Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Latar belakang penulisan karya akhir ini beranjak dari adanya rekapitalisasi perbankan yang dilakukan pemerintah dan adanya amandemen Basel Capital Accord 1998 pada tahun 1996 yang memasukkan unsur risiko pasar sebagai dasar perhitungan kebutuhan modal minimum. Dengan selesainya rekapitalisasi, portofolio aset yang dimiliki bank yang direkapitalisasi sebagian besar berupa obligasi pemerintah. Mengingat instrumen surat berharga obligasi sangat berkaitan dengan risiko pasar terutama faktor risiko suku bunga, dampaknya apabila faktor risiko pasar tersebut tidak dikelola secara baik akan membawa dampak kerugian yang cukup signifikan bagi kelangsungan operasonal bank. Permasalahan yang timbul adalah untuk menghitung besamya risiko pasar, selama ini yang dilakukan perbankan masih mertggunakan pendekatan tradisional (non statistik) sehingga masih diragukan keakuratannya. Sedangkan pengukuran risiko dengan pendekatan advance approach (value at risk) masih belum banyak diterapkan oleh bankbank di Indonesia termasuk pada bank tempat kami melakukan penelitian. Tujuan dari penulisan ini adalah untuk mengetahui bagaimana menghitung besarnya risiko pasar dari portofolio obligasi dalam rangka memenuhi perhitungan kebutuhan modal baru dengan menggunakan teknik-teknik : Perhitungan Value at Risk (VaR) dengan pendekatan variance-covariance dengan estimasi volatilitas menggunakan model Exponentially Weighted Moving Average (EWMA), melakukan uji validasi permodelan dengan teknik Back Testing dan Kupiec Testing serta menghitung capital charge yang hams disediak:an untuk mengcover risiko pasar dari portofolio obligasi yang dimiliki bank. Sebelum sampai pada perhitungan VaR portofolio obligasi, penetapan spesifikasi model yang digunakan sebagai acuan pengolahan data sebagai berikut :
- Perhitungan V aR porto folio obligasi menggunakan portofolio trading yang dimiliki bank posisi tanggal 30 Juni 2003 sebesat Rp. 1.824.127.000.000
- Pembentukan yield curve menggunakan Bradley Crane Model. Hal ini dilakukan karena tidak tersedianya data harianyield curve.
- Confidence Level (CL) yang digunakan 95% dan 99% (one tailed).
- Holdingperiode ditetapkan selama 1 (satu) hari.
- Forecast yield volatility menggunakan EWMA, dengan penetapan decay factor (A.) sebesar 0.94 dan penetapan nilai decay factor yang besamya ditetapkan berdasarkan perolehan mean squared error (MSE) yang terkecil.
- Melakukan validasi permodelan dengan teknik Back Testing dan Kupiec Testing terhadap data observasi (periode Januari 2003 s.d Juni 2003) dan data out of sample (periode Juli 2003 s.d Agustus 2003). Dengan spesifikasi model diatas, perhitungan yield curve menggunakan Bradley Crane Model menghasilkan data time series yield curve sebanyak 121 titik untuk data observasi dan sebanyak 43 titik untuk data out of sampel untuk 19 jenis yield to maturity (YTM). Dari data tersebut kemudian dilakukan forecast yield volatility dengan permodelan EWMA. Hasil perhitungan forecast dengan model EWMA (.A= 0,94) setelah dilakukan back testing untuk data observasi maupun data out of sample menghasilkan sejumlah failure. Sedangkan untuk model EWMA yang nilai decay factornya ditetapkan berdasarkan nilai MSE terkecil, secara keseluruhan dari 19 jenis YTM nilai MSE terkecilnya berada pada nilai A, = 0,99. Penetapan nilai tersebut diperoleh dari hasil forecast yang sabagian besar dipengaruhi oleh variance return pada hari yang bersangkutan dan sebagian kecil dari hasil forecast 1 (satu) hari sebelumnya. Setelah dilakukan proses back testing (data observasi maupun data out of sample), permodelan ini tidak menghasilkan failure. Dari kedua model EWMA tersebut kemudian dilakukan validasi dengan Kupiec Testing, dan temyata secara statistik proportion of failures yang dihasilkan model dapat diterima (valid), sehinggaforecast yield volatility yang dihasilkan kedua model tersebut baik untuk CL 95% maupun CL 99% dapat digunakan untuk menghitung VaR. Dalam penelitian ini perhitungan VaR dibedakan antara VaR Diversified yang memperhitungkan risk correlation dan VaR Undiversified yang tidak memperhitungkan risk correlation. Sesuai dengan teori membuktikan bahwa dengan memperhitungkan risk correlation menghasilkan nilai VaR yang lebih rendah karena adanya efek diversifikasi. Dari hasil perhitungan VaR memperlihatkan bahwa permodelan EWMA (A.=0,94) menghasilkan nilai VaR yang lebih rendah dibanding permodelan EWMA (A=0,99), namun nilainya tidak jauh berbeda. Disamping itu, dari perhitungan VaR juga memperlihatkan bahwa dengan menggunakan CL 99% menghasilkan nilai V aR yang lebih besar dibanding CL 95%. Hal ini disebabkan dengan semaki.n besamya CL, nilai statistik (a.) yang digunakan untuk menghitungyield volatilitas juga semakin besar. Dengan memperbitungkan risiko pasar kedalam perbitungan CAR maka peroleban CAR posisi 30 Juni 2003 sebesar 12,36% mengalami penurunan antara 0,06% s.d 0,09% untuk setiap permodelan ( dengan asumsi bukan hanya posisi obligasi trading pada tanggal 30 Juni 2003 yang dihitung dalam market risk). Secara ringkas basil perbitungan VaR, capital charge dan CAR sebagai berikut: Dari hasil penelitian dapat disimpulkan babwa perbitungan VaR portofolio obligasi dengan pendekatan variance covariance yang forecast volatilitasnya menggunakan permodelan EWMA dapat digunakan bank dalam perbitungan risiko pasar. Sedangkan penetapan decay factor dalam perhitungan forecast, untuk kondisi di Indonesia pada saat ini yang paling cocok adalab sebesar 0,99. Hal ini telab dibuktikan bahwa permodelan EWMA (A. = 0.99) tidak menghasilkan failure, walaupun basil perbitungan VaR dan capital charge-nya sedikit lebib besar, namun basil akhir perbitungan CAR-nya tidakjauh berbeda dibanding permodelan EWMA (A.= 0,94).

Abstrak :
Penelitian ini bertujuan untuk mengetahui risiko pasar yang dihadapi emiten sektor transportasi di negara-negara emerging market Asia serta korelasi risiko antara emiten yang bersangkutan serta simulasi peramalan harga saham. Kami menggunakan data historis harga saham harian pada periode sebelum dan sesudah pandemi Covid-19. Metode penelitian yang digunakan dengan pemodelan GARCH normal untuk volatilitas, sedangkan risiko pasar dihitung menggunakan pendekatan expected shortfall (ES). Korelasi risiko antar emiten dihitung dengan menggunakan metode Pearson. Simulasi peramalan disediakan oleh pendekatan GARCH(1,1). Hasil penelitian menunjukkan bahwa respons emiten di sektor transportasi terhadap pandemi Covid-19 berbeda-beda tergantung dari sub sektor tempat perusahaan menjalankan usahanya. Korelasi antar emiten menunjukkan angka yang cukup rendah, namun pasar saham China dan Taiwan menunjukkan korelasi positif yang kuat pada sub sektor yang sama. Pergerakan harga saham dalam 100 hari ke depan cenderung mengikuti tren periode akhir tahun 2022. Ke depan, dapat dilakukan penelitian lebih lanjut terkait pengukuran risiko dengan pendekatan lain pada sektor lain dengan objek penelitian yang lebih luas secara lebih komprehensif. ......This study aims to determine the market risks faced by issuers in the transportation sector in Asian emerging market countries as well as the risk correlation between the issuers concerned and stock price forecasting simulations. We use historical data on daily stock prices in the period before and after the Covid-19 pandemic. The research method used is normal GARCH modeling for volatility, while market risk is calculated using the expected shortfall (ES) approach. The risk correlation between issuers is calculated using the Pearson method. Forecasting simulation is provided by the GARCH(1,1) approach. The results of the study show that the response of issuers in the transportation sector to the Covid-19 pandemic varies depending on the sub-sector where the company runs its business. The correlation between issuers shows a fairly low number, but the Chinese and Taiwanese stock markets show a strong positive correlation in the same sub-sector. Stock price movements in the next 100 days tend to follow the trend for the end of 2022 period. In the future, further research can be carried out regarding risk measurement using other approaches in other sectors with a broader research object in a more comprehensive manner.

Abstrak :
Tesis ini membahas pengukuran risiko pasar atas investasi portofolio Surat Utang Negara (SUN). Pengukuran tersebut dapat berguna sebagai bahan pertimbangan trade off antara return dan risiko atas dana yang dihimpun dari masyarakat. Manfaat lainnya adalah sebagai dasar perhitungan jumlah modal minimum yang harus dimiliki bank untuk memproteksi kerugian akibat volatilitas pasar dari investasi SUN tersebut. Tujuan dari penelitian ini adalah untuk mengukur dan membandingkan dua metode pengukuran atas risiko pasar SUN dan mengkaji implikasi (efektifitas dan efisiensi) dari kedua pendekatan teesebut terhadap capital charges dan efeknya bagi kinerja keuangan. Metode yang digunakan adalah pendekatan standardized model dan pendekatan internal model (Value at Risk). Dari hasil yang telah diperoleh maka dapat disimpulkan bahwa pengukuran risiko pasar atas portofolio SUN trading Bank XYZ dengan pendekatan VaR menghasilkan angka yang lebih akurat dibandingkan pendekatan standar sehingga alokasi modal menjadi jauh lebih efektif.

---

This thesis explains about market risk measurement of government bonds portfolio. It uses as jugdment for valuing trade off between risk and return from funding investment. In addition, it is useful for calculating minimum capital requirement to protect bank from losing caused by market volatility. The purpose of this research is to measure and compare two measurement methodology of goverment bonds market risk and analyze implication (effectivity and efficiency) those two approach regarding capital charges and the effect for financial performance. The two methods used, are standardized model and internal model (Value at Risk). From the result of this research, the conclusion is market risk measurement of goverment bonds using VaR shows more accurate than standar approach so capital allocation will be more effective.

Abstrak :
Krisis ekonomi yang mulai terjadi pada pertengahan tahun 1997 berawal dari krisis keuangan yang melanda perbankan nasional. Rapuhnya ketahanan (strengthen) sistem perbankan pada waktu itu, antara lain disebabkan sikap manajemen bank yang lebih mengutamakan keuntungan jangka pendek atau keuntungan sesaat tanpa menghiraukan risiko jangka panjang. Demikian pula, sistem pengawasan bank yang belum sepenuhnya menerapkan ketentuan BIS menyebabkan risiko-risiko yang terdapat dalam kegiatan usaha bank belum menjadi objek pengawasan Bank Indonesia. Risiko-risiko tersebut menjadi salah satu penyebab hancurnya perbankan nasional, karena kerugian yang terjadi akibat adanya risiko tidak diantisipasi sebelumnya. Setiap kegiatan usaha bank, mengandung berbagai macam risiko seperti risiko kredit (credit risk), risiko pasar (market risk), risiko likuditas (liquidity risk), risiko operasional (operational risk), risiko hukum (legal risk), risiko reputasi (reputational risk), risiko strategik (strategic risk) dan risiko kepatuhan (compliance risk). Risiko tersebut tidak mungkin ditiadakan atau dihilangkan dalam kegiatan bisnis bank, namun hanya dapat dikelola sehingga terkendali (manageable) pada batas (limit) yang dapat diterima (acceptable). Oleh karena itu, tugas utama manajemen bank adalah mengelola dan mengendalikan risiko agar tidak melampaui tingkat yang tidak dapat ditolerir (unacceptable) yang dapat merugikan atau bahkan membahayakan kelangsungan usaha bank. Bank-bank harus dapat meng-absorb setiap risiko yang terdapat dalam transaksi yang dilakukan. Agar dapat mengelola risiko dengan baik, bank wajib pula memiliki risk management atau sistem pengendalian risiko yang memadai. Kegiatan pengendalian risiko bank dapat dibagi dalam 3 tahap, yaitu mengurangi kemungkinan terjadinya risiko, mengurangi dampak negatif atau kerugian terhadap bank, dan menerima risiko dengan shifting (hedging) atau menambah modal. Proses pengendalian risiko ini harus dilengkapi dengan guidelines, organisasi, sumber daya manusia (SDM) pendukung (risk grup), dan sistem informasi yang baik. Pihak-pihak yang terlibat dalam manajemen risiko perbankan adalah regulator, pengawas bank, pemegang saham, direksi, manajer senior, internal auditor, eksternal auditor dan publik. Masing-masing pihak mempunyai akuntabilitas dan kepentingan atas risiko-risiko yang diakibatkan oleh transaksi-transaksi perbankan. Hingga saat ini, perhitungan CAR bank di Indonesia masih mengacu pada Basle Accord 1988, belum mengadopsi Arnendement To The Capital Accord To Incorporated Market Risk 1996. Oleh karena Itu CAR tersebut belum menggambarkan kinerja bank yang sesungguhnya karena belum memperhitungkan market risk. Pada hal sejak akhir tahun 1997 bank-bank yang telah memiliki jaringan internasional (internationally-active banks) di negara-negara maju telah mulai menerapkan market risk dalam perhitungan CAR, sehingga CAR sebesar 8% selain untuk mengcover credit risk juga untuk mengcover market risk. Market Risk merupakan risiko yang sangat penting dalam kegiatan usaha bank. Risiko tersebut meliputi Risiko Khusus (Specifik Risk), Risiko Umum (General Market Risk), Equity Position Risk, Risiko Niiai Tukar (Foreign Exchange Risk), Risiko Komoditi (Commodities Risk) dan Risiko Harga Option (Option Risk). Namun sesuai dengan lingkup kegiatan usaha dan jenis transaksi yang dilakukan oleh perbankan di Indonesia, pada saat ini hanya Specifik Risk, General Market Risk dan Foreign Exchange Risk saja yang telah dapat di exercise dalam perhitungan CAR bank. Untuk mengukur capital charge market risk, bank diharuskan menggunakan Metode Standar BIS. Namun B1S memperkenankan pula untuk menggunakan internal model, seperti metode Value at Risk (VaR). Dalam tesis ini exercise capital charge market risik dilakukan dengan menggunakan Metode Standar BIS. Penggunaan Internal Model belum dapat dilakukan mengingat adanya beberapa kendala, antara lain ketersediaan data pendukung (data base), belum baiknya sistem informasi bank, keterbatasan sumber daya manusia dan belum tersedianya software untuk memperoses data. Exercise market risk dilakukan terhadap Bank A, Bank B, Bank C dan Bank D yang menghasilkan capital charge risiko spesifik masing-masing sebesar Rp15.233 juta, Rp19.067 juta, Rp6.627 juta dan Rp4.116 juta, capital charge risiko umum masing-masing sebesar Rp46.719 juta, Rp62.034 juta, Rp89.746 juta dan Rpl.014 juta serta capital charge risiko nilai tukar masing-masing sebesar Rp20.290 juta, Rp907 juta, Rp26.212 juta dan Rpl.014 juta. Sedangkan total capital charge ketiga risiko tersebut masing-masing sebesar Rp82.242 juta, Rp82.008 juta, Rp122.584 juts dan Rp11.291 juta. Dampak capital charge market risk terhadap penurunan CAR Bank A, Bank B, Bank C dan Bank D masing-masing sebesar 0,10%, 0,88%, 3,70% dan 0,07%. Setelah memperhitungkan capital charge market risk tersebut diketahui bahwa Bank A, Bank B, dan Bank C tetap memiliki CAR di atas 8% sehingga tidak melanggar ketentuan Bank Indonesia. Khusus untuk Bank D sebelum di exercise telah memiliki CAR dibawah 8%. Hal ini membuktikan bahwa penerapan market risk dalam perhitungan CAR bank belum mengkhawatirkan, karena sesuai dengan kegiatan usaha dan jenis transaksi bank-bank di Indonesia capital charge market risk terbukti belum berdampak siginifikan menurunkan CAR bank, khususnya pada 4 bank yang diteliti.

Abstrak :
Sejalan dengan perkembangan instrumen keuangan dan semakin kompleksnya usaha bank, maka Bank Indonesia selaku pengawas bank, melanjutkan langkah-langkah menuju implementasi pengawasan berbasis risiko dengan mengeluarkan peraturan Bank Indonesia nomor: 5/12/PBI/2003 tentang: Kewajiban Penyediaan Modal Minimum Bank Umum Dengan Memperhitungkan Risiko Pasar yang dikeluarkan pada tanggal 17 Juli 2003. Sesuai dengan peraturan Bank Indonesia tersebut, Bank diwajibkan untuk memperhitungkan risiko pasar dalam perhitungan kewajiban penyediaan modal minimum sebesar 8% dengan menggunakan model standar yang telah ditetapkan oleh Bank Indonesia, sedangkan model internal dapat digunakan oleh Bank untuk keperluan manajemen risiko secara internal maupun untuk mengantisipasi kebijakan di masa mendatang. Dalam tesis ini dibahas penerapan risiko pasar di Bank X, baik menggunakan model standar Bank Indonesia maupun model internal, yang mengunakan metode VaR parametric dan historical. Perhitungan market risk capital charges dengan menggunakan model internal sudah memperhitungkan efek volatilitas dan korelasi antar faktor risiko. Relatif stabil-nya nilai tukar dan suku bunga dalam beberapa waktu terakhir menyebabkan basil perhitungan market risk capital charges dengan model internal menghasilkan nilai yang relatif lebih rendah dibandingkan dengan model standar Bank Indonesia. Dampak langsung penerapan market risk capital charges terhadap aspek permodalan perbankan nasional adalah turun-nya capital adequacy ratio (CAR) masing-masing Bank, sesuai dengan besarnya eksposur instrumen yang sensitif terhadap faktor risiko pasar. Dalam kasus Bank X untuk periode pengamatan sejak bulan Januari 2003 sampai dengan bulan Agustus 2003 terjadi penurunan CAR kurang lebih sebesar 1,19%. Mempertimbangkan fungsi utama perbankan sebagai lembaga intermediasi, dimana salah satu peran utama perbankan dalam menunjang pertumbuhan ekonomi adalah melalui kemampuan perbankan untuk memberikan fasilitas pinjaman kepada masyarakat yang membutuhkan dana, maka dampak penurunan CAR akibat market risk capital charges akan menyebabkan kemampuan ekspansi kredit perbankan nasional menjadi menurun. Dalam kasus Bank X setelah dilakukan simulisi terhadap "shadow capital" yang dimiliki maka kemampuan ekspansi kredit Bank X dapat lebih di¬optinmalkan melalui alokasi kredit terhadap sektor industri yang dikenakan ATMR yang relatif lebih rendah dibandingkan dengan kredit komersial dan atau melalui perubahan dalam treasury asset yang dimiliki.

Abstrak :
Sepanjang tahun 2003 - 2004, minyak mentah mengalami kenaikan. Kenaikan harga minyak ini discbabkan oleh pcrkembangan ekonomi dunia. Kenaikan harga minyak mentah ini membuat khawatir industri perminyakan, terutama industri pengolahan minyak mentah. Kenaikan harga minyak mentah ini dikhawatirkan turun menaikkan volatilitas dan risiko dari pergerakan harga minyak. Kenaikan volatilitas mcnycbabkan kenaikan risiko pasar bagi yang terlibat dalam trading minyak mentah dan menyebabkan variabel makroekonomik memburuk. Kenaikan volatilitas dan risiko pasar dalam harga minyak dapat mcnycbabkan spekulasi dalam trading minyak mentah yang dapat mcningkatkan volatilitas dan risiko pasar lebih lanjut. Untuk itu, penelitian ini ditujukan untuk mengetahui bagaimana mengukur volatilitas harga minyak, dan berapa besar kenaikan atau penurunan volatilitas pada tahun 2003-2004 dibandingkan .dengan tahun 2001-2002, berapa besarnya kenaikan risiko pasar yang ditanggung oleh kalangan industri minyak akibat pergerakan harga ini dengan pendekatan value at Risk (VaR), seberapa baik/valid pendekatan tersebut dalam mengestimasi potensi kerugian dengan pengujian backzesting. dan bagaimana upaya-upaya memitigasi risiko pasar tersebut. Penelitian ini menggunakan data sekunder berupa data harga minyak mentah berupa harga spot dan harga future. Untuk spot. harga minyak yang akan diukur volatilitasnya adalah harga spot berupa WTI dan Brent untuk gambaran pasar dunia dan Minas atau disebut juga Sumatran Light Crude (SLC) untuk untuk gambaran pasar nasional. Untuk harga futures, digunakan harga futures NYMEX. Penggunaan Jenis minyak ini diharapkan memberikan gambaran volatilitas minyak dunia secara keseluruhan. Penelitian ini dilakukan dengan metode Analytical VaR dengan penggunaan ARCH atau LARCH untuk data return yang bersifat heteroskedastik dan standar deviasi untuk data return yang bersifat homoskedastik. Setelah dilakukan pengumpulan data, tahap penclitian yang dilakukan adalah penctapan exposure dan holding period yang scsuai untuk karaktcristik perdagangan minyak mentah, dan pengolahan data. Pengolahan data harga minyak mentah diawali dengan perhitungan return, pengujian data return. perhitungan volatilitas, perhitungan VaR dan diakhiri oleh pengujian validitas. Data yang didapat dilakukan pembahasan sebelum ditarik kesimpulan. Hasil penelitian mcnunjukkan volatilitas return minyak mentah cenderung mcningkat. Volatilitas harga minyak untuk spot pada periode 2003-2004 dibandingkan dengan periode 2001-2002 untuk jenis Brent mengalami penurunan sebesar 12,69%, untuk jenis SLC mengalami kenaikan sebesar 546%, dan untuk jenis WTI mengalami kenaikan sebesar 3.37%. Pada pasar futures, volatilitas harga NYMEX Futures pada periode 2003-2004 dibandingkan dengan periode 2001-2002 untuk kontrak satu bulan mengalami kenaikan sebesar 10,51%, untuk kontrak dua bulan mengalami kenaikan sebesar 13,17%. untuk kontrak tiga bulan mengalami kenaikan sebesar 15,6%, dan untuk kontrak empat bulan mengalami penuninan sebesar 0,30%. Hasil perhitungan VaR menunjukkan kenaikan nilai untuk seluruh jenis minyak mentah. Besarnya kenaikan nilai VaR pada periode 2003-2004 dibandingkan periode 2001-2002 yang hams ditanggung pada pasar spot untuk minyak mentah jenis WTI adalah sebesar 25,71%, untuk minyak mentah jenis Brent sebesar 17,25%, sedangkan untuk minyak mcntah jenis SLC mengalami kenaikan sebesar 26,13%. Pada pasar futures, besarnya kenaikan risiko pasar untuk NYMEX Futures pada periode 2003-2004 dibandingkan dengan periode 2001-2002 untuk kontrak satu bulan adalah sebesar 47,93%, untuk kontrak dua bulan sebesar 48,72%, untuk kontrak tiga bulan mengalami kenaikan sebesar 62,42%, dan untuk kontrak empat bulan sebesar 15,6%. Berdasarkan hasil pengujian validitas dengan metode Kupiec Test, diperoleh hasil bahwa perhitungan risiko pasar dengan VaR mampu mengestimasi potensi kerugian di masa yang akan datang. Jumlah penyimpangan antara nilai VaR dan actual loss masih berada dalam batas toleransi schingga memberikan hasil yang lcbih akurat dan nilai VaR yang dihasilkan dapat mcnangkap pcrgcrakan actual loss yang ada. Dari hasil penelitian tersebut dapat disimpulkan bahwa pengukuran volatilitas harga minyak mentah dapat dilakukan dengan pendekatan ARCHIGARCH dengan besar kenaikan bervariasi antara -12,69% untuk jenis Brent hingga 15.6% untuk NYMEX Futures untuk kontrak tiga bulan. Besarnya kenaikan risiko pasar akibat pergerakan harga ini berkisar dari 15,6% hingga 62,42%. Pendekatan VaR cukup baik untuk mengestimasi potensi kcrugian sebagaimana yang ditunjukkan pada pengujian backlesting. Upaya-upaya mitigasi yang perlu dilakukan adalah dengan melakukan hedging dan mclakukan kontrak dengan formula harga yang mengacu pada harga minyak yang mernpunyai VaR yang rendah. Hedging dapat dilakukan dengan mclakukan perdagangan produk-produk derivatif dari transaksi yang di-hedge pada posisi yang berlawanan atau dengan money market instrument seperti bond. Transaksi derivatif yang dapat digunakan adalah futures, swap atau option. Hasil perhitungan menunjukkan bahwa perubahan harga acuan kontrak dapat menurunkan VaR WTI spot periodc 2003-2004 sebesar 12,14%. sedangkan hedging dengan futures menurunkan VaR sebesar 46,98%, dengan option sebesar I ,91%, dengan swap sebesar 7,69% dan dengan bond sebesar 0,18%.

---

During 2003 and 2004, crude oil price was increasing. This increase was led by world economic growth. This increase made a concern in oil industry, especially refinery industry. This increase was believed to make an increase in volatility and risk in oil price movement. The increase in volatility raised market risk. The increase in volatility made a decrease in macroeconomics variable and led more speculations in crude oil trading that made the increase grew faster. The purposes of this research were to know how to calculate crude oil volatility, and to compare year 2003-2004 period to year 2001-2002 period and to find out how much of market risk that had to be barred by the industry by using Value at Risk (VaR). The purposes of this research were also to find out the validity of the VaR approach in estimating potential loss and to find out how to mitigate the risk. This research was using secondary data, which consist of spot and future prices. WTI and Brent were used to represent global market of crude oil spot prices and SLC was used to represent Indonesian crude oil spot price. NYMEX Futures are used to represent futures market. These prices were used to represent the volatility of world crude price movement. This research was conduct by using Analytical .VaR using ARCI-VGARCH for heteroskedastic return data and standard deviation for homoskedastic return data.. After data gathering. the steps conducted in this research were exposure and holding period estimation to suit oil trading characteristic, and data processing. The processing begun with return calculation_ return testing. volatility calculation, VaR calculation and ended with validity testing. This research shows that the volatility of crude oil return tended to increase. Oil crude volatility in spot market in year 2003-2004 period compared with year 2003-2004 period for WTI type was increased by 3.37%, for Brent type decreased by 12.69%, and for SLC type increased by 5,66%. In futures market, the NYMEX Futures volatility in year 2003-2004 period compared with year 2003-2004 periods for one-month contract was increased by 10.51%, for two month contract increased by 13.17, for three month contract increased by 15.6%, and for four month contract decreased by 0.3%. The VaR calculation shows increase in value for all type of crude Oil. The increase rates of VaR values in spot market in year 2003-2004 period compared with year 2003-2004 period were 25.71% for WTI type, 17.25% for Brent type, and 26.13% for SLC type. In futures market, the NYMEX Futures increase rates for market risk in year 2003-2004 period compared with year 2003-2004 period were 47.93% for one month contract, 48.72% for two month contract, 62.42% for three month contract, and 15.6% for four month contract. Validity test with Kupiec test method result shows that market risk calculation with VaR was able to estimate potential loss in the future. Overshoot between VaR Value and actual loss was still in tolerable range and it gave accurate results. The VaR value result could catch actual loss movement. This research concluded that crude oil price volatility measurement could be done by ARCHIGARCH method with result increase rate value range between -12.69% and 15.6%. The increase rates for market risk caused by this price movement were between 15.6% and 48.72%. VaR method was valid to estimate potential loss as shown in validity test. Mitigation step that can be taken was to hedge and to change the price reference in contract that has low VaR value. Hedging can be done by trading its derivatives in opposite direction or using money market instrument, such as bond. Derivatives products that can be used were futures, swap or options. The calculation resulted that change of price reference decreased VaR value of WTI spot period 2003-2004 to 12.14%, and hedging with futures decreased by 46.98%, with options by 1.91% and with bond by 0.18%.

Abstrak :
Setiap transaksi valuta asing yang dilakukan Bank terdapat potensi keuntungan dan potensi risiko berupa kerugian. Untuk mengendalikan risiko tersebut, Bank perlu menerapkan manajemen risiko yang memadai, mulai dari identifikasi risiko, pengukuran risiko, dan Pengendalian Risiko. Pengukuran risiko nilai tukar dapat menggunakan Value at Risk dengan pendekatan Risk Metrics dan Variance-Covariance. Dalam pengendalian risiko dapat dilakukan dengan penentuan limit risiko berupa limitValue at Risk dan limit eksposur trading.Dalam penetapan limit risiko tersebut juga mempertimbangkan risk appettiteyang ditetapkan Bank. ......Every foreign exchange transactions by the Bank are has its potential of benefits risks of loss. To mitigate these risks, Bank needs to implement adequate risk management, ranging from risk identification, risk measurement, and risk control. Exchange rate risk measurement can use Value at Risk with Risk Metrics and Variance-Covariance approach. Risk controlling may contained with risk limit form as Value at Risk limit and trading exposure limit. The establishment of risk limits are also consider Bank risk appetite.

Abstrak :
ABSTRAK
Salah satu tahapan di dalam proses investasi adalah pembentukan portfolio asset yang dijadikan obyek investasi. Maksud dari pembentukan portfolio adalah untuk menekan risiko sedemikian sehingga risiko tersebut berada pada titik optimal, yakni sampai pada kondisi risiko total sama dengan risiko sistematis atau risiko pasar.

Ukuran besarnya risiko sistematis saham adalah indeks beta yang menunjukkan sensitivitas tingkat pengembalian surat berharga saham terhadap tingkat pengembalian indeks pasar yang telah disesuaikan dengan tingkat pengembalian bebas risiko. Tingkat pengembalian pasar ditunjukkan oleh besarnya pengembalian indeks harga saham gabungan ataupun indeks beberapa saham tertentu yang _dianggap representatif Untuk indeks harga saham ini di Bursa Efek Jakarta dikenal ada lliSG dan LQ45.

Capital Asset Pricing . Model menempatkan indeks beta sebagai koefisien yang bermanfaat untuk menghitung besarnya tingkat pengembalian investasi pada tingkat pengembalian pasar dan tingkat pengembalian bebas risiko yang sudah tertentu. Meskipun koefisien beta mempunyai arti yang penting namun metode yang lazim digunakan untuk menghitungnya, misalnya Metode Indeks Tunggal, tidak memaparkan faktor-faktor yang mempengaruhi besarnya variabel tersebut.

Beaver, Kettler, dan Scholes menyatakan bahwa Indeks Beta dipengaruhi oleh nilai besaran-besaran akuntansi: dividend payout (1), asset growth (2), leverage (3), liquidity (4), asset size (5), earning-price ratio deviation standard (6), dan accounting beta yang merupakan angka sensitivitas keuntungan perusahaan terhadap rata-rata keuntungan seluruh populasi atau sampel (7). Menurut model ini variabel dividend pay-out dan liquidity diharapkan mempunyai bubungan negatif dengan indeks beta dan variabel-variabel lainnya mempunyat bubungan positif.

Penelitian dilakukan dengan alat analisis regt:esi cross sectional terbadap 80 perusabaan emiten di Bursa Efek Jakarta yang meliputi selurub bidang usaba yang ada selain lembaga keuangan. Alasan tidak menggunakan lembaga keuangan sebagai sampel adalah karena lembaga tersebut mempunyai ukuran ratio-ratio keuangan dan besaran akuntansi yang berbeda dengan jenis usaha lainnya. Hasil penelitian dengan model yang sama menunjukkan babwa terjadi penyimpangan terbadap model, yakni variabel dividend pay-out yang diharapkan mempunyai bubungan negatif temyata hasil penelitian menunjukkan terjadi hubungan positif meskipun tidak sahih. Selain itu variabel likuiditas menurut basil penelitian diketahui mempunyai hubungan positif dengan tingkat signifikansi yang cukup sahib (91,476%).

Penelitian juga membabas pengaruh kondisi perekonomian mutakhir yang ditandai melemahnya nilai tukar rupiah terhadap US$ terhadap kinerja Bursa Efek Jakarta yang diukur dengan IHSG dan LQ45 serta kinerja keuangan sabam-saham yang masuk di dalam kelompok top gainer dan top loser. Bersamaan dengan melemahnya nilai tukar upiah terhadap US dollar, IHSG dan LQ45juga mengalami posisi bearish. Secara individual, laba (rugi) bersib emiten saham-sabam banyak dipengaruhi oleh pos-pos penerimaan (beban). bunga, keuntungan (kerugian) selisib kurs, dan laba (rugi) extra ordinary.