STATISTIK
DALAM
MANAJEMEN
RISIKO
@ STATISTIK UNTUK
PENGUKURAN RISIKO
Sebagaimana dipahami bersama, masa depan
bersifat tidak pasti. Oleh karena itu, metode
statistik dapat dipakai untuk melakukan estimasi
kemungkinan terjadinya peristiwa dimasa depan.
Tidak ada kepastian dalam estimasi statistik
karena masa depan tidak diketahui (unknown)
dan tidak dapat dipastikan (unknowable).
Data statistik tidak hanya digunakan untuk
mengetahui, akan tetapi yang lebih penting lagi
untuk digunakan sebagai dasar pembuatan
keputusan dalam upaya pemecahan masalah.
Metode statistik merupakan alat yang berguna
untuk melaksanakan estimasi perubahan faktor
risiko yang dapat mengakibatkan kerugian
finansial. Risiko finansial didefinisikan sebagai
estimasi perubahan faktor risiko yang dapat
mengakibatkan diperolehnya hasil yang tidak
diharapkan.
Estimasi probabilitas perubahan faktor risiko
biasanya didasarkan pada analisis historis atas
33yr
non iste baik
jah diketabe (H00H Pa), An stig gi tersedig
yang We babwa data bistoris mercy 1 init gtr
taktor risiko an bs is tidak terse, fata Yi par, dapay
unt ata histori 1 dat Yep:
implisit men; pan. Bila da n indikasi yang baik ter ing, mas
terhadap masa de porika dependen
ne! . i in’
dirasakan tidakakan ang ee suatu faktor risiko bersifat #
erubal
pe
statist
digunakan teknik . aa
7 ale ia a sehiNSBA per,
Asumsi lainnya ad} panaan dunia nyata sel
va.
sebelumny’ yeder! ini keakuratan hag)
terhadap porubahan S00 ene akan memengarul
Astumsiasumsi Gt terse
er
diingat bahwa penyedel
estimasi,
op RISIKO DI MASA
T
BW PERGERAKAN FAK .
DEPAN amaanuntukmenggambarkan
jgunakansebagaiPTUMP ON an sebagai contoh unt),
Harga pasar telah lazim digunakan nga pasar digun ur risiko perusahaan
Perubahan (change) faktor risiko. Harge Untuk menguku .
m bark: bahan faktor risiko. erlu dibuat skenario atas
Perubahan harg in terjadi dalam suat angdipilih untug
seluruh perubahan yang mungkin tet} entu dimasa depan yang
Horizon waktu adalah periode waktu hari atau mungkin beberapa tahun,
menyimulasikan perubahan, mungkin sat
: dari transaksi yan,
Pemilihan horizon waktu bergantung pada jatuh tempo
memunculkan risiko pasar. dalah pembuatan
Salah satu cara untuk menggambarkan perubahan harga adalah py
ee dua kemungkinan
Pohon binomial (binomial tree), Pada pohon binomial, hanyaada teas es sp
Pergerakan harga pasar sehingga probabilitas rate naik atau
persen,
> GAMBAR 5-1 Pohon Binomialpe ann sst euananasnsn es
33 va
sta
> GAMBAR 5-2 pistribusi Pohon Binomial
awerao
96 98 100 102 104
adalah 100. Setiap oe
t ini kurs USD
1 bulan.
sebagai contoh, saat
menunjukkan kemungkinan perubahan kurs dalam
diperoleh untuk periode empat bulan ditunjukkan dal
Terdapat 16 jalur yang berbeda untuk memperore
urs dalam horizon waktu empat bulan. Terdapat emp
bergerak dari 100 saat ini menjadi 102 empat bulan BY aa
probabilitas kurs akan mencapai 102 adalah sebesar 25 persen (4/16)- Lae
Dengan demikian, setiap perusahaan harus ‘mengelola eksposut
penetapan limit risiko yang didasarkan pada:
4, modal yang tersedia;
2. return on capital yang dihasilkan oleh suatu produk;
3, tingkat kepentingan suatu produk terhadap business plan perusahaani dan
‘L. kualitas dan pengalaman trader.
jemen risiko adalah distribusi
Jenis distribusi yang sering digunakan dalam manaj
normal.
i DISTRIBUS! NORMAL
Dalam ilmu statistik, ada beberapa Konsep pengukuran statistik, yaitu nilai
rata-rata (mean), modus, dan median. Nilat rata-rata merupakan suatu nilai
yang cenderung berada disekitar pusat distribusi, disebut juga ukuran tendensi
sentral.
"Mean adalah ukuran nilai rata-Tata dari sekumpulan angka Mean dihitung,
dengan: menambahkan seluruh angka dalam sekumpulan data, kemudian dibagi
dengan jumlah data. Misalkan data yang diperoleh adalah 5,10, 15, 6, nilai mean
adalah (5 + 10 +15 + 6)/4=36/4=9.
ee arcs ae eae a pe alo. sekumpulan data.
4,5, 5,5, 6, nilai modus adalah 5.5, 10,
yakar
erdap
Dari suatu penelitian, i
20,28 alah standares
15, 20,28. Hitungl st devi
ku
Ruadrat dari rata-rata
Pens ‘ |
: ang telah diurutkan
. Jan angka Ya" i
Median adalah nilai tengah dari sekU™PO ctolah gjurutkan dari yang
dipero ediannya adalah 5.
berdasarkan besarnya. Misalkan data yan6
terkecil hingga terbesar adalah 1, 2,3, 4/5: 67% ungan sebaran angie
Penyebaran (dispersi) merupakan ting" angka tertinggi dan
angka di sekiter Cea ange adalah sels ant ta dapat adalah
angka terendah dari sekumpulan angka. Misalkan data Y‘
5, 10, 15, 30, 50, range data tersebut adalah 50 - 5= 45. sanangka terhadap nilai
Standar deviasi (SD) adalah ukuran jaraksekumPuO menghitung
rata-rata dari sekumpulan angka tersebut. Nilai ini djukur : Be vt digunakan
deviasi setiap angka terhadap rata-ratanya. Standar deviasi ; He amie
untuk membandingkan tingkat dispersi relatif dari dua atau? er
data. Kumpulan data yang memiliki standar deviasi 2,9 dikatal a —
data yang lebih menyebar dibanding kumpulan data dengan standar Cevios!
2,30.
Karakteristik distribusi normal bermanfaat untuk digunakan dalam
mengestimasi risiko. Distribusi normal ini diperkenalkan oleh ahli matematika
Inggris keturunan Prancis bernama Abraham de Moivre tahun 1738. Alat ini
merupakan suatu alat yang kritis bagi peneliti untuk menghubungkan nilai
perkiraan dari sampel untuk menyimpulkan karakteristik populasi dengan
menggunakan pernyataan probabilitas, Karakteristik distribusi normal adalah
sebagai berikut.
1. Kurva distribusi normal berbentuk lonceng dan simetris sempurna.
2. Memiliki nilai mean, modus, dan median yang sama dan terletak di pusat
distribusi.i >GAMBAR 5-3 Kurva Distribusi Normal
“28D -1SD Mean 1SD 28D
3. Probabilit
persen,
i 4. Sekitar 68 persen dari sekumpulan angka akan berada antara -1 SD dan +1
SD, 95 persen akan berada antara -2 SD dan +2 SD, serta 99 persen akan
berada antara ~3 SD dan +3 SD.
suatu angka akan berada di kiri atau kanan rata-rata adalah 50
Misalkan seorang pedagang valas tidak memiliki pengetahuan yang
mendalam tentang pasar, kemudian diasumsikan keadaaan adalah sebagai
berikut
» Perubahan kurs terjadi secara acak dan dengan nilai yang sama.
= Peluang kurs akan bergerak naik atau turun adalah sebesar 50 persen.
Dari skenario tersebut, dapat diasumsikan bahwa pedagang valas tersebut
dapat mengharapkan:
«= Peluang untuk memperoleh keuntungam atau kerugian sebesar 50 persen.
» —# Rala-rata akan memperoleh keuntungan atau kerugian adalah sebesar nol.
= Enam puluh delapan persen hasil yang diperoleh akan berada di dalam 1
standar deviasi dari mean nol.
Skenario di atas memberikan gambaran suatu distribusi normal dengan mean
sama dengan nol. Untuk lebih jelas lihat kurva distribusi Gambar 5-3,
Distribusi X dan Y merupakan distribusi normal. SD distribusi X lebih besar
dibanding SD distribusi Y sehingga dapat disimpulkan data distribusi X lebih
menyebar dibanding data distribusi Y. Bentuk distribusi X akan lebih gemuk
dibandingkan dengan distribusi Y. Aplikasi bentuk kurva distribusi tersebut
dalam manajemen risiko adalah potensi return dan risk distribusi X lebih tinggi
dibanding distribusi Y.
Tantangan manajer risiko sebuah perusahaan yang paling besar adalah mengukur
risiko pasar secara konsisten di antara posisi risiko yang berbeda dan sensitifwel
anne Pe AML BARTON 4
instrumen
tap imi,
ater iho
mactanya model VaR, limit ristho ditetaph' gat
yang dapat dipelihara sehingga sulit mengevalu yan
Sulit untuk menilai mana di antara dua limit be
Karena limit keduanya dinyatakan dalam satuan Ye"
haat
1. Maksimum boleh memelihara 500 saham pert" "pith
2. Maksimum boleh memelihara 200 obligasi ya"
Zaki.
n
pat dip”
terhadap sejumlah harga pasar. Tujuan ini dapat
risk (VaR), jebih besar
atk
va di)
imit biasany?
Dengan menggunakan limit VaR. limit bias?!
uang seperti berikut:
Posisi sham diberikan limit ris ar
obligasi. at distribust
Model VaR mengukur risiko dengan meat eth P
mungkin terjadi selama periode waktu tertentu .
: rahap. asar da
Perusahaan. Distribusi dibuat melalui p: ane Terai dibuat berdasar data
Pertama, distribusi harga pasar yang mun; Jah meng!
historis. Faktor utama pembuatan distribusi adalah VTE car tethadap
historis, yaitu ukuran seberapa jauh deviasi peruba! “a per tahun. Volatilitas
‘ata-rata. Volatilitas biasanya dinyatakan dalam POST To hon harga pasar
historis digunakan sebagai input model untuk simulsi P
di masa mendatang. nny
Kedua, merevaluasi setiap posisi rsiko i
harga pasar untuk membuat distribusi venekat kerugian yang sesuai dengan
Dari distribusi tersebut, dapat diperteh ing at ke sara
“eh vang diharapk sahaan.
i oaae creta eeaeee sekitar3SD
Tingkat. Keyakinanyang diminta Basel adal f Ps . = 99,7 perseny,
dari rata-rata (3 SD sebenarnya menunjukkan tingkat =e a ‘ e sen)
Analisis selanjutnya diulang untuk seluruh posisi risiko dan seluruh nilainya
dijumlahkan untuk memperoleh total VaR perusahaan. :
Terdapat tiga variabel utama metode value at risk, yaitu:
1. Jumlah data historis yang digunakan dalam perhitungan volatilitas sesuai
dengan Basel minimal satu tahun meski bank boleh menggunakan periode
yang lebih panjang asalkan konsisten.
2 Horizon waktu sesuai dengan Basel, yaitu 10 hari, meski banyak bank
yang menghitung Daily VaR (DVaR) dan kemudian mengonversi nilainva
menjadi 10 hari.
3. Tingkat keyakinan yang ditentukan oleh Basel adalah 99 persen,
erugian yang
ang dimiliki
pitung Volatilitas
ngan menggunakan
an nilai seluruh pssansic ava ee
»
RANGKUMAN
Model VaR mengukt
statistik dapat di r . me yang
eee ae eaten rent ole
jn tejadi selama fe
munculnya suatu kejadian di masa oe ‘tentu untuk setiap Posts!
depan.
g aimilki perusahean-
yan
» Dalam distribusi normal, biasanya
ukuran mean, modus, median, range,
dan standar deviasi digunakan.
ISTILAH PENTING
statistik
Modus value at risk
Range
KAN
Bf PERTANYAAN UNTUK DIDISKUSIKAN
1. Jelaskan apa yang dimaksud dengan mean, median, dan modus.
2. Jelaskan apa yang dimaksud dengan value at visk.
3, Jelaskan variabel apa saja yang dipakai beste
4, Jelaskan apa dasar perusahaan mengelola risik0
5. Dari sebuah coon didapat data sebagai berkut: 25, 30. on
Dati data ini, hitunglah:
a. mean;
b. median;
c. modus;
d. range; dan
e. standar deviasi.
50, 60, 80, 100.