ESTIMASI VALUE AT RISK (VaR) PORTOFOLIO BERDASARKAN MODEL TERBAIK DEKOMPOSISI VINE COPULA

I. A. A SURI ASMANI, Prof.Dr.rer.nat.Dedi Rosadi, M.Sc.

2018 | Skripsi | S1 STATISTIKA

Value at Risk (VaR) merupakan salah satu cara untuk menganalisis atau mengukur risiko. Salah satu metode perhitungan VaR yang sering digunakan yaitu metode Variansi-Kovariansi. Metode ini menghampiri fungsi distribusi portofolio dengan distribusi normal multivariat dan mengukur kebergantungannya dengan korelasi linear. Pada kenyataannya, data return finansial seringkali tidak mengikuti sifat distribusi normal. Kebergantungan antar saham yang non-linear juga tidak sesuai jika diukur dengan korelasi linear, sehingga estimasi VaR dengan metode Variansi-Kovariansi tidak akurat lagi. Copula adalah suatu fungsi yang menggabungkan beberapa distribusi marginal serta dapat mempelajari kebergantungan tak linier antar kejadian dalam kasus multivariat. Konstruksi dari fungsi distribusi multi-dimensi menjadi semakin rumit ketika dimensinya semakin bertambah, sehingga digunakan Vine Copula. Studi kasus skripsi ini menggunakan portofolio dari indeks saham HSI, N225, JKSE, dan PSEI yang dimodelkan dengan CD-Vine Copula dari keluarga Gaussian serta keluarga Frank. Dalam mengestimasi parameter copula, digunakan metode Inference Function for Margin (IFM) berbasis maksimum likelihood. Skripsi ini, menekankan pada pemilihan model terbaik berdasarkan dekomposisi Vine Copula. Dekomposisi terbaik yang memodelkan data dalam skripsi ini berasal dari struktur D-Vine keluarga Gaussian. Hasil backtesting menunjukkan bahwa estimasi VaR dengan menggunakan model terbaik dari dekomposisi Vine Copula secara umum baik untuk digunakan.

Value at Risk (VaR) is one way to analyze or measure risk. One method of VaR calculation which often used is the method of Variance-Covariance. This method approaches the portfolio distribution function with a multivariate normal distribution and measures its dependence with linear correlation. In fact, financial data return often do not follow the characteristic of normal distribution. Non-linear interdependence of stocks is also unsuitable if measured by linear correlation, so the VaR estimation by the Variance-Covariance method is not accurate anymore. Copula is a function that combines several marginal distributions and study about non-linear dependence between events in multivariate cases. The construction of the multi-dimensional distribution function becomes more complicated when the dimension increase, so that Vine Copula is used. This paper uses a portfolio of HSI, N225, JKSE, and PSEI stock indexes modeled on CD-Vine Copula from the Gaussian family and the Frank family. A maximum likelihood-based IFM method is used to estimating the copula parameter. This paper is to determine the best model based on Vine Copula decomposition. The best model of Vine Copula decomposition in this paper came from the D-Vine structure of Gaussian family. The bactesting results show that the VaR estimation by using the best decomposition of Vine Copula is generally good for use.

Kata Kunci : Value at Risk, Vine Copula, Dekomposisi, Gaussian, Frank, Backtesting.