Penggunaan Metode Simulasi Monte Carlo Dalam Mencari Value At Risk (Var) Pada Portofolio
PENGGUNAAN METODE SIMULASI MONTE CARLO
DALAM MENCARI
VALUE AT RISK
(
VAR
)
PADA PORTOFOLIO
SKRIPSI
ACHMAD QADAFHI
070823043
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2012
(2)
PENGGUNAAN METODE SIMULASI MONTE CARLO DALAM MENCARI VALUE AT RISK (VAR)
PADA PORTOFOLIO
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Sains
ACHMAD QADAFHI 070823043
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
MEDAN 2012
(3)
PERSETUJUAN
Judul : PENGGUNAAN METODE SIMULASI MONTE CARLO DALAM MENCARI VALUE AT RISK (VAR) PADA PORTOFOLIO
Kategori : SKRIPSI
Nama : ACHMAD QADAFHI NIM : 070823043
Program Studi : SARJANA (S1) MATEMATIKA Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, Januari 2012
Komisi Pembimbing
Pembimbing II Pembimbing I
Syahrial Lubis, S.Si, M.Si. Prof. Dr. Herman Mawengkang NIP: 1946 1128 1974 03 1001
Diketahui/Disetujui oleh
Departemen Matematika FMIPA USU Ketua
Prof. Dr. Tulus, M.Si.
(4)
PERNYATAAN
PENGGUNAAN METODE SIMULASI MONTE CARLO DALAM MENCARI
VALUE AT RISK (VAR) PADA PORTOFOLIO
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Januari 2012
Achmad Qadafhi NIM: 070823043
(5)
PENGHARGAAN
Puji dan syukur kehadirat Tuhan Yang Maha Esa atas segala limpahan dan karunia yang tak terhingga sehingga saya dapat menyelesaikan skripsi ini dengan sebaik-baiknya.
Skripsi ini merupakan salah satu mata kuliah wajib yang harus diselesaikan oleh seluruh mahasiswa/i Departemen Matemetika, Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara.
Dalam kesempatan ini saya mengucapkan terima kasih yang sebesar-besarnya kepada Bapak Prof. Dr. Herman Mawengkang selaku Pembimbing I dan Bapak Syahrial Lubis, S.Si, M.Si selaku Pembimbing II yang telah membimbing, mengarahkan dan memotivasi saya serta memberikan waktu, tenaga, pikiran dan bantuannya sepada saya sehingga skripsi ini dapat selesai.
Selanjutnya saya juga mengucapkan terima kasih kepada Bapak Dr. Sutarman, M.Sc selaku Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara, Bapak Prof. Dr. Tulus, M. Si selaku Ketua Departemen Matematika, Bapak Drs. Pengarapen Bangun, M.Si selaku Koordinator Matematika Ekstensi, Bapak Dr. Sutarman, M.Sc dan Bapak Drs. Faigiziduhu Bu’ulolo, M.Si selaku Penguji Skripsi dan seluruh staf pengajar dan pegawai di Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara.
Teristimewa, ucapan terimakasih kepada Ibunda Rosnati, SE., Ayahanda Achmad Suhaimi, SmHK, (Alm.), Abang dan Adik, Bang Romi dan Eri dan seluruh keluarga besar penulis atas curahan kasih sayang dan jasa-jasa besar mereka.
Sebagai seorang mahasiswa penulis menyadari bahwa masih banyak kekurangan dalam penulisan skripsi ini. Oleh karena itu, kritik dan saran yang membangun sangat diharapkan demi perbaikan penulisan ini dari berbagai pihak yang terkait di dalamnya.
Medan, Januari 2012 Penulis
(6)
ABSTRAK
Dalam manajemen risiko, Value at Risk (VaR) merupakan sebuah konsep yang digunakan untuk mengukur risiko. VaR menaksir harga kerugian yang dapat ditanggung oleh investor dalam satu periode berikutnya. Di dalam portofolio VaR
menggunakan distribusi return historis untuk mencari mean dan simpangan baku sebagai parameternya. Penggunaan Metode Simulasi Monte Carlo dalam mencari VaR
menggunakan bilangan-bilangan acak yang dibangkitkan berdasarkan karakteristik dari data historis yang diasumsikan berdistribusi normal Berdasarkan skenario hipotetis, harga taksiran risiko masa depan dapat ditentukan. VaR dapat diperoleh dari distribusi kumulatif dari harga taksiran untuk tingkat kepercayaan tertentu.
(7)
THE USE OFMONTE CARLO SIMULATION METHOD IN FINDING VALUE AT RISK (VAR) ON THE PORTFOLIO
ABSTRACT
In Risk Management, Value at Risk (VaR) is a concept that used to measure risk. VaR can estimate the loss value that can be take by investor in the next period. In portfolio, VaR using the distribution of returns historical to find means and standard deviations as parameters. Monte Carlo simulation method use characteristics of historical data that are assumed normal distribution to generate random numbers. Based on a hypothetical scenario, the estimated risk of future price can determined. VaRs can be derived from the cumulative distribution of future prices or rates for given confidence levels.
(8)
DAFTAR ISI
Halaman
Persetujuan i
Pernyataan ii
Penghargaan iii
Abstrak iv
Abstract v
Daftar Isi vi
Daftar Tabel viii
Bab 1 Pendahuluan 1
1.1 Latar Belakang 1
1.2 Perumusan Masalah 2
1.3 Tujuan Penelitian 2
1.4 Kontribusi Penelitian 2
1.5 Tinjauan Pustaka 3
1.6 Metode Penelitian 5
1.7 Sistematika Penulisan 6
Bab 2 Landasan Teori 7
2.1 Risiko dan Manajemen Risiko 7
2.2 Risiko Pasar 8
2.3 Saham 8
2.3 Faktor-faktor yang Mempengaruhi Gejolak Harga Saham 9
2.4 Diversifikasi 10
2.5 Pengukuran Risiko Pasar Secara Statistik 10
2.5.1 Return Aset Tunggal 10
2.5.2 Return pada Portofolio 12
2.5.3 Risiko Aset Tunggal 13
2.5.4 Kovarian Portofolio Dua Aset 13 2.5.5 Menentukan Proporsi dengan
Mean Variance Efficient Portofolio (MVEP) 15
2.5.6 Risiko Portofolio Dua Aset 15
2.5.7 Koefesien Korelasi Antara Dua Aset 16
2.6 Value at Risk (VaR) 17
2.6.1 Value at Risk dengan Metode Simulasi Monte Carlo 18
2.7 Tingkat Kepercayaan 19
2.8 Distribusi Normal 20
2.8.1 Sifat-sifat Penting Distribusi Normal Baku 20
2.8.2 Distribusi Normal Baku 21
(9)
Bab 3 Hasil dan Pembahasan 24 3.1 Pengukuran VaR Portofolio dengan Simulasi Monte Carlo 23 3.1.1 Menentukan parameter VaR Simulasi Monte Carlo 25
3.1.2 Menguji Kenormalan Data 29
3.1.3 Mensimulasikan Nilai-nilai Return Aset 31 3.1.4 Mencari Return Portofolio Baris ke-n 32 3.1.5 Mencari Estimasi Kerugian Maksimum
pada Tingkat Kepercayaan (1- α ) 34 3.2 Koefesien Korelasi Antara Return Aset A dan Return Aset B 36
Bab 4 Kesimpulan dan Saran 37
4.1 Kesimpulan 37
4.2 Saran 38
(10)
DAFTAR TABEL
Halaman
Tabel 3.1 Data Saham Harian BNI dan BCA 24
Tabel 3.2 Data Return Saham BNI dan BCA 26
Tabel 3.3 Data Return Acak 32
Tabel 3.4 Data Return Portofolio 33
Tabel 3.5 Distribusi Empiris Return Portofolio 34 Tabel 3.6 Nilai-nilai VaR 25 kali Pengulangan 35
(11)
ABSTRAK
Dalam manajemen risiko, Value at Risk (VaR) merupakan sebuah konsep yang digunakan untuk mengukur risiko. VaR menaksir harga kerugian yang dapat ditanggung oleh investor dalam satu periode berikutnya. Di dalam portofolio VaR
menggunakan distribusi return historis untuk mencari mean dan simpangan baku sebagai parameternya. Penggunaan Metode Simulasi Monte Carlo dalam mencari VaR
menggunakan bilangan-bilangan acak yang dibangkitkan berdasarkan karakteristik dari data historis yang diasumsikan berdistribusi normal Berdasarkan skenario hipotetis, harga taksiran risiko masa depan dapat ditentukan. VaR dapat diperoleh dari distribusi kumulatif dari harga taksiran untuk tingkat kepercayaan tertentu.
(12)
THE USE OFMONTE CARLO SIMULATION METHOD IN FINDING VALUE AT RISK (VAR) ON THE PORTFOLIO
ABSTRACT
In Risk Management, Value at Risk (VaR) is a concept that used to measure risk. VaR can estimate the loss value that can be take by investor in the next period. In portfolio, VaR using the distribution of returns historical to find means and standard deviations as parameters. Monte Carlo simulation method use characteristics of historical data that are assumed normal distribution to generate random numbers. Based on a hypothetical scenario, the estimated risk of future price can determined. VaRs can be derived from the cumulative distribution of future prices or rates for given confidence levels.
(13)
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Risiko diidentifikasikan dengan ketidakpastian. Dalam mengambil keputusan investasi para investor mengharapkan hasil yang maksimal dengan risiko tertentu atau hasil tertentu dengan risiko yang minimal terhadap investasi yang dilakukan. Keuntungan investasi sangat tergantung banyak hal, tetapi hal yang utama adalah tergantung pada kemampuan atau strategi penanaman modal atau investor dalam membaca keadaan dan situasi pasar yang tidak menentu. Keputusan investasi akan berbeda apabila merupakan hasil analisis yang berbeda, dan dari susunan informasi yang berbeda.
Didalam analisis risiko banyak memanfaatkan metode statistika dalam menentukan ukuran risiko yang merupakan elemen penting dalam manajemen risiko. Salah satu aspek yang penting dalam analisis risiko keuangan adalah perhitungan
Value at Risk (VaR). Menurut Best (1998) Value at Risk adalah suatu metode
pengukuran risiko secara statistik yang memperkirakan kerugian maksimum yang mungkin terjadi atas suatu portofolio pada tingkat kepercayaan (level of confidence) tertentu. Nilai VaR selalu disertai dengan probabilitas yang menunjukkan seberapa mungkin kerugian yang terjadi akan lebih kecil dari nilai VaR tersebut. Dalam perhitungan, penentuan jenis metodologi dan asumsi yang sesuai dengan distribusi
return merupakan hal yang penting, dikarenakan perhitungan VaR berdasarkan pada distribusi return sekuritas. Penerapan metode dan asumsi yang tepat akan menghasilkan perhitungan VaR yang akurat untuk digunakan sebagai ukuran risiko.
Metode-metode yang sering dipakai dalam menghitung Value at risk (VaR)
(14)
Monte Carlo. Ketiga metode mempunyai karakteristik dengan kelebihan dan kekurangannya masing-masing.
Pada skripsi ini penulis akan membahas tentang penggunaan Simulasi Monte Carlo dalam mengestimasi nilai Value at Risk. Value at Risk dengan metode Simulasi Monte Carlo mengasumsikan bahwa return berdistribusi normal yang disimulasikan dengan menggunakan parameter yang sesuai dan tidak mengasumsikan bahwa return
portofolio bersifat linier terhadap return aset tunggalnya. Metode Simulasi Monte Carlo melakukan simulasi dengan membangkitkan bilangan random berdasarkan karakteristik dari data yang akan dibangkitkan, yang kemudian digunakan untuk mengestimasi nilai VaR-nya
1.2 Perumusan Masalah
Bagaimana caranya mendapatkan parameter-parameter dari portofolio yang tepat dalam pengestimasian nilai VaR dengan menggunakan metode simulasi Monte Carlo.
1.3 Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk menguraikan cara pencarian parameter-parameter yang digunakan untuk menghitung Value at risk dengan menggunakan Simulasi Monte Carlo.
1.4 Kontribusi Penelitian
Dengan mengetahui cara-cara mengukur risiko mulai dari pembentukan portofolio sampai dengan pengestimasian Value at Risk (Risk), maka kerugian dapat ditaksir dan dan dapat dicegah sebelum menginvestasikan rencana portofolio.
(15)
1.5 Tinjauan Pustaka
Sebelum mencari Value at Risk (VaR) dari portofolio, nilai dari return masing-masing aset dan return portofolio harus diketahui. Karena nilai return portofolio merupakan salah satu parameternya. Persamaan untuk return realisasi aset tunggal tanpa deviden adalah sebagai berikut :
= −1 ln t t S S
R , atau
1 ln ln − −
= St St R
Dengan: R = return realisasi aset
St = aset pada waktu t
t = periode waktu
Sedangkan return portofolio dapat ditulis dengan persamaan sebagai berikut :
∑
= = N i t i it wR
Rp
1 ,
Dengan : N = banyaknya aset dalam portofolio
t i
R, = return aset ke-i pada periode t
i
w = besarnya komposisi atau proporsi aset i dalam portofolio,
dengan 1 1 =
∑
= N i i wUntuk mendapatkan bobot yang optimal dapat menggunakan mean variance efficient portofolio, persamaannya adalah sebagai berikut :
(16)
N T N N
w
1
1
1
1 1 − −Σ
Σ
=
Dengan:
Σ
−1 = invers matriks varian-kovarianSedangkan nilai ekspektasi dari portofolio diambil dari nilai rataan dari portofolio, persamaannya adalah sebagai berikut :
( )
∑
= = N i i i w Rp E 1 µDengan: E
( )
Rp = nilai ekpektasi dari return portofolioi
µ = nilai rata-rata aset i
Bentuk matriks ekspekstasi portofolio dapat ditulis sebagai berikut :
( )
Rp w w wN N[
ww wN]
E = 1µ1+ 2µ2 +...+ µ = 1 2... µ
µ µ µ T N w = 2 1
Sedangkan untuk varian dari portofolio persamaannya adalah sebagai berikut :
∑∑
= = = N i N j ij j ip ww
1 1 2 σ σ Dimana 2 i
σ = varian dari aset i
ji
(17)
Dan bentuk matriksnya adalah sebagai berikut:
[
]
w ww w w w w w T NN N N N N N
p = ∑
= 3 2 1 2 1 2 22 21 1 12 11 2 1 2 ... σ σ σ σ σ σ σ σ σ σ
Dengan ∑ didefinisikan sebagai matriks varian-kovarian.
VaR dengan tingkat kepercayaan (1 – α) dapat dirumuskan sebagai berikut :
∗
− =W R
VaR(1 α) 0
Dimana
0
W = dana investasi awal aset atau portofolio
∗
R = nilai kuantil α dari distribusi return
1.6 Metode Penelitian
Menentukan nilai-nilai parameter untuk variabel-variabel serta korelasi antara variabel, yaitu return aset. Return aset-aset pembentuk portofolio diasumsikan berdistribusi normal multivariat. Selanjutnya mensimulasikan nilai return dengan membangkitkan secara random return aset-aset yang berdistribusi normal multivariat dengan parameter yang sudah diperoleh sebanyak n kali. Kemudian menghitung
return portofolio dari nilai return masing-masing aset. Mencari estimasi kerugian maksimum pada tingkat kepercayaan 1 - α sebagai nilai kuantil α dari distribusi
(18)
1.7 Sistematika Penulisan
Adapun sistematika dalam penulisan “Skripsi” secara garis besarnya dibagi dalam empat bab yang masing-masing bab dibagi atas beberapa sub-sub bab yaitu sebagai berikut :
BAB 1 : PENDAHULUAN
Bab ini menjelaskan latar belakang pengambilan judul, perumusan masalah, tinjauan pustaka, tujuan penelitian, kontribusi penelitian, metode penelitian dan sistematika penelitian.
BAB 2 : LANDASAN TEORI
Dalam bab ini dijelaskan mengenai parameter-parameter dan metode yang dibutuhkan dalam pengukuran Value at Risk menggunakan metode Simulasi Monte Carlo
BAB 3 : HASIL DAN PEMBAHASAN
Dalam bab ini dilakukan pengukuran mulai dari mendapatkan nilai dari parameter-parameternya sampai dengan hasil akhir dari Value at Risk dengan metode Simulasi Monte Carlo.
BAB 4 : KESIMPULAN DAN SARAN
Dalam bab ini memberikan beberapa kesimpulan dan saran sesuai dengan hasil pengukuran yang dilakukan.
(19)
BAB 2
LANDASAN TEORI
2.1 Risiko dan Manajemen Risiko
Definisi Risiko dalam arti luas adalah potensial kejadian yang tidak diinginkan jangan terjadi tetapi terjadi, atau sebaliknya potensi kejadian yang diinginkan terjadi tetapi tidak terjadi. Secara garis besar risiko terbagi atas dua yaitu:
a. Risiko murni (Pure risk)
Suatu risiko dapat dikatakan sebagai risiko murni jika suatu ketidak pastian terjadi, maka kejadian tersebut pasti menimbulkan kerugian. Contohnya adalah barang rusak karena terbakar atau seorang kepala rumah tangga pencari nafkah tiba-tiba meninggal.
b. Risiko spekulasi (Speculative risk)
Risiko spekulasi merupakan kebalikan dari risiko murni yaitu ketidakpastian apakah terjadi keuntungan atau kerugian. Contohnya adalah keputusan-keputusan dalam berinvestasi.
Sektor finansial mempunyai potensi untuk menghasilkan imbal hasil yang tinggi. Salah satu prinsip yang abadi dalam ilmu ekonomi keuangan adalah semakin tinggi hasil investasi maka semakin tinggi risiko yang diterima. Kejadian yang mengakibatkan kerugian besar membuat orang cenderung untuk bertindak hati-hati. Manajemen risiko bukan berarti menekan risiko seminimum mungkin, Dengan manajemen risiko yang baik diharapkan dapat memproyeksikan seberapa jauh risiko yang akan dihadapi oleh perusahaan serta pengendalian yang diperlukan. Manajemen risiko adalah serangkaian prosedur dan metodologi yang digunakan untuk
(20)
mengidentifikasi, mengukur, memantau, dan mengendalikan risiko yang timbul dari kegiatan usaha.
2.2 Risiko Pasar
Risiko pasar (market risk) adalah suatu
suatu
a. Risiko khusus (specific risk)
Risiko khusus adalah risiko yang timbul dari pergerakan harga suatu surat berharga karena faktor keamanan atau faktor penerbitnya. Sebagai contoh adalah harga obligasi akibat memburuknya peringkat kredit penerbitnya. Informasi ini akan secara khusus berpengaruh terhadap penerbit obligasi dan bukan mempengaruhi harga obligasi secara umum.
b. Risiko pasar umum (general market risk)
Risiko pasar umum merupakan risiko yang timbul dari pergerakan harga-harga instrumen keuangan secara umum di pasar. Sebagai contoh, kebijakan penurunan suku bunga oleh pemerintah menyebabkan penurunan suku bunga di pasar sehingga mempengaruhi harga dari seluruh instrumen keuangan yang terkait dengan pergerakan suku bunga.
2.3 Saham
Saham dapat didefinisikan tanda penyertaan atau kepemilikan seseorang atau badan dalam suatu perusahaan atau perseroan terbatas. Wujud saham adalah selembar kertas yang menerangkan bahwa pemilik kertas tersebut adalah pemilik perusahaan yang menerbitkan surat berharga tersebut.
Saham merupakan salah satu instrumen pasar keuangan yang paling populer. Menerbitkan saham merupakan salah satu pilihan perusahaan ketika memutuskan untuk pendanaan perusahaan. Pada sisi yang lain, saham merupakan instrumen
(21)
investasi yang banyak dipilih para investor karena saham mampu memberikan tingkat keuntungan yang menarik.
Saham dapat dibagi menjadi dua jenis, yaitu; 1. Saham biasa (common stock)
Saham biasa adalah saham yang menempatkan pemiliknya paling akhir terhadap pembagian deviden dan hak atas kekayaan perusahaan apabila perusahaan tersebut dilikuidasi. Ciri yang lain dari saham ini adalah;
a. Deviden dibayarkan selama perusahaan memperoleh laba.
b. Setiap pemilik saham memiliki hak suara dalam rapat umum pemegang saham (RUPS).
c. Pemegang saham biasa memiliki tanggung jawab terbatas terhadap klaim pihak lain sebesar proporsi sahamnya dan memiliki hak untuk mengalihkan kepemilikan sahamnya kepada pihak lain.
2. Saham preferen (preferred stock)
Saham preferen merupakan saham yang memiliki karakteristik gabungan antara obligasi dan saham biasa, karena menghasilkan pendapatan tetap. Saham ini lebih aman dibandingkan dengan saham biasa karena memiliki hak klaim terhadap kekayaan perusahaan dan pembagian deviden terlebih dahulu.
2.3.1. Faktor-Faktor yang Mempengaruhi Gejolak Harga Saham
Faktor-faktor yang menyebabkan harga saham dapat dibagi menjadi faktor-faktor makro dan mikro. Faktor makro adalah faktor-faktor yang mempengaruhi ekonomi secara keseluruhan. Tingkat suku bunga yang tinggi, inflasi, tingkat produktivitas nasional, politik dan lain sebagainya dapat memiliki dampak penting pada potensi keuntungan perusahaan hingga pada akhirnya juga akan mempengaruhi harga sahamnya.
Faktor mikro adalah faktor-faktor yang berdampak secara langsung pada perusahaan itu sendiri. Perubahan manajemen, harga dan ketersediaan bahan mentah,
(22)
produktivitas pekerja dan lain sebagainya yang akan dapat mempengaruhi kinerja keuntungan perusahaan tersebut secara individual.
2.4 Diversifikasi
Diversifikasi sangat penting bagi investor karena dapat meminimumkan risiko tanpa harus mengurangi return yang diterima. Jika investor hanya memiliki satu instrumen investasi, tentu dampaknya akan sangat besar bagi investor tersebut. Oleh karena itu investor sebaiknya meletakkan investasinya di kelas aset yang berbeda.
Diversifikasi bisa terjadi karena efek saling mengompensasi antar aset. Jika satu aset mengalami kerugian, sementara aset yang lain mengalami keuntungan, maka keuntungan dari aset satunya dapat digunakan untuk menutupi kerugian aset lain. Dengan melakukan diversifikasi, akan banyak peluang keuntungan yang dapat diraih. Akan tetapi, saat kondisi pasar dalam keadaan melemah atau dalam kondisi yang tidak baik, melakukan diversifikasi tidak akan efektif dan tidak akan mendapatkan hasil yang optimal apabila tidak dilakukan secara efektif. Hal yang perlu diperhatikan dalam diversifikasi adalah korelasi antara return dari masing-masing efek, karena risiko akan dapat dikurangi jika korelasinya tidak sempurna yaitu kurang dari 1.Hasil dari diversifikasi adalah portofolio . Portofolio merupakan kumpulan saham atau aset yang dimiliki oleh pemodal (perorangan atau lembaga)
2.5 Pengukuran Risiko Pasar Secara Statistik 2.5.1 Return Aset Tunggal
Return adalah tingkat pengembalian yang diperoleh dari berinvestasi. Secara umum
return dapat dibagi menjadi dua, yaitu return realisasi dan return ekspektasi.
(23)
Return realisasi merupakan return yang telah terjadi. Persamaan return
realisasi pada aset tunggal tanpa memperhitungkan deviden adalah sebagai berikut : = −1 ln t t S S
R , atau
1 ln ln − −
= St St R
Dengan: R = return realisasi aset
St = aset pada waktu t
t = periode waktu
Deviden merupakan kompensasi yang diterima oleh pemegang saham, disamping capital gain. Deviden ini untuk dibagikan kepada para pemegang saham sebagai keuntungan dari laba perusahaan. Deviden ditentukan berdasarkan dalam rapat umum anggota pemegang saham dan jenis pembayarannya tergantung kepada kebijakan pimpinan. Untuk return
menggunakan deviden persamaannya adalah sebagai berikut :
1 1 − − − + = t t t t S S D S R
Dengan: Dt = deviden pada periode ke-t
St = aset pada waktu t
t = periode waktu
b. Return ekspektasi
Return ekspektasi adalah return yang diharapkan akan diperoleh oleh investor di masa mendatang. untuk persamaan return ekspektasi dapat menggunakan: 1. Rata-rata dari nilai return, persamaannya adalah sebagai berikut :
∑
= = n i i R n R 1 1(24)
Sehingga nilai ekspektasi return sama dengan nilai rata-rata return tersebut
(E(R)=R )
2. Metode tren, misalnya dengan menggunakan teknik rata-rata bergerak 3. Metode random walk, misalnya dengan mangambil nilai terakhir dari data
historis. Jadi nilai dari return ekspektasi merupakan nilai pada periode terakhir dari nilai return.
2.5.2 Return pada Portofolio
a. Return portofolio
Persamaan return pada portofolio dapat ditulis sebagai berikut :
∑
= = N
i
t i i
t wR
Rp
1 ,
Dengan: wi = proporsi /bobot saham i
Ri,t = return aset i pada waktu t
b. Return ekspektasi portofolio
Return ekspektasi portofolio merupakan rata-rata tertimbang dari return
ekspektasi masing-masing aset tunggal dalam portofolio. Return ekspektasi suatu portofolio dapat dinyatakan sebagai berikut :
( )
∑
(
( )
)
= = n
i
i i E R w Rp
E
1
.
Dengan E
( )
Rp =return ekspektasi portofoliowi = porsi atau bobot dari sekuritas i
( )
RiE = return ekspektasi dari sekuritas i
(25)
2.5.3 Risiko Aset Tunggal
Risiko sering dihubungkan dengan volatilitas atau simpangan baku (standard
deviation) dari hasil investasi yang akan diterima dengan keuntungan yang
diharapkan. Volatilitas merupakan besarnya harga fluktuasi dari sebuah aset. Semakin besar volatilitas aset semakin besar kemungkinan mengalami keuntungan atau kerugian. Van Horne dan Wachowics, Jr (1992) mendefinisikan risiko sebagai variabilitas (keragaman) return terhadap return yang diharapkan. Jika rata-rata return
digunakan untuk mengestimasi varian, maka didapat persamaan sebagai berikut :
( )
(
)
21 1 1
∑
=− −
= n
i
i R
R n
R Var
Akar dari varian atau standar deviasi merupakan nilai estimasi risiko dari harga saham, persamaannya dapat ditulis sebagai berikut :
(
)
∑
=− −
= n
i
i R
R
n 1
2 1
1
σ
Risiko dari portofolio yang didiversifikasikan secara baik tergantung pada risiko pasar dari masing-masing saham yang di masukkan dalam portofolio tersebut, dengan kata lain jika ingin membentuk portofolio yang memiliki risiko rendah, maka saham-saham yang dipilih bukanlah saham-saham yang memiliki kovarian dengan portofolio yang rendah.
2.5.4 Kovarian Portofolio Dua Aset
Di dalam portofolio kovarian menunjukkan hubungan antara return dua aset. Nilai kovarian yang positif menunjukkan nilai-nilai dari dua variabel bergerak kearah yang sama. Nilai kovarian yang negatif menunjukkan nilai-nilai dari dua variabel bergerak kearah yang berlawanan. Sedangkan nilai kovarian nol menunjukkan nilai-nilai dari kedua variabel independent atau pergerakan satu variabel tidak ada hubungannya
(26)
dengan variabel yang lainnya. Persamaan kovarian antara dua aset dapat ditunjukkan sebagai berikut:
(
RA,RB)
cov =
(
)(
Bi B)
n i
A
Ai R R R
R
n
∑
=1 − −1
Dengan: cov
(
RA,RB)
= kovarian return aset A dan return aset BAi
R = return aset A ke- i
Bi
R = return aset B ke- i
A
R = rata-rata return aset A atau µA
B
R = rata-rata return aset B atau µB
n = jumlah data return aset
Nilai-nilai dari seluruh aktiva varian dan kovarian dapat dibuat ke dalam matriks yang dinotasikan sebagai Σ sebagai berikut
Σ =
nn n n n n n n σ σ σ σ σ σ σ σ σ σ σ σ σ σ σ σ 3 2 1 3 33 32 31 2 23 22 21 1 13 12 11
Bagian diagonal dari matriks menunjukkan varian masing-masing aktiva, yaitu σ11, 22
σ ,σ33 dan σnn. Sedangkan bagian non diagonal merupakan kovarian. Matriks ini merupakan matriks yang simetrik, yaitu bagian atas diagonal sama dengan bagian bawah diagonal, atau kovaarian σ12, σ13,σ23 dan σ1n sama dengan σ21, σ31,σ32 dan
1
n σ .
(27)
2.5.5 Menentukan Proporsi dengan Mean Variance Efficient Portofolio (MVEP)
Portofolio yang optimal adalah portofolio yang dipilih seorang investor dari sekian banyak pilihan yang ada pada kumpulan portofolio yang efisien. Tentunya portofolio yang dipilih seorang investor adalah portofolio yang sesuai dengan preferensi investor bersangkutan terhadap return maupun risiko yang bersedia ditanggungnya.
Salah satu metode dalam menentukan proporsi dari masing-masing aset pembentuk portofolio optimal adalah mean variance efficient portofolio (MVEP).
Untuk proporsi w=
[
w1 w2 wN]
T persamaannya adalah sebagai berikut :N T
N N
w
1 1
1 1 1
− −
∑ ∑ =
Dengan: ∑−1 = invers matrik varian kovarian
2.5.6 Risiko Portofolio Dua Aset
Salah satu pengukur risiko adalah simpangan baku atau varian. Risiko yang diukur dengan ukuran ini mengukur risiko dari seberapa besar nilai tiap-tiap item menyimpang dari ratan-ratanya. Persamaan varian portofolio dapat dituliskan sebagai berikut:
( )
2[
( )
]
2Rp E Rp E Rp
Var =σp = −
Jika persamaan varian portofolio disubsitusikan dengan persamaan return
portofolio yang terdiri dari dua aset, yaitu sebagai berikut :
Rp =
B
A b R
R
(28)
Maka didapat
( )
RpVar =
[
(
)
]
2B A
B
A b R E a R b R
R a
E ⋅ + ⋅ − ⋅ + ⋅
= E
[
a⋅RA +b⋅RB −E(
a⋅RB) (
−E b⋅RB)
]
2= E
[
a⋅RA +b⋅RB −a⋅E( )
RB −b⋅E( )
RB]
2= E
[
(
a⋅RA −a⋅E( )
RB)
+(
b⋅RB −b⋅E( )
RB)
]
2= E
[
(
a⋅(
RA −E( )
RB)
)
+(
b⋅(
RB −E( )
RB)
)
]
2= E
[
(
a⋅(
RA−E( )
RA)
)
2+(
b⋅(
RB⋅E( )
RB)
)
2 +2⋅a⋅b⋅
(
RA−E( )
RA)
⋅(
RB−E( )
RB)
]
= 2⋅
[
⋅( )
]
2+ 2⋅[
⋅( )
]
2+B B A
A E R b E R E R
R E a
2⋅a⋅b⋅E
[
(
RA−E( )
RA)
⋅(
RB −E( )
RB)
]
( )
RpVar = a2⋅Var
( )
RA +b2 ⋅Var( )
RB +2⋅a⋅b⋅Cov(
RA,RB)
2.5.7 Koefesien Korelasi Antara Dua Aset
Konsep dari kovarian dapat dinyatakan dalam bentuk korelasi. Koefesien korelasi menunjukkan besarnya hubungan pergerakan antara dua variable relative terhadap masing-masing deviasinya. Persamaan koefesien korelasi antara variabel A dan B adalah:
(
)
B A
B A AB
R R r
σ σ × =cov ,
Dengan : rAB = koefesien korelasi variable A dan B
(
RA,RB)
(29)
A
σ = simpangan baku return A
B
σ = simpangan baku return B
Jika dua aset mempunyai return dengan koefesien korelasi +1 maka semua risikonya dapat terdeversifikasi, jika koefesien korelasinya -1 maka semua risikonya tidak dapat terdeversifikasi, jika koefesien korelasinya antara +1 dan -1 maka akan terjadi penurunan risiko di portofolio. Hubungan antara korelasi dengan risiko portofolio dapat ditunjukkan pada gambar berikut:
Gambar 2.1 Hubungan korelasi dengan risiko portofolio.
2.6 Value at Risk (VaR)
Value at Risk adalah suatu metode pengukuran risiko secara statistik yang
memperkirakan kerugian maksimum yang mungkin terjadi atas suatu portofolio pada tingkat kepercayaan (level of confidence) tertentu yang dinotasikan dengan α. Parameter-parameter yang dibutuhkan dalam mengukur Value at Risk adalah return, matriks varian-kovarian, ekspektasi return dan bobot masing aset-aset pembentuk portofolio.
Pada portofolio, VaR diartikan sebagai estimasi kerugian maksimum yang akan dialami suatu portofolio pada periode waktu tertentu dengan tingkat kepercayaan tertentu. Oleh karena itu, terdapat kemungkinan bahwa suatu kerugian yang akan diderita oleh portofolio selama periode kepemilikan akan lebih rendah dibandingkan limit yang dibentuk dengan VaR. Terdapat kemungkinan bahwa kerugian sebenarnya mungkin dapat lebih buruk, sehingga keterbatasan dari VaR adalah tidak dapat menyatakan apapun tentang seberapa besar kerugian yang benar-benar terjadi dan
tetap berkurang nol
+1 0 -1
Korelasi antar aktiva
(30)
secara definitif tidak menegaskan kemungkinan kerugian yang paling buruk. VaR
hanya menyatakan kerugian yang mungkin akan diderita pada hari-hari buruk yang cukup buruk. Akan tetapi investor dapat menggunakan nilai VaR sebagai salah satu tolak ukur dalam menetapkan seberapa besar target risiko.
2.6.1 Value at Risk dengan Metode Simulasi Monte Carlo
Pengestimasian Value at Risk (VaR) dengan metode simulasi Monte Carlo pada dasarnya adalah melakukan simulasi dengan membangkitkan bilangan acak berdasarkan karakteristik dari data yang akan dibangkitkan, yang kemudian digunakan untuk mengestimasi nilai VaR-nya. Dalam pengukuran VaR dengan motode simulasi Monte Carlo data harus mengikuti distribusi normal.
Untuk mencari Value at Risk (VaR) pada portofolio dengan metode simulasi Monte Carlo langkah-langkahnya adalah:
1. Menentukan nilai parameter untuk varibel-variabel return aset-aset, yakni mean return aset-aset dan simpangan baku atau deviasi standar dari aset-aset pembentuk portofolio.
2. Mensimulasikan nilai return dengan membangkitkan secara acak return aset-aset yang berdistribusi normal dengan parameter yang diperoleh pada langkah (1) sebanyak n kali.
3. Nilai return masing-masing aset yang dihasilkan pada langkah (2) digunakan untuk menghitung return portofolio pada tiap-tiap baris, yaitu
∑
== N i
t i i
t wR
Rp
1 ,
Dengan Rpt = return portofolio baris ke-t
t i
R, = return aset ke-i baris ke-t
i
(31)
4. Mencari estimasi kerugian maksimum pada tingkat kepercayaan (1- α) yaitu sebagai nilai kuantil ke-α dari distribusi empiris return portofolio yang diperoleh pada langkah (3) yang dinotasikan denga R*.
5. Menghitung nilai VaR pada tingkat kepercayaan (1 - α ), yaitu:
(− ) =W R∗
VaR1 α 0
Dengan : W0 = dana investasi awal portofolio
∗
R = nilai kuantil α dari distribusi return
Nilai yang diperoleh merupakan kerugian maksimum yang akan diderita portofolio.
6. Mengulangi langkah (2) sampai langkah (5) sebanyak m kali sehingga mencerminkan berbagai kemungkinan nilai VaR portofolio.
7. Menghitung rata-rata dari nilai VaR yang diperoleh pada langkah (6) untuk menstabilkan nilai.
2.7 Tingkat Kepercayaan
Dalam estimasi secara statistik selalu ditetapkan suatu tingkat kepercayaan (level of
confidence) terhadap estimasi-estimasi interval dibuat. Secara umum tingkat
kepercayaan adalah probabilitas bahwa parameter populasi yang diduga akan termuat dalam interval estimasi. Dalam perhitungan VaR tingkat kepercayaan merupakan probabilitas di mana nilai VaR tidak akan melebihi kerugian maksimum. Penentuan tingkat kepercayaan sangat berperan penting karena dapat menggambarkan seberapa besar perusahaan mampu mengambil suatu risiko dan harga kerugian yang melebihi
VaR. Semakin besar tingkat kepercayaan yang diambil, semakin besar pula risiko dan alokasi modal untuk menutupi kerugian yang diambil.
(32)
2.8 Distribusi Normal
2.8.1 Sifat-sifat Penting Distribusi Normal
Distribusi normal atau sering juga disebut distribusi Gauss yang variabel acaknya bersifat kontinu. Distribusi ini merupakan salah satu yang paling penting dan banyak digunakan. Distribusi normal memiliki bentuk fungsi sebagai berikut :
( )
2
2 1
2
1
− −
=
σµ
π
σ
x
e
x
f
Dengan : π = nilai konstan yaitu 3,1416
e = nilai konstan yaitu 2,7183
μ = parameter yang merupakan rata-rata distribusi
σ = parameter yang merupakan simpangan baku distribusi Gambar dari kurva distribusi normal umum dapat disajikan sebagai berikut:
(33)
Sifat-sifat penting distribusi normal adalah sebagai berikut:
1. Grafiknya selalu berada diatas sumbu x
2. Bentuknya simetrik pada x = μ
3. Mempunyai satu modus, yaitu pada x = μ
4. Luas grafiknya sama dengan satu unit persegi, dengan rincian;
a. Kira-kira 68% luasnya berada di antara µ−σ dan µ+σ
b. Kira-kira 95% luasnya berada di antara daerah µ−2σ dan µ+2σ c. Kira-kira 99% luasnya berada di antara daerah µ−3σ dan µ+3σ
Untuk tiap pasang μ dan σ, sifat-sifat di atas selalu dipenuhi, hanya bentuk kurvanya saja yang berlainan. Jika σ makin besar, kurvanya semakin rendah (platikurtik) dan untuk σ makin kecil, kurvanya makin tinggi (leptokurtik).
2.8.2 Distribusi Normal Baku
Kurva distribusi normal baku diperoleh dari distribusi normal umum dengan cara transformasi nilai x kedalam nilai z dengan persamaan sebagai berikut:
σ µ
− = x z
(34)
Gambar 2.3 Kurva Distribusi Normal Baku
Kurva distribusi normal baku lebih sederhana dari kurva distribusi umum. Pada kurva distribusi normal baku nilai µ= 0 dan σ=1. untuk keperluan praktis, para ahli statistika telah menyusun tabel distribusi normal baku yang biasa disebut dengan tabel z.
2.8.3 Uji Kolmogorov-Smirnov
Uji Kolmogorov-Smirnov merupakan salah satu metode uji data non-parametrik. Uji ini dilakukan untuk mengetahui apakah suatu data berdistribusi normal atau tidak. Konsep dari uji normalitas Kolmogorov-Smirnov adalah dengan membandingkan distribusi data (yang akan diuji normalitasnya) dengan distribusi normal baku. Jadi sebenarnya uji Kolmogorov-Smirnov adalah uji beda antara data yang diuji normalitasnya dengan data normal baku. Signifikansi metode Kolmogorov-Smirnov menggunakan tabel Kolmogorov-Smirnov.
Metode Kolmogorov-Smirnov didasarkan pada nilai D yang didefinisikan sebagai berikut:
(35)
( )
[
F x F x]
D=sup n( )− 0
Dengan: D = nilai distribusi data
Fn(x) = Fungsi distribusi kumulatif normal dari x F0(x) = Fungsi distribusi empiris dari x
D merupakan nilai deviasi absolut maksimum antara Fn(x) dan F0(x). Nilai D
ini selanjutnya dibandingkan dengan nilai kritis Kolmogorov-Smirnov (D*) yang telah dibakukan ke dalam Tabel Kolmogorov-smirnov. Jika:
D < D* H0 diterima atau H1 ditolak
D > D* H1 diterima atau H0 ditolak
Dengan hipotesis:
H0 = Data mengikuti distribusi normal
(36)
BAB 3
HASIL DAN PEMBAHASAN
3.1 Pengukuran VaR Portofolio dengan Simulasi Monte Carlo
Berikut adalah data saham harian BNI dan BCA mulai dengan satuan rupiah dari tanggal 23 Oktober 2011 sampai dengan 23 Desember 2011 dengan total 60 hari kerja:
Tabel 3.1 Data Saham Harian BNI dan BCA
SA 3425 3175 3175 3425 3350 3450 3500 3600 3675 3725
SB 7200 7050 7200 7400 7450 7300 7600 7750 7950 7950
SA 3900 3800 3875 3875 3825 4000 3975 4025 4025 4050
SB 7950 7650 7800 7500 7650 7950 8000 8000 7950 8000
SA 4025 3925 4000 3900 4000 4025 3950 4025 3950 3950
SB 8100 7900 7950 7800 8000 7950 8200 8300 8150 8150
SA 3975 3950 3900 3875 3825 3650 3725 3650 3700 3650
SB 8250 8150 8050 8050 7850 7750 7800 7700 7650 7450
SA 3700 3775 3800 3950 3950 3875 3825 3875 3875 3925
SB 7550 7700 7900 8000 8000 8050 7900 8050 7950 7900
SA 3975 3825 3850 3775 3900 3875 3900 3875 3850 3925
SB 8000 7850 7900 7800 8000 7950 7900 7950 7950 8050
Sumber
Keterangan:
SA = saham BNI
(37)
3.1.1 Menentukan Parameter-parameter VaR Simulasi Monte Carlo
a. Mengukur return tanpa deviden
Dengan menggunakan persamaan return tanpa menggunakan deviden maka didapat masing-masing nilai return;
1 ln ln − −
= St St
R
(
3175)
ln(
3425)
ln1 = −
A
R = -0,0758 dan RB1 =ln
(
7050)
−ln(
7200)
= -0,0211(
3175)
ln(
3175)
ln
2 = −
A
R = 0 dan RB2 =ln
(
7200)
−ln(
7050)
= 0,0211 …(
3925) (
ln3850)
ln59 = −
A
R = 0,0193 dan RB59 =ln
(
8050) (
−ln 7950)
= 0,0125 Nilai dari return masing-masing aset dapat dilihat pada tabel return saham BNI dan BCA yang ditunjukkan pada tabel berikut:(38)
Tabel 3.2. Data Return Saham BNI dan BCA
No. RA RB No. RA RB
1 -0.0758 -0.0211 31 -0.0063 -0.0122
2 0.0000 0.0211 32 -0.0127 -0.0123
3 0.0758 0.0274 33 -0.0064 0.0000
4 -0.0221 0.0067 34 -0.0130 -0.0252
5 0.0294 -0.0203 35 -0.0468 -0.0128
6 0.0144 0.0403 36 0.0203 0.0064
7 0.0282 0.0195 37 -0.0203 -0.0129
8 0.0206 0.0255 38 0.0136 -0.0065
9 0.0135 0.0000 39 -0.0136 -0.0265
10 0.0459 0.0000 40 0.0136 0.0133
11 -0.0260 -0.0385 41 0.0201 0.0197
12 0.0195 0.0194 42 0.0066 0.0256
13 0.0000 -0.0392 43 0.0387 0.0126
14 -0.0130 0.0198 44 0.0000 0.0000
15 0.0447 0.0385 45 -0.0192 0.0062
16 -0.0063 0.0063 46 -0.0130 -0.0188
17 0.0125 0.0000 47 0.0130 0.0188
18 0.0000 -0.0063 48 0.0000 -0.0125
19 0.0062 0.0063 49 0.0128 -0.0063
20 -0.0062 0.0124 50 0.0127 0.0126
21 -0.0252 -0.0250 51 -0.0385 -0.0189
22 0.0189 0.0063 52 0.0065 0.0063
23 -0.0253 -0.0190 53 -0.0197 -0.0127
24 0.0253 0.0253 54 0.0326 0.0253
25 0.0062 -0.0063 55 -0.0064 -0.0063
26 -0.0188 0.0310 56 0.0064 -0.0063
27 0.0188 0.0121 57 -0.0064 0.0063
28 -0.0188 -0.0182 58 -0.0065 0.0000
29 0.0000 0.0000 59 0.0193 0.0125
30 0.0063 0.0122
b. Mengukur mean dan simpangan baku masing-masing return
Dengan mencari rata-rata masing-masing return saham maka didapat mean
return masing-masing seagai berikut;
A
R =
∑
=
n i
i A R n 1
,
1
= (0,136265) 59
1 ×
(39)
dan RB =
∑
= n i i B R n 1 , 1= (0,111591) 59
1 ×
= 0,001891
Sedangkan untuk simpangan bakunya (standard deviation) adalah;
RA
σ =
∑
(
)
= − − n i A i A R R n 1 2 , 1 1
= (0,0336294010516522) 1
59 1
−
= 0,024079
Dan
RB
σ =
∑
(
)
= − − n B B i B R R n 1 2 , 1 1
= (0,0193811416077032) 1
59 1
−
= 0,018280
c. Mencari matriks varian-kovarian
1. Varian
Dengan mengkuadratkan simpangan baku dari masing-masing aset maka didapatkan varian dari aset tersebut;
( )
RAVar = 2
RA σ
(40)
dan Var
( )
RB = σRB2= 0,000334
2. Kovarian
Dengan memasukkan nilai return saham BNI dan BCA ke dalam persamaan kovarian maka didapat:
(
RA,RB)
cov =
(
0,0145373451676296)
591
×
= 0,000246
Matriks varian-kovarian dibutuhkan dalam mencari proporsi (w=
[
w1 w2 wN]
T) yang optimal. Matriks kovarian dari return aset A dan aset B ditunjukkan sebagai berikutΣ=
0,000334 0,000246
0,000246 0,000580
d. Mencari Proporsi atau Bobot Masing-Masing Aset
Perhitungan proporsi dengan metode mean variance efficient portfolio
membutuhkan matriks invers dari varian-kovarian return saham. Dengan diketahui
Σ=
0,000334 0,000246
0,000246 0,000580
(41)
Dengan rumus invers matriks 2x2 maka Σ-1 =
(
) (
)
× −× -0,000246 0,000580
0,000246 -0,000334 000246 , 0 000246 , 0 000334 , 0 000580 , 0 1 = 4351,8452 1846,3644 -1846,3644 -2508,0413
Dan proporsi dari masing-masing saham adalah sebagai berikut:
[ ]
= 1 1 4351,8452 1846,3644 -1846,3644 -2508,0413 1 1 1 1 4351,8452 1846,3644 -1846,3644 -2508,0413 w 1577 , 3167 4808 , 2505 6769 , 661 = w = 7911 , 0 2089 , 0 wMaka didapat proporsi saham BNI (w1) sebesar 0,2089 atau 20,89% dan
proporsi saham BCA (w2) sebesar 0,7911 atau 79,11%
3.1.2. Menguji Kenormalan Data
Di dalam mencari Value at Risk (VaR) menggunakan simulasi Monte Carlo return
aset-aset pembentuk portofolio harus mengikuti distribusi normal. Di dalam pengujiaannya penyusun menggunakan metode Uji Kolmogorov-Smirnov dengan
(42)
bantuan aplikasi SPSS (Statistical Products and Solution Services). Output dari SPSS
tampak sebagai berikut:
Gambar 3.1 Output SPSS metode Kolmogorov-Smirnov
Dari output tertera nilai absolute atau nilai D sebesar 0,088 untuk saham BNI dan untuk BCA sebesar 0,085. Setelah itu nilai D yang sudah didapatkan akan dibandingkan dengan nilai D pada tabel Kolmogorov-Smirnov. Untuk n >10 dan
=
α 5 % kolmogorov-Smirnov tabel dapat dihitung dengan menggunakan persamaan
D* =
n
36 . 1
Maka dengan α = 5 % dan n = 54 didapat nilai kolmogorov-smirnov tabel sebagai berikut :
D* =
59 36 , 1
= 0,177
One-Sample Kolmogorov-Smirnov Test
BNI BCA
N 59 59
Normal Parameters(a,b) Mean .002307 .001892
Std. Deviation .0240772 .0182797
Most Extreme Differences
Absolute
.088 .085
Positive .088 .068
Negative -.069 -.085
Kolmogorov-Smirnov Z .677 .651
Asymp. Sig. (2-tailed) .750 .791
a Test distribution is Normal. b Calculated from data.
(43)
Jika: D < D* H0 diterima atau H1 ditolak
D > D* H1 diterima atau H0 ditolak
Dengan hipotesis:
H0 = Data return mengikuti distribusi normal
H1 = Data return tidak mengikuti distribusi normal
Untuk data return BNI
D = 0,088 dan D* = 0,177
karena D < D* maka H0 diterima yang berarti data return saham BNI mengikuti
distribusi normal.
Untuk data return BCA
D = 0,085 dan D* = 0,177
karena D < D* maka H0 diterima yang berarti data return saham BCA juga mengikuti
distribusi normal.
Setelah melakukan pengujian dapat dipastikan kedua return aset pembentuk portofolio mengikuti distribusi normal.
3.1.3 Mensimulasikan Nilai Return Aset-aset
Mensimulasikan nilai-nilai return dengan membangkitkan secara random nilai-nilai
return aset yang berdistribusi normal dengan menggunakan parameter mean dan
simpangan baku dari masing-masing return yang telah didapat.
Dengan menggunakan parameter mean dan standard deviation masing-masing
(44)
dapat diperoleh dengan bantuan fungsi NORMINV pada excell. Dengan 100 kali pengulangan maka didapatkan data nilai-nilai simulasi return yang di tunjukkan pada tabel berikut:
Tabel 3.3. Data Return Acak
No. Rand A Rand B No. Rand A Rand B No. Rand A Rand B
1 -0.0137 0.0064 35 0.0306 -0.0336 69 0.0104 0.0014
2 -0.0128 0.0464 36 0.0261 0.0032 70 -0.0419 -0.0112
3 0.0270 0.0141 37 0.0346 0.0125 71 0.0364 -0.0053
4 0.0119 -0.0182 38 0.0092 -0.0138 72 0.0276 0.0278
5 -0.0184 0.0031 39 -0.0265 0.0110 73 -0.0064 -0.0338
6 -0.0092 0.0210 40 0.0365 -0.0048 74 0.0215 -0.0165
7 -0.0067 -0.0130 41 -0.0291 -0.0082 75 0.0257 -0.0180
8 0.0041 -0.0053 42 -0.0133 0.0424 76 -0.0382 0.0031
9 0.0276 0.0444 43 -0.0169 0.0561 77 0.0275 -0.0066
10 0.0016 0.0079 44 0.0114 0.0097 78 -0.0225 0.0336
11 -0.0101 -0.0037 45 -0.0282 0.0127 79 0.0341 -0.0016
12 0.0294 -0.0538 46 -0.0023 0.0185 80 0.0227 0.0212
13 0.0313 -0.0162 47 0.0189 0.0057 81 -0.0112 -0.0242
14 0.0000 0.0195 48 -0.0237 -0.0193 82 0.0077 -0.0063
15 0.0062 0.0012 49 -0.0214 -0.0065 83 -0.0041 -0.0152
16 0.0053 -0.0210 50 0.0273 0.0030 84 -0.0050 -0.0218
17 0.0002 0.0123 51 0.0328 -0.0153 85 -0.0173 0.0097
18 0.0065 0.0219 52 0.0024 0.0096 86 -0.0457 -0.0062
19 -0.0055 0.0057 53 0.0685 0.0163 87 -0.0106 0.0195
20 -0.0396 -0.0199 54 -0.0067 0.0164 88 0.0119 0.0253
21 -0.0057 -0.0186 55 0.0048 0.0045 89 0.0448 -0.0063
22 0.0058 -0.0041 56 -0.0916 0.0188 90 0.0108 0.0065
23 -0.0023 0.0182 57 0.0005 0.0063 91 -0.0211 -0.0202
24 -0.0315 0.0028 58 -0.0129 -0.0068 92 0.0098 -0.0220
25 -0.0027 0.0156 59 -0.0011 0.0004 93 -0.0053 0.0163
26 0.0092 0.0212 60 0.0105 0.0144 94 -0.0176 0.0127
27 -0.0526 0.0089 61 0.0060 -0.0048 95 0.0087 0.0022
28 0.0056 0.0116 62 -0.0124 0.0110 96 -0.0063 0.0007
29 0.0328 0.0216 63 0.0214 -0.0018 97 0.0470 -0.0102
30 -0.0200 -0.0078 64 -0.0165 -0.0176 98 -0.0203 -0.0061 31 -0.0285 -0.0097 65 -0.0340 -0.0029 99 0.0198 -0.0101 32 -0.0109 -0.0053 66 -0.0174 -0.0174 100 0.0314 -0.0323
33 0.0050 0.0212 67 0.0119 -0.0402
34 -0.0024 -0.0033 68 0.0098 -0.0137
3.1.4 Mencari Return Portofolio baris ke-n
Dengan menggunakan persamaan return portofolio pada baris ke- n maka didapat nilai portofolio masing-masing baris sebagai berikut;
(45)
n n
n w R w R
Rp = 1 1, + 2 2,
(
)
(
0,2089 0,0137) (
0,7911 0,0064)
1 = × − + ×
Rp = 0,0022
(
)
(
0,2089 0,0128) (
0,7911 0,464)
2 = × − + ×
Rp = 0,0340
…
(
0,2089 0,0314)
(
0,7911(
0,0323)
)
100 = × + × −
Rp = -0,0190
Nilai-nilai dari return portofolio dari masing-masing return acak saham BNI dan BCA dapat dilihat pada tabel berikut:
Tabel 3.4. Data Return Portofolio
No. Rp No. Rp No. Rp No. Rp
1 0.0022 26 0.0187 51 -0.0053 76 -0.0055
2 0.0340 27 -0.0039 52 0.0081 77 0.0005
3 0.0168 28 0.0103 53 0.0272 78 0.0219
4 -0.0119 29 0.0239 54 0.0116 79 0.0059
5 -0.0014 30 -0.0103 55 0.0046 80 0.0215
6 0.0147 31 -0.0136 56 -0.0043 81 -0.0215
7 -0.0117 32 -0.0065 57 0.0051 82 -0.0034
8 -0.0033 33 0.0178 58 -0.0081 83 -0.0129
9 0.0409 34 -0.0031 59 0.0001 84 -0.0183
10 0.0066 35 -0.0202 60 0.0136 85 0.0041
11 -0.0050 36 0.0080 61 -0.0025 86 -0.0145
12 -0.0364 37 0.0171 62 0.0061 87 0.0132
13 -0.0063 38 -0.0090 63 0.0030 88 0.0225
14 0.0154 39 0.0032 64 -0.0174 89 0.0044
15 0.0022 40 0.0038 65 -0.0094 90 0.0074
16 -0.0155 41 -0.0126 66 -0.0174 91 -0.0204
17 0.0098 42 0.0308 67 -0.0293 92 -0.0154
18 0.0187 43 0.0409 68 -0.0088 93 0.0118
19 0.0034 44 0.0101 69 0.0033 94 0.0064
20 -0.0240 45 0.0042 70 -0.0176 95 0.0036
21 -0.0159 46 0.0142 71 0.0034 96 -0.0008
22 -0.0020 47 0.0085 72 0.0278 97 0.0017
23 0.0139 48 -0.0202 73 -0.0281 98 -0.0091
24 -0.0044 49 -0.0096 74 -0.0086 99 -0.0039
(46)
3.1.5. Mencari Estimasi Kerugian Maksimum pada Tingkat Kepercayaan (1- α )
Untuk mencari nilai estimasi kerugian maksimum pada tingkat kepercayaan (1- α ).
Nilai-nilai dari return portofolio yang sudah didapat sebanyak 100 nilai diurutkan mulai dari nilai kerugian terkecil sampai kerugian terbesar sehingga terbentuk distribusi empiris dari return portofolio yang ditunjukkan pada tabel sebagai berkut :
Tabel 3.5 Distribusi Empiris Return Portofolio
No. Rp No. Rp No. Rp No. Rp
9 0.0409 44 0.0101 97 0.0017 65 -0.0094
43 0.0409 17 0.0098 77 0.0005 49 -0.0096
2 0.0340 47 0.0085 59 0.0001 30 -0.0103
42 0.0308 52 0.0081 96 -0.0008 7 -0.0117
72 0.0278 50 0.0081 5 -0.0014 4 -0.0119
53 0.0272 36 0.0080 22 -0.0020 41 -0.0126
29 0.0239 90 0.0074 61 -0.0025 83 -0.0129
88 0.0225 10 0.0066 34 -0.0031 31 -0.0136
78 0.0219 94 0.0064 8 -0.0033 86 -0.0145
80 0.0215 62 0.0061 82 -0.0034 92 -0.0154
26 0.0187 79 0.0059 99 -0.0039 16 -0.0155
18 0.0187 57 0.0051 27 -0.0039 21 -0.0159
33 0.0178 55 0.0046 56 -0.0043 64 -0.0174
37 0.0171 89 0.0044 24 -0.0044 66 -0.0174
3 0.0168 45 0.0042 11 -0.0050 70 -0.0176
14 0.0154 85 0.0041 51 -0.0053 84 -0.0183
6 0.0147 40 0.0038 76 -0.0055 100 -0.0190
46 0.0142 95 0.0036 13 -0.0063 35 -0.0202
23 0.0139 71 0.0034 32 -0.0065 48 -0.0202
60 0.0136 19 0.0034 58 -0.0081 91 -0.0204
87 0.0132 69 0.0033 74 -0.0086 81 -0.0215
93 0.0118 39 0.0032 68 -0.0088 20 -0.0240
25 0.0118 63 0.0030 75 -0.0089 73 -0.0281
54 0.0116 15 0.0022 38 -0.0090 67 -0.0293
28 0.0103 1 0.0022 98 -0.0091 12 -0.0364
Jika diambil nilai tingkat kepercayaan sebesar 95% maka berdasarkan 100 nilai simulasi didapat nilai dari estimasi kerugian maksimum pada tingkat kepercayaan (1- 5%) yang dinotasikan sebagai R* = -0,0204.
(47)
Untuk mencari VaR dibutuhkan parameter dana awal yang dinotasikan dengan W0 .
maka jika dana awal yang diinvestasikan investor sebesar Rp 100.000.000,- maka
VaR-nya adalah:
(1−α)
VaR = W0R∗
(1−5%)
VaR = 100000000×−0,0204
= - 2040000
Untuk mendapatkan keaneka ragaman nilai VaR, maka dilakukan pencarian simulasi
return aset-aset serta return portofolionya kembali sebanyak 25 kali, sehingga didapat 25 nilai VaR yang beraneka ragam yang ditunjukkan sebagai berikut:
Tabel 3.6 Nilai-nilai VaR 25 Kali Pengulangan
No. VaR0,95 No. VaR0,95 No. VaR0,95
1 -2040000 11 -2040000 21 -2370000
2 -2210000 12 -1910000 22 -2030000
3 -1990000 13 -2230000 23 -2040000
4 -2110000 14 -2280000 24 -2870000
5 -2050000 15 -2270000 25 -2520000
6 -2220000 16 -2640000
7 -2980000 17 -2010000
8 -1720000 18 -1810000
9 -2120000 19 -2100000
10 -2250000 20 -2230000
Menstabilkan nilai VaR yang telah didapat dengan mencari rata-ratanya sebagai hasil akhir dari VaR simulasi Monte Carlo. Jika VaR tersebut dinotasikan sebagai VaRend
maka
VaRend =
∑
=
m i
i
VaR
m 1
1
=
(
55040000)
251
− ×
(48)
Maka didapat nilai VaR akhir sebesar -2201600 yang berarti, jika investor menginvestasikan dananya pada portofolio yang terdiri dari saham BNI dan BCA dengan dana sebesar Rp. 100.000.000,- dengan bobot BNI dan BCA sebesar 20,89 % dan 79,11 %, maka kerugian maksimum yang akan diderita oleh investor pada periode selanjutnya (1 periode dari data historis) dengan tingkat kepercayaan 95%, tidak akan melebihi dari Rp. 2.201.600,-. Dengan mengetahui angka tersebut investor dapat menyediakan dana sebesar Rp. 2.201.600,- untuk menyerap risiko tersebut.
3.2. Koefesien Korelasi Antara Return Saham BNI dan Return Saham BCA
Tingkat keefektifan dari deversifikasi portofolio return saham BNI dan return saham BCA dapat dilihat dari nilai koefesien korelasi antara kedua return aset. Skala antara +1 sampai -1 nilai -1 menandakan sangat efektif dan +1 tidak efektif sama sekali. Koefesien korelasi antara return saham BNI dan BCA adalah:
AB
r =
(
)
B A
B A R
R
σ σ ×
, cov
=
018280 ,
0 024079 ,
0
000246 ,
0
×
AB
r = 0,558882
Dengan nilai koefesien korelasi sebesar 0,558882 maka dapat dikatakan terjadi penurunan risiko di portofolio walaupun tidak menghilangkan semua risikonya.
(49)
BAB 4
KESIMPULAN DAN SARAN
4.1 Kesimpulan
Setelah dilakukan analisis, maka dapat diambil beberapa kesimpulan antara lain :
1. Distribusi return masing-masing aset pada portofolio merupakan data kunci dari pencarian VaR menggunakan metode simulasi Monte Carlo dikarenakan data tersebut yang menjadi acuan dari persyaratan berdistribusi normal dan pencarian parameter-parameter selanjutnya.
2. Perbedaan nilai Value at Risk (VaR) pada setiap ulangan disebabkan oleh perbedaan hasil dari setiap simulasi yang dijalankan. Akan tetapi diperoleh hasil yang tidak berbeda jauh antara satu dengan yang lainnya karena disimulasikan dengan parameter yang sama. Oleh karena itu untuk menstabilkan hasil diambil nilai rata-ratanya.
3. Dengan metode uji Kolmogorov-smirnov didapat masing-masing nilai D
saham BNI dan BCA sebesar 0,088 dan 0,085. dengan D* keduanya sebesar 0,177 maka nilai D aset A dan B lebih kecil dari nilai D* sehingga data aset A dan B mengikuti distribusi normal.
4. Nilai VaR saham BNI dan BCA sebesar -2201600 yang berarti kerugian yang
akan diderita oleh investor pada periode selanjutnya tidak akan melebihi Rp. 2.201.600,-.
5. Tingkat keefektifan dari deversifikasi portofolio return saham BNI dan return
saham BCA dapat dilihat dari nilai koefesien korelasi antara kedua return
saham yaitu 0,0558 skala antara +1 sampai -1 nilai -1 menandakan sangat efektif dan +1 tidak efektif sama sekali. Nilai korelasi 0,058 menandakan
(50)
risiko portofolio sudah menurun walaupun tidak menghilangkan semua risikonya.
4.2 Saran
Dikarenakan agak sulit mencari data harian yang cocok untuk persyaratan data berdistribusi normal, sebaiknya pengguna metode ini melakukan uji persyaratan di awal sebelum melakukan pencarian yang lainnya.
(51)
DAFTAR PUSTAKA
Jogiyanto, 2003, Teori Portofolio dan Analisis Investasi, Edisi 3, BPFE, Yogyakarta.
Sunaryo, T. 2007, Manajemen Risiko Finansial, Penerbit Salemba Empat, Jakarta.
Siahaan, Hinsa. 2007. Manajemen Risiko pada Perusahaan dan Birokrasi, PT Elex Media Komputindo, Jakarta.
Choudry, M. 2006. An Introducion to Value at Risk. Newyork: John wiley & Sons.
Jorion, P. 2002. Value at Risk : The New Benchmark for Managing Financial Risk. Newyork: The McGraw-Hill Companies, Inc.
Basyaib, F. 2007. Manajemen Risiko. PT Grasindo, Jakarta.
Sartono, A. 2003. Manajemen Keuangan Internasional. BPFE, Yogyakarta
Mehmood, S & Zhang, M. 2010. Financial Risk Management In An Integrated
Framework.
I Maruddani. Di Asih. 2009, Pengukuran Value at Risk pada Aset Tunggal dan Portofolio dengan Simulasi Monte Carl
Situngkir, H. 2006. Value at Risk yang Memperhatikan Sifat Distribusi Return.
, Bandung.
RAC. 2003. Kolmogorov Smirnov : A Goodness of Fit Test for Small Samples.
(1)
3.1.5. Mencari Estimasi Kerugian Maksimum pada Tingkat Kepercayaan (1- α )
Untuk mencari nilai estimasi kerugian maksimum pada tingkat kepercayaan (1- α ). Nilai-nilai dari return portofolio yang sudah didapat sebanyak 100 nilai diurutkan mulai dari nilai kerugian terkecil sampai kerugian terbesar sehingga terbentuk distribusi empiris dari return portofolio yang ditunjukkan pada tabel sebagai berkut :
Tabel 3.5 Distribusi Empiris Return Portofolio
No. Rp No. Rp No. Rp No. Rp
9 0.0409 44 0.0101 97 0.0017 65 -0.0094
43 0.0409 17 0.0098 77 0.0005 49 -0.0096
2 0.0340 47 0.0085 59 0.0001 30 -0.0103
42 0.0308 52 0.0081 96 -0.0008 7 -0.0117
72 0.0278 50 0.0081 5 -0.0014 4 -0.0119
53 0.0272 36 0.0080 22 -0.0020 41 -0.0126
29 0.0239 90 0.0074 61 -0.0025 83 -0.0129
88 0.0225 10 0.0066 34 -0.0031 31 -0.0136
78 0.0219 94 0.0064 8 -0.0033 86 -0.0145
80 0.0215 62 0.0061 82 -0.0034 92 -0.0154
26 0.0187 79 0.0059 99 -0.0039 16 -0.0155
18 0.0187 57 0.0051 27 -0.0039 21 -0.0159
33 0.0178 55 0.0046 56 -0.0043 64 -0.0174
37 0.0171 89 0.0044 24 -0.0044 66 -0.0174
3 0.0168 45 0.0042 11 -0.0050 70 -0.0176
14 0.0154 85 0.0041 51 -0.0053 84 -0.0183
6 0.0147 40 0.0038 76 -0.0055 100 -0.0190
46 0.0142 95 0.0036 13 -0.0063 35 -0.0202
23 0.0139 71 0.0034 32 -0.0065 48 -0.0202
60 0.0136 19 0.0034 58 -0.0081 91 -0.0204
87 0.0132 69 0.0033 74 -0.0086 81 -0.0215
93 0.0118 39 0.0032 68 -0.0088 20 -0.0240
25 0.0118 63 0.0030 75 -0.0089 73 -0.0281
54 0.0116 15 0.0022 38 -0.0090 67 -0.0293
28 0.0103 1 0.0022 98 -0.0091 12 -0.0364
Jika diambil nilai tingkat kepercayaan sebesar 95% maka berdasarkan 100 nilai simulasi didapat nilai dari estimasi kerugian maksimum pada tingkat kepercayaan (1- 5%) yang dinotasikan sebagai R* = -0,0204.
(2)
Untuk mencari VaR dibutuhkan parameter dana awal yang dinotasikan dengan W0 .
maka jika dana awal yang diinvestasikan investor sebesar Rp 100.000.000,- maka VaR-nya adalah:
(1−α)
VaR = W0R∗
(1−5%)
VaR = 100000000×−0,0204
= - 2040000
Untuk mendapatkan keaneka ragaman nilai VaR, maka dilakukan pencarian simulasi return aset-aset serta return portofolionya kembali sebanyak 25 kali, sehingga didapat 25 nilai VaR yang beraneka ragam yang ditunjukkan sebagai berikut:
Tabel 3.6 Nilai-nilai VaR 25 Kali Pengulangan
No. VaR0,95 No. VaR0,95 No. VaR0,95
1 -2040000 11 -2040000 21 -2370000
2 -2210000 12 -1910000 22 -2030000
3 -1990000 13 -2230000 23 -2040000
4 -2110000 14 -2280000 24 -2870000
5 -2050000 15 -2270000 25 -2520000
6 -2220000 16 -2640000
7 -2980000 17 -2010000
8 -1720000 18 -1810000
9 -2120000 19 -2100000
10 -2250000 20 -2230000
Menstabilkan nilai VaR yang telah didapat dengan mencari rata-ratanya sebagai hasil akhir dari VaR simulasi Monte Carlo. Jika VaR tersebut dinotasikan sebagai VaRend
maka
∑
m(3)
Maka didapat nilai VaR akhir sebesar -2201600 yang berarti, jika investor menginvestasikan dananya pada portofolio yang terdiri dari saham BNI dan BCA dengan dana sebesar Rp. 100.000.000,- dengan bobot BNI dan BCA sebesar 20,89 % dan 79,11 %, maka kerugian maksimum yang akan diderita oleh investor pada periode selanjutnya (1 periode dari data historis) dengan tingkat kepercayaan 95%, tidak akan melebihi dari Rp. 2.201.600,-. Dengan mengetahui angka tersebut investor dapat menyediakan dana sebesar Rp. 2.201.600,- untuk menyerap risiko tersebut.
3.2. Koefesien Korelasi Antara Return Saham BNI dan Return Saham BCA
Tingkat keefektifan dari deversifikasi portofolio return saham BNI dan return saham BCA dapat dilihat dari nilai koefesien korelasi antara kedua return aset. Skala antara +1 sampai -1 nilai -1 menandakan sangat efektif dan +1 tidak efektif sama sekali. Koefesien korelasi antara return saham BNI dan BCA adalah:
AB
r =
(
)
B A B A R R σ σ × , cov = 018280 , 0 024079 , 0 000246 , 0 × AB
r = 0,558882
Dengan nilai koefesien korelasi sebesar 0,558882 maka dapat dikatakan terjadi penurunan risiko di portofolio walaupun tidak menghilangkan semua risikonya.
(4)
BAB 4
KESIMPULAN DAN SARAN
4.1 Kesimpulan
Setelah dilakukan analisis, maka dapat diambil beberapa kesimpulan antara lain : 1. Distribusi return masing-masing aset pada portofolio merupakan data kunci
dari pencarian VaR menggunakan metode simulasi Monte Carlo dikarenakan data tersebut yang menjadi acuan dari persyaratan berdistribusi normal dan pencarian parameter-parameter selanjutnya.
2. Perbedaan nilai Value at Risk (VaR) pada setiap ulangan disebabkan oleh perbedaan hasil dari setiap simulasi yang dijalankan. Akan tetapi diperoleh hasil yang tidak berbeda jauh antara satu dengan yang lainnya karena disimulasikan dengan parameter yang sama. Oleh karena itu untuk menstabilkan hasil diambil nilai rata-ratanya.
3. Dengan metode uji Kolmogorov-smirnov didapat masing-masing nilai D saham BNI dan BCA sebesar 0,088 dan 0,085. dengan D* keduanya sebesar 0,177 maka nilai D aset A dan B lebih kecil dari nilai D* sehingga data aset A dan B mengikuti distribusi normal.
4. Nilai VaR saham BNI dan BCA sebesar -2201600 yang berarti kerugian yang
(5)
risiko portofolio sudah menurun walaupun tidak menghilangkan semua risikonya.
4.2 Saran
Dikarenakan agak sulit mencari data harian yang cocok untuk persyaratan data berdistribusi normal, sebaiknya pengguna metode ini melakukan uji persyaratan di awal sebelum melakukan pencarian yang lainnya.
(6)
DAFTAR PUSTAKA
Jogiyanto, 2003, Teori Portofolio dan Analisis Investasi, Edisi 3, BPFE, Yogyakarta.
Sunaryo, T. 2007, Manajemen Risiko Finansial, Penerbit Salemba Empat, Jakarta.
Siahaan, Hinsa. 2007. Manajemen Risiko pada Perusahaan dan Birokrasi, PT Elex Media Komputindo, Jakarta.
Choudry, M. 2006. An Introducion to Value at Risk. Newyork: John wiley & Sons.
Jorion, P. 2002. Value at Risk : The New Benchmark for Managing Financial Risk. Newyork: The McGraw-Hill Companies, Inc.
Basyaib, F. 2007. Manajemen Risiko. PT Grasindo, Jakarta.
Sartono, A. 2003. Manajemen Keuangan Internasional. BPFE, Yogyakarta
Mehmood, S & Zhang, M. 2010. Financial Risk Management In An Integrated Framework.
I Maruddani. Di Asih. 2009, Pengukuran Value at Risk pada Aset Tunggal dan Portofolio dengan Simulasi Monte Carl
Situngkir, H. 2006. Value at Risk yang Memperhatikan Sifat Distribusi Return.