3/21/2017

RISIKO PASAR

Risiko pasar muncul karena harga pasar bergerak

dalam arah yang merugikan organisasi. Misal, suatu
perusahaan mempunyai portofolio sekuritas saham
BAB 9. yang dibeli dengan harga Rp1 milyar. Misalkan harga
saham tersebut jatuh, sehingga nilai pasar saham
tersebut turun menjadi Rp800 juta. Perusahaan
tersebut mengalami kerugian karena nilai portofolio
sahamnya turun sebesar Rp200 juta. Kerugian
tersebut disebabkan karena harga saham bergerak
RISIKO PASAR ke arah yang kurang menguntungkan (dalam hal ini
turun).

Manajemen Risiko 1 Manajemen Risiko 2

Bagan di atas menggambarkan kurva normal

yang berbentuk seperti bel. Kurva tersebut
berbentuk simetris, dimana sisi kana merupakan
cerminan sisi kiri.
Deviasi standar dipakai untuk menghitung
penyimpangan dari nilai rata-rata. Semakin
besar deviasi standar, semakin besar
penyimpangan. Penyimpangan dipakai sebagai
indikator risiko. Semakin besar penyimpangan,
semakin besar risiko.

Manajemen Risiko 3 Manajemen Risiko 4

bowo@ugm.ac.id 1
 3/21/2017

Perhitungan deviasi standar bisa digunakan formula

sebagai berikut ini.

E(R) = Ri / N .. (2)

R2 = (Ri E(R))2 / (N 1) ... (3)

R = (R2 ) 1/2 ..... (4)

BERAPA DEVIASI STANDAR RETURN A DAN RETURN B?

Manajemen Risiko 5 Manajemen Risiko 6

BERAPA DEVIASI STANDAR RETURN A DAN RETURN B?
Manajemen Risiko
VALUE AT RISK
Value At Risk(VAR) mengembangkan
lebih lanjut konsep kurva normal seperti
yang telah dibicarakan di muka, untuk
menjawab pertanyaan sebagai berikut
ini Jika besok adalah hari yang jelek,
berapa besar (nilai Rupiah) dan berapa
besar kemungkinannya (probabilitas)
kerugian yang bisa dialami perusahaan
7
besok (atau beberapa hari
Manajemen Risiko 8
mendatang)?

bowo@ugm.ac.id 2

VALUE AT RISK
Jawaban tersebut akan berbentuk kalimat
seperti berikut ini besok ada kemungkinan
sebesar 5% bahwa kerugian perusahaan
(karena pergerekan harga pasar yang tidak
menguntungkan) sebesar Rp10 juta atau
lebih.
Perhatikan bahwa VAR menjawab pertanyaan
tersebut dengan memberikan nilai uang dari
kerugian tersebut (Rp10 juta), dan besarnya
kemungkinannya (5%).
Manajemen Risiko 9 Manajemen Risiko
VAR Metode Historis
Manajemen Risiko 11
bowo@ugm.ac.id
3/21/2017
METODOLOGI VAR
Metode historis menggunakan data
historis (data masa lalu) untuk
menghitung VAR.
Metode analitis menggunakan model
tertentu untuk mengestimasi VAR.
VAR Monte-Carlo menggunakan
simulasi untuk perhitungan VAR-nya.
10
Misalkan kita ingin melihat VAR 95% harian, kita akan
melihat 5% return terendah. 5% dari 20 adalah 1,
dengan demikian kita memilih 1 hari dengan return
terendah yaitu -8,38%.
Misalkan portofolio kita bernilai Rp1 milyar, maka VAR
95% harian adalah -8,38% x Rp1 milyar = -Rp83,78
juta.
Kita bisa mengatakan besok ada kemungkinan sebesar
5% kerugian kita pada saham X sebesar Rp83,78 juta
atau lebih.
Alternatif redaksional yang lain adalah sebagai berikut ini
kita yakin sebesar 95% bahwa kerugian kita besok tidak
akan melebihi Rp83,78 juta.
Manajemen Risiko 12
3
 3/21/2017

Misalkan kita membentuk portofolio yang terdiri dari Alternatif lain adalah melakukan perhitungan
saham X dan Y, dengan proporsi masing-masing sebesar dengan formula sebagai berikut ini (lihat buku
50%, konstan selama 20 hari. Return untuk portofolio teks teori portofolio dan investasi untuk alasan
tersebut bisa dilihat pada kolom (4). Sebagai contoh, kenapa formula di bawah ini bisa diturunkan).
return portofolio pada hari 1 adalah -0,05%
(0,5*1,86)+(0,5*-1,96). VAR portofolio = [ VARX2 + VARY2 + 2
XYVARX VARY] 1/2
Sama seperti sebelumnya, kita bisa mengurutkan return Dimana VARX = VAR (Value At Risk saham X)
portofolio dari yang paling rendah ke yang paling tinggi. VARY = VAR (Value At Risk saham Y)
XY = korelasi return saham X dengan
Kolom (5) menunjukkan hasil pengurutan tersebut. VAR sahamY
95% harian

VAR 95% harian untuk portfolio tersebut adalah Rp- Dengan formula tersebut, VAR portofolio bisa
6,11% x Rp2 milyar = Rp122,2juta. dihitung sebagai berikut ini.
VAR port =[ (83.78^2) + (71.43^2) + (2
0,089 83.78 71.43) ]1/2 = 114,83
Manajemen Risiko 13 Manajemen Risiko 14

Metode historis mempunyai kelebihan seperti (1) tidak

mengasumsikan distribusi tertentu, (2) sederhana.
VAR Metode Modeling (Analytical)
Tetapi metode tersebut mempunyain kelemahan seperti asumsi
bahwa data masa lalu bisa dipakai untuk memprediksi masa datang.
Dengan kata lain, metode tersebut mempunyain asumsi bahwa pola
data di masa lalu sama dengan pola data di masa mendatang.
Jika pola yang terjadi cukup stabil, maka data masa lalu bisa dipakai
untuk memprediksi data masa mendatang. Jika tidak (misal ada
krisis yang tidak terduga), maka data masa lalu tidak bisa dipakai
untuk memprediksi masa mendatang.
Disamping itu, 20 observasi ke belakang masih terbilang sangat
sedikit. Idealnya kita bisa memperoleh data historis cukup banyak,
yang mencakup semua siklus bisnis (resesi, boom, normal),
sehingga data tersebut bisa cukup representatif.
Manajemen Risiko 15
Metode analitis biasanya mengasumsikan distribusi
tertentu yang mendasari return atau harga. Biasanya
distribusi normal (yang berbentuk bel) yang
diasumsikan mendasari pergerakan harga tersebut.
Setelah distribusi tersebut diasumsikan, kita bisa
menghitung nilai yang diharapkan (misal rata-rata)
dan penyimpangan dari nilai yang diharapkan
tersebut (misal deviasi standar).
Selanjutnya VAR bisa dihitung dengan menggunakan
parameter yang dideduksi (diambil) dari distribusi
tersebut (nilai yang diharapkan dan
penyimpangannya).
Manajemen Risiko 16

bowo@ugm.ac.id 4
 3/21/2017

Misalkan manajer portfolio mempunyai

aset senilai Rp1 milyar. Misalkan kita
mengasumsikan distribusi normal
mendasari pergerakan harga aset
tersebut.
Misalkan kita memperkirakan tingkat
keuntungan harian yang diharapkan
dengan deviasi standarnya adalah 12%
dan 15%.

Manajemen Risiko 17 Manajemen Risiko 18

Luas total wilayah distribusi normal mencerminkan probabilitas sebesar

1 (probabilitas bernilai dari 0 sampai dengan 1, inklusif). Sebagian luas
dibawah distribusi normal mencerminkan probabilitas dibawah satu.
Sebagai contoh, luas ditengah (yang berwarna gelap, antara -12,75
dengan 36,75) mencerminkan 90% dari total wilayah distribusi normal,
dan dengan demikian mencerminkan probabilitas sebesar 90% (atau
0,9).
Jika kita melihat tabel distribusi normal, maka luas wilayah sebesar 5%
dari ujung paling kiri (atau dri ujung paling kanan), mempunyai nilai z
sebesar 1,65. Dengan demikian wilayah tengah seluas 90% berada
diantara (Rata2 (1,65 * deviasi standar)) dengan (Rata2 + (1,65 *
deviasi standar).
Dengan demikian VAR 95% return harian bisa dihitung melalui batas
bawah dimana wilayah sebesar 5% dari ujung paling kiri akan
diperoleh, sebagai berikut ini.
VAR = 12% 1,65 (15) = 12 % 24,75 = 12,75%
VAR = 12,75% x Rp1 milyar = Rp127,5 juta
HITUNG VAR PORTOFOLIO A DAN B!!

Manajemen Risiko 19 Manajemen Risiko 20

bowo@ugm.ac.id 5
 3/21/2017

VAR dengan Simulasi Monte Carlo

Langkah berikutnya adalah menghasilkan
(generate) angka random yang akan
mempunyai nilai antara 0 sampai dengan 99,
konsisten dengan probabilitas kumulatif.
Kemudian mengkaitkan angka random tersebut
Misalkan kita
memperkirakan dengan return yang berkaitan.
tingkat
keuntungan
Kemudian kita mengulangi langkah tersebut
harian dengan 100, 500, atau 1.000 kali
probabilitasnya
pada tabel
Kemudian kita akan memperoleh distribusinya.
disamping

Manajemen Risiko 21 Manajemen Risiko 22

Manajemen Risiko 23 Manajemen Risiko 24

bowo@ugm.ac.id 6
 3/21/2017

Untuk distribusi di atas, nilai rata-rata dan

deviasi standarnya adalah
Rata-Rata tingkat keuntungan = 0,904%
Deviasi standar = 0,927%

95% VAR-harian bisa dihitung seperti berikut ini.

VAR95%-harian = 0,904 1,65 (0,927) = -
0,627

Misalkan kita mempunyai portofolio senilai Rp1

milyar, maka VAR-95% harian adalah -0,627% x
Rp1 milyar = -Rp6,27 juta.
Manajemen Risiko 25 Manajemen Risiko 26

Hubungan antara perubahan tingkat bunga

Pemodelan VAR
Dalam beberapa situasi, kita ingin memodelkan
VAR. Sebagai contoh, misalkan kita mempunyai
portofolio obligasi. Harga pasar obligasi sangat
dipengaruhi oleh tingkat bunga. Jika tingkat
bunga naik, harga obligasi akan turun, dan
sebaliknya. Kita bisa memfokuskan perhatian kita
pada tingkat bunga, dan menghubungkan
perubahan tingkat bunga dengan nilai pasar
obligasi, kemudian menghitung VAR untuk
portofolio obligasi kita.
dengan nilai obligasi bisa dilihat sebagai berikut
ini (lihat bab mengenai risiko perubahan tingkat
bunga).
dP/P = D [ dR / (1 + R) ]
dimana dP = perubahan harga
P = harga obligasi
D = Durasi obligasi
dR = perubahan tingkat bunga
R = tingkat bunga

Manajemen Risiko 27 Manajemen Risiko 28

bowo@ugm.ac.id 7
 3/21/2017

Misalkan portofolio obligasi kita mempunyai

durasi sebesar 5. Tingkat bunga saat ini adalah
10%. Kemudian kita mengasumsikan
pergerakan tingkat bunga mengikuti distribusi
normal. Analisis lebih lanjut, berdasarkan data
historis dan pertimbangan-pertimbagan,
menunjukkan bahwa perubahan tingkat bunga
harian yang diharapkan adalah 0%, dengan
deviasi standar perubahan tingkat bunga adalah
1%.

Manajemen Risiko 29 Manajemen Risiko 30

BERAPA VAR95% UNTUK VAR untuk

Periode Yang Lebih Panjang
PORTOFOLIO OBLIGASI KITA? Dalam beberapa situasi, kita ingin menghitung VAR untuk periode yang
Pertama, kita bisa menghitung perubahan harga akibat lebih panjang. Misal, untuk melikuidasi posisi portofolio, waktu satu hari
tidak cukup. Kita memerlukan waktu, misal 5 hari. Padahal kita menghitung
kenaikan tingkat bunga, sebagai berikut ini, VAR dengan menggunakan periode harian. Dalam situasi tersebut, VAR
dP/P = D [ dR / (1 + R) ] harian harus dikonversi menjadi VAR 5-hari. Konversi tersebut bisa
dilakukan dengan menggunakan formula sebagai berikut ini.
= 5 [ 0,0165 / (1 + 0,1) ] = VAR(n) = VAR(harian) x n
0,075
Jika tingkat bunga meningkat sebesar 1,65%, maka Kembali ke contoh di atas dimana 95%-VAR harian untuk portofolio obligasi
kita adalah Rp75 juta, 95%-VAR 5 hari bisa dihitung sebagai berikut ini.
portofolio kita akan turun nilainya sebesar 7,5%. VAR (5 hari) = Rp75 juta x 5
Jika portofolio kita mempunyai nilai sebesar Rp1 milyar, = Rp167,71 juta
maka 95% VAR portofolio kita adalah:
Dengan demikian 95% VAR-5hari adalah Rp167,71 juta.
VAR 95% = -0,075 x Rp1 milyar = Rp75 juta
Dengan hasil tersebut, kita bisa mengatakan bahwa ada
kemungkinan sebesar 5% kerugian portofolio obligasi kita
sebesar Rp75 juta atau lebih.
Manajemen Risiko 31 Manajemen Risiko 32

bowo@ugm.ac.id 8
 3/21/2017

STRESS-TESTING
VAR mencoba menjawab berapa besar kerugian yang
bisa dialami dan berapa besar kemunginannya. Tetapi
VAR tidak bisa mendeteksi peristiwa-peristiwa yang
ekstrim. Peristiwa semacam itu biasanya mempunyai
probabilitas yang sangat kecil. Tetapi jika terjadi, maka
efeknya akan sangat serius bagi organisasi.
Sebagai contoh, tsunami Aceh barangkali mempunyai
probabilitas sebesar 0,0000001. Tetapi, sekali terjadi,
korban manusia bisa mencapai ratusan ribu orang.
Probabilitas Rusia default (tidak bisa membayar hutang-
hutangnya di tahun 1990-an) adalah kecil sekali (misal
0,000001). Tetapi sekali terjadi, banyak perusahaan
keuangan yang bangkrut.

Manajemen Risiko 33 Manajemen Risiko 34

Stress-testing berusaha mengakomodasi kejadian

ekstrim tersebut. Yang ingin dijawab oleh stress-testing
adalah pertanyaan sebagai berikut ini, Jika peristiwa
ekstrim terjadi, bagaimana pengaruhnya terhadap
organisasi, atau portofolio kita?
Sebagai contoh, Jika Rusia default, bagaimana efeknya
terhadap portofolio kita? Untuk melakukan stress-
testing, manajer akan memilih parameter tertentu,
kemudian melihat (mengukur dan mensimulasikan)
bagaimana pengaruh perubahan parameter tersebut
yang ekstrim terhadap organisasi atau portofolio
organisasi.
Parameter tersebut bisa bervariasi mulai dari kenaikan
tingkat bunga yang ekstrim (misal naik 30% dalam satu
hari), penurunan harga saham yang ekstrim (misal 20%
dalam satu hari), negara tertentu default (tidak bisa
membayar hutangnya), kejadian alam tertentu (misal
tsunami).
Manajemen Risiko 35
LANGKAH-LANGKAH
STRESS-TESTING
Mengidentifikasi dan Memilih Parameter
Yang Diperkirakan Akan Berubah
Menentukan Seberapa Besar Parameter
tersebut akan Dirubah (Di-stress)
Melihat Pengaruh Stress-testing Tersebut
Terhadap Nilai Portofolio
Melihat Asumsi Yang Digunakan, Merubah
Asumsi Tersebut jika Diperlukan (Misal
Dalam Situasi Krisisi, Asumsi Yang Biasa
Berlaku Barangkali Tidak Jalan Lagi).
Manajemen Risiko 36

bowo@ugm.ac.id 9
 3/21/2017

CONTOH LAINNYA
CONTOH PARAMETER YG DI STRESS-TEST
DAN PERUBAHANNYA

Manajemen Risiko 37 Manajemen Risiko 38

Melihat efek perubahan parameter tersebut Melihat asumsi yang berlaku:

terhadap nilai portofolio kita misal linearitas vs non-linear
PERUBAHAN BERSIFAT LINEAR

PERUBAHAN BERSIFAT NON-LINEAR

Manajemen Risiko 39 Manajemen Risiko 40

bowo@ugm.ac.id 10
 3/21/2017

Meskipun stress test nampaknya mudah, tetapi stress-test

BACKTESTING
menggunakan banyak pertimbangan subyektif.
Parameter apa yang harus distress test dan berapa besar
perubahannya, merupakan pertanyaan yang bersifat subyektif.
Idealnya parameter tersebut adalah parameter yang relevan dengan
organisasi, karena parameter yang tidak relevan hanya akan
mengakibatkan kelebihan informasi (information overload).
Stress-test juga tidak menggunakan probabilitas. Stress-test hanya
menyajikan angka seberapa besar keuntungan atau kerugian akibat
peristiwa tertentu.
Karena peristiwa yang di-stress biasanya jarang terjadi, maka
informasi histories mengenai peristiwa tersebut masih jarang
(terbatas).
Disamping itu, seperti disinggung di atas, hubungan yang normal
dalam situasi normal bisa berubah menjadi tidak normal dalam situasi
ekstrim (situasi stress-test).
Manajer risiko harus berhati-hati terhadap kemungkinan semacam
itu.
Backtesting adalah istilah untuk proses pengecekan apakah
model yang kita gunakan sudah sesuai dengan realitas yang
ada. Sebagai contoh, jika kita menghitung 99%VAR-1 hari, dan
memperoleh angka Rp500 juta. Back testing akan melihat
seberapa sering kerugian yang dialami perusahaan di masa lalu
yang melebihi Rp500 juta.
Jika kita menemukan bahwa kerugian di atas Rp500 juta adalah
sekitar 1% atau kurang, maka kita bisa mengatakan bahwa
model kita cukup bagus, sesuai dengan kenyataan yang ada.
Tetapi jika kita menemukan bahwa kerugian di atas Rp500 juta
mencapai 10% dari total observasi, maka model VAR kita
barangkali perlu diragukan. Model tersebut barangkali tidak
sesuai dengan realitas yang ada, dan perlu diperbaiki.

Manajemen Risiko 41 Manajemen Risiko 42

3. Misalkan kita menghitung tingkat keuntungan selam 10 hari

terakhir, seperti terlihat di tabel berikut ini.

2. Bank ABC (Amerika Serikat) mempunyai Tingkat

a. Hitung deviasi standard dan rata-
portofolio bernilai DM 20 juta dan BP 25 juta. Keuntungan
(%) rata tingkat keuntungan
DM (mata uang Jerman, dan BP adalah British 1 -0.1 b. Hitung VAR95%-harian dengan
pound, mata uang Inggris). Kurs spot adalah 2 0.1
menggunakan metode histories dan
$0,4/DM dan $1,28/BP. Deviasi standar harian analitik
3 0.15
kurs spot adalah 65bps dan 45 bps, untuk DM c. Hitung VAR95%-harian dengan
4 0.05
menggunakan simulasi Monte-
dan BP. 5 -0.05 Carlo, Anda tentukan sendiri
a. Hitung 95% VAR-10 hari untuk kedua 6 0.125 probabilitas untuk setiap tingkat
portofolio tersebut. 7 0.2 keuntungan tersebut.
b. Misalkan korelasi antara perubahan kurs 8 -0.025 d. Hitung VAR95%-mingguan (7
keduanya adalah 0,45, hitung 95% VAR-10 hari 9 0 hari) untuk setiap perhitungan VAR
untuk portofolio DM dan BP bank tersebut. 10 0.04 diatas. Jelaskan.

Manajemen Risiko 43 Manajemen Risiko 44

bowo@ugm.ac.id 11