Momentum Disesuaikan Likuiditas: Bagaimana Rasio Amihud Mengubah Position Sizing

Momentum Disesuaikan Likuiditas: Bagaimana Rasio Amihud Mengubah Position Sizing

Antara Maret dan Mei 2009, strategi momentum mengalami salah satu drawdown terburuk dalam sejarah. Portofolio momentum standar 12-1 bulan mengalami kerugian lebih dari 52% dari puncak ke lembah ketika saham-saham finansial dan siklikal yang babak belur memantul dengan keras sementara pemenang momentum runtuh. Namun pandangan lebih dekat terhadap anatomi crash ini mengungkapkan sesuatu yang mengejutkan: kerugian sangat terkonsentrasi di saham-saham ilikuid. Desil paling ilikuid dari pemenang momentum turun tiga kali lebih banyak dari desil paling likuid, dan pecundang paling ilikuid mengalami squeeze tiga kali lebih keras. Pola ini tidak unik untuk 2009. Di setiap momentum crash besar sejak 1990, posisi ilikuid telah menjadi sumber utama risiko ekor.

Observasi ini memotivasi modifikasi sederhana namun kuat terhadap strategi momentum standar: menyesuaikan ukuran posisi berdasarkan likuiditas. Secara spesifik, menskalakan setiap posisi secara terbalik berdasarkan rasio ilikuiditas Amihud (2002), sehingga saham momentum likuid menerima bobot lebih besar dan saham ilikuid menerima bobot lebih kecil, atau dikecualikan sepenuhnya. Backtest orisinal Quant Decoded menunjukkan bahwa penyesuaian ini meningkatkan rasio Sharpe dari 0,55 menjadi 0,72 hanya dengan sizing, dan menjadi 0,82 ketika saham paling ilikuid difilter sepenuhnya, sekaligus mengurangi drawdown maksimum dari -52% menjadi -29%.

Hasilnya adalah strategi momentum yang mempertahankan sebagian besar potensi kenaikan namun secara dramatis mengurangi risiko ekor yang membuat momentum tradisional berbahaya dalam praktik. Peningkatan ini bukan berasal dari sinyal alpha baru melainkan dari manajemen risiko yang lebih baik terhadap sinyal yang sudah ada, konsisten dengan temuan akademis bahwa banyak dari alpha momentum yang tampak sebenarnya ilusi karena terakumulasi di saham-saham di mana biaya transaksi membuatnya tidak dapat ditangkap (Lesmond, Schill, dan Zhou, 2004).

Masalah Likuiditas dalam Strategi Momentum

Portofolio momentum standar, sebagaimana didefinisikan oleh Jegadeesh dan Titman (1993), merangking saham berdasarkan return 12-1 bulan terakhir dan melakukan long pada desil teratas sambil melakukan short pada desil terbawah. Konstruksi ini bersifat agnostik terhadap likuiditas. Saham dengan turnover harian $500 juta dan saham dengan $2 juta menerima bobot yang sama jika berada di desil yang sama.

Ini menciptakan dua masalah yang saling terkait. Pertama, pemenang momentum ilikuid paling sulit dilikuidasi ketika tren berbalik. Selama momentum crash, posisi-posisi ini mengalami gap down secara tajam karena tidak ada pembeli alami. Kedua, pecundang momentum ilikuid paling sulit ditutup selama short squeeze. Ketika saham-saham yang babak belur mengalami rally, short paling ilikuid menghasilkan kerugian terbesar karena pembelian mendorong harga semakin tinggi.

Avramov, Cheng, dan Hameed (2016) mendokumentasikan pola ini secara formal, menunjukkan bahwa profit momentum bervariasi secara signifikan dari waktu ke waktu dan bahwa kondisi likuiditas merupakan pendorong utama. Dalam lingkungan likuiditas rendah, momentum crash lebih sering dan lebih parah. Pastor dan Stambaugh (2003) mendemonstrasikan secara lebih luas bahwa saham dengan risiko likuiditas tinggi memiliki premi return, tetapi premi tersebut disertai risiko ekor kiri yang ekstrem yang secara tidak sengaja terkonsentrasi oleh strategi momentum.

Wawasan inti adalah bahwa momentum dan risiko likuiditas berinteraksi dengan cara yang sangat berbahaya. Momentum memilih saham-saham yang baru-baru ini menunjukkan kinerja ekstrem. Kinerja ekstrem sering kali bersamaan dengan penurunan likuiditas (pemenang menjadi crowded, pecundang menjadi distressed). Oleh karena itu, strategi ini secara sistematis memberikan bobot berlebih pada posisi paling rapuh pada waktu yang paling buruk.

Rasio Ilikuiditas Amihud

Rasio ilikuiditas Amihud (2002) menyediakan ukuran sederhana dan robust dari dampak harga per unit volume perdagangan. Untuk saham i pada hari d, rasio didefinisikan sebagai:

ILLIQ = |Return| / Volume Dolar

Rasio harian dirata-ratakan selama jendela trailing (kami menggunakan 21 hari perdagangan) untuk menghasilkan estimasi ilikuiditas bulanan. Nilai yang lebih tinggi menunjukkan bahwa jumlah perdagangan kecil menggerakkan harga lebih banyak, menandakan likuiditas yang lebih rendah. Ukuran ini telah menjadi proksi likuiditas standar akademis karena kesederhanaannya, ketersediaan data, dan korelasi kuat dengan ukuran yang lebih canggih seperti lambda Kyle (1985) dan bid-ask spread.

Untuk backtest kami, kami menghitung rasio Amihud bulanan untuk setiap saham dalam universe CRSP, kemudian mengurutkan saham ke dalam kuintil likuiditas di dalam setiap desil momentum. Kerangka double-sort ini memungkinkan kami menganalisis bagaimana kinerja momentum bervariasi di seluruh spektrum likuiditas dan membangun strategi yang disesuaikan likuiditas.

Desain Backtest dan Data

Universe dan Periode Sampel

Backtest mencakup ekuitas AS dari Januari 1990 hingga Desember 2025 (432 bulan). Universe terdiri dari semua saham biasa (kode saham 10, 11) di NYSE, AMEX, dan NASDAQ dengan data yang cukup untuk menghitung return 12 bulan dan rasio Amihud 21 hari. Micro-cap di bawah persentil ke-5 kapitalisasi pasar NYSE dikecualikan untuk menghindari kontaminasi penny stock.

Spesifikasi Strategi

Tiga varian strategi diuji:

1. Momentum Standar: Long desil return teratas, short desil terbawah, bobot sama dalam desil. Rebalancing bulanan dengan skip satu bulan (formasi 12-1).

2. Sizing Disesuaikan Likuiditas: Sinyal momentum dan breakpoint desil yang sama, tetapi ukuran posisi dalam setiap desil berbanding terbalik dengan rasio Amihud saham. Secara spesifik, bobot saham i proporsional terhadap 1/ILLIQ_i, dinormalisasi menjadi total 1 dalam setiap kaki. Ini memberikan posisi lebih besar pada saham likuid dan posisi lebih kecil pada saham ilikuid.

3. Difilter Likuiditas: Sinyal momentum yang sama, tetapi saham di 20% terbawah likuiditas (kuintil Amihud tertinggi) dikecualikan sepenuhnya sebelum membentuk portofolio desil. Bobot sama dalam posisi yang tersisa.

Semua return adalah sebelum biaya transaksi kecuali disebutkan lain. Bagian analisis biaya transaksi membahas biaya implementasi secara terpisah.

Hasil: Perbandingan Kinerja

Tabel di bawah menyajikan statistik kinerja utama untuk setiap varian strategi.

Hasil mengungkapkan pola yang jelas. Penyesuaian likuiditas mengorbankan sedikit return (8,2% menjadi 7,5%) tetapi secara dramatis mengurangi volatilitas (14,9% menjadi 9,1%) dan risiko ekor (drawdown maksimum dari -52,1% menjadi -29,3%). Rasio Sharpe meningkat dari 0,55 menjadi 0,82, peningkatan 49%. Peningkatan rasio Sortino bahkan lebih menonjol, dari 0,71 menjadi 1,21, mencerminkan pengurangan yang tidak proporsional dalam volatilitas downside. Yang terpenting, distribusi return bergeser dari skewness negatif yang signifikan (-1,82) menjadi hanya sedikit negatif (-0,51), menghilangkan karakter rentan crash yang secara historis membuat momentum menjadi salah satu strategi faktor yang paling berbahaya.

Analisis Drawdown berdasarkan Kuintil Likuiditas

Untuk memahami mengapa penyesuaian likuiditas bekerja, kami mendekomposisi return strategi momentum standar berdasarkan kuintil likuiditas dari posisi konstituennya.

Data mengkonfirmasi tesis sentral. Kuintil paling ilikuid (Q5) menghasilkan return mentah tertinggi (12,3%) tetapi dengan volatilitas yang sangat besar (24,8%) dan drawdown katastrofik (-68,4%). Selama momentum crash 2009, posisi Q5 menyumbang 37% dari total kerugian meskipun hanya mewakili 20% posisi. Sebaliknya, kuintil paling likuid (Q1) memberikan return yang lebih moderat 6,4% tetapi dengan drawdown maksimum hanya -18,2% dan kontribusi kerugian crash hanya 8%.

Pola ini menciptakan tradeoff yang sangat menguntungkan untuk penyesuaian likuiditas. Dengan mengurangi atau menghilangkan eksposur terhadap saham Q4 dan Q5, strategi mengorbankan 1-2 persen poin return tahunan tetapi menghilangkan posisi yang bertanggung jawab atas lebih dari 60% kerugian crash. Peningkatan yang disesuaikan risiko bersifat substansial karena return marginal dari saham momentum ilikuid tidak mengkompensasi kontribusi risiko marginal mereka.

Episode Momentum Crash: Dengan dan Tanpa Filter Likuiditas

Tabel di bawah memeriksa setiap drawdown momentum yang melebihi -15% selama periode sampel dan membandingkan strategi standar dengan versi yang difilter likuiditas.

Filter likuiditas secara konsisten mengurangi keparahan crash sebesar 34% hingga 45% di semua episode besar. Peningkatan absolut terbesar terjadi selama Krisis Finansial Global 2009, di mana drawdown dipangkas dari -52,1% menjadi -29,3%, pengurangan 22,8 persen poin. Quant Quake Agustus 2007 menunjukkan peningkatan proporsional terbesar (pengurangan 45%), yang intuitif karena peristiwa tersebut secara khusus didorong oleh crowding dan likuidasi paksa di posisi yang dipilih secara kuantitatif, kondisi yang secara tidak proporsional mempengaruhi saham ilikuid.

Konsistensi peningkatan di berbagai rezim pasar dan pemicu crash patut dicatat. Apakah crash didorong oleh pembalikan makro (2009), rotasi sektor (2001), deleveraging sistematis (2007), atau dislokasi yang didorong pandemi (2020), posisi ilikuid selalu menjadi sumber utama risiko ekor.

Analisis Turnover dan Kapasitas

Kekhawatiran praktis dengan modifikasi strategi apa pun adalah apakah ia memperkenalkan turnover berlebihan atau mengurangi kapasitas yang dapat diinvestasikan. Tabel di bawah membahas pertanyaan-pertanyaan ini.

Hasil bersifat kontra-intuitif dalam satu aspek penting. Meskipun strategi sizing yang disesuaikan likuiditas memiliki turnover sedikit lebih tinggi (24,8% vs. 21,4%), estimasi biaya transaksinya sebenarnya lebih rendah (1,5% vs. 1,8%) karena mengkonsentrasikan bobot pada saham likuid di mana biaya perdagangan minimal. Strategi yang difilter likuiditas mengurangi turnover dan biaya lebih lanjut karena mengecualikan saham ilikuid secara alami mengurangi churn yang terkait dengan nama-nama yang volatil dan sulit diperdagangkan.

Kapasitas meningkat secara dramatis. Strategi momentum standar memiliki estimasi kapasitas sekitar $3,2 miliar sebelum dampak pasar menjadi signifikan. Versi yang difilter likuiditas lebih dari menggandakan ini menjadi $8,1 miliar karena hanya memperdagangkan saham dengan kedalaman yang memadai. Bagi investor institusional yang mengelola pool modal besar, keunggulan kapasitas ini mungkin sama pentingnya dengan peningkatan Sharpe.

Setelah memperhitungkan estimasi biaya transaksi, rasio Sharpe setelah biaya dari strategi yang difilter likuiditas (0,71) melebihi Sharpe kotor dari strategi standar (0,55). Ini adalah temuan praktis kunci: penyesuaian likuiditas tidak hanya meningkatkan kinerja teoretis tetapi meningkatkan kinerja yang dapat diimplementasikan dan setelah biaya dengan margin yang bahkan lebih besar dari yang disarankan oleh return kotor.

Mengapa Penyesuaian Likuiditas Bekerja: Mekanisme

Efektivitas momentum yang disesuaikan likuiditas bertumpu pada tiga mekanisme yang saling melengkapi.

Pertama, saham momentum ilikuid menunjukkan dinamika harga yang asimetris. Ketika momentum berbalik, saham likuid dapat dijual dengan dampak pasar minimal, menghasilkan drawdown yang teratur. Saham ilikuid tidak demikian. Tekanan jual di pasar yang tipis menciptakan kaskade harga, di mana setiap penjualan mendorong harga lebih jauh ke bawah, memicu stop-loss dan margin call yang menghasilkan penjualan tambahan.

Kedua, ilikuiditas berfungsi sebagai proksi untuk risiko crowding. Saham dengan likuiditas yang menurun sering menandakan bahwa perdagangan yang crowded mendekati titik pecahnya. Strategi momentum secara alami mengakumulasi posisi di saham yang semakin crowded selama periode formasi. Dengan memberikan bobot lebih rendah pada saham ilikuid, strategi secara implisit mengurangi eksposur terhadap posisi yang paling crowded.

Ketiga, rasio Amihud menangkap informasi tentang tradability yang terlewat oleh sinyal momentum. Saham dengan return 12 bulan yang kuat dan volume yang menurun adalah proposisi yang sangat berbeda dari saham dengan return kuat dan volume yang meningkat. Yang pertama menyarankan minat yang memudar dan potensi pembalikan; yang terakhir menyarankan permintaan yang berkelanjutan. Penyesuaian likuiditas menggabungkan perbedaan ini tanpa meninggalkan sinyal momentum.

Mekanisme-mekanisme ini sejalan dengan literatur akademis yang lebih luas tentang likuiditas dan penetapan harga aset. Pastor dan Stambaugh (2003) menunjukkan bahwa risiko likuiditas dihargai di cross-section; saham dengan beta likuiditas tinggi memperoleh return rata-rata yang lebih tinggi tetapi dengan risiko ekor kiri yang substansial. Strategi momentum secara tidak sengaja memuat berat pada risiko likuiditas karena performer masa lalu yang ekstrem cenderung mengalami perubahan likuiditas. Menyesuaikan loading ini mengurangi return secara moderat tetapi menghilangkan porsi risiko yang tidak proporsional.

Robustness dan Keterbatasan

Beberapa pemeriksaan robustness mendukung temuan utama. Penyesuaian likuiditas meningkatkan rasio Sharpe di semua periode formasi yang diuji (3-1, 6-1, dan 12-1 bulan), dengan peningkatan terbesar untuk spesifikasi 12-1 standar. Hasil secara kualitatif serupa ketika menggunakan momentum berbobot kapitalisasi pasar alih-alih bobot sama, meskipun peningkatannya lebih kecil karena pembobotan kapitalisasi pasar sudah secara implisit mendukung saham yang lebih likuid. Menggunakan bid-ask spread sebagai ukuran likuiditas alternatif menghasilkan hasil yang hampir identik, mengkonfirmasi bahwa rasio Amihud tidak mendorong temuan melalui artefak pengukuran.

Namun, beberapa keterbatasan berlaku. Ini adalah backtest satu negara; meskipun mekanismenya harus berlaku secara internasional, pengujian out-of-sample di pasar non-AS diperlukan. Backtest menggunakan data akhir hari dan mengasumsikan eksekusi pada harga penutupan, yang mungkin optimistis untuk posisi paling ilikuid (meskipun bias ini bekerja melawan strategi standar lebih dari versi yang disesuaikan likuiditas). Terakhir, ambang batas likuiditas spesifik (20% terbawah) dan skema pembobotan inverse-Amihud dipilih berdasarkan penalaran ekonomi daripada optimisasi in-sample, tetapi beberapa risiko data-mining tetap ada.

Kesimpulan

Interaksi antara momentum dan risiko likuiditas adalah salah satu dinamika paling penting, dan paling kurang dihargai, dalam investasi sistematis. Strategi momentum standar memuat berat pada posisi ilikuid yang menghasilkan return menarik di pasar normal tetapi kerugian katastrofik selama pembalikan. Menyesuaikan ukuran posisi berdasarkan rasio ilikuiditas Amihud, atau sekadar mengecualikan saham paling ilikuid, menghilangkan mayoritas risiko ekor momentum sambil mempertahankan sebagian besar returnnya.

Implikasi praktisnya signifikan. Strategi momentum yang difilter likuiditas dengan Sharpe 0,82, drawdown maksimum -29%, dan kapasitas melebihi $8 miliar adalah proposisi yang secara fundamental berbeda dari strategi momentum standar dengan Sharpe 0,55 dan drawdown -52%. Bagi alokator yang menghindari momentum karena risiko crash, versi yang disesuaikan likuiditas mungkin mewakili cara yang lebih dapat diterima untuk menangkap premi momentum. Bagi mereka yang sudah menjalankan momentum, overlay likuiditas menyediakan pengurangan risiko yang bermakna dengan biaya return yang moderat.

Temuan ini juga terhubung dengan prinsip yang lebih luas dalam konstruksi portofolio: peningkatan terbaik sering datang bukan dari menemukan sinyal baru tetapi dari mengelola sinyal yang ada secara lebih cerdas. Momentum tetap menjadi salah satu anomali paling robust dan terdokumentasi dengan baik dalam keuangan. Kelemahan utamanya bukan sinyal itu sendiri tetapi cara implementasi standar menangani risiko likuiditas. Memperbaiki kelemahan tersebut menghasilkan strategi yang, dalam sebagian besar ukuran, lebih unggul dari yang asli.

Referensi