasan portofolio ideal mencampur sektor yang berbeda, misalnya saham perbankan dengan saham komoditas.

Tabel ini saya susun agar Anda bisa melihat langsung, dengan bobot dan deviasi standar yang sama persis, hanya korelasinya saja yang berubah, betapa besar dampaknya terhadap risiko portofolio. Ketika korelasi sempurna positif, seperti dua saham yang benar-benar bergerak bersamaan, tidak ada manfaat diversifikasi sama sekali dan risiko portofolio sama dengan rata-rata tertimbangnya. Tapi begitu korelasi turun mendekati nol atau bahkan negatif, risiko portofolio menyusut drastis, pada kasus ekstrem korelasi negatif sempurna risiko bisa ditekan mendekati nol persen. Ini sebabnya manajer investasi di Indonesia sengaja mencampur saham dari sektor berbeda, misalnya perbankan dan komoditas tambang, karena keduanya cenderung merespons kondisi ekonomi secara berbeda sehingga saling meredam volatilitas satu sama lain.

Batas Diversifikasi: Risiko Sistematis vs Tidak Sistematis

Diversifikasi punya batas — menambah lebih banyak saham hanya menghilangkan risiko tidak sistematis, bukan risiko sistematis (risiko pasar keseluruhan).

Grafik ini menjawab pertanyaan yang sering muncul, apakah kalau saya membeli seratus saham berbeda risiko portofolio saya bisa nol, dan jawabannya tidak bisa. Kurva ini menunjukkan bahwa semakin banyak saham yang Anda tambahkan ke portofolio, risiko total memang terus menurun pada awalnya, tapi penurunannya melambat dan akhirnya mendatar di sebuah garis batas. Bagian yang bisa dihilangkan lewat diversifikasi disebut risiko tidak sistematis, misalnya risiko spesifik satu perusahaan seperti skandal manajemen atau gagal proyek, dan bagian yang tersisa disebut risiko sistematis, yaitu risiko yang memengaruhi seluruh pasar sekaligus seperti kenaikan suku bunga BI atau resesi ekonomi Indonesia. Jadi meskipun Anda membeli seluruh saham di Bursa Efek Indonesia, Anda tetap akan menanggung risiko sistematis ini, dan inilah batas nyata dari kekuatan diversifikasi.

Bagian 3 dari 3

Efficient Frontier & Optimasi Portofolio

Dari semua kombinasi bobot yang mungkin, mana yang terbaik? Efficient frontier menjawabnya secara visual dan matematis — dan Bloomberg mengotomasinya lewat fitur PORT.

Coba Sendiri: Konvergensi ke Risiko Sistematis

Tambah jumlah saham dalam portofolio satu per satu, lalu lihat bagaimana risiko total menurun tetapi konvergen ke batas yang tidak bisa di-diversifikasi lagi.

Efficient Frontier: Kurva Portofolio Terbaik

Setiap kombinasi bobot aset menghasilkan satu titik risk-return. Efficient frontier adalah kurva batas atas — kombinasi dengan return tertinggi untuk tiap tingkat risiko.

Grafik ini adalah puncak dari semua perhitungan kita hari ini, jadi mari kita bedah bagian per bagian dengan sabar. Garis solid yang melengkung ke atas adalah efficient frontier, kumpulan portofolio terbaik yang bisa Anda bentuk dari BBCA, TLKM, dan UNVR — sementara garis putus-putus di bawahnya adalah kombinasi yang tidak efisien, karena untuk risiko yang sama Anda bisa dapat return lebih tinggi di kurva atas. Titik yang diberi label MVP adalah minimum variance portfolio, kombinasi bobot dengan risiko paling rendah yang mungkin dicapai. Garis putus-putus dari titik return bebas risiko atau risk-free rate yang menyentuh kurva secara tangensial menunjukkan Capital Market Line, dan titik singgungnya disebut tangency portfolio atau portofolio optimal — inilah kombinasi yang akan direkomendasikan Bloomberg PORT sebagai portofolio dengan rasio return-terhadap-risiko terbaik.

Dua Titik Kunci: MVP & Tangency Portfolio

Minimum Variance Portfolio (MVP)

Titik paling kiri di kurva efficient frontier
Kombinasi bobot dengan risiko portofolio terendah yang mungkin dicapai
Cocok untuk investor sangat konservatif, mis. dana pensiun

Tangency Portfolio (Optimal)

Titik singgung antara Capital Market Line (dari risk-free rate) dan frontier
Rasio return-terhadap-risiko (Sharpe Ratio) tertinggi
Titik acuan bagi hampir semua reksa dana saham di Indonesia

Investor rasional akan mengombinasikan tangency portfolio dengan aset bebas risiko (mis. SBN/deposito) sesuai selera risikonya masing-masing — bukan memilih titik acak di sepanjang kurva.

Dari seluruh kurva efficient frontier, ada dua titik yang paling sering dibahas dalam praktik manajemen investasi, dan saya ingin Anda hafal betul perbedaan keduanya. Minimum variance portfolio adalah titik paling kiri di kurva, kombinasi bobot yang memberikan risiko paling rendah, cocok misalnya untuk pengelolaan dana pensiun BPJS Ketenagakerjaan yang mengutamakan keamanan modal. Tangency portfolio adalah titik singgung antara garis pasar modal dan kurva frontier, kombinasi dengan rasio Sharpe atau return-per-unit-risiko yang paling tinggi, dan inilah acuan yang dipakai hampir semua manajer investasi reksa dana saham di Indonesia. Teori portofolio modern mengatakan investor rasional sebaiknya tidak sembarangan memilih titik di kurva, melainkan selalu mengombinasikan tangency portfolio dengan aset bebas risiko seperti Surat Berharga Negara sesuai toleransi risiko masing-masing.

Coba Sendiri: Temukan MVP & Tangency Portfolio Anda

Atur ekspektasi return, risiko, dan korelasi empat aset, lalu amati bagaimana kurva efficient frontier terbentuk dan di mana titik MVP serta tangency portfolio berada.

Coba Sendiri: Sharpe, Treynor & Jensen Alpha

Bandingkan tiga reksa dana dengan kombinasi return dan risiko berbeda, lalu lihat bagaimana ranking berubah saat memakai metrik risk-adjusted.

Dari Teori ke Terminal: Fungsi PORT Bloomberg

Semua perhitungan manual yang kita lakukan hari ini — matriks kovarian, efficient frontier, tangency portfolio — dikerjakan otomatis oleh Bloomberg lewat fungsi PORT.

PORT > Risk

Matriks Kovarian

Menampilkan matriks kovarian & korelasi seluruh saham dalam portofolio secara real-time.

PORT > Optimizer

Efficient Frontier

Menghasilkan kurva efficient frontier & bobot optimal berdasarkan target risiko/return Anda.

CORR / HRA

Data Historis

Sumber data return & korelasi historis yang jadi input model Markowitz.

Sebagai analis, Anda tetap wajib paham logika di baliknya — supaya tahu kapan hasil optimizer masuk akal, dan kapan perlu dicurigai (mis. bobot ekstrem 95% di satu saham).

Kabar baiknya, di dunia kerja nanti Anda tidak perlu menghitung matriks kovarian dan efficient frontier dengan kalkulator seperti yang baru saja kita lakukan, karena Bloomberg Terminal sudah mengotomasi semuanya lewat fungsi PORT. Anda cukup memasukkan daftar saham yang ingin dianalisis, misalnya gabungan BBCA, TLKM, dan UNVR, lalu PORT akan menampilkan matriks kovarian, menggambar kurva efficient frontier, dan bahkan menyarankan bobot optimal sesuai target risiko yang Anda tentukan. Tapi justru karena itu semua otomatis, pemahaman logika di balik layar yang kita pelajari hari ini menjadi jauh lebih penting, bukan kurang penting. Kalau suatu saat optimizer Bloomberg menyarankan bobot ekstrem seperti 95 persen dana di satu saham saja, Anda sebagai analis yang paham teorinya akan langsung curiga dan tahu harus mengecek asumsi apa yang mungkin keliru, bukan sekadar menerima output mentah-mentah.

Batasan Model Markowitz: Jangan Ditelan Mentah-Mentah

Model efficient frontier elegan secara matematis, tapi bertumpu pada asumsi yang tidak selalu realistis di pasar sungguhan seperti BEI.

Asumsi 1 — Data historis mewakili masa depan. Korelasi & volatilitas bisa berubah drastis saat krisis (mis. IHSG saat pandemi 2020), padahal model memakai data masa lalu.

Asumsi 2 — Return berdistribusi normal. Return saham nyata sering punya "ekor tebal" (extreme event lebih sering dari prediksi normal).

Asumsi 3 — Investor rasional & tanpa biaya transaksi. Realitasnya ada pajak, fee broker, dan bias psikologis investor ritel.

Asumsi 4 — Bobot optimizer bisa ekstrem. Tanpa batasan (constraint), optimizer bisa menyarankan short-selling besar-besaran yang tak praktis untuk investor ritel Indonesia.

Sebagai calon analis yang akan memakai alat-alat canggih seperti Bloomberg PORT, Anda wajib tahu bahwa model Markowitz ini, meskipun elegan secara matematika, bukan kebenaran mutlak yang bisa ditelan mentah-mentah. Asumsi pertama yang perlu Anda waspadai adalah model ini memakai data historis sebagai dasar perhitungan korelasi dan volatilitas, padahal kita semua tahu saat pandemi 2020 hampir semua saham di IHSG jatuh bersamaan, korelasi yang tadinya rendah tiba-tiba melonjak mendekati satu. Asumsi lain yang sering dilupakan adalah model ini mengasumsikan return berdistribusi normal, padahal return saham sungguhan sering punya kejadian ekstrem yang jauh lebih sering muncul daripada prediksi kurva normal. Terakhir, model ini mengabaikan biaya transaksi, pajak, dan bias psikologis investor ritel Indonesia yang sering panik jual saat pasar turun, jadi gunakan efficient frontier sebagai kerangka berpikir, bukan resep pasti yang harus diikuti buta-buta.

Latihan: Alokasi Portofolio Investor Ritel

Seorang investor ritel di Semarang punya modal Rp 30 juta dan ingin membagi dana ke tiga saham: BBCA, TLKM, dan sebuah saham consumer goods (mis. UNVR atau ICBP).

Instruksi Latihan (Kerjakan Berkelompok, 15 Menit)

Buka Bloomberg Terminal (atau simulasi kelas), tarik data return bulanan 12 bulan terakhir untuk ketiga saham
Hitung expected return & deviasi standar tiap saham (seperti Slide 6)
Bangun matriks kovarian ketiga saham lewat fungsi CORR/HRA
Usulkan satu kombinasi bobot yang mendekati minimum variance portfolio, jelaskan alasannya
Diskusikan: apa risiko sistematis yang tetap tersisa meski sudah didiversifikasi ke 3 saham ini?

Siapkan hasil kerja kelompok Anda untuk dibahas 10 menit terakhir sesi — fokus pada logika pemilihan bobot, bukan sekadar angka akhir.

Sekarang giliran Anda mempraktikkan semua yang kita pelajari hari ini dalam kelompok kecil, silakan berkumpul dengan teman sebangku Anda dan buka Bloomberg Terminal atau simulasi yang sudah disiapkan. Bayangkan Anda adalah penasihat keuangan untuk seorang investor ritel di Semarang dengan modal 30 juta rupiah yang ingin membagi dananya ke saham BBCA, TLKM, dan satu saham consumer goods seperti UNVR atau ICBP. Tugas Anda adalah menghitung expected return dan risiko masing-masing saham, membangun matriks kovariannya, lalu mengusulkan kombinasi bobot yang mendekati minimum variance portfolio beserta alasan yang bisa dipertanggungjawabkan. Saya akan berkeliling membantu kelompok yang kesulitan, dan di sepuluh menit terakhir kita akan bahas bersama, saya lebih tertarik mendengar logika Anda memilih bobot itu daripada sekadar angka akhirnya.

Rangkuman & Menuju Pertemuan Berikutnya

Yang Sudah Anda Kuasai

Menghitung expected return & deviasi standar aset tunggal dari data historis
Menghitung risiko portofolio dua aset lewat matriks kovarian
Membaca kurva efficient frontier, MVP, & tangency portfolio
Mengaitkan teori Markowitz dengan fungsi PORT di Bloomberg

Pertemuan 12: Analisis Ekonomi Bloomberg Komprehensif

Mengintegrasikan indikator ekonomi, pasar saham, obligasi, & valas dalam satu analisis riset
Studi kasus komprehensif menggunakan seluruh fungsi Bloomberg yang telah dipelajari
Tugas: bawa hasil latihan alokasi portofolio hari ini sebagai bahan diskusi

Optimasi portofolio adalah titik temu semua materi semester ini — indikator ekonomi, analisis saham, dan data kuantitatif Bloomberg akhirnya berujung pada satu keputusan: bobot aset seperti apa yang layak dipegang.

Mari kita tutup pertemuan hari ini dengan merangkum perjalanan panjang yang sudah Anda lalui, dari menghitung deviasi standar satu saham BBCA, membangun matriks kovarian tiga saham, sampai memahami kurva efficient frontier dan portofolio optimal. Materi ini sengaja ditempatkan di pertemuan sebelas karena ia menjadi titik temu dari hampir semua topik semester ini, mulai dari indikator ekonomi yang memengaruhi return pasar, analisis fundamental saham yang menentukan input expected return, sampai data kuantitatif Bloomberg yang memungkinkan semua perhitungan ini dilakukan secara real-time. Pekan depan di pertemuan dua belas, kita akan menutup mata kuliah ini dengan studi kasus analisis ekonomi Bloomberg yang komprehensif, mengintegrasikan indikator ekonomi, pasar saham, obligasi, dan valas dalam satu kerangka riset utuh. Tolong bawa hasil latihan alokasi portofolio kelompok Anda hari ini, karena kita akan pakai itu sebagai bahan diskusi di pertemuan terakhir.