Batas Atas Ukuran Risiko Agregat Pada Portofolio Saham INDF.JK dan ICBP.JK

Trimono Trimono; Amri Muhaimin; Andreas Nugroho  Sihananto

doi:10.29313/statistika.v21i2.340

Authors

Trimono Trimono Data Science Study Program, UPN "Veteran" Jawa Timur
Amri Muhaimin Data Science Study Program, UPN "Veteran" Jawa Timur
Andreas Nugroho Sihananto Informatics Study Program, UPN "Veteran" Jawa Timur

DOI:

https://doi.org/10.29313/statistika.v21i2.340

Keywords:

Risiko agregat, Prediksi Risiko, Komonotonik, VaR, ES

Abstract

Pada investasi agregat aset finansial, setiap aset tunggal dapat memunculkan potensi risiko kerugian yang harus ditanggung oleh investor. Pada kondisi ini, untuk memprediksi nilai risiko kerugian dapat digunakan konsep risiko agregat. Prediksi nilai risiko dapat diukur melalui suatu ukuran risiko, salah satunya adalah Value at Risk (VaR). Namun, VaR tidak selalu memenuhi sifat subaditif, sehingga VaR bukan merupakan ukuran risiko yang koheren. Ukuran risiko lain sebagai alternatif pengganti VaR adalah Expected Shortfall (ES). Kelebihan utama ES dibandingkan VaR adalah ES telah memenuhi sifat subaditif, sehingga ES adalah ukuran risiko yang koheren. Untuk memprediksi nilai risiko agregat menggunakan VaR maupun ES, dibutuhkan fungsi distribusi bersama dari risiko agregat tersebut. Akan tetap cukup sulit untuk menentukan fungsi distribusi bersama risiko agregat yang disusun oleh beberapa risiko tunggal yang tidak saling bebas. Alternatif yang dapat digunakan apabila fungsi distribusi bersama risiko agregat sulit diperoleh adalah dengan menghitung batas atas risiko agregat dengan memanfaatkan sifat komonotonik dan convex order. Penelitian ini bertujuan untuk mengukur nilai batas risiko agregat menggunakan ukuran risiko ES untuk investasi agregat pada saham PT. Indofood Sukses Makmur Tbk (INDF.JK) dan PT Indofood CBP Sukses Makmur Tbk (ICBP.JK). Berdasarkan hasil analisis menggunakan data return saham INDF.JK dan ICBP.JK periode 02/01/21 – 17/09/21, nilai batas atas ukuran risiko aregat VaR dan ES pada portofolio saham untuk tingkat kepercayaan 95% dan holding period 1 hari masing-masing adalah -0,05231 dan -0,07731.

References

Artzner, P. dkk. (1999). Coherent measures of risk. An International Journal of Mathematics, Statistics and Finance Economics, 9(3), 203-228.
Banihashemi, dkk. (2017). Portfolio performance evaluation in Mean-CVaR framework: A comparison with non-parametric methods value at risk in Mean-VaR analysis. Operations Research Perspectives, 4(2), 21-28.
Bernard, C. dkk. (2014). Risk aggregation with dependence uncertainty. Insurance: Mathematics and Economics, 54(1), 93-108.
Campana, A. (2007). On Tail Value-at-Risk for sums of non-independent random variables with a generalized Pareto distribution. Geneva Risk Insur Rev, 32(1), 169-180.
Chen, J. M. (2018). On Exactitude in Financial Regulation: Value-at-Risk, Expected Shortfall, and Expectiles. Risks, 6(2), 1-28.
Dhaene, J. dkk. (2006). Risk Measures and Comonotonicity: A Review. Stochastic Models, 22(1), 573 - 606.
Embrechts, P., dan Wang, R. (2015). Seven Proofs for the Subadditivity of Expected Shortfall. Department of Mathematics, Zurich-Switzerland, 1-23.
Fischer, M. dkk. (2020). A Discussion on Recent Risk Measures with Application to Credit Risk: Calculating Risk Contributions and Identifying Risk Concentrations. Risks, 6(142), 1-28.
McNeil, A. J. dkk. (2015). Quantitative risk management: Concepts, techniques and tools: Revised edition. New Jersey: Princeton University Press.
Miskolczi, P. (2017). Note on simple and logarithmic return. Applied Studies in Agribusiness and Commerce. 11(1-2), 127-136.
Nabella, R. S. dkk (2020). Systemic risk analysis using Conditional Value at Risk (covar) model: evidence in Indonesia. Journal of Economics and Development Studies. 12(1), 57-67.
Ogawa, M. A. dkk. (2018). Value-at-Risk (VaR) Brazilian Real and currencies of emerging and developing markets. Gestao & Producao, 25(3), 485-499.
Puccetti, G. (2013). Sharp Bounds on the Expected Shortfall for A Sum of Dependent Random Variables. Statistics and Probability Letters. 83(1), 1227 - 1233.
Ruhani, F. dkk. (2018). Theories Explaining Stock Price Behavior: A Review of the Literature. International Journal of Islamic Banking and Finance Research, 2(2), 51-64.
Tse, Y-K. (2009). Nonlife Actuarial Models Theory, Methods, and Evaluation. Cambrige University Press.
Xu, Z, 1. (2020). A new characterization of comonotonicity and its application in behavioral finance. Journal of Mathematical Analysis and Applications. 418(2), 612-625.
Zhang, W. dkk. (2019). On Double Value at Risk. Journal of Risk. 7(31), 1-22