3 Votes
Risiko pasar dari suatu investasi tunggal maupun portofolio dapat diukur dengan mengacu pada
kemungkinan kerugian finansial akibat gabungan dari pergerakan variabel ekonomi yang
sistematis seperti bunga dan nilai tukar (Fallon, 1996). Mengukur risiko pasar penting bagi
regulator dan manajer dalam menilai solvabilitas dan risiko dalam mengalokasi modal yang
langka. Selain itu, risiko pasar lazim merupakan salah satu risiko utama yang dihadapi oleh
lembaga keuangan.
Value at Risk (VaR) merupakan ukuran yang dapat digunakan untuk menilai kerugian terburuk
yang mungkin terjadi bagi seorang investor atau suatu badan usaha atas investasinya dalam
sekuritas atau aset-aset, baik secara satu per satu atau dalam portfolio pada suatu waktu
tertentu, pada tingkat peluang yang ditetapkan. Dalam VaR, kemungkinan kerugian dihitung dari
peluang kerugian lebih buruk daripada suatu persentase yang ditetapkan.
Perbedaan utama berbagai metoda VaR pada umumnya terkait dengan cara melihat (membatasi)
masalah, dan bagaimana mengestimasi perubahan yang mungkin terjadi terhadap portfolio
aset/sekuritas yang dipegang. Secara teknis, tahapan dalam mengukur VaR mencakup:
Berbagai metoda pengukuran VaR lazim pada awalnya mengikuti tahap-tahap: pemilihan faktor
risiko dan pemilihan metoda pemodelan risiko.
Perubahan nilai portfolio dihela oleh perubahan faktor-faktor yang mempengaruhi harga aset.
Faktor risiko yang relevan tergantung pada komposisi portfolio. Pemilihan faktor risiko akan
sederhana untuk sekuritas yang sederhana dan rumit untuk sekuritas yang kompleks.
(3) Back-testing
Verifikasi merupakan prosedur lazim untuk mencek kekuatan model. Pencekan kekuatan model
VaR dapat dilakukan menggunakan backtesting, stress testing, atau independent
review dan oversight. Backtesting adalah kerangka pengujian stratistis yang berisi pencekan
apakah kerugian pada prakteknya sejalan dengan peramalan VaR. Suatu penyimpangan akan
disebut sebagai pengecualian.
Metoda analisis variance-covariance berasumsi bahwa faktor risiko terdistribusi secara log-
normal, sehingga log-returns terdistribusi normal. Setelah distribusi laba-rugi portfolio diperoleh,
maka property matematis baku dari distribusi normal dapat digunakan untuk menghitung
kerugian yang akan setara dengan atau melampaui x persen pada suatu waktu, yakni VaR.
1.Identifikasi faktor pasar dasar dan dan posisi standar yang berhubungan langsung dengan
faktor pasar.
2.Berasumsi bahwa persen perubahan faktor pasar terdistribusi Normal dengan rerata nol dan
mengestimasi parameter distribusinya.
3.Menggunakan standar deviasi dan korelasi faktor pasar untuk menentukan standar deviasi dan
korelasi perubahan nilai standar posisi.
4.Hitung varian dan standar deviasi portfolio dengan menggunakan distribusi Normal untuk
menentukan distribusi laba-rugi portfolio.
Metoda simulasi histories tidak berasumsi distribusi Normal, tetapi menggunakan distribusi
empiris dari realisasi historis pada suatu waktu yang ditentukan. Lazim dianggap dibutuhkan
data harian dua-tiga tahun untuk menghasilkan hasil berarti. Sekurang-kurangnya dibutuhkan
data 250 hari terakhir (satu tahun) dan dihitung persen perubahannya.
3.Nilai ulang portfolio sekarang dengan perubahan suku bunga dan harga pasar
Simulasi Monte Carlo berisi simulasi berulang proses acak yang dikaitkan dengan harga dan
suku bunga pasar. Masing-masing simulasi menciptakan suatu nilai yang mungkin untuk
portfolio pada horizon yang ditargetkan. Jika skenario simulasi diulang-ulang makin banyak,
akan diperoleh nilai yang makin stabil. VaR dihitung dari distribusi yang diperoleh dari hasil
simulasi tersebut.
2.Bentuk jalur-jalur harga, menggunakan angka acak yang dihasilkan oleh generator pembangkit
angka acak.
3.Nilai portfolio untuk setiap jalur atau skenario. Setiap jalur menciptakan seperangkat nilai
untuk faktor risiko untuk setiap sekuritas dalam portfolio yang akan digunakan sebagai input
pemodelan harga. Proses ini diulang-ulang sampai diperoleh distribusi yang stabil.
Tahapan pengukuran VaR dengan simulasi bootstrapping tidak berbeda dengan simulasi Monte
carlo kecuali pada bootstrapping simulasi didasarkan pada data empiris.
3.Bentuk jalur harga dengan simulasi acak terhadap data empiris yang diperoleh tersebut.
4.Setiap jalur menciptakan seperangkat nilai untuk faktor risiko untuk setiap sekuritas dalam
portfolio yang akan digunakan sebagai input pemodelan harga. Proses ini diulang-ulang sampai
diperoleh distribusi yang stabil.
Sumber: disarikan dari Catatan Kuliah PPIM UI, 2009, kemudian sedikit demi sedikit dilengkapi
dengan berbagai pustaka lain.
Kepustakaan:
Fallon, William. 1996. Calculating Valu-at-Risk. Paper presented at the Wharton Financial
Institution Centers conference on Risk Management in Banking, October 13-15, 1996.
VALUE AT RISK UNTUK PENGUKURAN RISIKO
Berkaitan dengan risiko merupakan suatu kemungkian maka peluang terjadinya suatu kejadian
atau risiko sangat tergantung dari bentuk sebaran dari risiko resiko yang mungkin timbul.
Untuk itu standar deviasi dapat menjadi ukuran bahwa suatu kejadian lebih beresiko dari
kejadian yang lain. Suatu kejadian dikatakan lebih berisiko bila kejadian ini memiliki standar
deviasi yang lebih besar dari kejadian yang lain. Hal ini berhubungan dengan semakin
besarnya standar deviasi menunjukan semakin tersebarnya atau beragamnya kejadian-kejadian
yang mungkin timbul. Kita perlu ketahui bahwa jumlah seluruh peluang (kemungkinan) kejadian
adalah satu dengan semakin beragam maka semakin tersebar dengan peluang yang beragam
pula. Dengan standar deviasi yang kecil atau mendekati nol maka menunjukan kejadian-
kejadian yang mungkin timbul lebih terpusat atau terkumpul. Untuk hal seperti ini lebih mudah
dikelola (diantisipasi).
STANDAR DEVIASI
Untuk sebaran normal standar deviasi diukur dengan rumus sebagai berikut:
E(R) = Ri / N
R2 = (Ri E(R))2 / (N 1)
R = (R2 ) 1/2
dimana:
E(R) = Rata-rata
Ri = Data ke i
N = Jumlah Data
R2 = Varian
R = Standar Deviasi
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%. Selanjutnya bila kita ingin
melihat VAR 95% harian. Untuk VAR 95% sama saja kita mengukur VAR 5% dan hasilnya
mengurangi 1 (Ingat total peluang adalah sebesar 1 atau 100%). Untuk data sebanyak 20 maka
nilai 5% adalah adalah 1 hari (1/20 x 100% =. 5%). Bila hal ini sudah diketahui kita dapat
menhitung pa yang kita mau misalnya returnt terendah yaitu yang terjadi pada ke 7 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. Sedangkan keuntungan terbesar dengan peluan sebesar 5% adalah
sebesar 99.97 juta
Untuk menghitung VAR saham Y, maka kita akan mengurutkan return dari yang paling rendah
ke yang paling tinggi (kolom 2). Dari hasil pengurutan, terlihat bahwa return pada hari keenam,
yaitu sebesar -7,14%, merupakan return paling rendah. Dengan demikian VAR95% harian
untuk saham Y adalah -7,14% x Rp1 milyar = -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 (3). Sebagai contoh, return portofolio pada hari 1 adalah -0,05 ((0,5*1,86)+(0,5*-1,96)).
Sama seperti sebelumnya, kita bisa mengurutkan return portofolio dari yang paling rendah ke
yang paling tinggi (kolom 4). Kolom (5 menunjukkan hasil pengurutan tersebut. VAR 95% harian
untuk portfolio tersebut adalah Rp-6,11% x Rp2 milyar = Rp122,2juta.
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 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.
Dengan demikian VAR95% harian untuk portofolio tersebut adalah Rp114,83 juta. Angka
tersebut (Rp114,83juta) berbeda sedikit dengan VAR yang dihitung secara langsung (Rp122,2
juta).
Perhatikan bahwa VAR portofolio lebih rendah dari penjumlahan VAR masing-masing aset. Jika
VAR masing-masing aset dijumlahkan, maka VAR portofolio adalah Rp155,21 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.