Pemodelan risiko pada model stokastik kini menjadi semakin umum untuk
dilakukan pada bidang manajemen risiko. Salah satu model stokastik yang mampu
mencakup sifat heteroskedastik ialah model Autoregressive Conditional
Heteroscedastic (ARCH). Pada Tesis ini, dibangun beberapa representasi alternatif
baru dari model ARCH yang menarik untuk dikaji. Representasi alternatif yang
didapat mampu memberikan sudut pandang baru mengenai model ARCH.
Selanjutnya, Value-at-Risk (VaR) masih menjadi suatu ukuran risiko yang dapat
dikembangkan hingga saat ini. Untuk itu, akan dikaji pula suatu perhitungan
alternatif untuk VaR dengan memanfaatkan ukuran korelasi antar dua peubah acak.
Selain itu, akan ditentukan pula suatu representasi alternatif dari VaR dengan
memanfaatkan suatu model Copula. Copula ialah model fungsi distribusi dua atau
lebih peubah acak saling bergantung. Dengan banyaknya jenis model Copula yang
ada, perlu ditentukan suatu model Copula terbaik. Pada Tesis ini, digunakan
ukuran Akaike Information Criterion (AIC) untuk menentukan model Copula
terbaik sesuai dengan data yang dimiliki. Alternatif perhitungan VaR berbasis
ukuran korelasi dan Copula kemudian diaplikasikan pada dua imbal hasil saham.
Sebagai hasil, VaR berbasis ukuran korelasi memberikan hasil yang lebih efisien
dibandingkan perhitungan berbasis kuantil sebelumnya.