Menghitung Rate of Return

by

Rate of return adalah tingkat pengembalian atau tingkat bunga yang diterima investor atas investasi.

Setiap investor tentu mengharapkan return dari investasi. Contoh membeli saham BBRI harga Rp. 2.000/lembar. Pada akhir tahun, menjadi Rp. 2500/lembar. Return yang diperoleh adalah Rp. 500/lbr (untuk sederhananya, perhitungan fee dan pajak tidak dimasukan).

Apakah return Rp. 500 itu besar? kecil? untuk mengetahuinya, kita dapat bandingkan dengan saham pada sektor yang sama. Pada kasus BBRI maka dibandingkan dengan saham disektor finance/perbankan, contoh BBCA, BMRI dan lainnya.

Untuk membandingkan, kita perlu menghitung persentase rate of return dari investasi. Formulanya adalah

rate of return = (ending price – begining price) / begining price

Pada contoh tutorial, maka rate of return BBRI adalah (2500-2000)/2000 = 25%

Perhitungan diatas sering disebut juga simple rate of return. Selain simple rate, ada juga perhitungan logarithmic rate or return.

Umumnya logarithmic digunakan untuk menghitung 1 jenis saham dalam satu jangka waktu tertentu. Sementara simple rate of return digunakan untuk multiple aset dalam timeframe yang sama.

Dengan menghitung historical rate of return, kita dapat menghitung expected rate of return. Tentu ini adalah nilai ekspektasi, bisa kurang atau lebih, tidak mutlak.

Setelah sedikit teori diatas, mari kita buka jupyter notebook dan membuat code sederhana untuk menghitung simple return rate. Formula dari rate of return dapat kita sederhanakan menjadi:

(P1 / P0) – 1

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from pandas_datareader import data as wb

BBRI = wb.DataReader('BBRI.JK', data_source='yahoo' start='1995-1-1'

BBRI['simple_retrate'] = (BBRI['Adj Close']/BBRI['Adj Close'].shift(1)) - 1
print (BBRI['simple_retrate'])
Date
2003-11-10         NaN
2003-11-11    0.025641
2003-11-12    0.050000
2003-11-13    0.000000
2003-11-14    0.000000
2003-11-17   -0.047619
2003-11-18   -0.025000
....
....
2020-05-28    0.038023
2020-05-29    0.080586
2020-06-02    0.077966
2020-06-03   -0.025157
2020-06-04   -0.012903
Name: simple_retrate, Length: 4115, dtype: float64

Untuk mengambil data harga sebelumnya gunakan fungsi pandas.DataFrame.shift(1).

Pada hasil perhitungan diatas, untuk baris pertama terdapat nilai NaN, karena P0 tidak ada.

Data visualisasi dapat membantu kita melihat data lebih jelas. Gunakan matplotlib untuk menampilkan data.

BBRI['simple_retrate'].plot(figsize=(7,4))
plt.show()

Kita juga dapat hitung rata-rate return rate per hari dan per tahun

bbri_ret_d = BBRI['simple_retrate'].mean()
print('Return rate harian: ' + str(round(bbri_ret_d, 5)*100) + '%')

bbri_ret_a = BBRI['simple_retrate'].mean() * 250
print('Return rate tahunan: ' + str(round(bbri_ret_a, 5)*100) + '%')
Return rate harian: 0.244%
Return rate tahunan: 61.014%
Sharing is caring:

Leave a Comment