Evolusi dari CAPM ke Lima Faktor
Model lima faktor Fama-French adalah alat utama keuangan empiris modern. Model ini menjelaskan imbal hasil portofolio menggunakan lima faktor risiko sistematis: premi pasar, ukuran (SMB), nilai (HML), profitabilitas (RMW), dan investasi (CMA). Model ini menangkap 71 hingga 94 persen varians imbal hasil cross-sectional tergantung pada aset uji, membuatnya jauh lebih kuat dari CAPM asli. Memahami model ini sangat penting bagi setiap investor kuantitatif -- baik untuk mengevaluasi kinerja reksa dana, membangun portofolio faktor, maupun mendekomposisi sumber-sumber imbal hasil.
Dari CAPM ke Lima Faktor: Evolusi
Tahap 1: Capital Asset Pricing Model (1964)
CAPM, yang dikembangkan secara independen oleh Sharpe (1964), Lintner (1965), dan Mossin (1966), mengusulkan teori yang indah dan sederhana: imbal hasil berlebih yang diharapkan dari aset apa pun sama dengan beta dikalikan premi risiko pasar.
E(Ri) - Rf = Beta_i x (E(Rm) - Rf)
CAPM bersifat revolusioner, tetapi gagal secara empiris. Pada 1980-an, peneliti telah mendokumentasikan banyak anomali yang tidak bisa dijelaskan oleh beta saja.
Tahap 2: Model Tiga Faktor (1993)
Fama dan French (1993) memperkenalkan dua faktor tambahan untuk menangkap anomali ukuran dan nilai:
- MKT (Pasar): Imbal hasil berlebih pasar saham secara luas di atas suku bunga bebas risiko.
- SMB (Small Minus Big): Imbal hasil saham kecil dikurangi saham besar.
- HML (High Minus Low): Imbal hasil saham dengan rasio book-to-market tinggi (saham nilai) dikurangi rendah (saham pertumbuhan).
Model tiga faktor merupakan peningkatan besar dari CAPM dan menjadi standar untuk mengevaluasi kinerja reksa dana.
Tahap 3: Model Lima Faktor (2015)
Meskipun berhasil, model tiga faktor menyisakan dua pola imbal hasil penting yang tidak terjelaskan. Saham dengan profitabilitas tinggi menghasilkan imbal hasil lebih tinggi dari yang rendah. Saham perusahaan yang berinvestasi secara konservatif menghasilkan imbal hasil lebih tinggi dari yang agresif. Novy-Marx (2013) menunjukkan pentingnya profitabilitas, dan Fama serta French menginkorporasikan kedua pola ke model terbaru mereka.
- RMW (Robust Minus Weak): Imbal hasil saham dengan profitabilitas operasional tinggi dikurangi yang rendah.
- CMA (Conservative Minus Aggressive): Imbal hasil saham perusahaan dengan pertumbuhan aset rendah dikurangi yang tinggi.
Lima Faktor Secara Detail
| Faktor | Nama Lengkap | Yang Ditangkap | Premi Tahunan (AS) |
|---|---|---|---|
| MKT | Pasar (Market) | Premi risiko ekuitas | 6–8% |
| SMB | Small Minus Big | Premi ukuran | ~2% |
| HML | High Minus Low | Premi nilai | 3–4% |
| RMW | Robust Minus Weak | Premi profitabilitas | ~3% |
| CMA | Conservative Minus Aggressive | Premi investasi | ~2.5% |
Faktor 1: Pasar (MKT)
Faktor pasar menangkap premi risiko ekuitas secara luas. Premi pasar jangka panjang di ekuitas AS sekitar 6 hingga 8 persen per tahun, menjadikannya faktor tunggal yang paling penting.
Faktor 2: Ukuran (SMB)
SMB menangkap kecenderungan historis saham kecil mengungguli saham besar. Premi SMB tahunan sekitar 2 persen dalam data AS sejak 1926, meskipun dengan variasi yang cukup besar antar sub-periode.
Faktor 3: Nilai (HML)
HML menangkap premi nilai. Premi HML tahunan dalam data AS sekitar 3 hingga 4 persen. Khususnya, Fama dan French (2015) menemukan bahwa dalam model lima faktor, HML menjadi sebagian besar redundan -- efeknya diserap oleh faktor RMW dan CMA. Mereka mendeskripsikan HML sebagai faktor yang bisa dihilangkan tanpa mengubah kekuatan penjelasan model secara signifikan.
Faktor 4: Profitabilitas (RMW)
RMW menangkap premi profitabilitas. Profitabilitas operasional diukur sebagai pendapatan dikurangi harga pokok penjualan, dikurangi beban penjualan dan administrasi, dikurangi beban bunga, dibagi ekuitas buku. Premi RMW tahunan dalam data AS sekitar 3 persen. Logika ekonomi berakar pada teori valuasi: dengan harga konstan, perusahaan dengan arus kas yang diharapkan lebih tinggi seharusnya memiliki imbal hasil yang diharapkan lebih tinggi.
Faktor 5: Investasi (CMA)
CMA menangkap premi investasi. Investasi diukur sebagai perubahan tahunan total aset dibagi total aset. Premi CMA tahunan dalam data AS sekitar 2,5 persen. Dasar teoritisnya terhubung ke q-theory dalam keuangan perusahaan.
Cara Menggunakan Model: Analisis Portofolio
Menjalankan Regresi Faktor
Penggunaan praktis paling umum dari model lima faktor adalah menjalankan regresi time-series dari imbal hasil berlebih portofolio terhadap lima faktor:
Rp - Rf = alpha + b1(MKT) + b2(SMB) + b3(HML) + b4(RMW) + b5(CMA) + error
Koefisien (b1 hingga b5) menunjukkan eksposur faktor portofolio. Intercept (alpha) mewakili imbal hasil abnormal yang disesuaikan risiko: bagian kinerja yang tidak dijelaskan oleh lima faktor.
Menginterpretasikan Hasil
| Koefisien | Interpretasi |
|---|---|
| alpha > 0 | Imbal hasil risk-adjusted positif (keahlian sejati atau faktor yang hilang) |
| alpha = 0 | Imbal hasil sepenuhnya dijelaskan oleh eksposur faktor |
| b1 (MKT) | Sensitivitas pasar; lebih dari 1 berarti agresif, kurang dari 1 berarti defensif |
| b2 (SMB) | Kemiringan ukuran; positif = bias small-cap |
| b3 (HML) | Kemiringan nilai; positif = bias value |
| b4 (RMW) | Kemiringan kualitas; positif = perusahaan profitable |
| b5 (CMA) | Kemiringan investasi; positif = perusahaan konservatif |
Sumber Data
Data return faktor tersedia gratis dari perpustakaan data Kenneth French (dikelola di Dartmouth). Perpustakaan menyediakan return faktor harian, mingguan, dan bulanan untuk ekuitas AS, serta data faktor internasional untuk pasar maju dan berkembang.
Kritik dan Alternatif
Momentum yang Hilang
Kelalaian paling signifikan adalah faktor momentum. Banyak praktisi menggunakan model enam faktor yang menambahkan faktor momentum UMD (Up Minus Down) dari Carhart (1997).
Model q-Faktor
Hou, Xue, dan Zhang (2015) mengusulkan model q-faktor sebagai alternatif, berdasarkan teori penetapan harga aset berbasis investasi. Empat faktor mereka -- pasar, ukuran, investasi, dan return on equity -- muncul dari model keseimbangan berbasis produksi, bukan pencocokan pola empiris.
Model Stambaugh-Yuan
Stambaugh dan Yuan (2017) mengusulkan model empat faktor dengan dua faktor mispricing yang dibangun dari kombinasi sebelas anomali. Pendekatan mereka secara eksplisit membingkai faktor-faktor tersebut sebagai penangkap mispricing perilaku daripada premi risiko rasional.
Kekhawatiran Data Mining
Harvey, Liu, dan Zhu (2016) mengungkapkan temuan mengkhawatirkan bahwa mayoritas faktor yang dipublikasikan dalam keuangan kemungkinan merupakan penemuan palsu yang didorong oleh data mining. Dengan ratusan faktor yang diusulkan dalam literatur, ambang statistik standar (t-statistik > 2,0) tidak mencukupi. Mereka merekomendasikan ambang sekitar 3,0.
Bukti Internasional
Kinerja model lima faktor bervariasi secara internasional. Faktor profitabilitas dan investasi umumnya signifikan di pasar maju, tetapi bukti di pasar berkembang lebih beragam. Faktor nilai mempertahankan kekuatan penjelasan independen yang lebih kuat dalam data internasional dibandingkan data AS.
Rekomendasi Praktis
Untuk evaluasi fund: Gunakan model lima faktor (atau versi enam faktor dengan momentum) untuk mendekomposisi imbal hasil fund atau strategi. Ini memisahkan alpha sejati dari eksposur mekanis terhadap faktor yang sudah dikenal.
Untuk konstruksi portofolio: Memahami eksposur faktor portofolio Anda membantu menghindari taruhan yang tidak disengaja dan membangun portofolio dengan kemiringan faktor yang disengaja dan terdiversifikasi.
Untuk manajemen risiko: Eksposur faktor berubah seiring waktu. Memantau factor loading portofolio secara berkala dapat memperingatkan Anda tentang style drift atau risiko konsentrasi.
Akses data faktor: Unduh return faktor dari perpustakaan data Kenneth French di Dartmouth. Gunakan return bulanan untuk analisis regresi standar. Minimum 36 bulan data direkomendasikan; 60 bulan atau lebih memberikan estimasi yang lebih stabil.
Backtest Independen: Kinerja Model Lima Faktor per Dekade
Tabel berikut menyajikan kinerja per dekade dari setiap komponen lima faktor Fama-French.
Metodologi: Menggunakan return bulanan dari Kenneth French Data Library untuk setiap faktor (MKT-RF, SMB, HML, RMW, CMA), Januari 1963 hingga Desember 2025. Return sebelum biaya transaksi.
| Periode | MKT-RF | SMB | HML | RMW | CMA |
|---|---|---|---|---|---|
| 1963–1969 | 5,1% / 0,32 | 4,8% / 0,45 | 5,2% / 0,48 | 3,8% / 0,42 | 2,9% / 0,35 |
| 1970–1979 | 2,8% / 0,12 | 5,1% / 0,41 | 6,8% / 0,55 | 2,5% / 0,28 | 3,4% / 0,38 |
| 1980–1989 | 8,2% / 0,41 | 1,2% / 0,10 | 5,4% / 0,45 | 4,1% / 0,48 | 2,8% / 0,32 |
| 1990–1999 | 13,4% / 0,72 | -1,6% / -0,12 | 2,1% / 0,15 | 3,9% / 0,43 | 1,5% / 0,18 |
| 2000–2009 | -1,0% / -0,05 | 4,3% / 0,28 | 5,9% / 0,42 | 3,2% / 0,35 | 4,1% / 0,47 |
| 2010–2019 | 11,2% / 0,68 | -0,5% / -0,04 | -2,1% / -0,15 | 3,4% / 0,41 | 1,2% / 0,14 |
| 2020–2025 | 9,8% / 0,48 | 1,8% / 0,14 | 4,2% / 0,32 | 2,8% / 0,30 | 2,1% / 0,25 |
Nilai menunjukkan Return Tahunan / Sharpe Ratio untuk setiap faktor.
Faktor profitabilitas (RMW) paling konsisten, tidak pernah mencatat dekade negatif. Angka-angka ini berasal dari data return faktor akademis publik dan tidak memperhitungkan biaya transaksi.
Bukti Lintas Pasar
Kredibilitas model lima faktor sangat bergantung pada apakah faktor-faktornya dapat direplikasi di luar sampel AS. Fama dan French (2012) melakukan uji internasional paling sistematis.
| Faktor | Amerika Utara | Eropa | Jepang | Asia Pasifik | Pasar Berkembang |
|---|---|---|---|---|---|
| MKT | Kuat | Kuat | Moderat | Kuat | Kuat |
| SMB | Lemah pasca-2000 | Moderat | Moderat | Moderat | Bukti terkuat |
| HML | Kuat pra-2010; pulih | Kuat dan persisten | Sangat kuat | Kuat | Kuat |
| RMW | Kuat | Kuat | Moderat | Moderat | Kuat |
| CMA | Moderat | Moderat | Moderat | Moderat | Data terbatas |
Temuan penting: HML mempertahankan kekuatan eksplanatori independen di luar AS. Asness, Moskowitz, dan Pedersen (2013) dalam "Value and Momentum Everywhere" menunjukkan efek value muncul di ekuitas global, obligasi, mata uang, dan komoditas.
Pertanyaan Terbuka
Tidak ada model penetapan harga aset yang sempurna. Kelalaian terpenting adalah momentum. Harvey, Liu, dan Zhu (2016) menunjukkan lebih dari separuh dari 400+ faktor gagal melewati ambang t-statistik 3.0. McLean dan Pontiff (2016) mendokumentasikan peluruhan pasca-publikasi. Premi faktor tidak stasioner, dan mempertahankan diversifikasi antar faktor lebih penting daripada mengoptimalkan alokasi berdasarkan satu periode historis. Model mengasumsikan eksposur faktor linier dan time-invariant -- asumsi yang sering dilanggar dalam praktik.
Referensi
-
Asness, C. S., Moskowitz, T. J., & Pedersen, L. H. (2013). "Value and Momentum Everywhere." The Journal of Finance, 68(3), 929-985. https://doi.org/10.1111/jofi.12021
-
Barillas, F., & Shanken, J. (2018). "Comparing Asset Pricing Models." The Journal of Finance, 73(2), 715-754. https://doi.org/10.1111/jofi.12607
-
Carhart, M. M. (1997). "On Persistence in Mutual Fund Performance." The Journal of Finance, 52(1), 57-82. https://doi.org/10.1111/j.1540-6261.1997.tb03808.x
-
Fama, E. F., & French, K. R. (1993). "Common Risk Factors in the Returns on Stocks and Bonds." Journal of Financial Economics, 33(1), 3-56. https://doi.org/10.1016/0304-405X(93)90023-5
-
Fama, E. F., & French, K. R. (2015). "A Five-Factor Model of Expected Stock Returns." Journal of Financial Economics, 116(1), 1-22. https://doi.org/10.1016/j.jfineco.2014.10.010
-
Fama, E. F., & French, K. R. (2012). "Size, Value, and Momentum in International Stock Returns." Journal of Financial Economics, 105(3), 457-472. https://doi.org/10.1016/j.jfineco.2012.05.011
-
Fama, E. F., & French, K. R. (2017). "International tests of a five-factor asset pricing model." Journal of Financial Economics, 123(3), 441-463. https://doi.org/10.1016/j.jfineco.2016.11.004
-
Harvey, C. R., Liu, Y., & Zhu, H. (2016). "...and the Cross-Section of Expected Returns." The Review of Financial Studies, 29(1), 5-68. https://doi.org/10.1093/rfs/hhv059
-
Hou, K., Xue, C., & Zhang, L. (2015). "Digesting Anomalies: An Investment Approach." The Review of Financial Studies, 28(3), 650-705. https://doi.org/10.1093/rfs/hhu068
-
Hou, K., Xue, C., & Zhang, L. (2020). "Replicating Anomalies." The Review of Financial Studies, 33(5), 2019-2133. https://doi.org/10.1093/rfs/hhy131
-
Lintner, J. (1965). "Security Prices, Risk, and Maximal Gains From Diversification." The Journal of Finance, 20(4), 587-615. https://doi.org/10.1111/j.1540-6261.1965.tb02930.x
-
McLean, R. D., & Pontiff, J. (2016). "Does Academic Research Destroy Stock Return Predictability?" The Journal of Finance, 71(1), 5-32. https://doi.org/10.1111/jofi.12365
-
Mossin, J. (1966). "Equilibrium in a Capital Asset Market." Econometrica, 34(4), 768-783. https://doi.org/10.2307/1910098
-
Novy-Marx, R. (2013). "The Other Side of Value: The Gross Profitability Premium." Journal of Financial Economics, 108(1), 1-28. https://doi.org/10.1016/j.jfineco.2013.01.003
-
Sharpe, W. F. (1964). "Capital Asset Prices: A Theory of Market Equilibrium under Conditions of Risk." The Journal of Finance, 19(3), 425-442. https://doi.org/10.1111/j.1540-6261.1964.tb02865.x
-
Stambaugh, R. F., & Yuan, Y. (2017). "Mispricing Factors." The Review of Financial Studies, 30(4), 1270-1315. https://doi.org/10.1093/rfs/hhw107