Menghitung VaR
Menghitung VaR
Dalam ekonomi dan keuangan, value at risk, disingkat VaR adalah kerugian maksimum
yang tak akan dilewati untuk suatu probabilitas yang didefinisikan sebagai tingkat
kepercayaan (confidence level), selama suatu periode waktu tertentu. VaR biasanya
digunakan oleh lembaga efek atau bank investasi untuk mengukur risiko pasar dari portfolio
aktiva mereka, walaupun sebenarnya VaR adalah suatu konsep yang bersifat umum yang
dapat diterapkan untuk berbagai hal.
VaR diterapkan secara luas dalam keuangan untuk manajemen risiko kuantitatif untuk
berbagai jenis risiko. VaR tidak memberikan informasi mengenai besarnya kerugian jika
dilampaui. Metode pengukuran risiko lain antara lain adalah volatilitas/simpangan baku,
semivariance, serta expected shortfall.
diperkirakan dari sampel data.3 Misalkan q-kuantil dari distribusi diperkirakan sebagai x.
Kesalahan standar estimasi adalah
dimana n adalah jumlah pengamatan dan f (x) adalah densitas probabilitas fungsi hilangnya
dievaluasi pada x. Yang terakhir ini dapat diperkirakan dengan pas data empiris untuk
distribusi standar.
Pembobotan Observations
Pendekatan simulasi dasar historis mengasumsikan bahwa setiap hari di masa lalu diberi
bobot yang sama. Secara lebih formal, jika kita memiliki pengamatan untuk n hari-hari ini
perubahan, masing-masing diberi bobot \/n. Boudoukh dkk. menunjukkan bahwa pengamatan
yang lebih baru harus diberi bobot lebih karena mereka lebih mencerminkan volatilitas saat
ini dan saat ini ekonomi makro variables. Skema pembobotan alami untuk digunakan adalah
salah satu tempat dimana bobot menurun secara eksponensial. Misalkan kita sekarang pada
akhir n hari. Berat ditugaskan untuk perubahan nilai portofolio antara siang n - i dan hari n - i
+ 1 adalah kali ditugaskan untuk perubahan antara siang n - i + 1 dan hari n - i + 2. Agar
bobot untuk menambahkan hingga 1, berat yang diberikan kepada perubahan antara siang n i dan n - i + 1 adalah
dimana n adalah jumlah hari. Sebagai skema pembobotan mendekati pendekatan simulasi
dasar sejarah, di mana semua pengamatan diberi bobot \/n
Bootstrap Method
Metode bootstrap adalah variasi lain pada simulasi historis dasar pendekatan. Ini melibatkan
membuat satu set perubahan nilai portofolio berdasarkan gerakan sejarah variabel pasar
dengan cara yang biasa. Kita maka sampel dengan penggantian dari perubahan ini untuk
membuat banyak baru set data yang sama. Kami menghitung VaR untuk masing-masing set
data baru. Kami 95% interval kepercayaan untuk VaR adalah kisaran antara 2,5 dan 97,5
persentil titik distribusi vars dihitung dari data set.
Kesimpulan Metode Historical Simulation
Historical Simulation merupakan pendekatan yang sangat populer untuk memperkirakan
VaR. Itu melibatkan membuat database yang terdiri dari gerakan sehari-hari dalam semua
variabel pasar selama periode waktu. Sidang simulasi pertama mengasumsikan bahwa
perubahan persentase dalam setiap variabel pasar adalah sama dengan pada hari pertama
ditutupi oleh database; sidang simulasi kedua mengasumsikan bahwa perubahan persentase
yang sama dengan yang pada kedua hari, dan sebagainya. Perubahan nilai portofolio,
dihitung untuk setiap percobaan simulasi, dan VaR dihitung sebagai persentil yang sesuai
dari distribusi probabilitas dari prosedur ini mengasumsikan bahwa masa depan akan dalam
arti tertentu seperti masa lalu. Kesalahan standar untuk VaR yang ditentukan dengan
menggunakan simulasi historis cenderung cukup tinggi. Itu tinggi tingkat kepercayaan VaR
diperlukan, kesalahan standar yang lebih tinggi.
Ada beberapa ekstensi dari simulasi historis dasar pendekatan. Bobot diberikan kepada
pengamatan dapat diizinkan untuk mengurangi secara eksponensial seperti yang kita melihat
lebih jauh dan lebih jauh ke masa lalu. Volatilitas skema memperbarui dapat digunakan untuk
memperhitungkan perbedaan antara volatilitas variabel pasar hari ini dan volatilitas mereka
pada waktu yang berbeda selama periode yang dicakup oleh data historis.
dimana volatilitas per tahun dan volatilitas yang sesuai per hari. Persamaan ini menunjukkan
bahwa volatilitas harian adalah sekitar 6% dari tahunan volatilitas
bila menggunakan pendekatan simulasi historis. Hal ini karena penilaian kembali penuh
untuk setiap 500 berbeda skenario tidak mungkin. Pendekatan model bangunan ini sering
digunakan untuk portofolio investasi. (Ini adalah setelah semua terkait erat dengan populer
rata-rata varians metode analisis portofolio Markowitz.) Hal ini kurang umum digunakan
untuk menghitung Var untuk operasi perdagangan lembaga keuangan