Hasil Pencarian  ::  Simpan CSV :: Kembali

"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)."

"Dalam mengelola bank atau lembaga keuangan, manajemen mengmdapi berbagai risiko untuk memperoleh tingkat keuntungan yang diinginkan. Risiko (risk) dideiinisikan sebagai potensi teljadinya suatu peristiwa (events) yang dapal menimbulknn kerugian bank.Salah sam risiko perbankan adalah risiko pasar yaitu suatu risiko yang disebabkan oleh adanya volatilitas komponen pasar atau risiko kerugian pada posisi neraca dan rekening adminisitratif akibat perubahan harga pasar atas surat berharga atau instrumen keuangan lainnya. Terdapat dua komponen risiko pasar yang relevan bagi perbankan di Indonesia, yaitu risiko suku bunga dan risiko nilai tukar.Tujuan dari penelitian ini adalah untuk mengetahui besarnya risiko pasar yang disebabkan perubahan nilai tukar (foreign exchange) atas beberapa mata uang dalam portofolio posisi devisa netto (PDN) dengan mezode VaR (Value at Risk). Dengan diketahuinya nilai VaR ini, akan dapat diketahui besarnya kebutuhan penyediaan modal untuk menutup kemungkinan kerugian yang terjadi.Salah satu permasalahan yang timbul adalah diperlukan metode internal perhitungan risiko pasar tepat yang dapat diterapkan perbankan Indonesia Dalam perhitungan risiko pasar ini menggunakan VaR, yang dilakukan melalui tahapan-tahapan sebagai berikut:a. Perhitungan VaR Portofolio PDN dan capital charge, posisi 31 Desember 2002;b. Penetapan data observasi dan out of sample berupa foreign exchange dengan menggunakan basis data harian;c. Penetapan confidence level yang digunakan, yaitu 90% dan 98% (two tailed);d. Penetapan hoding periode selama 1 (satu) hari;e. Perhitungan forecast return volatility menggunakan Model EWMA, dengan penetapan n = 0,94 dan n, dari hasil perhitungan Mean Square Error (MSE) untuk setiap currency dan setiap confidence level;f. Assesment Model dengan metode Back Testing dan Kupiec Testingg. Perhitungan kembali CAR setelah memperhitungkan marker risk yang disebabkan oleh perubahan nilai tukar alas portofolio PDNDalam penelitian ini, untuk membantu proses pengolahan data, digunakan bantuan software Microsoft Excell.Data yang digunakan 3 (tiga) macam, meliputi historical time series nilai tukar dari Reuters, periode Januari s/d Desember 2002 sebagai data observasi dan periode Januari s/d Maret 2013, data out of sample, yang digunakan untuk uji kevalidan model Data posisi devisa netto (PDN) posisi 31 Desember 2002 dan Data Capital Adequacy Ratio (CAR) posisi 31 Desember 2002.Model yang digunakan dalam perhitungan forecast return volatility dengan Metode EWMA, dengan menggunakan confidence level 90% dan 98%. Kurs beberapa mata uang dalam portofolo PDN digunakan sebagai dasar untuk menghitung return, yang digunakan sebagai level data. Perhitungan ini menggunakan 1 (decay factor) dua macam, yaitu :a. Decay factor yang digunakan JP Morgan, yaitu n = 0,94b. Decay factor yang dihitung berdasarkan perhitungan MSE, dengan cara menggunakan persamaan forecast return variance, secara try and error, dengan variasi n yang digunakan, dipilih nilai MSE terkecil.Untuk menentukan adanya actual return yang melewati batas (failure), dilakukan penetapan batas atas (fortopn/forecast top) dan batas bawah (forbov/forecast bottom).Hasii validasi Back Testing pada data observasi dan out of sample, forecast return volatility diperoleh 2 (dua) hasil yang berbeda, yaitu pada n = 0,94, baik pada confidence level 90% dan 98%, terdapat failure relatif besar, melebihi 10% dan 2%, sehingga permodelan ini tidak layak unluk direkomendasikan. Sedangkan n = 0,99, baik pada confidence level 90% dan 98%, jumlah failure nihil, sehingga permodelan EWMA ini layak direkomendasikan.Validasi data Observasi dengan Kupiec Testing, dengan Model EWMA (n = 0,94), pada confidence level 90%, terdapat satu currency yang nilai Likelyhood Ratio (LR) yang ditolak (rejected), yaitu JPY. Sedangkan pada confidence level 98%, satu Nilai LR ditolak yaitu SGD. Pada n. = 0,99, baik pada confidence level 90% atau 98%, menunjukkan semua nilai LR diterima. Dengan demikian atas model yang digunakan tersebut layak digunakan dan data forecast return volatility dapat pergunakan untuk perhitungan VaR.Validasi Kuptec Testing untuk out of sample, dengan Model EWMA, dengan n = 0,94 pada confidence level 90%, terdapat 2 (dua) Nilai LR, yaitu USD dan SGD yang ditolak, sedangkan pada confidence level 98%, semua nilai LR diterima. Pada A = 0,99, baik pada confidence level 90% dan 98%, semua nilai LR diterima. Perhitungan sendiri besarnya decay factor, akan dapat Iebih realistis atas data yang digunakan.Pada Permodelan EWMA, n. = 0,94, pada confidence level 90% dan 98%, kesimpulan analisa Back Testing dan Kupiec Testing jumlah failure relatif besar, model tersebut tidak direkomendasikan, namun demikian dengan jumlah failure yang terjadi dikenakan penalty sesuai dengan rekomendasi Basel, sdningga permodelan ini diteruskan. Sedangkan pada n. = 0,99, baik pada confidence level 90% dan 98%, jumlah failure nihil, sehingga permodelan EWMA ini layak untuk direkomendasikan.Atas dasar data return yang digunakan sebagai level dala yang terdiri atas enam currency, maka data return tersebut dihitung risk correlation dengan bantuan software microsoft excel. Berdasarkan correlation matrix ini digunakan untuk menghitung VaR diversified, yang digunakan untuk perhitungan capital charge dan CAR, dengan hasil perhitungan sebagai berikut:Dilihat dari perhitungan CAR setelah memperhitungkan risiko pasar, khususnya akibat perubahan nilai tukar eras portofolio PDN, besamya CAR mengalami perubahan yaitu menurun dari CAR sebelumnya. Oleh sebab itu, akibat perubahan nilai tukar timbul risiko yang harus diantisipasi oleh bank dengan penyediaan modal yang cukup."

"Perbankan dalam menjalankan fungsinya sebagai financial intermediary selalu berhubungan dengan risiko. Sehingga dalam menjalankan kegiatan operasionalnya, bank harus dapat mengelola risikonya dengan baik. Selain itu, bisnis perbankan yang mengalami perkembangan pesat, juga membuat risiko kegiatan usaha perbankan menjadi semakin kompleks. Oleh karena itu bank dituntut untuk menerapkan manajemen risiko agar memiliki keunggulan kompetitif dalam persaingan bisnis perbankan. Basel Committee on Banking Supervision pada bulan Januari 1996 mengeluarkan Amendment terhadap Basel Capital Accord (BCA) 1988, perbankan diharapkan untuk memasukkan unsur risiko pasar dalam perhitungan Capital Adequacy Ratio (CAR). Bank Indonesia (BI) sebagai regulator perbankan di Indonesia mewajibkan perbankan untuk menerapkan manajemen risiko di bank masing-masing sesuai peraturan yang dikeluarkan oleh Basel Committee on Banking Supervision tersebut. Salah satu risiko yang dihadapi perbankan adalah risiko pasar. Risiko pasar adalah risiko yang timbul karena adanya pergerakan variable pasar (adverse movement) dari portfolio yang dimiliki oleh bank yang dapat merugikan bank itu sendiri. Risiko pasar yang dibahas dalam karya akhir ini adalah risiko nilai tukar pada portfolio Bank XYZ yang terdiri dari tiga mata uang. Dalam BCA 1996 disebutkan baln-va pengukuran risiko dapat dilakukan dengan standardized approach maupun internal model. Basel mensyaratkan penggunaan Value at Risk (VaR) untuk melakukan penghitungan risiko karena VaR adalah tool yang efektif untuk menggambarkan dan mengkomunikasikan risiko. VaR mengukur maksimum potensi kerugian pada portfolio instrumen keuangan yang diyakini akan terjadi dimasa mendatang dengan tingkat kepercayaan tertentu dan pada holding period tertentu. Pengukuran risiko nilai tukar dapat dilakukan dengan berbagai pendekatan. Pendekatan yang dipergunakan dalam penelitan ini adalah variance covariance. Sedangkan metode yang dipakai untuk mengbitung volatilitas return mata uang asing adalah deviasi standar normal dan Generalized Autoregressive Conditional Heteroscedasticity (GARCH). Aset yang dipilih adalab tiga jenis mata uang asing pada portfolio Bank XYZ, yaitu Dolar Amerika (USD), Euro (EUR) dan Dolar Singapura (SGD) pada periode 2 Desember 2002 sampai dengan 27 Februari 2004 atau sebanyak 298 titik. Pemiliban atas tiga mata uang tersebut dikarenakan USD, EUR dan SGD merupakan tiga aset terbesar didalam portfolio mata uang asing Bank XYZ. Untuk melakukan perhitungan VaR perlu dilakukan pengujian data terlebih dahulu, yang meliputi uji stasioneritas dengan ADF Test, uji normalitas dan uji volatilitas data (white heteroscedastic lest). Berdasarkan basil pengujian data diketahui bahwa data return USD dan SGD memiliki volatilitas homoscedaslic, sehingga perbitungan volatilitasnya menggunakan deviasi standar normal. Sedangkan data return EUR yang memiliki volatilitas heteroscedastic. perbitungan volatilitasnya menggunakan GARCH. Setelab didapat basil volatilitas untuk ketiga mata uang tersebut, kemudian dilakukan perhitungan VaR untuk masing-masing mata uang dan portfolio dengan menggunakan confidence level 95% dan holding period I hari. Dari basil perhitungan VaR. diketahui potensi kerugian maksimum yang dihadapi Bank XYZ pada tanggal 27 Februari 2004 akibat memegang posisi mata uang USD adalah sebesar Rp3.582.910.169; akibat memegang posisi mata uang EUR adalah sebesar Rp19.193.059 dan akibat memegang posisi SGD adalah sebesar Rp2.118.359.962. Sedangkan potensi kerugian maksimum yang dihadapi Bank XYZ pada tanggal 27 Februari 2004 pada portfolio yang terdiri dari USD, EUR dan SGD adalah sebesar Rp5.720.463.191 dengan menggunakan metode undiversified VaR. Sedangkan potensi kerugian maksimum pada portfolionya dengan menggunakan metode diverstfied VaR adalah sebesar Rp5.417.153.223. Uji validasi model perlu dilakukan untuk mengetahui apakah model volatilitas untuk masing-masing mata uang tersebut valid. Uji validasi yang dilakukan dalam penelitian ini menggunakan Kupiec Test berdasarkan Total Number of Failures (TNoF) maupun Time Until First Failure (TUFF). Dari hasil uji validasi dapat disimpulkan bahwa model volatilitas untuk mata uang USD, EUR dan SGD adalah valid, karena nilai likelihood ratio (LR) yang lebih kecil dari 3,841. Sehingga, nilai VaR yang dihasilkan dapat rnenangkap pergerakan actual loos yang ada dan nilai akumulasi penyimpangan (overshooting) yang terjadi masih berada didalam batas toleransi sehingga dapat memberikan hasil yang cukup akurat."

"Semua bisnis pasti memiliki risiko. Tidak terkecuali bisnis perbankan. Dalam menjalani fungsi menawarkan jasa-jasa keuangan, Bank harus mengambil atau mengelola berbagai jenis risiko keuangan secara efektif, agar dampak negatifnya tidak terjadi. Intinya, hampir semua bank beranggapan bahwa risiko dalam sebuah bisnis perbankan harus dihindari ataupun dihilangkan. Salah satu risiko yang termasuk dalam Manajemen Risiko Bank adalah Risiko Pasar. Secara umum Risiko Pasar antara lain terdapat pada aktivitas fungsional Bank seperti kegiatan treasury dan investa.si dalam. bentuk surat berharga, pasar uang, penyertaan pada lembaga keuangan lain, penyediaan dana, dan kegiatan pendanaan dan penerbitan surat hutang, serta kegiatan pembiayaan perdagangan. Kegiatan-kegiatan tersebut tentunya memiliki risiko masing-masing yang berbeda yang harus dihilangkan ai.aupun dikurangi. Bagi bank ukuran besar, aktivitas di luar negeri dan jual beli valuta asing untuk kepentingan bank sendiri, dapat merupakan sumber Risiko Pasar yang signifikan. Bagi kebanyakan bank, yaitu yang kegiatan usahanya berukuran kecil dan sedang, jenis Risiko Pasar yang terutama adalah risiko suku bunga. Berdasarkan hal tersebut di atas, maka pada karya akhir ini penulis ingin meneliti lebih lanjut tentang risiko pasar, khususnya risiko nilai tukar pada Bank X. Dalam penelitian ini, penulis mengukur seberapa besar potensi risiko pasar yang dimiliki oleh Bank X, jika dihitung dengan menggunakan metode Variance Covariance. Kemudian, penulis ingin mengetahui apakah metode tersebut merupakan metode yang paling cocok untuk menghitung risiko nilai tukar pada Bank X. Dalam penelitian ini, digunakan metode Variance Covariance utnuk mengukur risiko nilai tukar, yaitu dengan menggunakan metode Deviasi Standar atau Generalized Autoregressive Conditional Heteroscedasticity (GARCH), yang sesuai dengan hasil pengujian data. Data yang digunakan adalah nilai tukar Rupiah terhadap 3 (tiga) mata uang asing, yaitu Singapore Dollar (SGD), Hongkong Dollar (HKD) dan European Euro (EUR), dengan periode penelitian antara 7 Januari 2003 sampai 30 Januari 2004. Untuk mengetahui karakteristik dari data return ketiga mata uang tersebut dilakukan pengujian yang meliputi uji stasioner, uji normalitas dan uji volatilitas. Dari uji stasioner dapat diketahui bahwa data untuk ketiga mata uang tersebut bersifat stasioner, yang dibuktikan dengan nilai Critical Value (CV) alpha 5% untuk mata uang SGD, HKD dan EUR temyata lebih besar dari nilai ADF test-nya. Selanjutnya dari hasil uji normalitas, didapat bahwa nilai probabilitas untuk ketiga jenis mata uang dalam penelitian ini temyata lebih kecil daripada nilai alpha, sehingga data dikatakan tidak normal. Untuk data yang tidak normal, maka alpha yang digunakan dalam perhitungan VaR adalah alpha yang sesuai dengan rumus Cornish Fisher Expansion. Dari hasil uji volatilitas diketahui data return ketiga mata uang tersebut bersifat homoscedastic, sehingga metode yang digunakan untk melakukan forecasting volatility adalah metode deviasi standar normal. Kemudian berdasarkan perhitungan tersebut dihitung VaR harian dengan confidence level senilai 95% dan holding period 1 hari. Berdasarkan hasil perhitungan tersebut, maka didapatkan nilai VaR sebagai berikut:Dari tabel di atas diketabui nilai Diversified VaR dan Undiversified VaR. Adanya perbedaan yang cukup signifikan antara Diversified VaR dan Undiversified VaR, yaitu sebesar Rp.7.862.042, disebabkan antara lain karena adanya korelasi negatif antara mata uang SGD dan EUR. Hal yang berikut dilakukan setelab pengujian return mata uang adalah menguji validitas dari data tersebut. Kegunaaannya adalab untuk mengetabui apakah model Variance Covariance yang digunakan untuk mengbitung risiko nilai tukar pada Bank X tersebut valid atau tidak. Uji Validitas dilakukan berdasarkan Kupiec Test, yaitu Total Number of Failure (TNoF) dan Time Until First Failure (TUFF). Dari basil pengujian validitas tersebut, baik TN oF dan TUFF, babwa model yang telah ditetapkan untuk ketiga mata uang tersebut dinyatakan valid. Hal ini ditunjukkan dengan nilai Likelihood Ratio (LR) yang lebih kecil daripada nilai Chi Square. Berdasarkan basil akhir penelitian ini maka dapat disimpulkan bahwa setelah mengadakan perhitungan terbadap risiko nilai tukar pada Bank X dengan 3 (tiga) jenis mata uang, maka didapatkan suatu basil yang menyatakan besamya risiko nilai tukar pada Bank X, jika dibitung dengan menggunakan metode Variance Covariance. Dan setelah diadakan pengujian kembali, maka dapat disimpulkan pula bahwa model tersebut adalah model yang cocok untuk digunakan pada penghitungan risiko nilai tukar di Bank."

"Penelitian ini bertujuan untuk menggunakan atau mengaplikasikan VaR. Penelitian dilakukan untuk mengetahui situasi yang akan dihadapi investor dengan berbagai alternatif keputusan yang timbul dari penggunaan VaR, sehingga VaR dapat digunakan disebagai salah satu alat alternatif dalam pengambilan keputusan investasi. Metode yang digunakan dalam penelitian adalah pengumpulan data primer dan studi kepustakaan. Sedangkan metode perhitungan digunakan metode Historical Simulation dan Variance-covariance dengan bantuan program spreadsheet Microsoft Excel 97. Data primer yang dikumpulkan adalah harga saham per hari selama satu tahun (1 Mei 1998 - 30 April 1999) secara random dengan mengumpulkan dua saham untuk setiap industri (10 industri). Dari hasil perhitungan dapat diketahui kondisi yang dihadapi oleh investor apabila investor mempunyai portofolio seperti dalam penelitian. Dengan menggunakan metode Historical Simulation, investor dapat menentukan berapa nilai resiko yang dihadapi dengan memegang portofolio tersebut. Kemudian hasil perhitungan dapat menjadi bahan pertimbangan bagi investor untuk mengubah portofolio atau untuk tetap mempertahankannya sesuai dengan tingkat resiko yang diinginkan oleh investor. Dengan menggunakan metode Variance-covariance, selain diketahui kondisi seperti di atas, investor juga dapat mengetahui berapa kontribusi resiko dari setiap aset yang ada dalam portofolio. Dengan menggunakan Value at Risk, investor dapat mengetahui berapa nilai resiko dari portofolionya, opportunity cost yang mungkin timbul dari nilai resiko tersebut/ capital reserve yang disiapkan untuk mengantisipasi kerugian, dan juga untuk mengetahui sifat setiap aset yang ada dalam portofolio. Sehingga apabila investor memutuskan untuk mengubah portofolio yang dimilikinya, investor dapat mengetahui aset mana saja yang baik untuk dipertahankan atau aset mana saja yang sebaiknya diganti. Dan hasil penelitian dapat diketahui bahwa VaR mempunyai kelebihan dan juga kekurangan yang harus diperhatikan dalam pengambilan keputusan. Dengan demikian VaR tidak cukup digunakan sebagai metode tunggal dalam mengontrol resiko atau pengambilan keputusan dalam investasi. Tetap diperlukan metode-metode lain sebagai pelengkap dan pembanding hasil perhitungan VaR untuk pengambilan keputusan yang lebih baik."

"Penerapan Manajemen Risiko baik bagi institusi keuangan ataupun institusi lain dirasa semakin diperlukan. Bila pada perbankan pelaksanaanya sudah diatur secara detil dalam Basle Accord dan diawasi ketat oleh Bank Indonesia sebagai Bank Sentral Republik Indonesia. Maka bagi institusi keuangan lain seperti asuransi, hal ini belum diatur sedemikian detil. Namun untuk menjaga kesehatan suatu perusahaan asuransi. Pemerintah teiah menetapkan ketentuan ketentuan Solvabilitas Minimum (BTSM). Salah satu ketentuannya adalah menentukan pengenaan faktor risiko tertentu pada aset saham yang dimiliki. Pada tesis ini Penulis mencoba untuk mengaplikasikan penerapan manajemen risiko dengan menghitung nilai Value at Risk (VaR) dengan menggunakan dua metode yaitu metode Variance Covariance dan metode Historical Simulation kemudian membandingkan dengan faktor risiko yang ditetapkan oleh Pemerintah dalam ketentuan BTSM tersebut. Hasilnya menemukan bahwa nilai VaR yang dihasi1kan dengan menggunakan metode historical simulation tidak valid dan Penulis menyarankan untuk menggunakan metode Variance Covariance sebagai metode dalam pengambilan keputusan investasi. Sedangkan BTSM dapat dilakukan untuk mengalokasikan modal.

---

Applying risk management to financial institution or any other institutions is increasingly necessary. While the implementation of risk management in banking had been arranged in detail by Basle Accord and strictly supervised by Bank of Indonesia as a central bank of Republic of Indonesia, not in other financial institution like insurance. For an insurance institution to be solvency, government has carried out the regulation by stipulating The Minimum Solvability Rate Limit. One of those stipulations is to put risk factor as a subject in the share asset possession.

In this thesis, the Writer try to applicate the implementation of risk management by calculating value at risk (VaR) using two method Variance Covariance and Historical Simulation then compare it to risk factor determined in The Minimum Solvability Rate Limit. As the result is value at risk (VaR) using historical simulation is not valid, while only the variance covariance method is. So the Writer recommended to use variance covariance method to be used in taking investment decision and use The Minimum Solvability Rate Limit for a capital allocation."

"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."

"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."

"Salah satu alat ukur risiko yang memiliki peran penting dalam manajemen portofolio adalah Value-at-Risk VaR . VaR didefinisikan sebagai jumlah kerugian portofolio yang mungkin terjadi dengan tingkat kepercayaan yang tinggi, selama periode waktu tertentu. Secara matematis, VaR adalah persentil dari distribusi loss. Secara umum, return pergerakan harga saham dimodelkan dengan gerak Brown. Sementara itu, distribusi loss dari instrumen keuangan lebih berisfat leptokurtic dari distribusi normal dan cenderung memiliki fat tails . Oleh karena itu, karakteristik dari distribusi loss tersebut tidak memenuhi asumsi distribusi normal. Dengan demikian, proses Variance Gamma VG adalah proses stokastik alternatif untuk mendeskripsikan model dari distribusi return harga saham. Proses VG didefinisikan sebagai gerak Brown dengan perubahan waktu acak mengikuti proses Gamma. Pada penerapannya dalam pasar modal, perhitungan VaR akan dilakukan pada Indeks Harga Saham Gabungan Indonesia IHSG .

---

One of the measures of risk which has an important role in managing portfolio is Value at Risk VaR . VaR is defined as the amount of possible portfolio losses with a high level of certainty, over a specific time frame. From statistical point of view, VaR is the percentile of the loss distribution. In general, return of the stock prices is modeled with Brownian motion. Meanwhile, return distributions of financial instruments are more leptokurtic than normal distribution and tend to have the fat tails . Therefore, these characteristics of return distributions are countering the normality assumption. Accordingly, a Variance Gamma VG process is an alternative stochastic process to describe the model for the return distribution of stock prices. This process is defined as Brownian motion with random time change following gamma process. On purpose of risk management application, the calculation of VaR will be carried out by using Indonesia Composite Index IDX . "