MA6081 Topik dalam Statistika III Bagian II : Ukuran risiko imbal hasil
dan model keuangan
agregat
Prediksi volatilitas dan imbal hasil
Prediksi volatilitas Prediksi imbal hasil
Ukuran risiko VaR dan ES
MA6081 Topik dalam Statistika III
Bagian II : Ukuran risiko imbal hasil dan
MA6081 Topik dalam Statistika III Bagian II : Ukuran risiko imbal hasil
dan model keuangan
agregat
Prediksi volatilitas dan imbal hasil
Prediksi volatilitas
Prediksi imbal hasil
Ukuran risiko VaR dan ES
Prediksi volatilitas
Pada model imbal hasil, sejauh ini prediksi yang telah dilakukan adalah prediksi volatilitas (volatility forecasting). Kegiatan ini melibatkan (i) jenis volatilitas dan/atau (ii) penaksiran parameter model yang dapat dilakukan dengan beberapa metode. Perhatikan bahwa penaksiran parameter model volatilitas laten akan jauh berbeda dengan model terobservasi.
MA6081 Topik dalam Statistika III Bagian II : Ukuran risiko imbal hasil
dan model keuangan
agregat
Prediksi volatilitas dan imbal hasil
Prediksi volatilitas
Prediksi imbal hasil
Ukuran risiko VaR dan ES Prediksi volatilitas pertama dikatakan sebagai prediksi empiris;
prediksi kedua disebut prediksi teoretis. Prediksi volatilitas berperan penting pada prediksi imbal hasil.
MA6081 Topik dalam Statistika III Bagian II : Ukuran risiko imbal hasil
dan model keuangan
agregat
Prediksi volatilitas dan imbal hasil
Prediksi volatilitas
Prediksi imbal hasil
Ukuran risiko VaR dan ES
Prediksi imbal hasil
Prediksi imbal hasil memanfaatkan ekspektasi bersyarat imbal hasil dan/atau prediksi volatilitas. Secara teoretis, prediksi imbal hasil bernilai nol. Akibatnya diperlukan prediksi imbal hasil kuadrat untuk mendapatkan prediksi imbal hasil.
MA6081 Topik dalam Statistika III Bagian II : Ukuran risiko imbal hasil
dan model keuangan
agregat
Prediksi volatilitas dan imbal hasil
Prediksi volatilitas
Prediksi imbal hasil
Ukuran risiko VaR dan ES Perhatikan model imbal hasil:
Rt =σtεt
Apakah prediktor terbaik untuk imbal hasil? Apakah peran volatilitas? Apakah prediksi titik atau selang yang digunakan pada prediksi imbal hasil/volatilitas? Apakah yang anda ketahui tentang martingale?
MA6081 Topik dalam Statistika III Bagian II : Ukuran risiko imbal hasil
dan model keuangan
agregat
Prediksi volatilitas dan imbal hasil
Prediksi volatilitas
Prediksi imbal hasil
Ukuran risiko VaR dan ES Prediksi imbal hasil dan/volatilitas dapat menggunakan ukuran
MA6081 Topik dalam Statistika III Bagian II : Ukuran risiko imbal hasil
dan model keuangan
agregat
Prediksi volatilitas dan imbal hasil
Prediksi volatilitas Prediksi imbal hasil Ukuran risiko VaR dan ES
Konsep risiko
Risiko adalah kerugian akibat kegiatan keuangan/finansial (termasuk perbankan) dan asuransi. Risiko/kerugian adalah akibat (yang tidak menyenangkan) dari suatu tindakan.
MA6081 Topik dalam Statistika III Bagian II : Ukuran risiko imbal hasil
dan model keuangan
agregat
Prediksi volatilitas dan imbal hasil
Prediksi volatilitas Prediksi imbal hasil Ukuran risiko VaR dan ES
Value-at-Risk (VaR)
Value-at-Risk (VaR) adalah nilai risiko atau kerugian terbesar yang mungkin terjadi dalam rentang batas tolerasi kerugian yang telah ditentukan.
MA6081 Topik dalam Statistika III Bagian II : Ukuran risiko imbal hasil
dan model keuangan
agregat
Prediksi volatilitas dan imbal hasil
Prediksi volatilitas Prediksi imbal hasil Ukuran risiko VaR dan ES
MA6081 Topik dalam Statistika III Bagian II : Ukuran risiko imbal hasil
dan model keuangan
agregat
Prediksi volatilitas dan imbal hasil
Prediksi volatilitas Prediksi imbal hasil Ukuran risiko VaR dan ES
Suppose that{Yt}is a sequence of random losses representing
asset returns with probability distribution determined by the parameter vectorθ. The available loss data areY1, . . . ,Yn. We
aim at forecasting V@Rαn+1;θsuch that it has (conditional)
coverage probability equal toαi.e.
Pθ Yn+1≤V@Rαn+1;θ
Fn
=α, ∀θ,
MA6081 Topik dalam Statistika III Bagian II : Ukuran risiko imbal hasil
dan model keuangan
agregat
Prediksi volatilitas dan imbal hasil
Prediksi volatilitas Prediksi imbal hasil Ukuran risiko VaR dan ES
In other words, provided that the inverse of (conditional) distribution function ofYn+1exists,
V@Rαn+1;θ =F
−1
MA6081 Topik dalam Statistika III
Bagian III : Value at-Risk dan Model
Agregat
Value-at-Risk Definisi VaR VaR dari Model Stokastik Prediksi dan Akurasi
Model Agregat
Risiko
I Risiko (risk) merupakan ketidakpastian akan terjadinya peristiwa yang dapat menyebabkan kerugian (loss). I Untuk menghindari kerugian tersebut, risiko perlu
dikuantifikasi (melalui peubah acak) dan diukur (menggunakan ukuran risiko).
I Ukuran risiko,%, adalah fungsi yang memetakan koleksi risiko-risiko acak,X, ke himpunan semua bilangan riil,R, atau%:X →R.
MA6081 Topik dalam Statistika III
Bagian III : Value at-Risk dan Model
Agregat
Value-at-Risk Definisi VaR
VaR dari Model Stokastik Prediksi dan Akurasi
Model Agregat
Value-at-Risk: Definisi
I Salah satu ukuran risiko yang sering digunakan adalah Value-at-Risk (VaR).
I VaR dapat didefinisikan sebagai nilai kerugian maksimum yang dapat ditoleransi pada tingkat kepercayaan tertentu. I Pada tingkat kepercayaan sebesar 1−α, VaR dari risiko
acakXdirumuskan sebagai
VaR1−α(X) =inf{x:FX(x)≥1−α}, (1) denganα∈(0,1).
MA6081 Topik dalam Statistika III
Bagian III : Value at-Risk dan Model
Agregat
Value-at-Risk Definisi VaR
VaR dari Model Stokastik Prediksi dan Akurasi
Model Agregat
I Jika invers dari fungsi distribusiFX ada, maka
VaR1−α(X) =FX−1(1−α). (2) I Artinya, VaR pada dasarnya merupakan kuantil-(1−α)
MA6081 Topik dalam Statistika III
Bagian III : Value at-Risk dan Model
Agregat
Value-at-Risk Definisi VaR
VaR dari Model Stokastik Prediksi dan Akurasi
Model Agregat
Ilustrasi VaR
1-α α VaR1-α(X) x fX(x) VaR1-α(X) x 1-α FX(x)MA6081 Topik dalam Statistika III
Bagian III : Value at-Risk dan Model
Agregat
Value-at-Risk Definisi VaR
VaR dari Model Stokastik Prediksi dan Akurasi
Model Agregat
Contoh: VaR dari Risiko Acak Normal
Misalkan risiko acakXberdistribusi normal dengan parameter (µ, σ2), maka VaR1−α(X)adalah nilaiXyang memenuhi
1−α=P X≤VaR1−α(X) =P X−µ σ ≤ VaR1−α(X)−µ σ = Φ VaR1−α(X)−µ σ . Diperoleh VaR1−α(X) =µ+ Φ−1(1−α)σ. (3)
MA6081 Topik dalam Statistika III
Bagian III : Value at-Risk dan Model
Agregat
Value-at-Risk Definisi VaR
VaR dari Model Stokastik Prediksi dan Akurasi
Model Agregat 0.2 0.4 0.6 0.8 1.0 α -4 -2 0 2 4 6 VaR1-α(X)
MA6081 Topik dalam Statistika III
Bagian III : Value at-Risk dan Model
Agregat
Value-at-Risk Definisi VaR
VaR dari Model Stokastik Prediksi dan Akurasi
Model Agregat
Secara umum, jika distribusi dariXsimetris, makaFX−1(1−α) memuat mean dan variansi/deviasi standar dariX, dan
VaR1−α(X)dapat dinyatakan sebagai
MA6081 Topik dalam Statistika III
Bagian III : Value at-Risk dan Model
Agregat
Value-at-Risk Definisi VaR
VaR dari Model Stokastik Prediksi dan Akurasi
Model Agregat
MA6081 Topik dalam Statistika III
Bagian III : Value at-Risk dan Model
Agregat
Value-at-Risk Definisi VaR
VaR dari Model Stokastik Prediksi dan Akurasi
Model Agregat
MA6081 Topik dalam Statistika III
Bagian III : Value at-Risk dan Model
Agregat
Value-at-Risk
Definisi VaR
VaR dari Model Stokastik
Prediksi dan Akurasi
Model Agregat
VaR dari Model Stokastik
I Pada pemodelan statistika, risiko acak dapat
direpresentasikan sebagai proses stokastik{Xt :t≥0} yang seringkali menyatakan imbal hasil dari harga aset. I Jika diberikan himpunan data/informasi sampai waktun,
Fn={Xt :t≤n}, VaR dapat dipandang sebagai nilai prediksi dari risiko di waktun+1,Xbn+1, pada tingkat kepercayaan tertentu.
MA6081 Topik dalam Statistika III
Bagian III : Value at-Risk dan Model
Agregat
Value-at-Risk
Definisi VaR
VaR dari Model Stokastik
Prediksi dan Akurasi
Model Agregat
I Pada tingkat kepercayaan 1−α, VaR dirumuskan sebagai VaR1−α(Xn+1|Fn) =inf{x:FXn+1|Fn(x)≥1−α}
atau
VaR1−α(Xn+1|Fn) =F−X1
MA6081 Topik dalam Statistika III
Bagian III : Value at-Risk dan Model
Agregat
Value-at-Risk
Definisi VaR
VaR dari Model Stokastik
Prediksi dan Akurasi
Model Agregat
VaR dari Model Stokastik untuk Imbal Hasil
I Didefinisikan imbal hasil
Xt =−ln Pt Pt−1 ,
denganPt adalah harga aset pada waktut.
I Misalkan model stokastik untuk imbal hasil tersebut adalah
Xt=σtεt,
denganεtadalah inovasi yang mempunyai distribusi standar tertentu.
MA6081 Topik dalam Statistika III
Bagian III : Value at-Risk dan Model
Agregat
Value-at-Risk
Definisi VaR
VaR dari Model Stokastik
Prediksi dan Akurasi
Model Agregat
I VaR dari model imbal hasil tersebut adalah VaR1−α(Xn+1|Fn) =σn+1Fε−1(1−α),
denganFε−1(1−α)adalah kuantil-(1−α)dari distribusi inovasiεt.
I Hal ini menunjukkan bahwa volatilitas merupakan komponen utama dari ukuran risiko (VaR).
MA6081 Topik dalam Statistika III
Bagian III : Value at-Risk dan Model
Agregat
Value-at-Risk
Definisi VaR
VaR dari Model Stokastik
Prediksi dan Akurasi
Model Agregat
I Perhatikan bahwa volatilitasσn+1dapat bersifat konstan (homoskedastis) maupun dinamis (heteroskedastis). I Untuk model heteroskedastis:
ARCH(1):σn+1 = p a0+a1Xn2 GARCH(1,1):σn+1 = p a0+a1X2 n+b1σn2 I Untuk model homoskedastis, dapat dipandang
MA6081 Topik dalam Statistika III
Bagian III : Value at-Risk dan Model
Agregat
Value-at-Risk
Definisi VaR
VaR dari Model Stokastik
Prediksi dan Akurasi
Model Agregat
Bagaimana dengan ukuran risiko dari model stokastik untuk imbal hasil Xt =ln Pt Pt−1 ?
MA6081 Topik dalam Statistika III
Bagian III : Value at-Risk dan Model
Agregat
Value-at-Risk
Definisi VaR VaR dari Model Stokastik
Prediksi dan Akurasi Model Agregat
Prediksi VaR
I Distribusi (bersyarat) dari risiko acak seringkali bergantung pada suatu parameterθ.
I Akibatnya, VaR dari risiko acak tersebut merupakan fungsi dariθdan dapat ditulis VaR1−α(Xn+1|Fn;θ). I Dalam praktiknya, parameterθharus ditaksir dari data.
Taksiran untukθditulisθb.
I Dengan menyubstitusi parameterθpada formula VaR dengan taksiranθb, diperoleh prediksi VaRestimative
d
MA6081 Topik dalam Statistika III
Bagian III : Value at-Risk dan Model
Agregat
Value-at-Risk
Definisi VaR VaR dari Model Stokastik
Prediksi dan Akurasi Model Agregat
Keakuratan Prediksi VaR
I Untuk mengetahui keakuratan prediksi VaR, salah satu indikator yang dapat digunakan adalah peluang cakupan, yang didefinisikan sebagai
PC=PXn+1 ≤VaRd1−α(Xn+1|Fn;θb) Fn;θ .
I Prediksi VaR dikatakan akurat jika nilai PC mendekati tingkat kepercayaan yang diberikan, atau PC≈1−α.
MA6081 Topik dalam Statistika III
Bagian III : Value at-Risk dan Model
Agregat
Value-at-Risk
Definisi VaR VaR dari Model Stokastik
Prediksi dan Akurasi Model Agregat
I Seringkali peluang cakupan sulit dihitung atau tidak diketahui, sehingga nilainya perlu ditaksir/diaproksimasi. I Misalkan{xn+1,k :k=1,2...,M}adalah realisasi sampel
acak dariXn+1. I Jika didefinisikan Ik= ( 1, xn+1,k≤VaRd1−α(Xn+1|Fn;θb), 0, xn+1,k>VaR1d −α(Xn+1|Fn;θb), (5)
maka{Ik :k=1,2, ...,M}diharapkan merupakan
realisasi sampel acak dari distribusi Bernoulli dengan parameter 1−α, sehingga
PC≈1−α≈
PM
k=1Ik
MA6081 Topik dalam Statistika III
Bagian III : Value at-Risk dan Model
Agregat
Value-at-Risk
Definisi VaR VaR dari Model Stokastik
Prediksi dan Akurasi Model Agregat
Contoh
Dengan menggunakan data Bitcoin selama periode 1-1-2016 hingga 31-12-2018, berikut ini adalah prediksi VaR dari imbal hasil Bitcoin dengan asumsi (1) volatilitas konstan dan (2) volatilitas dinamis melalui model ARCH(1,1).
Tabel 1:Taksiran parameter dari model imbal hasil Bitcoin beserta prediksi VaR dan taksiran peluang cakupannya (dalam tanda kurung)
Asumsi 1 Asumsi 2 Parameter a0 0.0022 0.0018 a1 - 0.1413 Tingkat Kepercayaan 0.95 0.0765 (0.9362) 0.0709 (0.9402) 0.97 0.0874 (0.9588) 0.0811 (0.9608) 0.99 0.1082 (0.9815) 0.1003 (0.9849)
MA6081 Topik dalam Statistika III
Bagian III : Value at-Risk dan Model
Agregat
Value-at-Risk
Definisi VaR VaR dari Model Stokastik Prediksi dan Akurasi Model Agregat
Model Agregat
I MisalkanX1,X2, ...,XNadalah risiko-risiko acak yang dapat saling bergantung.
I Risiko-risiko acak tersebut dapat dijumlahkan menjadi
SN =X1+X2+· · ·+XN yang disebut risiko agregat.
I IndeksNdapat bersifat deterministik (konstanta) maupun probabilistik (peubah acak).
MA6081 Topik dalam Statistika III
Bagian III : Value at-Risk dan Model
Agregat
Value-at-Risk
Definisi VaR VaR dari Model Stokastik Prediksi dan Akurasi Model Agregat
Contoh: Agregat dari Risiko Acak Normal
UntukN =2, misalkanX1,X2berdistribusi normal bivariat dengan parameterθ= (µ1, µ2, σ12, σ22, ρ). Fungsi peluang bersamanya adalah fX1,X2(x1,x2) = 1 2πσ1σ2 p 1−ρ2 exp −q 2 dengan q= 1 1−ρ2 " x1−µ1 σ1 2 −2ρ x1−µ1 σ1 x2−µ2 σ2 + x2−µ2 σ2 2# ,
yang artinyaX1 ∼N(µ1, σ12)danX2∼N(µ2, σ22)dengan korelasi Corr(X1,X2) =ρ.
MA6081 Topik dalam Statistika III
Bagian III : Value at-Risk dan Model
Agregat
Value-at-Risk
Definisi VaR VaR dari Model Stokastik Prediksi dan Akurasi Model Agregat Dapat ditunjukkan bahwaS2=X1+X2berdistribusi normal
dengan mean µS2 =E(S2) =E(X1+X2) =E(X1) +E(X2) =µ1+µ2 dan variansi σ2S2 =Var(S2) =Var(X1+X2)
=Var(X1) +Var(X2) +2Cov(X1,X2) =σ12+σ22+2ρσ1σ2.
MA6081 Topik dalam Statistika III
Bagian III : Value at-Risk dan Model
Agregat
Value-at-Risk
Definisi VaR VaR dari Model Stokastik Prediksi dan Akurasi Model Agregat Akibatnya, VaR dari risiko agregatS2dapat dituliskan sebagai
VaR1−α(S2) =µS2+ Φ −1(1−α)σ S2 = (µ1+µ2) + Φ−1(1−α) q σ12+σ22+2ρσ1σ2
MA6081 Topik dalam Statistika III
Bagian III : Value at-Risk dan Model
Agregat
Value-at-Risk
Definisi VaR VaR dari Model Stokastik Prediksi dan Akurasi Model Agregat 0.2 0.4 0.6 0.8 1.0 α -5 0 5 10 VaR1-α(S2) ρ= -0.9 ρ= -0.3 ρ=0 ρ=0.3 ρ=0.9
Gambar 3:VaR agregat dari risiko acak normal bivariat dengan
µ1=µ2=1 danσ2
MA6081 Topik dalam Statistika III
Bagian III : Value at-Risk dan Model
Agregat
Value-at-Risk
Definisi VaR VaR dari Model Stokastik Prediksi dan Akurasi Model Agregat
Agregat dari Model Stokastik Imbal Hasil
I Didefinisikan imbal hasil dari harga aset I dan aset II sbb:
XtI =−ln PIt PIt−1 , XIIt =−ln PIIt PIIt−1 .
I Misalkan model stokastik untuk masing-masing imbal hasil adalah XtI =σtIε I t, X II t =σ II t ε II t ,
MA6081 Topik dalam Statistika III
Bagian III : Value at-Risk dan Model
Agregat
Value-at-Risk
Definisi VaR VaR dari Model Stokastik Prediksi dan Akurasi Model Agregat I JikaεIt danεIIt berdistribusi normal bivariat standar dengan
korelasiρ, makaXtI|FI
t−1danXtII|FtII−1berdistribusi normal bivariat dengan parameter
θ= 0,0,(σIt)2,(σ II t )2, ρ .
MA6081 Topik dalam Statistika III
Bagian III : Value at-Risk dan Model
Agregat
Value-at-Risk
Definisi VaR VaR dari Model Stokastik Prediksi dan Akurasi Model Agregat I MisalkanSt =XtI+XtII, maka distribusi bersyarat dariSt,
diberikanFtI−,II1, adalah normal dengan mean 0 dan variansi (σtI)2+ (σIIt )2+2ρσItσtII.
I Dengan demikian, VaR dari model agregat tersebut adalah
VaR1−α(Sn+1|FI ,II n ) = Φ −1 (1−α) q (σI n+1)2+ (σnII+1)2+2ρσIn+1σIIn+1.
MA6081 Topik dalam Statistika III
Bagian III : Value at-Risk dan Model
Agregat
Value-at-Risk
Definisi VaR VaR dari Model Stokastik Prediksi dan Akurasi Model Agregat Contoh?