Bab ini membahas pendekatan probabilistik untuk menganalisis risiko dalam investasi, termasuk analisis skenario, pohon keputusan, dan simulasi. Analisis skenario memperkirakan arus kas di bawah berbagai skenario. Pohon keputusan memungkinkan penilaian risiko dan respons berurutan. Simulasi menguji konsekuensi risiko berkelanjutan dengan menarik hasil dari distribusi probabilitas input. Ketiga pendekatan ini memungkinkan penilaian
2. PENDAHULUAN
Di dalam bab ini, kita mempertimbangkan cara-cara yang lebih
informatif di dalam mengakses dan mempresentasikan risiko di dalam
investasi.
Dimulai dengan melihat pada versi sederhana, yaitu analisis nilai
suatu aset dalam tiga skenario (i). “a best case”, (ii). “most likely case” dan
(iii). “the worst case” kemudian memperluas pembahasan pada analisis
skenario.
3. ANALISIS SKENARIO (SCENARIO
ANALYSIS)
Di dalam analisis skenario, kita bisa memperkirakan arus kas yang
diharapkan yang kita pergunakan untuk menilai aset beresiko dalam satu
atau dua cara. Mereka bisa mewakili “a probability-weighted average of cash
flows under all possible scenarios, or they can be the cash flows under the
most likely scenario”.
4. *Best case / worst case
Pada keadaan minimum, kita bisa memperkirakan arus kas jika sesuatunya
bekerja secara sempurna. Di dalam praktiknya, ada dua cara membuat
struktur analisis, yaitu:
1. Setiap input dalam nilai aset “is set to it’s best (or worst) possible
outcome” dan arus kas diperkirakan dengan nilai itu.
2. “the best possible scenario is defined is terms of what is feasible while
allowing for the relationship between the inputs”.
5. *Multiple Scenario Analysis
Analisis skenario tidak harus dibatasi pada “the best and worst case”
saja. Dalam bentuk yang lebih umum, nilai suatu aset berisiko bisa dihitung
dalam beberapa skenario, berdasarkan asumsi yang berbeda-beda tentang
keduanya, yaitu ekonomi makro dan “asset-specific variables”.
6. Contoh analisis skenario
“the boeing 747”, dikenalkan pada tahun 1974, merupakan pesawat terbang berkapasitas
sangat besar (bisa memuat 416 orang penumpang) yang diproduksi oleh boeng untuk “the
commercial aerospace market”. Anggaplah bahwa boeing mempertimbangkan untuk
mengenalkan pesawat terbang yang berkemampuan lebih besar, mampu mengangkut 650
orang penumpang, yang disebut “super jumbo” untuk mengganti boeing 747. bisa
diperdebatkan, sebagai “the largest and longest-serving firm in the commercial air-craft
market” boeing mengetahui pasar lebih baik daripada perusahaan lainnya di dunia.
7. Pada saat yang sama, ada ketidakpastian yang sungguh-sungguh (considerable) seperti
apakah perusahaan penerbangan akan tertarik pada super jumbo jet. Permintaan terhadap
jenis set ini akan besar sekali untuk penerbanngan jarak jauh (long haul) penerbangan
internasional, sebab pesawat terbang yang kecil hanya cocok/ tepat untuk penerbangan jarak
dekat, penerbangan dalam negri (domestic flight).
8. Untuk respons bagi airbus, kita juga akan mempertimbangkan tiga skenario, yaitu:
(i) Airbus memproduksi pesawat terbang yang mempunyai kapasitas yang sama seperti
Super Jumbo Jet, mampu mengangkat 650+ orang.
(ii) Airbus memproduksi suatu versi A-300 jet yang diperbaiki yang mampu mengangkut
300+ orang penumpang.
(iii) Airbus memutuskan untuk berkonsentrasi memproduksi pesawat terbang yang lebih
kecil dan meninggalkan pasar kapal terbang berkapasitas besar.
9. Tabel 6.1 Planes Sold by Boeing under
scenario
Airbu
s
Large
Jet
Airbu
s A-
300
Airbus
abando
n large
capacit
y
Airplan
e
High growth in
Asia
Average growth in
Asia
Low growth in Asia
120
100
75
150
135
110
200
160
120
Memperkirakan sejumlah super jumbo jet di mana
boeing mengharapkan untuk menjual dalam setiap
skenario ini. Perkiraan ini didasarkaan pada
pengetahuan boeing tentang pasar dan respons dari
pelanggan potensial (willigness to place large
advance orders). Arus kas bisa diperkirakan dalam
setiap 9 skenario, dan nilai proyek bisa dihitung
dalam setiap skenario.
11. POHON KEPUTUSAN (DECISION TREE)
Pohon keputusan memungkinkan kita tidak hanya mempertimbangkan risiko dalam
setiap tahapan akan tetapi juga menyiapkan (devise) respons yang benar pada hasil
(outcome) pada setiap tahap.
LANGKAH – LANGKAH DALAM ANALISIS POHON KEPUTUSAN
Simpul Akar
Simpul
Kejadian
Simpul
keputusan
Simpul Akhir
Untuk menunjukan
dimulainya pohon
keputusan, dimana
pengambilan
keputusan atau
suatu hasil yabg tak
pasti. (berupa jajar
genjang atau segi
empat).
Untuk mewakili
kemungkinan hasil
pada suatu judi
yang berisiko
(a risk gamble).
(berupa lingkaran)
Untuk menunjukan
pilihan yang bias dibuat
oleh pengambil
keputusan, memperluas
dari uji (test) pasar ke
suatu pasar nasional
setelah uji pasar
diketahui. (berupa empat
persegi Panjang)
Untuk menunjukan
hasil dari hasil
berisiko
sebelumnya dan
keputusan dibuat
dalam “responds”.
(berupa segitiga)
13. SIMULASI (SIMULATION)
Simulasi digunakan untuk memberikan suatu cara menguji konsekuensi dari risiko
kontinyu (continuous risk).
LANGKAH – LANGKAH DALAM SIMULASI
Menjalankan
simulasi
Memeriksa
korelasi seluruh
variabel
Menentukan
distribusi
probabilitas untuk
variabel
Menentukan
variable
probabilitas
Untuk
mendefinisikan
distribusi
probabilitas untuk
setiap masukan
dalam suatu valiasi.
Untuk menentukan
variable, secara umum
dapat ditentukan
berdasarkan data
historis, “cross-
sectional data”, dan
distribusi stabilitas
dan parameter.
Untuk memeriksa
ketepatan seluruh
variabel.
Untuk menarik
hasil dari setiap
distribusi dan
menghitung nilai
berdasarkan hasil.
14. KESIMPULAN
Dengan pendekatan probabilitas untuk mengakses risiko, kita
memperkirakan bukan saja suatu nilai harapan akan tetapi juga “get a sense of the
range of for value” lintas scenario yang bagus dan yang jelek.
Dalam analisis scenario yang ekstrim, scenario yang bagus dan yang jelek
bertentangan dengan nilai harapan (expected value).
Pohon keputusan dirancang untuk resiko yang berurutan dan diskrit, dimana
risiko dipertimbangkan ke dalam tahapan dan risiko dalam setiap tahapan
ditangkap dalam kemungkinan hasil dan probabilitas bahwa mereka akan terjadi
lagi.
Simulasi menyediakan asesmen yang paling lengkap mengenai resiko sebab,
didasarkan pada distribusi probabilitas untuk setiap “input”.
Dengan ketiga pendekatan, kuncinya ialah menghindari perhitungan risiko
dua kali atau membuat keputusan berdasarkan pada jenis risiko yang salah,