Apa itu Value at Risk (VaR)?
▾
Value at Risk (VaR) adalah ukuran statistik yang mengukur potensi kerugian finansial yang mungkin dialami suatu portofolio selama jangka waktu tertentu pada tingkat kepercayaan tertentu. Misalnya, VaR 1 hari sebesar 95% sebesar $1 juta berarti terdapat 95% kemungkinan bahwa portofolio tidak akan mengalami kerugian lebih dari $1 juta dalam satu hari perdagangan — atau setara dengan 5% kemungkinan kerugian akan melebihi $1 juta pada hari tertentu. VaR menjadi metrik risiko yang dominan di lembaga keuangan setelah publikasi metodologi RiskMetrics oleh J.P. Morgan pada tahun 1994 dan kemudian dimasukkan dalam kerangka peraturan Basel II dan Basel III untuk kecukupan modal bank. VaR dapat dihitung dengan menggunakan tiga pendekatan utama. Metode Simulasi Historis menggunakan distribusi historis aktual dari imbal hasil portofolio, memutar ulang pengamatan imbal hasil di masa lalu untuk menyusun distribusi kerugian dan membaca persentil yang relevan. Metode Parametrik (Variance-Covariance) mengasumsikan return terdistribusi normal dan menggunakan mean return portofolio, deviasi standar, dan skor z distribusi normal untuk menghitung VaR secara analitis. Metode Simulasi Monte Carlo menghasilkan ribuan skenario pengembalian acak berdasarkan asumsi distribusi dan korelasi tertentu, menghasilkan distribusi kerugian sintetik yang digunakan untuk memperkirakan VaR. Setiap metode memiliki kekuatan dan keterbatasan. Simulasi historis bersifat intuitif tetapi dibatasi oleh kualitas dan panjang kumpulan data historis. Metode parametrik secara komputasi sederhana tetapi gagal ketika distribusi pengembalian memiliki ekor yang gemuk atau eksposur risiko non-linier (misalnya opsi). Monte Carlo adalah yang paling fleksibel namun intensif komputasi dan sensitif terhadap asumsi model. VaR banyak digunakan oleh bank komersial, bank investasi, dana lindung nilai, manajer aset, perusahaan asuransi, dan dana pensiun. Hal ini merupakan persyaratan peraturan untuk perhitungan modal risiko pasar berdasarkan Basel III (menggunakan Pendekatan Model Internal) dan diungkapkan dalam laporan tahunan lembaga keuangan besar. Meskipun terdapat di mana-mana, VaR memiliki keterbatasan yang terdokumentasi dengan baik: VaR tidak menggambarkan tingkat keparahan kerugian di luar ambang batas kepercayaan (tail loss), dapat meremehkan risiko selama tekanan pasar, dan dapat menciptakan presisi yang salah. Langkah-langkah pelengkap seperti Expected Shortfall (CVaR) dan stress test selalu digunakan bersamaan dengan VaR untuk manajemen risiko yang komprehensif.
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
Rumus
▾
Parametrik VaR = W × (μ × T − z × σ × √T)
VaR historis = Persentil (distribusi P&L, 1 - tingkat kepercayaan)Keterangan variabel
▾
| Simbol | Nama | Satuan | Deskripsi |
|---|---|---|---|
| VaR | Nilai Berisiko | currency or % | Kerugian maksimum yang diharapkan pada tingkat kepercayaan tertentu selama jangka waktu tertentu. |
| μ | Portofolio Berarti Pengembalian | % per period | Pengembalian rata-rata portofolio selama periode pengukuran historis. |
| σ | Deviasi Standar Portofolio | % per period | Deviasi standar pengembalian portofolio selama periode pengukuran historis. |
| z | Z-Score (Tingkat Keyakinan) | dimensionless | Kuantil distribusi normal yang sesuai dengan tingkat kepercayaan (misalnya 1,645 untuk 95%, 2,326 untuk 99%). |
| T | Cakrawala Waktu | days | Periode kepemilikan dimana VaR diukur; biasanya 1 hari untuk buku perdagangan atau 10 hari untuk modal regulasi. |
| W | Nilai Portofolio | currency | Nilai pasar portofolio saat ini; digunakan untuk mengubah persentase VaR menjadi dolar VaR. |
Cara Value at Risk (VaR)
▾
- 1Tentukan parameternya: pilih tingkat kepercayaan (biasanya 95% atau 99%), jangka waktu (1 hari atau 10 hari), dan nilai portofolio.
- 2Untuk VaR Parametrik: kumpulkan rangkaian imbal hasil harian portofolio, hitung rata-rata imbal hasil harian (μ) dan deviasi standar (σ), lalu hitung VaR = W × (z × σ × √T − μ × T), dengan z = 1,645 untuk 95% atau 2,326 untuk 99%.
- 3Untuk Simulasi Historis: kumpulkan setidaknya 250–500 observasi return harian, urutkan dari yang terburuk hingga terbaik, dan identifikasi persentil ke-5 (untuk 95% VaR) atau persentil ke-1 (untuk 99% VaR) dari distribusi kerugian historis ini.
- 4Untuk Monte Carlo: tentukan parameter distribusi keuntungan (rata-rata, volatilitas, korelasi), buat 10.000+ skenario pengembalian acak, buat simulasi distribusi P&L, dan baca persentil yang sesuai.
- 5Skala dari jangka waktu 1 hari ke jangka waktu yang lebih lama: kalikan VaR 1 hari dengan √T untuk memperkirakan VaR hari T (berlaku berdasarkan aturan akar kuadrat waktu, yang mengasumsikan pengembalian independen).
- 6Uji ulang model VaR dengan menghitung seberapa sering kerugian aktual melebihi estimasi VaR ('pengecualian'). Untuk VaR 99%, diharapkan ada sekitar 2,5 pengecualian per tahun (dari 250 hari perdagangan); secara signifikan lebih menunjukkan kegagalan model.
- 7Laporkan VaR bersama Expected Shortfall (CVaR) — kerugian rata-rata karena kerugian tersebut melebihi VaR — untuk mengkarakterisasi bagian ekor dari distribusi kerugian yang melampaui ambang batas VaR.
Contoh Terpecahkan
▾
Ada kemungkinan 5% kehilangan lebih dari $19,374 pada hari perdagangan tertentu.
Menggunakan rumus parametrik: VaR = $1,000,000 × (1,645 × 0,012 − 0,0004) = $1,000,000 × (0,01974 − 0,0004) = $1,000,000 × 0,01934 = $19,340 (kira-kira $19,374 dengan presisi skor-z). Artinya, pada 95% hari perdagangan, kerugian portofolio diperkirakan berada di bawah jumlah tersebut. Pada 5% hari – kira-kira 12 hingga 13 hari perdagangan per tahun – kerugian diperkirakan akan melebihi angka ini. Estimasi VaR ini mengasumsikan imbal hasil berdistribusi normal dan akan meremehkan risiko jika distribusi imbal hasil memiliki ekor yang gemuk.
Basel III mengharuskan bank untuk menahan modal terhadap 99% VaR 10 hari untuk risiko pasar.
Berdasarkan Pendekatan Model Internal Basel III, bank harus menghitung VaR 99% selama 10 hari untuk kebutuhan modal risiko pasar. Menggunakan aturan akar kuadrat waktu: VaR 10 Hari = VaR 1 Hari × √10 = $500.000 × 3,162 = $1.581.139. Bank harus memiliki modal regulasi minimal 3 kali VaR (faktor pengganda) ini sebagai penyangga modal terhadap risiko pasar. Contoh ini menggambarkan bagaimana VaR secara langsung mendorong peraturan persyaratan modal dan keputusan manajemen neraca di lembaga keuangan besar.
Berdasarkan distribusi pengembalian historis aktual — tidak diperlukan asumsi normalitas.
Untuk dana lindung nilai dengan riwayat pengembalian 500 hari, metode simulasi historis memberi peringkat pada 500 observasi P&L harian. Kerugian harian terburuk ke-25 (persentil ke-5 = 500 × 0,05 = observasi ke-25) mewakili 95% VaR. Jika hari terburuk ke-25 mengakibatkan kerugian 3,8% pada portofolio $2.000.000, maka VaR historis adalah $76.000. Metode ini sangat berguna untuk portofolio hedge fund dengan eksposur non-linear (opsi, konvertibel) dimana asumsi normalitas metode parametrik akan gagal, karena metode ini menggunakan realisasi pengembalian aktual tanpa memperhatikan bentuk distribusinya.
10,4% VaR harian — volatilitas ekstrim kripto membuat VaR sangat besar dibandingkan dengan portofolio.
Untuk portofolio mata uang kripto dengan volatilitas harian 4,5% (dibandingkan ~1% untuk portofolio ekuitas pada umumnya), 99% VaR adalah sekitar $100,000 × (2,326 × 0,045 − 0,001) = $100,000 × 0,10367 = $10,377. Artinya, ada peluang 1% kehilangan lebih dari 10% portofolio pada hari tertentu — risiko absolut yang jauh lebih tinggi dibandingkan aset keuangan konvensional. Yang terpenting, model parametrik kemungkinan meremehkan VaR kripto yang sebenarnya karena distribusi pengembalian leptokurtik yang berekor gemuk. Simulasi historis atau teori nilai ekstrim biasanya menghasilkan estimasi yang lebih tinggi untuk kelas aset tersebut.
Aplikasi nyata
▾
Perhitungan modal regulasi Basel III untuk risiko pasar bank berdasarkan Pendekatan Model Internal, mewakili area penerapan penting untuk Value At Risk dalam konteks profesional dan analitis di mana perhitungan value at risk yang akurat secara langsung mendukung pengambilan keputusan yang tepat, perencanaan strategis, dan optimalisasi kinerja
Pemantauan batas risiko harian untuk meja perdagangan di bank investasi dan perusahaan pembuat pasar, mewakili area aplikasi penting untuk Value At Risk dalam konteks profesional dan analitis di mana perhitungan nilai risiko yang akurat secara langsung mendukung pengambilan keputusan yang tepat, perencanaan strategis, dan optimalisasi kinerja
Pengungkapan risiko prospektus dana UCITS yang diwajibkan oleh peraturan UE (metodologi SRRI), mewakili area penerapan penting untuk Value At Risk dalam konteks profesional dan analitis di mana perhitungan nilai risiko yang akurat secara langsung mendukung pengambilan keputusan yang tepat, perencanaan strategis, dan optimalisasi kinerja
Pengoptimalan portofolio: membangun portofolio dengan VaR minimum dalam target pengembalian, mewakili area penerapan penting untuk Value At Risk dalam konteks profesional dan analitis di mana perhitungan nilai risiko yang akurat secara langsung mendukung pengambilan keputusan yang tepat, perencanaan strategis, dan optimalisasi kinerja
Perhitungan modal berbasis risiko perusahaan asuransi untuk risiko pasar portofolio investasi, mewakili area penerapan penting untuk Value At Risk dalam konteks profesional dan analitis di mana perhitungan nilai risiko yang akurat secara langsung mendukung pengambilan keputusan, perencanaan strategis, dan optimalisasi kinerja
Kasus khusus
▾
{'case': 'Portofolio Opsi dan VaR Non-Linear', 'description': 'Untuk portofolio yang berisi opsi, model VaR linier (parametrik) tidak sesuai karena opsi memiliki profil P&L non-linier (eksposur delta, gamma, vega). VaR revaluasi penuh (Simulasi Historis atau Monte Carlo) harus digunakan, dengan menerapkan skenario pengembalian untuk menentukan harga ulang setiap opsi secara individual menggunakan model penetapan harga daripada mengasumsikan perubahan P&L proporsional.'}
{'case': 'Nilai Portofolio Negatif atau Posisi Pendek', 'deskripsi': 'Untuk portofolio dengan posisi pendek bersih, keuntungan dan kerugian dibalik relatif terhadap pergerakan pasar. VaR harus dihitung dari perspektif distribusi laba dan rugi aktual, bukan distribusi imbal hasil aset yang mendasarinya. Posisi short mendapatkan keuntungan dari penurunan pasar namun mengalami kerugian dari kenaikan pasar, sehingga VaR untuk short book harus memperhitungkan risiko pasar naik dibandingkan risiko penurunan.'}
{'case': 'Rincian Korelasi Selama Stres', 'description': 'Model VaR yang mengandalkan korelasi historis antar aset mungkin secara dramatis mengecilkan VaR portofolio selama peristiwa tekanan pasar, ketika aset yang sebelumnya tidak berkorelasi menjadi sangat berkorelasi (korelasi menjadi 1 saat krisis). Manfaat diversifikasi yang diasumsikan di pasar normal dapat hilang secara tiba-tiba, menyebabkan kerugian aktual jauh melebihi perkiraan VaR multi-aset.'}
Skor Z Tingkat Keyakinan VaR dan Tingkat Pengecualian Tahunan
▾
| Tingkat Keyakinan | Skor-Z | Tingkat Pengecualian Harian | Pengecualian yang Diharapkan/Tahun |
|---|---|---|---|
| 90% | 1.282 | 10% | ~25 hari/tahun |
| 95% | 1.645 | 5% | ~12–13 hari/tahun |
| 97,5% | 1.960 | 2,5% | ~6 hari/tahun |
| 99% | 2.326 | 1% | ~2–3 hari/tahun |
| 99,5% | 2.576 | 0,5% | ~1 hari/tahun |
| 99,9% | 3.090 | 0,1% | ~1 hari setiap 4 tahun |
Pertanyaan yang sering diajukan
▾
Apa perbedaan antara VaR dan Expected Shortfall (CVaR)?
VaR menjawab pertanyaan 'berapa kerugian maksimum pada tingkat kepercayaan tertentu?' — namun tidak disebutkan berapa besar kerugian yang bisa terjadi jika melampaui ambang batas tersebut. Expected Shortfall (ES), disebut juga Conditional VaR (CVaR), menjawab pertanyaan pelengkap 'jika kerugian melebihi VaR, berapa kerugian rata-ratanya?' ES selalu lebih besar atau sama dengan VaR dan memberikan gambaran risiko ekor yang lebih lengkap. Misalnya, jika 99% VaR adalah $1 juta, CVaR mungkin $1,8 juta — yang berarti kerugian di luar ambang batas VaR rata-rata sebesar $1,8 juta. Basel III telah secara progresif beralih dari VaR ke Expected Shortfall sebagai ukuran risiko regulasi utama karena sifat risiko lanjutan CVaR yang unggul.
Mengapa VaR tidak memberi tahu Anda seberapa buruk kerugian terburuk yang mungkin terjadi?
VaR adalah ukuran kuantil — yang menentukan ambang batas dimana kerugian tidak akan terlampaui dengan probabilitas tertentu, namun tidak memberikan informasi tentang distribusi kerugian yang melampaui ambang batas tersebut. Dua portofolio dapat memiliki VaR yang sama namun profil kerugiannya sangat berbeda: satu portofolio mungkin mengalami kerugian moderat di luar VaR, sementara portofolio lain mungkin mengalami kerugian yang sangat besar. Keterbatasan ini sangat parah untuk portofolio dengan opsi, derivatif kredit, atau instrumen lain dengan distribusi pengembalian yang tidak linier dan sangat miring. Konsekuensi praktisnya adalah VaR saja tidak cukup untuk manajemen risiko dan harus dilengkapi dengan Expected Shortfall dan stress test.
Tingkat kepercayaan apa yang harus saya gunakan untuk VaR?
Pilihan yang paling umum adalah 95% (digunakan dalam banyak aplikasi manajemen risiko internal dan oleh beberapa regulator) dan 99% (ditentukan oleh Basel III untuk risiko pasar modal bank). Beberapa perusahaan menggunakan 99,9% atau lebih tinggi untuk tujuan modal ekonomi dan pengujian stres. Pilihannya bergantung pada penerapannya: batasan risiko internal mungkin menggunakan 95% VaR untuk pemantauan harian (menghasilkan pengecualian yang lebih sering namun lebih kecil), sedangkan kerangka peraturan modal dan toleransi risiko biasanya menggunakan 99% VaR. Tingkat kepercayaan yang lebih tinggi menghasilkan estimasi VaR yang lebih besar dan memerlukan lebih banyak data historis untuk estimasi yang andal — 99,9% VaR dari data historis memerlukan setidaknya 1.000 observasi untuk mendapatkan sejumlah peristiwa ekor yang berarti.
Bagaimana VaR diuji kembali?
Model VaR diuji ulang dengan membandingkan estimasi VaR harian dengan realisasi P&L aktual berikutnya dan menghitung jumlah 'pengecualian' — hari ketika kerugian aktual melebihi estimasi VaR. Untuk model VaR 99% yang dikalibrasi dengan benar, sekitar 1% hari akan menghasilkan pengecualian — sekitar 2 hingga 3 hari per tahun dari 250 hari perdagangan. Basel III menggunakan sistem lampu lalu lintas: 0–4 pengecualian per tahun adalah zona hijau (model dapat diterima), 5–9 adalah zona kuning (model dicurigai, dikenakan biaya modal tambahan), dan 10+ adalah zona merah (model ditolak). Prediksi pengecualian yang berlebihan atau terlalu rendah secara sistematis memicu pengawasan peraturan dan kalibrasi ulang model.
Apa batasan utama VaR?
VaR memiliki beberapa keterbatasan yang terdokumentasi dengan baik. Hal ini dapat memberikan ketepatan yang salah — mengungkapkan risiko sebagai satu angka dapat menciptakan keyakinan yang menyesatkan. Hal ini tidak mengukur tail risk (kerugian di luar ambang batas VaR). Parametrik VaR mengasumsikan imbal hasil terdistribusi normal, yang meremehkan risiko dari distribusi berekor gemuk. Simulasi historis bersifat melihat ke belakang dan mungkin tidak menangkap kondisi pasar di masa depan. VaR dapat bersifat prosiklikal – muncul rendah pada saat pasar tenang ketika risiko benar-benar terakumulasi, dan melonjak pada saat krisis ketika posisi perlu dikurangi. Selain itu, selama peristiwa stres yang berkorelasi, manfaat diversifikasi yang diasumsikan oleh model VaR bisa hilang, menyebabkan kerugian aktual jauh melebihi perkiraan VaR.
Bagaimana jangka waktu mempengaruhi VaR?
VaR berskala kira-kira dengan akar kuadrat jangka waktu dengan asumsi bahwa imbal hasil harian bersifat independen dan terdistribusi secara identik (i.i.d.). VaR 10 hari kira-kira √10 ≈ 3,16 kali VaR 1 hari. Aturan penskalaan ini tertanam dalam Basel III (yang menetapkan VaR 10 hari untuk modal peraturan) dan secara matematis valid ketika pengembalian tidak berkorelasi sepanjang waktu. Namun, jika imbal hasil menunjukkan autokorelasi serial – yang banyak terjadi dalam jangka pendek – aturan akar kuadrat waktu melebih-lebihkan VaR untuk aset yang berkorelasi positif dan meremehkannya untuk aset yang berkorelasi negatif (pengembalian rata-rata).
Untuk apa VaR digunakan dalam praktiknya oleh bank dan perusahaan investasi?
Bank menggunakan VaR untuk perhitungan modal regulasi (modal risiko pasar Basel III), pemantauan batas risiko harian untuk trading desk, estimasi eksposur kredit pihak lawan, dan alokasi modal ekonomi di seluruh lini bisnis. Manajer investasi menggunakan VaR untuk konstruksi portofolio (mengoptimalkan portofolio untuk mencapai target VaR dalam batasan anggaran risiko), pelaporan klien (mengungkapkan risiko portofolio dalam bentuk standar), pengungkapan risiko prospektus dana (diperlukan dalam dana UCITS di UE), dan pengujian stres. Sistem manajemen risiko di bank-bank besar menghitung VaR secara real-time di ribuan posisi dan kelas aset untuk mengumpulkan eksposur risiko pasar seluruh perusahaan.
Kesalahan Umum yang Harus Dihindari
▾
- !Memperlakukan VaR sebagai kerugian maksimum yang mungkin terjadi - VaR adalah batas bawah interval kepercayaan untuk kerugian ekor, bukan kasus terburuk mutlak.
- !Menggunakan jendela historis yang terlalu pendek untuk estimasi VaR — kurang dari 250 hari perdagangan menghasilkan estimasi parametrik yang tidak dapat diandalkan dan observasi ekor yang tidak memadai untuk simulasi historis.
- !Menerapkan aturan penskalaan akar kuadrat waktu pada pengembalian dengan autokorelasi atau pengembalian rata-rata yang signifikan, sehingga menyebabkan estimasi VaR multi-hari yang salah.
- !Membandingkan VaR yang dihitung pada tingkat kepercayaan atau rentang waktu yang berbeda tanpa melakukan penyesuaian terhadap perbedaan tersebut.
- !Mengabaikan Expected Shortfall dan stress test — VaR saja tidak cukup untuk manajemen risiko yang komprehensif dan tidak dapat menggambarkan tingkat keparahan kerugian yang terjadi.
Tip Pro
Selalu melengkapi VaR dengan Expected Shortfall (CVaR) dan stress test historis menggunakan skenario krisis aktual (2008, 2020). Tanyakan: 'Jika kita berada pada kelompok 1%, seberapa buruk dampaknya?' — itulah pertanyaan yang tidak dapat dijawab oleh VaR namun manajemen risiko tidak dapat mengabaikannya.
Tahukah Anda?
Publikasi RiskMetrics J.P. Morgan tahun 1994, yang mempopulerkan VaR, didorong oleh permintaan dari CEO saat itu Dennis Weatherstone yang menginginkan satu laporan harian yang merangkum total risiko perusahaan dalam satu angka. Hasilnya — 'laporan 4:15' yang disampaikan 15 menit setelah pasar tutup — mengubah manajemen risiko perbankan global selamanya.
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
Referensi
Dapatkan Tips Matematika Mingguan
Bergabunglah dengan pelanggan 12.000+ yang mendapatkan tip kalkulator setiap minggu.