risiko pasar
DESCRIPTION
tugas mata kuliah manajemen risikoTRANSCRIPT
Manajemen Risiko
Risiko Pasar
Oleh:
Kelompok 3
A.A Hastya Priyamedha (1306205110)
I Gde Reza Rizky Margana (1306205130)
M Ryno Yanuar Daeng Malino (1306205142)
I Putu Eddy Pratama Putra (1306205149)
I G.N. Gede Surya Laksana (1306205166)
Fakultas Ekonomi dan Bisnis
Universitas Udayana
Tahun 2016
Definisi dan Ilustrasi Risiko Pasar
Risiko pasar merupakan kondisi yang dialami oleh suatu perusahaan yang disebabkan
oleh perubahan kondisi dan situasi pasar di luar dari kendali perusahaan. Risiko pasar sering
disebut juga sebagai risiko yang menyeluruh, karena sifat umumnya adalah bersifat
menyeluruh dan di alami oleh seluruh perusahaan. Contohnya krisis ekonomi dunia
tahun1930-an, krisis ekonomi Indonesia 1997 dan 1998, coupd’tat yang terjadi di Filipina
padasaat presiden Marcos di ambil alih oleh kekuatan People Power hingga Corazon
Aquinomenjadi presiden, Amerika Serikat pada kasus Subrime Mortgage 2007, Thailand
pada saatBank Sentral Thailand melakukan devaluasi Bath yang menyebabkan terjadinya
kegoncangan pada ekonomi Thailand secara keseluruhan, perang Teluk yang menyebabkan b
eberapa Negara di kawasan Timur Tengah seperti Irak dan Kuwait mengalami kegoncangane
konomi, dan berbagai kasus yang menyeluruh lainnya
Investopedia mengatakan risiko pasar adalah kemungkinan investor mengalami
kerugian diakibatkan faktor yang mempengaruhi kinerja pasar keuangan secara keseluruhan.
Risiko pasar juga biasa disebut systematic risk tidak bisa dihilangkan melalui diversifikasi.
Jenis-Jenis Risiko Pasar
Risiko pasar secara umum ada 2 (dua) bentuk yaitu :
1. General market risk (risiko pasar secara umum)
General market risk ini di alami oleh seluruh perusahaan yang disebabkan oleh suatu
kebijakan yang dilakukan oleh lembaga terkait yang mana kebijakan tersebut mampu
memberi pengaruh bagi seluruh sektor bisnis.Contohnya pada saat bank sentral suatu Negara
melakukan kebijakan tight money policy (kebijakan uang ketat) dengan berbagai
instrumennya seperti menaikkan suku bunga BI rate. Dimana kebijakan menaikkan BI rate ini
akan membawa pengaruh secaramenyeluruh pada seluruh sektor bisnis yang berhubungan
dengan interest rate related instrument (berbagai instrument yang berhubungan dengan suku
bunga). Bahwa salah satu pihak yang saling urgen dianggap langsung berhubungan dekat
dengan interest rate related instrument adalah perbankan.
Dengan begitu mereka mengambil kredit dan mendepositokan sejumlah uangnya ke
bank. Contoh pada saat BI rate dinaikkan maka suku bunga kredit diperbankan akan
mengikuti kondisi tersebut yaitu turut menaikkan suku bunga kredit, terutama jika perbankan
tersebut menerapkan perhitungan bunga secara sliding rate. Perhitungan berupa kredit secara
sliding rate adalah hitungan pada pembebanan bunga terhadap nilai pokok pinjaman akan
mengalami penurunan dari setiap bulan ke bulan berikutnya, yang mana ini disesuaikan
dengan menurunnya besar nilai dari pokok pinjaman sebagai efek dari adanya pembayaran
cicilan pokok pinjaman yang dilakukan oleh seorang debitur.
Ada beberapa sebab yang menimbulkan terjadinya general market risk (risiko pasar
secara umum) yaitu :
a. Foreign exchange risk
Sejarah awal terjadinya foreign exchange ini berangkat dan diterapkannya sistem
floating exchange rate system pada tahun 1970-an. Sehingga sejak saat itu kondisi mata uang
di dunia telah terintegrasi dalam satu bentuk pasar dimana secara khusus kita dapat melihat
bahwa penerapan sistem tersebut memungkinkan banyak pihak bias ikut terlibat bermain
dalam pasar valas (valuta asing). Jual beli valas ini memberikan keuntungan dengan konsep
pada perolehan angka selisih pada saat harga beli dan harga jual.
Pada pasar valas ini kita dapat menggabungkan mata uang dalam dua bentuk kategori
yaitu :
a) 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.Contohnya USD/JPY atau dollar Amerika dengan Yen Jepang,
USD/EUR atau dollar Amerika dengan Euro, dan sebagainya.
b) 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.
Adapun pengertian commodity position risk dalam perspektif perbankan Masyhud Ali
mengatakan Commodity position risk adalah risiko terjadinya potensial kerugian bagi bank
sebagai akibat dari perubahan yang memberi pengaruh buruk dari commodity price terhadap
posisi bank yang terkait dengan kontrak komoditas. Lebih jauh Masyud Ali memberi contoh
pada perbankan adalah “dimana kerugian yang diderita oleh investment bank yang
melakukan trading atau commodity derivative product sebagai akibat dari terjadinya volatility
atas harga dari suatu commodity tertentu.
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 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 kondisi 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.
2. Specific market risk ( risiko pasar secara spesifik)
Specific market risk adalah suatu bentuk risiko yang hanya dialami secara khusus pada
satu sektor atau sebagian bisnis saja tanpa bersifat menyeluruh. Contohnya :
a) Pengumuman yang dikeluarkan oleh suatu lembaga penilai dimana lembaga
penilai tersebut memiliki reputasi yang baik dan diakui oleh publik. Bahwa
mereka mengumumkan PT.XYZ memiliki kinerja yang rendah dan memiliki
utang yang besar serta laporan yang dipublikasikan selama ini kepada publik
tidak sesuai dengan sebenarnya. Sehingga atas berita tersebut saham dan
obligasi perusahaan tersebut langsung jatuh. Dan jatuhnya saham serta obligasi
perusahaan tersebut tidak diikuti oleh perusahaan lain
b) Salah satu perusahaan dimana pihak manajemen atau komisaris perusahaan
terlibat tindak kriminal yang luar biasa dan diekspose oleh berbagai media.
Sehingga opini publik telah terbentuk bahwa perusahaan tersebut tidak baik dan
jelek
c) Produk yang dijual oleh perusahaan tersebut dianggap mengandung bahan yang
berbahaya atau bersifat haram. Contoh suatu produk makanan yang
mengandung lemak babi. Secara islam makanan yang mengandung lemak babi
haram hukumnya. Ketika hal itu diekspose oleh media massa baik cetak
maupun elektronik akan menyebabkan terjadinya penurunan drastis pada
penjualan produk perusahaan yang berpengaruh pada perusahaan laba
perusahaan.
Metode Pengukuran Risiko Pasar
Terdapat 2 metode yang digunakan untuk mengukur risiko pasar yaitu:
A. DEVISIASI STANDAR
Jika kita membicarakan distribusi normal, maka kita hanya memerlukan dua
parameter yaitu nilai rata-rata (atau disebut juga sebagai nilai yang diharapkan) dan devisiasi
satndarnya. Distribusi normal, devisiasi standar, dan nilai rata-rata bisa digambarkan sebagai
berikut:
σ =
devisiasi standar
µ = nilai rata-rata
Bagian di atas mengambarkan kurva normal yang berbentuk seperti bel, kurva
tersebut berbentuk simetris, dimana sisi kanan merupakan cerminan sisi kiri Devisiasi standar
dipakai untuk menghitu penyimpangan dari nilai rata-rata. Semakain besar devisiasi standar,
semakin besar penyimpangan. Penyimpangan sebagai indikator risiko. Semakin besar
penyimpangan, semakin besar risiko.
Perhitungan devisiasi standar bisa digunakan formula berikut ini.
E(R) = ∑Ri / N
.σ R2 = ∑(Ri – E(R)¿2/ (N-1)
σ R❑ =(σ ¿¿R2)¿ 1/2 misalkan kita melakukan pengamatan tingkat keuntungan aset A dan B
selama 10 bulan terakhir. Tingkat keuntungan rata-rata untuk aset A adalah berikut ini.
E(R¿¿ A)¿ = (3+2+4,5+ …….. + 4+5 /10 = 3,845%
Perhitungan devisiasi standar dimulai dari perhitungan varian. Varian bisa dihitung sebagai
beirkut ini. σ A2 = ( (3-3,845¿2 + (2-3,845¿2+…….+ (4-3,845¿2 + (5-3,845¿2) / (10-1)
= 0,973583
= √0,973583 = 0,9867%
Tabel Tingkat Keuntungan Historis
bulan (1) Aset A (%) (2) aset B (%) (3) (RA – E (RA)¿2 (RB – E (RB)¿2 1 3 2 0,714025 46,2252 2 4 3,404,025 0,02253 4,5 5 0,429025 0,72254 3 4 0,714025 0,02255 4 1,5 0,024025 70,2256 5,2 4 1,836,025 0,02257 3,5 8 0,119025 148,2258 4,25 5 0,164025 0,72259 4 3 0,024025 13,22510 5 5 1,334,025 0,7225
Rata- Rata 3,845 4,15 Jumlah 876,225 30,025
varian= Jumlah / (N-1) 0,973583 3,336,111
Dengan cara yang sama tingkat keuntungan rata-rata dan devisiasi standar untuk aset B
dihitung, dan hasilnya adalah : E(R¿¿ B)¿ = 4,15%
σ B❑ = = √3,336111 = 1,8265%
Karena devisiasi standar untuk aset B leih besar dibandingkan devisiasi standar A,
maka kita bisa mengalahkan bahwa risiko B lebih besar dibandingkan dengan risiko A
Jika kita menggunakan probabilitas, maka devisiasi standar bisa dihitung dengan
formula sebagai berikut:
E(R) = ∑pi Ri
σ R2 = ∑pi (Ri – E(R)¿2
σ R❑ = (σ R2 ¿1 /2
Misalkan kita memperkirakan tingkat keuntungan investasi A dan B tahun depan. Kita
memperkirakan ada tiga skenario kondisi ekonomi tahun depan, yaiutu baik, sedang dan
jelek. Tingkat keuntungan berdsarkan ketiga kondisi tersebut adalah sebagai berikut.
Tingkat keuntungan yang diperkirakan di masa mendatang
kondisi ekonomi (1) probabilitas (2)
tingkat keuntungan A
(%)
tingkat keuntungan B
(%)baik 0,3 5 2
sedang 0,4 3 1,5jelek 0,3 2 1 1
E® = 2,10 1,50
Varian
= 7,89 0,15
Devisiasi Standar
= 2,808,914 0,387298
Tabel diatas menunjukan ada tiga skenario ekonomi tahun denpan yaitu
baik,sedang,jelek. Probabilitas untuk masing-masing skenario adalah 0,3 0,4 dan 0,3. Tingkat
keuntungan untuk aset A dan B bisa dilihat pada kolom (3) dan (4) perhitungan tingkt
keuntungan dan devisiasi standar untuk aset A bisa dilihat berikut ini.
E(R¿¿ A)¿ = 0,3 (5) + 0,4 (3) + 0,3 (-2) = 2,10%
σ A2 = 0,3 (5-2,10¿2 + 0,4 (3-2,10¿2 + 0,3 (2-2,10¿2 = 7,89
σ A❑ = √7,89 = 2,809%
Untuk aset B, perhitungan yang sama bisa dilakukan , dan hasilnya adalah E(R¿¿B❑)¿ = 15
% dengan σ B❑ = 0,38% karena devisiasi standar untuk A lebih besar dibandingkan devisiasi
standar B. kita mengatakan risiko A lebih besar dibandingkan dengan risiko B.
B. VAR (Value At Risk)
Teknik perhitungan VAR bisa menggunakan metode historis, analitis, dan simulasi Monte-
Carlo. Metode historis menggunakan data historis (data masa lalu) untuk menghitung VAR.
Metode analitis menggunakan model tertentu untuk mengestimasi VAR. VAR Monte-Carlo
menggunakan simulasi untuk perhitungan VAR-nya. Berikut ini menjelaskan lebih lanjut
perhitungan dengan masing-masing teknik.
1. 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.
Saham PT X Saham PT Y Portofolio X dan Y
(1) (2) (3) (4) (5)
Har
i Return (%) Hari Return (%) Hari Return (%) Hari Return (%) Hari Return (%)
1 1,86 7 -8,38 1 -1,96 1 -0,05 7 -6,11
2 -0,65 19 -2,77 2 2 2 0,67 1 -0,05
3 6,4 14 -1,79 3 7,84 3 7,12 6 -0,00095
4 2,12 2 -0,65 4 -1,81 4 0,15 4 0,15
5 3,51 20 -0,18 5 3,7 5 3,6 19 0,28
6 7,14 1 1,86 6 -7,14 6 -0,00095 2 0,67
7 -8,38 4 2,12 7 -3,84 7 -6,11 20 0,72
8 4,14 11 2,55 8 4 8 4,07 14 0,89
9 8,78 15 2,99 9 1,92 9 5,35 12 1,07
10 7,54 5 3,51 10 5,66 10 6,6 11 2,17
11 2,55 8 4,14 11 1,78 11 2,17 15 2,36
12 5,65 12 5,65 12 -3,5 12 1,07 17 3,33
13 8,79 3 6,4 13 1,82 13 5,31 5 3,6
14 -1,79 16 7,04 14 3,57 14 0,89 8 4,07
15 2,99 6 7,14 15 1,72 15 2,36 16 4,37
16 7,04 10 7,54 16 1,69 16 4,37 13 5,31
17 9,99 9 8,78 17 -3,33 17 3,33 9 5,35
18 9,47 13 8,79 18 3,45 18 6,46 18 6,46
19 -2,77 18 9,47 19 3,33 19 0,28 10 6,6
20 -0,18 17 9,99 20 1,61 20 0,72 3 7,12
Tabel diatas menampilkan return, harga (Pt) untuk saham tidak ditampilkan. Return hari
pertama saham PT X adalah 1,86%, sementara return pada hari ke-20 adalah -0,18%.
Untuk perhitungan VAR, return diurutkan dari yang terendah ke tertinggi seperti pada kolom
(2). Pada kolom (2) terlihat bahwa return terendah adalah -8,38% pada hari ke-7, sementara
tertinggi terjadi pada hari ke-17 sebesar 9,99%. Misal ingin melihat VAR 95% harian, jadi
return terendah 5%. 5% dari 20 (hari) adalah 1, jadi kita memilih 1 hari dengan return
terendah, yaitu -8,38%. Misal portofolio bernilai 1 miliar, maka VAR 95% harian adalah -
8,38% x 1 miliar = -Rp83,78 juta jadi dapat diasumsikan bahwa ada kemungkinan 5%
kerugian dari saham X sebesar Rp 83,78 juta dan yakin sebesar 95% kerugian tidak akan
lebih dari Rp 83,78 juta.
Setelah saham PT X, saham PT Y juga demikian dimana memiliki nilai aset sebesar Rp 1
miliar. Return saham Y bisa dilihat pada kolom (3) dimana untuk menghitung VAR terlebih
dahulu mengurutkan return terendah sampai tertinggi (tidak ditampilkan di tabel). dari hasil
pengurutan, return pada hari ke-6 merupakan return terendah sebesar -7,14% dengan
demikian VAR 95% harian untuk saham Y adalah -7,14% x Rp 1 miliar = -Rp 71,43 juta.
Kesimpulannya ada kemungkinan sebesar 5% kerugian saham PT Y sebesar Rp 71,43 juta
dan yakin sebesar 95% kerugian tidak lebih dari Rp 71,43 juta.
Misal kita membentuk portofolio dari saham X dan Y dengan proporsi sebesar 50%, konstan
selama 20 hari dimana return nya dapat dilihat pada kolom (4) dan perhitungannya adalah
(0,5 x 1,86) + (0,5 x -1,96) = -0,05 (hari ke 1). Sama seperti saham X dan Y, terlebih dahulu
diurutkan return terendah sampai tertinggi pada kolom (5) dan VAR 95% harian untuk
portofolio tersebut adalah Rp -6,11% (return terendah) x Rp 2 miliar = Rp 122,2 juta.
Alternatif lain adalah melakukan perhitungan dengan formula:
VAR portofolio = (VAR x2+VAR y2+2 x ρxy x VARx xVAR y )12
VAR bisa langsung dimasukkan karena VAR adalah indikator risiko. Korelasi return saham
X dan Y menemukan hasil perhitungan 0,089. Jadi VAR portofolio dapat dihitung sebagai
berikut
VAR port = [(83,782)+(71,432)+(2 x 0,089 x 83,78 x 71,43)]12
= 114,83
Dengan demikian VAR 95% harian untuk portofolio adalah Rp 114,83 juta, angka ini
berbeda dengan VAR yang dihitung secara langsung yaitu Rp 122,2 juta.
VAR portofolio lebih rendah dari penjumlah VAR masing-masing aset dimana asetnya jika
dijumlahkan adalah Rp 155,21 juta (Rp 83,78 juta + Rp 71,43 juta) sehingga ini
menunjukkan adanya efek diversifikasi. Diversifikasi terjadi karena adanya efek saling
mengkompensasi antar aset dimana jika satu aset merugi, sementara aset lain untung maka
keuntungan aset tersebut digunakan untuk mengkompensasi kerugian aset yang lain.
Metode historis mempunyai kelebihan seperti (1) tidak mengasumsikan distribusi tertentu,
dan (2) sederhana. Metode ini mempunyai kelemahan seperti asumsi data masa lalu bisa
dipakai untuk memprediksi masa depan sehingga berasumsi bahwa pola data di masa lalu
sama dengan pola data di masa depan. Apabila pola stabil maka masa lalu dapat digunakan
untuk memprediksi masa depan, sebaliknya jika ada kejadian tidak terduga maka masa lalu
tidak dapat digunakan untuk memprediksi masa depan. Jadi idealnya gunakan data historis
yang panjang dimana mencakup siklus bisnis (resesi, boom, normal) sehingga data cukup
representatif.
2. VAR Metode Modeling (Analytical)
Metode ini mengasumsikan distribusi tertentu mendasari pergerakan harga. Setelah
diasumsikan hitung nilai yang diharapkan dan penyimpangan dari nilai yang diharapkan.
Selanjutnya VAR bisa dihitung dengan menggunakan parameter yang dideduksi dari
distribusi tersebut.
Misal manajer portofolio mempunyai aset senilai Rp 1 miliar. Diperkirakan tingkat
keuntungan harian yang diharapkan dengan deviasi standar adalah 12% dan 15%. Distribusi
normal yang menggambarkan pergerakan aset tersebut bisa dilihat pada bagan berikut.
Terlihat bahwa rata-rata adalah 12% terletak ditengah-tengah distribusi. Luas di tengah antara
-12,75 dengan 36,75 mencerminkan 90% dari total wilayah distribusi normal dan
mencerminkan probabilitas sebesar 90% (0,9). Jika melihat tabel distribusi normal, maka luas
wilayah sebesar 5% dari ujung paling kiri atau paling kanan, mempunyai nilai z sebesar 1,65.
Dengan demikian wilayah tengah seluas 90% berada diantara (rata-rata – (1,65 x deviasi
standar)) dengan (rata-rata + (1,65 x deviasi standar)). Dengan demikian VAR 95% return
harian bisa dihitung melalui batas bawah dimana wilayah sebesar 5% dari ujung paling kiri
akan diperoleh:
VAR = 12% - 1,65 (15) = 12% - 24,75 = -12,75%
VAR = -12,75% x Rp 1 miliar = - Rp 127,5 juta.
Dengan demikian, besok ada kemungkinan kerugian portofolio sebesar Rp 127,5 juta atau
lebih.
Jika mempunyai dua aset yang membentuk portofolio, maka efek diversifikasi penting
diperhatikan. Contoh menggabungkan dua aset dengan karakteristik berikut:
Data Perhitungan VAR untuk Portofolio
A B
Return yang diharapkan
(harian)
12% 14%
Standar deviasi 15% 18%
Nilai investasi Rp 20 miliar Rp 12 miliar
95% VAR Rp 2,55 miliar Rp 2,3 miliar
Korelasi A dengan B 0,55
Nilai portofolio total adalah Rp 32 miliar. Tingkat keuntungan yang diharapkan untuk
portofolio bisa dihitung berikut ini:
Return portofolio = X A E(RA) + X B E(RB)
= (20/32) x 12 + (12/32) x 14
= 12,75%
Untuk portofolio di atas, standar deviasi bisa dihitung berikut ini:
σ p = [(20 /32)2(15)2+(12 /32)2 (18)2+2(20 /32)(12/32)(0,55)(15)(18)]12
= 14,25%
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 lebih kecil dibanding penjumlahan VAR untuk masing-masing aset (Rp
2,55 miliar + Rp 2,3 miliar = Rp 4,85 miliar). VAR portofolio lebih kecil disebabkan adanya
efek diversifikasi yang bisa mengurangi risiko.
3. VAR dengan Simulasi Monte Carlo
Ilustrasi perhitungan VAR dengan simulasi Monte-Carlo, misal diperkirakan tingkat
keuntungan harian dengan probabilitas pada tabel berikut.
Tingkat keuntungan terdapat
pada kolom (2) dan
probabilitas pada kolom (3). Probabilitas kumulatif adalah kumulasi angka probabilitas yang
Tingkat Probabilita
s
Probabilita
s
Keuntungan
(%) 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
diperlukan untuk menjalankan simulasi. Contoh untuk tingkat keuntungan -0,5 karena ada
5% probabilitas terjadi, maka probabilitas kumulatifnya adalah angka 0,1,2,3,4 (ada lima
angka). Total probabilitas kumulatif adalah 100 (dari 0 sampai 99).
Selanjutnya adalah menghasilkan angka random yang akan mempunyai nilai 0 sampai 99,
konsisten dengan probabilitas kumulatif. Contoh run dengan menggunakan Excel.
Run pertama memunculkan angka random 31. Angka 31 tersebut berkaitan dengan tingkat
keuntungan 0,5 (probabilitas kumulatif 30-54). Proses ini bisa diulang sampai 100, 500, 1000
kali dan akan memperoleh distribusinya. Contoh tabel berikut menyajikan distribusi yang
dihasilkan melalui 100 kali run.
Tingkat
FrekuensiKeuntunga
n
-0,5 3
-0,25 5
0 10
0,1 7
0,5 25
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
1 18
1,2 6
1,25 12
2,25 3
3 11
Jumlah 100
Distribusi pada halaman 156 belum sepenuhnya normal. Jika melakukan run lebih banyak
lagi misal 1000 kali, maka sesuai dengan Central Limit Theorem, menjadi distribusi normal.
Setelah mengetahui distribusi, hitung VAR dengan menggunakan deviasi standar dan nilai
rata-rata:
Rata-rata tingkat keuntungan = 0,904%
Deviasi standar = 0,927%
95% VAR-harian = 0,904 – 1,65 (0,927) = -0,627
Misal portofolio senilai Rp 1 miliar, maka VAR 95% harian adalah -0,627% x Rp 1 miliar = -
Rp 6,27 juta.
4. Pemodelan VAR
Dalam beberapa situasi, kita ingin memodelkan VAR. Contoh mempunyai portofolio
obligasi. Harga pasar obligasi dipengaruhi oleh tingkat bunga, jika naik maka harga obligasi
akan turun, dan sebaliknya. Jadi dapat memfokuskan perhatian pada tingkat bunga, dan
menghubungkan perubahan tingkat bunga dengan nilai pasar obligasi, kemudian menghitung
VAR untuk portofolio obligasi.
Hubungan antara perubahan tingkat bunga dengan nilai obligasi:
dP/P = -D [dR/(1+R)]
Keterangan:
dP = perubahan harga
P = harga obligasi
D = durasi obligasi
dR = perubahan tingkat bunga
R = tingkat bunga
Contoh portofolio obligasi memiliki durasi sebesar 5. Tingkat bunga saat ini adalah 10%
kemudian mengasumsikan pergerakan tingkat bunga mengikuti distribusi normal.
Berdasarkan data historis dan pertimbangan-pertimbangan menunjukkan bahwa perubahan
tingkat bunga harian yang diharapkan adalah 0%, dengan standar deviasi perubahan tingkat
bunga adalah 1%. Distribusi perubahan tingkat bunga bisa digambarkan pada bagan berikut:
Dari bagan diatas nampak perubahan tingkat bunga harian yang diharapkan adalah 0%.
Probabilitas perubahan tingkat bunga berada antara -1,65% dan 1,65% adalah 90%.
Probabilitas tingkat bunga meningkat 1,65% atau lebih adalah 5%. Kenaikan tingkat bunga
akan berpengaruh negatif terhadap portofolio obligasi. Dengan menggabungkan informasi
dengan model perubahan harga obligasi di atas, 95% VAR dapat dihitung untuk portofolio
obligasi. Pertama, hitung perubahan harga akibat kenaikan tingkat bunga:
dP/P = - D [dR / (1+R) ]
= - 5 [ 0,0165 / (1 + 0,1) ]
= - 0,075
Jika tingkat bunga meningkat 1,65% maka portofolio akan turun nilainya 7,5%. jika
portofolio mempunyai nilai sebesar Rp 1 miliar maka 95% VAR portofolio adalah
VAR 95% = -0,075 x Rp 1 miliar = Rp 75 juta.
Dengan demikian, bisa dikatakan bahwa ada kemungkinan sebesar 5% kerugian portofolio
obligasi sebesar Rp 75 juta atau lebih.
5. VAR untuk Periode yang Lebih Panjang
Contoh, untuk melikuidasi posisi portofolio, waktu satu hari tidak cukup dan diperlukan
waktu 5 hari padahal menghitung VAR dengan menggunakan periode harian. Dalam situasi
seperti ini, VAR harian harus dikonversi menjadi VAR 5-hari. Formula sebagai berikut:
VAR (n) = VAR (harian) x √n
Gunakan contoh di atas dimana 95% VAR harian untuk portofolio obligasi adalah Rp 75 juta,
95% VAR 5 hari bisa dihitung berikut ini:
VAR (5 hari) = Rp 75 juta x √5
= Rp 161,71 juta
Dengan demikian 95% VAR 5 hari adalah Rp 167,71 juta.
Kesimpulan
Risiko pasar merupakan kondisi yang dialami oleh suatu perusahaan yang disebabkan
oleh perubahan kondisi dan situasi pasar di luar dari kendali perusahaan. Risiko pasar sering
disebut juga sebagai risiko yang menyeluruh, karena sifat umumnya adalah bersifat
menyeluruh dan di alami oleh seluruh perusahaan.pengukuran risiko pasar bisa dilakukan
dengan deviasi standar yang praktis dan dengan metode VAR (Value At Risk) yang
merupakan teknik pengukuran risiko pasar yang semakin popular. Ada beberapa cara untuk
menghitung VAR: data historis, analitik, dan simulasi. VAR memiliki kelemahan yaitu tidak
dapat melihat kondisi ekstrim