A. Deviasi Standar
= deviasi standar
= nilai rata-rata
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.
σA = (0,973583)½
= 0,9867%
Dengan cara yang sama tingkat keuntungan rata-rata dan deviasi standar untuk aset B
dapat dihitung sebagai berikut:
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. Adapun jika kita
menggunakan probabilitas, maka deviasi standar bisa dihitung dengan formula sebagai
berikut:
E(R) = ∑ pi Ri
o R 2 = ∑ pi (Ri – E(R))2
σR = (σ R 2 ) ½
VAR mengembangkan lebih lanjut konsep kurva normal seperti yang telah
dibicarakan sebelumnya, 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%).
Saham PT Y
Saham PT X Portofolio X dan Y
Dengan demikian VAR 95% return harian bisa dihitung melalui batas bawah
dimana wilayah sebesar 5% dari ujung paling kiri akan diperoleh, sebagai berikut ini.
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
Tingkat keuntungan
Probabilitas Probabilitas Kumulatif
(%)
3 0 0,1 10-19
6 1 0,15 54-69
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
Tingkat Frekuens
Keuntungan i
-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 :
F. 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) ]
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:
Deviasi
standar=1%
-1,65% 0% +1,65%
Pertama, kita bisa menghitung perubahan harga akibat kenaikan tingkat bunga,
sebagai berikut ini,
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:
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:
VAR (5 hari) = Rp75 juta x 5
= Rp167,71 juta
Jadi dengan demikian 95% VAR-5 hari adalah sebesar Rp167,71 juta.
Kesimpulan:
Metode pengukuran risiko pasar terdiri dari deviasi dan VaR. Deviasi standar dipakai untuk
menghitung penyimpangan dari nilai rata-rata. Semakin besar deviasi standar, maka semakin
besar penyimpangannya. Sementara VaR adalah alat prediksi yang digunakan untuk mencegah
manajer melakukan keputusan yang melebihi toleransi risiko yang telah dikembangkan dalam
kebijakan perusahaan. Beberapa metodologi VaR yang tersedia, masing-masing memiliki
kelebihan dan kekurangannya sendiri sehingga perlu disesuaikan lagi dalam penggunaannya agar
memperoleh hasil/manfaat sesuai yang diharapkan.