3/21/2017
RISIKO PASAR Risiko pasar muncul karena harga pasar bergerak dalam arah yang merugikan organisasi. Misal, suatu perusahaan mempunyai portofolio sekuritas saham yang dibeli dengan harga Rp1 milyar. Misalkan harga saham tersebut jatuh, sehingga nilai pasar saham tersebut turun menjadi Rp800 juta. Perusahaan tersebut mengalami kerugian karena nilai portofolio sahamnya turun sebesar Rp200 juta. Kerugian tersebut disebabkan karena harga saham bergerak ke arah yang kurang menguntungkan (dalam hal ini turun).
BAB 9.
RISIKO PASAR
Manajemen Risiko
1
Manajemen Risiko
2
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.
Manajemen Risiko
3
Manajemen Risiko
4
3/21/2017
Perhitungan deviasi standar bisa digunakan formula sebagai berikut ini. E(R)
=
∑ Ri / N
………….. (2)
σR2 =
∑ (Ri – E(R))2
/ (N – 1) .……….. (3)
σR =
(σR2 ) 1/2
……..... (4)
BERAPA DEVIASI STANDAR RETURN A DAN RETURN B? Manajemen Risiko
5
Manajemen Risiko
6
VALUE AT RISK
BERAPA DEVIASI STANDAR RETURN A DAN RETURN B? Manajemen Risiko
7
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 Manajemen Risiko 8 ’
3/21/2017
VALUE AT RISK
METODOLOGI VAR
Jawaban tersebut akan berbentuk kalimat seperti berikut ini ’besok ada kemungkinan sebesar 5% bahwa kerugian perusahaan (karena pergerekan harga pasar yang tidak menguntungkan) sebesar Rp10 juta atau lebih’. Perhatikan bahwa VAR menjawab pertanyaan tersebut dengan memberikan nilai uang dari kerugian tersebut (Rp10 juta), dan besarnya kemungkinannya (5%). Manajemen Risiko
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. 9
Manajemen Risiko
10
VAR Metode Historis Misalkan kita ingin melihat VAR 95% harian, kita akan melihat 5% return terendah. 5% dari 20 adalah 1, dengan demikian kita memilih 1 hari dengan return terendah yaitu -8,38%. Misalkan portofolio kita bernilai Rp1 milyar, maka VAR 95% harian adalah -8,38% x Rp1 milyar = -Rp83,78 juta. Kita bisa mengatakan ’besok ada kemungkinan sebesar 5% kerugian kita pada saham X sebesar Rp83,78 juta atau lebih’. Alternatif redaksional yang lain adalah sebagai berikut ini ’kita yakin sebesar 95% bahwa kerugian kita besok tidak akan melebihi Rp83,78 juta’. Manajemen Risiko
11
Manajemen Risiko
12
3/21/2017
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%.
Manajemen Risiko
17
Manajemen Risiko
18
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
HITUNG VAR PORTOFOLIO A DAN B!! Manajemen Risiko
19
Manajemen Risiko
20
3/21/2017
VAR dengan Simulasi Monte Carlo
Langkah berikutnya adalah menghasilkan (generate) angka random yang akan mempunyai nilai antara 0 sampai dengan 99, konsisten dengan probabilitas kumulatif. Kemudian mengkaitkan angka random tersebut dengan return yang berkaitan. Kemudian kita mengulangi langkah tersebut 100, 500, atau 1.000 kali Kemudian kita akan memperoleh distribusinya.
Misalkan kita memperkirakan tingkat keuntungan harian dengan probabilitasnya pada tabel disamping
Manajemen Risiko
21
Manajemen Risiko
22
Manajemen Risiko
23
Manajemen Risiko
24
3/21/2017
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. VAR95%-harian = 0,904 – 1,65 (0,927) = 0,627 Misalkan kita mempunyai portofolio senilai Rp1 milyar, maka VAR-95% harian adalah -0,627% x Rp1 milyar = -Rp6,27 juta. Manajemen Risiko
25
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. Manajemen Risiko
27
Manajemen Risiko
26
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 R = tingkat bunga Manajemen Risiko
28
3/21/2017
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%.
Manajemen Risiko
29
30
VAR untuk Periode Yang Lebih Panjang
BERAPA VAR95% UNTUK PORTOFOLIO OBLIGASI KITA? 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. Manajemen Risiko
Manajemen Risiko
31
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 ini. VAR (5 hari) = Rp75 juta x 5 = Rp167,71 juta Dengan demikian 95% VAR-5hari adalah Rp167,71 juta.
Manajemen Risiko
32
3/21/2017
STRESS-TESTING VAR mencoba menjawab berapa besar kerugian yang bisa dialami dan berapa besar kemunginannya. Tetapi VAR tidak bisa mendeteksi peristiwa-peristiwa yang ekstrim. Peristiwa semacam itu biasanya mempunyai probabilitas yang sangat kecil. Tetapi jika terjadi, maka efeknya akan sangat serius bagi organisasi. Sebagai contoh, tsunami Aceh barangkali mempunyai probabilitas sebesar 0,0000001. Tetapi, sekali terjadi, korban manusia bisa mencapai ratusan ribu orang. Probabilitas Rusia default (tidak bisa membayar hutanghutangnya di tahun 1990-an) adalah kecil sekali (misal 0,000001). Tetapi sekali terjadi, banyak perusahaan keuangan yang bangkrut. Manajemen Risiko
33
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). Manajemen Risiko
35
Manajemen Risiko
34
LANGKAH-LANGKAH STRESS-TESTING Mengidentifikasi dan Memilih Parameter Yang Diperkirakan Akan Berubah Menentukan Seberapa Besar Parameter tersebut akan Dirubah (Di-stress) Melihat Pengaruh Stress-testing Tersebut Terhadap Nilai Portofolio Melihat Asumsi Yang Digunakan, Merubah Asumsi Tersebut jika Diperlukan (Misal Dalam Situasi Krisisi, Asumsi Yang Biasa Berlaku Barangkali Tidak Jalan Lagi). Manajemen Risiko
36
3/21/2017
CONTOH LAINNYA
CONTOH PARAMETER YG DI STRESS-TEST DAN PERUBAHANNYA
Manajemen Risiko
37
Manajemen Risiko
38
Melihat asumsi yang berlaku: misal linearitas vs non-linear
Melihat efek perubahan parameter tersebut terhadap nilai portofolio kita
PERUBAHAN BERSIFAT LINEAR
PERUBAHAN BERSIFAT NON-LINEAR
Manajemen Risiko
39
Manajemen Risiko
40