Nama : Hanifa It’takillah

NPM : C1C019155
Kelas : 5E
Mata Kuliah : Manajemen Risiko

RISIKO PASAR

Risiko pasar muncul karena harga pasar bergerak dalam arah yang merugikan organisasi.
Pada bab ini akan membahas lebih lanjut mengenai teknik pengukuran risiko pasar
dengan menggunakan deviasi standar, 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.
 Konsep deviasi standar, distribusi normal, nilai rata - rata menjadi landasan bagi
perhitungan Value At Risk.

 Kurva normal

 =deviasi

Standar

 nilai rata-rata

 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
E(R) =  Ri/ N
 Rt =  (Ri – E(R))2 / (N -
 1) (  R2 )1/2
R =
 Tabel 9.1 Tingkat keuntungan historis

Bulan Aset A (%) Aset B (%)

(1) (2) (3) R
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)
VAR ( VALUE AT RISK )
 Misal jika besok adalah hari yang jelek, berapa besar ( nilai rupiah ) dan berapa
besar kemungkinan ( probabilitas ) kerugian yang bisa dialami perusahaan besok
( atau beberapa hari mendatang ), jawabannya besok ada kemungkinan sebesar 5%
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% )
 Teknik perhitungan VAR bisa menggunakan metode historis, metode analitis dan
simulasi Monte-Carlo.

1. VAR Metode Historis ( Back Simulation

)
 Return dapat dihitung dengan cara

Return = {[P(t+1) – Pt)] / Pt}*100%

Dimana Pt = return pada hari t

Pt+1 = return pada hari
 t+1
 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.

 VAR portofolio = [ VAR

X
2
+ VAR
Y
2
+ 2 xXYP X VAR
X VAR
Y ]
1/2

VAR x = VAR (value at risk

saham X) VARy = VAR (value at
risk saham Y)
Pxy = korelasi return saham X dengan saham Y
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. Kemudian dapat dihtung nilai yang diharapkan
( misal rata – rata ) dan penyimpangan dari nilai yang diharapkan. VAR dapat
dihitung dengan parameter yang dideduksi ( diambil ) dari distribusi ( nilai yang
diharapkan dan penyimpangan )
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

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 10,5 =
11,44 %
Deviasi Standar Portofolio:
 p =A X 2 2 + XB2 B2 + 2 XAXB Tab  a  b] ½
 p = deviasi standar poryofolio
 a b devaluasi standarmaset A dan B
 Tab = korelasi antar return aset A dan aset B

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 disbanding kedua etode sebelumnya.
4. Tingkat Keuntungan dengan Probabilitasnya
5.
Tingkat keuntungan (%) Probabilitas Probabilitas 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
6.
7. 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).
8.
9. Tabel sampel simulasi Monte – Carlo
10.
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.
11. Pemodelan VAR
 Hubungan antara perubahan tingkat bunga dengan nilai obligasi
dP/P = -D {dR/(1+R)}
Dimana dP = Perubahan harga
P = Harga obligasi
D = Durasi obligasi
dR = Perubahan tingkat bunga
R = tingkat bunga

12. VAR untuk periode yang lebih panjang

 Misal untuk melikuidasi posisi portofolio, waktu satu hari tidak cukup.
Memerlukan waktu, misal 5 hari. Padahal kita menghitung VAR dengan
menggunakan periode harian. Dalam situasi demikian VAR harian harus
dikonversi menjadi VAR 5 hari.

Dengan menggunakan rumus

VAR(n) = VAR(harian) x

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
 Misalkan jika peristiwa ekstrim terjadi, bagaimana pengaruh dengan
organisasi atau portopolio ? sebagai contoh Rusia default, bagaimana efeknya
terhadap portopolia ? untuk melakukan stress-testing, manajer memilih parameter
kemudian melihat ( mengukur dan mensimulasikan ) bagaimana pengaruh
perubahan parameter tersebut.
Parameter tersebut dapat bervariasi mulai dari kenaikan tingkat bunga ( 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 )

Tabel contoh hasil Stress – Testing

Stress Test , 1 November 1997 Pengaruh terhadap $ 1 juta

Negara Parameter Perubahan Kenaikan Penurunan
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.

BACK TESTING
 Back testing adalah istilah untuk proses pengecekan apakah model yang
digunakan sudah sesuai dengan realita yang ada.

Kesimpulan :
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.