1; RISIKO PASAR

Risiko pasar muncul karena harga pasar bergerak dalam arah yang merugikan organisasi.
Misal, suatu perusahaan mempunyai portofolio sekuritas saham yang dibeli dengan harga Rp
1 miliar. 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 ke arah yang kurang menguntungkan (dalam hal ini turun). Bab berikut ini
membicarakan teknik pengukuran risiko pasar. Pembicaraan dimulai dengan pengukuran
risiko dengan deviasi standar, yang kemudian diikuti dengan teknik VAR, diteruskan dengan
teknik stress-testing.

DEVIASI STANDAR
Jika kita membicarakan distribusi normal, maka kita hanya memerlukan dua parameter yaitu
nilai rata-rata (atau disebut juga sebagai nilai yang diharapkan) dan deviasi standarnya.
Dengan dua parameter tersebut, kita bisa melakukan banyak hal seperti menghitung
probabilitas nilai tertentu. Konsep deviasi standar, distribusi normal, nilai rata-rata menjadi
landasan bagi perhitungan Value At Risk, yang akan dibicarakan pada bagian berikutnya.
Distribusi normal, deviasi standar, dan nilai rata-rata bisa digambarkan berikut ini.
Bagan 9.1. Kurva Normal

Bagan di atas menggambarkan kurva normal yang berbentuk seperti bel. Kurva tersebut
berbentuk simetris, di mana sisi kanan 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.
Perhitungan deviasi standar bisa digunakan formula berikut ini.
E(R) = Ri / N
 R2 = (Ri E(R))2 / (N-1)
R = (R2)1/2
Misalkan kita melakukan pengamatan tingkat keuntungan aset A dan B selama 10 bulan
terakhir. Tingkat keuntungan tersebut bisa dilihat pada kolom (2) dan (3) pada Tabel 9.1.
Tingkat keuntungan rata-rata untuk aset A adalah berikut ini.
E(RA) = (3 + 2 + 4,5 +......+ 4 + 5) / 10 = 3,845%
Perhitungan deviasi standar dimulai dari perhitungan varian. Varian bisa dihitung sebagai
berikut ini.
A2 = ((3 -3,845)2 + (2 - 3,845)2 + ...... + (4 - 3,845)2 + (5 - 3,845)2}/ (10 -1)
= 0,973583
0,973583
A = = 0,9867%
 Bulan (1) Aset A (%) (2) Aset B (%) (3) (RA-E(RA))2 RB - E(RB))2
1 3 2 0,714025 46,225
2 2 4 3,404,025 0,0225
3 4,5 5 0,429025 0,7225
4 3 4 0,714025 0,0225
5 4 1,5 0,024025 70,225
6 5,2 4 1,836,025 0,0225
7 3,5 8 0,119025 148,225
8 4,25 5 0,164025 0,7225
9 4 3 0,024025 13,225
10 5 5 1,334,025 0,7225
Rata-rata 3,845 4,15
Jumlah 876,225 30,025
Varian= Jumlah/(N-
0,973583 3,336,111
l)

Dengan cara yang sama tingkat keuntungan rata-rata dan deviasi standar untuk aset B bisa
dihitung, dan hasilnya adalah:
E(RB) = 4,15%
3,336111
B = = 1,8265%
Karena deviasi standar untuk aset B lebih besar dibandingkan deviasi standar A, maka kita
bisa mengatakan bahwa risiko B lebih besar dibandingkan dengan risiko A.
Jika kita menggunakan probabilitas, maka deviasi standar bisa dihitung dengan formula
sebagai berikut:
E(R) = pi Ri
R2 = pi (Ri-E(R))2
R = ( R 2) 1/2
Misalkan kita memperkirakan tingkat keuntungan investasi A dan B tahun depan. Kita
memperkirakan ada tiga skenario kondisi ekonomi tahun depan, yaitu baik, sedang, dan jelek.
Tingkat keuntungan berdasarkan ketiga kondisi tersebut adalah sebagai berikut.
Tabel 9.2 Tingkat Keuntungan yang Diperkirakan di Masa Mendatang
Kondisi Ekonomi Probabilitas Tingkat Tingkat
(1) (2) Keuntungan A (%) Keuntungan B (%)
Baik 0,3 5 2
Sedang 0,4 3 1,5
Jelek 0,3 -2. 1
1
 E = 2,10 1,50
Varian = 7,89 0,15
Deviasi standar = 2,808,914 0387298

Tabel di atas menunjukkan ada tiga skenario ekonomi tahun depan, yaitu baik, sedang, dan
jelek. Probabilitas untuk masing-masing skenario adalah 0,3, 0,4, dan 0,3. Tingkat
keuntungan untuk aset A dan B bisa dilihat pada kolom (3) dan (4). Perhitungan tingkat
keuntungan dan deviasi standar untuk aset A bisa dilihat berikut ini:

E(RA) = 0,3 (5) + 0,4 (3) + 0,3 (-2) = 2,10%

A2 = 0,3 (5 - 2,10)2 + 0,4 (5 - 2,10)2 + 0,3 (5 - 2,10)2 = 7,89
A = 7,89 = 2,809%

Untuk aset B, perhitungan yang sama bisa dilakukan, dan hasilnya adalah E(R B) = 1,5%
dengan B= 0,38%. Karena deviasi standar untuk A lebih besar dibandingkan deviasi standar
B, kita mengatakan risiko A lebih besar dibandingkan dengan risiko B.
2; VAR (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 besok (atau beberapa hari mendatang)?" Jawaban
tersebut akan berbentuk kalimat seperti berikut ini "besok ada kemungkinan sebesar 5%
bahwa kerugian perusahaan (karena pergerakan harga pasar yang tidak menguntungkan)
sebesar Rp 10 juta. atau lebih". Perhatikan bahwa VAR menjawab pertanyaan tersebut dengan
memberikan nilai uang dari kerugian tersebut (Rp 10 juta), dan besarnya kemungkinannya
(5%). Jawaban tersebut akan memberikan informasi yang berguna untuk manajer, karena
manajer mempunyai perkiraan besarnya kerugian dan besarnya kemungkinan terjadinya
kerugian tersebut. Teknik perhitungan VAR bisa menggunakan metode historis, metode
analitis, dan simulasi Monte-Carlo. 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.
Bagian berikut ini menjelaskan lebih lanjut perhitungan dengan masing-masing teknik
tersebut.
 a; VAR Metode Historis (Back Simulation)

Misalkan suatu perusahaan memegang saham PT X. Return harian saham tersebut untuk 20
hari terakhir (data historis) bisa dilihat pada kolom (1) pada tabel berikut.
Tabel 9.3. Perhitungan Value At Risk dengan Data Historis
Saham PT X Saham PTY Portaf olio X dan Y
(1) (2) (3) (4) (5)
Hari Return (%) Hari Return (%) Hari Return (%) Hari Return (%) Hari Return (%)
1 186,008 7 -837,883 1 -196,078 1 -0,05035 7 -611,249
2 -0,65038 19 -277,565 2 2 2 0,67481 1 -0,05035
3 6,399,526 14 -179,577 3 7,843,137 3 7,121332 6 -0,00095
4 2,119,365 2 -0,65038 4 -181,818 4 0,150592 4 0,150592
5 3,512,881 20 -0,17928 5 3,703,704 5 3,608,292 19 0,278842
6 7,140,963 1 186,008 6 -714,286 6 -0,00095 2 0,67481
7 -837,883 4 2,119^65 7 -384,615 7 -611,249 20 0,716812
8 4,148,766 11 2,547,136 8 4 8 4,074383 14 0,887829
9 8,782,409 15 299,732 9 1,923,077 9 5352,743 12 1,071,214
10 7,539,626 5 3,512,881 10 5,660,377 10 6,600,002 11 2,166,425
11 2,547,136 8 4,148,766 11 1,785,714 11 2,166,425 15 2,360,729
12 56,512 12 56,512 12 -350,877 12 1,071,214 17 3,332,057
13 8,797,835 3 6,399,526 13 1,818,182 13 5308,008 5 3,608,292
14 -179,577 16 7,042,143 14 3,571,429 14 0,887829 8 4,074383
15 299,732 6 7,140,963 15 1,724,138 15 2360,729 16 4,368,529
16 7,042,143 10 7,539,626 16 1,694,915 16 4,368,529 13 5,308,008
17 9,997,447 9 8,782,409 17 -333333 17 3332,057 9 5,352,743
18 9,472343 13 8,797,835 18 3,448,276 18 6,460,309 18 6,460,309
19 -277,565 18 9,472,343 19 3333333 19 0,278842 10 6,600,002
20 -0,17928 17 9,997,447 20 1,612,903 20 0,716812 3 7,121,332
Seperti biasa, return dihitung sebagai berikut ini:
Return = {[ P(t+l) - Pt ] / Pt} x 100%
Di mana Pt = return pada hari t
Pt+1 = return pada hari t+1
tabel tersebut menampilkan return, harga (Ft) untuk saham tersebut tidak ditampilkan.
Terlihat bahwa return pada hari pertama adalah 1,86%, sementara return pada hari ke-20
adalah -0,18%.
Untuk perhitungan Value At Risk, kita akan mengurutkan return dari yang paling
rendah sampai pada yang paling tinggi seperti terlihat pada kolom (2).
Pada kolom (2) tersebut terlihat bahwa return terendah adalah -8,38% yang terjadi
pada hari ke-7. Sementara return tertinggi terjadi pada hari ke-17 sebesar 9,99%. 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 Rp 1 miliar, maka VAR 95% harian adalah -8,38% x Rp l miliar =
-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".
Misalkan kita mempunyai aset lain, yaitu saham FT Y dengan nilai aset sebesar Rp l
miliar. Return saham Y bisa dilihat pada kolom (3) pada tabel di atas. Untuk menghitung
VAR saham Y, maka kita akan mengurutkan return dari yang paling rendah ke yang paling
tinggi (tidak ditampilkan pada tabel di atas). Dari hasil pengurutan, terlihat bahwa return
pada hari keenam, yaitu sebesar -7,14%, merupakan return paling rendah. Dengan demikian
VAR 95% harian untuk saham Y adalah -7,14% x Rp l miliar = -Rp71,43 juta. Kita bisa
mengatakan "besok ada kemungkinan sebesar 5%, kerugian kita pada saham Y sebesar
Rp71,43 juta atau lebih". Alternatif lain, kita bisa mengatakan "besok, kemungkinan untuk
mengalami kerugian maksimal Rp71,43 juta adalah 95%".
Misalkan kita membentuk portofolio yang terdiri dari saham X dan Y, dengan
proporsi masing-masing sebesar 50%, konstan selama 20 hari. Return untuk portofolio
tersebut bisa dilihat pada kolom (4). Sebagai contoh, return portofolio pada hari 1 adalah
-0,05% (0,5 x 1,86)+(0,5 x -1,96). Sama seperti sebelumnya, kita bisa mengurutkan return
portofolio dari yang paling rendah ke yang paling tinggi. Kolom (5) menunjukkan hasil
pengurutan tersebut. VAR 95% harian untuk portofolio tersebut adalah Rp-6,11% x Rp2
miliar = Rpl22,2juta.
Alternatif lain adalah melakukan perhitungan dengan formula sebagai berikut ini (lihat buku
teks teori portofolio dan investasi untuk alasan kenapa formula di bawah ini bisa diturunkan).

VAR portofolio = [ VARx2 + VAR x2 + 2 x xy x VARX x VARy]1/2

Dimana VAR2 = VAR (Value At Risk saham X)
VARy = VAR (Value At Risk saham Y)
Pxy = korclasi return saham X dengan saham Y
VAR bisa langsung dimasukkan karena VAR merupakan indikator risiko. Korelasi return
saham X dengan saham Y (kolom 1 dan 3 pada tabel di atas) bisa dihitung, dan hasil
perhitungan adalah 0,089. Dengan formula tersebut, VAR portofolio bisa dihitung sebagai
berikut ini.
VAR port = [ (83.78A2)+(71.43A2)+(2xO,089x83.78x71.43) ]1/2
= 114,83
Dengan demikian VAR 95% harian untuk portofolio tersebut adalah Rpll4,83 juta. Angka
tersebut (Rpll4,83 juta) berbeda sedikit dengan VAR yang dihitung secara langsung (Rpl22,2
juta).
Perhatikan bahwa VAR portofolio lebih rendah dari penjumlah VAR masing-masing
aset. Jika VAR masing-masing aset dijumlahkan, maka VAR portofolio adalah Rpl55,21 juta
(Rp83,78 juta + Rp71,43 juta). Nilai yang lebih rendah tersebut menunjukkan adanya efek
diversifikasi. Diversifikasi bisa terjadi karena ada efek saling mengkompensasi antar aset.
Jika satu aset mengalami kerugian, sementara aset lain mengalami keuntungan, maka
keuntungan dari aset satunya bisa digunakan untuk mengkompensasi kerugian aset yang
lainnya. Efek diversifikasi semacam itu akan semakin besar (berarti bisa menurunkan risiko
portofolio lebih jauh), jika korelasi antar aset rendah. Korelasi bernilai antara -1 sampai
dengan +1 (inklusif). Semakin jauh korelasi dari +1 (misal korelasinya adalah -1), maka akan
semakin besar efek diversifikasi tersebut.
Metode historis mempunyai kelebihan seperti (1) tidak mengasumsikan distribusi
tertentu, (2) sederhana. Tetapi metode tersebut mempunyai kelemahan seperti asumsi bahwa
data masa lalu bisa dipakai untuk memprediksi masa datang. Dengan kata lain, metode
tersebut mempunyai 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. Di samping 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.
b; VAR Metode Modeling (Analytical)

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).
Misalkan manajer portofolio mempunyai aset senilai Rpl miliar. 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%. Distribusi normal yang menggambarkan pergerakan aset tersebut bisa dilihat
pada bagan berikut ini.
Bagan 9.2. Kurva Normal untuk Perhitungan VAR

Terlihat bahwa rata-rata adalah 12% yang terletak di tengah-tengah distribusi tersebut.
Deviasi standar mengukur penyimpangan untuk distribusi tersebut. Distribusi normal di atas
bisa dilihat sebagai indikator probabilitas (lihat bab mengenai konsep statistik). Luas wilayah
distribusi normal bisa dilihat sebagai cerminan besarnya probabilitas. Luas total wilayah
distribusi normal mencerminkan probabilitas sebesar 1 (probabilitas bernilai dari 0 sampai
dengan 1, inklusif).
Sebagian luas di bawah distribusi normal mencerminkan probabilitas di bawah satu.
Sebagai contoh, luas di tengah (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 Mta melihat label distribusi normal, maka luas
wilayah sebesar 5% dari ujung paling kiri (atau dari ujung paling kanan), mempunyai nilai z
sebesar 1,65. Dengan demikian wilayah tengah seluas 90% berada di antara (Rata2 - (1,65 x
deviasi standar)) dengan (Rata2 + (1,65 x deviasi standar).
Dengan demikian VAR 95% return harian bisa dihitung melalui batas bawah di mana
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 Rp 1 miliar = - Rp 127,5 juta
Dengan demikian kita membuat pernyataan sebagai berikut: Besok, ada 5% kemungkinan
kerugian portofolio sebesar Rpl27,5 juta atau lebih.
Jika kita mempunyai dua aset yang membentuk portofolio kita, maka efek
diversifikasi penting diperhatikan. Diversifikasi bisa mengurangi risiko jika korelasi return
lebih kecil dari 1. Sebagai contoh, misalkan menggabungkan dua aset dengan karakteristik
berikut ini:
Tabel 9.4. Data Perhitungan VAR Untuk Portofolio
A B
Return yang diharapkan (harian) 12% 14%
Standar deviasi 15% 18%
Nilai Investasi Rp20 miliar Rp l 2 miliar
95% Value At Risk Rp2,55 miliar Rp 23 miliar
Korelasi A dengan B 0,55

Nilai portofolio total adalah Rp32 miliar. Tingkat keuntungan yang diharapkan untuk
portofolio adalah rata-rata tertimbang dari return aset individualnya, yang bisa dihitung
berikut ini:
Return portofolio = XA E(RA) + XB
= (20/32) x 12 + (12/32) x 14
= 12,75%
Deviasi standar portofolio untuk dua aset bisa dihitung berikut ini:
p = [ XA2 2 +XB2 B2 + 2 XA XB AB A B]1/2
di mana p = deviasi standar (risiko) portofolio
A, B = deviasi standar return aset A dan B
AB = korelasi antara return aset A dengan return aset B
Untuk portofolio di atas, deviasi standar bisa dihitung berikut ini:
p = [(20/32)2 (15)2+ (12/32)2 (18)2+2 (20/32) (12/32) (0,55) (15) (18)]1/2 =14.25%
VAR 95% = 11,44 1,56(14,25)= -12,07%
VAR 95% = -12,44% x Rp 32 miliar = -Rp 3,86 miliar
VAR 95% portofolio tersebut lebih kecil dibandingkan dengan penjumlahan VAR untuk
masing-masing aset (Rp4,85 miliar = Rp2,55 miliar + Rp2,3 miliar). VAR portofolio yang
lebih kecil tersebut disebabkan adanya efek diversifikasi yang bisa mengurangi risiko.
c; VAR dengan Simulasi Monte Carlo

VAR bisa juga dihitung dengan menggunakan simulasi Monte Carlo. Melalui simulasi
tersebut, akan terbentuk distribusi tertentu, kemudian melalui distribusi tersebut VAR bisa
dihitung. Perhitungan VAR memerlukan sumber daya komputer yang lebih besar
dibandingkan dengan dua metode sebelumnya. Sebagai ilustrasi perhitungan VAR dengan
simulasi Monte-Carlo, misalkan kita memperkirakan tingkat keuntungan harian dengan
probabilitasnya pada tabel berikut ini.
Tabel 9.5. Tingkat Keuntungan dengan Probabilitasnya
Tingkat Probabilitas
Probabilitas
Keuntungan (%) Kumulatif
1 -0.5 0.05 0-4
2 -0.25 0.05 5-9
3 0 0.1 10-19
4 0.1 0.1 20-29
5 0.5 0.25 30-54
6 1 0.15 54-69
7 1.2 0.1 70-79
8 1.25 0.1 80-89
9 2.25 0.05 90-94
10 3 0.05 95-99
Jumlah 1

Tingkat keuntungan bisa dilihat pada kolom (2), sementara probabilitas bisa dilihat pada
kolom'(3). Probabilitas kumulatif merupakan kumulasi angka probabilitas yang akan
diperlukan untuk menjalankan simulasi. Sebagai contoh, untuk tingkat keuntungan -0,5,
karena ada 5% probabilitas terjadi, maka probabilitas kumulatif yang dipasangkan adalah
angka 0,1,2,3, dan 4 (ada lima angka). Total probabilitas kumulatif adalah 100 angka (dari 0
sampai dengan 99), yang mencerminkan total probabilitas yang berjumlah 1. Karena itu
untuk keuntungan -0,5, wilayah yang dicakup adalah 5% dari total angka yang berjumlah 100
(atau 5 angka seperti terlihat di atas).
Langkah berikutnya adalah menghasilkan (generate) angka random yang akan
mempunyai nilai antara 0 sampai dengan 99, konsisten dengan probabilitas kumulatif.
Beberapa software bisa menghasilkan angka random tersebut. Sebagai contoh, Excel dengan
fungsi =rand() bisa menghasilkan angka random tersebut. Berikut ini contoh run (sepuluh
kali atau sepuluh run) dengan menggunakan Excel.
Tabel 9.6. Sampel Simulasi Monte-Carlo

Tingkat Keuntungan
Angka Random
yang Berkaitan
1 31 0,5
2 29 0,1
3 11 0
4 65 1
5 54 1
6 6 -0,25
7 45 0,5
8 26 0,1
9 50 0,5
10 33 0,5

Run pertama memunculkan angka random 31. Angka 31 tersebut berkaitan dengan tingkat
keuntungan 0,5 (probabilitas kumulatifnya 30-54). Proses tersebut bisa diulang-ulang sampai
100 kali, 500 kali, atau 1.000 kali. Setelah proses tersebut diulang-ulang, kita akan
memperoleh distribusinya. Sebagai contoh, tabel dan bagan berikut ini menyajikan distribusi
yang dihasilkan melalui 100 kali run.

Tabel 9.7. Distribusi Frekuensi Hasil Simulasi

Tingkat Keuntungan Frekuensi

-0,5 3
-0,25 5
0 10
0,1 7
0,5 25
1 18
1,2 6
1,25 12
2,25 3
3 11
Jumlah 100
Bagan 9.9 Distribusi Frekuensi Hasil Simulasi
Distribusi Frekuensi Tingkat Keuntungan Berdasarkan Simulasi

Distribusi di atas belum sepenuhnya normal. Jika kita melakukan run lebih banyak lag, (misal
1.000 kali), maka sesuai dengan Central Limit Theorem, distribusinya akan mendekati atau
menjadi distribusi normal. Setelah kita mengetahui distabusinya, kita bisa menghitung VAR
dengan menggunakan deviasi standar dan nilai rata-ratanya. 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.

VAR 95%-harian = 0,904 - 1,65 (0,927) = -0,627,

Misalkan kita mempunyai portofolio senilai Rp 1 miliar, maka VAR-95% harian adalah
-0,627% x Rp 1 miliar = -Rp 6,27 juta

d; 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.
Lebih spesifik lagi, hubungan antara perubahan tingkat bunga dengan nilai obligasi bisa
dilihat sebagai berikut ini (lihat bab mengenai risiko perubahan tingkat bunga):
dP/P= - D [ dR / (1+R)]
di mana dP = perubahan harga
P = harga obligasi
D = durasi obligasi
dR = perubahan tingkat bunga
R = tingkat bunga
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-pertimbangan,
menunjukkan bahwa perubahan tingkat bunga harian yang diharapkan adalah 0%, dengan
deviasi standar perubahan tingkat bunga adalah 1%. Distribusi perubahan tingkat bunga
tersebut bisa digambarkan pada bagan berikut ini:

Bagan 3.4. Distribusi Perubahan Tingkat Bunga

Dengan melihat bagan di atas, nampak bahwa perubahan tingkat bunga harian yang
diharapkan adalah 0%. Probabilitas perubahan tingkat bunga berada antara -1,65% (turun
sebesar 1,65%) dan +1,65% (meningkat sebesar 1,65%) adalah 90%. Probabilitas tingkat
bunga meningkat 1,65% atau lebih adalah 5%. Perhatikan bahwa kenaikan tingkat bunga
yang akan mempunyai efek negatif terhadap portofolio obligasi kita. Dengan
menggabungkan informasi tersebut dengan model perubahan harga obligasi di atas, kita bisa
menghitung 95% VAR untuk portofolio obligasi kita. Pertama, kita bisa menghitung
perubahan harga akibat kenaikan tingkat bunga, berikut ini:
dP/P = -D[dR/(l+R)] = -5 [0,0165/(I+ 0,1)] = -0,075
 Jika tingkat bunga meningkat sebesar 1,65%, maka portofolio kita akan turun nilainya
sebesar 7,5%. Jika portofolio kita mempunyai nilai sebesar Rp l miliar, maka 95% VAR
portofolio kita adalah:
VAR 95% = -0,075 x Rp l miliar = Rp75 juta
Dengan hasil tersebut, kita bisa mengatakan bahwa ada kemungkinan sebesar 5% kerugian
portofolio obligasi kita sebesar Rp75 juta atau lebih.
Pemodelan VAR dengan cara lain atau untuk situasi lain, bisa dilakukan. Misal, nilai
obligasi bisa dimodelkan melalui present value dari aliran kas yang akan diterima pemegang
obligasi di masa mendatang. Perubahan tingkat bunga dengan demikian akan mempengaruhi
tingkat diskonto (discount rates) yang akan dipakai untuk mem-present-value-kan aliran kas
tersebut. Jika tingkat bunga naik, maka nilai obligasi akan turun, dan sebaliknya. Dalam
model tersebut, perubahan nilai obligasi dihitung bukan melalui model durasi, tetapi melalui
model PV aliran kas di masa mendatang.

e; VAR Untuk Periode yang Lebih Panjang

Dalam beberapa situasi, kita ingin menghitung VAR untuk periode yang lebih panjang. Misal,
untuk melikuidasi posisi portofolio, waktu satu hari tidak cukup. Kita memerlukan waktu,
misal 5 hari. Padahal kita menghitung VAR dengan menggunakan periode harian. Dalam
situasi tersebut, VAR harian harus dikonversi menjadi VAR 5-hari. Konversi tersebut bisa
dilakukan dengan menggunakan formula berikut ini:

VAR(n) = VAR (harian) x n

Kembali ke contoh di atas di mana 95%-VAR harian untuk portofolio obligasi kita adalah
Rp75 juta, 95%-VAR 5 hari bisa dihitung berikut ini:

VAR (5 hari) = Rp75 juta x 5

= Rp 167,71juta
Dengan demikian 95% VAR-5 hari adalah Rp167,71 juta.