Modul ini memberikan penjelasan tentang konsep Value at Risk (VaR) dan metode perhitungannya. VaR adalah ukuran risiko maksimum yang mungkin terjadi pada suatu portofolio dalam periode dan tingkat kepercayaan tertentu. Metode yang dijelaskan antara lain VaR Delta Normal, EVT, dan Historical Simulation."
2. Value at Risk
• Objective modul :
– Peserta mampu memahami beberapa macam ukuran
risiko
– Peserta mampu memahami konsep perhitungan
risiko menggunakan metode VaR
• Durasi : 1 JP
• Pre-requisite Modul :
1. Pengantar ERM
2. COSO Framework
3. Risk Acceptance Criteria
3. Topik Bahasan
1. Definisi Risiko
2. Tahapan Perhitungan Risiko
3. Value At Risk (VAR)
4. Metode VaR
5. Contoh Penerapan
5. Definisi Risiko
5
“The chance of something happening that will have an impact upon objectives.”
(The Australian/New Zealand Standard for Risk Management)
“The possibility that an event will occur and adversely affect the achievement of
objectives” (COSO ERM Framework)
“Any event which is likely to adversely affect the ability of the organization to
achieve the defined objectives” (Method 123)
“the possibility of suffering injury, damage or loss or uncertainty about achieving
a certain outcome” (
Martin C. Leinweber - Managing Director CERMAS, Risk and the Audit Committee)
Risiko adalah segala kemungkinan kejadian dalam aktivitas perusahaan yang
mengandung potensi menghambat pencapaian tujuan perusahaan
KD 16/2008 tentang Manajemen Risiko
6. COSO Framework
6
ERMis a process,effected by an entity’s
board of directors, management and other
personnel, applied in strategy
setting and across the
enterprise, designed to identify
potential eventsthat may affect the
entity, and manage risk to be within
its risk appetite, to provide
reasonable assuranceregarding the
achievement of entity objectives.
7. Ukuran Risiko
7
• Notional Amount
– Menentukan besarnya risiko dengan cara menghitung
nilai eksposur yang rentan terhadap risiko
• Sensitivity
– Mengukur penyimpangan variabel target sebagai akibat
dari perubahan variabel lainnya
• Volatility
– Mengukur variasi yang terjadi di sekitar variabel target,
baik variasi positif maupun negatif
• Value at Risk
– Mengukur kerugian maksimum yang terjadi pada suatu
portofolio atau asset dalam jangka waktu dan tingkat
keyakinan tertentu
8. Tahapan Perhitungan Risiko
Determine The
Risk Factors
Test of
goodness of
fit
Choosing
the method
Risk
Calculating
8
Pengumpulan data
dan identifikasi
faktor penyebab
Uji karakterisik
distribusi data
kerugian/loss
Tools :
•Chi-Square
•Kolmogorov-
Smirnov
•Anderson-Darling
Proses Perhitungan
Risiko
Menentukan Metode
Pengukuran :
•VaR Parametric
•VaR Non Parametric
10. Value At Risk
10
VaR adalah suatu metode pengukuran risiko secara statistik
yang memperkirakan nilai risiko maksimum yang
mungkin terjadi atas suatu asset atau portofolio pada tingkat
kepercayaan (confidence level) dan dalam
jangka waktu tertentu (time horizon).
Philippe Jorion, 2007
12. VaR Delta Normal
12
• Metode Value at Risk dengan pendekatan Delta Normal
merupakan metode parametrik yang mengasumsikan bahwa
perubahan nilai suatu portofolio dalam jangka waktu tertentu
akan terdistribusi normal.
13. Tahapan VaR Delta – Normal
1. Tentukan nilai exposure
2. Hitung delta dari faktor risiko dengan rumus delta = (P1-
P0)/P0. Kemudian hitung volatilitas selama periode
tertentu sehingga diperoleh standard deviasi (σ)
3. Tentukan jangka waktu perkiraan risiko (time horizon).
4. Tentukan tingkat kepercayaan sehingga diperoleh Zα.
5. VaR diperoleh dengan formula : VaR = Zα x σ x Exposure
13
σ
1 Month
VaR
FrequencyValue Value Value
Time Horizon -α Horizon
1 2 3 54
14. Contoh Penerapan VaR Delta – Normal
14
• Data historis pendapatan Wireline, Flexi dan Speedy yang digunakan dalam
perhitungan risiko pendapatan bulan Februari 2010 dengan menggunakan
model VaR – Delta Normal adalah periode bulan Jan 2007 s/d Jan 2010
• Adapun pengelompokan pendapatan bulanan dengan mengacu pada data
akun di SAP adalah sebagai berikut :
– Wireline :
• Wireline (usage)
• VOIP Wireline
• SMS Wireline
• TelkomNet Instant
• Interkoneksi Wireline
– Flexi :
• Flexi (usage)
• Flexi SMS
• PDN Fixed Wireless
• Interkoneksi Flexi
– Speedy
15. Contoh Penerapan VaR Delta – Normal
15
951.5
344.7
242.4
-
100.0
200.0
300.0
400.0
500.0
600.0
700.0
800.0
900.0
1,000.0
WIRELINE FLEXI SPEEDY
Products
TargetFEB'10
(dlmMilyarRp)
TARGET REVENUE VAR
Berapakah besarnya risiko dari realisasi
pendapatan produk TELKOM (wireline, flexi dan speedy)
terhadap target revenue di bulan Februari 2010?
VaR Wireline
VaR Flexi
VaR Speedy
1
Eksposur adalah obyek yang rentan terhadap risiko dan berdampak pada kinerja
perusahaan apabila risiko yang diprediksi tersebut benar-benar terjadi.
Djohanputro (2008: Manajemen Risiko Korporat)
16. Contoh Penerapan VaR Delta – Normal
16
• Metode yang digunakan untuk mengukur besaran risiko sangat
tergantung pada jenis distribusi data yang digunakan. Oleh karena
itu terlebih dahulu harus dilakukan uji distribusi untuk mengetahui
jenis distribusinya, apakah terdistribusi secara normal atau tidak.
Caranya bisa dengan membandingkan nilai Jarque-Bera terhadap
nilai chi-square table.
• Risiko biasanya diukur melalui besarnya volatilitas atau fluktuasi dari
perubahan realisasi pencapaian revenue (delta) TELKOM di masa
lalu. Ukuran volatilitas yang lazim digunakan adalah standar deviasi
(σ).
• Tujuan dari menentukan ukuran volatilitas adalah memperkirakan
kemungkinan penyimpangan dari realisasi pencapaian revenue
produk TELKOM terhadap target yang diharapkan.
17. 17
Normal(-0.0078144, 0.094853)
0
1
2
3
4
5
6
7
8
-0.3
-0.2
-0.1
0.0
0.1
0.2
0.3
0.4
< >5.0% 95.0%
-0.1638 +Infinity
Data Historis Revenue Produk Wireline
Periode 01/01/2007 – 01/01/2010
Kurva Normal
Test of goodness of fit
Note :
Suatu distribusi dikategorikan normal apabila JB < 5.991 (chi-square table).
Berdasarkan test of good of fitness maka distribusi realisasi perubahan revenue
wireline di atas tidak terdistribusi secara normal maka harus dilakukan
penyesuaian tingkat kepercayaan (α) dengan metode cornish fisher expansion
Contoh Penerapan VaR Delta – Normal2.a
18. 18
Normal(0.0034749, 0.086512)
0
1
2
3
4
5
6
-0.20
-0.15
-0.10
-0.05
0.00
0.05
0.10
0.15
0.20
0.25
< >5.0% 95.0%
-0.1388 +Infinity
Uji Normalitas
dan Ukuran Volatilitas : Flexi
Kurva Normal
Note :
Suatu distribusi dikategorikan normal apabila JB < 5.991 (chi-square table)
Berdasarkan test of goodness of fit maka distribusi perubahan realisasi revenue
Flexi di atas terdistribusi secara normal.
Data Historis Revenue Produk Flexi
Periode 01/01/2007 – 01/01/2010
Test of goodness of fit
2.b
19. 19
Uji Normalitas
dan Ukuran Volatilitas :Speedy
Data Historis Revenue Produk Speedy
Periode 01/01/2007 – 01/01/2010
Normal(0.064530, 0.065496)
0
1
2
3
4
5
6
7
8
9
10
-0.15
-0.10
-0.05
0.00
0.05
0.10
0.15
0.20
0.25
< >5.0% 95.0%
-0.0432 +Infinity
Kurva Normal
Test of goodness
of fit
Note :
Suatu distribusi dikategorikan normal apabila JB < 5.991 (chi-square table)
Berdasarkan test of good of fitness maka distribusi perubahan realisasi revenue
Speedy di atas terdistribusi secara normal.
2.c
20. 20
Time Horizon (Jangka Waktu)
• Time horizon adalah jangka waktu ke depan dalam satuan hari risiko
(VaR) dihitung.
• VaR akan membesar dengan semakin lamanya time horizon sebab
volatilitas berbanding lurus dengan akar kuadrat dari time horizon.
• Penentuan time horizon tergantung pada bagaimana dan apa yang
akan direpresentasikan dalam penggunaan VaR. Secara sederhana,
time horizon yang kecil dapat memberikan keuntungan karena dapat
memberikan peringatan yang lebih awal terhadap potensi masalah yang
mungkin terjadi di masa yang akan datang.
• Terkait dengan perkiraan risiko (VaR) realisasi pencapaian revenue
produk TELKOM (Wireline, Flexi dan Speedy) maka jangka waktu
perkiraan VaR adalah 1 bulan ke depan.
3
21. 21
Confidence Level (Tingkat Keyakinan)
• Confidence level atau tingkat keyakinan merupakan suatu angka tertentu yang
tidak akan dilampaui dengan probability yang telah ditentukan.
• Pilihan dari confidence level adalah arbitrary tergantung pada tingkat toleransi
perusahaan terhadap risikonya. Semakin tinggi tingkat keyakinan maka
semakin tinggi pula risiko yang direpresentasikan oleh nilai VaR.
• Regulator industri perbankan (BASEL II) menetapkan tingkat keyakinan 99%
dalam memperkirakan nilai VaR. Hal ini terkait dengan prinsip kehati-hatian
perbankan yang memilih bersikap konservatif dalam menghadapi risiko.
Sementara institusi selain perbankan banyak memilih tingkat keyakinan 95%
karena mempertimbangkan optimalisasi pengelolaan dana yang ada.
• Nilai α (alpha) adalah nilai variabel normal baku (z). Sebagai contoh, nilai α
untuk tingkat keyakinan 95% adalah -1,645 dan 99% adalah -2,326
• Misal dengan memilih tingkat keyakinan 95% artinya 95% nilai potensi realisasi
penyimpangan revenue produk TELKOM akan lebih rendah dari nilai VaR atau
dengan kata lain hanya 5% saja kemungkinan realisasi pencapaian revenue
melebihi jumlah perkiraan VaR
4
22. 22
Value at Risk Wireline, Flexi dan Speedy
Bulan Februari 2010 – Confidence Level 95%
Value at Risk Wireline, Flexi dan Speedy
Bulan Februari 2010 – Confidence Level 99%
Perkiraan Risiko (VaR) bulan Feb 2010
23. VaR EVT
23
• Kerugian/loss yang sifatnya jarang
terjadi dan jika terjadi mempunyai
konsekuensi nilai kerugian yang
sangat besar tidak dapat
dimodelkan dengan pendekatan biasa
(distribusi normal).
• Salah satu type kerugian/loss seperti
ini adalah risiko disaster.
• Oleh karena itu apabila data kerugian
bersifat ekstrim maka perusahaan
dapat mempergunakan pendekatan
Extreme Value Theory (EVT)
24. Disaster Risk
24
Risiko Disaster adalah risiko terganggunya operasional
perusahaan karena terjadinya bencana (natural dan non
natural disaster) yang berdampak terhadap performansi
bisnis.
Penyebab dari risiko ini atl :
Natural Disaster
Banjir
Petir
Gempa bumi, dll
Non Natural Disaster
Kebakaran
Kecelakaan
Vandalisme, dll
25. Tahapan Perhitungan EVT
25
• Dalam EVT Block maxima, kerugian
dibagi dalam block-block periode
tertentu, misalnya bulan, triwulan,
semester atau tahun.
• Kemudian untuk tiap block periode
ditentukan besarnya kerugian yang
paling maksimal dalam periode
tersebut.
• Kerugian maksimal dalam tiap block
selanjutnya diambil sebagai sampel
dalam perhitungan risiko.
26. Parameter EVT - Block Maxima
26
1
1
ln( ) ln( )
k
k j k
j
x x
k
^
^^
^ 1 ( ln ) 0Ops VaR if
^ ^ ^
log ln ) 0Ops VaR if
27. Parameter EVT - Block Maxima
27
GRAFIK DATA KERUGIAN DISASTER
PT TELKOM PERIODE 2005 – 2009
Descriptive Statistics :
Observasi : 60 (bln)
Mean : 13.899 (juta Rp)
Std Deviasi ; 19.851 (juta Rp)
Skewness : 5,249
Kurtosis : 35,58
Jarque-Bera : 2.929,678
28. Parameter EVT - Block Maxima
28
1
1 ln( ) ln( )
k
jk k
j
x x
k
1 ln if 0OpsVaR
OpsVaR = Rp 314,865,022,124
29. VaR – Historical Simulation
29
• Historical Simulation Approach merupakan metode VaR yang
menggunakan return historis pada asset dalam suatu portofolio
sebagai suatu simulasi untuk memperoleh nilai VaR.
• Yang paling penting dalam metode historical simulation ini adalah
asumsi bahwa sejarah akan berulang dilihat dari perspektif risiko.
Distribusi Frekuensi
Return Harian Wireline (1/6/2009 - 11/11/2009)
0
2
4
6
8
10
12
14
-8%
-6%
-4%
-2%
0%
2%
4%
6%
8%
M
ore
Return
Frequency
VaR =
Rp 110.731.088
30. Rangkuman
1. Metode yang akan digunakan dalam kuantifikasi risiko
sangat bergantung pada jenis distribusi kerugiannya.
2. Untuk risiko yang memiliki jenis distribusi tertentu maka
dapat menggunakan metode VaR parametric (Delta –
Normal, EVT atau Monte Carlo Simulation)
3. Sedangkan untuk risiko yang tidak dapat ditentukan
jenis distribusinya dapat menggunakan pendekatan
VaR Historical Simulation
30