Analisis asumsi return berdistribusi normal pada estimasi nilai value at risk

Abstract

Pada masa ini, ada bisnis yang sedang digemari oleh banyak orang, yaitu perdagangan mata uang asing atau yang lebih dikenal dengan sebutan foreign exchange atau biasa disebut forex. Industri forex memiliki volume perdagangan yang besar, selain itu forex juga memiliki volatilitas perdagangan yang besar. Volatilitas yang besar memang dapat memberikan keuntungan yang besar dalam waktu yang singkat, namun juga bisa menjadi sebaliknya. Dalam hal ini seorang trader tidak boleh terlalu fokus pada potensi keuntungan yang dapat diperoleh, namun juga harus mengetahui seberapa besar risiko kerugian yang akan terjadi. Salah satu metode yang dapat mengukur risiko tersebut adalah Value at Risk (VaR), yang bertujuan untuk mengukur risiko kerugian suatu aset dalam rentang waktu tertentu dan tingkat kepercayaan tertentu. VaR seringkali diestimasi dengan mengasumsikan pergerakan harga mengikuti distribusi normal, namun pada kenyataannya pergerakan harga umumnya tidak berdistribusi normal, sehingga perlu dilihat pengaruh asumsi normalitas terhadap estimasi nilai VaR. Uji normalitas dalam skripsi ini dilakukan dengan melakukan uji Jarque-Bera dan uji Kolmogorov-Smirnov. Metode dalam mengestimasi VaR akan dilakukan dengan menggunakan dua metode, yakni simulasi Monte Carlo dan pencocokan distribusi. Metode simulasi Monte Carlo yang digunakan pada skripsi ini mengasumsikan pergerakan harga mengikuti Gerak Brown Geometrik dan Student t Copula. Metode pencocokan distribusi dilakukan dengan mencocokkan data terhadap distribusi normal, logistik, Laplace, dan Weibull. Metode estimasi VaR akan dilakukan untuk portofolio yang dibentuk atas empat pair, yaitu XAUUSD, EURUSD, GBPUSD, USDJPY dengan proporsi yang sama untuk masing-masing pair. Setelah estimasi VaR diperoleh akan dilakukan backtesting untuk menguji validitas dari kedua metode. Backtesting pada skripsi ini akan dilakukan dengan menggunakan Uji Kupiec. Dari hasil backtesting, kedua metode memberikan hasil estimasi VaR yang sangat baik.