Hasil Pencarian  ::  Simpan CSV :: Kembali

"Value at risk merupakan suatu alat yang dipakai untuk mengukur risiko investasi. Value at risk menjelaskan besarnya kerugian terburuk yang terjadi pada investasi pada produk finansial dengan tingkat kepercayaan tertentu dan dalam interval waktu tertentu. Beberapa metode telah dikembangkan untuk menaksir Value at Risk, seperti simulasi data historis, simulasi Monte Carlo, GARCH (1,1), EWMA, dan lain-lain. Namun, metode-metode tersebut masih dianggap tidak dapat menjelaskan struktur keterkaitan masing-masing variabel random yang membentuk portfolio tersebut. Dengan menggunakan fungsi copula, keterkaitan masing-masing saham dalam distribusi gabungannya dapat dimodelkan sehingga perilaku distribusi marginalnya dapat diamati dengan lebih detail. Pada makalah ini t-copula digunakan untuk memodelkan struktur kebergantungan (dependence) pada distribusi gabungan tingkat pengembalian portfolio. Fungsi t-copula adalah bentuk umum dari fungsi distribusi multivariat t-student, dimana t-copula dapat memodelkan dan mengestimasi distribusi multivariat t-student tanpa harus mengasumsikan variabel-variabel acaknya berdtrisbusi normal. Dalam analisa data, fungsi t-copula membutuhkan data yang saling bebas dan identik dalam distribusi (iid). Data empiris yang digunakan dalam penelitian ini adalah data indeks Jakarta Stock Exchange dan indeks Kuala Lumpur Stock Exchange dicatat pada kurun waktu 30 Mei 2008 sampai 30 Mei 2013 (1270 observasi). Value at Risk yang dihitung menggunakan periode horizon T=22 hari kedepan untuk tingkat kepercayaan masing-masing 90%, 95%, 99%. dibandingkan dengan Gaussian copula, t-copula memberikan hasil yang lebih baik. Hasil ini sesuai dengan teori, walaupun perbedaannya tidak terlalu signifikan."

"Model pengukuran risiko Value at Risk (VaR) saat ini telah digunakan secara luas, tidak hanya pada sektor perbankan, tapi juga disektor lain seperti asuransi. Tujuan karya akhir ini adalah untuk mengukur Value at Risk (VaR) dengan pendekatan distribusi bersama copula, untuk menguji investasi 5 jenis saham yang dilakukan oleh PT ASABRI (Persero). Hasil distribusi return dari kelima saham bersifat heteroskedastis, sehingga dilakukan pendekatan GARCH(1,1) pada data residual. Nilai GARCH(1,1) tersebut digunakan untuk mencari distribusi portofolio saham dengan pendekatan distribusi bersama copula. Distribusi copula yang paling fit untuk digunakan adalah Clayton Copula berdasarkan nilai AIC terkecil, yang selanjutnya digunakan untuk mengukur besarnya potensi kerugian dengan menggunakan tingkat keyakinan 99% menggunakan monte carlo simulation dengan random number sebanyak 10.000 dan divalidasi dengan menggunakan Kupiec test. Hasil pengujian dengan Kupiec test menunjukkan bahwa model VaR dengan pendekatan distribusi clayton copula valid untuk mengukur besarnya potensi kerugian.

---

Risk measurement model of Value at Risk (VaR) is now widely used, not only in the banking sector, but also in other sector like insurances. The purpose of this thesis is to measure Value at Risk (VaR) with common distribution copula approach, to test 5 investment shares owned by PT ASABRI (Persero). The results of the return distribution of the five stocks are heteroskedastis, so do approach GARCH (1,1) at the data residuals. Value GARCH (1,1) is used to find the distribution of the stock portfolio distribution with copula approach. Copula distribution is most fit to be used is Clayton Copula based on smallest AIC value, which is then used to measure the magnitude of potential losses using a 99% confidence level using Monte Carlo simulation with a random number as many as 10,000 and validated using the Kupiec test. The Kupiec test results shows that the VaR model using clayton copula distribution approach is valid for measuring the magnitude of potential losses."

"ABSTRAKTesis ini membahas mengenai estimasi Value at Risk VaR dengan metode simulasi Monte Carlo, dimana distribusi bersama yang digunakan untuk memodelkan return portofolio dibentuk melalui fungsi copula. Data yang digunakan sebagai ilustrasi model adalah return harian Indeks Papan Pengembangan dan return harian Indeks Papan Utama, dengan periode 4 Januari 2010-30 Desember 2016. Metode validasi yang dilakukan untuk memeriksa estimasi VaR yang dihasilkan adalah Haas rsquo; mixed Kupiec test TBF . Berdasarkan uji TBF, diketahui bahwa estimasi VaR dengan metode simulasi Monte Carlo-copula secara statistik tidak cocok diterapkan untuk mengestimasi VaR dari portofolio yang berisi Indeks Papan Utama dan Indeks Papan Pengembangan. Walaupun secara statistik metode simulasi Monte Carlo-copula dianggap tidak cocok diterapkan pada data ilustrasi, dari aspek manajerial, metode simulasi Monte Carlo-copula dapat dijadikan suatu pilihan dalam mengestimasi VaR.

---

ABSTRACTAbstract This thesis uses Monte Carlo simulation with copula function as joint distribution to estimate Value at Risk VAR of a portfolio. Data used in this thesis are daily returns of IDX Main Board Index and IDX Development Board Index for period January 2010 December 2016. As for the VaR backtest, Haas 39 Mixed Kupiec Test TBF was used. Based on TBF test, Monte Carlo copula model was found not suitable statistically to estimate VaR of a portfolio consisting IDX Main Board Index and IDX Development Board Index. Although being rejected statistically, Monte Carlo copula model is still suitable for estimating VaR in managerial perspective. Key words copula, value at risk, Monte Carlo simulation, stock indexes"

"Latar belakang penulisan karya akhir ini beranjak dari adanya rekapitalisasi perbankan yang dilakukan pemerintah dan adanya amandemen Basel Capital Accord 1998 pada tahun 1996 yang memasukkan unsur risiko pasar sebagai dasar perhitungan kebutuhan modal minimum. Dengan selesainya rekapitalisasi, portofolio aset yang dimiliki bank yang direkapitalisasi sebagian besar berupa obligasi pemerintah. Mengingat instrumen surat berharga obligasi sangat berkaitan dengan risiko pasar terutama faktor risiko suku bunga, dampaknya apabila faktor risiko pasar tersebut tidak dikelola secara baik akan membawa dampak kerugian yang cukup signifikan bagi kelangsungan operasonal bank. Permasalahan yang timbul adalah untuk menghitung besamya risiko pasar, selama ini yang dilakukan perbankan masih mertggunakan pendekatan tradisional (non statistik) sehingga masih diragukan keakuratannya. Sedangkan pengukuran risiko dengan pendekatan advance approach (value at risk) masih belum banyak diterapkan oleh bankbank di Indonesia termasuk pada bank tempat kami melakukan penelitian. Tujuan dari penulisan ini adalah untuk mengetahui bagaimana menghitung besarnya risiko pasar dari portofolio obligasi dalam rangka memenuhi perhitungan kebutuhan modal baru dengan menggunakan teknik-teknik : Perhitungan Value at Risk (VaR) dengan pendekatan variance-covariance dengan estimasi volatilitas menggunakan model Exponentially Weighted Moving Average (EWMA), melakukan uji validasi permodelan dengan teknik Back Testing dan Kupiec Testing serta menghitung capital charge yang hams disediak:an untuk mengcover risiko pasar dari portofolio obligasi yang dimiliki bank. Sebelum sampai pada perhitungan VaR portofolio obligasi, penetapan spesifikasi model yang digunakan sebagai acuan pengolahan data sebagai berikut :- Perhitungan V aR porto folio obligasi menggunakan portofolio trading yang dimiliki bank posisi tanggal 30 Juni 2003 sebesat Rp. 1.824.127.000.000- Pembentukan yield curve menggunakan Bradley Crane Model. Hal ini dilakukan karena tidak tersedianya data harianyield curve.- Confidence Level (CL) yang digunakan 95% dan 99% (one tailed).- Holdingperiode ditetapkan selama 1 (satu) hari.- Forecast yield volatility menggunakan EWMA, dengan penetapan decay factor (A.) sebesar 0.94 dan penetapan nilai decay factor yang besamya ditetapkan berdasarkan perolehan mean squared error (MSE) yang terkecil.- Melakukan validasi permodelan dengan teknik Back Testing dan Kupiec Testing terhadap data observasi (periode Januari 2003 s.d Juni 2003) dan data out of sample (periode Juli 2003 s.d Agustus 2003). Dengan spesifikasi model diatas, perhitungan yield curve menggunakan Bradley Crane Model menghasilkan data time series yield curve sebanyak 121 titik untuk data observasi dan sebanyak 43 titik untuk data out of sampel untuk 19 jenis yield to maturity (YTM). Dari data tersebut kemudian dilakukan forecast yield volatility dengan permodelan EWMA. Hasil perhitungan forecast dengan model EWMA (.A= 0,94) setelah dilakukan back testing untuk data observasi maupun data out of sample menghasilkan sejumlah failure. Sedangkan untuk model EWMA yang nilai decay factornya ditetapkan berdasarkan nilai MSE terkecil, secara keseluruhan dari 19 jenis YTM nilai MSE terkecilnya berada pada nilai A, = 0,99. Penetapan nilai tersebut diperoleh dari hasil forecast yang sabagian besar dipengaruhi oleh variance return pada hari yang bersangkutan dan sebagian kecil dari hasil forecast 1 (satu) hari sebelumnya. Setelah dilakukan proses back testing (data observasi maupun data out of sample), permodelan ini tidak menghasilkan failure. Dari kedua model EWMA tersebut kemudian dilakukan validasi dengan Kupiec Testing, dan temyata secara statistik proportion of failures yang dihasilkan model dapat diterima (valid), sehinggaforecast yield volatility yang dihasilkan kedua model tersebut baik untuk CL 95% maupun CL 99% dapat digunakan untuk menghitung VaR. Dalam penelitian ini perhitungan VaR dibedakan antara VaR Diversified yang memperhitungkan risk correlation dan VaR Undiversified yang tidak memperhitungkan risk correlation. Sesuai dengan teori membuktikan bahwa dengan memperhitungkan risk correlation menghasilkan nilai VaR yang lebih rendah karena adanya efek diversifikasi. Dari hasil perhitungan VaR memperlihatkan bahwa permodelan EWMA (A.=0,94) menghasilkan nilai VaR yang lebih rendah dibanding permodelan EWMA (A=0,99), namun nilainya tidak jauh berbeda. Disamping itu, dari perhitungan VaR juga memperlihatkan bahwa dengan menggunakan CL 99% menghasilkan nilai V aR yang lebih besar dibanding CL 95%. Hal ini disebabkan dengan semaki.n besamya CL, nilai statistik (a.) yang digunakan untuk menghitungyield volatilitas juga semakin besar. Dengan memperbitungkan risiko pasar kedalam perbitungan CAR maka peroleban CAR posisi 30 Juni 2003 sebesar 12,36% mengalami penurunan antara 0,06% s.d 0,09% untuk setiap permodelan ( dengan asumsi bukan hanya posisi obligasi trading pada tanggal 30 Juni 2003 yang dihitung dalam market risk). Secara ringkas basil perbitungan VaR, capital charge dan CAR sebagai berikut:Dari hasil penelitian dapat disimpulkan babwa perbitungan VaR portofolio obligasi dengan pendekatan variance covariance yang forecast volatilitasnya menggunakan permodelan EWMA dapat digunakan bank dalam perbitungan risiko pasar. Sedangkan penetapan decay factor dalam perhitungan forecast, untuk kondisi di Indonesia pada saat ini yang paling cocok adalab sebesar 0,99. Hal ini telab dibuktikan bahwa permodelan EWMA (A. = 0.99) tidak menghasilkan failure, walaupun basil perbitungan VaR dan capital charge-nya sedikit lebib besar, namun basil akhir perbitungan CAR-nya tidakjauh berbeda dibanding permodelan EWMA (A.= 0,94)."

"Perkembangan pesat dari industri perbankan yang diiringi oleh semakin meningkatnya kompleksitas dari kegiatan usaha perbankan berpengaruh kepada peningkatan risiko yang melekat pada kegiatan bank. Secara garis besar risiko yang dihadapi perbankan terdiri dari tiga jenis risiko yaitu risiko pasar (market risk), risiko kredit (credit risk) dan risiko operasional (operational risk). Termasuk didalam risiko pasar adalah risiko tingkat suku bunga (interest rate risk) dan risiko nilai tukar (foreign exchange).Kerugian dalam jumlah besar yang diakibatkan oleh perbbahan nilai tukar telah beberapa kali terjadi. Diantaranya dialami oleh Bank Negara Malaysia yang mengalami kerugian sebesar lebih dari US$ 3 milyar pada tahun 1992 dan US$ 2 milyar pada tahun 1993. Kasus di Indonesia teriadi pada saat krisis ekonomi pada tahun 1998, Bank yang memiliki pinjaman dalam mata uang asing, terutama dalam mata uang US$ mengalami kerugian besar akibat terdepresiasinya nilai rupiah terhadap US$ hingga 70%.Risiko nilai tukar tersebut dapat diantisipasi melalui penerapan manajemen risiko yang baik dan metode pengukuran risiko nilai tukar yang memadai. Untuk memudahkan bank dalam inengukur 6sikonya Bank Indonesia menetapkan dua kerangka metode pengukuran perrnodalan minimum yaitu standard model dan internal model. Bank yang kompleks dan aktif dalam perdagangan instrumen keuangan dianjurkan untuk menggunakan internal model.Salah satu internal model yang sering digunakan oleh perbankan akhir-akhir ini untuk mengukur besarnya risiko pasar yang dihadapi adalah metode Value at Risk (VaR). VaR merupakan pengukuran risiko secara kuantitatif yang mengestimasi potensial 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.Perhitungan VaR terdiri atas metode Parametric, diantaranya adalah metode Variance-Covariance, metode Non Parametric, diantaranya Historical Simulation dan Monte Carlo. Dalam perhitungan VaR dengan metode Variance-Covariance dibutuhkan peramalan volatilitas. Volatilitas dari suatu data time series bisa bersifat homoskedastis (mempunyai nilai volatilitas yang konstan) atau bersifat heteroskedastis (mempunyai nilai volatilitas yang berubah-ubah). Metode yang biasa digunakan untuk memodelkan volatilitas yang berubahubah adalah Exponentional Weighted Moving Average (EWMA) dan Generalized Autoregressive Heteroskedaslic (GARCH). Metode GARCI-I mengasumsikan bahwa. variance hari tertentu merupakan fungsi dari variance dan kuadrat error dari hari-hari sebelumnya.Pada pasar keuangan, market value dari suatu aset dipengaruhi dan mempengaruhi aset lainnya. Besarnya pengaruh tersebut dinyatakan dalam besaran korelasi. Nilai korelasi ini mempengaruhi besarnya VaR portofolio. Sebelumnya korelasi sering dinyatakan dalam besaran yang konstan. Pengukuran korelasi yang bersifat berubah-ubah telah dilakukan namun dengan metode yang cukup rumit. Robert Engle pada papernya yang berjudul Dynamic Conditional Correlation -A Simple Class of Multivariate GARCH Models memaparkan metode pengukuran korelasi dinamis (korelasi yang berubah-ubah dari hari kehari) yang terbukti dapat diandalkan dan cukup sederhana dalam metode penghitungannya.Bank "X" merupakan bank no 8 terbesar di Indonesia apabila dilihat dari sisi aktiva. Laba bersih yang diraih pada tahun 2004 adalah sebesar Rp. 660 milyar. Bank "X" termasuk ke dalam kategori bank devisa dan memiliki risiko nilai tukar dalam beberapa mata uang asing atau biasa disebut sebagai portofolio. Apabila dilihat dari neraca Bank "X" pada tanggal 31 Desember 2004, Sebanyak 17% aktiva terekspos risiko nilai tukar. Demikian juga pada sisi pasiva, sebanyak 17% terekspos risiko nilai tukar. Bank "X" telah memenuhi persyaratan baik kualitatif maupun kuantitatif yang ditetapkan oleh Bank Indonesia untuk dapat mengukur risiko pasar dengan metode internal. Bank "X" telah menerapkan metode internal untuk mengukur nilai VaR dari portofolio mata uang asingnya. Saat ini, Bank "X" baru menggunakan korelasi konstan dalam mengukur risiko nilai tukarnya. Amat penting bagi Bank "X" untuk melihat apakah penerapan korelasi dinamis mampu memberikan hasil yang lebih akurat dalam memprediksi nilai VaR.Melihat besarnya jurnlah asset maupun liabilities yang terekspos oleh risiko nilai tukar maka amat penting bagi Bank "X" untuk memastikan bahwa metode pengukuran yang dimilikinya telah optimal dalam mengukur besarnya risiko nilai tukar. Panting bagi Bank "X" untuk mengetahui nilai VaR yang dihadapi apabila dihitung dengan metode yang lain. Hingga Bank "X" dapat mengetahui apakah metode yang diterapkannya pada saat ini telah optimal.Berdasarkan kedua hal diatas, maka penelitian ini bertujuan untuk menghitung VaR dad risiko nilai tukar alas portofolio mata uang asing yang terdapat pada Bank "X" selama tahun 2004 dengan menggunakan metode pendugaan volatilitas GARCH dan pendugaan korelasi Dynamic Conditional Correlation, untuk kemudian membandingkannya dengan nilai VaR yang dihasilkan oleh metode internal yang dirniliki Bank "X". Hingga dapat disimpulkan metode mana yang lebih baik.Pengukuran nilai VaR dengan menggunakan metode pendugaan volatilitas GARCH dan pendugaan korelasi dynamic conditional correlation yang diterapkan pada portofolio mata uang asing Bank "X" selama tahun 2004 terlihat lebih efektif dari metode pengukuran VaR yang dirniliki oleh Bank "X". Metode yang digunakan pada penelitian ini hanya menghasilkan 2 failure lebih sedikit apabila dibandingkan dengan 8 failure yang dihasilkan oleh metode yang dirniliki oleh Bank "X".Penggunakan metode pendugaan korelasi dynamic conditional correlation rnampu menurunkan nilai VaR yang dibutuhkan apabila dibandingkan dengan metode pengukuran VaR dengan pendugaan volatilitas GARCH yang menggunakan relasi biasa tanpa menurunkan tingkat akurasi dari nilai VaR yang dihasilkan. Kedua pengukuran tersebut samasama menghasilkan 2 failure, namun 75% nilai VaR yang dihasilkan dengan pengimplementasian Dynamic Conditional Correlation menghasilkan lebih rendah dibanding penggunaan korelasi statistik. Penghematan yang terbesar terjadi pada tanggal 30 Januari 2004 yaitu sebesar 71.25%.Pada tahun 2004, berdasarkan uji white heteroskedastisity no cross term, seluruh mata uang bersifat homoskedastis. Metode pengukuran volatilitas GARCH dan Dynamic Conditional Correlation diperkirakan akan lebih marnpu bertahan daripada metode pengukuran yang dimiliki Bank "X" apabila diterapkan pada kondisi volatilitas mata uang yang berubah-ubah/heteroskedastis."

"Tesis ini membahas pengukuran risiko pasar portofolio saham dengan Value at Risk dan Expected Shortfall model volatilitas GARCH pada PT XYZ yang terdiri 29 emiten dengan periode observasi tahun 2008-2010. Hasil analisis menunjukkan bahwa perhitungan return portofolio tidak memenuhi distribusi normal, sehingga estimasi kerugian dengan menggunakan VaR distribusi normal dapat menjadi bias.Hasil pengujian menunjukkan bahwa hipotesa parametrics VaR dengan model volatilitas GARCH pada confidence level 99% dan 95% terbukti valid setelah dilakukan kupiec test pada periode 2010-2011, sementara hipotesa Expected Shortfall sebagai alternatif pengukuran risiko terbukti valid hanya pada confidence level 99%. Hasil perhitungan risiko portofolio saham dengan VaR dan ES model volatilitas GARCH menunjukkan bahwa nilai risiko lebih optimum dibandingkan undiversified portofolionya.

---

This thesis discusses the measurement of portfolio market risk by using Value at Risk and Expected Shortfall with GARCH volatility model on 29 listed companies PT XYZ?s during observation periods of 2008-2010. The analysis showed that the calculation of portfolio return do not meet the normal distribution so that the expected loss using normal distribution VaR can be biased.

The hypothesis of Parametrics VaR with GARCH volatility at 95% and 99% confidence level proved valid after Kupiec test in the periods of 2010-2011, while hypothesis of Expected Shortfall as an alternative risk measurement proved valid only at 99% confidence level. Risk calculation using VaR and Expected Shortfall with GARCH volatility suggests more optimum value than the undiversified portfolio."

"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."

"Penelitian ini bertujuan untuk membandingkan dua metode value at-risk, delta-normal dan historical simulation diaplikasikan pada sebuah portofolio. Data yang digunakan dalam penelitian adalah rerum portofolio yang terdiri dari saham­ saham LQ45 selama interval waktu Februari 2007 sampai dengan Juli 2009 yang berjumlah 596 data. Sebelum diperbandingkan, hasil kedua metode pethitungan VaR akan diuji validitasnya sebagai rnetode pengukuran menggunakan Kupiec test. Jika kedua metode dinyatakan valid, maka kedua metode lersebut akan diperbandingkan untuk menentukan mewde manakah yang lebih cocok sebagai VaR bagi portofolio tersebut Uji normaHtas akan dilakukan karena merupakan asurnsi dalam metode delta-normal. Parameter perhitungau VaR yang digunakan adalah confidence interval 95% dengan horizon waktu 20 hari. Berdasarkan hasil pengujian Kupiec test, kedua metode dalam penelitian ini ditolak sebagai metode pengukuran VaR portofolio tersebut. Dan menurut uji normalitas, beberapa return portofolio tersebut tidak memilik.i dlstibusi normal yang berdampak metode delta-normal tidak dapat langsung diterapkan sehingga dafam perhitungannya harus menggunakan alpha prime. Hasil penelitian ini menyatakan bahwa kedua metode tersebut memiliki tingkat kesalahan yang sama, selain itu berdasarkan Kupiec test dari kedua metode tersebut tidak memiliki validitas yang baik untuk diterapkan.

---

This research aimed to comparing two method of Value-at-risk, that is delta­ normal and historical simulation applied to a portfolio. Data used in this research are portfolio return consisting LQ45's stock for time interval February 2007 till July 2009 with total 596 data. Before the comparison, result from both methods will be tested for its validity as a measurement method using Kupiec test. If both methods are valid, then both of methods will be compared to know which one is more suit as VaR for related portfolio. Normality test will be held because it needed for delta-normal method. Measurement parameters used are confidence interval 95% with 20 days time horizon.

Based on the result of Kupiec test, both methods rejected as VaR measurement method for related portfolio. And according to normality test, portfolio returns have a not normal distribution therefore can not be applied immediately to delta normal results are both method are have the same failure rate, but the result from Kupiec test shows that both methods are not suitable to be implemented."

"ABSTRAKSeiring dengan semakin terintegrasinya pasar keuangan domestik dengan keuangan global dan semakin kompleksnya jenis aktivitas serta transaksi keuangan yang dilakukan perbankan, pengaturan mengenai risiko pasar (market risk) dalam pemodalan bank sudah saatnya untuk diimplementasikan. Dalam kaitannya dengan hal tersebut, Basel Committee on Banking Supervision mengeluarkan ketentuan yang memasukkan unsur market risk dalam penghitungan capital adequacy ratio (CAR).Market risk merupakan risiko kerugian bank akibat perubahan faktor-faktor pasar, yang dibagi ke dalam risiko suku bunga, risiko nilai tukar, dan risiko perubahan harga. Dalam melakukan penghitungan market risk ini, ada dua pendekatan yang ditetapkan oleh Basel Committee dalam dokumen Basel Capital Accord (BCA) 1996 yaitu dengan standardized model dan internal model.Pendekatan standardized model menggunakan satu model yang telah dirancang oleh Basel Committee untuk memberikan acuan bagi bank dalam mengukur risiko pasar. Di Indonesia, pendekatan standardized model ini merupakan pendekatan dengan bekal template yang semua aspek regulasi dan besaran kuantitatifnya telah ditentukan oleh Bank Indonesia (BI) dan bank hanya melaksanakan ketentuan yang digariskan, sedangkan pada pendekatan internal model bank diberikan keleluasaan untuk mengembangkan model sesuai ketentuan Bl.Penelitian ini akan memaparkan penghitungan risiko nilai tukar pendekatan internal model dengan metode value at risk (V aR) pada PT Bank X, untuk mengetahui kerugian maksimum yang mungkin terjadi pada bank jika memegang suatu portofolio pada holding periods dan confidence level tertentu dengan berdasarkan pada kondisi market yang normal.Metode VaR yang dipaparkan dalam karya akhir ini adalah metode varian kovarian yang menggunakan dua estimator volatilitas yaitu model exponentially weighted moving average (EWMA) dan model generalized autoregressive conditional Heteroscedasticity (GARCH). Dari kedua model estimator volatilitas tersebut dapat dibuat berbagai macam model dengan menggunakan jumlah data historis 301 hari dengan level of confidence yang dipilih adalah 95%.Dari beberapa model yang disimulasikan, model GARCH (1,1) adalah model yang paling baik, karena model yang dihasilkan oleh estimator volatilitas model GARCH (1, 1) temyata menghasilkan tingkat error yang rendah serta forecast yang dihasilkannya pun mampu menangkap pergerakan volatilitas actual-nya.Berdasarkan basil penelitian ini, disarankan bagi PT Bank X untuk menggunakan estimator volatilitas model GARCH (1,1) agar optimal dalam menghitung risiko nilai tukar karena model GARCH (1,1) ini menghasilkan prediksi nilai VaR yang lebih kecil dibandingkan dengan model EWMA."

"Pertumbuhan penduduk yang pesat diiringi dengan pembangunan infrastruktur pendukung pariwisata yang tidak terkontrol di daerah Bali Selatan berakibat pada persediaan air bersih yang kian menipis. Melihat kondisi tersebut, Pemerintah Provinsi Bali saat ini mengembangkan proyek pembangunan Sistem Penyediaan Air Minum (SPAM) dengan cakupan wilayah Denpasar, Badung, Gianyar, Tabanan, dan Klungkung. Proyek pembangunan SPAM ini membutuhkan biaya investasi yang sangat tinggi sehingga perlu adanya analisis berbasis risiko untuk mengurangi kemungkinan terjadinya kegagalan proyek baik dalam aspek operasional maupun pendanaan. Penelitian dilakukan dengan menggunakan metode Project Risk Management dengan pendekatan Value at Risk (VaR) untuk menghitung dampak risiko terhadap investasi. Output penelitian ini berupa model risiko finansial yang kemudian dianalisis untuk menyusun rekomendasi rencana penanganan risiko yaitu berupa keputusan untuk mencegah, mitigasi, atau menerima risiko yang mungkin akan terjadi. Hasil analisis menunjukkan bahwa dari tiga faktor risiko yang menjadi prioritas, risiko fluktuasi nilai tukar Rupiah terhadap U.S. Dollar memiliki pengaruh yang paling besar terhadap nilai arus kas bersih proyek.

---

Rapid population growth aligned with the uncontrolled development of tourism facilities leads South Bali to the depletion of clean water supply. According to this condition, Bali Provincial Government is currently developing a drinking water supply project that will cover area of Denpasar, Badung, Gianyar, Tabanan, and Klungkung. The construction of water supply system requires a high investment costs which then resulted in the need of risk-based analysis to reduce the likelihood of failure in both the operational and financial aspects of the project. The study was conducted by using Project Risk Management method with Value at Risk approach to calculate the impact of risks in project investment. The output of the research is a financial risk model which is then analyzed to develop a risk responses planning which provides an alternative decision whether to avoid, mitigate, or accept the risks that might occur. The analysis showed that of the three prority risk factors, exchange rate has the greatest influence on the net present value of the project."