BAB 9

RISIKO PASAR

NAMA KELOMPOK :
Adhi Dhian Fajar Sakti (W100190004)
Bekti Wiji Lestari (W100190022)
Dian Islamiyati (W100190016)

UNIVERSITAS MUHAMMADIYAH SURAKARTA

SEKOLAH PASCASARJANA MAGISTER AKUNTANSI
RISIKO PASAR
Risiko pasar (market risk) adalah risiko pada laporan
posisi keuangan dan rekening administratif akibat
perubahan harga pasar, antara lain risiko berupa perubahan
secara keseluruhan dari kondisi pasar, termasuk risiko
perubahan harga opsi.
Empat faktor standar risiko pasar adalah risiko modal, 
risiko suku bunga, risiko mata uang, dan risiko komoditas.
Dalam bab ini akan dibahas mengenai pengukuran risiko
dengan Deviasi Standar (DS), kemudian tekni VAR, dan
teknik Stress-Testing
DEVIASI STANDAR (DS)
 Konsep deviasi standar, distribusi normal, nilai rata-rata menjadi landasan
bagi perhitungan Value At Risk (VAR).
 Semakin besar deviasi standar, semakin besar penyimpangan.
Penyimpangan dipakai sebagai indikator risiko.
Perhitungan deviasi standar

E(R)    =          SRi / N
sRt       =          S(Ri – E(R))2 / (N - 1)
sR          =          ( sR2 )1/2
Varians dinyatakan dalam unit kuadrat, varians diubah menjadi deviasi standar
atau akar kuadrat dari varians
SD (Ri) =
Tabel Tingkat Keuntungan Historis
Perhitungan
  deviasi standar dimulai dari perhitungan varian. Varian bisa dihitung
sebagai berikut ini :
 Asset a

sA2 = {(3 – 3,845)2 + (2 – 3,845)2 + ……+ (4 – 3,845)2 + (5 – 3,845)2}/(10 – 1)

= 0,973583
sA = = 0,9867%
 Asset b
sB2 = {(2 – 4,15)2 + (4 – 4,15)2 + ……+ (3– 4,15)2 + (5 – 4,15)2}/(10 – 1)
= 3,336111
sB = = 1,8265%

Karena deviasi standar untuk asset B lebih besar (1,8265%) dibandingkan deviasi
standar asset A (0,9867%), maka bisa dikatakan bahwa risiko B lebih besar
dibandingkan dengan risiko A.
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
pergitungannya dengan formula sebagai berikut :
 VAR portofolio = [ VARX2 + VARY2 + 2 x ρXY + VARx x VARY ]½
 Di mana : VARX = VAR ( Value At Risk saham X )
 VARY = ( Value At Risk saham Y )
 ρXY = korelasi return saham X dengan saham Y

 VAR port = [{83,78^2)+(71,43^2)+(2x0,089x83,78x71,43}]½

 = 114,83

Dengan demikian VAR 95% harian untuk portofolio tersebut adalah Rp.114,83
juta. Angka tersebut (Rp. 114,83 juta) berbeda sedikit dengan VAR yang
dihitung secara langsung (Rp. 122,2 juta).
Jika kita mempunyai dua asset yang membentuk portofolio kita, maka efek diversifikasi penting
diperhatikan. Diversifikasi bisa mengurangi risiko jika korelasi return lebih kecil dari 1. Sebagai
contoh, misalkan menggabungkan dua asset dengan karakteristik berikut ini
Tabel 9.4 Data Perhitungan VAR Untuk Portofolio
  A B
Return yang diharapkan (harian) 12% 10,5%
Standar deviasi 15% 18%
Nilai investasi Rp. 20 miliar Rp. 12 miliar
95% Value At Risk Rp. 2,55 miliar Rp. 2,3 miliar
Korelasi A dengan B 0,55  

Nilai portofolio total adalah Rp. 32 miliar (nilai E = 20 miliar + 12 miliar). Tingkat keuntungan
yang diharapkan untuk portofolio adalah rata-rata tertimbang dari return asset individualnya, yang
bisa dihitung berikut ini :
Return portofolio = XA E(RA) + XB E(RB)
= (20/32) x 12 + (12/32) x 14
= 11,44%
Deviasi Standar Portofolio untuk dua aset bisa dihitung sebagai berikut :
σP = { XA2. σA2 + XB2.  σB2 + 2. XA . XB .  ρAB . σA σB }1/2
dimana  σP                   = deviasi standar ( resiko ) portofolio
              σA’ σB            = deviasi standar return aset A dan B
              ρAB                     = korelasi antara return aset A dengan return aset B

σP = [(20/32)2 (15)2 + (12/32)2 (18)2 + 2 (20/32) (12/32) (0,55) (15) (18)]1/2

VAR 95% = 11,44 – 1,65 (14,25) = -12,07%
VAR 95% = -12,07% X Rp. 32 miliar = Rp. – 3,86 miliar

VAR 95% portofolio tersebut lebih kecil dibandingkan dengan penjumlahan

VAR untuk masing-masing asset (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.
VAR dengan simulasi Monte Carlo
Tingkat Keuntungan dengan Probabilitasnya

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.
 Tabel sampel simulasi Monte – Carlo

 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

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
Harga pasar sangat dipengaruhi oleh tingkat bunga. Jika tingkat bunga naik, harga
obligasi akan turun, dan begitu pula sebaliknya. Hubungan antara perubahan tingkat
bunga dengan nilai obligasi.
dP/P = -D {dR/(1+R)}
Dimana dP= Perubahan harga dR = Perubahan tingkat bunga
P = Harga obligasi R = tingkat bunga
D= Durasi obligasi

Misalkan portofolio obligasi mempunyai derasi 5. Tingkat bunga saat ini adalah 10%.
Kemudian diasumsikan peringkat tingkat bunga mengikuti distribusi normal. Analisis
lebih lanjut, berdasarkan data historis dan pertimbangan-pertimbangan, menujukkan
bahwa berubahan tingkat bunga harian yang diharapkan adalah 0%, dengan deviasi
standar perubahan tingkat bunga adalah 1%.
 Distubusi peruabahan tingkat bunga tersebut bisa digambarkan pada bagan
berikut ini:

Dengan melihat bagan diatas, Nampak bahwa perubahan tingkat bunga harian yang
diharapkan adalah 0%. Probabilitas perubahan tingkat bunga berada antara -16,5%
(turun sebesar 1,65%) dan +16,5% (meningkat sebesar 16,5%) adalah 90%.
Kenaikan tingkat bunga akan mempunyai efek negative terhadap protofolio
obligasi. Dengan menggabungkan informasi tersebut dengan model perubahan
harga obligasi diatas, dapat dihitung 95% VAR untuk portofolio obligasi.
dapat dihitung perubahan harga akibat kenaikan tingkat bunga
sebagai berikut:
dP/P = -D [dR / (1+R)] = -5 [0,0165 / (1+0,1)] = - 0,075

Jika tingkat bunga meningkat sebesar 1,65%, maka portofolio akan

turun nilainya sebesar 7,5%. Jika portofolio ini mempunyai nilai
sebesar Rp 1 miliar maka 95% VAR portofolio sebesar:

VAR 95% = -0,075 X Rp 1 miliar = Rp 75 juta

Dengan hasil tersebut, dapat dikatakan bahwa ada kemungkinan

sebesar 5% kerugian portofolio obligasi sebesar Rp 75 juta atau lebih.
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

Kembali kecontoh diatas dimana 95% -VAR harian untuk portofolio obligasi adalahRp 75
juta, 95% -VAR 5 hari bisa dihitung beriku tini:

VAR (5 hari) = Rp 75 juta x

= Rp 167,71 juta

Dengan demikian 95% VAR-5 hari adalahRp 167,71 juta.

STRESS-TESTING (Peristiwa Yng Ekstrem)
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 (missal dalam situasi krisis, asumsi yang biasa
berlaku barang kali tidak jalan lagi )
Tabel 9.8 Parameter Untuk Stress-Testing Oleh Swiss Bank Corp

Dari tabel di atas Nampak bahwa parameter yang akan di-stress.test

oleh Swiss Bank Corp adalah perubahan (shock) tingkat bunga
perubahan saham, perubahan valuta asing, dan peruabahan komoditas.
Parameter yang terpilih idealnya adalah parameter yang benar-benar
relevan dengan portofolio perusahaan.
 Tabel berikut ini menyajikan parameter yang disarankan oleh
Derivate Policy Group untuk di-setress-test, disertai dengan besaran
perubahan yang disarankan.
1. Pergerakan parallel yield curve naik atau turun sebesar 100 basis point (1%).
2. Kenaikan atau penurunan volatilitas sebesar 20% dari tingkat sekarang.
3. Kenaikan atau tingkat penurunan indeks saham sebesar 10%.
4. Kenaikan atau penurunan volatilitas indeks saham sebesar 20% dari tingkat
saat ini.
5. Kenaikan atau penurunan kurs mata uang asing sebesar 6% (untuk mata
uang keras) atau 20% untuk mata uang lunak.
6. Kenaikan atau penurunan volatilitas kurs sebesar 20% dari tingkat saat ini
7. Kenaikan atau penurunan spreed swap sebesar 20 basis points (0,25).
 Langkah berikutnya adalah melihat efek perubahan parameter
tersebut terhadap nilai portofolio. Tabel berikut menyajikan hasil stress-
test perubahan parameter yang dipilih.
Stress-test, 1 November 1997 Pengaruh terhadap $1 juta
Negara Parameter Perubahan Kenaikan Penurunan
Australia Pergeseran yield yang parallel 100 bps -0,209 1,129
Yield curve semakin menajam   -0,09 0,057
Fluktuasi tingkat bunga 20% 0,703 -0,809
meningkat 20% 0,824 -0,727
Mata uang depresiasi 10% 0,000 0,000
Indeks saham berubah 20% 0,000 0,000
Fluktuasi indeks saham
meningkat
Tabel diatas menunjukkan efek perubahan beberapa parameter terhadap
portofolio 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.
Efek perubahan parameter dalam beberapa situasi bersifat linier. Sebagai contoh,
misalkan eksportir Indonesia akan menerima kas sebesar $1 juta tiga bulan
mendatang. Eksportir tersebut akan memperoleh keuntungan jika rupiah melemah
terhadap dolar, dan sebaliknya.
Efek perubahan nilai rupiah tersebut bisa dilihat pada tabel berikut ini.
Kas ($) 1.000.000 1.000.000 1.000.000 1.000.000 1.000.000 1.000.000
Kurs (Rp/$) 8 9 10 11 12 13
Kas (Rp) 8 miliar 9 miliar 10 miliar 11 miliar 12 miliar 13 miliar

Perhatikan bahwa perubahan kaas (dalam Rp) bersifat linier, dariRp 8 miliar sampai
dengan Rp 13 miliar. Untuk perubahan linier tersebut, kita bisa melakukan interpolasi
dengan mudah. Sebagai contoh jika kurs rupiah menjadi Rp20.000/$ maka nilai kas
eksportir tersebut menjadi Rp 20 miliar.
Dalam beberapa situasi, efek perubahan parameter tidak bersifat
linier, tetapi non-linier, seperti tabel berikut.

  -6% -3% -2% -1% 0% 1% 2% 3% 6%

DM/$ 15,957 15,646 15,306 15,152 1,500 14,851 14,706 14,536 14,151
Laba/Rugi (1,14) (0,94) (0,74) (0,44) 0 0,57 1,27 2,08 4,87

Stress-testing perlu memperhatikan kemungkinan perubahan

hubungan antar variable dalam situasi ekstrim. Dalam situasi tersebut,
hubungan atau efek perubahan yang normal bisa berubah.
 BACK TESTING
Back testing adalah istilah untuk proses pengecekan apakah model
yang digunakan sudah sesuai dengan realita yang ada. Sebagai contoh,
jika menghitung 99% VAR-1 hari, dan memperoleh angkaRp 500 juta.
Back testing akan melihat seberapa sering kerugian yang dialami
perusahaan dimasa lalu yang melebihi Rp 500 juta. Jika menemukan
bahwa kerugian diatas Rp500 juta adalah sekitar 1% atau kurang,
maka dapat dikatakan bahwa model tersebut cukup bagus, sesuai
dengan kenyataan yang ada. Tetapi jika menemukan bahwa kerugian
diatas Rrp500 juta mencapai 10% dari total observasi, maka model
VAR tersebut diragukan, karena model tersebut tidak sesuai dengan
realita yang ada dan perlu diperbaiki