1- Lakukan regresi first-pass dan tabulasi statistik ringkasan.

Tabel harus menyertakan Alpha

(koefisien dan t-statistik/p-nilai), Beta (koefisien dan t-statistik/p-nilai) dan R-square untuk setiap
saham.

Parameter A B C D e F G H SAYA
Pengembalian 11.32 13.11
5.18% 4.19% 2.75% 6.15% 8.05% 9.90% 22.83%
Rata-Rata % %
Alfa 0.09 -0.01 -0.01 -0.05
0.01 -0.05 0.06 -0.02
0.06
Tes Alfa T 0.73 -0.04 -0.06 -0.41
0.05 -0.45 0.33 -0.27
0.64
48.45 95.71 68.77
95.83 65.90 75.13 79.62
Nilai Alfa P 96.99% 53.85%
% % % % % % %
Beta -0.47 0.59 0.42 1.38
0.90 1.78 0.66 2.081.91
Tes beta T -0.81 0.78 0.78 2.42
1.42 3.83 0.78 4.814.51
43.44 45.58 18.57 45.29
Nilai beta P 45.32% 3.58% 0.33% 0.11% 0.07%
% % % %
37.02 16.80 59.45 67.06
R2 6.22% 5.74% 5.68% 5.75% 69.80%
% % % %
Semua nilai Alpha P tidak signifikan dan hanya 4 saham (D, F, H dan I) yang memiliki nilai Beta signifikan.

2- Tentukan hipotesis untuk uji regresi second-pass untuk SML. Artinya, nyatakan apa hipotesis
nol untuk intersep dan kemiringan jika CAPM benar.
 Hipotesis Null untuk Intercept: Alpha/intercept sama dengan nol
 Hipotesis Nol untuk kemiringan: Premi risiko %/kemiringan sama dengan 'rata-rata Indeks
Pasar=8,12%'

3- Lakukan regresi SML second-pass dengan meregresi rata-rata excess return masing-masing
Portofolio pada versi beta dan laporkan keluaran regresi.

Regression Statistics
Multiple R 0.707440357
R Square 50.05%
Adjusted R Square 0.429110695
Standard Error 0.046234328
Observations 9

ANOVA
df SS MS F Significance F
Regression 1 0.01499156 0.01499156 7.013224515 0.033025512
Residual 7 0.014963292 0.002137613
Total 8 0.029954852

Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95.0% Upper 95.0%
Intercept 0.039229987 0.025417292 1.543436958 16.66% -0.020872357 0.099332331 -0.020872357 0.099332331
Risk Premium in % 5.21% 0.019655756 2.64824933 3.30% 0.005574865 0.098531819 0.005574865 0.098531819
 4- Ringkas hasil tes Anda dan bandingkan dengan hasil yang dilaporkan dalam teks. Artinya,
apakah hipotesis nol diterima atau ditolak dan bagaimana temuan ini dibandingkan dengan tes
sebelumnya oleh Linter, Black Jensen dan Scholes, serta Fama dan McBeth. Untuk
melakukannya, pertama-tama beri komentar hanya pada besarnya koefisien terhadap nilai
yang dihipotesiskan. Kemudian, diskusikan signifikansi statistik untuk setiap nol. Anda mungkin
harus menghitung uji-t tambahan daripada hasil regresi.

Koefisien Statistik T Nilai-P Hasil

Tidak memiliki cukup bukti untuk
Cegat = Gemma-tidak 0.039229987 1.543436958 16.66% Menolak Hipotesis Null = Gagal
menolak Hipotesis Null
Gemma One= Premi Risiko 5.21% 2.64824933 3.30% Tolak Hipotesis Null

 Idealnya intersep harus sama dengan nol dan karena nilai ini tidak sama dengan nol maka
menimbulkan pertanyaan tentang validitas teori CAPM, tetapi kita juga harus melihat
signifikansi statistiknya. Sesuai nilai-P dan uji-T, nilai ini tidak signifikan secara statistik. Oleh
karena itu, kami tidak memiliki cukup bukti untuk menolak hipotesis nol (cegatan itu nol) yang
merupakan Lulus untuk CAPM.
 Premi risiko idealnya harus sama dengan premi risiko rata-rata (8,12%) dan karena nilai ini tidak
sama dengan 8,12% maka menimbulkan pertanyaan tentang validitas teori CAPM. Juga, dengan
melihat statistik data ical, nilai ini signifikan sehingga kita dapat menolak hipotesis nol yang
gagal untuk CAPM .

Hasil di atas menunjukkan bahwa CAPM ditolak dan lebih sesuai dengan teori Linder. Namun teori Linter
tidak mempertimbangkan fakta bahwa estimasi Beta dilakukan melalui return saham yang sangat
fluktuatif setiap tahunnya. Misalnya. Volatilitas rata-rata setiap saham dalam 12 tahun ditampilkan
sebagai referensi dan sangat tinggi. Oleh karena itu, hanya mempertimbangkan Kelebihan pengembalian
masing- masing saham bukanlah strategi yang baik untuk menguji CAPM secara empiris.

Indeks Pasar A B C D e F G H SAYA

Pengembalian 13.11
8.12% 5.18% 4.19% 2.75% 6.15% 8.05% 9.90% 11.32% 22.83%
Rata-Rata %
51.39 47.01 47.79 48.40
STD 20.74% 39.12% 36.27% 45.60% 57.37% 51.69%
% % % %
 5- K e l o m p o k k a n
Beta Vs. Average Excess Returns
25.00%
I

20.00%

15.00%
f(x) = 0.0520533419086497 x + 0.0392299871939887
R² = 0.500471858368036
H
G
10.00% F
E
D
A 5.00%
B
C

0.00%
-1.00 -0.50 0.00 0.50 1.00 1.50 2.00 2.50

portofolio yang dihasilkan. Ulangi tes di atas dan jelaskan setiap perubahan pada hasilnya.
Perhatikan, Anda harus memiliki lebih sedikit pengamatan untuk lintasan kedua kali ini.

 Ketika kami membuat portofolio dengan menggabungkan saham yang berbeda. Saham
digabungkan berdasarkan Beta. Saham Beta yang lebih rendah ditumpuk dalam satu portofolio
sementara saham Beta yang lebih tinggi dikumpulkan dalam portofolio lain. Ketika hasilnya
diplot dan dilakukan analisis regresi, hasilnya sangat berlawanan dengan apa yang kami
temukan di pertanyaan sebelumnya. Kami memberikan bobot yang sama untuk setiap saham
dalam portofolio.
 Di sini, hasilnya luar biasa bahwa tidak hanya R2 meningkat mendekati 100% tetapi juga
koefisien kemiringan (6,47%) mendekati 'indeks pasar rata-rata (8,12%)'. Signifikansi koefisien
kemiringan meningkat secara substansial dibandingkan dengan hasil sebelumnya. Sedangkan
koefisien intersep masih tidak signifikan dengan P-value 13,79% vs tingkat kepercayaan 5%
 Hasil ini menunjukkan bahwa CAPM benar-benar berlaku, hanya saja linter melakukan tes yang
buruk untuk menguji CAPM secara empiris.

Nama
Portofolio B J S
Bobot 33.33% 33.33% 33.33% 33.33% 33.33% 33.33% 33.33% 33.33% 33.33%
Nama Saham A C B G e D F H SAYA
Beta -0.47 0.42 0.59 0.66 0.90 1.38 1.78 1.91 2.08
Pengembalian
5.18% 2.75% 4.19% 11.32% 8.05% 6.15% 9.90% 13.11% 22.83%
rata-rata

Equally weighted Portfolio " Beta's Vs. Excess Returns)

Portfolio Name B J S
Portfolio Beta 0.18 0.98 1.92
Portfolio Return 4.04% 8.51% 15.28%
Portfolio STD 19.30% 29.47% 43.96%
 Regression Statistics
Multiple R 0.997468126
R Square 99.49%
Adjusted R Square 0.989885324
Standard Error 0.005692868
Observations 3

ANOVA
df SS MS F Significance F
Regression 1 0.006375853 0.006375853 196.7324863 0.045311439
Residual 1 3.24087E-05 3.24087E-05
Total 2 0.006408262

Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95.0% Upper 95.0%
Intercept 2.62% 0.005770625 4.545229223 13.79% -0.047093932 0.099551562 -0.047093932 0.099551562
Portfolio Beta 6.47% 0.004612582 14.02613583 4.53% 0.00608829 0.123305103 0.00608829 0.123305103

Equally
6- Jelaskan kritik Roll weighted
yang berlaku Portfolio
untuk tes yang "dilakukan
Beta's Vs. Excess
di Soal Returns)
3 sampai 7?
18.00%
16.00%
S
14.00% f(x) = 0.0646966967039784 x + 0.0262288150614757
Equally weighted average

R² = 0.994942662084916
12.00%
Excess Return

10.00%
8.00% J

6.00%
4.00% B
2.00%
0.00%
0.00 0.50 1.00 1.50 2.00 2.50
Equally weighted average Beta

Karena harus ada portofolio yang SEPENUHNYA terdiversifikasi - yang dengannya kita dapat mengukur
kovarians dari setiap saham individu - adalah kondisi penting dalam CAPM. Sesuai Roll, tidak ada
portofolio seperti itu yang keluar di dunia nyata, oleh karena itu menguji CAPM bukanlah ide yang baik
karena Anda hanya mengujinya terhadap Proxy yang Anda harapkan, bukan terhadap Portofolio IDEAL
SEPENUHNYA Diversifikasi.

7- Plot garis pasar modal (CML), sembilan saham, dan tiga portofolio pada grafik pengembalian
rata-rata versus standar deviasi. Bandingkan efisiensi mean-variance dari tiga portofolio dan
indeks pasar. Apakah perbandingan mendukung CAPM?

Kami meringkas Pengembalian Harapan dan Volatilitas pasar, 3 portofolio dari Pertanyaan 5 dan
sembilan saham yang diberikan dalam kasus ini dan diplot pada grafik:
 Parameter Saham Individu Portofolio
SAY Pasar
A B C D e F G H P1 P2 P3
A
Pengembalian 10 23
5% 4% 3% 6% 8% 11% 13% 4% 9% 15% 8.12%
Rata-Rata % %
39 47 48 52 29
STD 51% 36% 46% 57% 48% 19% 44% 20.74%
% % % % %

Aset
modal/saham di
bawah CML
kurang efisien
varian rata-rata
daripada indeks
pasar ideal. Di
Namun,
bawahjika CAPM,
kita menelusuri kembali grafik Q5 yang dibuat dengan portofolio, maka kita akan
mengetahui
indeks bahwapasar garis yang ditelusuri kembali akan memotong sumbu Vertikal sekitar 3%. Oleh
adalah
karena itu, kami mengasumsikan tingkat bebas risiko 3% dan diberikan grafik lain di bawah ini. Cara lain
portofolio
untuk menemukan tingkat bebas risiko kami adalah dengan menggunakan pemecah dengan
efisien rata-rata
menyisihkan beberapa saham dan mencari nilai bebas risiko yang sesuai seperti yang kami lakukan pada
yang paling
kasus 2.
rata-rata dan
semua
portofolio atau
obligasi atau
saham individu
lainnya harus di
bawah CML.
Namun, dalam
grafik kami,
kami memiliki "
stok I" di atas
CML, yang
menunjukkan
bahwa
perbandingan
ini tidak
mendukung
teori CAPM.
 Average Return vs. Volatility
25%
I

20%
Average Return

15% P3
f(x) = 0.246945523160346 x + 0.03
R² = 1 H
G
10% F
Market P2 E
D
5% A
P1 B
C

0%
0% 10% 20% 30% 40% 50% 60% 70%

Volatility (%)

Individual Stock Portfolios Market Linear (Market)

Linear (Market) Linear (Market) Linear (Market) Linear (Market)
Linear (Market) Linear (Market)