Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam iklim globalisasi yang begitu dinamik, ketidak pastian merupakan ha! yang mau tidak mau perlu diperhatikan. Dengan scmakin besarnya ketidak pastian, berimplikasi pada semakin besar risiko yang dihadapi. Dleh karena itu, pengukuran risiko menjadi kata kunci dalam berbisnis saat ini. Pengukuran risiko secara formal, sudah lama dilakukan oleh institusi finansial, terutama bank. Akhir-akhir ini, pengukuran secara formal juga mulai dilakukan pads sektor lainnya, seperti pada sektor energi, dan telekomunikasi.Tingginya kebutuhan untuk mengukur risiko secara lebih tepat, menyebabkan banyaknya metode-metode pengukuran yang diusulkan, balk dari para peneliti maupun praktisi. Dari sekian banyak metode pengukuran risiko yang ada, hanya Value at Risk (VaR) yang paling banyak digunakan, dan menjadi de facto standar pengukuran risiko. VaR menjadi populer karena metode ini menggabungkan keunggulan dari pengukuranpengukuran risiko sebelumnya.Banyak pengukuran VaR yang didasari pada asumsi distribusi normal. Seperti diketahui, distribusi normal memiliki banyak karakteristik yang menarik; selain karakteristik distribusi ini hanya dibedakan dari kedua momen pertamanya, banyak alat analisis statistik yang didasarkan pada distribusi ini. Salah satu model pengukuran VaR yang berdasarkan pada asumsi ini adalah model RiskMetrics dari J.P. Morgan.Berdasarkan studi empiris yang telah dilakukan, banyak return instrumen finansial yang tidak mengikuti pola distribusi normal. Distribusi return instrumen finansial ini umumnya memiliki karakteristik kurva yang lancip ditengah, dan ekor yang Iebih tebal (far tail), atau dikatakan jugs bersifat leptokurtosis. Penyimpangan terhadap asumsi ini menimbulkan persoalan tersendiri, yaitu seberapa tepatkah pengukuran VaR dengan menggunakan asumsi distribusi normal, terhadap distribusi return aset yang bersifat leptokurtosis.Penelitian ini bertujuan untuk melihat seberapa jauh implikasi penggunaan asumsi distribusi normal, terhadap perhitungan VaR pada return aset finansial yang bersifat leptokurtosis. Disamping itu, penelitian ini ditujukan untuk menguji seberapa jauh penggunaan distribusi t-student, sebagai alternatif distribusi normal, dapat meningkatkan ketepatan pengukuran VaR.Penelitian ini merupakan studi kasus dengan menggunakan empat saham, yaitu saham PT. Astra International Tbk. (ASII), saham PT. Indosat Tbk. (ISAT), saham PT. Samudra Indonesia Tbk. (SMDR), dan saham PT. Unilever Indonesia (UNVR) sebagai obyek penelitian. Pemilihan saham-saham ini terutama karena rnemiliki sifat leptokurtosis. Selain itu saham-saham ini berbeda dan sektor usahanya.Model volatilitas yang digunakan dalam pengukuran VaR pada penelitian ini adalah model volatilitas Gaussian-GARCH, dan t-GARCH. Model Gaussian-GARCH adalah model GARCH yang berlandaskan pada asumsi distribusi normal. Sedangkan model t-GARCH adalah model yang-berlandaskan pada asumsi distribusi t-student.Berdasarkan uji statistik Akaike dan Scwarz, model volatilitas t-LARCH lebih ungguI dibanding Gaussian-GARCH untuk ke empat return wham yang diteliti. Sedangkan basil uji Kupiec terhadap VaR pada selang kepercayaan 99%, atau VaR(99%), yang dihitung berdasarkan asumsi distribusi t-student, hanya lebih balk untuk return SMDR dan ISAT. Sebaliknya, basil uji Kupiec terhadap VaR(95%) berdasarkan asumsi distribusi normal, Iebih balk dibanding dengan perhitungan VaR(95%) dengan asumsi distribusi t-student. Hal ini disebabkan karena basil pengukuran VaR(95%) berdasarkan asumsi distribusi t-student, menyebabkan over confident (persentase kesalahan secara statiatik signifikan lebih kecil dari 5%) untuk ke empat saham.

---

Nowadays, many companies, face with dynamic globalizations challenge. One characteristic brought by this new situation is uncertainty becomes bigger, hence drags companies to prepare with better risk measurement. Currently, not so many companies provide themselves with formal procedure for measuring risk. The obvious industry which has prepared this for a Iong time is financial institution, especially bank. Other sectors, for example energy, and telecommunication, start to develop their own style procedures.

The need to have such well proven tools for measuring risk blooms many methods proposed by dedicated researches, as well as practitioners. Among these, Value at Risk . (VaR), become de-facto standard accepted by many companies in the world. This because, VaR combines many advantages brings by previous risk measurement methods.

Many VaR measurement techniques, are based on normal distribution assumptions. As it is well known, normal distribution has several attractive properties; it is easy to use, and it produces several tractable results in many analytical exercises; all moments of positive order exist, and it is completely characterized by its first two moments, thus establishing the link with the mean-variance optimization theory. One popular technique, RiskMetric from J. P. Morgan, does not also run away from this assumption.

Many studies revealed that many financial returns do not conform to normal distribution pattern, but they tend to have peak curve, and fat tail characteristic, or also known as Leptokurtosis characteristic. The deviation from this assumption leads to important issue in risk measurement, which is, how accurate VaR calculation based on this assumption can capture real risk facing by companies.

The main purpose of this study is to identify implication of using normality assumption, when calculating VaR on return of financial instrument having leptokurtosis characteristic. The other purpose is to examine whether student-t distribution, as an alternative to normal distribution, provides better VaR calculation in said situation.

To support this study, four stocks are used. They are stocks of PT. Astra International Tbk. (ASH), PT. Indosat Tbk. (ISAT), PT. Samudra Indonesia Tbk. (SMDR), and PT. Unilever Indonesia (UNVR). The reason behind the selection is mainly because the conditional distributions of these four returns have leptokurtosis characteristic. The other reason is these stocks come from different sectors.

Volatility model used as input to VaR calculation are Gaussian-GARCH, and t-GARCH. Gaussian-GARCH is GARCH model based on normality assumption. Whereas t-GARCH is GARCH model based on student-t distribution assumption.

Statistic test results using Akaike Information Criteria (AIC), and Scwarz Criteria (SC) statistics, give conclusion that t-GARCH is better than Gaussian-GARCH when applied to four returns under study. Other interesting results come from Kupiec tests. These tests show that VaR using 99% level of confidence or Var(99%) calculation based on t-student distribution assumption, only superior, compare to VaR(99%) calculation based on normal assumption, when employed to SMDR and ISAT returns. On the other hand, VaR(95%) calculation based on normal distribution assumption is better than the ones based on t-student distribution assumption. This is because t-student-based-VaR(95%) computation produces over-confident VaR values (fault percentage statistically significant less than 5%) for all returns under study."

"Perkembangan pasar modal di negara Asia Tenggara cenderung meningkat dan diminati oleh para investor. ASEAN berusaha mewujudkan kerjasama pasar modal yang lebih erat dengan memperdalam integrasi ekonomi regional untuk memaksimalkan return, yang tidak terlepas dari faktor risiko sehingga dapat memilih portofolio yang optimal. Penelitian ini menganalisis pengaruh dari risiko pasar, risiko ukuran perusahaan dan risiko nilai terhadap return portofolio saham periode Januari 2004 sampai Desember 2012 pada 3 (tiga) negara ASEAN yaitu Indonesia, Filipina dan Thailand serta mengidentifikasi adanya integrasi antara bursa saham 3 (tiga) negara tersebut.Model yang digunakan adalah model pricing Tiga Faktor Fama-French dalam melihat pengaruh tiga faktor risiko terhadap return portofolio saham dengan metode regresi Ordinary Least Square (OLS) dan metode Johansen untuk uji kointegrasi, dengan menggunakan bantuan software Eviews versi 7.Hasil penelitian antara lain risiko pasar memiliki pengaruh signifikan dan positif terhadap return portofolio saham negara ASEAN-3 tersebut. Untuk risiko ukuran perusahaan rata-rata memiliki pengaruh signifikan dan positif kecuali portofolio saham B/L (perusahaan besar dengan nilai buku perusahaan terhadap pasar rendah). Untuk risiko nilai (value risk) rata-rata memiliki pengaruh signifikan dan positif terhadap portofolio saham dengan nilai buku perusahaan terhadap pasar yang tinggi (value stock) sedangkan pada portofolio saham dengan nilai buku perusahaan terhadap pasar yang rendah (growth stock) memiliki pengaruh negatif, kecuali negara Thailand dikarenakan kondisi perekonomian yang labil pada beberapa tahun terakhir akibat bencana alam banjir. Dalam hal uji kointegrasi terhadap indeks pasar saham dengan menggunakan metode Johansen, dapat disimpulkan bahwa ketiga negara tersebut terintegrasi secara keseluruhan maupun parsial antara dua negara.

---

The Development of capital markets in Southeast Asian countries is likely to increase and attractive to investors. ASEAN cooperation trying to make capital markets more closely to deepen regional economic integration to maximize the return, which is influenced by risk factors in order to select the optimal portfolio. This research analyzes the influence of market risk, size risk and value risk to return of stock portfolio for period January 2004 to December 2012 in 3 (three) ASEAN countries, namely Indonesia, Filipina and Thailand and identify the integration among stock exchanges of three countries.The model used is the Fama-French Three Factor pricing model in view of the influence of the three risk factors for stock portfolio return by using method of ordinary least squares regression (OLS) and the Johansen method of cointegration test, with the help of Eviews software version 7.The result of this study are market risk has significant and positive influence to return of stock portfolio of ASEAN-3 countries. The risk of firm size has a significant and positive effect in average except stock portfolio B/L (large firms with low book to market value). Value risk has significant and positive influence of stock portfolio with high book to market value (value stock) in average. While portfolio of stock with low book to market value (growth stock) has negative influence, except for Thailand because the country unstable economic conditions in recent years due to natural disasters flood. In terms of cointegration test of stock market indices using the Johansen method, it can be concluded that the three countries as a whole integrated and partially integrated between the two countries."

"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."

"ABSTRAKTesis ini membahas pengukuran risiko portofolio saham menggunakan modelValue at Risk dengan pendekatan model GARCH, Extreme Value Theory danExpected Shortfall pada lima saham dengan nilai investasi terbesar padaportofolio saham yang dikelola PT XYZ per 31 Desember 2011. Periode estimasipenilaian risiko antara 2004-2007 dan periode validasi antara 2008-2011.Perbandingan pengukuran risiko dibagi menjadi empat periode yaitu 2008, 2009,2010 dan 2011. Perbandingan model dilakukan dengan menggunakan Kupiec Testdan Violation Ratio. Hasil analisis menunjukkan bahwa pengukuran volatilitasdengan pendekatan GARCH untuk lima saham yang dikelola PT XYZ dianggaptepat. Perhitungan risiko dengan menggunakan VaR berdasarkan estimasivolatilitas GARCH masih dapat digunakan pada saat krisis dengan confidencelevel 99%. Pengukuran risiko dengan menggunakan model VaR berdasarkanExtreme Value Theory (Extreme VaR) dapat digunakan sebagai alternatifperhitungan risiko pada saat kondisi krisis. Pengukuran risiko dengan pendekatanExpected Shortfall berdasarkan Extreme Value Theory merupakan pendekatanyang lebih baik dibandingkan pendekatan lainnya pada masa krisis.

---

ABSTRACTThis thesis discusses risk measurement of stock portfolio using Value at Risk withGARCH modeling approach, Extreme Value Theory and Expected Shortfall offive stocks with the greatest investment value in stock portfolios managed byPT XYZ per 31 December 2011. The estimation period for risk measurement isbetween interval of year 2004-2007 and the validation period between interval ofyear 2008-2010. In addition, comparison of risk measurement, using Kupiec Testand Violation Ratio, is divided into four periods, 2008, 2009, 2010 dan 2011. Theanalysis informs that the measurement of volatility with GARCH approach tofive-stock in stock portfolio managed PT XYZ is appropriate. Furthermore, thecalculation of risk using VaR based on GARCH volatility estimates is also stillappropriate tobe applied in times of crisis with 99% confidence level. Measuringrisk using VaR models based on Extreme Value Theory (Extreme VaR) can beused as an alternative to the calculation of risk at the time of a crisis. Inconclusion, Expected Shortfall based on Extreme Value Theory is a betterapproach in measuring risk compared to other approachs in time of crisiscondition."

"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."

"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."

"Komposisi pegawai Instansi XYZ yang sebagian besar berasal dari mahasiswa ikatan dinas, memunculkan potensi risiko berupa kerugian Instansi jika pegawai tersebut berhenti sebelum masa ikatan dinasnya berakhir. Dengan demikian, Instansi XYZ perlu memberikan perhatian yang khusus atas risiko yang berkaitan dengan sumberdaya manusia. Berhentinya pegawai merupakan salah satu risiko operasional yang berkaitan dengan sumberdaya manusia. Pengukuran risiko yang merupakan salah satu tahapan dalam manajemen risiko dan akan digunakan sebagai salah satu langkah bagi Instansi XYZ dalam menerapkan manajemen risiko. Penelitian yang dilakukan menyimpulkan bahwa (1) dengan Chi-Square goodness of fit test, frequency of loss distribution pemberhentian pegawai sebelum masa ikatan dinasnya berakhir pada Instansi XYZ mengikuti distribusi Poisson karena hasilnya signifikan pada tingkat keyakinan 95% maupun 99%; (2) dengan Chi-Square goodness of fit test, distribusi severitas kerugian pemberhentian pegawai mengikuti distribusi Lognormal pada confidence level 95% maupun 99%; (3) Pengukuran OpVaR dengan menggunakan Loss Distribution Approach - Actuarial Model memperoleh nilai Operational Value at Risk (OpVaR) pada tingkat keyakinan 95 % sebesar Rp 220.683.463,00 dan untuk tingkat keyakinan 99% sebesar Rp 348.157.546,00; (4) pengujian validitas model dengan Kupiec Test untuk confidence level 95% dan 99% menunjukkan Loss Distribution Approach - Actuarial Model valid untuk digunakan dalam pengukuran Operational Value at Risk (OpVaR) atas pemberhentian pegawai sebelum masa ikatan dinasnya berakhir pada Instansi XYZ.

---

The composition of XYZ Institution's employees who mostly come from the students bond department, raises the potential risk of loss when the employee quit before the end of his official bond. Thus, XYZ Institution should give particular attention on the risks associated with human resources. Dismissal of employees is one of the operational risk associated with human resources. Risk measurement is one of the stages in risk management and to be used as one step for the XYZ Institution in applying risk management.

Research carried out the conclution that (1) by Chi-Square goodness of fit test, the frequency of loss distribution on dismissal of employees before the period ends on his official bond in XYZ Institution follows a Poisson distribution because the results are significant at a confidence level of 95% or 99%, (2) with Chi-Square goodness of fit test, the distribution of loss severity on dismissal of employees follows the lognormal distribution at the confidence level of 95% or 99%, (3) Measuring OpVar using the Loss Distribution Approach - Actuarial Models obtained value of Operational Value at Risk (OpVar) at the confidence level of 95% amounting IDR 220,683,463.00 and for the confidence level of 99% amounting IDR 348,157,546.00, (4) test on validity of the model with the Kupiec test for the confidence level of 95% and 99% indicated that Loss Distribution Approach - Actuarial Models is valid for the usage in measuring Operational Value at Risk (OpVar) over the dismissal of employees before the period ends on his official bond in XYZ Institution."

"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."

"Penelitian ini membahas pengukuran risiko operasional kerugian klaim asuransi kebakaran di Indonesia. Data untuk analisis diperoleh dari Badan Pengelola Pusat Data Asuransi Nasional (BPPDAN) periode 2009-2014. Hasil penelitian menunjukkan bahwa distribusi frekuensi kerugian klaim asuransi kebakaran mengikuti pola distribusi Poisson dengan perhitungan uji statistik Kolmogorov Smirnov pada tingkat keyakinan 95%, sedangkan distribusi severity menunjukkan pola distribusi Lognormal dengan uji statistik Kolmogorov Smirnov. Pengukuran Value at Risk (VaR) risiko operasional di dalam tesis ini dihitung menggunakan pendekatan metode Loss Distribution Approach ? Aggregation Model dan simulasi Monte Carlo. Hasil pengukuran pada tingkat keyakinan 95% adalah sebesar 2.448.278.550 dan pengujian validitas atau back testing menggunakan Kupiec test dengan jumlah dua kesalahan dan model dapat diterima.

---

This applied research is intended to measure the Operational Value at Risk (VaR) for claim Property Insurance using data from statistical cession (BPPDAN) for the year 2009 - 2014. It was shown that the frequency distribution followed the Poisson distribution based on Kolmogorov Smirnov statistical test with 95% confidence level. While the severity distribution followed the Lognormal distribution based on Kolmogorov Smirnov statistical test. This Operational VaR is measured by the Loss Distribution Approach ? Aggregation (LDA Aggregation) Model and Monte Carlo simulation. Using 95% confidence level, the Value at Risk is Rp 2.448.278.550. The model is back tested using Kupiec test and the result shows there are two violations but the model is accepted."

"Tesis ini membahas metode pengukuran untuk mengetahui jumlah besaran nilai klaim sebagai pencadangan biaya klaim kecelakaan pada perusahaan asuransi PT Jasa Raharja (Persero). Hasil yang diperoleh menyatakan bahwa distribusi frekuensi mengikuti pola distribusi Poisson dengan perhitungan Chi Square baik pada tingkat keyakinan 95 % maupun 99 %. Sementara distribusi severitas menghasilkan bahwa distribusi severitas mengikuti pola distribusi Eksponensial melalui pendekatan Chi Square pada tingkat keyakinan 95 % dan 99 %. Dalam pengukuran OpVaR menggunakan metode Loss Distribution Approach-Actuarial Model pada tingkat keyakinan 95 % dan pada tingkat keyakinan 99 %. Uji validitas yang menggunakan Kupiec Test untuk tingkat keyakinan 95 % dan 99 % yang menunjukkan metode Loss Distribution Approach-Actuarial Model valid digunakan dalam pengukuran OpVaR pada klaim kecelakaan PT Jasa Raharja (Persero).

---

Increasing society in their activity and to be easier for transportation access can appear accident risk. In regional, it will impact to accident claim proposal. From Operational Value at Risk Measurement notice that the frequency of loss distribution follows a Poisson distribution. It has a significant at confidence level in 95 % and also 99 %. Distribution of loss severity follows the exponential distribution with confidence level of 95 % and 99 %. Operational Value at Risk measurement by LDA-Actuarial method are IDR 223.023.374.267,- in confidence level of 95 % and IDR 295.023.374.267,- in confidence level of 99 %. Back testing with Kupiec Test is used for validity model to find out the accuracy of potential loss in confidence level of 95 % and 99 % that showed Loss Distributioan approach-Actuarial Method is valid to calculate Operational Value at Risk on Accident Claim in Jasa Raharja Company."