Bab I Pendahuluan A. Latar Belakang Risiko sistematis sering diistilahkan dengan risiko pasar (market risk). Hal ini dikarenakan market risk mempunyai pengaruh terbesar untuk saham. Risiko ini terjadi akibat fluktuasi kondisi pasar dimana harga dari surat-surat berharga sangat berfluktuasi melebihi dari perkiraan yang wajar. Hal ini berhubungan erat dengan perubahan harga saham jenis tertentu atau kelompok tertentu yang disebabkan oleh antisipasi investor terhadap perubahan tingkat pengembalian yang diharapkan (expectation return). Untuk mengetahui sumbangan suatu saham terhadap risiko portofolio yang didiversifikasi dengan baik, tidak bisa dengan melihat seberapa besar risiko saham tersebut apabila dimiliki secara terpisah, tetapi harus dengan mengukur risiko pasarnya dan ini akan mendorong untuk mengukur kepkaan saham tersebut terhadap perubahan pasar. B. Rumusan Masalah Berdasarkan latar belakang di atas perlunya memahami definisi dan metode dalam pengukuran resiko pasar dengan memperhatikan potensi kerugian yang disebabkan oleh perubahan harga-harga pasar akibat pergerakan sektor riil. C. Tujuan Penulisan Tujuan dari penulisan makalah ini adalah mengerti tentang metode pengukuran risiko pasar.
1
Risiko Pasar Definisi Risiko Pasar Risiko pasar muncul karena harga pasar bergerak dalam arah yang merugikan organisasi. 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. Bentuk-bentuk 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. 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. Sebab Terjadinya General Market Risk Secara umum dalam ilmu keuangan dikenal dua bentuk pasar yaitu pasar modal (capital market) dan pasar uang (money market). Kedua bentuk pasar ini pada prinsipnya saling memiliki keterkaitan satu sama lainnya. Di Negara Indonesia pasar modal berada dalam pengawasan menteri keuangan dalam hal ini melalui BAPEPAM-LK (Badan Pengawasan Pasar Modal dam Lembaga Keuangan), sedangkan pasar uang berada di bawah pengawasan Gubernur Bank Indonesia (BI). Kedua jenis pasar ini saling membahu bekerjasama dalam usahanya menciptakan kondisi ekonomi yang kondusif dan dinamis sehingga dengan harapan nantinya akan mampu untuk ikut mendorong pertumbuhan ekonomi Negara yang bersangkutan secara sistematis. Ada beberapa sebab yang menimbulkan terjadinya general market risk (risiko pasar secara umum) yaitu : a. Foreign exchange risk
2
Foreign exchange risk yang merupakan bagian dari money market (pasar keuangan). Saat ini aktivitas perdagangan di foreign exchange mengalami peningkatan yang signifikan di berbagai Negara di dunia. Keterlibatan dan ketertarikan banyak pihak untuk ikut dalam bisnis foreign exchange ini telah menciptakan dinamika bisnis dengan tingkat perputaran yang tinggi. Pada pasar valas ini kita dapat menggabungkan mata uang dalam dua bentuk kategori yaitu : 1. Hard currencies Hard currencies (mata uang keras) mencakup mata uang yang berasal dari Negaranegara 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. 2. 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. 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 3
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 kondisin 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. Hubungan Foreign Exchange Risk dan Perbankan Perbankan adalah lembaga mediasi yang menghubungkan mereka yang kelebihan dana (surplus) dan mereka yang kekurangan dana (deficit). Penempatan posisi ini menyebabkan banyak pihak menjadikan perbankan sebagai bagian yang tidak dapat dipisahkan dalam ruang lingkup kerja dan aktivitas bisnis mereka, artinya secara otomatis perbankan terseret dengan sendirinya untuk masuk ke dalam risiko pasar (market risk). Kondisi dan situasi terbentuknya market risk terjadi karena disebabkan oleh berbagai faktor yang berada diluar kendali perusahaan atu perbankan. Faktor-faktor tersebut antara lain seperti naik dan stabil, perubahan nilai tukar, dan lain sebagainya. Lebih jauh perubahan tersebut telah mampu mendorong untuk ikut berubahnya beberapa produk perbankan seperti deposito, tabungan , giro, keputusan kredit, keputusan investasi, dan lain sebagainya. Faktor-faktor yang Mempengaruhi Terjadinya Gejolak Harga di Pasar Menurut Masyhud Ali ada 6 (enam) faktor yang mempengaruhi terjadinya gejolak harga di pasar yaitu : a. Faktor fundamental ekonomi b.
Terjadinya peristiwa besar dalam ekonomi dan politik
c. Campur tangannya financial authorities d.
Perimbangan kekuatan permintaan dan penawaran
e. Likuiditas pasar f.
Suburnya kegiatan arbitrage
Teknik Pengukuran Risiko Pasar 1. Deviasi Standar Jika kita membicarakan distribusi normal, kita hanya memerlukan dua parameter yaitu nilai rata-rata (atau disebut juga sebagai nilai yang diharapkan) dan deviasi 4
standarnya. Dengan dua parameter tersebut, kita bisa melakukan banyak hal seperti menghitung probabilitas nilai tertentu.
Bagan di atas menggambarkan kurva normal yang berbentuk seperti bel. Kurva tersebut berbentuk simetris, dimana sisi kana merupakan cerminan sisi kiri. Deviasi standar dipakai untuk menghitung penyimpangan dari nilai rata-rata. Semakin besar deviasi standar, semakin besar penyimpangan. Penyimpangan dipakai sebagai indikator risiko. Semakin besar penyimpangan, semakin besar risiko. Perhitungan deviasi standar bisa digunakan formula sebagai berikut ini. E(R)
=
∑ Ri / N
σR2
=
∑ (Ri – E(R))2 / (N – 1)
σR
=
(σR2 ) ½
2. VAR (VALUE AT RISK) Value At Risk (VAR) mengembangkan lebih lanjut konsep kurva normal seperti yang telah dibicarakan di muka, 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%). Teknik perhitungan VAR
bisa menggunakan metode historis,
metode analitis dan simulasi Monte-Carlo. Metode analitis menggunakan model tertentu untuk mengestimasi VAR. VAR Monte-Carlo menggunakan simulasi untuk perhitungan
5
VARnya. Bagian berikut ini menjelaskan lebih lanjut perhitungan dengan masing-masing teknik tersebut.
VAR Metode Historis (Back Simulation)
Return dapat dihitung dengan cara Return = {[P(t+1) – Pt)] / Pt}x100% Dimana :
Pt = return pada hari t Pt+1 = return pada hari t+1
Alternatif lain adalah melakukan perhitungan dengan formula sebagai berikut ini VAR portofolio = [ VARX2 + VARY2 + 2 ×XY×VARX ×VARY] ½ Dimana :
VARX = VAR (Value At Risk saham X) VARY= VAR (Value At Risk saham Y) XY
= korelasi return saham X dengan sahamY
Metode historis mempunyai kelebihan yaitu tidak mengamsumsikan distribusi tertentu dan sederhana. Namun ada juga kelemahannya seperti asumsi bahwa data masa lalu bisa digunakan untuk memperediksi masa datang. Tetapi metode tersebut mempunyai kelemahan seperti asumsi bahwa data masa lalu bisa dipakai untuk memprediksi masa datang. Dengan kata lain, metode tersebut mempunyain asumsi bahwa pola data di masa lalu sama dengan pola data di masa mendatang. Jika pola yang terjadi cukup stabil, maka data masa lalu bisa dipakai untuk memprediksi data masa mendatang. Jika tidak (misal ada krisis yang tidak terduga), maka data masa lalu tidak bisa dipakai untuk memprediksi masa mendatang. Disamping itu, 20 observasi ke belakang masih terbilang sangat sedikit. Idealnya kita bisa memperoleh data historis cukup banyak, yang mencakup semua siklus bisnis (resesi, boom, normal), sehingga data tersebut bisa cukup representatif.
VAR Metode Modeling (Analytical) Metode analitis biasanya mengasumsikan distribusi tertentu yang mendasari return atau
harga). Biasanya distribusi normal (yang berbentuk bel) yang diasumsikan mendasari pergerakan harga tersebut. Setelah distribusi tersebut diasumsikan, kita bisa menghitung nilai yang diharapkan (misal rata-rata) dan penyimpangan dari nilai yang diharapkan tersebut (misal deviasi standar). Selanjutnya VAR bisa dihitung dengan menggunakan parameter yang dideduksi (diambil) dari distribusi tersebut (nilai yang diharapkan dan penyimpangannya).
6
Misalkan manajer portfolio mempunyai aset senilai Rp1 milyar. Misalkan kita mengasumsikan distribusi normal mendasari pergerakan harga aset tersebut. Misalkan kita memperkirakan tingkat keuntungan harian yang diharapkan dengan deviasi standarnya adalah 12% dan 15%. Distribusi normal yang menggambarkan pergerakan aset tersebut bisa dilihat pada gambar berikut ini
Terlihat bahwa rata-rata adalah 12% yang terletak di tengah-tengah distribusi tersebut. Luas total wilayah distribusi normal mencerminkan probabilitas sebesar 1 (probabilitas bernilai dari 0 sampai dengan 1, inklusif). Sebagian luas dibawah distribusi normal mencerminkan probabilitas dibawah satu. Sebagai contoh, luas ditengah (yang berwarna gelap, antara -12,75 dengan 36,75) mencerminkan 90% dari total wilayah distribusi normal, dan dengan demikian mencerminkan probabilitas sebesar 90% (atau 0,9). Jika kita melihat tabel distribusi normal, maka luas wilayah sebesar 5% dari ujung paling kiri (atau dri ujung paling kanan), mempunyai nilai z sebesar 1,65. Dengan demikian wilayah tengah seluas 90% berada diantara (Rata2 – (1,65 * deviasi standar)) dengan (Rata2 + (1,65 * deviasi standar). Dengan demikian VAR 95% return harian bisa dihitung melalui batas bawah dimana wilayah sebesar 5% dari ujung paling kiri akan diperoleh, sebagai berikut ini. VAR = 12% – 1,65 (15) = 12 % – 24,75 = – 12,75% VAR = – 12,75% x Rp1 milyar = – Rp127,5 juta Jika kita mempunyai dua aset yang membentuk portofolio kita, maka efek diversifikasi penting diperhatikan. Diversifikasi bisa mengurangi risiko jika kolerasi return lebih kecil dari 1. sebagai contoh, misalkan menggabungkan dua aset dengan karakteristik berikut ini :
7
Tabel data perhitungan VAR untuk Portofolio
A
B
Return yang diharapkan
12%
10,5%
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
Nilai portofolio diatas adalah Rp 32 M. Tingkat keuntungan yang diharapkan untuk portofolio adalah rata – rata tertimbang dari return asset individualnya. Return portofolio = Xa E(Ra) + Xb E(Rb) = (20/32) x 12 + (12/32) X 10,5 = 11,44 % Deviasi Standar Portofolio: p = XA22 + XB2B2 + 2 XAXB Tab a b] ½ p = deviasi standar poryofolio ab devaluasi standarmaset A dan B Tab = korelasi antar return aset A dan aset B
VAR dengan Simulasi Monte Carlo Metode simulasi akan terbentuk distribusi tertentu, kemudian melalui distribusi
tersebut VAR dapat dihitung yang memerlukan sumber daya computer yang lebih besar disbanding kedua metode sebelumnya. Tingkat Keuntungan dengan Probabilitasnya
Tingkat keuntungan (%)
Probabilitas
Probabilitas Kumulatif
8
1 2 3 4 5 6 7 8 9 10
-0,5 -0,25 0 0,1 0,5 1 1,2 1,25 2,25 3
0,05 0,05 0,1 0,1 0,25 0,15 0,1 0,1 0,05 0,05
Jumlah
1
0-4 5-9 10-19 20-29 30-54 54-69 70-79 80-89 90-94 95-99
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 100 (atau 5 angka seperti terlihat diatas). Tabel sampel simulasi Monte – Carlo Angka Random 1 31
Tingkat Keuntungan Yang Berkaitan 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 Run pertama memunculkan angka random 31. Angka 31 tersebut berkaitan dengan tingkat keuntungan 0,5 (probabilitas komulatifnya 30-54). Proses tersebut bisa diulangulang 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 9
Tingkat Keuntungan
Frekuensi
-0,5 -0,25 0 0,1 0,5 1 1,2 1,25 2,25 3 Jumlah
3 5 10 7 25 18 6 12 3 11 100
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 : 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 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) ] dimana:
dP = perubahan harga P = harga obligasi D = Durasi obligasi dR = perubahan tingkat bunga 10
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 pertimbanganpertimbagan, 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 ini :
Pertama, kita bisa menghitung perubahan harga akibat kenaikan tingkat bunga, sebagai berikut ini, dP/P = – D [ dR / (1 + R) ]
= – 5 [ 0,0165 / (1 + 0,1) ] = – 0,075
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: VAR 95%
=
-0,075 x Rp1 milyar = Rp75 juta
Dengan hasil tersebut, kita bisa mengatakan bahwa ada kemungkinan sebesar 5% kerugian portofolio obligasi kita sebesar Rp75 juta atau lebih.
VAR untuk Periode yang Lebih Panjang 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.
11
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 ini. VAR (5 hari) = =
Rp75 juta x 5 Rp167,71 juta
Dengan demikian 95% VAR-5hari adalah Rp167,71 juta.
Stress-Testing VAR menjawab beberapa besar kerugian yang bisa dialami dan berapa besar
kemungkinan, tetapi VAR tidak bisa mendektesi peristiwa ekstrim karena probabilitas sangat kecil. Stress-testing berusaha mengakomodasi kejadian ekstrim tersebut. Yang ingin dijawab oleh stress-testing adalah pertanyaan sebagai berikut ini, ‘Jika peristiwa ekstrim terjadi, bagaimana pengaruhnya terhadap organisasi, atau portofolio kita?’ Sebagai contoh, ‘Jika Rusia default, bagaimana efeknya terhadap portofolio kita?’ Untuk melakukan stresstesting, manajer akan memilih parameter tertentu, kemudian melihat (mengukur dan mensimulasikan) bagaimana pengaruh perubahan parameter tersebut yang ekstrim terhadap organisasi atau portofolio organisasi. Parameter tersebut bisa bervariasi mulai dari kenaikan tingkat bunga yang ekstrim (misal naik 30% dalam satu hari), penurunan harga saham yang ekstrim (misal 20% dalam satu hari), negara tertentu default (tidak bisa membayar hutangnya), kejadian alam tertentu (misal tsunami). 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 ( misal
dalam situasi krisis, asumsi yang biasa berlaku barangkali tidak jalan lagi )
Tabel contoh hasil Stress – Testing Stress Test , 1 November 1997 Negara Parameter
Pengaruh terhadap $ 1 juta Perubahan Kenaikan Penurunan
12
Australia Pergeseran yield yang pararel
100%
Yield curve semakin menajam
-0,209
1,129
-0,009
0,057
Fruktuasi tingkat bunga meningkat
20%
0,703
-0,809
Mata uang depresiasi
20%
0,824
-0,727
Indeks saham berubah
10%
0,000
0,000
Fluktuasi indeks saham meningkat
20%
0,000
0,000
Tabel diatas menunjukkan efek perubahan beberapa parameter terhadap porofolio 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. Meskipun stress test nampaknya mudah, tetapi stress-test menggunakan banyak pertimbangan subyektif. Parameter apa yang harus distress test dan berapa besar perubahannya, merupakan pertanyaan yang bersifat subyektif. Idealnya parameter tersebut adalah parameter yang relevan dengan organisasi, karena parameter yang tidak relevan hanya akan mengakibatkan kelebihan informasi (information overload). Stress-test juga tidak menggunakan probabilitas. Stress-test hanya menyajikan angka seberapa besar keuntungan atau kerugian akibat peristiwa tertentu. Karena peristiwa yang di-stress biasanya jarang terjadi, maka informasi histories mengenai peristiwa tersebut masih jarang (terbatas). Disamping itu, seperti disinggung di atas, hubungan yang normal dalam situasi normal bisa berubah menjadi tidak normal dalam situasi ekstrim (situasi stress-test). Manajer risiko harus berhati-hati terhadap kemungkinan semacam itu.
Backtesting Backtesting adalah istilah untuk proses pengecekan apakah model yang kita gunakan
sudah sesuai dengan realitas yang ada. Sebagai contoh, jika kita menghitung 99%VAR-1 hari, dan memperoleh angka Rp500 juta. Back testing akan melihat seberapa sering kerugian yang dialami perusahaan di masa lalu yang melebihi Rp500 juta. Jika kita menemukan bahwa kerugian di atas Rp500 juta adalah sekitar 1% atau kurang, maka kita bisa mengatakan bahwa model kita cukup bagus, sesuai dengan kenyataan yang ada. Tetapi jika kita menemukan bahwa kerugian di atas Rp500 juta mencapai 10% dari total observasi, maka model VAR kita barangkali perlu diragukan. Model tersebut barangkali tidak sesuai dengan realitas yang ada, dan perlu diperbaiki.
13
Kesimpulan Bentuk-bentuk risiko pasar secara umum antara lain general market risk (risiko pasar secara umum) dan specific market risk (risiko pasar secara spesifik). Suatu bentuk risiko yang hanya di alami secara khusus pada satu sector atau sebahagian bisnis saja tampa bersifat menyeluruh. Risiko pasar adalah risiko terjadinya penurunan harga pasar sehingga kita akan mengalami kerugian. Pengukuran risiko pasar bisa dilakukan dengan deviasi standar yang praktis dan merupakan cikal bakal teknik berikutnya yaitu VAR (Value At Risk). VAR merupakan teknik pengukuran risiko pasar yang semakin popular. Ada beberapa cara untuk menghitung VAR data historis, analitik, dan simulasi. VAR mempunyai kelemahan karena tidak bisa melihat kondisi ekstrim. Street-test bisa digunakan untuk melihat pengaruh situasi ekstrim terhadap portofolio kita.
14
Daftar Pustaka 1. Hanafi, Mamduh M., 2009, Manajemen Risiko, Edisi Kedua, UPP STIM YKPN (A) 2. http://tugaskuliahanakmenej.blogspot.com/2011/12/risiko-pasar-manajemenrisiko.html 3. http://ircboy.wordpress.com/2011/06/25/risiko-pasar-market-risk/ 4. http://digilib.unimed.ac.id/public/UNIMED-Undergraduate-23217-708221081%20Bab %20I.pdf 5. http://managemenresiko.wordpress.com
15
