Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pengelolaan risiko dan return merupakan kegiatan utama dalam perbankan. Krisis yang terjadi pada tahun 1997 merupakan contoh yang paling konkrit pengelolaan risiko dan return terburuk perbankan Indonesia, karena pada tahun ini krisis dipicu oleh perbankan yang tidak memperhatikan hal ini. Gejolak internal maupun eksternal harus diperkuat secara fundamental karena semakin kompleksnya risiko perbankan dan menimbulkan peluang-peluang baru dalam hal risiko.Praktek tata kelola yang sehat (good corporate governance) sangat dibutuhkan karena semakin kompleksnya risiko perbankan sehingga fungsi identifikasi, pengukuran, pemantauan dan pengendalian risko bank sangat diperlukan.Risiko utama dalam hal perbankan ada 3 jenis yaitu risiko kredit, risiko pasar, risiko operasional.Teknik pengukuran risiko yang sedang berkembang pada saat ini adalah metode Value at Risk (VaR). VaR adalah pengukuran risiko secara kuantitatif yang mengestimasi potensi kerugian maksimal (maximum potential loss) yang terjadi di masa datang dan dihadapi pada jangka waktu tertentu (holding period) dan pada tingkat kepercayaan (confidence level) tertentu.Dalam menghitung VaR ini ada tiga pendekatan yang bisa digunakan yaitu Parmetric VaR, Monte Carlo, dan Historical Simulation.Penelitian ini metode yang digunakan adalah Parametric VaR dengan menggunakan pendekatan volatilitas menggunakan EWMA dan GARCH. Kerugian maksimum yang mungkin diderita suatu bank diestimasi dengan menggunakan volatilitas atau suatu ukuran untuk mengetahui fluktuasi harga suatu aset. Asumsi level of confidence metode Exponetially Weighted Moving Average (EWMA) dalam hal mengestimasi volatilitas pada PT Bank ABC ini adalah 99% dengan decay factor 0,94. Untuk menentukan ketepatan metode dan asumsi yang digunakan oleh Bank X agak sulit mengingat terdapat berbagai metode yang digunakan untuk melakukan estimasi volatilitas.

---

Risk and return management are main priority in banking. Crisis that happens in 1997 was one of the worst examples of managing risk and return in Indonesian banking. Since at that time there were no attention given to risk and return management. Internal and external shock must be strengthened fundamentally due to complexity risk of banking and given opportunity in term of risk. Good corporate governance is needed because higher risk will affect on identification, measure, supervision and control function of a bank.There are 3 main risk on banking: credit risk, market risk and operational risk. Risk measuring technique that very common at present is Value at Risk (VaR) method. VaR is risk quantitative measurement which estimate maximum potential loss that could occur in the future or in holding period and apply on certain confidence level.There are 3 approaches to measure VaR. They are Parametric VaR, Monte Carlo and Historical Simulation.This research based on Parametric VaR with EWMA and GARCH approaches. Maximum loss that might be happened to one bank could be estimate by using volatility or measuring price fluctuation on an asset. Level of confidence assumption on exponentially Weighted Moving Average (EWMA) method to estimate the volatility on Bank ABC is 99% with 0.94 decay factor. To make sure the precise method and assumption on Bank ABC is hard since there are many methods used to estimate the volatility."

"Kegiatan utama perbankan meliputi pengelolaan risiko dan return. Krisis ekonomi yang terjadi tahun 1997 menunjukkan bahwa industri perbankan nasional belum memiliki kelembagaan perbankan yang kokoh dan infrastruktur perbankan yang baik. Secara fundamental bank harus diperkuat untuk dapat mengatasi gejolak internal maupun eksternal yang berkembang pesat saat ini yang diikuti oleh semakin kompleksnya risiko perbankan sekaligus menimbulkan peluang-peluang baru.Semakin kompleksnya risiko tersebut tentunya akan meningkatkan kebutuhan praktek tata kelola yang sehat (good governance) dan fungsi identifikasi, pengukuran, pemantauan dan pengendalian risiko bank. Risiko-risiko utama yang menjadi perhatian bank adalah risiko kredit, risiko pasar, risiko operasional dan risiko likuiditas.Salah satu cara untuk mengukur risiko adalah metode Value at Risk (VaR). VaR merupakan pengukuran risiko secara kuantitatif yang mengestimasi potensi kerugian maksimal (maximum potential loss) yang mungkin terjadi pada masa yang akan datang yang akan dihadapi pada jangka waktu tertentu (holding period) dan pada tingkat kepercayaan (confidence level) tertentu pada kondisi pasar yang normal.Terdapat tiga pendekatan yang digunakan untuk menghitung VaR yaitu Parametric VaR, Historical Simulation, dan Monte Carlo Simulation. Dalam penelitian ini metode yang digunakan adalah Parametric VaR yang disebut juga Linear VaR, Variance-Covariance, Greek-Normal VaR, Delta Normal VaR, atau Delta-Gamma Normal VaRBank X menggunakan dua metodologi untuk menghitung potensi kerugian atas perubahan nilai insirumen keuangan yang diakibatkan oleh perubahan nilai tukar, yaitu Gap Analisis dan VaR. Dalam Gap Analisis risiko forex dihitung untuk setiap mata uang asing di mana bank mempunyai posisi dengan cara menghitung exposure dan volatilitas baik pada valas tunggal maupun gabungan. Sedangkan VaR digunakan untuk menghitung perubahan nilai instrumen keuangan bank akibat perubahan nilai tukar untuk setiap mata uang asing atas dasar cost-to-close posisi terkini. Dengan level of confidence tertentu, VaR memberikan gambaran potensi maksimum kerugian atas portofolio instrumen keuangan Bank.Volatilitas dipakai untuk mengestimasi kerugian maksimum yang mungkin diderita suatu bank. Volatilitas adalah suatu ukuran untuk mengetahui fluktuasi harga suatu aset. Terdapat beberapa metode pengukuran volatilitas. Metode estimasi volatilitas yang dipakai Bank X adalah metode Exponentially Weighted Moving Average (EWMA) dengan menggunakan asumsi level of confidence 99% dan decay factor 0,94. Permasalahan yang timbul adalah apakah metode dan asumsi yang digunakan oleh Bank X sudah tepat mengingat terdapat berbagai metode yang digunakan untuk melakukan estimasi volatilitas.Penelitian ini bertujuan untuk mengetahui karakteristik data return nilai tukar mata uang USD, SGD, JPY dan HKD terhadap IDR selama periode penelitian. Tujuan lainnya adalah untuk memberikan informasi mengenai besarnya VaR untuk nilai tukar mata uang USD, SGD, JPY dan HKD terhadap IDR dengan menggunakan estimasi volatilitas EWMA dan GARCH. Selanjutnya adalah menentukan model estimasi volatilitas terbaik yang akan digunakan dalam perhitungan VaR portofolio, untuk memberikan informasi mengenai besarnya VaR portofolio dengan menggunakan model estimasi volatilitas terbaik dan untuk mengetahui metode apakah yang paling sesuai untuk digunakan dalam menghitung VaR pada Bank X.Berdasarkan pengujian karakteristik data return selama periode penelitian diketahui bahwa ke-empat data return nilai tukar bersifat stationer, tidak berdistribusi normal, dan varian heteroscedastic sehingga forecasting volatilitas harus menggunakan metode EWMA dan GARCH. Forecasting volatilitas metode EWMA menggunakan decay factor optimum, sedangkan metode GARCH dibatasi dengan estimator GARCH (1,1).Dari hasil pengujian yang dilakukan dengan backtesting dan Kupiec test berdasarkan proses TNoF diperoleh hasil bahwa forecasting volatilitas dengan metode GARCH(1,1) lebih tepat digunakan dibandingkan metode EWMA. Artinya metode GARCH(1,1) lebih dapat menangkap pergerakan actual loss yang terjadi dan lebih mendekati atau mencerminkan keadaan risiko yang sesungguhnya. Dari sisi jumlah overshoot yang terjadi juga masih dalam batas toleransi, hal ini terbukti karena telah lulus uji Kupiec test sehingga dapat digunakan untuk menghitung VaR portofolio. Berdasarkan estimasi volatilitas GARCH(1,1), dengan confidence level 95% potensi kerugian maksimum PT Bank X pada tanggal 1 Juli 2005 karena memiliki portofolio yang terdiri dari valas USD, SGD, JPY dan HKD Rp. 221.056.000.000,- adalah sebesar Rp. 1.073.450.000,-.Dalam melakukan perhitungan VaR portofolio menggunakan internal model, Bank X disarankan agar menggunakan estimasi volatilitas GARCH(1,1). Dengan alasan nilai VaR yang dihasilkan metode estimasi volatilitas GARCH (1,1) lebih mencerminkan keadaan yang sebenarnya, lebih mendekati kondisi aktual. Karena VaR merupakan potensi kerugian maksimum dan merupakan dasar untuk penetapan Minimum Capital Requirement maka penggunaan metode yang tepat pada akhirnya akan berdampak pada optimalisasi efisiensi pencadangan. Sehingga Bank X dapat mengalokasikan modal pencadangan untuk kepentingan yang lain."

"Pengukuran risiko merupakan salah satu aktifitas manajemen risiko yang telah dilakukan oleh banyak bank pada masa ini. Kesulitan yang dialami PT. Bank FDR dalam melakukan perhitungan nilai VaR (Value at Risk) pada risiko nilai tukar juga merupakan permasalahan yang dapat dialami oleh bank-bank lain di Indonesia. Pada karya akhir ini akan diperlihatkan pengukuran VaR risiko nilai tukar dan digunakan 2 pendekatan estimasi volatilitas yaitu EWMA dan ARCH/GARCH. Pada Karya Akhir ini diperlihatkan bahwa ARCH/GARCH dapat menghasilkan model VaR yang lebih baik daripada model VaR yang menggunakan estimasi volatilitas EWMA. Dengan menggunakan ARCH/GARCH, maka diperoleh nilai VaR Portfolio PT. Bank FDR untuk 1 Februari 2007 sebesar Rp. 77.307.209,00.

---

Measuring risks is one of risk management activities which have been largely implemented by many banks on this era. The problem in PT. Bank FDR on calculating Value at Risk (VaR) on foreign exchange risk is possibly a common problem which faced by other banks in Indonesia. In this thesis was described ARCH/GARCH will result better VaR model than EWMA. By applying ARCH/GARCH, it's resulted VaR on PT. Bank FDR for 1st of February 2007 as much as Rp. 77.307.209,00."

"ABSTRAKTesis ini membahas mengenai perhitungan VaR risiko pasar dengan menggunakan pendekatan volatilitas yang diukur dengan model EWMA dan GARCH. Model EWMA dan GARCH digunakan dalam menghitung data return yang bersifat tidak konstan atau heteroskedastik. Hasil dari penelitian ini menunjukkan bahwa kedua model yang digunakan merupakan model yang valid. Namun bila dilihat secara praktis, model GARCH memberikan nilai VaR yang lebih rendah dibandingkan dengan model EWMA. Sehingga konsekuensinya model GARCH akan memberikan nilai capital charge yang lebih rendah dengan menggunakan asumsi exposure senilai 100.000.000 dan tingkat keyakinan 99%. Dengan menggunakan pendekatan ARCH/GARCH maka diperoleh VaR 1 hari terbesar pada saat volatile period yaitu pada Hongkong Sanghai Inde.

---

ABSTRACT

In this thesis describing about the measurement of Value at Risk using volatility measured by EWMA and GARCH model. The EWMA and GARCH model are used due to the data of stock market index return which show a relatively heteroscedastic nature. The results of this research indicate that theoretically all the model used are valid model. However, when viewed in a practical, GARCH model provide a lower VaR compare to EWMA model. Consequently GARCH model will give a lower capital charge using the assumption 100.000.000 worth of exposure and 99% of confidence level. By using the approach of GARCH model, the highest 1 day VaR obtained in volatile period is in Hongkong Sanghai Index, while the highest 1 day VaR obtained in stable period is in IBEX5"

"Penelitian dalam karya akhir ini dilatarbelakangi oleh perkembangan pasar bursa berjangka di Indonesia yang pesat pada tahun-tahun belakangan. Jumlah transaksi harian kontrak berjangka melalui BBJ meningkat dari 3.842 lot perhari di tahun 2004, 7.865 lot perhari pada tahun 2005 dan mencapai hampir 14,000 lot per had pada akhir bulan Mei 2006. Sekitar 94% transaksi di BBJ didominasi oleh produk kontrak berjangka keuangan, yaitu kontrak valuta berjangka dan kontrak indeks berjangka. indeks-indeks berjangka yang banyak diperdagangkan di BBJ adalah indeks Hangseng, Nikkei, Kospi dan JSX. Investasi pada kontrak indeks berjangka ini tidak dapat terlepas dari risiko-risiko. Untuk itu Para pelaku pasar perlu membekali diri dengan pengetahuan akan risiko-risiko investasi terutama risiko pasar.Untuk mengukur risilo pasar, pengukuran risiko secara kuantitatif yang banyak digunakan adalah Value at Risk (VaR). VaR digunakan untuk mengukur tingkat kerugian maksimum yang diperkirakan dapat terjadi ("expected loss") dari suatu posisi pada instrumen keuangan dengan tingkat probabilitas sebesar of pada satu periode waktu tertentu.Salah satu metode pengukuran VaR adalah metode parametrik yang mengukur nilai VaR dengan melakukan estimasi parameter-parameter statistik faktor risiko untuk menentukan deviasi standar. Deviasi standar selanjumya dikalikan dengan confidence level dan holding period instrumen keuangan.Penelitian dalam karya akhir ini bermaksud melakukan pengukuran VaR dengan menggunakan pendekatan estimasi volatilitas ARCH dan GARCH pada return indeks Hangseng, Nikkei, Kospi dan JSX. Pengukuran VaR dengan metode Parametrik memerlukan serangkaian uji statistik, yaitu uji stasioneritas, uji normalitas dan uji heteroskedastisitas. Data return indeks Hangseng, Nikkei, Kospi dan JSX selama periode penelitian, yaitu dari 1 Agustus 2004 sampai 30 Juni 2006 menunjukkan bahwa data return seluruhnya bersifat stasioner, tetapi tidak terdistribusi secara normal dan menunjukkan sifat heteroskedastisitas. Dengan demikian, untuk memperoleh nilai VaR yang tepat harus dicari nilai a' dengan menggunakan Cornish Fisher expansion test pada level of confidence 99% dan a dicari dengan mencari model conditional variance ARCH dan GARCH terbaik dengan bantuan aplikasi EViews 4.1.Model-model conditional variance ARCH terbaik yang dihasilkan dengan alat bantu EViews 4.1 untuk masing-masing return indeks adalah sebagai berikut :- Indeks Hangseng : 0'2 = 0.000061384990914 - 0.0662401874313E2t.L cck - Indeks Nikkei a12 = 0.000086461827168 + 0.205876283178821.- Indeks Kospi ate = 0.000114515670191 + 0.039922851633502,.- Indeks JSX a12 = 0.000104815576774 + 0.331567554254Dengan pendekatan estimasi volatilitas ARCH pada level of confidence 99% maka diperoleh nilai VaR harian :- Indeks Hangseng memiliki nilai VaR harian sebesar Rp. 310,535,130- Indeks Nikkei memiliki nilai VaR harian sebesar Rp. 434,097,566, - Indeks Kospi memiliki nilai VaR harian sebesar Rp. 377,460,253, - Indeks JSX memiliki nilai VaR harian sebesar Rp. 393,293,173,Setelah diukur VaR dengan pendekatan estimasi volatilitas ARCH, maka iangkah selanjutnya adalah meiakukan back testing dan uji validasi terhadap model sepanjang 450 hari data. Back resting membandingkan antara nilai VaR yang dihasilkan dengan actual Profit and Lass untuk mendapatkan nilai actual Profit and Loss yang melebihi nilai VaR (overshoot). Backtesting menghasilkan nilai overshoot sebanyak 3 kali pada indeks Hangseng, 2 kali pada indeks Nikkei dan Kospi dan 1 kali pada indeks JSX. Ke empat indeks valid dengan nilai LR masing-masing :- Indeks Hangseng : LR = 1.8681- Indeks Nikkei : LR = 1.0866- Indeks Kospi : LR = 0.4820- Indeks JSX : LR = 0.0987Dengan demikian dapat ditarik kesimpulan bahwa pengukuran VaR dengan estimasi volatilitas ARCH GARCH pada return indeks Hangseng, Nikkei, Kospi dan JSX selama periode penelitian adalah valid untuk digunakan.Pada pengukuran volatilitas model GARCH 1,1 diperoleh model-model return indeks yang terbaik sebagai berikut :Hangseng : ~t2 = 0.000000196213937249 - 0.0267928417261 6201 + 0.97229261920101_Nikkei : a12 = 0.00000146888597865 + 0.1001695832882w + 0.893938280184j311Kospi : 6t2 = 0.00000550843884112 + 0.071685859126E2L.l + 0.88508061998231.1 JSX : at2 = 0.00000982522829098 + 0.154121553759E214 + 0.78198762654713,.)Pengukuran dengan model GARCH 'diatas memberikan basil nilai VaR sebagai berikut:- Indeks Hangseng memiliki nilai VaR harian sebesar Rp. 437,569,761, - Indeks Nikkei memiliki nilai VaR harian sebesar Rp. 653,191,207, - Indeks Kospi memiliki nilai VaR harian sebesar Rp. 470,172,540, Indeks JSX memiliki nilai VaR harian sebesar Rp. 458,918,638, Back testing terhadap model volatilitas GARCH menghasilkan nilai overshoot sebanyak 6 kali pada indeks Hangseng, 3 kali pada indeks Nikkei dan masing-masing 2 kali pada indeks Kospi dan JSX. Berikut adalah hasil uji validasi dengan TNoP untuk model volatilitas GARCH- Indeks Hangseng : LR = I.8681- Indeks Nikkei : LR = 0.0987- Indeks Kospi : LR = 0.0126- Indeks JSX : LR = 0.0126Dengan demikian, pengukuran model volatilitas indeks Hangseng, Nikkei, Kospi dan JSX memperoleh hasi! yang valid balk dengan metode ARCH maupun GARCH.

---

Research in this paper work is initiated by the high growth in Indonesian commodity futures market in the recent years. Number of transactions has been increasing significantly from averagely 3.842 lots per day in 2004 to 7.865 lots per day in 2005 and double to almost 14,000 lots per day by the end of May 2006. Around 94% of the transactions in Bursa Berjangka Jakarta (BBJ) is dominated by financial market futures trading, which are foreign exchange futures market and index futures market. The most actively traded index futures market in BSI are Hangseng, Nikkei, Kospi dan JSX. Investment in the index futures is subject to risks and therefore investors need to equip themselves with a knowledge about risk in investment especially market risk.

In measuring market risk, a quantitative approach that recently used is Value at Risk (VaR). VaR is a measurement of maximum potential loss on exposure in financial instruments with confidence level of a in certain time period.

One of the methods in VaR calculation is parametric method, a method that estimates risk factors in statistical parameters in order to determine standard deviation. The standard deviation is therefore factored with confidence level and holding period of a financial instrument. Purpose of this working paper is to measure VaR by estimating volatility factor of ARCH and GARCH in Hangseng, Nikkei, Kospi and JSX index.

VaR calculation with parametric method requires statistical testing procedures, that are stationerity test, normality test and heteroscedasticity test. Statistical tests on return data of Hangseng, Nikkei, Kospi JSX indexes during the research period, from I August 2004 to 30 June 2006 shows that return data is stationer for all the indexes, but not normally distributed and heteroscedastic. Therefore, to get the VaR, it must first calculate value of a' using Cornish Fisher expansion test with 99% level of confidence and value of 6 that obtained by determining the most appropriate conditional variance ARCH and GARCH model using EViews 4.1.

The most appropriate Conditional variance ARCH models measured with EViews 4.1 software for each index return are as follow :

- Hangseng ;index ate 0.000061384990914 + 0.0662401874313E2t.1

- Nikkei index atz = 0.000086461827168 + 0.205876283178E2E4

- Kospi index ate =; 0.000114515670191 + 0.039922851633562,_1

- JSX index ate = 0.000104815576774 + 0.331567554254E2w

By using ARCH volatility estimation approach with 99% level of confidence, then obtained the daily VaR of :

Hangseng index has daily a VaR of Rp. 310,535,130

Nikkei indeks has daily VaR of Rp. 434,097,566,

- Kospi index has a daily VaR of Rp. 377,460,253,

- JSX index has a daily VaR ofRp. 393,293,173,

After the VaR is calculated using ARCH volatility estimation approach, then the next step is to apply a back testing and validity test on the model for 450 days. Back testing is a process to compare VaR resulted from the calculation with the actual Profit and Loss, to know how many times the actual profit and loss exceed the VaR (overshoot). The backtesting resulted to 3 times overshoot on Hangseng index, 2 times on Nikkei and Kospi index and 1 time on JSX index. The four models are valid with LR value respectively of :

- Hangseng index : LR = 1.8681

- Nikkei index : LR = 1.0866

- Kospi index LR = 0.4820

- JSX index : LR = 0.0987

Therefore, can be concluded that the measurement of VaR using ARCH volatility estimation approach on Hangseng, Nikkei, Kospi and JSX during the research period is valid to be implemented.

In measuring using GARCH 1,1 approach, the most appropriate models obtained are as follow :

Hangseng : 6,2 = 0.000000196213937249 - 0.0267928417261E21.1 + 0.972292619200, Nikkei : at' 2=--- 0.00000146888597865 + 0.10016958328821., + 0.89393828018413,4 Kospi : a12 = 0.00000550843884112 + 0.071685859126821.1 + 0.88508061998213,-1 JSX : 612 = 0.00000982522829098 + 0,15412155375982L.2 + 0.78198762654713E_1

VaR calculation with the above GARCH models has resulted to value of VaR as follow :

- Hangseng index has a daily VaR of Rp. 437,569,761,

- Nikkei index has a daily VaR of Rp. 653,191,207,

- Kospi index has a daily VaR of Rp. 470,172,540,

- JSX index has a daily VaR of Rp. 458,918,638,

Backtesting on the GARCI-J volatility models has resulted to 6 times overshoots on Hangseng index, 3 times on Nikkei index, 2 times respectively on Kospi and JSX index. The followings are the result of validity testing with TNoF on GARCH volatility models :

- Hangseng index : LR = 1.8681

- Nikkei index : LR = 0.0987

- Kospi index : LR = 0.0126

- JSX index : LR = 0.0126

The conclusion is, VaR measurement on Hangseng, Nikkei, Kospi and JSX indexes are valid both using ARCH method and GARCH method."

"Dalam mengelola investasi bagi sebuah lembaga dana pensiun dibutuhkan kehati-hatian dalam pengelolaan risiko investasi terkait dengan jaminan kesejahteraan pegawai perusahaan. Yayasan Dana Pensiun PT.XYZ perlu mengetahui seberapa besar risiko kerugian yang dapat dialami karena memiliki portfolio investasi enam produk reksadana saham. Dalam karya akhir ini akan dihitung besarnya nilai VaR diversified dengan pendekatan volatilitas menggunakan metode EWMA dan ARCH/GARCH. Pada tanggal 28 Agustus 2008 diketahui bahwa nilai VaR diversified portfolio reksadana saham Yayasan Dana Pensiun PT. XYZ sebesar Rp 2.773.037.528. Kegiatan pembaharuan (rebalancing) komposisi penempatan asset perlu dilakukan untuk menambah akurasi model yang dibangun.

---

In order to manage an investment for a pension fund organization, it?s needed a carefully decision to make investment because it may be effecting the employee?s social welfare guarantee. Pension Fund Organization PT.XYZ needs to know how much their risk since they hold an investment. In this thesis we will measure diversified VaR by volatility estimation using EWMA and ARCH/GACRH methods. In Aug 29, 2008 it is known that diversified VaR mutual fund equity investment of Pension Fund Organization PT.XYZ is Rp 2.773.037.528. Rebalancing asset allocation activity is needed in order to increase the accuracy of VaR model."

"ABSTRAKMeskipun kondisi ekonomi makro hingga kini belum menguntungkan, kinerja reksadana mengalami peningkatan baik jumlah reksadana yang beredar maupun jumlah investomya. Reksadana berkembang secara pesat akibat kebijakan pembebasan pajak, sehingga pemilik dana akan memilih reksadana sebagai instrument investasi dibandingkan dengan deposito, terutama untuk reksadana obligasi. Secara teoritis semua investor adalah risk-averse yang berarti investor akan memilih jenis investasi yang memberikan rate of return sebesar mungkin dan tingkat resiko yang serendah mungkin.Untuk membantu investor menakar resiko investasi dapat dilakukan dengan dua cara, yaitu: pertama, dengan beta (p) yang memiliki nilai sebesar satu untuk resiko pasar dan kedua adalah standar deviasi yang biasa disebut dengan volatilitas (a). Reksadana yang akan digunakan sebagai objek penelitian adalah reksadana saham yang memiliki potensi resiko yang tertinggi.Beberapa lembaga independen dunia juga menghitung kinerja investasi yang disesuaikan dengan resiko (risk-adjusted return). Dari basil perhitungan (riskadjusted return), selanjutnya akan dapat dilakukan rating atas reksadana. Rating ini melihat seberapa besar potensi resiko sebuah reksadana kalau dilihat dari data-data historis, selain juga pertumbuhan NAB-nya. Dengan rating ini investor akan dapat memilih reksadana yang mencatat pertumbuhan NAB tinggi, tetapi potensi resikonya seimbang. Gaya investasi tertentu dari reksadana bisa mencatat pertumbuhan yang rendah tetapi memiliki potensi resiko yang tinggi.Proses Rating reksadana saham bertujuan untuk melihat kemampuan Manajer Investasi yang menerbitkan reksadana tersebut dalam mengelola portfolio investasi yang sangat beresiko. Indikator resiko yang akan digunakan adalah conditional variances dan akar dari conditional variances adalah volatilitas (a) yang akan diperoleh dengan metode: Exponential Weighted Moving Average Model (EWMA}, Autoregressive Conditional Heteroscedasticity (ARCH) I Generalised Autoregressive Conditional Heteroscedastic (GARCH).Permasalahan dalam karya akhir ini adalah mengukur risiko investasi dalam reksadana saham menggunakan metode perhitungan standar deviasi (volatilitas) dengan estimator model EWMA dan model ARCH/GARCH, mencari estimator model volatilitas yang terbaik, membuktikan apakah reksadana saham yang memiliki volatilitas yang tingginya melebihi volatilitas pasar (IHSG) akan memiliki pertumbuhan imbal hasil (return) yang tinggi, atau sebaliknya. Meneliti strategi portfolio yang digunakan perusahaan manajer investasi di Indonesia dalam mengelola portofolio reksadana saham.Data yang dipergunakan dalam penulisan karya akhir ini adalah nilai aktiva bersih (NAB) per unit penyertaan, yaitu NAB harian yang dikeluarkan oleh Bank Kustodian. Peri ode penelitian dalam penghitungan volatilitas adalah selama 24 (dua puluh empat) bulan yaitu dari tanggal 1 Januari 2001 sampai dengan 31 Desember 2002 (sekitar 500 titik data). Karya akhir ini difokuskan kepada penghitungan conditional volatilitas pada risiko pasar, yaitu resiko portfolio saham atau ekuitas. Kemudian melakukan uji validitas model dengan melakukan proses backtesting dengan Kupiec Test, baik pada EWMA maupun ARCH/GARCH untuk melihat model apa yang lebih baik.Hasil dari portofolio yang diteliti pada umumnya menunjukkan risiko yang sebanding dengan returnnya, namun bisa saja suatu portofolio yang memiliki volatilitas tinggi tetapi ratingnya tidak begitu baik. Pada reksadana ABN Amro Dana Saham mengikuti fenomena Low Risk High Return. Phinisi Dana Saham, BNI Reksa Dana Berkembang, Panin Dana Saham, GTF Agresi( Si Dana Saham, Rencana Cerdas dan GTF Sentosa mengikuti fenomena High Risk High Return. BIG Nusantara mengikuti fenomena Low Risk Moderat Return. Nikko Saham Nusantara, Master Dinamis, Bahana Dana mengikuti fenomena High Risk Moderat Return. Megah Kapital, Danareksa Mawar, Arjuna, Bima, GTF Sejahtera mengikuti fenomena Low Risk Low Return. Fenomena volatilitas yang tinggi tidak selalu disertai dengan pertumbuhan return yang tinggi, jika para manajer investasi tidak melakukan pengelolaan yang baik. Keputusan terletak di tangan investor sendiri untuk memilih asset lokasi, strategi, style, reksadana maupun manajer investasi yang sesuai dengan rencana investasi."

"ABSTRAKKomoditas dalam arti luas adalah mencakup segala batang yang berguna dan dapat diperdagangkan. Transaksi komoditas merupakan hal yang biasa dilakukan dalam kegiatan perekonomian sehari-hari, narnun akibat kepentingan (supply dan demand) pelaku pasar yang berbeda-beda menyebabkan harga kornoditas yang sukar diprediksi. Sebagai contoh untuk komoditas pertanian, seorang petani sulit untuk rnengetahui keuntungan yang didapat dari hasil pertaniannya. Pada tahun dimana hasil pertanian tersebut langka (sulit untuk didapat), maka petani tersebut dapat menjual dengan harga tinggi tetapi pada tahun dimana basil pertaniannya tersedia banyak dipasar (oversupply) kemungkinan besar petani akan menjual murah basil pertaniannya sehingga sulit untuk mendapat keuntungan. Di sisi lain, pedagang hasil pertanian akan membayar harga yang lebih mahal jika komoditas pertanian menjadi langka dan akan membayar lebih murahjika terjadi kondisi oversupply. Karena kondisi seperti itu, maka timbullah kontrak futures yang didasari underlying asset komoditas lunak hasil pertanian yang beragam.Perkembangan teknologi informasi yang makin pesat membuat kontrak futures dapat menjadi salah satu instrumen (financial Instrument) yang dapat digunakan untuk berspekulasi, yaitu transaksi futures yang lebih cenderung untuk melakukan futures trading dibandingkan investasi untuk memperjualbelikan komoditas yang mendasarinya (underlying assets). Karena adanya spekulasi tersebut menyebabkan fungsi hedging ternyata tidak bebas risiko. Oleh sebab itu dapat diambil kesimpulan bahwa dibutuhkan metode pengukuran risiko untuk kepentingan pihak penyelenggara transaksi kontrak futures (dalam hal ini komoditas pertanian) dan pelaku pasar. Dalam karya akhir ini mempunyai perumusan masalah antara lain berapa besar potensi risiko kerugian maksimun jika memegang posisi pada kontrak futures komoditas berdasarkan time to maturity dan model estimasi volatilitas manakah yang reliable dalam perhitungan nilai VaP. untuk mengukur return kontrak Futures pada komcditas hasil pertanian yang ditransaksikan di bursa Tokyo Grain Exchanges (TGE).Tujuan dari karya akhir ini selain mengimplementasikan model volatilitas yang sesuai dalam perhitungan VaR dari futures komoditas akan tetapi yang lebih penting adalah mengetahui validitas nilai VaR yang dihasilkan dengan melakukan backtesting serta penggunaan VaR dalam aplikasi perdagangan kontrak futures komoditas pertanian. Penulisan karya akhir ini juga diharapkan bermanfaat untuk dapat diterapkan untuk penghitungan VaR pada transaksi perdagangan kontrak.futures di bursafutures Indonesia.Penelitian dilakukan dengan membentuk model-model perhitungan VaR dengan estimasi volatilitas menggunakan standar deviasi dan ARCH/GARCH terhadap return kontrak futures komoditas setelah diiakukan pengujian untuk menentukan model yang sesuai dengan karakteristik data runtun waktu return dari kontrak futures masing-masing komoditas pada time to maturity yang berbeda.Berbagai variasi dilakukan dengan menetapkan asumsi dan menerapkan data, sehingga dapat diketahui sejauh mana pengaruh penetapan asumsi dan data bagi efisiensi dan reliabilitas masing-masing model. Periode waktu yang diambil sebagai data pergerakan harga futures komoditas yang diperdagangkan di Tokyo Grain Exchange (bursa komoditas pertanian di Jepang), antara lain dari 4 Januari 2001 sampai dengan 17 Januari 2003 dengan jumlah sampel sebanyak 500 hari. Sedangkan jenis-jenis komoditas yang akan diambil dalam penentuan VaR adalah sebagai berikut kontrak futures komoditas Redbean, U.S. Soybean, Raw Sugar, Robusta, Arabika, Robusta, NGMO (Non Genetically Modified Organism) Soybeans.Hasil penelitian yang setelah uji validasi, model ARCH/GARCH ternyata reliable dalam penentuan nilai VaR. Untuk nilai VaR, hasil yang didapat pada kontra.k dengan time to maturity terpendek cenderung untuk lebih kecil, dalam hal ini berarti dapat disarankan bagi pelaku pasar (hedgers dan speculators) untuk mengambil posisi pada futures dengan time to maturity yang terpendek dengan tujuan untuk mengurangi risiko dan dapat lebih mengalokasikan dana secara optimal, sedangkan institusi keuangan dalam hal ini bursa berjangka dan anggota bursa dapat memanfaatkan nilai VaR sebagai benchmark untuk penentuan initial margin yang berbeda sesuai dengan time to maturity, untuk time to maturity yang lebih pendek margin seharusnya lebih rendah dari kontrak futures dengan time to maturity yang lebih panjang. Untuk dealer, karena risiko pada jangka pendek lebih rendah, dapat mengambil posisi lebih banyak jika posisi margin melebihi nilai VaR."