Perpustakaan Digital ITB

Value-at-Risk (VaR) dan Conditional VaR (CVaR) merupakan alat 'deteksi' risiko yang sering digunakan dalam manajemen risiko. Secara analitik, VaR dan CVaR memprediksi nilai kerugian dengan memperhitungkan kuantil dari distribusi. Oleh karena itu, VaR dan CVaR dapat dibandingkan untuk memperoleh ukuran risiko optimal. Ukuran risiko optimal ditentukan berdasarkan keakuratan VaR-CVaR. Keakuratan VaR-CVaR diperoleh dari nilai coverage probability (CP) dan correct VaR-CVaR. Metode VaR-CVaR yang digunakan adalah metode standar dengan metode HS-VC-MC dan metode lanjut dengan VaR-CVaR estimative dan improved. Data yang dgunakan adalah return harga saham IBM periode 29 Februaru 2008 - 28 Februari 2013. Hasil simulasi menujukkan VaR estimative merupakan ukuran risiko optimal, dengan nilai CP dan correct yang cukup dekat dengan tingkat keperca- yaan yang diberikan. Keakuratan VaR-CVaR model deret waktu dipengaruhi oleh besarnya asosiasi (kebergantungan) pada data. Hasil simulasi dengan model Autoregressive(1) atau AR(1) menunjukkan bahwa VaR dan CVaR lebih akurat pada nilai asosiasi yang relatif kecil, -0.0852. Hal tersebut disebabkan data return yang digunakan memiliki nilai asosiasi kecil, 0.038.