Professional Documents
Culture Documents
Hadi Ismanto1)
1
Fakultas Ekonomi dan Bisnis, UNISNU Jepara
email: hadi.febunisnu@gmail.com
Abstract
Investment in the stock market should be able to understand the risks involved, because the
investment will be dealing with the future contain uncertainties. The need for reliable risk measures
strengthened. Growth in trading activity and market increasingly erratic make market participants
feel the need to develop techniques of risk measurement more accurate and reliable. One such risk
measurement techniques are Value at Risk (VaR). Value at Risk (VaR) is the market risk calculation
methods for determining the risk of maximum loss that can occur in a portfolio, both single-
instrument and multi-instruments, in particular the confidence level, over a certain holding period,
and in normal market conditions. This study uses secondary data in the form of shares listed in the
Indonesia Stock Exchange and is included in the LQ45 index. The sample selection using purposive
sampling, samples obtained are 15 companies. Processing of the data in this study using the
assistance of a Microsoft Excel program for the measurement of Value at Risk on a portfolio by using
Monte Carlo simulation. The results showed a larger return will provide a greater degree of risk as
well, as seen from the value of returns and the VaR of each portfolio. Where the portfolio one has a
larger return than the second portfolio, and portfolio one also have the level of risk that is greater
than the second portfolio. In accordance with the statement in the investment "the higher the profits
the higher the risk faced".
243
The 3rd University Research Colloquium 2016 ISSN 2407-9189
dari sebuah portfolio dari aset finansial seperti besar semakin mendorong pengembangan
misalnya saham. Hal tersebut mengingatkan teknik pengukuran risiko adalah):
untuk kembali setidaknya empat dekade ke 1. Barings Bank bangkrut pada Februari 1995
belakang, ketika Markowitz (1952) pelopor sesudah chief trader bank tersebut,
pemikiran masalah pemilihan portofolio Nicholas Leeson, mengalami kerugian lebih
mencari definisi dan ukuran yang tepat dari dari US$ 1.3 milyar di perdagangan
risiko. Menurut Markowitz (1952) return Japanese stock index futures.
portofolio dapat dihitung dari rata-rata 2. Daiwa Bank mengalami kerugian pada
berbobot return harapan masing-masing aset perdagangan Treasury Bond lebih dari US$
dalam portofolio. Namun risiko portofolio 1 milyar karena Toshihide Iguschi, seorang
tidak dapat dihitung dengan menjumlahkan tradernya, menyembunyikan kerugian
rata-rata berbobot risiko masing-masing aset potensial ini selama 11 tahun dan baru
dalam portofolio. Konsep risiko sering terungkap setelah Iguchi mengaku pada
dikaitkan dengan probabilitas return aktual September 1995.
yang diperoleh jauh lebih kecil dari return 3. Sumitomo Corporation mengalami
harapan. Risiko diukur dari variasi atau standar kerugian sebesar $2.6 billion dalam
deviasi return harapan. perdagangan futures komoditi pada Juni
Konsep risiko dan return tahun 1996.
dikembangkan Harry Markowitz (1952) Salah satu teknik pengukuran risiko
dengan menulis paper tentang teori portofolio tersebut adalah Value at Risk (VaR). Value at
modern. Inti dari teori tersebut adalah untuk Risk (VaR) merupakan metoda perhitungan
mengalokasikan asset dengan memaksimalkan market risk untuk menentukan risiko kerugian
expected return setiap unit risiko. Penggunaan maksimum yang dapat terjadi pada suatu
(aplikasi) dari teori portofolio modern tersebut portofolio, baik single-instrument ataupun
ada dalam Mean-Variance Framework, multi-instruments, pada tingkat kepercayaan
dimana risiko didefinisikan sebagai variasi dari tertentu, selama holding period tertentu, dan
expected return portfolio. Fokus kepada dalam kondisi pasar yang normal.
standard deviation sebagai ukuran risiko Kelebihan dari VaR adalah bahwa
berimplikasi investor membobot probabilitas metoda ini fokus pada downside risk, tidak
dari return negatif seimbang dengan return tergantung pada asumsi distribusi dari return,
positif. Tetapi fakta membuktikan bahwa dan pengukuran ini dapat diaplikasikan ke
distribusi dari return saham tidaklah normal. seluruh produk-produk finansial yang
Banyak bukti yang menunjukkan bahwa diperdagangkan. Angka yang diperoleh dari
kemungkinan investor menghadapi loss dan pengukuran dengan metoda ini merupakan
gain tidak simetris. Pada kondisi tersebut hasil perhitungan secara agregat atau
pilihan pada mean-variance efficients menyeluruh terhadap risiko produk-produk
portfolios menjadi strategi yang tidak efisien sebagai suatu kesatuan.
untuk mengoptimalkan expected return VaR juga memberikan estimasi
sementara meminimumkan risiko. Lebih kemungkinan atau probabilitas mengenai
diinginkan untuk fokus pada ukuran risiko timbulnya kerugian yang jumlahnya lebih
yang mampu mengakomodir ketidaknormalan besar daripada angka kerugian yang telah
dari distribusi return asset. ditentukan. Hal ini menunjukkan sesuatu
Kebutuhan akan ukuran risiko yang yang tidak didapat dari metoda-metoda
reliabel makin menguat. Pertumbuhan aktifitas pengukuran risiko lainnya. VaR juga
perdagangan dan pasar yang makin tidak memperhatikan perubahan harga aset-aset
menentu membuat pelaku pasar merasa perlu yang ada dan pengaruhnya terhadap aset-aset
untuk mengembangkan teknik pengukuran yang lain. Sehingga ini memungkinkan
risiko yang lebih akurat dan handal. Beberapa dilakukannya pengukuran terhadap
kejadian bangkrutnya financial institution berkurang risiko yang diakibatkan oleh
244
The 3rd University Research Colloquium 2016 ISSN 2407-9189
diversifikasi kelompok produk atau optimal dengan VaR sebagai ukuran risikonya,
portofolio. seperti:
VaR mulai dikenal secara luas sejak • Rockafellar (1999) mengembangkan model
tahun 1994 saat J.P. Morgan membuat Risk penilaian Conditional Value-at-Risk
Metrics system (berbasis metoda VaR) yang (CVaR) dengan mengfokuskan pada
tersedia di internet (www.jpmorgan.com) dan meminimisasi CVaR dalam portofolio
program tersebut dapat di download oleh karena CVaR dianggap sebagai ukuran
pengguna secara gratis. Metoda yang risiko yang lebih konsisten dari VaR. Inti
digunakan J.P. Morgan tersebut selanjutnya pendekatan baru adalah teknik untuk
dikenal sebagai RiskMetrics atau perhitungan optimasi portofolio yang menghitung VaR
VaR dengan Variance-Covariance Method. dan mengoptimalkan CVaR secara
VaR memiliki tiga metoda untuk bersamaan.
perhitungan, yaitu metode historis, metode • Campbell, Huisman, dan Koedijk (2000),
Variance-Covariance, dan metode simulasi mengembangkan model pemilihan
Monte Carlo. Ketiga metoda tersebut memiliki portofolio yang mengalokasikan financial
keunggulan dan kelemahan masing-masing. asset dengan memaksimumkan expected
Menurut Jorion (2002), covariance approach return dengan batasan bahwa expected
atau disebut juga delta normal method maksimum kerugian tidak boleh melebihi
memiliki keunggulan dari sisi kemudahan batas VaR yang sudah ditentukan oleh risk
komputasi dan implementasi sedangkan manager.
kelemahannya adalah akurasi yang lebih lemah • Changha Jin and Alan J. Ziobrowski
dibandingkan dua metoda lainnya. Meskipun (2011), Mengkaji risiko pasar downside di
kedua metoda yaitu metode historis, dan perumahan-perumahan dengan
metode simulasi Monte Carlo memiliki menggunakan berbagai model conditional
keunggulan akurasi namun memiliki volatility. Meskipun ada Kontroversi sekitar
kelemahan dari sisi komputasi karena penggunaan VaR sebagai alat manajemen
memerlukan simulasi risk factors yang cukup risiko, masalah tersebut dapat dieksplorasi
banyak khususnya metode simluasi monte melalui berbagai model skenario.
carlo. Metode historis memiliki keunggulan Selanjutnya, portofolio alternatif dibangun
dibanding metode simulasi monte carlo karena meminimalkan paparan VaR sebagai
komputasi yang relatif lebih mudah dan tidak kendala portofolio. Temuan
menghadapi problem model risk. mengungkapkan bahwa model volatilitas
Perkembangan selanjutnya adalah bersyarat sangat berguna ketika risiko
Basle Committee on Banking Supervision downside pasar.
(BIS) pada tahun 1996 mendorong sektor • Wang (2000), mengembangkan dua
perbankan untuk membangun internal risk pendekatan untuk optimalisasi portofolio,
system dalam mengukur risiko dengan yaitu: pertama adalah two stage
mempergunakan metoda VaR. Sebagai sebuah optimization approach using both mean
ukuran risiko, VaR tidak hanya dapat variance dan mean-VaR approach in a
diterapkan untuk menghitung risiko bank atau priority order. Kedua adalah general mean-
lembaga keuangan lainnya, namun dapat pula variance-VaR approach using both
diaplikasikan pada investasi saham. Bila kita variance and VaR as a double-risk measure
mengacu pada penelitian yang dilakukan oleh simultaneously.
Markowitz (1952) tentang pemilihan • C. Gourieroux (2000) Menganalisis
portofolio optimal, maka permasalahan saat ini sensitivitas Value at Risk? Mengenai
adalah mungkinkah dilakukan pemilihan alokasi portofolio. Mendapatkan ekspresi
portofolio optimal dengan VaR sebagai proxy analitis untuk turunan pertama dan kedua
risiko. Beberapa peneliti telah mencoba untuk nilai VaR, dan menjelaskan bagaimana
mengembangkan model pemilihan portfolio mereka dapat digunakan untuk
menyederhanakan inferensi statistik dan
245
The 3rd University Research Colloquium 2016 ISSN 2407-9189
untuk melakukan analisis VaR tersebut. model VaR yang digunakan pada tingkat
Sebuah ilustrasi empiris dari analisis kepercayaan 95% dapat diterima dan cukup
diberikan untuk portofolio saham Prancis. mempresentasikan kerugian aktual yang
Di Indonesia penelitian tentang VaR terjadi.
dilakukan oleh: • Sofiana, N., (2011) melakukan analisis
• Muliati Tambuse (2007) melakukan pengukuran Value at Risk pada portofolio
Analisis risiko pada transaksi pasar Uang dengan simulasi monte carlo pada harga
dengan metode value at risk (var)- penutupan saham harian PT.
historical method. Metode Dalam Telekomunikasi indonesia tbk dan PT.
penelitian yang dilakukan adalah dengan unilever indonesia tbk bulan januari -
menghitung Nilai aktual portofolio yang desember 2010.
diperoleh akan menghasilkan nilai positif Peraturan dari Basle Committee on
(gain) atau (loss) sesuai perubahan aktual Banking Supervision (BIS) atau yang dikenal
data yang digunakan. Selanjutnya nilai dengan Basel II diadopsi oleh Bank Indonesia
aktual portofolio tersebut diurutkan dari dengan mengeluarkan Peraturan Bank
positif terbesar sampai negatif terbesar. Indonesia no.5/12/2003 yang mengharuskan
Sesuai tingkat keyakinan yang dipilih maka bank untuk memasukkan risiko pasar kedalam
akan diperoleh nilai VaR. Dari nilai VaR perhitungan CAR.
yang diperoleh maka dapat ditentukan Menurut survey yang dilakukan oleh
Capital at Risk (CaR). Insurance Information Institute menemukan
• Agustina Sunarwatiningsih (2010), bahwa 84% responden mengatakan bahwa
malakukan analisis pengukuran risiko risiko adalah “danger” dan 77% responden
dengan value at risk pada retensi optimal mengatakan bahwa risiko adalah kemungkinan
untuk reasuransi stop loss dengan rugi (possible loss). Penelitian tersebut
menetapkan kriteria optimisasi menunjukkan bahwa investor lebih concern
berdasarkan nilai minimal var dari risiko terhadap risiko sebagai kemungkinan rugi
total asuradur, untuk menurunkan retensi (loss) dan kemungkinan untuk untung
optimal pada reasuransi stop loss. bukanlah sebuah risiko. Sehingga deviasi
• Lutfi Trisandi Rizki (2008), mengulas standar sebagai ukuran risiko dianggap tidak
masalah dalam mencari kemungkinan lagi sesuai dengan preferensi risiko investor
terbaik dari trade-off antara risiko dan karena deviasi standar membobot probabilitas
imbal hasil serta mencari tingkat kerugian dari return negatif (rugi) seimbang dengan
yang mungkin dicapai dengan level return positif (untung). VaR sebagai ukuran
kepercayaan tertentu. Hasil penelitian risiko yang lebih fokus kepada downside risk,
menunjukkan bahwa portofolio optimum lebih sesuai untuk menggambarkan preferensi
yang diperoleh terdiri dari Obligasi 7.70%, risiko dari investor. Dengan demikian
Saham 2.18%, Emas 1.57%, Valas 9.97% pembentukan portofolio optimal dengan
dan Deposito 78.58% dimana portofolio pendekatan Mean variance model dari
tersebut dapat memberikan ekspektasi hasil Markowitz (1952) yang menggunakan deviasi
mingguan sebesar 7.67% dengan tingkat standar sebagai proxy risiko perlu dilakukan
risiko 26.05%. Dengan Vo sebesar 1 penyesuaian dengan ukuran risiko yang lebih
milyar, standar deviasi 0.2605 dan tingkat fokus kepada downside risk yaitu Value at Risk
kepercayaan sebesar 2.7726 maka diperoleh (VaR).
tingkat kerugian maksimum portofolio Penelitian ini akan mencoba untuk
untuk periode holding 1 dari 5 instrumen mengaplikasikan konsep ukuran risiko VaR
sebesar 722,271,178.73. ataupun setelah kedalam pembentukan portofolio optimal
dikurangi dengan return portofolio maka dalam mean-VAR framework. Pengembangan
akan diperoleh nilai relative VaR sebesar dari model Markowitz dengan mean-variance
645,571,745.76 Dari hasil pengujian back menjadi mean-VaR akan membantu dalam
testing selama periode forcasting, ternyata pengambilan keputusan untuk membentuk
246
The 3rd University Research Colloquium 2016 ISSN 2407-9189
247
The 3rd University Research Colloquium 2016 ISSN 2407-9189
248
The 3rd University Research Colloquium 2016 ISSN 2407-9189
penggunaan "optimizer." Portofolionya batas bawah tidaklah lebih besar dari angka
"dioptimalkan," dan para investor dikatakan tertentu. Kriteria Kataoka bisa dituliskan:
menerapkan teknik "optimisasi." • Maksimumkan Rl
Pemilihan Portofolio Optimal
Dengan batasan Probabilitas
Model Utilitas Yang Diharapkan (Expected (R p < Rp ) ≤ α
Utility Model) Dimana:
R p = Tingkat keuntungan portofolio
Model utilitas yang diharapkan
menyatakan bahwa para pemodal akan Rl = Tingkat keuntungan minimal yang
memilih suatu kesempatan investasi yang diinginkan investor
memberikan utilitas yang diharapkan yang α = Probabilitas
tertinggi. Model utilitas yang diharapkan ini 3. Kriteria Telser
menggunakan asumsi terhadap sikap pemodal Kriteria ini menyarankan bahwa
terhadap risiko. Sikap investor tersebut pemodal perlu memaksimumkan tingkat
dikelompokkan menjadi tiga, yaitu sikap yang keuntungan yang diharapkan dengan
risk averse, risk neutral, dan risk seeker. batasan bahwa probabilitas tingkat
keuntungan tersebut lebih kecil daripada,
Safety First Models atau sama dengan, limit tertentu tidaklah
lebih besar dari angka tertentu. Kriteria
Model-model ini berasal dari pemikiran Telser bisa dituliskan:
bahwa para pengambil keputusan tidak • Maksimumkan E R p ( )
mampu, atau tidak mau, untuk menempuh Dengan batasan probabilitas
(R < Rp ) ≤ α
proses matematis yang diperlukan dalam
proses penyusunan expected utility model, dan p
mengkonsentrasikan diri pada kemungkinan- Stochastic Dominance
kemungkinan memperoleh hasil yang jelek. Stochastic Dominance merupakan suatu
Terdapat tiga kriteria yang dipergunakan teknik untuk memilih investasi yang berisiko
dalam safety first models, yaitu: tanpa harus menggunakan distribusi normal
1. Kriteria Roy untuk tingkat keuntungan. Stochastic
Kriteria ini menyatakan bahwa Dominance menggunakan tiga asumsi yang
portofolio yang terbaik adalah portofolio makin kuat tentang perilaku para pemodal.
yang mempunyai probabilitas terkecil Asumsi tersebut adalah:
untuk menghasilkan tingkat keuntungan • First order stochastic dominance
dibawah tingkat keuntungan tertentu (yang Menyatakan bahwa pemodal lebih
diinginkan). Kriteria Roy bisa dituliskan: menyukai yang banyak daripada sedikit.
• Minimumkan probabilitas • Second order stochastic dominance
(R p < Rl ) Menyatakan bahwa pemodal tidak
menyukai risiko
Dimana:
• Third order stochastic dominance
R p = Tingkat keuntungan portofolio Menyatakan bahwa pemodal mempunyai
Rl = Tingkat keuntungan minimal yang decreasing absolute risk aversion. Ini
diinginkan investor berarti bahwa dengan meningkatnya
2. Kriteria Kataoka kekayaan para pemodal, mereka akan
Kriteria ini menyarankan menginvestasikan dana yang lebih banyak
maksimumkan batas bawah dengan batasan pada kesempatan investasi yang berisiko.
bahwa probabilitas tingkat keuntungan
untuk sama dengan atau lebih kecil dari Value at Risk (VaR)
Menurut Philip Best (1998) Value at Risk
atau VaR adalah suatu metoda pengukuran
249
The 3rd University Research Colloquium 2016 ISSN 2407-9189
risiko secara statistik yang memperkirakan internal risk management, risk limit setting
kerugian maksimum yang mungkin terjadi atas and evaluation, 3) providing an enterprise-
suatu portofolio pada tingkat kepercayaan wide mechanism for external regulation, and
tertentu. Nilai VaR selalu disertai dengan 4) providing investors with an understandable
probabilitas yang menunjukkan seberapa tool for risk assessment.”
mungkin kerugian yang terjadi akan lebih kecil VaR Historical Simulation Method
dari nilai VaR tersebut. VaR adalah suatu nilai Beberapa metoda VaR, seperti variance-
kerugian moneter yang mungkin dialami covariance VaR, memiliki asumsi bahwa risk
dalam jangka waktu yang telah ditentukan. factors adalah terdistribusi secara normal
Pernyataan berikut ini merupakan definisi sehingga disebut pendekatan arametrik VaR.
formal dari VaR yang dikutip dari Philip Best Seperti yang kita ketahui distribusi dari real
(1998) dalam Wibowo, AW (2006): ”Value at market data tidak selalu mendekati distribusi
Risk is the maximum amount of money that normal. Pada kenyataannya, beberapa real
may be lost on a portfolio over a given period market data sesungguhnya memiliki distribusi
of time, with a given level of confidence.” non-normal (Campbell, Huisman and Koedijk,
Pernyataan berikut ini merupakan definisi 2000).
formal dari VaR yang diungkapkan oleh Salah satu pendekatan VaR yang mampu
Philippe Jorion (2001): ”VaR summarizes the memecahkan permasalahan tersebut di atas
worst loss over a target horizon with a given adalah historical simulation VaR (merupakan
level of confidence.” Cormac Butler (1999) salah satu pendekatan VaR nonparametrik).
memberikan definisi VaR sebagai berikut: Historical simulation VaR mempergunakan
“Value at Risk measures the worst expected historic time series data sebagai representasi
loss that an institution can suffer over a given pergerakan pasar. Menurut Philip Best (1998),
time interval under normal market conditions historical simulation dapat dibagi menjadi
at a given confidence level. It assesses risk by empat tahap yakni : menyusun perubahan-
using statistical and simulation models perubahan historis dari risk factors,
designed to capture the volatility of assets in a mengkalkulasikan perubahan nilai portofolio
bank’s portfolio.” untuk masing-masing perubahan historis,
Pada umumnya, VAR dihitung untuk melakukan sorting dari perubahan nilai
jangka waktu 24 jam. Sebagai contoh, bila portofolio dan terakhir mengkalkulasikan nilai
dikatakan bahwa VaR suatu portofolio adalah VaR.
US$5,000 dengan confidence level sebesar 95 Penza dan Bansal (2001) menyatakan
persen, hal ini berarti bahwa ada 95 persen bahwa pada historical simulation method,
kemungkinan portofolio tersebut akan perubahan kondisi pasar dari hari ini ke esok
mengalami kerugian dengan nilai di bawah hari dianggap sama dengan perubahan yang
US$5,000 untuk 24 jam ke depan. Dapat pula terjadi pada beberapa waktu yang lalu,
dikatakan bahwa ada 5 persen kemungkinan sehingga pada dasarnya metoda ini
portofolio tersebut akan mengalami kerugian menggunakan return distribusi historis pada
minimal US$5,000 untuk 24 jam ke depan. aset dalam suatu portofolio sebagai suatu
Hasil perhitungan VaR biasanya disajikan simulasi untuk memperoleh nilai VaR.
dalam bentuk jumlah uang dan bukan dalam VaR Efficient Frontier
persentase. Sehingga membuat VaR menjadi Dengan pendekatan Mean variance dari
sangat mudah dipahami. Contoh dalam Markowitz (1952), efficient set diperoleh
paragraf di atas telah mengilustrasikan hal dengan membentuk portofolio yang
tersebut. Dalam kaitannya dengan kemudahan membentuk garis efisien dimana tingkat return
pemahaman atas nilai VaR, Stambaugh (1996) tertentu memiliki standar deviasi minimal.
dalam Prihantoro (2005) menyatakan bahwa Pengembangan efficient set dilakukan dengan
VaR memiliki fungsi sebagai berikut: ”1) mengubah proxy risiko dari deviasi standar
providing a common language for risk, 2) menjadi VaR. efficient set diperoleh dengan
allowing for more effective and consistent membentuk portofolio yang membentuk garis
250
The 3rd University Research Colloquium 2016 ISSN 2407-9189
251
The 3rd University Research Colloquium 2016 ISSN 2407-9189
portofolio dengan merata-rata dari return terdiri dari 6 saham. Portofolio dibentuk
saham harian selama periode Agustus berdasarkan kriteria kapitalisasi pasar.
2007- Juli 2012. Analisis Data
6. Menghitung deviasi standar dari return Berdasarkan kriteria sampel dan
saham. kapitalisasi pasar pada saham-saham yang
7. Menghitung VaR dari masing-masing gabung dalam indeks LQ45, maka terbentuk 2
saham dengan metoda historical dengan portofolio, yaitu portofolio 1, dan portofolio 2.
confidence level 95%.
8. Menghitung expected return portofolio Portofolio 1
dengan cara: Portofolio 1 adalah portofolio yang
N dibentuk dari saham-saham dengan kapitalisasi
E ( Rp ) = ∑ wi .E ( r )i pasar dari yang terbesar sampai nomor 6 dalam
i =1 LQ45. Portofolio 1 terdiri dari saham-saham:
dimana: ASII, BBCA, TLKM, BMRI, BMRI dan
E ( R p ) = expected return portofolio PGAS. Expected return, deviasi standar dan
VaR dari saham-saham tersebut seperti terlihat
dengan N saham dalam tabel 4.1:
E ( Ri ) = expected return saham i
wi = bobot saham i dalam Tabel 4.1
portofolio
Expected Return, Deviasi Standar dan VaR
N = jumlah saham
Saham-Saham Portofolio 1
9. Menghitung deviasi standar potfolio.
10. Menghitung VaR portofolio dengan metoda ASII BBCA
historical dengan confidence level 95%. Expected Return -0.009341 -0.000267
Standar Deviasi 0.144017 0.017157
HASIL DAN PEMBAHASAN VAR (95% CL) -0.23763 -0.02831
Hasil penelitian dan pembahasan TLKM BMRI
mengenai pengukuran Value at Risk pada
Expected Return 0.000777 0.000123
portofolio dengan menggunakan simulasi
Monte Carlo dan penerapan pengukuran Value Standar Deviasi 0.018299 0.025185
at Risk pada portofolio dengan menggunakan VAR (95% CL) -0.03019 -0.04156
simulasi Monte Carlo portofolio yang dibentuk BBRI PGAS
dari saham-saham yang tergabung dalam Expected Return -0.000113 -0.000206
indeks LQ45.
Deskripsi Data Standar Deviasi 0.024652 0.026611
Deskripsi data sekunder yang VAR (95% CL) -0.04068 -0.04391
dipergunakan dan hasil pengolahan data dalam Sumber: Data Olahan
penelitian ini adalah sebagai berikut : Dari saham pembentuk portofolio 1 terlihat
1. Sampel saham adalah saham anggota LQ bahwa minimum expected return untuk saham
45 dengan kriteria emiten termasuk dalam individual adalah saham ASII yaitu sebesar -
indeks LQ 45 setidaknya 10 periode sejak 0,0009341 dan maksimum expected return
periode Agustus 2007 sampai dengan Juli untuk saham individual adalah saham TLKM
2012. yaitu sebesar 0.144017.
2. Sampel observasi atau hari observasi adalah Dari saham pembentuk portofolio 1 terlihat
jumlah hari return selama periode Agustus bahwa minimum deviasi standar untuk saham
2011 sampai dengan Juli 2012 atau individual adalah saham BBCA yaitu sebesar
sebanyak 249 hari observasi. 0.017157 dan maksimum deviasi standar untuk
3. Sampel saham dibentuk menjadi 2 saham individual adalah saham ASII yaitu
portofolio yang masing-masing portofolio sebesar 0,04689.
252
The 3rd University Research Colloquium 2016 ISSN 2407-9189
Dari saham pembentuk portofolio 1 terlihat 0.039724 dan maksimum VaR untuk saham
bahwa minimum VaR untuk saham individual individual adalah saham UNSP yaitu sebesar -
adalah saham ASII yaitu sebesar -0.23763 dan 0.054198.
maksimum VaR untuk saham individual adalah
saham BBCA yaitu sebesar -0.02831. Portofolio Optimal
Portofolio optimal dengan pendekatan
Portofolio 2 Mean-Variance
Portofolio 1 adalah portofolio yang
dibentuk dari saham-saham dengan kapitalisasi Tabel. 4.3
pasar nomor 10 sampai nomor 15 dalam LQ45. Portofolio optimal dengan pendekatan
Portofolio 2 terdiri dari saham-saham: AALI, Mean-Variance (rangking berdasarkan
PTBA, INCO, ANTM, TINS, dan UNSP, kapitalisasi pasar)
Expected return, deviasi standar dan VaR dari Deviasi
saham-saham tersebut seperti terlihat dalam Return standar
tabel 4.2: Portofolio 1 0.004950 0.050070
Portofolio 2 0.002876 0.007107
Tabel 4.2 Sumber: Data Olahan
Dari pendekatan Mean-variance
Expected Return, Deviasi Standar dan diperoleh bahwa return tertinggi pada portofolio
VaR Saham-Saham Portofolio 2 1 dengan return 0.004950 dan deviasi standar
AALI PTBA 0.050070. Sedangkan return terendah pada
Expected Return -0.000086 -0.001193 portofolio 2 dengan return 0.002876 dan
Standar Deviasi 0.024075 0.025813 deviasi standar 0.007107.
VAR (95% CL) -0.039724 -0.042592 Portofolio Optimal dengan pendekatan
INCO ANTM Mean-VaR
Expected Return -0.002277 -0.001842
Standar Deviasi 0.029042 0.024675 Tabel 4.4
VAR (95% CL) -0.047920 -0.040714
Portofolio optimal dengan pendekatan
TINS UNSP Mean-VaR (rangking berdasarkan
Expected Return -0.002494 -0.003819 kapitalisasi pasar)
Standar Deviasi 0.025813 0.032847
VAR (95% CL) -0.042592 -0.054198 Return VaR
Sumber: Data Olahan Portofolio 1 0.004950 -0.082616
Dari saham pembentuk portofolio 2 Portofolio 2 0.002876 -0.011727
terlihat bahwa minimum expected return untuk Sumber: Data Olahan
saham individual adalah saham UNSP yaitu Dengan pendekatan Mean-VaR approach
sebesar -0.003819 dan maksimum expected pembentukan portofolio optimal yang di-sorting
return untuk saham individual adalah saham berdasarkan kapitalisasi pasar, diketahui bahwa
AALI yaitu sebesar -0.000086. portofolio dengan kapitalisasi pasar terbesar
Dari saham pembentuk portofolio 2 (portofolio 1) memiliki return yang terbesar
terlihat bahwa minimum deviasi standar untuk pada titik optimal. Dan pada portofolio 2
saham individual adalah saham AALI yaitu (dengan kapitalisasi pasar terkecil) memiliki
sebesar 0.024075 dan maksimum deviasi return yang terkecil pula.
standar untuk saham individual adalah saham Dari kedua pendekatan diatas
UNSP yaitu sebesar 0.032847. menunjukkan return yang lebih besar akan
Dari saham pembentuk portofolio 2 memberikan tingkat risiko yang lebih besar
terlihat bahwa minimum VaR untuk saham pula, hal ini terlihat dari nilai return dan VaR
individual adalah saham AALI yaitu sebesar -
253
The 3rd University Research Colloquium 2016 ISSN 2407-9189
254
The 3rd University Research Colloquium 2016 ISSN 2407-9189
Jones, C.P. (2004), Investments: Analysis and Tambuse,M., (2007), Analisis Risiko Pada
Management, ninth edition, John Wiley Transaksi Pasar Uang Dengan Metode
and Sons, Inc., New York. Value At Risk (Var)-Historical Method,
Skripsi Fakultas Matematika Dan Ilmu
Jorion, P. (2002), Value at Risk: The New Pengetahuan Alam (Fmipa) Universitas
Benchmark for Managing Financial Sumatera Utara Medan, September 2007
Risk, 2nd ed., Boston: McGraw-Hill
Tandeliling, E. (2001), Analisis Investasi dan
Markowitz, H.(1952), Portfolio Selection, Manajemen Portofolio, BPFE,
Journal of Finance, Vol. VII, Yogyakarta.
No.1.pp 77 -9 1
Wang, J. (2000), Mean-Variance-VaR Based
Penza, P.and Banzal, V.K.(2001), Measuring Portfolio Optimization, Department of
Market Risk with Value at Risk, Canada: Mathematics and Computer Science
John Wiley & Sons Inc Valdosta State University (October)
255