Terbaru
Jebakan Backtesting: Mengapa Kebanyakan Backtest Berbohong
Kebanyakan backtest terlalu bagus untuk menjadi kenyataan. Survivorship bias, look-ahead bias, dan data snooping menggelembungkan kinerja, sementara asumsi tidak realistis tentang biaya dan likuiditas menutupi kelemahan fatal. Pelajari cara membangun backtest yang jujur menggunakan deflated Sharpe ratio dan walk-forward analysis.
Man AHL Research
Bias Perilaku dalam Investasi Kuantitatif: Mengatasi Distorsi Kognitif Secara Sistematis
Bias kognitif seperti overconfidence, anchoring, dan herding menciptakan mispricing persisten yang dapat dieksploitasi oleh strategi kuantitatif. Namun, bahkan investor kuantitatif pun terjebak dalam overfitting model dan data mining. Memahami bias ini adalah langkah pertama menuju proses investasi yang benar-benar sistematis.
NBER Working Papers
Runtuhnya Korelasi Saat Krisis: Mengapa Diversifikasi Gagal Saat Paling Dibutuhkan
Korelasi antar kelas aset melonjak drastis selama krisis pasar, tepat ketika investor mengandalkan diversifikasi untuk perlindungan. Artikel ini mengkaji bukti empiris runtuhnya korelasi, mengapa optimisasi mean-variance meremehkan risiko crash, dan pendekatan hedging praktis ketika diversifikasi tradisional gagal.
BIS Working Papers
Strategi Hedging Mata Uang untuk Portofolio Global
Eksposur mata uang adalah risiko terbesar yang tidak dikompensasi dalam sebagian besar portofolio global. Riset Goldman Sachs dan studi akademis Solnik dan Perold menunjukkan bahwa rasio hedging optimal bervariasi berdasarkan kelas aset, domisili investor, dan lingkungan biaya. Pengaturan rasio hedging yang tepat dapat menambahkan 50 hingga 150 basis poin return yang disesuaikan risiko per tahun.
Goldman Sachs Asset Management
Alpha ESG: Nyata atau Ilusi?
Dana ESG mengungguli pasar selama 2019-2021, meyakinkan banyak investor bahwa investasi berkelanjutan menghasilkan alpha. Riset akademis menceritakan kisah berbeda: aset hijau menghasilkan expected return lebih rendah dalam ekuilibrium, outperformance yang teramati merupakan peristiwa repricing satu kali, dan peringkat ESG sangat berbeda antar penyedia sehingga sinyal itu sendiri tidak dapat diandalkan.
Pastor, Stambaugh & Taylor (2021), 'Sustainable investing in equilibrium', JFE
Factor Timing: Bisakah Anda Mengatur Waktu Faktor?
Bukti tentang factor timing sangat mengkhawatirkan. Meskipun value spread, sinyal momentum, dan indikator makro menunjukkan beberapa kekuatan prediktif secara teori, sebagian besar upaya factor timing taktis menghancurkan nilai setelah biaya transaksi. Riset AQR dan akademis menunjukkan bahwa alokasi faktor yang disiplin, terdiversifikasi, dan sebagian besar statis mengungguli sebagian besar strategi timing.
AQR Capital Management
Momentum Crash: Mengapa Pemenang Menjadi Pecundang dalam Semalam
Daniel dan Moskowitz (2016) mengungkapkan bahwa momentum crash bukan peristiwa acak tetapi konsekuensi yang dapat diprediksi dari struktur pasar.
Daniel & Moskowitz (2016)
Simulasi Monte Carlo dalam Manajemen Portofolio
Simulasi Monte Carlo menghasilkan ribuan kemungkinan jalur portofolio untuk memperkirakan probabilitas pencapaian tujuan keuangan. Dengan memodelkan fat tail, kerusakan korelasi, dan risiko yang bergantung pada jalur, simulasi ini mengungkapkan apa yang terlewatkan oleh asumsi rata-rata pengembalian sederhana — menjadikannya sangat penting untuk perencanaan pensiun dan alokasi aset institusional.
J.P. Morgan Asset Management
Eksekusi Optimal: Meminimalkan Dampak Pasar pada Order Besar
Framework Almgren-Chriss (2001) memformalisasi trade-off antara dampak pasar dan risiko waktu saat mengeksekusi order besar. Trading cepat mengurangi ketidakpastian harga tetapi meningkatkan biaya dampak; trading lambat sebaliknya. Solusi optimal membentuk efficient frontier dari strategi eksekusi yang ditentukan oleh tingkat risk aversion trader.
Almgren & Chriss (2001), 'Optimal Execution of Portfolio Transactions', Journal of Risk
Premi Profitabilitas Bruto: Sinyal Kualitas yang Lebih Bersih
Novy-Marx (2013) menunjukkan bahwa profitabilitas bruto — ukuran paling sederhana dari output ekonomi perusahaan — memprediksi return saham sama kuatnya dengan book-to-market.
Novy-Marx (2013)
Biaya Tersembunyi Rebalancing: Seberapa Sering Harus Trading?
Novy-Marx dan Velikov (2016) menunjukkan bahwa biaya trading menghabiskan sebagian besar return dari strategi faktor yang sering di-rebalancing.
Novy-Marx & Velikov (2016)
Strategi Rotasi Sektor: Mengatur Waktu Siklus Bisnis
Sektor yang berbeda memimpin dan tertinggal pada fase siklus bisnis yang berbeda. Sinyal kuantitatif seperti yield curve, PMI, dan credit spread dapat membantu mengidentifikasi fase siklus, tetapi timing yang tepat tetap sulit dipahami. Bukti mendukung pendekatan campuran yang menggabungkan sinyal makro dengan eksposur faktor dibandingkan taruhan sektor murni.
Fidelity Investments Research
Smart Beta: Investasi Faktor Melalui Reksa Dana Indeks
Strategi smart beta mengemas premi faktor yang terdokumentasi secara akademis ke dalam produk indeks transparan berbasis aturan. Artikel ini mengkaji pendekatan faktor tunggal versus multi-faktor, jebakan konstruksi seperti turnover dan konsentrasi, serta beban biaya yang memisahkan alpha teoritis dari imbal hasil yang dapat diinvestasikan.
MSCI Research
Premi Likuiditas: Mengapa Aset Tidak Likuid Membayar Lebih
Aset yang kurang likuid secara historis menghasilkan return lebih tinggi, mengompensasi investor atas biaya dan risiko kesulitan perdagangan. Premi ilikuiditas berinteraksi kuat dengan faktor ukuran dan nilai, dan investor individu mungkin memiliki keunggulan struktural dibanding institusi besar dalam memanennya.
Dimensional Fund Advisors
Variance Risk Premium: Menjual Volatilitas sebagai Strategi
Implied volatility secara sistematis melebihi realized volatility sekitar 90% dari waktu. Selisih persisten ini -- variance risk premium -- memberikan imbalan kepada penjual opsi dan variance swap atas menanggung risiko crash, menjadikannya salah satu sumber return paling robust di pasar derivatif.
Carr & Wu (2009), 'Variance Risk Premiums', Review of Financial Studies
Biaya Transaksi dan Slippage: Hambatan Tersembunyi pada Strategi Kuantitatif
Biaya transaksi adalah alasan terbesar mengapa strategi kuantitatif yang secara teoretis menguntungkan berkinerja buruk dalam praktik. Memahami komponen biaya eksekusi dan menerapkan model seperti Almgren-Chriss untuk eksekusi optimal sangat penting bagi setiap investor kuantitatif yang serius.
Two Sigma Insights
Alternative Risk Premia: Memanen Return di Luar Aset Tradisional
Alternative risk premia (ARP) mewakili sumber return sistematis yang terletak antara beta tradisional dan alpha. Dengan memanen premia carry, momentum, value, dan volatility selling lintas kelas aset, investor dapat mengakses return terdiversifikasi yang sebelumnya hanya tersedia melalui hedge fund mahal.
Ilmanen (2011) / AQR / HFR Research
Disposition Effect: Mengapa Investor Menjual Saham Untung Terlalu Cepat
Investor cenderung menjual posisi untung terlalu cepat dan menahan posisi rugi terlalu lama. Berakar pada teori prospek dan loss aversion, disposition effect menggerus return dan mendorong faktor momentum.
Odean (1998), Journal of Finance / Shefrin & Statman (1985)
Tail Risk Hedging: Melindungi Portofolio dari Black Swan
Return finansial menunjukkan fat tail -- peristiwa ekstrem terjadi jauh lebih sering dari prediksi distribusi normal. Panduan praktis strategi tail risk hedging termasuk put option, derivatif VIX, overlay trend-following, dan konsep crisis alpha.
Bhansali (2014) / Universa Investments / AQR
Model Black-Litterman: Menggabungkan Pandangan Investasi dengan Keseimbangan Pasar
Optimisasi mean-variance menghasilkan portofolio yang ekstrem dan tidak intuitif. Model Black-Litterman memecahkan masalah ini dengan memulai dari keseimbangan pasar dan memadukan pandangan investor dengan tingkat keyakinan yang terkontrol, menghasilkan alokasi aset yang stabil dan praktis.
Black & Litterman (1992), Financial Analysts Journal
Volatility Targeting: Menyesuaikan Risiko untuk Imbal Hasil Lebih Baik
Portofolio yang dikelola berdasarkan volatilitas menyesuaikan eksposur secara terbalik terhadap volatilitas terealisasi terkini. Pendekatan sederhana ini meningkatkan Sharpe ratio di seluruh ekuitas, obligasi, dan mata uang tanpa memerlukan kemampuan meramalkan imbal hasil.
Moreira & Muir (2017), Journal of Finance
Arbitrase Statistik: Pairs Trading di Pasar Modern
Pairs trading mengeksploitasi mispricing sementara antara sekuritas yang secara historis berkorelasi. Studi Gatev dkk. (2006) mendokumentasikan profit signifikan dari pendekatan berbasis jarak, namun bukti terbaru menunjukkan keunggulan strategi ini telah terkikis seiring pasar menjadi lebih efisien.
Gatev et al. (2006), Review of Financial Studies
Maximum Drawdown: Metrik Risiko yang Paling Ditakuti Investor
Volatilitas menunjukkan fluktuasi tipikal, tetapi maximum drawdown menunjukkan rasa sakit terburuk. MDD menangkap penurunan terbesar dari puncak ke lembah dalam nilai portofolio. Memahami metrik drawdown seperti Calmar ratio dan Conditional Drawdown at Risk sangat penting untuk evaluasi strategi yang realistis.
Magdon-Ismail & Atiya (2004) / CFA Institute
Risk Parity: Menyeimbangkan Portofolio Berdasarkan Risiko, Bukan Modal
Risk parity mengalokasikan bobot portofolio agar setiap kelas aset berkontribusi sama terhadap total risiko. Dipopulerkan oleh dana All Weather Bridgewater.
Qian 2005 / Asness-Frazzini-Pedersen 2012
Carry Trade: Meraup Keuntungan dari Perbedaan Suku Bunga
Carry trade -- meminjam dalam mata uang berbunga rendah dan berinvestasi dalam mata uang berbunga tinggi -- adalah salah satu strategi paling populer di pasar valuta asing.
Brunnermeier-Nagel-Pedersen 2009 / Koijen et al. 2018
Trend Following: Argumentasi untuk Time-Series Momentum
Strategi trend-following yang membeli aset naik dan menjual aset turun telah menghasilkan return positif di hampir setiap kelas aset selama berabad-abad.
Moskowitz-Ooi-Pedersen 2012 / Hurst-Ooi-Pedersen 2017
Strategi Mean Reversion: Ketika Harga Kembali ke Rata-rata
Kecenderungan harga aset kembali ke rata-rata historis adalah salah satu konsep paling fundamental dalam keuangan kuantitatif.
Poterba-Summers 1988 / Avellaneda-Lee 2010
Bertaruh Melawan Beta: Mengapa Saham Membosankan Justru Menang
Faktor BAB memanfaatkan distorsi pasar fundamental: investor yang terbatas leverage membayar lebih untuk saham beta tinggi, sementara saham beta rendah secara sistematis terlalu murah. Hasilnya adalah premi persisten untuk sekuritas berisiko rendah di seluruh kelas aset di dunia.
Frazzini & Pedersen (2014), Journal of Financial Economics
Efek Ukuran: Apakah Saham Kecil Masih Mengungguli?
Premi saham kecil adalah salah satu anomali pertama yang terdokumentasi dalam keuangan. Beberapa dekade kemudian, buktinya lebih bernuansa: efek ukuran murni telah melemah, tetapi saham kecil yang dikombinasikan dengan filter nilai atau kualitas terus memberikan imbal hasil yang berarti.
Dimensional Fund Advisors / Fama-French (1993)
Anomali Volatilitas Rendah: Risiko Lebih Kecil, Return Lebih Tinggi
Teori keuangan tradisional mengatakan risiko tinggi berarti return tinggi, tetapi bukti puluhan tahun menunjukkan saham volatilitas rendah mengungguli secara risk-adjusted.
Ang et al. 2006 / Frazzini-Pedersen 2014
Faktor Kualitas: Mengapa Perusahaan Profitable Menghasilkan Return Lebih Tinggi
Perusahaan berkualitas tinggi secara historis mengungguli perusahaan berkualitas rendah. Kami mengeksplorasi bukti akademis di balik premi kualitas.
Novy-Marx 2013 / AQR QMJ 2019
Faktor Momentum
Anomali paling kuat. Sintesis riset AQR dan KCMI.
AQR / KCMI 2025-14
Faktor Nilai: Membeli Saham Murah untuk Alpha Jangka Panjang
Kecenderungan saham murah mengungguli saham mahal adalah anomali tertua di keuangan. Kami melacak dari Benjamin Graham hingga model Fama-French.
Fama-French 1992 / Lakonishok-Shleifer-Vishny 1994
Ilmu Diversifikasi: Dari Markowitz hingga Portofolio Modern
Harry Markowitz menyebut diversifikasi sebagai satu-satunya makan siang gratis di keuangan. Kami melacak evolusi konstruksi portofolio dari optimisasi mean-variance.
Markowitz 1952 / DeMiguel-Garlappi-Uppal 2009
Model Lima Faktor Fama-French: Penjelasan Lengkap
Model lima faktor Fama-French adalah kerangka standar untuk memahami apa yang menggerakkan imbal hasil portofolio. Dari CAPM ke model tiga faktor hingga spesifikasi lima faktor saat ini, panduan ini menjelaskan setiap faktor, cara menggunakan model untuk analisis portofolio, dan apa kata para kritikus.
Fama & French (2015), Journal of Financial Economics
Rasio Sharpe: Mengukur Return yang Disesuaikan Risiko
Rasio Sharpe adalah ukuran kinerja risk-adjusted yang paling banyak digunakan, namun sering disalahpahami. Kami menjelaskan konstruksi, asumsi, keterbatasan, dan alternatifnya.
Sharpe 1966, 1994 / Lo 2002
Investasi Faktor: Panduan Praktisi
Investasi faktor secara sistematis menargetkan pendorong return yang persisten seperti value, momentum, kualitas, dan volatilitas rendah, didukung puluhan tahun riset akademis.
Ang 2014 / Harvey-Liu-Zhu 2016