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