Banyak investor telah mengalami tingkat volatilitas kinerja investasi yang tidak normal selama berbagai periode siklus pasar. Sementara volatilitas mungkin lebih besar daripada yang diantisipasi pada suatu waktu, sebuah kasus juga dapat dibuat bahwa cara di mana volatilitas biasanya diukur berkontribusi terhadap masalah saham yang tampaknya tak terduga, volatilitas yang tidak dapat dipertanggungjawabkan.
Tujuan artikel ini adalah untuk membahas masalah yang terkait dengan ukuran volatilitas tradisional, dan untuk menjelaskan pendekatan yang lebih intuitif yang dapat digunakan investor untuk membantu mereka mengevaluasi besarnya risiko.
Pendekatan Sederhana Untuk Menghitung Volatilitas
Ukuran Volatilitas Tradisional
Kebanyakan investor tahu bahwa standar deviasi adalah statistik tipikal yang digunakan untuk mengukur volatilitas. Standar deviasi didefinisikan sebagai akar kuadrat dari varians rata-rata data dari rata-rata. Meskipun statistik ini relatif mudah untuk dihitung, asumsi di balik interpretasinya lebih kompleks, yang pada gilirannya menimbulkan kekhawatiran tentang keakuratannya. Akibatnya, ada tingkat skeptisisme tertentu di sekitar validitasnya sebagai ukuran risiko yang akurat.
Agar standar deviasi menjadi ukuran risiko yang akurat, harus dibuat asumsi bahwa data kinerja investasi mengikuti distribusi normal. Dalam istilah grafis, distribusi data yang normal akan plot pada bagan dengan cara yang terlihat seperti kurva berbentuk lonceng. Jika standar ini berlaku, maka sekitar 68% dari hasil yang diharapkan harus berada di antara ± 1 standar deviasi dari pengembalian investasi yang diharapkan, 95% harus berada di antara ± 2 standar deviasi, dan 99, 7% harus berada di antara ± 3 standar deviasi.
Misalnya, selama periode 1 Juni 1979, hingga 1 Juni 2009, kinerja rata-rata tahunan bergulir S&P 500 selama tiga tahun adalah 9, 5%, dan standar deviasinya adalah 10%. Dengan parameter-parameter kinerja dasar ini, orang akan berharap bahwa 68% dari waktu kinerja yang diharapkan dari indeks S&P 500 akan berada dalam kisaran -0, 5% dan 19, 5% (9, 5% ± 10%).
Sayangnya, ada tiga alasan utama mengapa data kinerja investasi mungkin tidak terdistribusi secara normal. Pertama, kinerja investasi biasanya miring, yang berarti bahwa distribusi pengembalian biasanya asimetris. Akibatnya, investor cenderung mengalami periode kinerja tinggi dan rendah yang tidak normal. Kedua, kinerja investasi biasanya menunjukkan properti yang dikenal sebagai kurtosis, yang berarti bahwa kinerja investasi menunjukkan sejumlah besar periode positif dan / atau negatif yang abnormal. Secara keseluruhan, masalah-masalah ini membelokkan tampilan kurva berbentuk lonceng, dan mengubah akurasi standar deviasi sebagai ukuran risiko.
Selain skewness dan kurtosis, masalah yang dikenal sebagai heteroskedastisitas juga menjadi perhatian. Heteroskedastisitas berarti bahwa varians dari data kinerja investasi sampel tidak konstan dari waktu ke waktu. Akibatnya, standar deviasi cenderung berfluktuasi berdasarkan lamanya periode waktu yang digunakan untuk melakukan perhitungan, atau periode waktu yang dipilih untuk melakukan perhitungan.
Seperti halnya skewness dan kurtosis, percabangan heteroskedastisitas akan menyebabkan standar deviasi menjadi ukuran risiko yang tidak dapat diandalkan. Diambil secara kolektif, ketiga masalah ini dapat menyebabkan investor salah memahami potensi volatilitas investasi mereka, dan menyebabkan mereka berpotensi mengambil risiko lebih besar daripada yang diantisipasi.
Ukuran Volatilitas yang Sederhana
Untungnya, ada cara yang jauh lebih mudah dan lebih akurat untuk mengukur dan memeriksa risiko, melalui proses yang dikenal sebagai metode historis. Untuk memanfaatkan metode ini, investor hanya perlu membuat grafik kinerja historis dari investasi mereka, dengan membuat grafik yang dikenal sebagai histogram.
Histogram adalah bagan yang merencanakan proporsi pengamatan yang termasuk dalam kisaran kategori. Misalnya, dalam bagan di bawah ini, kinerja rata-rata tahunan bergulir S&P 500 selama tiga tahun untuk periode 1 Juni 1979, hingga 1 Juni 2009, telah dibangun. Sumbu vertikal mewakili besarnya kinerja Indeks S&P 500, dan sumbu horizontal mewakili frekuensi di mana Indeks S&P 500 mengalami kinerja tersebut.
Gambar 1: Histogram Kinerja Indeks S&P 500
Seperti yang digambarkan dalam bagan, penggunaan histogram memungkinkan investor untuk menentukan persentase waktu di mana kinerja investasi berada di dalam, di atas, atau di bawah kisaran yang diberikan. Misalnya, 16% dari pengamatan kinerja Indeks S&P 500 mencapai pengembalian antara 9% dan 11, 7%. Dalam hal kinerja di bawah atau di atas ambang batas, dapat juga ditentukan bahwa Indeks S&P 500 mengalami kerugian lebih besar dari atau sama dengan 1, 1%, 16% dari waktu, dan kinerja di atas 24, 8%, 7, 7% dari waktu.
Membandingkan Metode
Penggunaan metode historis melalui histogram memiliki tiga keunggulan utama dibandingkan penggunaan standar deviasi. Pertama, metode historis tidak mengharuskan kinerja investasi didistribusikan secara normal. Kedua, dampak skewness dan kurtosis secara eksplisit ditangkap dalam grafik histogram, yang memberikan investor informasi yang diperlukan untuk mengurangi kejutan volatilitas yang tidak terduga. Ketiga, investor dapat memeriksa besarnya keuntungan dan kerugian yang dialami.
Satu-satunya kelemahan dari metode historis adalah bahwa histogram, seperti penggunaan standar deviasi, menderita dampak potensial dari heteroskedastisitas. Namun, ini seharusnya tidak mengejutkan, karena investor harus memahami bahwa kinerja masa lalu bukan merupakan indikasi pengembalian di masa depan. Bagaimanapun, bahkan dengan satu peringatan ini, metode historis masih berfungsi sebagai tolok ukur risiko investasi yang sangat baik, dan harus digunakan oleh investor untuk mengevaluasi besarnya dan frekuensi potensi keuntungan dan kerugian mereka terkait dengan peluang investasi mereka.
Penerapan Metodologi
Bagaimana investor menghasilkan histogram untuk membantu mereka memeriksa atribut risiko dari investasi mereka?
Satu rekomendasi adalah meminta informasi kinerja investasi dari perusahaan manajemen investasi. Namun, informasi yang diperlukan juga dapat diperoleh dengan mengumpulkan harga penutupan bulanan dari aset investasi, biasanya ditemukan melalui berbagai sumber, dan kemudian secara manual menghitung kinerja investasi.
Setelah informasi kinerja dikumpulkan, atau dihitung secara manual, histogram dapat dibuat dengan mengimpor data ke dalam paket perangkat lunak, seperti Microsoft Excel, dan menggunakan fitur tambahan analisis data perangkat lunak. Dengan menggunakan metodologi ini, investor harus dapat dengan mudah menghasilkan histogram, yang pada gilirannya akan membantu mereka mengukur volatilitas sebenarnya dari peluang investasi mereka.
Garis bawah
Dalam istilah praktis, penggunaan histogram harus memungkinkan investor untuk memeriksa risiko investasi mereka dengan cara yang akan membantu mereka mengukur jumlah uang yang harus mereka hasilkan atau kehilangan setiap tahunnya. Mengingat jenis penerapan dunia nyata ini, investor seharusnya tidak terlalu terkejut ketika pasar berfluktuasi secara dramatis, dan karena itu mereka harus merasa lebih puas dengan paparan investasi mereka selama semua lingkungan ekonomi.
