Value at RiskdenganMetodeBack Simulation.

Ismail Jauhari, 2014 Pengukuran value at risk var pada portofolio dengan metode back simulation studi kasus investasiportofolio dapen pt pindad Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu misalkan rata-rata daridaridistribusi return portofoliosebesar 50 jutadenganbanyak data yang terobservasisebanyak 300 buah. Makadengantingkatkepercayaan 0,95didapattingkatsignifikansisebesar 0,05 sehingganilaidari ∗ ataunilaikuantildapatdicarimelaluipersamaan 3.7 ∗ = 300 x 5 100 ∗ = data ke-15 Jika ∗ merupakan data ke-15 dariditribusi return protofoliodidapatsebesar -12,5jutamakanilaiVaR yang diharapkandapatdicariyaitu: � € � = 50 � � − −12,5 � � = 62,5 � �. Sehinggakerugianterburuk yang mungkinterjadidaririsikoinvestasiportofoliotersebutsebesar 62,5 juta.

3.2 Value at RiskdenganMetodeBack Simulation.

Value at Risk denganmetodeback simulation merupakanmetodeVaR yang tidakmemperhatikanbentukdistribusi yang dibentuknya, berbedadenganmetodesimulasimontecarlodanmetode delta normal yang mengharuskanasumsikenormalandipenuhidaridistribusi return portofolio yang terbentuk. Metodeback simulation merupakanmetodesederhana yang hanyamemanfaatkan data-data historis yang ada, denganmemanfaatkanteknikbootstrapmetodeinisangatbergunadisaatmengalamiketerb atasan data daridistribusi return portofolio yang diperoleh. Data sampel historis yang berasaldaridistribusi return potofolioyang ada dan terbatas dapat diperbanyak dengan Ismail Jauhari, 2014 Pengukuran value at risk var pada portofolio dengan metode back simulation studi kasus investasiportofolio dapen pt pindad Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu membangun kembali sampel dari populasi sampel dengan carapengembalian yang sering kali disebut dengan Bootstraping. Ketikadihadapisebuahpermasalahan, data yang diperolehterbatassehinggajumlah datasangatsedikit, makaakanberdampakpadaestimasi yang dilakukandalamperhitunganVaRakandiragukankeakuratannya. Olehkarenaitubootstrapingbergunamengatasihaltersebutdenganmemperbanyak data darisampel yang diperolehsehinggaestimasidalamperhitunganVaRakanmenjadilebihakurat. MetodeBack Simulation dalamperhitunganVaRsebuahportofolio,denganmemanfaatkanteknikbootstr ap didapatmelaluibeberapatahapanyaitu: 1. Melakukan resampling terhadap data-data historisatausampel yang berukuran n daridistribusi return potofoliosehinggadidapatsebuahsampel bootstrap, proses resampling dilakukansebanyak n kali 2. Resampling dilakukandalamhaliniuntukperhitunganVaRdiatas 200 kali resampling. 3. Hitungstatistikdarimasing-masingsampel bootstrap yang diperoleh. DalamperhitunganVaR,statistik yang dicarimerupakannilai rata-rata dannilaikuantildarimasing-masingsampel bootstrap. Denganterlebihdahulumenentukan interval kepercayaan yang akanditentukan. 4. Hitungnilaitaksiran rata-rata .daridistribusinilaistatistikatau rata-rata yang terbentuk yang telahdiperolehpadatahapsebelumnyayaitutahapke-tiga, 5. Hitungnilaitaksiranquantil .daridistribusinilaistatistikatauquantil yang terbentuk yang telahdiperolehpadatahapke- tigadalamhalinitaksiranquantildiambildenganbanyakkemuculan data daridistribusi yang terbentuk. Ismail Jauhari, 2014 Pengukuran value at risk var pada portofolio dengan metode back simulation studi kasus investasiportofolio dapen pt pindad Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu 6. Substitusikanhasildarinilai-nilai yang diperolehpada proses kelimadankeempatpadapersamaan � � = � − , 1 − sehingga didapat nilai VaRportofolio yang diinginkan. Ismail Jauhari, 2014 Pengukuran value at risk var pada portofolio dengan metode back simulation studi kasus investasiportofolio dapen pt pindad Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu BAB V KESIMPULAN DAN SARAN

5.1 Kesimpulan