Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com

Tinjauan Internasional Analisis Keuangan 15 (2006) 363–376

Memperkirakan VaR portofolio tunduk pada batasan harga

dan perdagangan tidak sinkron

Pin-Huang Chousebuah,,Wen-Shen Lisebuah, Jun-Biao Linsebuah, Jane-Sue Wangb

sebuahDepartemen Keuangan, Universitas Pusat Nasional, Jhongli 320, Taiwan
bDepartemen Ekonomi, Universitas Ming-Chuan, Taoyuan 333, Taiwan

Tersedia online 20 Maret 2006

Abstrak

Batas harga dan perdagangan nonsinkron adalah dua fitur utama di pasar negara berkembang. Batas harga
menyebabkan pengembalian saham dibatasi dalam kisaran yang ditentukan sebelumnya sedangkan perdagangan
yang jarang menyebabkan autokorelasi palsu dan estimasi bias dari varian pengembalian. Kedua faktor tersebut
menyebabkan ukuran tradisional Value at Risk (VaR) menjadi bias. Dalam makalah ini, kami mengusulkan langkah-
langkah VaR berdasarkan model Tobit tipe dua batas yang menggabungkan Scholes dan Williams [Scholes, M., &
Williams, J. (1977). Memperkirakan beta dari data nonsinkron,Jurnal Ekonomi Keuangan5, 309–328] penaksir yang
menyesuaikan batas harga dan perdagangan nonsinkron. Berdasarkan desain simulasi Brown dan Warner [Brown,
S., & Warner, J. (1985). Mengukur kinerja harga sekuritas,Jurnal Ekonomi Keuangan8, 205–258], kami
membandingkan kinerja metode yang kami usulkan dengan dua metode tradisional, satu berdasarkan perkiraan
OLS naif dan yang lainnya berdasarkan simulasi historis. Menggunakan data harian semua saham yang terdaftar di
Bursa Efek Taiwan dan pasar OTC, hasil simulasi menunjukkan bahwa semua metode berkinerja cukup baik. Satu-
satunya pengecualian adalah bahwa OLS naif menghasilkan tingkat kegagalan yang sedikit lebih tinggi ketika
portofolio yang dipertimbangkan hanya terdiri dari beberapa saham. Jadi, terlepas dari potensi masalah yang
disebabkan oleh perdagangan dan batas harga yang tidak sinkron, dampak praktisnya tampaknya terbatas.
© 2006 Elsevier Inc. Semua hak dilindungi undang-undang.

Klasifikasi JEL:G0; G1; G2

Kata kunci:Nilai resiko; Batas harga; Perdagangan tidak sinkron; Metode varians-kovarians; Simulasi sejarah

1. Perkenalan

Selama dekade terakhir, Value at Risk (VaR) telah menjadi salah satu ukuran standar risiko yang
digunakan oleh lembaga keuangan dan regulator. Secara konseptual, VaR mengukur potensi kerugian a

kanPenulis yang sesuai. Telp.: +886 3 4227151x66270; faks: +886 3 4252961.

Alamat email:choup@cc.ncu.edu.tw (P.-H.Chou).

1057-5219/$ - lihat bagian depan © 2006 Elsevier Inc. Hak cipta dilindungi undang-undang.
doi:10.1016/j.irfa.2005.03.002
364 P.-H. Chou dkk. / Tinjauan Internasional Analisis Keuangan 15 (2006) 363–376

portofolio yang tidak akan dilampaui dengan probabilitas tertentu selama jangka waktu tertentu. Jadi,
VaR hanyalah kuantil distribusi pengembalian portofolio di masa depan, tergantung pada informasi
yang tersedia. Meskipun kesederhanaan konseptualnya, bagaimanapun, pengukuran VaR bukanlah
latihan statistik yang mudah, tetapi masalah statistik yang sangat menantang (lihat, misalnya,
tinjauan VaR olehDuffie dan Pan, 1997).
Estimasi VaR mungkin lebih sulit untuk pasar negara berkembang karena perdagangan di pasar
tersebut biasanya tunduk pada berbagai tingkat pembatasan peraturan dan ketidaksempurnaan
pasar. Dalam makalah ini, kami fokus pada masalah yang dihasilkan dari dua bentuk kendala regulasi
dan ketidaksempurnaan pasar yang paling umum dan penting, yaitu batas harga dan perdagangan
yang jarang. Tanpa mempertimbangkan faktor struktur mikro seperti perdagangan yang jarang dan
peraturan seperti batas harga, perkiraan tradisional dari parameter distribusi dapat menjadi bias,
sehingga menghasilkan perkiraan ukuran VaR yang bias.
Digunakan seolah-olah untuk mencegah harga berfluktuasi terlalu banyak selama sesi perdagangan
tertentu dan dengan demikian mencegah default dan mengurangi biaya kontrak, batas harga adalah
peraturan umum yang terkait dengan kontrak berjangka dan juga dapat ditemukan di banyak pasar saham
di Asia dan Eropa, seperti Austria, Belgia, China, Prancis, Yunani, Italia, Jepang, Korea Selatan, Malaysia,
Meksiko, Belanda, Spanyol, Swiss, Taiwan, dan Thailand. Batas harga menyebabkan dua potensi masalah.
Pertama, di bawah batas harga harian, perubahan nilai portofolio selama hari tertentu dibatasi ke kisaran
yang telah ditentukan sebelumnya. Tetapi ini tidak berarti bahwa VaR adalahsecara efektifditurunkan
dengan pengenaan batasan harga.Chou, Lin, dan Yu (2003)menunjukkan bahwa ketika batas harga dipicu,
kejutan "belum direalisasi" akan tumpah ke hari perdagangan berikutnya sampai sepenuhnya tercermin
dalam harga aset. Kedua, sebagaidiamatipengembalian saham terbatas pada kisaran tertentu di bawah
batas harga, perkiraan risiko dan pengembalian yang biasa menjadi bias.Chou (1997),Lee dan Kim (1997),
danWei dan Chiang (2002)menunjukkan bahwa perkiraan biasa dari varians, kovarians, dan risiko sistematis
bias ke bawah, yang menghasilkan bias ke bawah dalam estimasi VaR dan tingkat kegagalan yang lebih
tinggi.
Fitur lain yang kami pertimbangkan adalah perdagangan yang jarang, juga dikenal sebagai perdagangan
nonsinkron atau perdagangan tipis dalam literatur.Scholes dan Williams (1977)menunjukkan bahwa
perkiraan varians dan risiko sistematis tidak konsisten dan bias ke bawah dengan adanya perdagangan tipis.
Jadi, seperti dalam kasus batas harga, ukuran VaR yang biasa tanpa mempertimbangkan dampak
perdagangan nonsinkron juga bias ke bawah.
Kami mengusulkan ukuran VaR portofolio berdasarkan metode varians-kovarians yang menyesuaikan
efek dari batas harga dan/atau perdagangan nonsinkron. Secara khusus, metode estimasi yang
menggabungkan model Scholes dan Williams dan model Tobit dua batas diusulkan untuk memberikan
estimasi parameter model yang lebih akurat.
Untuk mengukur efek nyata dari kedua faktor, kami mengikuti desainBrown dan Warner (1985)
dengan melakukan simulasi Monte Carlo untuk membandingkan kinerja metode kami dengan
beberapa metode tradisional, termasuk metode varians-kovarians berdasarkan estimasi OLS naif dan
simulasi historis. Sampel untuk simulasi adalah data nyata yang dibangun dari pengembalian harian
semua saham yang terdaftar di Bursa Efek Taiwan dan pasar OTC Taiwan dari tahun 1998 hingga
2003. Data OTC disertakan karena perdagangan di pasar OTC biasanya lebih jarang daripada di pasar
OTC. Menukarkan. Selama periode sampel, pasar saham Taiwan memberlakukan peraturan batas
harga 7%, dan sekitar 9% pengamatan mencapai batas atas atau bawah.
Hasil simulasi kami menunjukkan bahwa perkiraan OLS naif dari beta dan varians-kovarians bias ke
bawah. Namun demikian, semua metode berkinerja cukup baik, kecuali dalam kasus di mana portofolio
hanya terdiri dari beberapa saham, VaR berdasarkan OLS menghasilkan tingkat kegagalan yang sedikit lebih
tinggi daripada nilai nominal (yaitu, 1% atau 5%).
 P.-H. Chou dkk. / Tinjauan Internasional Analisis Keuangan 15 (2006) 363–376 365

Hasil kami memiliki implikasi penting untuk perhitungan VaR untuk pasar saham yang perdagangannya tunduk
pada batas harga dan perdagangan tipis. Meskipun banyak pasar saham, terutama yang sedang berkembang, juga
memberlakukan batasan harga dan mengalami berbagai tingkat perdagangan yang jarang, frekuensi limit hit
umumnya lebih rendah daripada di Taiwan (karena volatilitas pasar yang lebih rendah atau batas harga yang lebih
luas). Dengan demikian, hasil kami menunjukkan bahwa meskipun ukuran VaR tradisional secara teoritis bias
dengan adanya batasan harga dan perdagangan yang tidak sinkron, relevansi praktis dari kedua faktor tersebut
tampaknya terbatas.
Sisa makalah ini disusun sebagai berikut. Bagian selanjutnya menyajikan pengaturan dasar yang
menggambarkan VaR dari sebuah portofolio. Bagian 3 dan 4 masing-masing menjelaskan
ekonometrika dengan analisis perdagangan tipis dan batas harga. Bagian 5 menyajikan prosedur
simulasi a laBrown dan Warner (1985). Kinerja metode yang kami usulkan dibandingkan dengan
metode delta-normal tradisional dan metode bootstrap. Bagian 6 menyajikan hasil simulasi,
sedangkan bagian terakhir menyimpulkan makalah.

2. Metodologi: pengaturan dasar

Misalkan portofolio yang dipertimbangkan terdiri dari:Naktiva. MenunjukkanRptsebagai pengembalian portofolio

pada saatt,danrdiasebagai pengembalian atassayaaset tersebut, maka pengembalian portofolio dapat
direpresentasikan sebagai:

XN
Rpt¼ wsayardia; d1TH
saya¼1

PN
di manawsayaadalah bobot portofolio pada asetsaya,dan biasanya saya¼1wsaya¼ 1. Secara konseptual,wsaya's
adalah fungsi nonstokastik dari informasi masa lalu dan dapat berubah terhadap waktu. Tanpa kehilangan
keumuman, bobot diperlakukan sebagai tetap di kertas.
MembiarkanRt=(r1t,…,rtidak)′menunjukkan sebuahN-vektor pengembalian aset yang rata-rata dan matriks
varianskovariansnya masing-masing adalah dan .1Pengembalian portofolioRptdariNaset dapat ditulis dalam
bentuk matriks sebagai:

Rpt¼ wVRt; d2TH

di manaw=(w1,…,wN)′adalah vektor bobot padaNaktiva. Jadi, jika pengembalian aset
individu,Rt, secara independen dan identik terdistribusi normal (iid), maka portofolioRpt
memiliki distribusi normal dengan mean dan varians sebagaiw′μ danw′Σw,masing-masing,

RptfNdwVaku;wVRwTH: d3TH
MembiarkanV0menunjukkan nilai awal portofolio, relatif (1−α)-VaR dari portofolio dihitung
sebagai:
1
VaRpdsebuahÞ ¼ -ZsebuahdwVRwTH 2 V0; d4TH
di manaZα adalahz-statistik yang sesuai dengan 1−α persentil dari distribusi normal
standar. Pilihan umum adalah 1% atau 5%. Ukuran VaR ini dikenal sebagai metode delta-
normal atau varians-kovarians.

1Matriks mean dan kovarians juga dapat berubah-ubah terhadap waktu. Subskriptdiabaikan untuk kesederhanaan notasi.
366 P.-H. Chou dkk. / Tinjauan Internasional Analisis Keuangan 15 (2006) 363–376

Ketepatan estimasi VaR portofolio untuk (4) sangat bergantung pada presisi estimasi
pada matriks kovarians, . Biasanya diasumsikan bahwa pengembalian ekuilibrium
dihasilkan oleh ak-model faktor dalam semangatRoss (1976)teori harga arbitrase (APT):
Rt¼ b0thBFtthet; d5TH
dimana0adalahN-vektor penyadapan,Ftadalah (k×1) vektor realisasi faktor pada waktut, Badalah (N×k)
matriks pemuatan faktor atau sensitivitas faktor, dantadalahN-vector of error terms. The error terms
are assumed to be cross-sectionally and serially uncorrelated, i.e.,
-- r2 jnsiklan¼ t
jikasaya¼
coveadalah;ej ¼
t
e;saya
d6TH
0 jika tidak:

Dengan demikian, istilah kesalahan didistribusikan sebagai berikut:

iid
etfNd0;DTH;

di manaD=diag(σ2 ,1,…,2 ,N) adalah matriks diagonal, dengan setiap elemen menjadi varians kesalahan untuk
setiap aset individu. Dengan representasi ini, matriks kovarians menjadi:

R¼ BRFBVthD; d7TH
dimanaFadalah (k×k)matriks kovarians untukkfaktor, yaitu,F=E(F−μf)(F−μf)′.
Faktor-faktornya tentu saja tidak diketahui, dan harus diidentifikasi. Perlakuan sederhana adalah dengan mengadopsi
model pasar indeks tunggal:

rdia¼ sebuahsayathbsayarmtthedia;saya¼ 1;N ;N; d8TH

di manarmtadalah pengembalian pada indeks pasar. Dengan demikian, matriks kovarians menjadi

R¼ bbVr2mthD; d9TH
dimana =(β1,…,N)′adalah vektor kolom beta.
Model pasar indeks tunggal mengasumsikan bahwa aset hanya berkorelasi melalui pergerakannya
dengan indeks pasar. Tanpa friksi dan kendala perdagangan seperti perdagangan tipis dan
batas harga, perkiraan matriks kovarians dapat diperoleh dengan memasukkan perkiraan OLS dari ,
σ,2saya, dan2 ke dalam Persamaan. (9). Namun, perkiraan pengembalian dan risiko yang diharapkan biasanya bias dalam
m

adanya perdagangan tipis dan batas harga. Secara khusus, perkiraan beta bias ke bawah,
sehingga menyebabkan bias risiko ke bawah. Untuk mengatasi masalah tersebut, diperlukan
beberapa penyempurnaan. Penyesuaian estimasi untuk perdagangan nonsinkron dan batas
harga diperkenalkan sebagai berikut.

3. Estimasi dengan adanya perdagangan nonsinkron

Scholes dan Williams (1997)mengusulkan perlakuan yang ketat terhadap masalah estimasi yang terkait dengan
perdagangan nonsinkron. Mereka membuktikan bahwa perdagangan nonsinkron menginduksi autokorelasi negatif
dalam pengembalian saham, pernyataan varians pengembalian yang berlebihan, dan bias ke bawah dalam risiko
sistematis (lihat jugaLo dan MacKinlay, 1990).
Untuk mengatasi masalah-masalah tersebut,Scholes dan Williams (1977)dapatkan perkiraan yang konsisten untuk beta:

bth −
thbthb
b saya¼ saya
saya saya;
d10TH
1th2qm
 P.-H. Chou dkk. / Tinjauan Internasional Analisis Keuangan 15 (2006) 363–376 367

dimana b̂ +ˆ, bsayadan Bs−ayamasing-masing adalah perkiraan OLS dari kemiringan regresi asetsaya's
saya

pengembalian satu periode lag, bersamaan, dan satu periode di depan indeks pasar; madalah autokorelasi
orde pertama dari pengembalian indeks.Dimson (1979)dan sebagian besar studi berikut (misalnya, makalah
mani dariFama dan Prancis, 1992) menggunakan perkiraan yang disederhanakan untuk beta. Secara khusus,
model pasar yang diperluas berikut ini diperkirakan:

rdia¼ sebuahsayathbsayarmtthb− sayarm;untuk1thedia; d11TH

dan beta diperkirakan sebagai jumlah dari beta 'bersamaan' dan 'lag':

tidak ada

bsaya ¼ bthb
saya − saya:
d12TH

Superscript 'ns' digunakan untuk menunjukkan penyesuaian untuk perdagangan nonsinkron. Jadi,
kovarians antara asetsayadan asetjdapat diperkirakan sebagai:

rnaku j¼ bn
sayab r
j n2 m: d13TH

BerdasarkanScholes dan Williams (1977), varians dapat diestimasi secara konsisten sebagai
berikut:

rtidak;2
saya¼ s2
sayath2gsaya; d14TH

di manass2ayaadalah estimasi varians biasa untuk2, dan adalah autokorelasi orde pertama dari
kembali.
Perdagangan nonsinkron dan batas harga memiliki fitur yang sama dalam kedua kasus tersebut, harga
penutupan harian yang tercatat mungkin merupakan harga yang diperdagangkan sebelum pasar tutup.
Perbedaannya adalah bahwa gangguan perdagangan karena perdagangan tidak sinkron bersifat "endogen" di
mana permintaan dan penawaran menentukan waktu kapan perdagangan terakhir terjadi. Sebaliknya, gangguan
perdagangan yang disebabkan oleh batas harga adalah "eksogen" dalam perdagangan itu terputus setelah batas
yang dikenakan pertukaran dipicu. Perbedaan lainnya adalah bahwa di bawah batas harga, harga yang diamati
dibatasi pada kisaran harga, tetapi tidak demikian halnya dengan perdagangan nonsinkron.

4. Analisis di bawah batas harga

Misalkan pengembalian ekuilibrium diatur oleh hubungan linier seperti Persamaan. (5). Di bawah
batas harga, harga penutupan harian tidak boleh melebihi harga sebelumnyaharga penutupditambah
persentase tertentu dari harga penutupan sebelumnya (yaitu, batas atas), atau turun di bawah harga
penutupan sebelumnya dikurangi persentase tertentu dari harga penutupan sebelumnya (yaitu, batas
bawah). Artinya, harga saham yang diamati pada saat ituket, harus berada dalam interval: (HAIuntuk1(1+
Ld),HAIuntuk1(1+Lkamu)), di manaLkamudanLdadalah, masing-masing, batas atas dan bawah harian, diwakili
dalam persentase. Dengan kata lain, jika harga saham sebenarnyaPtjatuh di luar interval, seseorang
mengamati harga batas. Hubungan tersebut dapat dicirikan sebagai berikut:

8
<Ountuk1d1thLkamuTH jikaPtzHAIuntuk1d1thLkamuTH

HAIt¼ P jikaHAIuntuk1d1thLd<Pt< Ountuk1d1thLkamuTH jikaPt d15TH

:t
HAIuntuk1d1thLdTH VHAIuntuk1d1thLdTH:
368 P.-H. Chou dkk. / Tinjauan Internasional Analisis Keuangan 15 (2006) 363–376

Membagi kedua ruas denganHAIuntuk1dan kemudian mengambil logaritma natural, Persamaan. (15) dapat
ditulis ulang sebagai berikut:

8
<akukamu jikartthEuntuk1zakukamu

zt¼ r jikaakud<rdthEuntuk1<akukamu d16TH

:tthEuntuk1
akud jikartthEuntuk1Vakud;

di manazt≡catatan(HAIt/HAIuntuk1) adalah pengembalian harian yang diamati pada waktut, akukamu≡log(1+Lkamu), danakud≡log(1
+ Ld);Es≡catatan(Ps/HAIs)=log(Ps)−catatan(HAIs) adalah istilah sisa yang mewakili guncangan sisa yang belum
direalisasi dari hari perdagangans.2
Model ini berbeda dari model Tobit dua batas tradisional di mana variabel dependen laten
disensor sebagai berikut:
8
<akukamu jikartzakukamu

zt¼ r jikaakud<rt< lkamu d17TH

:t
akujikar
d Vaku : t d

Dengan membandingkan dua macam skema limit di atas,Chou (1999)menunjukkan bahwa satu-satunya perbedaan
adalah bahwa di bawah batas harga, ada istilah spillover tambahanEuntuk1. Dia menunjukkan bahwa model Tobit dua-
batas masih dapat diterapkan pada kasus batas harga selama satu pengamatan menjatuhkan pengamatan yang
hari perdagangan sebelumnya adalah hari batas (yaitu, istilah spillover bukan nol). Berdasarkan beberapa
percobaan simulasi,Chou (1999)menunjukkan bahwa model Tobit dua batas memberikan perkiraan parameter
model yang sangat tepat.
Kami menerapkan model Tobit dua batas untuk dua spesifikasi model. Model pertama adalah
model pasar indeks tunggal (8) yang menangani masalah batasan harga saja. Model kedua adalah
model pasar yang diperluas (11) dengan tambahan pengembalian pasar tertinggal yang
mempertimbangkan masalah batas harga dan perdagangan tipis. Estimasi parameter dari kedua
model dimasukkan ke dalam rumus untuk matriks kovarians (9), yang selanjutnya memberikan
estimasi untuk VaR.

5. Data dan eksperimen Monte Carlo

Kami menggunakan pengembalian saham harian dari semua saham yang terdaftar di Bursa Efek Taiwan
(TWSE) dan pasar over-the-counter (OTC) Taiwan selama periode sampel 1998–2003. Basis data ini disusun
oleh Taiwan Economic Journal (TEJ) Inc. Pencantuman saham yang diperdagangkan di pasar OTC
memastikan bahwa populasi kita mengandung saham yang jarang diperdagangkan. Sampel berisi 1081
perusahaan, yang masing-masing memiliki hingga 1549 pengamatan harian. Dalam sampel kami, 646
perusahaan berasal dari Bursa Efek Taiwan dan 435 perusahaan berasal dari pasar OTC. Dari 1081
perusahaan, sekitar 70% dari perusahaan milik industri manufaktur. Kami menyusun indeks tertimbang nilai
dari semua saham sebagai indeks pasar.3
Baik pasar TWSE dan OTC mengadopsi peraturan batas harga 7% selama periode sampel.
Namun karena tick size, return saham yang menyentuh batas atas (down limit) dapat

2Untuk kesederhanaan demonstrasi, analisis di bagian ini didasarkan pada pengembalian gabungan terus menerus untuk kemudahan
demonstrasi. Secara empiris, kami sebenarnya menggunakan pengembalian versi diskrit.
3Indeks tertimbang nilai dikompilasi sebagai rata-rata tertimbang kapitalisasi dari indeks TWSE dan indeks OTC.
 P.-H. Chou dkk. / Tinjauan Internasional Analisis Keuangan 15 (2006) 363–376 369

tidak persis sama dengan 7% (−7%). MembiarkanStmenunjukkan potensi harga batas atas (bawah) pada waktut,yang
merupakan harga penutupan pada saat ituuntuk1 kali 1+7% (1−7%). Ukuran centang (TSt) adalah sebagai berikut,

8
> 0:01 jikaSt<5
>
> 0:05 jika 5VSt<5
<
0:1 jika 15VSt<50 jika
TSt¼ d18TH
> 0:5 50VSt<150 jika 150
>
>1 VSt<1000 jikaStz5
:
0:05
Mempertimbangkan ukuran centang di atas, pada saatt,harga batas atas dan batas bawah masing-masing adalah:

HAIuntuk1d1th0:07TH
PUt¼ Int - TS t;
TSt
− t1d10:07 TH
HAI
PDt¼ Int - TS t;
TSt

di mana Int(·) mewakili fungsi integer.

Dalam periode sampel kami (1998–2003), pemerintah mengubah batas harga beberapa kali untuk
mengakomodasi beberapa peristiwa pasar yang drastis. Pertama kali adalah dari 27 September 1999
sampai 7 Oktober 1999; karena Gempa 921 Chi-Chi, gempa bumi besar yang menyerang Taiwan pada
21 September, pemerintah mengubah batas bawah dari 7% menjadi 3,5%. Setelah 7 Oktober 1999,
batas bawah 7% dipulihkan. Yang kedua adalah dari 3 Maret 2000 hingga 26 Maret 2000, di mana
batas bawah diperketat menjadi 3,5% karena pemilihan presiden dan kampanye. Karena serangan
911, pemerintah mengubah batas harga lagi dari 19 September 2001 menjadi 21 September 2001;
batas bawah berubah dari 7% menjadi 3,5% dan batas atas tetap sama.

Beberapa ringkasan statistik dilaporkan dalamTabel 1.Tabel 1melaporkan jumlah perusahaan, jumlah
rata-rata dan persentase hit batas atas, jumlah rata-rata dan persentase hit batas bawah, nilai pasar rata-
rata (dalam juta dolar NT), volume perdagangan harian rata-rata (dalam saham) dan volume perdagangan
rata-rata (dalam ribu dolar NT) untuk perusahaan dari bursa yang berbeda dan/atau industri yang berbeda.
Pasar OTC adalah sekitar seperempat dari Bursa Efek Taiwan dalam hal nilai pasar rata-rata dan volume
perdagangan.
Tabel 1menunjukkan bahwa rata-rata 9,52% dari pengamatan mencapai batas, di mana
6,16% adalah hit batas atas, dan 3,37% adalah hit batas bawah. Frekuensi dan distribusi limit hit
hampir sama untuk saham di Bursa Efek Taiwan dan untuk saham di pasar OTC. Di antara
semua industri, industri makanan di pasar OTC dan industri konstruksi di TWSE memiliki
persentase pencapaian batas tertinggi masing-masing sebesar 8,93% dan 8,12%. Persentase
limit hit di pasar saham Taiwan relatif lebih tinggi daripada sebagian besar pasar berjangka dan
pasar saham di seluruh dunia mungkin karena volatilitas yang tinggi dan batas harga yang
relatif ketat.
Tabel 2 dan 3melaporkan beberapa statistik mengenai masalah perdagangan tipis.Meja 2melaporkan ringkasan
statistik tentang durasi perdagangan terakhir hingga penutupan pasar untuk semua perusahaan selama tahun
2003. Kami membatasi sampel pada tahun 2003 hanya karena mengidentifikasi perdagangan terakhir di setiap hari
perdagangan memerlukan pemeriksaan seluruh data transaksi intra-hari, yang sangat besar dalam ukuran dan
memakan waktu komputasi.Meja 2menunjukkan bahwa rata-rata perdagangan terakhir terjadi pada 7.39 menit
sebelum pasar tutup. Durasi non-perdagangan adalah 3,21 menit untuk saham TWSE, dan
370 P.-H. Chou dkk. / Tinjauan Internasional Analisis Keuangan 15 (2006) 363–376

Tabel 1
Statistik deskriptif untuk pasar saham Taiwan

Pasar Industri jumlah perusahaan Ke atas % Turun % Nilai pasar Volume Jumlah
Semua Semua 1081 68.32 6.16 39,58 3,37 11,677 3096 107.490
TWSE Semua 646 77,71 6,02 45,59 3,44 17.431 4644 163.201
Makanan 25 66,96 5,33 38,04 2,67 5683 1838 41.013
Konstruksi 41 116.68 8.12 73,93 5,09 6717 3387 43.849
Bahan kimia 53 73,66 5,17 42,11 2,88 14.824 3990 106.138
Manufaktur 414 80,09 6,47 47,21 3,72 18,384 4842 203,656
Angkutan 16 81,19 5,39 45.00 2.98 13.950 4308 78.304
Keuangan 42 49.71 3.72 25,50 1,90 43,480 10.398 206.008
Toko 12 65,75 4,28 38,08 2,48 10,682 1966 59.355
Lainnya 43 58.28 4.08 33.56 2.31 6254 1622 47.641
OTC Semua 435 54,37 6,37 30.66 3.26 3133 797 24.757
Makanan 4 121.00 8.93 108.25 7.86 936 439 6708
Konstruksi 26 80.58 6.75 57.31 4.72 1589 292 4024
Bahan kimia 32 42,84 4,80 19.88 2.23 1118 213 5603
Manufaktur 316 53.08 6.75 28,47 3,26 3253 873 29.207
Angkutan 7 37.14 3.30 22.43 2.10 2675 139 2449
Keuangan 13 77,77 5,86 38.62 3.11 12.126 3112 54.753
Toko 5 48.80 3.93 31.60 2.39 2451 308 5562
Lainnya 32 44,13 4,85 30.25 2.95 2041 368 14.760

Tabel ini melaporkan jumlah perusahaan, jumlah rata-rata dan persentase hit up-limit, jumlah rata-rata dan persentase hit down-limit,
nilai pasar rata-rata (dalam jutaan dolar NT), volume perdagangan harian rata-rata (dalam saham) dan volume perdagangan rata-rata
(dalam ribuan dolar NT) untuk perusahaan dari bursa yang berbeda dan/atau industri yang berbeda. Sampel mencakup data harian
semua perusahaan yang terdaftar di Bursa Efek Taiwan (TWSE) dan pasar Over-the-Counter (OTC) selama periode dari 3 Januari 1998
hingga 31 Desember 2003.

13.30 menit untuk saham OTC, menunjukkan bahwa memang pasar OTC lebih menderita dari masalah
perdagangan tipis. Di antara semua industri, industri makanan di pasar OTC memiliki durasi nontrading
terpanjang 72,49 menit; industri ini memiliki nilai pasar rata-rata terkecil sebesar 939 juta (dalam dolar NT) di
antara semua industri (lihatTabel 1).
Tabel 3melaporkan jumlah rata-rata hari non-perdagangan untuk periode 1988–2003 berdasarkan data
harian. Jumlah rata-rata hari non-perdagangan untuk semua perusahaan adalah 8,61 hari, yaitu sekitar
0,83% dari total pengamatan harian selama periode sampel 5 tahun. Sekali lagi, saham TWSE memiliki
jumlah 4,81 hari non-perdagangan yang lebih kecil dibandingkan dengan pasar OTC, yaitu 14,63 hari.

Kami mempertimbangkan lima perkiraan untuk portofolio VaR; empat metode pertama adalah parametrik, dan metode
terakhir adalah nonparametrik.

1. Perkiraan naif: beta diperkirakan menggunakan perkiraan OLS naif dari model pasar (8).
2. Perkiraan penyesuaian perdagangan nonsinkron: beta dan varians diperkirakan berdasarkan Scholes dan
Williams (1977)penaksir seperti yang dijelaskan pada bagian sebelumnya.
3. Estimasi harga-batas yang disesuaikan: beta dan varians diperkirakan berdasarkan model Tobit dua-
terbatas dari model pasar (8) sebagaimana diuraikan di bagian sebelumnya.
4. Perkiraan penyesuaian perdagangan dan batas harga nonsinkron: beta dan varians diperkirakan
berdasarkan model Tobit dua-terbatas dari model pasar yang diperluas (11) sebagaimana diuraikan di
bagian sebelumnya.
5. Simulasi historis: VaR dihitung sebagai persentil empiris dari sampel buatan dari 1000
pengamatan acak yang diambil dari pengembalian portofolio.
 P.-H. Chou dkk. / Tinjauan Internasional Analisis Keuangan 15 (2006) 363–376 371

Meja 2
Durasi perdagangan terakhir untuk pertukaran ditutup

Pasar Industri Berarti SD median 95

Semua Semua 7.39 19.27 0,59 42,98
TWSE Semua 3.21 10.46 0,15 18.85
Makanan 9.85 20.05 0,87 52.93
Konstruksi 6.56 17.32 0,87 25.65
Bahan kimia 2.06 4.39 0.12 9.83
Manufaktur 2.23 8.24 0.13 9.34
Angkutan 0,97 2.03 0,05 7.78
Keuangan 1.19 3.96 0,02 5.47
Toko 12.84 24.91 0,59 78.77
Lainnya 7.19 14.05 0,49 36.53
OTC Semua 13.30 26.13 2.61 72.14
Makanan 72.49 42.09 68.82 120,45
Konstruksi 38.30 42.05 17.68 129.13
Bahan kimia 15.85 28.61 7.73 56.82
Manufaktur 8.23 18.98 2.00 42.61
Angkutan 23.65 25,92 10.94 65.15
Keuangan 5.50 15.93 0.11 57.42
Toko 21.90 20.76 27.89 48.48
Lainnya 34.11 39.18 24,67 115.16

Tabel ini melaporkan ringkasan statistik durasi (dalam menit) dari perdagangan terakhir ke bursa yang ditutup untuk perusahaan dari
bursa yang berbeda dan/atau industri yang berbeda. Sampel mencakup data transaksi intra-hari dari semua perusahaan yang terdaftar
di Bursa Efek Taiwan (TWSE) dan pasar Over-the-Counter (OTC) selama periode dari 2 Januari 2003 hingga 31 Desember 2003. Ke-95
berarti persentil ke-95 .

Tabel 3
Jumlah rata-rata hari tanpa perdagangan

Pasar Industri Berarti SD 95

Semua Semua 8,76 (0,83) 41.08 50.00 (3.89)
TWSE Semua 4,81 (0,36) 29.89 11.00 (0.78)
Makanan 19,32 (1,36) 40.86 115.00 (7.69)
Konstruksi 4.05 (0.29) 10.77 23.00 (2.15)
Bahan kimia 1,06 (0,09) 3.99 10.00 (0.96)
Manufaktur 4.11 (0.33) 30.42 5,00 (0,51)
Angkutan 0,81 (0,05) 3.25 13.00 (0.84)
Keuangan 0,02 (0,00) 0,15 0.00 (0.00)
Toko 29,67 (1,98) 97.50 339.00 (22.62)
Lainnya 7,70 (0,57) 26.08 21.00 (1.36)
OTC Semua 14,63 (1,52) 53,04 88.00 (9.64)
Makanan 37,00 (2,68) 50.42 112.00 (7.84)
Konstruksi 33.00 (3.36) 67,79 134.00 (10.37)
Bahan kimia 30,47 (2,51) 118.11 66,00 (8,46)
Manufaktur 7,49 (0,95) 30.33 60.00 (6.26)
Angkutan 49,43 (3,64) 77,74 215.00 (14.14)
Keuangan 0,15 (0,04) 0.38 1,00 (0,44)
Toko 16.00 (1.08) 26.30 61.00 (4.01)
Lainnya 49,72 (4,81) 90.13 277,00 (25,96)

Tabel ini melaporkan jumlah rata-rata hari tanpa perdagangan untuk perusahaan dari bursa yang berbeda dan/atau industri yang
berbeda. Sampel mencakup data harian semua perusahaan yang terdaftar di Bursa Efek Taiwan (TWSE) dan pasar Over-the-Counter
(OTC) selama periode dari 3 Januari 1998 hingga 31 Desember 2003. Ke-95 berarti persentil ke-95. Angka dalam tanda kurung adalah
persentase rata-rata hari tanpa perdagangan untuk menukar hari pembukaan.
372 P.-H. Chou dkk. / Tinjauan Internasional Analisis Keuangan 15 (2006) 363–376

Karena tujuan kami adalah untuk menyelidiki seberapa relevan masalah batas harga dan perdagangan
tipis secara praktis, kami tidak ingin mensimulasikan data dari beberapa distribusi yang diasumsikan, seperti
yang dilakukan sebagian besar eksperimen Monte Carlo. Untuk menghasilkan portofolio yang lebih
“realistis”, kami mengadopsi gagasan tentangBrown dan Warner (1985)di mana simulasi diambil dari data
nyata untuk mengevaluasi kinerja berbagai metode studi peristiwa.
Mengikuti desain simulasiBrown dan Warner (1985), kami menghasilkan 1000 sampelN
saham dari populasi, dan hitung VaR 1 hari dari portofolio berbobot sama dariN sekuritas untuk
berbagai metode. Kami mengikuti konvensi dengan menetapkan periode estimasi sebagai 250
hari (T=250), dan pertimbangkan dua ukuran portofolio yang berbeda,N=10 dan 30. Prosedur
simulasi diuraikan sebagai berikut.

1. Pilih secara acak periode sampel awal [s, s+250], di manasadalah bilangan bulat yang ditenggelamkan dari
himpunan bilangan {1, 1299} dengan peluang seragam.
2. Selama periode sampel, gambarlahNsaham tanpa penggantian dari populasi 1081 saham. Stok
disimpan dalam sampel jika memiliki harga yang tidak hilang pada hari terakhir (yaitu, pada hari s+
250), dan memiliki lebih dari 100 pengamatan yang tidak hilang selama periode sampel. Jika tidak,
saham akan jatuh. Kami mempertimbangkan dua nilai yang berbeda dariN, N =10 dan N=30.

3. VaR 5% 1 hari berdasarkan berbagai metode untukN-portofolio saham dihitung.

4. Langkah-langkah di atas diulang sebanyak 1000 kali, dan rata-rata VaR dan tingkat kegagalan
untuk setiap metode dihitung. Tingkat kegagalan dihitung sebagai persentase pengamatan
yang pengembalian portofolio sebenarnya yang sesuai melebihi estimasi VaR.

Sebagai catatan implementasi, untuk masing-masing dari 1000 percobaan kami menggambar
secara acakNsaham dari populasi 1081 saham selama periode yang dipilih secara acak, dan
menyusun portofolio dengan bobot yang samaNsaham. ItuNsaham dapat mencakup saham dari
pasar TWSE dan OTC. Kami percaya portofolio seperti itu lebih realistis dan praktis daripada portofolio
yang hanya diambil dari pasar OTC saja.
Secara statistik, interval kepercayaan 99% untuk VaR 5% adalah (3,65%, 6,35%). Tingkat kegagalan yang
lebih kecil (lebih besar) dari interval yang lebih rendah (atas) dianggap menolak terlalu sedikit (banyak).

6. Hasil simulasi

Hasil simulasi berdasarkan desainBrown dan Warner (1985)menggunakan data harian nyata
dilaporkan dalamTabel 4–6.

6.1. Estimasi beta, varians, dan kovarians

Tabel 4melaporkan perkiraan beta rata-rata berdasarkan OLS naif (dilambangkan "OLS"), model Tobit dua batas
yang disesuaikan dengan batas harga (dilambangkan "PL"),Scholes dan Williams (1977)penyesuaian metode untuk
perdagangan nonsinkron (dilambangkan "NS"), dan model dua batas yang disesuaikan untuk batas harga dan
perdagangan nonsinkron (dilambangkan "PL+NS") untuk perusahaan dari bursa yang berbeda dan/atau industri
yang berbeda. Beta rata-rata semuanya berbobot sama.
Tabel 4menunjukkan bahwa OLS naif menghasilkan beta rata-rata 0,7564, model Tobit dua batas
yang menyesuaikan untuk batas harga (metode "PL") menghasilkan beta rata-rata 0,8225, dan
 P.-H. Chou dkk. / Tinjauan Internasional Analisis Keuangan 15 (2006) 363–376 373

Tabel 4
Perkiraan beta dengan metode yang berbeda

Pasar Industri OLS (1) PL (2) NS (3) PL+NS (4) (1)−(4) (%) (2)−(4) (%) (3)−(4) (%)
Semua Semua 0,7564 0.8225 0,8470 0.8359 0,0795 0,0133 0,0111
(−9,51%) (−1,59%) (1,27%)
TWSE Semua 0.8271 0,9000 0.9239 0,9147 0,0876 0,0147 0,0092
Makanan 0,4999 0,5442 0,5692 0,6016 0.1017 0,0574 0,0324
Konstruksi 0,7193 0.7918 0,9155 0,9273 0.2080 0,1355 0,0118
Bahan kimia 0,7133 0,7569 0,8115 0,8039 0,0906 0,0469 0,0077
Manufaktur 0,9015 0,9906 0,9961 0,9820 0,0805 0,0085 0,0141
Angkutan 0.7358 0,7657 0,8557 0.8371 0.1013 0,0714 0,0186
Keuangan 0.8359 0,8769 0,8790 0,8672 0,0313 0,0097 0,0118
Toko 0,6459 0,6915 0,7343 0,7456 0,0997 0,0541 0,0114
Lainnya 0,6195 0,6452 0,7033 0,6954 0,0759 0,0503 0,0078
OTC Semua 0,6514 0,7075 0.7327 0,7188 0,0674 0,0113 0,0139
Makanan 0,3129 0.3407 0,3823 0,3572 0,0443 0,0164 0,0251
Konstruksi 0.3227 0.3517 0,4106 0,4112 0,0885 0,0595 0,0006
Bahan kimia 0,3942 0,4308 0,4787 0,4763 0,0821 0,0455 0,0024
Manufaktur 0,7301 0,7957 0,8146 0,7974 0,0673 0,0017 0,0173
Angkutan 0,3031 0,3041 0.3786 0,3597 0,0566 0,0556 0,0190
Keuangan 1.1138 1.2055 1.2044 1.2112 0,0974 0,0057 0,0068
Toko 0.3786 0.3861 0,4271 0,4152 0,0366 0,0291 0,0118
Lainnya 0,3721 0,3847 0,4168 0,4069 0,0348 0,0222 0,0099

Tabel ini melaporkan perkiraan beta rata-rata berdasarkan OLS naif (dilambangkan "OLS"), model Tobit dua batas yang disesuaikan
dengan batas harga (dilambangkan "PL"),Scholes dan Williams (1977)penyesuaian metode untuk perdagangan nonsinkron
(dilambangkan "NS"), dan model dua batas yang disesuaikan untuk batas harga dan perdagangan nonsinkron (dilambangkan "PL+NS")
untuk perusahaan dari bursa yang berbeda dan/atau industri yang berbeda. Tiga kolom terakhir melaporkan bias dalam estimasi beta
menggunakan estimasi “PL+NS” sebagai benchmark. Angka-angka dalam tanda kurung adalah persentase dalam bias. Sampel
mencakup data harian semua perusahaan yang terdaftar di Bursa Efek Taiwan (TWSE) dan pasar Over-the-Counter (OTC) selama
periode dari 3 Januari 1998 hingga 31 Desember 2003.

Metode Scholes dan Williams ("NS") menghasilkan rata-rata 0,8470. Penaksir terakhir yang
menyesuaikan kedua efek menghasilkan perkiraan rata-rata 0,8359.4Menggunakan perkiraan
berdasarkan metode “PL+NS” yang menyesuaikan perdagangan nonsinkron dan batas harga sebagai
tolok ukur, tiga kolom terakhir dariMeja 2menunjukkan bahwa bias ke bawah dalam perkiraan beta
berdasarkan perkiraan OLS naif adalah 9,51%, sedangkan dua metode lainnya, metode "NS" dan "PL",
hanya sedikit bias.
Seperti yang dibahas di bagian sebelumnya, bias dalam estimasi beta akan menyebabkan bias
dalam estimasi varians dan kovarians.Tabel 5melaporkan varians rata-rata, kovarians, dan kovarians
absolut untuk berbagai metode estimasi, semuanya diskalakan dengan angka 104. Varians rata-rata,
kovarians dan kovarians absolut dihitung sebagai rata-rata statistik yang sesuai di semua perusahaan.
Kami juga melaporkan kovarians absolut rata-rata untuk memastikan bahwa bias rata-rata tidak
dibatalkan oleh bias dari tanda yang berbeda.
Estimasi OLS untuk varians dan kovarians masing-masing adalah 9,63 dan 1,73.
Dibandingkan dengan estimasi berdasarkan metode “PL+NS”, estimasi keduanya sangat bias ke
bawah. Estimasi varians dan kovarians berdasarkan model Tobit dua batas yang hanya
menyesuaikan batas harga hanya sedikit bias ke bawah. Sebaliknya, Scholes dan Williams '("N.

4Karena beta rata-rata dihitung sebagai pembobotan yang sama, bukan pembobotan kapitalisasi, rata-rata tidak harus
sama atau mendekati satu, yang merupakan beta pasar.
374 P.-H. Chou dkk. / Tinjauan Internasional Analisis Keuangan 15 (2006) 363–376

Tabel 5
Varians dan sifat kovarians di bawah metode yang berbeda

OLS PL NS PL+NS
Berarti SD Berarti SD Berarti SD Berarti SD
(×104) (×104) (×104) (×104) (×104) (×104) (×104) (×104)
σ 2̂saya 9.6390 3.4676 9.8194 3.9746 12.3425 5.6648 9.8283 3.9790
σ̂ aku j 1.7342 1.1106 2.0507 1.4029 2.1743 1.3983 2.1178 1.3718
|σ̂aku j| 1.7439 1.0953 2.0576 1.3928 2.2021 1.3541 2.1380 1.3400

Tabel ini melaporkan perkiraan rata-rata varians, dan kovarians, dan kovarians absolut berdasarkan OLS naif (dilambangkan "OLS"),
model Tobit dua batas yang disesuaikan dengan batas harga (dilambangkan "PL"),Scholes dan Williams (1977)metode penyesuaian
untuk perdagangan nonsinkron (dilambangkan "NS"), dan model dua batas yang disesuaikan untuk batas harga dan perdagangan
nonsinkron (dilambangkan "PL+NS") untuk semua perusahaan yang terdaftar di Bursa Efek Taiwan (TWSE) dan Over- pasar the-Counter
(OTC) selama periode dari 3 Januari 1998 hingga 31 Desember 2003.

S.”) menghasilkan estimasi varians 12,34, yang sangat bias ke atas dibandingkan dengan
estimasi 9,83 berdasarkan metode “PL+NS”. Kovarians metode "NS", bagaimanapun,
sangat dekat dengan perkiraan berdasarkan metode "PL+NS".
Ingatlah bahwa bias ke atas (ke bawah) dalam estimasi varians akan menyebabkan bias ke atas (ke
bawah) dalam estimasi VaR dan karenanya tingkat kegagalan yang lebih rendah (lebih tinggi). Demikian
juga, bias ke atas (ke bawah) dalam estimasi kovarians akan menyebabkan bias ke bawah (ke atas) dalam
estimasi varians portofolio, sehingga menyebabkan bias ke atas (ke bawah) dalam estimasi VaR dan tingkat
kegagalan yang lebih rendah (lebih tinggi). Dengan demikian, estimasi varians dan kovarians dilaporkan
dalamTabel 5 menyarankan bahwa estimasi VaR berdasarkan OLS naif akan bias ke bawah. Metode "NS"
mungkin menghasilkan estimasi VaR yang berlebihan karena variansnya bias ke atas. Kami melaporkan hasil
simulasi di subbagian berikutnya.

Tabel 6
Perkiraan VaR dan tingkat kegagalan untuk berbagai metode

Rata-rata OLS PL NS PL+NS HS

portofolio VaR (%) Kegagalan VaR (%) Kegagalan VaR (%) Kegagalan VaR (%) Kegagalan VaR (%) Kegagalan

kembali
(%)
Panel A: portofolio dengan bobot yang sama dari 10 perusahaan

Rata-rata 0.1240 2.6345 0.0620 2.7952 0.0520 2.9255 0.0430 2.8658 0.0450 2.8483 0.0490 SD
1.7277 0.3595 0,4361 0,4068 0,4271 0,4455
Maks 5.9220 1.5587 1.6385 − 1.8033 1.7442 1.6910
min 6.8870 3.6840 4,0857 4.0728 4.2327 4.1660

Panel B: portofolio dengan bobot yang sama dari 30 perusahaan

Berarti 0,0012 2.4158 0,0530 2,5964 0,0450 2,6832 0,0410 2,6684 0,0400 2,6710 0,0400 1,5359
SD 0,3071 0,3671 0,3353 0,3566 0.3983
Maks 5.5080 1.4890 1.5848 1.6744 1.6282 1.4713
min 6.6527 3.2914 3.7031 3.5883 3.6304 3.8763
Tabel ini melaporkan perkiraan rata-rata VaR dan tingkat kegagalan berdasarkan OLS naif (dilambangkan "OLS"), model Tobit dua batas yang
disesuaikan dengan batas harga (dilambangkan "PL"),Scholes dan Williams (1977)penyesuaian metode untuk perdagangan nonsinkron
(dilambangkan "NS"), dan model dua batas yang disesuaikan untuk kedua batas harga dan perdagangan nonsinkron (dilambangkan "PL
+ NS"), dan simulasi historis (dilambangkan "HS") untuk 1000 portofolio simulasi berdasarkan desainBrown dan Waner (1985). Sampel
tersebut berisi pengamatan harian untuk semua perusahaan yang terdaftar di Bursa Efek Taiwan (TWSE) dan pasar Overthe-Counter
(OTC) selama periode dari 3 Januari 1998 hingga 31 Desember 2003. Panel A melaporkan hasil untuk persamaan bobot yang sama.
portofolio 10 perusahaan, sedangkan Panel B melaporkan kasus 30 perusahaan.
 P.-H. Chou dkk. / Tinjauan Internasional Analisis Keuangan 15 (2006) 363–376 375

6.2. Performa estimasi VaR berdasarkan berbagai metode

Tabel 6melaporkan estimasi VaR dan tingkat kegagalan dari berbagai metode parametrik yang dibahas dalam
subbagian sebelumnya dan metode simulasi historis untuk dua portofolio berbobot sama yang disimulasikan
dengan ukuran berbeda. Perhatikan bahwa dalam kasus pergerakan harga turun, beberapa saham dalam portofolio
mungkin mencapai batas, terutama batas bawah, sehingga menyebabkandiamatikerugian untuk diremehkan.
Artinya, pengembalian "sebenarnya" akan lebih rendah tanpa pengenaan batasan harga. Dalam hal ini, kejutan
negatif yang “belum terealisasi” diharapkan akan terbawa ke hari perdagangan berikutnya, namun harus
diperlakukan sebagai kerugian yang terjadi pada hari perdagangan tertentu. Oleh karena itu, tingkat kegagalan
yang dihitung berdasarkan pengembalian yang diamati akan dikecilkan. Dengan kata lain, tingkat kegagalan yang
sedikit lebih kecil dari tingkat nominal (5% dalam percobaan kami) harus lebih disukai.5

Panel A dariTabel 6melaporkan hasil untuk portofolio 10 saham dengan bobot yang sama, dan Panel B
melaporkan hasil untuk portofolio 30 saham. Portofolio 10 saham memiliki pengembalian harian rata-rata sebesar
0,1240% dan standar deviasi 1,73, sedangkan portofolio 30 saham memiliki return positif 0,0012%
dengan standar deviasi lebih kecil 1,54. Kinerja yang lebih baik dari portofolio 30-saham jelas karena
diversifikasi yang meningkat dengan memasukkan lebih banyak saham ke dalam portofolio.

Panel A dariTabel 6menunjukkan bahwa metode OLS naif menghasilkan estimasi VaR terkecil dari
2,63% (dalam nilai absolut) dan tingkat kegagalan tertinggi 6,20% di antara semua metode. Kinerja yang
buruk dari metode OLS naif jelas dikaitkan dengan perkiraan bias varians dan kovarians. Meskipun tingkat
kegagalan 6,20% masih berada dalam interval kepercayaan 99%, kami menganggapnya sebagai penolakan
berlebihan karena tingkat kegagalan yang ideal harus sedikit lebih kecil dari tingkat nominal, seperti yang
telah kita bahas di bagian sebelumnya. Empat metode yang tersisa, termasuk metode simulasi historis,
semuanya menghasilkan tingkat kegagalan yang wajar mendekati tingkat penolakan nominal 5%.

Panel B dariTabel 6melaporkan simulasi untuk portofolio 30-saham. Karena efek diversifikasi yang
meningkat, semua metode menghasilkan estimasi VaR yang lebih kecil daripada kasus 10-saham. Di antara
kelima metode tersebut, metode OLS masih memiliki estimasi VaR terkecil dan tingkat kegagalan tertinggi,
namun tingkat kegagalan 5,30% saat ini sudah banyak diterima. Sebaliknya, meskipun tingkat kegagalan
dari empat metode yang tersisa semuanya dalam interval kepercayaan, tampaknya model Tobit dua batas
yang menyesuaikan untuk batas harga saja (metode "PL") memiliki tingkat kegagalan yang paling dekat
dengan nilai nominal.
Tingkat kegagalan simulasi historis dan metode kami yang menyesuaikan perdagangan nonsinkron dan/atau
batas harga semuanya berada di bawah tingkat nominal 5%. Seseorang dapat menghubungkan tingkat penolakan
yang lebih rendah dengan estimasi parameter yang bias atau pilihan nilai kritis yang tidak tepat (persentil distribusi).
Tetapi tingkat kegagalan "sebenarnya" akan lebih tinggi jika kita mempertimbangkan lebih jauh luapan guncangan
sisa yang disebabkan oleh batas harga. Dengan demikian, secara praktis tingkat kegagalan yang sedikit lebih
rendah daripada tingkat nominal dapat dipandang sebagai properti yang baik.
Orang mungkin juga menduga tingkat kegagalan yang lebih rendah sebagai akibat dari ekor gemuk.
Namun, ini tidak terjadi karena akan ada tingkat kegagalan yang lebih tinggi jika pengembalian dihasilkan
oleh distribusi fat-tail sepertitdistribusi. Dengan demikian, hasil simulasi kami menunjukkan bahwa,
setidaknya di pasar Taiwan, tampaknya tidak perlu mempertimbangkan lebih lanjut efek tipe GARCH selama
simulasi historis atau metode kami digunakan.

5Tentu saja, akan menarik untuk mengukur kerugian yang belum direalisasi yang dibawa ke hari perdagangan berikutnya.
Namun, ini sulit, dan berada di luar cakupan makalah ini.
376 P.-H. Chou dkk. / Tinjauan Internasional Analisis Keuangan 15 (2006) 363–376

Secara keseluruhan, hasil simulasi menunjukkan bahwa meskipun batas harga dan perdagangan nonsinkron
memerlukan beberapa masalah estimasi potensial, relevansi praktisnya tampaknya terbatas.

7. Kesimpulan

Kami menyajikan estimasi VaR portofolio berdasarkan metode varians-kovarians yang

memperhitungkan efek perdagangan nonsinkron dan batas harga—dua fitur yang paling
umum di pasar negara berkembang. Berdasarkan desain simulasiBrown dan Warner (1985),
hasil simulasi menunjukkan bahwa semua metode, termasuk OLS naif tradisional, simulasi
historis, dan metode yang diusulkan, berkinerja baik dengan data nyata. Setidaknya, di pasar
yang bergejolak seperti Taiwan di mana batas rata-rata mencapai setinggi 9%, semua metode,
termasuk metode tradisional seperti OLS naif dan metode simulasi historis, berkinerja baik.
Mungkin hanya metode OLS yang harus digunakan dengan hati-hati ketika portofolio yang ada
hanya terdiri dari beberapa saham.
Metode kami didasarkan pada spesifikasi model pasar sederhana. Apa yang istimewa dalam metode
kami adalah bahwa kami secara eksplisit memperhitungkan masalah estimasi parameter yang disebabkan
oleh batas harga dan perdagangan nonsinkron. Seperti yang dibahas dalam makalah, analisis mudah
diperluas ke pengaturan multi-faktor. Selain itu, kami hanya mempertimbangkan ukuran VaR 1 hari di
makalah, namun, perluasan ke pengukuran VaR multi-hari itu mudah. Akhirnya, meskipun analisis kami
didasarkan pada portofolio aset linier saja, adalah mungkin, dan seharusnya tidak terlalu sulit, untuk
memperluas metode yang diusulkan untuk menangani aset nonlinier.

Ucapan Terima Kasih

Kami berterima kasih kepada Chuan-Chang Chang, David Ding (editor tamu), dan terutama seorang wasit anonim untuk komentar
yang bermanfaat. Kami juga berterima kasih kepada Chih-Wan Yang karena telah menyediakan beberapa program yang digunakan
dalam penelitian ini.

Referensi

Brown, S., & Warner, J. (1985). Mengukur kinerja harga sekuritas.Jurnal Ekonomi Keuangan, 8,
205–258.
Chou, P.-H. (1997). Pendekatan sampling Gibbs untuk estimasi model regresi linier di bawah batas harga harian.
Jurnal Keuangan Cekungan Pasifik, 5,39–62.
Chou, P.-H. (1999). Pemodelan batas harga harian.Tinjauan Internasional Analisis Keuangan, 8,283–301.
Chou, PH, Lin, M. -C., & Yu, M. -T. (2003). Koordinasi batas harga di pasar spot dan futures.Jurnal Berjangka
Pasar, 23,577–602.
Dimson, E. (1979). Pengukuran risiko ketika saham jarang diperdagangkan.Jurnal Ekonomi Keuangan, 12,
279–284.
Duffie, D., & Pan, Juni (1997). Ikhtisar nilai berisiko.Jurnal Derivatif, 4,7–49.
Fama, EF, & Prancis, KR (1992). Penampang dari pengembalian saham yang diharapkan.Jurnal Keuangan, 47,427–465. Lee,
Sang Bin, & Kim, Dae Joong (1997). Batas harga dan beta.Tinjauan Keuangan dan Akuntansi Kuantitatif, 9,
35–52.
Lo, AW, & MacKinlay, AC (1990). Analisis ekonometrik perdagangan nonsinkron.Jurnal Ekonometrika, 45,
181–211.
Ross, SA (1976). Teori arbitrase harga aset modal.Jurnal Teori Ekonomi, 13,341–360. Scholes, M., & Williams, J.
(1977). Memperkirakan beta dari data nonsinkron.Jurnal Ekonomi Keuangan, 5,
309–328.
Wei, KC John, & Chiang, R. (2002). Pendekatan GMM untuk estimasi model volatilitas dan regresi saat harian
harga tunduk pada batasan harga.Jurnal Keuangan Cekungan Pasifik, 12,445–461.