Diversifikasi naif paling baik digambarkan sebagai divisi akal sehat yang kasar dan, kurang lebih instingtif dari portofolio, tanpa repot dengan model matematika yang canggih. Paling buruk, kata beberapa pakar, pendekatan ini dapat membuat portofolio sangat berisiko. Kemudian lagi, beberapa penelitian baru-baru ini menunjukkan bahwa jenis informasi, tetapi pembagian logis secara informal ini, sama efektifnya dengan formula yang mewah dan optimal.
Naif Vs. Canggih
Tidak mengherankan, investor individu jarang menggunakan metodologi alokasi aset yang kompleks. Ini memiliki nama-nama yang mengintimidasi, seperti optimasi mean-variance, simulasi Monte Carlo atau model Treynor-Black, yang semuanya dirancang untuk menghasilkan portofolio yang optimal, yang menghasilkan pengembalian maksimum dengan risiko minimum, yang memang merupakan impian investor.
Faktanya, beberapa penyelidikan dalam teori optimisasi, seperti "Diversifikasi Optimal Versus Naif: Seberapa Efisien Strategi Portofolio 1 / N, " yang dilakukan oleh Dr. Victor DeMiguel dkk., Sekolah Bisnis London, telah menentang efektivitas model yang canggih. Perbedaan antara mereka dan pendekatan naif tidak signifikan secara statistik; mereka menunjukkan bahwa model yang sangat dasar berkinerja cukup baik.
Apakah cara investor swasta rata-rata hanya memiliki sedikit ini dan sedikit yang benar-benar kurang layak? Ini adalah masalah yang sangat penting dan merupakan inti dari investasi. Seorang rabi, Issac bar Aha, tampaknya adalah kakek dari semuanya, setelah mengusulkan sekitar abad keempat, bahwa seseorang harus "menempatkan sepertiga di tanah, sepertiga dalam barang dagangan, dan ketiga dalam uang tunai." Ini saran yang cukup bagus yang masih cukup sehat, 1600 tahun kemudian!
Bagi beberapa orang yang sinis dan ilmuwan, tampaknya terlalu sederhana untuk menjadi kenyataan, bahwa seseorang dapat mencapai sesuatu yang mendekati optimal hanya dengan menempatkan sepertiga dari uang Anda di real estat, sepertiga dalam sekuritas (setara dengan barang dagangan modern) dan beristirahatlah dalam bentuk tunai. Atau, diagram lingkaran klasik yang dibagi menjadi portofolio berisiko tinggi, sedang, dan rendah sangat mudah, dan mungkin tidak ada yang salah dengan mereka.
Bahkan Harry Markowitz, yang memenangkan Hadiah Nobel Memorial dalam Ilmu Ekonomi untuk model optimasinya, ternyata hanya membagi uangnya sama antara obligasi dan ekuitas, untuk "alasan psikologis." Sederhana dan transparan; dalam praktiknya, ia senang meninggalkan teorinya sendiri yang memenangkan penghargaan ketika sampai pada dana sendiri.
Nuansa Naif dan Istilah itu Sendiri
Namun, ada lebih banyak masalah. Profesor perbankan dan keuangan Jerman Martin Weber, menjelaskan bahwa ada berbagai jenis model naif, beberapa di antaranya jauh lebih baik daripada yang lain. Profesor Shlomo Benartzi dari UCLA juga menegaskan bahwa investor naif sangat dipengaruhi oleh apa yang mereka tawarkan. Untuk alasan ini, jika mereka pergi ke pialang saham, mereka mungkin berakhir dengan terlalu banyak ekuitas, atau kelebihan bobot dalam instrumen utang jika mereka pergi ke spesialis obligasi. Selain itu, ada banyak jenis ekuitas yang berbeda, seperti saham kecil dan besar, asing dan lokal, dll., Sehingga bias apa pun dapat menyebabkan portofolio bencana, atau setidaknya, secara naif optimal.
Dalam nada yang sama, konsep naif itu sendiri dapat menjadi sederhana dan agak tidak adil. Naif dalam arti mudah tertipu dan kurang informasi, memang, sangat mungkin menyebabkan bencana. Namun, jika naif diambil arti aslinya dari alam dan tidak terpengaruh - menerjemahkan pendekatan yang masuk akal dan logis, jika tidak canggih (tidak tahu teknik pemodelan teknis), tidak ada alasan nyata untuk gagal. Dengan kata lain, ini bisa dikatakan konotasi negatif dari kata "naif" yang merupakan masalah sebenarnya di sini - penggunaan label yang merendahkan.
Kompleksitas Tidak Selalu Membantu
Datang dari sisi lain, kompleksitas metodologis dan model canggih tidak selalu mengarah pada optimalitas investasi, dalam praktiknya. Literatur cukup jelas tentang hal ini dan mengingat kompleksitas pasar keuangan, itu hampir tidak mengejutkan. Perpaduan mereka dari faktor ekonomi, politik dan manusia menakutkan, sehingga model selalu rentan terhadap beberapa bentuk kejutan yang tidak terduga, atau kombinasi faktor yang tidak dapat diintegrasikan secara efektif ke dalam model.
Victor DeMiguel dan rekan penelitinya mengakui bahwa pendekatan yang rumit sangat dibatasi oleh masalah estimasi. Untuk yang berpikiran statistik, "momen sejati pengembalian aset" tidak diketahui, yang mengarah ke kesalahan estimasi yang berpotensi besar.
Konsekuensinya, portofolio yang dibangun secara masuk akal, yang secara teratur dipantau dan diseimbangkan kembali dalam hal yang terjadi pada saat itu, tidak hanya memiliki daya tarik intuitif, ia dapat melakukan serta beberapa pendekatan yang jauh lebih canggih yang terkendala oleh kompleksitas dan opacity mereka sendiri.. Yaitu, model tersebut mungkin tidak mengintegrasikan semua faktor yang diperlukan, atau mungkin tidak cukup menanggapi perubahan lingkungan saat terjadi.
Demikian juga, terlepas dari diversifikasi kelas aset, kita semua tahu bahwa portofolio ekuitas juga harus didiversifikasi. Dalam konteks ini juga, para pendukung alokasi naif telah menunjukkan bahwa memiliki lebih dari sekitar 15 saham tidak menambah manfaat diversifikasi lebih lanjut. Dengan demikian, campuran ekuitas yang sangat rumit mungkin kontraproduktif.
Garis bawah
Satu hal yang disetujui semua orang adalah bahwa diversifikasi sangat penting. Tetapi manfaat dari pemodelan matematika tingkat lanjut tidak jelas; bagi kebanyakan investor, cara mereka beroperasi bahkan kurang jelas. Meskipun model komputer dapat terlihat mengesankan, ada bahaya dibutakan oleh sains. Beberapa model seperti itu mungkin bekerja dengan baik, tetapi yang lain tidak lebih baik daripada sekadar masuk akal. Pepatah lama "tetap dengan apa yang Anda ketahui dan pahami" dapat berlaku sebanyak mungkin untuk alokasi aset yang transparan dan langsung seperti halnya terhadap berbagai bentuk produk investasi terstruktur.
