Tugas Jurnal VAR

Tugas Perekonomian Indonesia

VAR(Value At Risk)

Nama:Ida Fitriani Sangadji

Kelas:1EB02

Npm:25214078

  

Penggunaan Metode VaR (Value at Risk) dalam

Analisis Risiko Investasi Saham dengan Pendekatan

Generalized Pareto Distribution (GPD)

I. PENDAHULUAN

Pasar modal merupakan salah satu alternatif investasi jangka panjang dan sebagai media investasi bagi pemodal. Tiap investasi antar saham yang dilakukan akan memberikan keuntungan dan risiko yang berbeda meskipun dalam sektor industri yang sama. Penyebab  perbedaan ini adalah faktor internal dan faktor eksternal. Faktor internal meliputi manajemen, pemasaran, keadaan keuangan, kualitas produk dan kemampuan bersaing. Faktor eksternal terdiri dari kebijakan pemerintah, poleksosbudhankam (politik, ekonomi, sosial dan budaya, pertahanan dan keamanan), pesaing, serta selera dan daya beli masyarakat. 

 Salah satu metode yang berkembang pesat dan sangat populer dipergunakan saat ini ialah Value at Risk (VaR) yang dipopulerkan oleh J. P. Morgan pada tahun 1994. Data deret waktu keuangan sebagian besar memiliki ekor distribusi yang gemuk (heavy tailed) yaitu ekor distribusi turun secara lambat bila dibandingkan  dengan distribusi normal.

II. METODOLOGI

A. Pengertian

Return suatu saham adalah hasil yang diperoleh dari investasi dengan cara menghitung selisih harga saham periode berjalan dengan periode sebelumnya dengan mengabaikan dividen.

B. Statistika Deskriptif

Skewness merupakan derajat letak simetran atau kejauhan dari simetri suatu distribusi. Jika kurva frekuensi suatu distribusi mempunyai ekor yang lebih panjang ke kanan, maka distribusi tersebut mempunyai kemiringan positif. Sebaliknya jika distribusi mempunyai ekor yang lebih panjang ke kiri, maka mempunyai kemiringan negatif. Nilai skewness dari distribusi normal adalah nol.Kurtosis merupakan ukuran kecenderungan data berada di luar distribusi. Kurtosis dari distribusi normal adalah 3, artinya jika kurtosis lebih besar dari 3 maka sampel data cenderung untuk di luar distribusi normal. Jika kurtosis lebih kecil dari 3, sampel data cenderung berada di dalam lingkupan distribusi normal.

C. Generalized Autoregressive Conditional Heteroskedas-ticity (GARCH)

GARCH merupakan suatu model yang dapat digunakan untuk memodelkan data deret waktu bidang finansial yang sangat tinggi nilai volatilitasnya. Pemodelan GARCH merupakan pengembangan yang dilakukan oleh Bollerslev pada tahun 1986 dari model  Autoregressive Conditional Heteroskedascity (ARCH) yang diperkenalkan oleh Engle pada tahun 1982 dan telah berhasil diterapkan pada data keuangan. Secara umum model GARCH

D. Value at Risk

VaR adalah adalah suatu statistik yang mengukur besar risiko berdasarkan posisi saat ini. VaR merupakan metode untuk menilai risiko menggunakan teknik statistik standar yang secara rutin digunakan di bidang teknik lainnya [11]. VaR merupakan q% quantil dari distribusi nilai total loss, persamaan umum dari VaR yaitu :risiko berdasarkan posisi saat ini. VaR merupakan metode untuk menilai risiko menggunakan teknik statistik standar yang secara rutin digunakan di bidang teknik lainnya. VaR merupakan q% quantil dari distribusi nilai total loss, persamaan umum

E. Peaks Over Threshold (POT)

Extreme Value Theory (EVT) secara luas digunakan dalam upaya menaksir terjadinya nilai ekstrem dalam reliabilitas, asuransi, hidrologi, klimatologi dan ilmu lingkungan. Dalam kaitannya dengan manajemen risiko, EVT dapat meramalkan terjadinya kejadian ekstrem pada data berekor gemuk yang tidak dapat dilakukan dengan pendekatan tradisional lainnya.  Metode POT merupakan suatu metode EVT yang mengidentifiksikan nilai ekstrem dengan menggunakan patokan atau threshold (u

III. HASIL DAN DISKUSI

Data yang digunakan adalah data sekunder berupa data saham Semen Gresik pada saat  closing price bulan Agustus 2007 sampai bulan Maret 2012. Pemilihan saham pada saat closing price dikarenakan harga penutupan pada hari ini dijadikan acuan harga pada saat pembukaan pada hari selanjutnya.  return saham Semen Gresik memiliki nilai skewness yang tidak sama dengan nol yaitu -0,47. Nilai skewness yang negatif menunjukkan bahwa distribusi tersebut miring ke kanan dan memiliki ekor yang panjang di kiri. Nilai kurtosis lebih besar dari tiga yaitu sebesar 16,27 menunjukkan bahwa data tidak berdistribusi normal dan data  returncenderung memiliki distribusi tidak normal. Hal ini juga dapat dilihat pada histogram Gambar 3 yang menunujukkan bentuk histogram tidak simetris sehingga mengindikasikan data tidak berdistribusi normal.  Besar risiko penanaman saham pada Semen Gresik adalah sebesar 3,12% rupiah dari aset saat ini. Misalkan aset saat ini dalah Rp. 1 milyar, maka kemungkinan kerugian minimal sebesar Rp 31.200.000,-. Dengan kata lain dalam kurun waktu 20 hari ke depan terdapat potensi 1 hari diantaranya, investor akan mengalami kerugian minimal Rp 31.200.000,-.

IV. KESIMPULAN/RINGKASAN

Besar risiko penanaman saham pada Semen Gresik adalah sebesar 3,12% rupiah dari aset saat ini. Misalkan aset saat ini adalah Rp. 1 milyar, maka kemungkinan kerugian minimal

sebesar Rp 31.200.000,-. Dengan kata lain dalam kurun waktu 20 hari ke depan terdapat potensi 1 hari diantaranya, investor akan mengalami kerugian minimal Rp 31.200.000,-.