Poin Utama
Angka yang Membuat Fund Manager Terjaga Sepanjang Malam
Pada Maret 2020, seorang manajer portofolio di sebuah endowment besar menyaksikan portofolio multi-aset terdiversifikasi turun 22 persen dalam sembilan belas hari trading. Volatilitas tahunan berada dalam target band. Rasio Sharpe hingga Februari di atas 1,0. Namun maximum drawdown -- metrik yang langsung terhubung ke telepon klien, pemberitahuan redemption, dan risiko karier -- telah menembus setiap ambang batas internal.
Pola ini berulang di setiap krisis pasar. Metrik berbasis volatilitas mendeskripsikan perjalanan dalam istilah statistik; drawdown mendeskripsikannya dalam istilah manusia. Survei CFA Institute 2019 menemukan bahwa maximum drawdown adalah metrik risiko yang paling sering dikutip oleh alokator institusional ketika menjelaskan mengapa mereka memutuskan hubungan dengan manajer.
Standar deviasi mengukur fluktuasi tipikal, tetapi maximum drawdown (MDD) mengukur pengalaman terburuk. Bagi sebagian besar investor, pertanyaan yang benar-benar penting bukan "seberapa volatile portofolio ini?" melainkan "berapa banyak yang bisa saya kehilangan dari puncak sebelum pulih kembali?" MDD menangkap penurunan persentase terbesar dari puncak ke lembah dalam nilai portofolio. Ini adalah angka tunggal yang paling mungkin memicu panic selling, redemption klien, dan risiko karier bagi manajer portofolio. Memahami metrik berbasis drawdown -- Calmar ratio, Sterling ratio, dan Conditional Drawdown at Risk (CDaR) -- sangat penting bagi siapa pun yang mengevaluasi strategi investasi secara realistis.
Apa yang Diukur MDD
Maximum drawdown didefinisikan sebagai penurunan persentase terbesar dari puncak historis ke lembah berikutnya, sebelum puncak baru terbentuk.
Jika portofolio tumbuh dari 100 ke 150, turun ke 90, pulih ke 120, turun lagi ke 80, lalu naik ke 160, maximum drawdown adalah penurunan dari 150 ke 80 -- drawdown sebesar 46,7% -- meskipun portofolio berakhir di titik tertinggi sepanjang masa.
MDD bertumbuh seiring waktu. Magdon-Ismail dan Atiya (2004) menunjukkan bahwa untuk random walk dengan drift, expected maximum drawdown tumbuh kira-kira sebanding dengan akar kuadrat dari periode observasi. Strategi yang diamati selama 20 tahun hampir pasti akan menunjukkan MDD yang lebih besar daripada strategi yang sama yang diamati selama 5 tahun.
MDD bersifat path-dependent. Dua strategi dengan return tahunan dan volatilitas identik bisa memiliki maximum drawdown yang sangat berbeda, tergantung kapan kerugian terkonsentrasi.
Mengapa Drawdown Lebih Penting dari Volatilitas
Volatilitas adalah ukuran risiko dominan dalam keuangan akademis, tetapi memiliki titik buta kritis: ia memperlakukan pergerakan naik dan turun secara simetris dan tidak mengatakan apa-apa tentang bagaimana kerugian berakumulasi.
| Skenario | Sudut Pandang Volatilitas | Sudut Pandang Drawdown |
|---|---|---|
| Berulang kali turun 5% lalu naik 5% | Volatilitas tinggi | Drawdown rendah |
| Turun stabil 40% selama 12 bulan | Volatilitas sedang | Drawdown menghancurkan |
| Crash tajam 25% diikuti V-recovery | Lonjakan volatilitas | Drawdown besar tapi singkat |
Riset behavioral finance secara konsisten menunjukkan bahwa investor merasakan sakit kerugian sekitar dua kali lebih intens dibanding kesenangan dari keuntungan yang setara -- fenomena yang disebut loss aversion. Portofolio dengan drawdown 50% membutuhkan keuntungan 100% hanya untuk pulih ke puncak sebelumnya.
Drawdown Historis Indeks dan Strategi Utama
| Aset / Strategi | Periode | Maximum Drawdown | Waktu Pemulihan |
|---|---|---|---|
| S&P 500 | 2007-2009 | ~57% | ~5,5 tahun |
| S&P 500 | 2000-2002 | ~49% | ~7 tahun |
| S&P 500 | 1973-1974 | ~48% | ~7,5 tahun |
| NASDAQ Composite | 2000-2002 | ~78% | ~15 tahun |
| Portofolio 60/40 (AS) | 2007-2009 | ~35% | ~3 tahun |
| Treasury AS Jangka Panjang | 2020-2023 | ~46% | Belum pulih |
| Faktor Momentum (long-short) | Mar-Mei 2009 | ~40% | ~2 tahun |
| Trend Following (indeks CTA) | 2011-2013 | ~15% | ~2 tahun |
Angka-angka ini mengungkap kebenaran penting: bahkan strategi yang terdiversifikasi dengan baik pun mengalami drawdown yang menyakitkan.
Rasio Kinerja Berbasis Drawdown
Calmar Ratio
Diperkenalkan oleh Terry Young pada 1991, Calmar ratio membagi return tahunan dengan maximum drawdown:
Calmar Ratio = Return Tahunan / Maximum Drawdown
Strategi dengan return 10% per tahun dan maximum drawdown 20% memiliki Calmar ratio 0,5. Strategi dengan return 8% dan maximum drawdown 10% memiliki Calmar ratio 0,8 -- profil risk-reward yang lebih baik meskipun return absolut lebih rendah.
| Calmar Ratio | Interpretasi |
|---|---|
| < 0,5 | Kinerja drawdown-adjusted yang buruk |
| 0,5 - 1,0 | Dapat diterima untuk sebagian besar strategi |
| 1,0 - 2,0 | Baik, tipikal CTA atau macro fund yang dikelola baik |
| > 2,0 | Sangat baik, tapi verifikasi panjang track record |
Sterling Ratio
Membagi return tahunan dengan rata-rata maximum drawdown tahunan ditambah 10%. Kurang sensitif terhadap satu kejadian ekstrem dibanding Calmar ratio.
Conditional Drawdown at Risk (CDaR)
Dikembangkan oleh Chekhlov, Uryasev, dan Zabarankin (2005), CDaR pada tingkat keyakinan alpha adalah rata-rata dari (1 - alpha)% drawdown terburuk. Misalnya, CDaR pada tingkat 95% adalah rata-rata dari 5% observasi drawdown terburuk. CDaR memberikan gambaran risiko drawdown ekor yang lebih komprehensif daripada MDD, karena tidak didorong oleh satu observasi terburuk saja.
CDaR juga dapat digunakan sebagai fungsi tujuan dalam optimisasi portofolio: meminimalkan CDaR dengan target return tertentu, menghasilkan portofolio yang secara eksplisit dioptimalkan untuk menghindari kerugian yang dalam dan berkepanjangan.
Menggunakan Analisis Drawdown untuk Evaluasi Strategi
Durasi Drawdown Penting
Dua strategi dengan maximum drawdown identik bisa terasa sangat berbeda jika satu pulih dalam 3 bulan dan yang lain membutuhkan 5 tahun. Selalu periksa:
| Metrik | Definisi |
|---|---|
| Durasi maximum drawdown | Waktu dari puncak ke lembah |
| Waktu pemulihan | Waktu dari lembah kembali ke puncak sebelumnya |
| Periode underwater | Total waktu di bawah puncak sebelumnya (durasi + pemulihan) |
Frekuensi Drawdown
Hitung seberapa sering strategi mengalami drawdown dengan berbagai besaran.
| Ambang Drawdown | Frekuensi |
|---|---|
| > 5% | Berapa kali per tahun? |
| > 10% | Berapa kali per 5 tahun? |
| > 20% | Berapa kali per 10 tahun? |
| > 30% | Berapa kali dalam seluruh sejarah? |
Membandingkan Strategi
Saat mengevaluasi dua strategi, jangan hanya membandingkan maximum drawdown mereka. Bandingkan: Calmar ratio, profil CDaR, durasi drawdown dan waktu pemulihan, serta korelasi timing drawdown.
Poin terakhir kritis untuk konstruksi portofolio. Dua strategi yang sama-sama memiliki maximum drawdown 15% tetapi tidak pernah drawdown bersamaan jauh lebih menarik daripada dua strategi dengan MDD identik yang cenderung rugi di lingkungan yang sama.
Analisis Terapan: Drawdown Historis dan Pemulihan Lintas Strategi
| Aset/Strategi | Periode Krisis | Max Drawdown | Waktu ke Dasar | Pemulihan ke Puncak | Total Underwater |
|---|---|---|---|---|---|
| S&P 500 | 1929-1932 | -86,2% | 2,8 tahun | 22,2 tahun | 25 tahun |
| S&P 500 | 2007-2009 | -50,9% | 1,4 tahun | 4,1 tahun | 5,5 tahun |
| S&P 500 | 2020 (COVID) | -33,9% | 1,1 bulan | 3,9 bulan | 5 bulan |
| S&P 500 | 2022 | -25,4% | 9,2 bulan | 14 bulan | ~2 tahun |
| 60/40 Portofolio | 2022 | -21,8% | 9 bulan | 15 bulan | ~2 tahun |
| Treasury AS Jk Panjang | 2020-2023 | -46,2% | 3,2 tahun | Belum pulih | 5+ tahun |
Observasi kunci: waktu pemulihan tidak proporsional terhadap kedalaman drawdown. Drawdown COVID 2020 (-33,9%) pulih dalam lima bulan, sementara drawdown 2022 yang lebih kecil (-25,4%) membutuhkan sekitar dua tahun.
Kerangka Bersaing: MDD vs CVaR vs VaR
| Kerangka | Yang Diukur | Kekuatan | Kelemahan |
|---|---|---|---|
| VaR | Kerugian single-period pada tingkat keyakinan | Sederhana, dipahami luas | Mengabaikan severity di luar threshold |
| CVaR | Rata-rata kerugian di luar VaR | Menangkap severity ekor | Single-period, mengabaikan path dependence |
| MDD | Penurunan peak-to-trough terburuk | Path-dependent, intuitif | Observasi tunggal, sampel dependent |
| CDaR | Rata-rata jalur drawdown terburuk | Robust, path-dependent | Kompleks, kurang diadopsi |
Menilai Ulang Risiko Drawdown dalam Praktik
Maximum drawdown memiliki keterbatasan penting. Ini adalah observasi tunggal dari masa lalu dan mungkin tidak merepresentasikan skenario terburuk di masa depan. MDD bias terhadap panjang track record -- sejarah yang lebih panjang menghasilkan MDD lebih besar secara mekanis, membuat perbandingan antar periode berbeda menjadi menyesatkan. MDD tidak bisa membedakan antara penurunan perlahan dan crash mendadak. MDD tidak memberikan informasi tentang frekuensi atau probabilitas. Strategi yang mengalami drawdown 30% sekali dalam 30 tahun mungkin jauh lebih aman daripada strategi yang mengalami drawdown 25% tiga kali dalam 10 tahun, tetapi MDD saja akan mendukung yang terakhir. Terakhir, maximum drawdown dari backtest hampir selalu meremehkan drawdown trading nyata karena execution slippage, kendala likuiditas, dan overfitting model.
Fondasi Empiris
Magdon-Ismail dan Atiya (2004) menurunkan aproksimasi bentuk tertutup untuk expected maximum drawdown dari Brownian motion dengan drift. Grossman dan Zhou (1993) menganalisis strategi portofolio optimal di bawah kendala drawdown. Barberis dan Huang (2008) menunjukkan bahwa loss aversion memiliki efek terukur pada asset pricing. Frazzini (2006) mendokumentasikan bahwa arus dana reksa dana merespons lebih kuat terhadap drawdown daripada ukuran volatilitas. Per 2025, maximum drawdown diterima secara universal sebagai pelengkap esensial untuk metrik risiko berbasis volatilitas.