RPS minggu 4 · 2x50 menit

Efficient Frontier Markowitz

Portofolio Mean-Variance Optimal & Minimum-Variance Portfolio

Hari ini kita visualisasikan terobosan Markowitz 1952 dalam bentuk peta yang menjadi dasar seluruh industri alokasi aset global: efficient frontier. Setelah P3 kita menghitung kovarians dan korelasi, sekarang kita membentuk himpunan semua portofolio yang mungkin dari aset-aset tersedia, lalu mengidentifikasi subset efisien — portofolio yang memberikan risiko terendah untuk setiap level return tertentu. Efficient frontier ini akan menjadi dasar pilihan portofolio yang akan Anda lakukan sebagai manajer investasi. Kita akan menggambar frontier dua aset, menghitung portofolio minimum-variance global atau GMVP, lalu mendiskusikan bagaimana preferensi risiko investor menentukan titik mana di frontier yang dipilih. Siapkan widget efficient-frontier-cal yang tersedia untuk eksplorasi interaktif setelah pembahasan konseptual.

Peta Pembelajaran Hari Ini

Sub-CPMK 4: menganalisis kombinasi aset optimal pada efficient frontier menggunakan model mean-variance Markowitz. Empat indikator capaian yang harus Anda kuasai sebelum meninggalkan kelas.

Jam ke-1 (50 menit)

Feasible set & definisi efficient frontier — batas kiri-atas portofolio efisien
Portofolio didominasi (sub-optimal) — mengapa tidak rasional memilihnya
HDN-1: menggambar frontier dua aset dari nol

Jam ke-2 (50 menit)

Global Minimum Variance Portfolio (GMVP) — titik risiko terendah
Preferensi investor & pilihan titik di frontier n-aset
Keterbatasan Markowitz (estimasi input, asumsi normalitas); persiapan P5 CAPM

Posisi dalam alur: visualisasi terobosan Markowitz yang menjembatani P3 (matematika portofolio) menuju P5 (CAPM) — model formal return ekspektasi.

Mengapa Efficient Frontier Penting

Efficient frontier memberi peta objektif untuk memilih portofolio — transformasi keputusan investasi dari intuisi menjadi optimasi matematika.

Nobel Ekonomi 1990

Markowitz

Untuk teori portofolio mean-variance & efficient frontier

Praktik Institusi Global

Sovereign Wealth

GIC, Norges Bank, dana pensiun besar — semua optimasi frontier

Pertanyaan pemantik: di efficient frontier, portofolio mana yang "terbaik"? Jawaban: tergantung preferensi risiko investor — tidak ada satu titik optimal universal.

Efficient frontier adalah konsep yang mengubah keputusan alokasi portofolio dari intuisi subjektif menjadi optimasi matematika. Sebelum Markowitz, investor memilih portofolio berdasarkan feel atau tip; setelah Markowitz, mereka dapat memilih dari himpunan portofolio efisien yang terdefinisi objektif. Praktik institusi global seperti Government of Singapore Investment Corporation (GIC), Norges Bank Investment Management yang mengelola sovereign wealth fund Norwegia, dan dana pensiun besar seperti CalPRES semua menggunakan optimasi frontier sebagai dasar alokasi aset strategis. Pertanyaan pemantik membuka diskusi penting: tidak ada satu titik terbaik di efficient frontier secara universal. Setiap titik di frontier sesuai dengan preferensi risiko investor tertentu — GMVP untuk paling konservatif, titik kanan-atas untuk paling agresif. Pilihan titik spesifik menentukan utility function dan toleransi risiko investor.

Bagian 1 · 1/4

Konsep Efficient Frontier

Diskusi kelas: jika Anda bisa memilih portofolio mana pun, mengapa tidak selalu pilih return tertinggi? Apa yang menghambat?

Set Pencapaian (Feasible Set)

Feasible set = semua portofolio yang dapat dibentuk dari aset-aset tersedia — awan titik di bidang (σ, return) yang merepresentasikan setiap kombinasi bobot mungkin. (BKM bab 6)

Aset Individual

Titik-titik di bidang (σ_i, r_i) — portofolio satu aset

Portofolio Random

Kombinasi bobot acak — titik tersebar di dalam awan

Batas Feasible Set

Sisi kiri (kurva peluru) = efficient frontier — batas efisien

Feasible set adalah awal — efficient frontier adalah subset efisien di batas kiri-atas.

Efficient Frontier (Definisi Formal)

Efficient frontier adalah himpunan portofolio yang memberikan return maksimum untuk setiap level risiko tertentu.

Dimensi	Definisi	Implikasi
Lokasi	Batas kiri-atas feasible set	Kurva berbentuk peluru, konkave ke kanan
Properti	Return maksimum per level σ	Tidak ada portofolio lain yang mendominasi
Pemilihan	Investor rasional hanya pilih titik di frontier	Titik di dalam feasible set didominasi
Titik khusus	GMVP (paling kiri) — risiko terendah	Investor paling konservatif

Definisi formal efficient frontier adalah portofolio yang memberikan return maksimum untuk setiap level risiko tertentu, atau ekuivalen, risiko minimum untuk setiap level return tertentu. Lokasinya di batas kiri-atas feasible set, berbentuk peluru yang konkave ke kanan. Properti kunci: tidak ada portofolio lain di feasible set yang mendominasi titik di frontier — maksudnya tidak ada portofolio lain dengan return sama tetapi σ lebih rendah, atau σ sama tetapi return lebih tinggi. Implikasi untuk pemilihan: investor rasional hanya akan memilih titik di frontier karena titik di dalam feasible set selalu didominasi. Titik khusus yang akan kita dalami di blok berikutnya adalah GMVP atau Global Minimum Variance Portfolio — titik paling kiri di frontier yang menawarkan risiko terendah yang dapat dibentuk dari aset-aset tersedia.

Portofolio Didominasi (Sub-optimal)

Titik di dalam feasible set didominasi — selalu ada titik di frontier yang lebih baik.

Titik di dalam didominasi — investor rasional tidak akan pernah memilihnya.

Diagram ini menggambarkan mengapa portofolio di dalam feasible set tidak rasional. Bayangkan Anda memiliki portofolio di titik abu-abu dengan σ 35 persen dan return 10 persen — di dalam awan feasible set. Selalu ada titik di frontier (titik gelap) dengan σ lebih rendah 25 persen dan return lebih tinggi 12 persen yang dapat dibentuk dari kombinasi aset yang sama. Tidak ada alasan rasional untuk memilih titik abu-abu ketika titik efisien tersedia — Anda mendapat return lebih tinggi dengan risiko lebih rendah. Titik GMVP di paling kiri adalah portofolio dengan σ terendah yang dapat dibentuk — bukan return tertinggi, tetapi risiko mutlak terendah. Implikasi praktis: setiap kali Anda memilih portofolio, tanyakan apakah ada alternatif di frontier yang mendominasi pilihan Anda. Inilah inti optimasi Markowitz.

Hitung dari Nol: Frontier Dua Aset

Skenario: Dua aset — A ($r=10\%$, $\sigma=20\%$) dan B ($r=6\%$, $\sigma=12\%$), $\rho=0{,}4$. Hitung ($\sigma_p$, $r_p$) untuk bobot $w_A$ = 0%, 25%, 50%, 75%, 100% ($w_B$ sisanya).

$w_A$	$w_B$	$r_p = w_A \cdot 10 + w_B \cdot 6$	$\sigma_p$ ($\rho=0{,}4$)
0%	100%	6,00%	12,00%
25%	75%	7,00%	11,40%
50%	50%	8,00%	13,28%
75%	25%	9,00%	16,36%
100%	0%	10,00%	20,00%

Observasi

$\sigma_p^{\min} \approx 11{,}2\%$

$\sigma_p$ mencapai minimum di sekitar $w_A \approx 23\%$ — inilah area GMVP (HDN-2 slide 13)

Hitungan ini menunjukkan bagaimana σ_p berubah seiring bobot. Perhatikan pola menarik: σ_p tidak linier dengan bobot — pertama turun dari 12 persen saat w_A nol mencapai minimum sekitar 11,2 persen di w_A sekitar 23 persen, lalu naik kembali ke 20 persen saat w_A 100 persen. Inilah efek diversifikasi yang terlihat secara numerik: kombinasi dua aset menghasilkan σ lebih rendah dari salah satu aset individual. Return r_p memang linier — antara 6 persen dan 10 persen sesuai bobot. Dari tabel ini kita dapat menggambar frontier dua aset sebagai kurva berbentuk peluru dengan titik minimum di GMVP sekitar w_A 23 persen. Untuk eksplorasi lebih lanjut, gunakan widget efficient-frontier-cal yang memungkinkan Anda mengubah ρ, σ masing-masing aset, dan melihat pergeseran frontier secara interaktif.

Coba Sendiri: Efficient Frontier Dua Aset: Live

Geser bobot dan lihat titik kombinasi portofolio bergerak sepanjang kurva risiko-return.

Widget ini memperdalam visualisasi frontier dua aset dari pertemuan 3 menjadi kombinasi multi-aset yang lebih realistis. Anda dapat menggeser bobot dan melihat bagaimana titik portofolio bergerak di sepanjang kurva risiko-return. Perhatikan bahwa kurva frontier yang efisien selalu berada di batas atas-kiri set pencapaian (feasible set) — portofolio di bawah atau di kanan kurva ini didominasi (sub-optimal) karena ada kombinasi lain dengan return sama tetapi risiko lebih rendah, atau risiko sama tetapi return lebih tinggi. Konsep dominasi ini adalah jantung optimasi Markowitz. Implikasi untuk manajer investasi: pilihan titik di sepanjang frontier bergantung pada preferensi risiko investor — investor konservatif memilih titik dekat GMVP, investor agresif memilih titik kanan-atas. Pertemuan ini hanya membahas frontier; pertemuan 5 akan memperkenalkan aset bebas risiko dan Capital Market Line yang mengubah pilihan optimal.

Bagian 2 · 2/4

Portofolio Minimum-Variance

Diskusi kelas: portofolio dengan risiko terendah selalu menjadi pilihan terbaik? Kapan tidak?

GMVP: Global Minimum Variance Portfolio

Titik paling kiri di efficient frontier — portofolio dengan σ terendah yang dapat dibentuk dari aset tersedia.

Definisi

Minimasi $\sigma_p^2$ untuk semua kombinasi bobot
Tidak bergantung mean ekspektasi (hanya σ & ρ)
Cocok untuk investor paling konservatif

Posisi di Frontier

Titik paling kiri (σ minimum)
Return terendah di efficient frontier
Tidak selalu "terbaik" — tergantung preferensi risiko

GMVP istimewa karena tidak memerlukan estimasi mean — cukup σ & ρ yang lebih stabil secara estimasi → solusi praktis di portfolio optimization.

GMVP atau Global Minimum Variance Portfolio adalah titik paling kiri di efficient frontier — portofolio dengan risiko terendah yang dapat dibentuk dari aset-aset tersedia. Yang istimewa dari GMVP: bobot optimalnya hanya bergantung pada σ dan ρ aset, tidak bergantung mean ekspektasi. Ini adalah keuntungan praktis besar karena mean return jauh lebih sulit diestimasi secara akurat dibanding σ dan ρ. Dalam praktik, banyak manajer investasi profesional menggunakan strategi minimum-variance karena lebih robust terhadap kesalahan estimasi mean. Tetapi peringatan: GMVP memiliki return terendah di frontier sehingga tidak cocok untuk investor dengan toleransi risiko tinggi yang mencari pertumbuhan. Pilihan titik spesifik di frontier tergantung utility function dan toleransi risiko investor — GMVP hanyalah salah satu titik ekstrem.

Rumus Bobot GMVP Dua Aset

Bobot GMVP dapat dihitung closed-form untuk portofolio dua aset.

Rumus Bobot

$w_1^* = (\sigma_2^2 - \sigma_1 \sigma_2 \rho) / (\sigma_1^2 + \sigma_2^2 - 2 \sigma_1 \sigma_2 \rho)$
$w_2^* = 1 - w_1^*$
Hanya bergantung $\sigma_1$, $\sigma_2$, $\rho$ — tidak mean

Interpretasi

Aset dengan σ rendah mendapat bobot lebih besar
ρ rendah → manfaat diversifikasi besar
Estimasi lebih stabil daripada mean

Rumus ini khusus dua aset — untuk n aset, optimasi memerlukan aljabar matriks (kuadratik).

Rumus bobot GMVP dua aset ini dapat diturunkan dengan kalkulus dasar — turunan σ_p² terhadap w₁ sama dengan nol, selesaikan. Hasilnya closed-form yang elegan: w₁* sama dengan σ₂ kuadrat dikurangi σ₁σ₂ρ, dibagi σ₁ kuadrat plus σ₂ kuadrat dikurangi 2σ₁σ₂ρ. Bobot GMVP hanya bergantung pada σ dan ρ, tidak mean — inilah yang membuat GMVP lebih robust secara estimasi. Untuk portofolio n aset, tidak ada rumus closed-form sederhana; optimasi memerlukan aljabar matriks kuadratik yang diselesaikan secara numerik dengan software. Inilah mengapa dalam praktik profesional, optimasi portofolio menggunakan library kuantitatif seperti Python cvxopt atau R quadprog. Sebagai manajer investasi, Anda tidak perlu menghitung manual — tetapi Anda perlu memahami logika di baliknya untuk menginterpretasi hasil.

Bobot Optimal vs Preferensi Risiko

Pilihan titik di efficient frontier ditentukan toleransi risiko investor.

Investor Konservatif

Pilih titik dekat GMVP
σ rendah, return moderat
Contoh: dana pensiun lanjut usia

Investor Agresif

Pilih titik kanan-atas frontier
σ tinggi, return tinggi
Contoh: investor muda horizon panjang

Tidak ada "satu titik terbaik" di frontier — pilihan tergantung utility function dan toleransi risiko investor.

Pilihan titik spesifik di efficient frontier adalah keputusan subyektif yang tergantung preferensi risiko investor. Investor konservatif seperti dana pensiun untuk peserta lanjut usia memilih titik dekat GMVP dengan σ rendah dan return moderat — stabilitas modal lebih penting dari pertumbuhan. Investor agresif seperti profesional muda dengan horizon 30 tahun dapat memilih titik kanan-atas frontier dengan σ tinggi tetapi return tinggi — toleransi terhadap volatilitas karena ada waktu untuk pulih dari drawdown. Utility function formal seperti exponential utility atau power utility dapat digunakan untuk memilih titik optimal bagi setiap investor, tetapi dalam praktik penilaian toleransi risiko dilakukan melalui kuesioner profil risiko yang menjadi standar industri wealth management. Implikasi: tidak ada jawaban universal "portofolio terbaik" — jawabannya selalu dimulai dengan pertanyaan "untuk siapa?".

Hitung dari Nol: Bobot GMVP

Skenario: Dua aset — $\sigma_1=20\%$, $\sigma_2=12\%$, $\rho=0{,}4$. Hitung bobot GMVP dan $\sigma_{\text{GMVP}}$.

Langkah	Perhitungan	Nilai
1. Numerator $w_1^*$	$\sigma_2^2 - \sigma_1 \sigma_2 \rho = 144 - (20 \times 12 \times 0{,}4)$	$144 - 96 = 48$
2. Denominator $w_1^*$	$\sigma_1^2 + \sigma_2^2 - 2 \sigma_1 \sigma_2 \rho = 400 + 144 - 192$	352
3. $w_1^*$	$48 / 352$	0,1364 (13,64%)
4. $w_2^*$	$1 - w_1^* = 1 - 0{,}1364$	0,8636 (86,36%)
5. $\sigma_{\text{GMVP}}$	$\sqrt{w_1^{2} \sigma_1^2 + w_2^{2} \sigma_2^2 + 2 w_1^* w_2^* \sigma_1 \sigma_2 \rho}$	$\approx 11{,}2\%$

Kesimpulan

$w_1 \approx 14\%$, $\sigma \approx 11{,}2\%$

Aset 2 ($\sigma$ lebih rendah) mendapat bobot lebih besar 86% — logis karena kita minimasi risiko; $\sigma_{\text{GMVP}}$ 11,2% lebih rendah dari $\sigma$ aset manapun individual

Coba Sendiri: Anatomi Risiko Portofolio: Sistematis vs Tidak Sistematis

Rumus σp² = σ̄²/N·[1 + (N−1)ρ̄] memisahkan risiko yang bisa dihapus dari yang tidak.

Widget ini menggambarkan formula klasik risiko portofolio sama-rata N aset: σp² = σ̄²/N·[1 + (N−1)ρ̄]. Atur σ̄ rata-rata, ρ̄ korelasi rata-rata, dan jumlah aset N — lalu widget menghitung risiko portofolio total, memisahkannya menjadi komponen sistematis (σ̄·√ρ̄, tidak bisa dihapus) dan tidak sistematis (terdiversifikasi saat N besar). Kurva menunjukkan risiko turun tajam saat N bertambah dari 1 ke 20, lalu mendatar menuju batas sistematis. Pelajaran praktis: di pasar Indonesia dengan ρ̄ tinggi (saham cenderung bergerak bersamaan mengikuti IHSG), batas sistematisnya juga tinggi — bahkan portofolio 50 saham tidak akan menghapus risiko market. Inilah mengapa CAPM menghargai hanya risiko sistematis (beta), bukan total. Konsep ini menjembatani teori Markowitz dengan CAPM pertemuan 5.

Bagian 3 · 3/4

Frontier n-Aset & Preferensi

Diskusi kelas: bagaimana bentuk efficient frontier berubah ketika kita menambah aset ketiga, keempat, dst?

Frontier n-Aset (eksplorasi interaktif)

Eksplorasi bagaimana efficient frontier dua aset berubah saat σ, ρ, dan bobot diubah — gunakan slider widget di bawah.

🧪 Buka kalkulator penuh (rumus + contoh + FAQ) · 📖 Portfolio Theory & CAPM

Setelah eksplorasi: perhatikan bagaimana $\rho$ lebih rendah menggeser frontier kiri-bawah ($\sigma$ turun, return sama) — visualisasi efek diversifikasi.

Preferensi Investor & Pilihan Titik

Tiga profil investor klasik dengan pilihan titik berbeda di efficient frontier.

Konservatif

Titik dekat GMVP (paling kiri)
σ rendah ~5–8%, return moderat ~5–6%
Contoh: dana pensiun lanjut usia, endowment

Moderat

Titik tengah frontier
σ sedang ~10–15%, return ~7–9%
Contoh: investor paruh baya, balanced fund 60/40

Agresif

Titik kanan-atas frontier
σ tinggi ~20%+, return ~12%+
Contoh: investor muda horizon 30+ tahun

Profil risiko harus dinilai sebelum menetapkan titik di frontier — bukan sebaliknya. Banyak investor gagal karena mengejar return tanpa menilai toleransi risiko sebenarnya.

Tiga profil investor klasik menggambarkan bagaimana pilihan titik di efficient frontier berbeda berdasarkan toleransi risiko. Investor konservatif seperti dana pensiun untuk peserta lanjut usia atau endowment yang membutuhkan stabilitas modal jangka pendek memilih titik dekat GMVP dengan σ rendah 5-8 persen dan return moderat 5-6 persen. Investor moderat seperti profesional paruh baya dengan horizon 15-20 tahun memilih titik tengah dengan σ sedang 10-15 persen dan return 7-9 persen — profil balanced fund klasik 60 persen saham 40 persen obligasi. Investor agresif seperti profesional muda dengan horizon 30+ tahun memilih titik kanan-atas dengan σ tinggi 20 persen plus dan return ekspektasi 12 persen plus — dapat menanggung volatilitas karena ada waktu untuk pulih dari drawdown. Pesan kunci: profil risiko harus dinilai sebelum menetapkan titik di frontier — bukan mengejar return dulu lalu panik saat volatilitas menghantam. Banyak investor ritel gagal karena tidak jujur menilai toleransi risiko sebenarnya dan terjebak menjual saat pasar jatuh.

Studi Kasus: Alokasi Multi-Aset Sucorinvest

Praktik alokasi multi-aset oleh manajer investasi profesional merefleksikan titik tertentu di efficient frontier.

Profil (ilustratif)	Alokasi saham	Alokasi obligasi	Alokasi pasar uang	Profil risiko
Sucorinvest Stable Fund	10–30%	50–70%	10–30%	Konservatif (dekat GMVP)
Sucorinvest Balanced Fund	40–60%	30–50%	0–20%	Moderat (titik tengah)
Sucorinvest Equity Fund	80–100%	0–20%	0–10%	Agresif (titik kanan-atas)

Setiap profil reksadana merepresentasikan titik berbeda di efficient frontier — investor memilih sesuai toleransi risiko.

Studi kasus ini menunjukkan bagaimana produk reksadana Sucorinvest (dan produsen lain seperti BNI AM) memetakan titik berbeda di efficient frontier untuk investor berbeda. Sucorinvest Stable Fund dengan alokasi 10-30 persen saham, 50-70 persen obligasi, 10-30 persen pasar uang merepresentasikan titik konservatif dekat GMVP — untuk investor yang memprioritaskan stabilitas. Sucorinvest Balanced Fund dengan alokasi 40-60 persen saham merepresentasikan titik moderat di tengah frontier — profil balanced klasik. Sucorinvest Equity Fund dengan alokasi 80-100 persen saham merepresentasikan titik agresif di kanan-atas frontier — untuk investor dengan toleransi risiko tinggi. Angka alokasi ilustratif berdasarkan kategori produk umum — verifikasi dengan factsheet Sucorinvest terbaru untuk alokasi aktual. Implikasi penting: investor tidak perlu memilih titik sendiri jika tidak punya keahlian; mereka dapat memilih produk reksadana yang sudah dioptimasi sesuai profil risiko.

Bagian 4 · 4/4

Keterbatasan Markowitz

Diskusi kelas: mengapa efficient frontier yang dihitung dari data historis sering gagal di masa depan?

Keterbatasan: Estimasi & Normalitas

Markowitz elegant secara teori tetapi punya keterbatasan praktis yang harus disadari.

Sensitivitas Input

Estimasi mean sangat tidak akurat → bobot berubah dramatis
"Garbage in, garbage out" — frontier hanya seakurat input
Estimasi σ & ρ relatif lebih stabil

Asumsi Normalitas

Return empiris fat-tailed (kurtosis tinggi)
σ sebagai proxy risiko understate downside ekstrem
Saat krisis, ρ semua saham → +1 (correlation breakdown)

Solusi praktis: shrinkage estimator, Black-Litterman (menggabungkan prior pasar), alokasi robust, atau strategi minimum-variance (menghindari estimasi mean).

Dua keterbatasan utama optimasi Markowitz yang harus Anda pahami. Pertama, sensitivitas input: bobot optimal sangat sensitif terhadap mean ekspektasi yang merupakan parameter paling sulit diestimasi secara akurat. Estimasi mean dari data historis 5 tahun memiliki error sangat besar — perubahan kecil mean dapat menggeser bobot optimal dari 60/40 ke 40/60 secara dramatis. Inilah mengapa banyak praktisi menyebut optimasi Markowitz sebagai garbage-in-garbage-out: frontier hanya seakurat inputnya. Kedua, asumsi normalitas: return empiris fat-tailed sehingga σ sebagai proxy risiko understate downside ekstrem seperti krisis 2008 atau pandemi 2020. Selain itu, saat stress pasar, ρ semua saham cenderung menuju plus 1 — correlation breakdown — yang menghancurkan manfaat diversifikasi saat paling dibutuhkan. Solusi praktis yang dikembangkan industri: shrinkage estimator (Ledoit-Wolf) yang menggabungkan estimator sampel dengan prior; Black-Litterman yang menggabungkan kapitalisasi pasar dengan view investor; atau strategi minimum-variance yang sama sekali tidak menggunakan estimasi mean. Sebagai manajer investasi, Anda perlu memahami keterbatasan ini untuk tidak percaya buta pada hasil optimasi.

Coba Sendiri: Risiko Sistematis & Diversifikasi Lintas-Aset

Risiko sistematis adalah bagian yang tidak bisa dihilangkan; diversifikasi hanya membersihkan bagian spesifik.

Widget ini memperdalam pembedaan risiko sistematis (sistematik, market risk) dari risiko tidak sistematis (spesifik, idiosynkratik). Risiko sistematis bersumber dari faktor yang memengaruhi seluruh pasar — resesi, perang, pandemi, perubahan BI rate — dan tidak bisa dihapus dengan diversifikasi karena semua saham cenderung terdampak bersamaan. Risiko tidak sistematis bersumber dari peristiwa spesifik perusahaan — pergantian CEO, fraud, keberhasilan produk baru — dan bisa dikurangi dengan memegang banyak saham dari sektor berbeda. Implikasi kuat untuk penilaian: CAPM pertemuan 5 berargumen bahwa pasar hanya menghargai risiko sistematis (melalui beta), bukan risiko tidak sistematis, karena investor dapat menghapus yang terakhir secara gratis melalui diversifikasi. Jadi, jangan menuntut premium return untuk risiko yang sebenarnya bisa Anda hilangkan sendiri.

Ringkasan Kunci Pertemuan 4

Efficient Frontier

Batas kiri-atas feasible set — portofolio mean-variance optimal

GMVP

Titik risiko terendah di frontier — bobot hanya bergantung $\sigma$ & $\rho$

Pilih Titik Sesuai Preferensi

Tidak ada satu titik universal — tergantung toleransi risiko investor

Bawa tiga lensa ini sebagai dasar alokasi aset sebelum CAPM P5 — model keseimbangan pasar yang formalisasi hubungan return-risiko.

Persiapan P5: baca BKM bab 7; baca Sharpe (1964) & Lintner (1965) tentang CAPM. Bawa perkiraan beta saham BEI favorit Anda untuk diuji dengan widget capm-calculator.