Program Magister Manajemen · Konsentrasi Kekayaan · FEB UNDIP
Strategic Analysis for Wealth Management Pertemuan 3 — Modern Portfolio Theory untuk Wealth Management: Efficient Frontier Portofolio Klien RPS minggu 3 · 2×50 menit
Hari ini kita masuk inti kuantitatif strategi portofolio — Modern Portfolio Theory yang dirumuskan Harry Markowitz pada 1952 dan membuatnya terima Nobel Ekonomi 1990. Anda sudah belajar dasar diversifikasi di S1, tapi di sini kita kupas matematika penuh dan aplikasinya untuk klien HNW yang kekayaannya Rp 10 sampai 50 miliar. Anda akan bisa menghitung sendiri expected return dan risiko portofolio 2-aset, memahami mengapa korelasi adalah jantung diversifikasi, dan memetakan portofolio klien di efficient frontier. Kita akan pakai saham BEI seperti BBCA dan UNVR serta obligasi pemerintah SUN sebagai input kasus. Efficient frontier adalah himpunan portofolio yang memberi return ekspektasi tertinggi untuk setiap tingkat risiko — kontribusi inti Markowitz. Tujuan & Indikator Capaian Sub-CPMK 3: menerapkan prinsip Modern Portfolio Theory pada portofolio kekayaan klien.
Indikator 1
MPT
Jelaskan asumsi & kontribusi Markowitz (1952) dengan rumus varians-kovarians portofolio.
Indikator 2
2-aset
Hitung expected return dan risiko portofolio 2-aset dari input return, bobot, korelasi.
Indikator 3
Frontier
Terapkan efficient frontier untuk rekomendasikan portofolio optimal klien HNW.
Tiga indikator tadi saling membangun secara berurutan. Anda harus hafal rumus dulu, lalu bisa menghitung, baru bisa merekomendasikan portofolio optimal. Kita akan sering kembali ke kerangka MPT ini sepanjang mata kuliah — P4 alokasi alternatif, P5 evaluasi kinerja, P9 stress test — semuanya berakar pada MPT. Markowitz sendiri mengakui bahwa pondasi yang ia bangun 1952 masih jadi tulang punggung praktik alokasi strategis sovereign wealth fund besar seperti GIC Singapura dan Khazanah Malaysia. Mengapa MPT Relevan untuk Klien HNW Klien HNW dengan kekayaan Rp 10–50 M tidak boleh "mengandalkan intuisi" — butuh kerangka kuantitatif yang terukur.
Tanpa diversifikasi sistematis
~2–3%
return/thn hilang (ilustrasi)
Dengan MPT
~30–40%
volatilitas turun, return sama
Mayoritas klien HNW Indonesia konsentrasi 70% di sektor perbankan (BBCA/BBRI dianggap "aman") — menanggung risiko idiosinkratik besar yang sebetulnya dapat didiversifikasi.
Saya ingin Anda melihat mengapa MPT bukan teori akademis — ia alat praktis yang dipakai sovereign wealth fund besar. Klien HNW yang konsentrasi 70% di saham perbankan, pola yang umum di Indonesia karena BBCA dan BBRI terlihat aman dan terus naik, sebetulnya menanggung risiko idiosinkratik besar terhadap sektor perbankan. MPT memberi kerangka untuk mengukur dan mengurangi risiko ini tanpa mengorbankan return banyak. Praktisi profesional di GIC Singapura atau Khazanah Malaysia memakai MPT sebagai pondasi alokasi strategis portofolio triliunan dolar. Bagian 1 · 1/4
Pondasi MPT Markowitz
Diskusi kelas: Apakah diversifikasi selalu mengurangi risiko? Kapan diversifikasi gagal?
Diversifikasi gagal saat korelasi antar aset mendekati 1, misalnya saat krisis 2008 ketika semua aset turun serentak. Markowitz sendiri mengakui ini keterbatasan MPT yang kemudian diatasi sebagian oleh Conditional Value at Risk yang akan kita dalami di P9 stress test. Diskusikan dengan teman sebangku: bisakah Anda beri contoh saat dua aset yang biasanya tidak berkorelasi jadi berkorelasi saat krisis? Kasus 2020 COVID-19 adalah contoh klasik — saham, obligasi, dan emas sempat turun bersamaan. Markowitz (1952): Diversifikasi Ilmiah Sebelum Markowitz, diversifikasi adalah intuisi; setelahnya, ia menjadi sains dengan rumus.
"Markowitz (1952) memformalkan diversifikasi: jangan menilai aset satu per satu, tapi nilai kontribusi aset terhadap varians portofolio secara keseluruhan."
Kontribusi 1
σ²(p)
Rumus varians portofolio dengan suku kovarians antar aset.
Kontribusi 2
Frontier
Konsep efficient frontier sebagai himpunan portofolio optimal.
Kontribusi 3
Trade-off
Return-risiko terukur matematis, bukan sekadar intuisi.
Sebelum Markowitz, diversifikasi adalah praktik intuitif — "jangan taruh semua telur dalam satu keranjang" adalah pepatah tua. Markowitz mengangkatnya jadi sains dengan rumus varians portofolio yang memperhitungkan korelasi antar aset. Ini revolusioner karena memungkinkan kita menghitung secara matematis berapa banyak risiko yang berkurang ketika menambah aset baru ke portofolio. Markowitz terima Nobel Ekonomi 1990 untuk kontribusi ini bersama Sharpe dan Miller. Paper aslinya di Journal of Finance 1952 hanya 15 halaman tapi mengubah industri investasi selamanya. Coba Sendiri: Diversifikasi 2 Aset & Korelasi Geser bobot, return, dan korelasi dua aset untuk melihat secara matematis bagaimana korelasi rendah (atau negatif) menekan risiko portofolio tanpa mengorbankan return — inti diversifikasi Markowitz.
Widget ini memvisualkan rumus varians portofolio dua aset secara langsung. Saat korelasi dipersempit menuju nol atau negatif, risiko portofolio turun drastis walau return individual tetap. Ajak mahasiswa mencoba pasangan saham-obligasi (korelasi rendah) lalu dua saham sektor (korelasi tinggi) untuk merasakan bedanya benefit diversifikasi. Asumsi MPT & Keterbatasannya Empat asumsi MPT yang menjelaskan kapan ia valid dan kapan perlu modifikasi.
Asumsi Implikasi Keterbatasan Investor risk-averse & rasional Pilih portofolio di frontier Behavioral finance menantang Distribusi return normal Varians = risiko Fat tail (krisis 2008) Single-period horizon Optimisasi 1 periode Klien WM horizon multi-thn Tidak ada biaya transaksi/pajak Optimisasi frictionless Jarang realistis
Asumsi MPT ini penting untuk Anda kenal karena menjelaskan kapan MPT valid dan kapan perlu modifikasi. Distribusi return normal adalah asumsi paling problematik — krisis 2008 menunjukkan return punya fat tail atau ekor tebal, sehingga varians meremehkan risiko ekstrem. Horizon single-period juga problematik untuk klien WM yang horizon 20 sampai 30 tahun. Black-Litterman 1992 dan Post-Modern Portfolio Theory dikembangkan untuk mengatasi sebagian keterbatasan ini. Sebagai praktisi, Anda harus tahu kapan MPT valid dan kapan perlu disempurnakan. Risiko Sistematis vs Idiosinkratik Pembedaan inti MPT: hanya risiko sistematis yang "dibayar" premium return.
Tidak dapat didiversifikasi Contoh: resesi, bunga naik, geopolitik, pandemi Diukur dengan beta (P5 CAPM) Mendapat return premium Dapat didiversifikasi (~20–30 saham) Contoh: skandal satu emiten, PHK satu perusahaan Spesifik perusahaan/sektor TIDAK mendapat premium return Pembedaan ini adalah inti MPT. Risiko idiosinkratik dapat dihilangkan dengan portofolio sekitar 20 sampai 30 saham tidak berkorelasi; setelah itu, risiko tersisa adalah risiko sistematis yang tidak dapat didiversifikasi. Implikasi penting: Anda tidak dibayar atau mendapat return premium untuk menanggung risiko idiosinkratik — kenapa? Karena investor lain juga bisa diversify dengan mudah. Premium return hanya untuk risiko sistematis, yang akan kita ukur dengan beta di P5 CAPM. Inilah mengapa konsentrasi 70% di satu sektor adalah kesalahan yang tidak akan dikompensasi pasar. Coba Sendiri: Batas Diversifikasi Tambahkan jumlah saham satu per satu dan lihat bagaimana risiko total portofolio konvergen ke risiko sistematis — diversifikasi memberi hasil menurun setelah 20–30 saham.
Widget ini memperlihatkan kurva diversifikasi yang menurun tajam lalu mendatar. Risiko idiosinkratik cepat mengecil hingga 15–20 saham, lalu portofolio hanya menyisakan risiko sistematis yang tidak bisa dihilangkan. Pelajaran praktis bagi klien: lebih dari 30 saham menambah biaya monitoring tanpa manfaat diversifikasi berarti — lebih baik lewat indeks atau reksadana. HDN-1: Return & Risiko Portofolio 2-Aset Hitung dari nol portofolio 60% BBCA + 40% SUN dengan korelasi negatif. Expected return $\mathbb{E}(R_p) = \sum_i w_i \mathbb{E}(R_i)$; varians $\sigma_p^{2} = \sum_i\sum_j w_i w_j \sigma_{ij}$.
$\mathbb{E}(R_p) = w_A\,\mathbb{E}(R_A) + w_B\,\mathbb{E}(R_B) \quad ; \quad \sigma_p^{2} = w_A^{2}\sigma_A^{2} + w_B^{2}\sigma_B^{2} + 2 w_A w_B \rho_{AB} \sigma_A \sigma_B$
Langkah Perhitungan Nilai 1. Aset A: saham BBCA $\mathbb{E}(R)=12\%,\; \sigma=20\%$ input 2. Aset B: obligasi SUN $\mathbb{E}(R)=7\%,\; \sigma=8\%$ input 3. Korelasi $\rho(A,B)$ hubungan historical $-0{,}2$ 4. Bobot $w_A=60\%,\; w_B=40\%$ input 5. $\mathbb{E}(R_p) = 0{,}6\times12\% + 0{,}4\times7\%$ $7{,}2\% + 2{,}8\%$ 10% 6. $\sigma_p^{2} = 0{,}6^{2}\cdot20^{2} + 0{,}4^{2}\cdot8^{2} + 2\cdot0{,}6\cdot0{,}4\cdot(-0{,}2)\cdot20\cdot8$ $144 + 10{,}24 - 15{,}36$ 138,88 7. $\sigma_p = \sqrt{138{,}88}$ akar kuadrat 11,78%
Hasil Diversifikasi
σ: 20% → 11,78%
risiko turun ~41% dengan return 10%
🧪 Buka kalkulator efficient frontier · visualizer korelasi
Mari kita hitung dari nol agar Anda merasakan mekanisme diversifikasi. Perhatikan langkah 6: suku terakhir yang mengandung korelasi negatif minus 0,2 justru mengurangi varians portofolio dari yang seharusnya 154,24 menjadi 138,88. Inilah jantung diversifikasi — bukan jumlah aset, tapi korelasi. Kalau korelasi plus 1 atau perfect positive, tidak ada benefit diversifikasi; kalau minus 1 atau perfect negative, risiko bisa dihilangkan total. Kasus BBCA-SUN di atas menunjukkan korelasi rendah menghasilkan pengurangan risiko substansial tanpa pengorbanan return banyak. Bagian 2 · 2/4
Matematika Portofolio
Diskusi kelas: Mengapa rumus varians portofolio 2-aset punya 3 suku, bukan 2? Apa konsekuensinya kalau suku ketiga diabaikan?
Suku ketiga 2·w1·w2·ρ·σ1·σ2 adalah suku kovarians — kontribusi interaksi antar aset. Tanpa suku ini, kita mengasumsikan rho sama dengan nol, yang tidak realistis di pasar sungguhan. Jawaban Anda akan menentukan pemahaman tentang mengapa dua portofolio dengan rata-rata varians aset yang sama bisa punya risiko portofolio sangat berbeda. Diskusi ini mengantar ke slide 11 yang akan kupas rumus lengkap. Rumus Expected Return Portofolio Return portofolio = rata-rata tertimbang return aset — linier dan intuitif.
$\mathbb{E}(R_p) = \sum_{i} w_i \times \mathbb{E}(R_i) \quad ; \quad \text{2-aset: } w_1 \mathbb{E}(R_1) + w_2 \mathbb{E}(R_2)$
$\mathbb{E}(R_p) = w_1 \mathbb{E}(R_1) + w_2 \mathbb{E}(R_2)$ 60% saham (12%) + 40% obligasi (7%) $= 0{,}6 \times 12 + 0{,}4 \times 7 = 7{,}2 + 2{,}8 = 10\%$ Return LINIER thd bobot Tapi risiko (varians) TIDAK linier Di sinilah letak benefit diversifikasi Rumus ini linier dan intuitif: return portofolio adalah rata-rata tertimbang return aset dengan bobot alokasi. Untuk portofolio 60 persen saham return 12 persen dan 40 persen obligasi return 7 persen, E(Rp) sama dengan 0,6 kali 12 plus 0,4 kali 7 sama dengan 10 persen. Yang sering disalahpahami mahasiswa: meskipun return linier, risiko atau varians TIDAK linier — di sinilah letak benefit diversifikasi yang akan kita lihat di slide 11. Asimetri ini adalah inti yang membuat Markowitz mendapat Nobel. Rumus Varians Portofolio (Korelasi) Sumbangan terbesar Markowitz — suku kovarians tempat diversifikasi bermain.
$\sigma_p^{2} = \sum_{i}\sum_{j} w_i w_j \sigma_{ij} \quad ; \quad \sigma_{ij} = \rho_{ij} \times \sigma_i \times \sigma_j$
$\sigma_p^{2} = w_1^{2}\sigma_1^{2} + w_2^{2}\sigma_2^{2} + 2 w_1 w_2 \sigma_{12}$ $\sigma_{12} = \rho_{12} \times \sigma_1 \times \sigma_2$ Kovarians = korelasi × deviasi standar Estimasi matriks kovarians butuh data panjang Tidak stabil seiring waktu Black-Litterman (1992) masukkan view investor Rumus varians portofolio inilah sumbangan terbesar Markowitz. Bentuk matriks Sigma-Sigma wi-wj-sigma-ij membuatnya general untuk n aset. Suku kovarians sigma-ij adalah tempat korelasi bermain — kalau semua aset berkorelasi positif sempurna, tidak ada benefit diversifikasi. Tantangan praktis: estimasi matriks kovarians untuk banyak aset membutuhkan data historis panjang dan cenderung tidak stabil seiring waktu. Black-Litterman 1992 mengatasi ini dengan memasukkan view investor ke dalam estimasi. Inilah mengapa sovereign wealth fund besar punya tim quant khusus untuk estimasi matriks. Mini-Kasus: Saham vs Obligasi BEI Klien HNW, kekayaan Rp 20 M, horizon 10 thn — tiga opsi alokasi.
Opsi Alokasi E(r) σ Catatan Opsi 1 100% saham LQ45 12% 22% Agresif, risiko tinggi Opsi 2 100% obligasi SUN 7% 6% Konservatif, return rendah Opsi 3 60/40 saham/obligasi 10% 11,78% HDN-1: risiko turun ~50%
Rekomendasi: Opsi 3 — return turun hanya 2 ppt (12%→10%) tapi risiko turun ~50% (22%→11,78%). Klien tidur lebih nyenyak.
Kasus ini menunjukkan kekuatan praktis diversifikasi MPT. Klien yang menerima return 10 persen bukan 12 persen tetapi risiko turun dari 22 persen ke 11,78 persen akan tidur lebih nyenyak di saat pasar volatile. Diversifikasi 60/40 adalah portofolio klasik yang dipakai banyak wealth advisor global sejak puluhan tahun. Implikasi WM: rekomendasi tidak pernah "return maksimum", tapi "return terbaik untuk risiko yang dapat diterima klien sesuai profil dan tujuannya". Inilah arti "optimal" dalam MPT — kontekstual per klien. Bagian 3 · 3/4
Efficient Frontier
Diskusi kelas: Mengapa semua portofolio DI BAWAH efficient frontier dianggap "inefisien"? Siapa yang mau memilihnya?
Portofolio di bawah frontier inefisien karena ada portofolio lain di frontier dengan risiko sama tapi return lebih tinggi. Investor rasional tidak akan memilih inefisien — selalu ada pilihan dominan di frontier. Diskusikan: jika Anda punya dua portofolio dengan risiko sama 15 persen, satu return 9 persen di bawah frontier, satu return 11 persen di frontier — mana yang dipilih? Jawabannya jelas, tapi banyak klien awam tidak sadar portofolio mereka inefisien karena tidak pernah dihitung. Konsep Efficient Frontier Himpunan portofolio optimal — return tertinggi untuk setiap tingkat risiko.
σ (risiko) E(R) feasible region efficient frontier Portofolio di kiri-bawah = konservatif (return-risiko rendah); kanan-atas = agresif. Pemilihan titik tergantung toleransi risiko klien — bukan benar/salah.
Eksplorasi efficient frontier portofolio 2-aset secara interaktif:
Efficient frontier adalah himpunan portofolio optimal — return tertinggi untuk setiap tingkat risiko, atau risiko terendah untuk setiap target return. Kurva selalu cembung ke atas karena benefit diversifikasi yang membuat risiko tidak naik linier dengan return. Portofolio di kiri-bawah frontier konservatif dengan return dan risiko rendah, di kanan-atas agresif dengan return dan risiko tinggi. Pemilihan titik di frontier tergantung toleransi risiko klien — bukan pilihan benar atau salah, tapi preferensi yang dipetakan via profil risiko. Inilah mengapa kuesioner profil risiko penting di onboarding klien. Widget interaktif di slide ini memvisualkan efficient frontier — geser return dan σ dua aset plus korelasi untuk lihat dampak diversifikasi pada frontier. Capital Market Line & Risk-Free Penyempurnaan Tobin (1958): tambahkan aset bebas risiko ke kerangka Markowitz.
Garis dari risk-free rate Menyinggung efficient frontier di titik tangency Titik singgung = market portfolio (M) Semua investor rasional pegang M + risk-free Langkah 1: pilih tangency portfolio M Langkah 2: kombinasikan dengan risk-free Lebih banyak risk-free = konservatif Pinjam di risk-free = agresif (leverage) CML adalah penyempurnaan Tobin 1958 yang menambahkan aset bebas risiko yaitu SUN ke kerangka Markowitz. Garis dari risk-free sekitar 6,8 persen SUN 10 tahun menyinggung frontier di titik tangency — itu adalah market portfolio yang seharusnya dipilih semua investor rasional. Lalu investor dapat meminjam atau meminjam di risk-free untuk menggeser posisi di sepanjang CML sesuai toleransi risiko. Ini dasar dari CAPM yang akan kita kupas di P5 — Sharpe mengembangkan CML jadi CAPM dengan konsep beta. Separation theorem Tobin adalah pondasi penting. HDN-2: Sharpe-Optimal Tangency Portofolio Hitung dari nol bobot optimum yang memaksimalkan Sharpe ratio $S = \dfrac{\mathbb{E}(R_p) - R_f}{\sigma_p}$.
$S = \dfrac{\mathbb{E}(R_p) - R_f}{\sigma_p} \;;\; w_A^{\ast} = \dfrac{(\mathbb{E}(R_A)-R_f)\sigma_B^{2} - (\mathbb{E}(R_B)-R_f)\sigma_{AB}}{(\mathbb{E}(R_A)-R_f)\sigma_B^{2} + (\mathbb{E}(R_B)-R_f)\sigma_A^{2} - \big(\mathbb{E}(R_A)+\mathbb{E}(R_B)-2R_f\big)\sigma_{AB}}$
Langkah Perhitungan Nilai 1. Risk-free $R_f$ SUN 10thn (dihedge) 6,8% 2. Excess return A $= 12 - 6{,}8$ BBCA minus risk-free 5,2% 3. Excess return B $= 7 - 6{,}8$ SUN minus risk-free 0,2% 4. Pembilang $w(A)$ $5{,}2 \times 64 + 0{,}2 \times 6{,}4$ 339,2 5. Penyebut $332{,}8 + 80 + 28{,}16$ 441 6. $w(A) = 339{,}2/441$ pembilang/penyebut ≈77% 7. $\mathbb{E}(R_p)=0{,}77\times12+0{,}23\times7;\; \sigma_p;\; S$ hitung ≈10,85%; 14,7%; 0,28
Tangency Portofolio
77% / 23%
BBCA / SUN — Sharpe-optimal
🧪 Buka kalkulator efficient frontier untuk eksplorasi bobot tangency.
Hitungan ini adalah inti optimisasi Markowitz-Sharpe. Tangency portofolio memaksimalkan Sharpe ratio atau excess return per unit risiko. Hasilnya 77 per 23 untuk kasus BBCA-SUN karena return excess BBCA tinggi dan korelasi negatif ke SUN yang mengurangi risiko. Catatan penting: rumus ini disederhanakan untuk 2 aset; untuk n aset, optimisasi membutuhkan quadratic programming yang dapat dilakukan widget efficient-frontier-cal. Inilah yang akan Anda eksplorasi di tugas mandiri malam ini. Bagian 4 · 4/4
Aplikasi WM Indonesia
Diskusi kelas: Bagaimana MPT diterapkan di private bank Indonesia? Apakah mereka benar-benar hitung efficient frontier per klien?
Bank Indonesia umumnya tidak hitung efficient frontier per klien — itu tidak praktis. Yang mereka lakukan adalah pakai model portofolio strategis yang dibuat oleh tim investment strategist pusat, lalu disesuaikan ke profil risiko klien via questionnaire. MPT adalah pondasi konseptual, tapi praktiknya lebih sederhana dan template-driven. Diskusikan dengan teman: apakah pendekatan ini acceptable atau justru melemahkan personalisasi? Tidak ada jawaban tunggal — trade-off antara skalabilitas dan tailored. Aplikasi MPT untuk Klien HNW Jakarta Tiga langkah praktis yang dipakai private bank Indonesia.
Questionnaire agresif/moderat/konservatif horizon & tujuan finansial Pengalaman investasi Growth 70/30 saham/obligasi Balanced 50/50 Conservative 30/70 Reksadana/saham langsung/SBN Rebalancing tahunan Review profil setahun sekali Rebalancing tahunan penting — jika saham naik 30%, bobotnya bergeser dari 60% ke 70%; harus dijual sebagian. Disiplin inilah value sesungguhnya advisor.
Aplikasi praktis MPT di private bank Indonesia mengikuti tiga langkah ini. Bank membuat 3 sampai 5 model portofolio dari frontier, lalu klien dipetakan via profil risiko. Rebalancing tahunan penting untuk menjaga bobot tetap di target — jika saham naik 30 persen, bobotnya akan bergeser dari 60 persen ke 70 persen, perlu dijual sebagian dan dialihkan ke obligasi. Inilah value sesungguhnya dari advisor: disiplin rebalancing yang sulit dilakukan klien sendiri karena bias perilaku seperti loss aversion dan herding. Coba Sendiri: Markowitz Frontier 2 Sektor BEI Bangun frontier portofolio dua sektor (mis. finansial vs konsumen) dengan input return dan deviasi standar masing-masing, lalu identifikasi portofolio tangency dengan Sharpe tertinggi.
Widget ini melengkapi efficient frontier calculator dengan perspektif dua sektor riil di BEI. Geser expected return dan volatilitas dua sektor untuk melihat bentuk frontier dan titik tangency. Diskusikan mengapa sektor finansial dan konsumen sering memberi diversifikasi baik dibanding dua saham dalam sektor yang sama. Ringkasan & Persiapan P4 Tiga lensa kuantitatif MPT yang jadi pondasi WM sepanjang mata kuliah.
Lensa 1
Rumus MPT
E(Rp) linier; σ(p) tidak linier (kovarians)
Lensa 2
Frontier
portofolio optimal trade-off return-risiko
Lensa 3
CML
tangency portfolio + risk-free = pondasi CAPM
Persiapan P4 — baca alokasi aset alternatif (properti, PE, komoditas); siap memperluas frontier ke aset non-tradisional dengan likuiditas berbeda.
Tiga lensa tadi adalah pondasi kuantitatif WM yang akan kita pakai sepanjang semester. Minggu depan kita masuk alokasi alternatif — properti, private equity, komoditas — yang memperluas efficient frontier lebih jauh ke kanan-atas dengan return lebih tinggi, tapi dengan likuiditas dan transparansi yang berbeda. Anda akan lihat bagaimana aset alternatif menggeser frontier keluar, tapi juga menambah kompleksitas baru seperti illiquidity premium dan valuation challenge. Pastikan Anda paham MPT hari ini sebelum masuk P4. Penutup & Tugas Mandiri Eksplorasi interaktif efficient frontier untuk menajamkan intuisi trade-off return-risiko.
Tugas mandiri (kumpul minggu depan): Gunakan widget efficient-frontier-cal untuk eksplorasi 3 kombinasi bobot saham/obligasi Catat Sharpe ratio (E(Rp)−Rf)/σ(p) tertinggi yang Anda temukan Variasikan korelasi ρ = +0,5 / 0 / −0,5 — amati dampaknya ke σ(p) Tulis 1 paragraf refleksi: mengapa korelasi negatif berharga? Bawa hasil ke P4 — kita akan pakai sebagai input diskusi alokasi alternatif yang juga mengandalkan korelasi rendah ke saham/obligasi.
Eksplorasi widget efficient-frontier-cal akan menajamkan intuisi Anda tentang trade-off return-risiko. Yang penting bukan hafal rumus, tapi merasakan bagaimana korelasi negatif dapat mengurangi risiko tanpa pengorbanan return. Ini inti yang akan Anda bawa sepanjang karir sebagai wealth advisor. Sampai jumpa di P4 minggu depan — kita akan masuk dunia aset alternatif yang lebih exotic tapi powerful untuk portofolio UHNW.