25
sekarang (yang diprediksi) sehingga dihasilkan suatu susunan pengamatan. Susunan
ini kemudian dianalisis secara statistik (Tampubolon, 2004). Sebagai contoh, jika ada
100
pengamatan
dengan
horison
harian,
urutan
pengamatan
nilai
terendah
kelima
terakhir akan menjadi VAR dengan tingkat keyakinan 95% dalam satu hari .
Metode
historis
VAR
paling
mudah
diimplementasi, akan
tetapi,
karena
kalkulasi
ini
mengulang
kejadian
berdasarkan cerminan
masa
lalu,
maka
pandangan
terhadap
risiko
yang
dihasilkan tergantung dari
periode
waktu
yang
dipilih.
Maksudnya
adalah
apabila yang
dicari
adalah
VAR
harian, maka
data
historis yang
digunakan adalah
data
harian.
Jika
yang
dicari
VAR
bulanan,
maka
data
historis
bulananlah yang
digunakan. Jadi
pengali
akar
dari
waktu
dalam
penyesuaiannya
dengan
periode
holding
tidak
valid
digunakan
dalam
metode
ini.
Karena
sejumlah
skenario
yang digunakan dibatasi oleh
ketersediaan dari
data
historis,
metodologi
ini
boleh
jadi
mempunyai convergence error
yang
lebih
besar
dari
metode Monte Carlo
maupun metode Variance Covariance.
2.8.2 Metode Variance Covariance
Metode
Variance
Covariance,
mengasumsikan bahwa
hasil
dari
instrumen
finansial
berdistribusi normal.
Oleh
karena
itu
mean
dan
standar
deviasi
dari
instrumen
finansial
dapat
dihitung
untuk
mengestimasi percentile
dari
semua
perubahan
dalam
nilai
posisi
(Tampubolon, 2004).
Metode
ini
adalah
suatu
transformasi sederhana dari
matriks Variance-covariance. Oleh karena itu
metode
ini
tidak dapat bekerja dengan baik untuk aplikasi posisi yang tidak linier
|