Pendahuluan
A. Latar Belakang
Risiko sistematis sering diistilahkan dengan risiko pasar (market risk). Hal ini
dikarenakan market risk mempunyai pengaruh terbesar untuk saham. Risiko ini terjadi
akibat fluktuasi kondisi pasar dimana harga dari surat-surat berharga sangat berfluktuasi
melebihi dari perkiraan yang wajar. Hal ini berhubungan erat dengan perubahan harga
saham jenis tertentu atau kelompok tertentu yang disebabkan oleh antisipasi investor
terhadap perubahan tingkat pengembalian yang diharapkan (expectation return). Untuk
mengetahui sumbangan suatu saham terhadap risiko portofolio yang didiversifikasi dengan
baik, tidak bisa dengan melihat seberapa besar risiko saham tersebut apabila dimiliki
secara terpisah, tetapi harus dengan mengukur risiko pasarnya dan ini akan mendorong
untuk mengukur kepkaan saham tersebut terhadap perubahan pasar.
B. Rumusan Masalah
Berdasarkan latar belakang di atas perlunya memahami definisi dan metode dalam
pengukuran resiko pasar dengan memperhatikan potensi kerugian yang disebabkan oleh
perubahan harga-harga pasar akibat pergerakan sektor riil.
C. Tujuan Penulisan
Tujuan dari penulisan makalah ini adalah mengerti tentang metode pengukuran risiko
pasar.
1
Risiko Pasar
2
Foreign exchange risk yang merupakan bagian dari money market (pasar keuangan).
Saat ini aktivitas perdagangan di foreign exchange mengalami peningkatan yang signifikan
di berbagai Negara di dunia. Keterlibatan dan ketertarikan banyak pihak untuk ikut dalam
bisnis foreign exchange ini telah menciptakan dinamika bisnis dengan tingkat perputaran
yang tinggi.
Pada pasar valas ini kita dapat menggabungkan mata uang dalam dua bentuk kategori
yaitu :
1. Hard currencies
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.
2. Soft curriencies
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 pengauh 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
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
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 pening bagi suatu Negara. Stabilitas politik
menjanjikan terciptanya pembangunan yang berkelanjutan, namun jika pemimpin dan
3
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. Jika kondisin ini terus terjadi maka yang terjadi adalah krisis
kepemimpinan. Krisis kepemimpinan akan berakibat pada pencarian kepemimpinan di luar
lembaga resmi, yaitu memungkinkan orang-orang yang berasal dari masyarakat atau
oposisi akan muncul sebagai pemimpin dan berusaha mengambil alih kepemimpinan.
4
standarnya. Dengan dua parameter tersebut, kita bisa melakukan banyak hal seperti
menghitung probabilitas nilai tertentu.
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.
Perhitungan deviasi standar bisa digunakan formula sebagai berikut ini.
E(R) = ∑ Ri / N
σR2 = ∑ (Ri – E(R))2 / (N – 1)
σR = (σR2 ) ½
5
VARnya. Bagian berikut ini menjelaskan lebih lanjut perhitungan dengan masing-masing
teknik tersebut.
6
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%. Distribusi normal yang menggambarkan pergerakan
aset tersebut bisa dilihat pada gambar berikut ini
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 :
7
Tabel data perhitungan VAR untuk Portofolio
A B
Return yang diharapkan 12% 10,5%
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
8
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 100 (atau 5
angka seperti terlihat diatas).
9
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.
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
10
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 :
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.
11
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 Ön
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 Ö5
= Rp167,71 juta
Dengan demikian 95% VAR-5hari adalah Rp167,71 juta.
Stress-Testing
VAR menjawab beberapa besar kerugian yang bisa dialami dan berapa besar
kemungkinan, tetapi VAR tidak bisa mendektesi peristiwa ekstrim karena probabilitas
sangat kecil.
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).
Secara spesifik, langkah – langkah stress-testing :
1. Mengidentifikasi dan memilih parameter yang diperkirakan akan berubah
2. Menentukan seberapa besar parameter tersebut akan dirubah ( Di-stress )
3. Melihat pengaruh stress-testing tersebut terhadap nilai portopolio
4. Melihat asumsi yang digunakan, merubah asumsi tersebut jika diperlukan ( misal
dalam situasi krisis, asumsi yang biasa berlaku barangkali tidak jalan lagi )
12
Australia Pergeseran yield yang pararel 100% -0,209 1,129
Yield curve semakin menajam -0,009 0,057
Fruktuasi tingkat bunga meningkat 20% 0,703 -0,809
Mata uang depresiasi 20% 0,824 -0,727
Indeks saham berubah 10% 0,000 0,000
Fluktuasi indeks saham meningkat 20% 0,000 0,000
Tabel diatas menunjukkan efek perubahan beberapa parameter terhadap porofolio senilai $
1 juta. Sebagai contoh, jika yield atau tingkat bunga meningkat 1%, maka portofolio
mengalami kerugian sebesar - $0,209 juta. Jika tingkat bunga turun 1% , maka portofolio
menghasilkan keuntungan sebesar $1,129 juta.
Meskipun stress test nampaknya mudah, tetapi stress-test 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
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.
13
Kesimpulan
Bentuk-bentuk risiko pasar secara umum antara lain general market risk (risiko
pasar secara umum) dan specific market risk (risiko pasar secara spesifik). Suatu bentuk
risiko yang hanya di alami secara khusus pada satu sector atau sebahagian bisnis saja
tampa bersifat menyeluruh. Risiko pasar adalah risiko terjadinya penurunan harga pasar
sehingga kita akan mengalami kerugian. Pengukuran risiko pasar bisa dilakukan dengan
deviasi standar yang praktis dan merupakan cikal bakal teknik berikutnya yaitu VAR
(Value At Risk). VAR merupakan teknik pengukuran risiko pasar yang semakin popular.
Ada beberapa cara untuk menghitung VAR data historis, analitik, dan simulasi. VAR
mempunyai kelemahan karena tidak bisa melihat kondisi ekstrim. Street-test bisa
digunakan untuk melihat pengaruh situasi ekstrim terhadap portofolio kita.
14
Daftar Pustaka
1. Hanafi, Mamduh M., 2009, Manajemen Risiko, Edisi Kedua, UPP STIM YKPN (A)
2. http://tugaskuliahanakmenej.blogspot.com/2011/12/risiko-pasar-manajemen-
risiko.html
3. http://ircboy.wordpress.com/2011/06/25/risiko-pasar-market-risk/
4. http://digilib.unimed.ac.id/public/UNIMED-Undergraduate-23217-708221081%20Bab
%20I.pdf
5. http://managemenresiko.wordpress.com
15