Perpustakaan Digital ITB

Risiko berkaitan erat dengan ketidakpastian dan bersifat acak. Dalam industri finansial, risiko dapat dimodelkan sebagai negatif imbal hasil. Kemudian, negatif imbal hasil dapat diagregasi menjadi agregat risiko. Salah satu faktor yang perlu diperhatikan untuk memodelkan negatif imbal hasil adalah volatilitas yang tidak konstan. Model autoregressive conditionally heteroscedastic (ARCH) dan generalized ARCH (GARCH) mampu memodelkan volatilitas melalui deviasi standar bersyarat. Model ARCH(1) akan sama dengan model GARCH(1,0). Untuk memodelkan risiko agregat, model - model ARCH dan GARCH akan diagregasi dan membentuk model ARCH agregat dan GARCH agregat. Model - model tersebut kemudian akan digunakan untuk memprediksi Value-at-Risk (VaR). VaR adalah ukuran risiko yang lazim digunakan dan telah diatur dalam regulasi. Salah satu tantangan dalam memprediksi VaR adalah risiko ekor tebal. Oleh karena itu, VaR akan dimodifikasi menggunakan modifikasi Esscher supaya dapat menangkap risiko ekor tebal lebih baik. Kemudian, model - model tersebut akan digunakan untuk memprediksi agregat risiko kripto. Aset kripto adalah salah satu aset investasi yang sedang diminati. Negatif imbal hasil aset kripto menunjukkan adanya volatilitas yang tidak konstan. Penelitian ini menunjukkan bahwa prediksi Value-at-Risk modifikasi Esscher menghasilkan peluang cakupan yang lebih baik dibandingkan prediksi Value-at-Risk estimatif yang ditunjukkan dengan peluang cakupan yang lebih baik dan rasio kerugian kuantil dibawah satu pada tingkat peluang tinggi.