Anda di halaman 1dari 23

DAFTAR ISI

DAFTAR ISI........................................................................................................................... 1
POKOK BAHASAN ................................................................................................................ 2
PEMBAHASAN ..................................................................................................................... 3
1.1. DEFINISI DAN ILUSTRASI RISIKO PASAR .............................................................. 3
1.2. JENIS-JENIS RESIKO PASAR .................................................................................. 3
1.2.1. Specific market risk (risiko pasar secara spesifik) ....................................... 3
1.2.2. General market risk (risiko pasar secara umum) ........................................ 4
1.3. METODE PENGUKURAN RISIKO PASAR : DEVIASI DAN VAR ............................... 5
1.3.1. Deviasi Standar............................................................................................ 5
1.3.2. VAR (VALUE AT RISK)................................................................................... 7
1.3.2.1. VAR Metode Historis (Back Simulation) .............................................. 8
1.3.2.2. VAR Metode Modeling (Analytical)..................................................... 9
1.3.2.3. VAR dengan Simulasi Monte Carlo................................................... 12
1.3.2.4. Pemodelan VAR................................................................................. 14
1.3.2.5. VAR untuk Periode yang Lebih Panjang ............................................ 16
1.4. MANAJEMEN RISIKO PASAR : DIVERSIFIKASI .................................................... 16
1.4.1. Aset Independen ....................................................................................... 17
1.4.2. Asset Yang Tidak Independen ................................................................... 19
1.4.3. Ilustrasi Risiko Yang Bisa dan Yang Tidak Bisa Didiversifikasikan ............. 20
PERTANYAAN .................................................................................................................... 21
DAFTAR PUSTAKA ............................................................................................................. 22
POKOK BAHASAN

1.1. Definisi dan ilustrasi risiko pasar


1.2. Jenis-jenis risiko pasar
1.2.1. Specific Market Risk
1.2.2. General Market Risk
1.3. Metode pengukuran risiko pasar
1.3.1. Deviasi Standar
1.3.2. Value At Risk
1.1.2.1. VAR metode historis
1.1.2.2. VAR metode modelling
1.1.2.3. VAR dengan simulasi Monte Carlo
1.1.2.4. Pemodelan VAR
1.1.2.5. VAR untuk periode yang lebih panjang
1.4. Manajemen risiko pasar : Diversifikasi
PEMBAHASAN

1.1. DEFINISI DAN ILUSTRASI RISIKO PASAR

Risiko pasar muncul karena harga pasar bergerak dalam arah yang
merugikan organisasi. Risiko pasar merupakan kondisi yang dialami
oleh suatu perusahaan yang disebabkan oleh perubahan kondisi dan
situasi pasar di luar dari kendali perusahaan. Risiko pasar sering
disebut juga sebagai risiko yang menyeluruh, karena sifat umumnya
adalah bersifat menyeluruh dan di alami oleh seluruh perusahaan.

Misalnya, suatu perusahaan mempunyai portofolio sekuritas saham


yang dibeli dengan harga Rp 1 miliar. Misalkan harga saham jatuh,
sehingga nilai pasar saham tersebut turun menjadi Rp 800 juta.
Perusahaan tersebut mengalami kerugian karena nilai portofolio
sahamnya turun sebesar Rp 200 juta. Kerugian tersebut disebabkan
karena harga saham bergerak kearah yang kurang menguntungkan
(dalam hal ini turun).

1.2. JENIS-JENIS RESIKO PASAR

Risiko pasar secara umum ada 2 (dua) bentuk yaitu :

1.2.1. Specific market risk (risiko pasar secara spesifik)

Specific market risk adalah suatu bentuk risiko yang hanya dialami
secara khusus pada satu sektor atau sebagian bisnis saja tanpa bersifat
menyeluruh. Contohnya :

Produk yang dijual oleh perusahaan tersebut dianggap mengandung


bahan yang berbahaya atau bersifat haram. Contoh suatu produk
makanan yang mengandung lemak babi. Secara islam makanan yang
mengandung lemak babi haram hukumnya. Ketika hal itu diekspose
oleh media massa baik cetak maupun elektronik akan menyebabkan
terjadinya penurunan drastis pada penjualan produk perusahaan yang
berpengaruh pada perusahaan laba perusahaan.
1.2.2. General market risk (risiko pasar secara umum)

General market risk ini di alami oleh seluruh perusahaan yang


disebabkan oleh suatu kebijakan yang dilakukan oleh lembaga terkait
yang mana kebijakan tersebut mampu memberi pengaruh bagi seluruh
sektor bisnis.

a) Foreign exchange risk yang merupakan bagian dari money


market (pasar keuangan). Jual beli valas ini memberikan
keuntungan dengan konsep pada perolehan angka selisih pada
saat harga beli dan harga jual. Pada pasar valas ini kita dapat
menggabungkan mata uang dalam dua bentuk kategori yaitu :
 Hard currencies (mata uang keras) mencakup mata uang
yang berasal dari Negara-negara yang memiliki tingkat
kestabilan moneter tinggi atau biasanya berasal dari Negara
maju dan sering berbagai pihak menjadikan mata uang Negara
tersebut sebagai ukuran dalam mengkonversikan dengan mata
uang negaranya.
 Soft curriencies ( mata uang yang lembut) adalah jenis mata
uang yang diterbitkan oleh suatu Negara namun jarang dipakai
sebagai standar acuan dalam transaksi pasar bisnis
internasional, dengan alasan dianggap belum memiliki nilai
kelayakan.
b) Interest rate risk / Risiko suku bunga adalah risiko yang di alami
akibat dari perubahan suku bunga yang terjadi di pasaran yang
mampu memberi pengaruh bagi pendapatan perusahaan. Untuk
pembahasan yang lebih dalam tentang interest rate risk ini dapat
dilihat pada bab khusus membahas tentang risiko suku bunga.
c) Commodity position risk / Risiko perubahan nilai komoditi
adalah suatu siuasi dan kondisi dimana terjadinya kerugian akibat
perubahan harga barang komoditi di pasar yang disebabkan oleh
faktor-faktor tertentu, dimana kondisi ini akan semakin parah pada
saat barang komoditi tersebut telah terikat kontrak dalam suatu
kontrak perjanjian (commodity contrack) serta informasi tersebut
telah sampai ke pasar.
d) Equity position risk / Risiko perubahan kekayaan adalah suatu
kondisi dimana kekayaan perusahaan (stock and share) mengalami
perubahan dari biasanyan sehingga perubahan tersebut memberi
dampak pada keuntungan dan kerugian karyawan.

e) Politic risk / Stabilitas politik adalah sesuatu sangat penting bagi


suatu Negara. Stabilitas politik menjanjikan terciptanya
pembangunan yang berkelanjutan, namun jika pemimpin dan pihak
terkait di suatu Negara tidak mampu menciptakan iklim kondusif
dalam bidang politik maka artinya seluruh pemimpin dan aparatur
di Negara tersebut tidak memiliki semangat kemimpinan.

1.3. METODE PENGUKURAN RISIKO PASAR : DEVIASI DAN VAR

1.3.1. Deviasi Standar

Jika kita membicarakan distribusi normal, 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.

 = deviasi standar

 = nilai rata-rata
Bagan di atas menggambarkan kurva normal yang berbentuk seperti
bel. Kurva tersebut berbentuk simetris, dimana 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 sebagai berikut ini.

E(R) = ∑ Ri / N
σ R2 = ∑ (Ri – E(R))2 / (N – 1)
σR = (σR2 ) ½

Contoh Soal :

Misalkan kita melakukan pengamatan tingkat keuntungan aset A dan B


selama 10 bulan terakhir. Tingkat keuntungan tersebut bisa dilihat pada
kolom (2) dan kolom (3) pada tabel.

Bulan Aset A (%) Aset B (%)


(RA-E(RA))2 (RB-E(RB))2
(1) (2) (3)
1 3 2 0,714025 4,6225
2 2 4 3,404025 0,0225
3 4,5 5 0,429025 0,7225
4 3 4 0,714025 0,0225
5 4 1,5 0,024025 7,0225
6 5,2 4 1,836025 0,0225
7 3,5 8 0,119025 14,8225
8 4,25 5 0,164025 0,7225
9 4 3 0,024025 1,3225
10 5 5 1,334025 0,7225
Rata –rata 3,845 4,15
Jumlah 8,76225 30,025
Varians =
0,973583 3,336111
Jumlah (N-1)

Tingkat keuntungan rata-rata untuk aset A adalah sebagai berikut :


E(RA) = ∑ Ri / N
= (3+2+4,5+3+4+5,2+3,5+4,25+4+5) / 10 = 3,845%
Perhitungan deviasi standar dimulai dari perhitungan varian. Varian
bisa dihitung sebagai berikut ini :

σR2 = ∑ (RA – E(RA))2 / (N – 1)


= ( 8,76225 ) / (10-1)
= 0,973583

σA = (0,973583)½
= 0,9867%

Dengan cara yang sama tingkat keuntungan rata-rata dan deviasi standar
untuk aset B bisa dihitung, dan hasilnya adalah :

E(RB) = 4,15%
σB = 1,8265%

Karena deviasi standar untuk aset B lebih besar dibandingkan aset A,


maka dapat dikatakan 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
σ R2 = ∑ pi (Ri – E(R))2
σR = (σ R 2 ) ½

1.3.2. 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)?’
bahwa kerugian perusahaan (karena pergerakan harga pasar yang
tidak menguntungkan) sebesar Rp 10 juta atau lebih. Dalam hal ini VAR
menjawab pertanyaan tersebut dengan memberikan nilai uang dari
kerugian tersebut (Rp 10 juta), dan besar kemungkinannya (5%).
1.3.2.1. 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.

Saham PT
Saham PT X Portofolio X dan Y
Y
(1) (2) (3) (4) (5)
Return Return Return Return Return
Hari (%) Hari (%) Hari (%) Hari (%) Hari (%)
1 1,86 7 -8,37 1 -1,96 1 -0,05 7 -6,11
2 -0,65 19 -2,77 2 2 2 0,67 1 -0,05
3 6,39 14 -1,79 3 7,84 3 7,12 6 -0,00095
4 2,11 2 -0,65 4 -1,81 4 0,15 4 0,15
5 3,51 20 -0,17 5 3,7 5 3,6 19 0,27
6 7,14 1 1,86 6 -7,14 6 -0,00095 2 0,67
7 -8,37 4 2,11 7 -3,84 7 -6,11 20 0,71
8 4,14 11 2,54 8 4 8 4,07 14 0,88
9 8,78 15 2,99 9 1,92 9 5,35 12 1,07
10 7,53 5 3,51 10 5,66 10 6,6 11 2,16
11 2,54 8 4,14 11 1,78 11 2,16 15 2,36
12 5,65 12 5,65 12 -3,5 12 1,07 17 3,33
13 8,79 3 6,39 13 1,81 13 5,3 5 3,6
14 -1,79 16 7,04 14 3,57 14 0,88 8 4,07
15 2,99 6 7,14 15 1,72 15 2,36 16 4,36
16 7,04 10 7,53 16 1,69 16 4,36 13 5,3
17 9,99 9 8,78 17 -3,33 17 3,33 9 5,35
18 9,47 13 8,79 18 3,44 18 6,46 18 6,46
19 -2,77 18 9,47 19 3,33 19 0,27 10 6,6
20 -0,17 17 9,99 20 1,61 20 0,71 3 7,12
Return dapat dihitung dengan cara :
Return = { [ P(t+1) – Pt) ] / Pt } x 100%
Di mana Pt = return pada hari t
Pt+1 = return pada hari t+1
Untuk perhitungan VAR, return akan diurutkan dari yang paling rendah
sampai pada yang paling tinggi seperti terlihat pada kolom (2).
Pada kolom (2) terlihat bahwa return terendah adalah -8,37% yang
terjadi pada hari ke-7. Sementara yang 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 1 miliar, maka
VAR 95% harian = - 8,38% x Rp 1 miliar = - Rp 83,78 juta
Maka dapat dikatakan “besok ada kemungkinan sebesar 5% kerugian
kita pada saham X sebesar Rp 83,78 juta atau lebih” atau “kita yakin
sebesar 95% bahwa kerugian kita besok tak lebih dari Rp 83,78 juta”

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 = (0,5x1,86)+(0,5x -1,96)
= 0,05%

Setelah diurutkan, hasil yang terendah adalah - 6,11%, maka


VAR 95% harian = - 6,11% x Rp 2 miliar
= Rp 122,2 juta

Metode historis mempunyai kelebihan yaitu tidak mengamsumsikan


distribusi tertentu dan sederhana. Namun ada juga kelemahannya
seperti asumsi bahwa data masa lalu bisa digunakan untuk
memperediksi masa datang. Tetapi metode tersebut mempunyai
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.

1.3.2.2. 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 Rp 1 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%. Distribusi
normal yang menggambarkan pergerakan aset tersebut bisa dilihat
pada gambar berikut ini
Bagan 2. Kurva Normal untuk Perhitungan VAR

M-1.65.STD 90% M+1.65.STD

-12,75 12% 36,75


0
Confidence
Interval

Terlihat bahwa rata-rata adalah 12% yang terletak di tengah-tengah


distribusi tersebut. 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

Jika kita mempunyai dua aset yang membentuk portofolio kita, maka
efek diversifikasi penting diperhatikan. Diversifikasi bisa mengurangi
risiko jika kolerasi return lebih kecil dari 1. sebagai contoh, misalkan
menggabungkan dua aset dengan karakteristik berikut ini :

Tabel data perhitungan VAR untuk Portofolio


A B
Return yang diharapkan 12% 14%
Standar deviasi 15% 18%
Nilai investasi Rp 20 M Rp 12 M
95% value at risk Rp 2,55 M Rp 2,3 M
Korelasi A dengan B 0,55

Nilai portofolio diatas adalah Rp 32 M. Tingkat keuntungan yang


diharapkan untuk portofolio adalah rata – rata tertimbang dari return
asset individualnya.

Return portofolio = Xa E(Ra) + Xb E(Rb)


= (20/32) x 12 + (12/32) X 14 = 12,75 %

Deviasi Standar Portofolio:


σp = [ XA22 + XB2B2 + 2 XAXB ab a b] ½

di mana P = deviasi standar (risiko) portofolio


A,B = deviasi standar return aset A dan B
AB = korelasi antar return aset A dan aset B
Untuk portofolio diatas, penyelesaiannya sebagai berikut :

σp = [ (20/32)2 (15)2 + (12/32)2 (18)2 + 2 (20/32) (12/32) (0,55) (15) (18) ] ½


= 14,25 %
VAR 95 % = 12,75 – 1,65(14,25) = - 10,76 %
VAR 95 % = - 10,76% X Rp 32 miliar = - Rp 3,44 miliar

VAR 95 % portofolio tersebut lebih kecil dibanding dengan penjumlahan


VAR untuk masing-masing aset ( Rp 4,85 miliar = Rp 2,55 miliar + Rp
2,3 miliar). VAR portofolio yang lebih kecil tersebut disebabkan adanya
efek diversifikasi yang bisa mengurangi risiko.

1.3.2.3. VAR dengan Simulasi Monte Carlo

Metode simulasi akan terbentuk distribusi tertentu, kemudian melalui


distribusi tersebut VAR dapat dihitung yang memerlukan sumber daya
computer yang lebih besar dibanding kedua metode sebelumnya.

Tingkat Keuntungan dengan Probabilitasnya


Tingkat
Probabilitas Probabilitas Kumulatif
keuntungan (%)
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 komulatif 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
komulatif adalah 100 angka (dari 0 sampai dengan 99), yang
mencerminkan total probabilitas yang berjumlah 1 (atau 5 angka seperti
terlihat diatas).

Tabel sampel simulasi Monte – Carlo


Angka Random Tingkat Keuntungan 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 komulatifnya 30-
54). Proses tersebut bisa diulang-ulang sampe 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 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

Distribusi diatas belum sepenuhnya normal. Jika kita melakukan run


lebih banyak lagi (misal 1.000 kali), maka sesuai dengan Central Limit
Theorem. Distribusinya akan mendekati atau menjadi distribusi normal.
Setelah kita mengetahui distribusinya, 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 M , maka VAR – 95%
harian adalah – 0,627% x Rp 1 M = - Rp 6,27 juta.

1.3.2.4. 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 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) ]

dimana: 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-pertimbagan,
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 4. Distribisi Perubahan Tingkat Bunga

Deviasi standar=1%

M-1.65.STD 90% M+1.65.STD

-1,65% 0% +1,65%

Pertama, kita bisa menghitung perubahan harga akibat kenaikan


tingkat bunga, sebagai berikut ini,
dP/P = – D [ dR / (1 + R) ] = – 5 [ 0,0165 / (1 + 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 Rp1 milyar, maka 95% VAR portofolio kita adalah:

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.

1.3.2.5. 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 sebagai berikut
ini.

VAR(n) = VAR(harian) x n

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.

VAR (5 hari) = Rp75 juta x 5


= Rp167,71 juta

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

1.4. MANAJEMEN RISIKO PASAR : DIVERSIFIKASI

Diversifikasi adalah pembentukan portofolio melalui pemilihan


kombinasi sejumlah aset tertentu sedemikian rupa hingga risiko dapat
diminimalkan tanpa mengurangi besaran return yang diharapkan.
Untuk melihat bagaimana diversifikasikan bisa mengurangi risiko , kita
mulai dengan bicarakan efek divesifikasi dengan kerangka statistic,
yang pertama dalam situasi asset indepeneden kemudian diteruskan
asset yang tidak independen.

1.4.1. Aset Independen

Misalnya portofolio dengan N asset yang independen satu sama lain.


Risiko asset diukur dengan standar deviasi, sehingga tingkat
keuntungan asset yang diharapkan dan risiko asset tersebut adalah

Tingkat keuntungan yang diharapkan = E(Ri) = (R1),…,(RN)


Risiko asset = i = 1,…,N
Misalkan asset tersebut mempunyai ukuran satu sama yang lainnya,
tingkat keuntungan yang diharapkan untuk portofolio tersebut dan
risikonya adalah

E(RP) = (1/N) R1 + ... + (1/N) RN


= (R1 + ... + RN) / N

P2 = (1/N)2 12 +…+ (1/N)2 N2 + 2 (1/N)(1/N) 12 +…+ 2 (1/N)(1/N) ij
dimana i ≠ j

E(Rp) = tingkat keuntungan yang diharapkan untuk portofolio


R1…N= tingkat keuntungan asset 1 sampai N
P2 = varians portofolio atau standar deviasi dikuadratkan
ij = kovarians antara saham i dengan j
N = jumlah asset

Karena asset tersebut independen satu sama lain, maka kovarians


antar asset sama dengan nol, maka
sP2 = (1/N)2 s12 + … + (1/N)2 sN2
sP2 = (1/N)2 ( s12 + … + sN2 )

Misalkan asset tersebut sama satu sama lainnya ( identically


distributed )
s12 = s22 = sx2 = s2

sehingga risiko portofolio dapat dituliskan seperti

sP2 = (1/N)2 (Ns12)


sP2 = (s2/N)

Risiko portofolio ( diukur melalui variansnya ) adalah varians asset


individual dibagi dengan jumlah asset. Hasil tersebut menunjukkan jika
N menjadi semakin besar, maka risiko portofolio akan semakin turun.
Jika N tidak terhingga ( N → ∞ ), maka risiko portofolio akan menjadi
nol. Dengan kata lain, portofolio ini mempunyai tingkat keuntungan
yang pasti ( tidak ada kemungkinan penyimpangan ).

Misalkan kita melakukan investasi di suatu asset.

Perhitungan Standar Deviasi


Tingkat
Probabilitas Keuntungan (Rp) Varians
Keuntungan
(1) (2) (3) = (1) x (2) (4) = (1) x ((3) - 475)2

A 0,25 200 50 18.906,25


B 0,5 500 250 312,5
C 0,25 700 175 12.656,25
1,00 475 31,875
Standar deviasi = 178,5357

Tabel yang menunjukkan efek diversifikasi ( asset independen ), risiko


denan satu asset, kemudian portofolio dimulai dengan 10 aset sampai
dengan jumlah asset yang tidak terhingga.

Risiko Risiko
Jumlah asset
(standar deviasi) ( varians )
1 178,5357 31.875
10 17,85357 3.187,5
100 1,785357 318,75
1000 0,178536 31,875
10000 0,017854 3,1875
100000 0,001785 0,31875
Tak terhingga 0 0

Jika asset independen satu sama lain, risiko akan cenderung nol jika
kita memperluas asset menjadi tidak terhingga jumlahnya.

1.4.2. Aset Yang Tidak Independen

Kembali ke permasalahan di muka, yaitu kita memunyai portofolio yang


terdiri dari N aset, tetapi aset tersebut berkaitan ( berkorelasi atau tidak
independen) satu sama lain. Kita ingin melihat tingkat keuntungan yang
diharapkan dan risiko dari portofolio tersebut. Sama seperti
sebelumnya, aset - aset tersebut mempunyai ukuran yang sama,
distribusi yang sama, dengan risiko yang sama.

Tingkat keuntungan dan risiko bisa dituliskan sebagai berikut:

E(RP) = (1/N) R1+…+(1/N)RN


=(R1+…+RN)/N
σ p 2 = (1/N)2 σ 1 2 +..+(1/N)2 σ n 2 + 2 (1/N)(1/N) σ12 +…+2(1/N)(1/N)
σ ij dimana I ≠J

Perhatikan bahwa karena aset-aset tersebut tidak independen satu


sama lain,maka ada kovarians atau korelasi antar aset. Karena itu,term
ke dua (yang memuat kovarians antar aset) tidak bisa
dihilangkan.Risiko portofolio dalam situasi adalah penjumlahan dari
varians setiap aset dengan varians antar aset.

Jika aset tersebut independen satu sama lain, kovarians akan sama
dengan nol. Risiko portofolio akan sama dengan formula risiko
portofolio dengan aset independen yang ada.

σ p 2 = [(1/N) σ i 2] + [((N-1)/N) σij]


1.4.3. Ilustrasi Risiko Yang Bisa dan Yang Tidak Bisa
Didiversifikasikan

Contoh risiko bisa didiversifikasi ( risiko tidak sistematis ) : Misalkan kita


memegang saham Astra kemudian pabrik Astra mengalami kebakaran
yang mengakibatkan penurunan keuntungan. Dengan demikian kita
megalami kerugian karena saham perusahaan mengalami penurunan.
Namun disisi lain kita juga mempunyai saham Indomobil sehingga kita
mempunyai portofolio dari saham Astra dan Indomobil. Berita buruk
Astra menjadi berita baik Indomobil. Pasokan Astra berkurang dan
Indomobil meningkat, dengan begitu kerugian saham di Astra bisa
dikompensasi oleh keuntungan dari Indomobil.

Contoh risiko yang tidak bisa didiversifikasi ( risiko sistematis ) :


Misalkan terjadi resesi perekonomian di Indonesia sehingga
permintaan terhadap produk-produk Indonesia melemah.
Menyebabkan penjualan mobil mengalami penurunan baik Astra
maupun Indomobil sehingga harga saham keduanya juga mengalami
penurunan, salah satu cara menurunkan risiko sistematis dalam situasi
tersebut adalah dengan memperluas aset dalam portofolio kita, misal
dengan memasukan asset dari luar negeri.
PERTANYAAN

1. Hitunglah tingkat keuntungan yang diharapkan, deviasi standar, dan


VAR 95% dari portofolio dibawah !

A B
Return yang diharapkan 12% 10,5%
Standar deviasi 10% 13%
Nilai investasi Rp 35 M Rp 17 M
95% value at risk Rp 2,55 M Rp 2,3 M
Korelasi A dengan B 0,55

Return portofolio = Xa E(Ra) + Xb E(Rb)


= (35/52) x 12 + (17/52) X 10,5 = 11,5 %

Deviasi Standar :
P = [(35/52)2(10)2+(17/52)2(13)2+2 (35/52)(17/52)(0,55)(10)(13)]½
= 9,66%

VAR 95% = 11,5 – 1,65(9,66)


= - 4.43%
VAR 95% = - 4,43% X Rp 52 miliar = - Rp2.303.600.000
Maka dapat dikatakan bahwa ada kemungkinan 5% portofolio tersebut
mengalami kerugian pada hari esok sebesar Rp 2,3 milyar atau lebih.
DAFTAR PUSTAKA

Mamduh, M. Hanafi, 2016, Manajemen Risiko (Edisi Ketiga), Yogyakarta:


UPP STIM YKPN
MAKALAH MANAJEMEN RISIKO SAP 5
METODE PENGUKURAN RISIKO PASAR DAN
MANAJEMEN RISIKO PASAR

Dosen Pengampu :
Dr. I. B. Anom Purbawangsa, SE., MM

Penyusun :
Geldy Mahantara Kristindo Katu
1506205108

FAKULTAS EKONOMI DAN BISNIS


JURUSAN MANAJEMEN
UNIVERSITAS UDAYANA
2018 - 2019