Pendugaan Value-at-Risk Portofolio Untuk Data Ekstrim

Retno Budiarti

Abstract


Value-at-Risk (VaR) merupakan alat yang paling sering digunakan untuk mengukur risiko portofolio dalam manajemen risiko keuangan, yang didasarkan pada distribusi kerugian (return). Oleh karena itu, pendugaan VaR portofolio diawali dengan pendugaan distribusi return portofolio. Terdapat dua
permasalahan dalam pendugaan VaR yaitu (1) memodelkan distribusi return aset keuangan individu, (2) memodelkan joint distribution dari return aset-aset keuangan pembentuk portofolio. Umumnya pemodelan distribusi return aset keuangan individu menggunakan asumsi kenormalan. Hal ini hampir tidak dipenuhi untuk data ekstrim. Didapatkan bahwa pendekatan AR-GARCH-distribusi-t merupakan model terbaik bagi return aset keuangan individu. Pada paper ini dikenalkan copula untuk memodelkan joint distribution antar return aset-aset keuangan pembentuk portofolio, yang tidak harus memenuhi asumsi kenormalan. Dalam kasus data ekstrim, copula yang digunakan adalah copula nilai ekstrim. Hasilnya menunjukkan bahwa pendekatan AR-GARCH-copula Tawn adalah pendekatan terbaik untuk memodelkan joint distribution. Dari joint distribution dapat dibentuk distribusi return portofolio yang digunakan sebagai dasar pendugaanVaR.


Keywords


copula; copula nilai ekstrim; AR-GARCH; portofolio; Value-at-Risk;

Full Text:

PDF

References


Aas K, Modeling the dependence structure of financial assets: A survey of four copulas. Norwegian Computing Centre, Norway. NR Note, 2004.

Embrechts P, Copulas: a personal view. Journal of Risk and Insurance, 76:639-650, 2009.

Joe H. Dependece Modeling with Copulas. London: Chapman-Hall, 2015.

Engel RF. Anticipating Correlation: a New Paradigm for Risk Management, Princeton: Princeton University Press, 2009

Kolve N, dos Anjos U, Mendes B. Copulas: a review and recent developments, Stochastic Models, 22: 617-660, 2006.

Jondeau E, Rckinger M. The copula-GARCH model of conditional dependencies: an international stock market application. Journal of International Money and Finance, 25(5): 827-853, 2006.

Poon SH, Rockinger M, Tawn J. Extreme value dependence in financial markets: Diagnostic, models and financial applications. Review of Financial Studies, 17:581-610, 2004.

Haug S, Kluppelberg C, Peng L. Statistical model and methods for dependence in insurance data. Journal of Korean Statistical Society. 40(2): 125-139, 2011.

McNeil A, Frey R, Embrechts P. Quantitative Risk Management: Concepts, Techniques and Tools. New Jersey: Princeton University Press, Princeton and Oxford, 2005.


Refbacks

  • There are currently no refbacks.




Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

© 2017-2020 | Hak Cipta Dilindungi | Departemen Statistika FMIPA Universitas Padjadjaran | Powered by OJS