Contoh Paper Internship Pipit

PT.
Bank Mega, Tbk - 2016

Nilai Value at Risk untuk Portofolio Obligasi PT Bank Mega, Tbk Menggunakan Model CoxIngersoll-Ross (CIR)
Management Development Program - VI
Nilai Value at Risk untuk Portofolio Obligasi PT Bank

Mega, Tbk Menggunakan Model Cox-Ingersoll-Ross
(CIR)
INTERNSHIP 1
Disusun sebagai syarat mengikuti ujian komprehensif internship 1

program pendidikan khusus Mega Management Development Program
(MMDP) Batch VI.
Oleh
Nurfitri Magnarianti
15091504
PT. Bank Mega, Tbk - 2016

LEMBAR PENGESAHAN
Disusun sebagai syarat mengikuti ujian komprehensif internship 1

program pendidikan khusus Mega Management Development Program
(MMDP) Batch VI.
Oleh :
Nurfitri Magnarianti
Mega Management Development Program

PT. Bank Mega Tbk
Jakarta, 12 Mei 2016
Menyetujui,
Mentor
Indivara Erni
Risk Directorate Managing Director

DAFTAR ISI
DAFTAR ISI ......................................................................................................................... 3
DAFTAR GAMBAR............................................................................................................... 5
BAB I PENDAHULUAN ........................................................................................................ 7
1.1.
Latar Belakang .................................................................................................. 7
1.2.
Tujuan ................................................................................................................ 8
1.3.
Manfaat .............................................................................................................. 8
1.4.
Batasan Masalah ............................................................................................... 8
BAB II LANDASAN KONSEP ............................................................................................... 9

2.1 Portfolio Obligasi Bank Mega Posisi 29 Februari 2016..................................... 9
2.2 Definisi Obligasi ................................................................................................... 13
2.3 Pasar Obligasi ....................................................................................................... 15
2.3.1 Pasar Perdana ............................................................................................... 15
2.3.2 Pasar Sekunder ............................................................................................. 20
2.4 Term Structure of Interest Rate ...................................................................... 21
2.5 Simulasi CoxIngersollRoss (CIR)...................................................................... 24
2.5.1 Implementasi Maximum Likelihood Untuk CIR ........................................ 25
2.6 Value at Risk ........................................................................................................ 27
BAB III ............................................................................................................................... 29
PEMBAHASAN ................................................................................................................... 29
3.1 Metodelogi Pengerjaan Proyek ......................................................................... 29
3.2 Data Short Rate ................................................................................................... 29
3.3 Portfolio Obligasi Pemerintah Bank Mega ....................................................... 32
3.4 Hasil Simulasi ....................................................................................................... 34
3.3.1 Kelompok AFS (Available For Sale) ........................................................... 35
3.3.2 Kelompok Trading ........................................................................................ 36

3.3.3 Kelompok Hold To Maturity........................................................................ 37

BAB IV KESIMPULAN DAN SARAN .................................................................................. 38
4.1 Kesimpulan ........................................................................................................... 38
4.2 Saran ...................................................................................................................... 40
DAFTAR PUSTAKA ........................................................................................................... 41
LAMPIRAN ......................................................................................................................... 42
1. Program Matlab Estimasi Parameter .................................................................. 42
2. Program Matlab Running CIR ............................................................................... 44

DAFTAR GAMBAR
Gambar 3.1 Project Overview ..................................................29

Gambar 2.3.
..............................................................31
Gambar 3. 3.
...........................................................32
Gambar 3.4 Kurva Hasil Obligasi Pemerintah ................................34

DAFTAR TABEL
Table 1.1. Asset Obligasi pada Neraca Bank Mega 29 Februari 2016 ...................... 9
Table 1.2. Komposisi Portfolio Obligasi Pemerintah Posisi 29 Februari 2016 ..... 10
Table 1.3 Outstanding Obligasi Seri FR ...................................................................... 11
Table 1.4 Obligasi Korporasi ........................................................................................ 13
Table 1.5 Rating Obligasi .............................................................................................. 16
Table 6.2 Parameter CIR ................................................................................................... 31

BAB I
PENDAHULUAN
1.1.Latar Belakang
PT Bank Mega Tbk. adalah lembaga jasa keuangan yang salah satu tujuan
utamanya adalah mencari dan meningkatkan profit untuk kepentingan
perusahaan. Sebagian besar profit Bank Mega diperoleh dari spread antara
bunga pinjaman dan bunga simpanan. Dapat terlihat pada laporan keuangan
tahun 2015, pinjaman kredit menjadi komponen terbesar pada kelompok asset
(32,39%) yang dapat men-generate profit bank. Namun, tidak semua dana yang
dihimpun yang dimiliki oleh Bank Mega disalurkan sepenuhya menjadi kredit.
Oleh karena itu sebagian dana tersebut akan digunakan untuk mendapatkan
capital gain, melalui kegiatan jual beli valas, interbank call money, maupun
trading obligasi.
Dari keseluruhan total
asset yang dimiliki di tahun 2015, 20.98% persen
(komponen kedua terbesar setelah kredit) adalah surat berharga yang isi
portfolionya didominasi oleh obligasi. Bagi bank, obligasi adalah instrumen
keuangan yang cukup menarik untuk dijadikan alternatif dalam memberikan
pendapatan tetap bagi bank sebagai pemegang obligasi (fixed income
securities). Dalam hal ini, bank mendapatkan return senilai tingkat suku bunga
(atau yang dikenal dengan istilah kupon) yang lebih tinggi dibandingkan ratarata tingkat suku bunga deposito yang akan diterima setiap tahun, enam bulan,
atau tiga bulan, sesuai dengan periode yang telah ditentukan. Pada masa jatuh
tempo, bank juga akan mendapatkan sejumlah nilai pokok (principal) dari
obligasi tersebut. Instrumen obligasi juga merupakan alternatif produk investasi
yang fleksibel karena dapat diperjualbelikan di pasar sekunder tanpa harus
menunggu obligasi tersebut jatuh tempo, sehingga bank bisa menentukan
strategi selanjutnya dalam trading obligasi untuk mencapai return yang
ditargetkan.
Dalam perdagangan obligasi setiap perubahan harga bersifat sensitif dan
dinamis dipengaruhi oleh kondisi pasar dan perekonomian. Fluktuasi harga
obligasi ini nantinya akan mempengaruhi nilai dari portfolio obligasi Bank Mega.
Selain risiko pasar tersebut, pada portfolio obligasi juga terdapat risiko kredit

yaitu risiko penerbit mengalami gagal bayar sehingga tidak dapat melaksakan
kewajiban kepada pemegang obligasi. Oleh karena itu diperlukan adanya suatu
tools agar bank dapat memprediksi kerugian yang dapat diterima oleh bank dan
memberikan alternatif strategi yang perlu dilakukan.
Dalam dekade terakhir ini Value at Risk (VaR) telah banyak digunakan oleh
institusi keuangan, khususnya untuk keperluan manajemen risiko. VaR
digunakan untuk mengestimasi seberapa besar suatu portfolio dapat mengalami
kerugian untuk satu selang periode pada selang kepercayaan tertentu. Saat ini
VaR belum diimplementasikan dalam menghitung risiko portfolio obligasi di
Bank Mega.
1.2.Tujuan
Tujuan pembuatan proyek ini adalah membuat tools berupa model bond pricing
yang dapat memperkirakan seberapa besar kerugian yang mungkin ditanggung
oleh bank yang akan direpresentasikan melalui nilai Value at Risk.
1.3.Manfaat
Tools ini nantinya diharapkan dapat menjadi alat bantu bagi Bank Mega dalam
menentukan strategi dalam mengelola komposisi portfolio obligasi untuk
memperkuat penerapan manajemen risiko berdasarkan risk appetite dan risk
tolerance yang telah ditetapkan bank.
1.4.Batasan Masalah
Portfolio obligasi yang digunakan sebagai acuan pada proyek ini adalah portfolio
obligasi Bank Mega pada posisi 29 Februari 2016. Kelompok instrumen obligasi
yang diambil hanyalah obligasi dengan volume yang signifikan, yaitu obligasi
pemerintah, sehingga diestimasikan mempunyai pengaruh paling kuat dalam
keseluruhan nilai portfolio obligasi Bank Mega.

BAB II
LANDASAN KONSEP
2.1 Portfolio Obligasi Bank Mega Posisi 29 Februari 2016

Pengelolaan portfolio obligasi di Bank Mega dipegang oleh divisi Global Market
dan Treasury. Divisi Global Market mengelola kegiatan trading obligasi dengan
tenor <90 hari, sedangkan untuk obligasi jangka panjang dengan tenor >90 hari
ditangani oleh divisi Treasury (tercantum dalam SK. 073/DIRBM-TIBS/15,
mengenai pengelolaan trading book dan banking book).
Berdasarkan tujuan transaksi obligasi sesuai dengan Ketentuan Peraturan Bank
Indonesia (PBI) dan PSAK/PAPI, pelaksanaan transaksi harus dipisahkan sesuai
dengan kelompok atau kategori kepentingan yaitu Trading, Available For Sale,
dan Hold To Maturity dengan definisi sebagai berikut :
Trading (TRD) adalah seluruh efek yang dibukukan sebagai investasi

jangka pendek dengan harapan adanya perubahan nilai positif dari harga
efek yang dibeli.
Available For Sales (AFS) adalah seluruh efek yang dibukukan sebagai
investasi yang siap dijual kembali ke pasar Obligasi.
Hold to Maturity (HTM) adalah seluruh efek yang dibukukan sebagai
investasi jangka panjang dan tidak dapat diperdagangkan sebagaimana
sifat kelompok buku lainnya. Namun dalam kondisi tertentu
dimungkinkan untuk dilakukan pemindahan dari portfolio HTM menjadi
TRD atau AFS, dengan syarat tata cara pemindahannya harus mengacu
kepada PBI dan PSAK.
PT Bank Mega Tbk. sampai pada posisi 29 Februari 2016 mengelola portfolio
obligasi dengan outstanding mencapai 7,78 Trilliun yang terdiri dari obligasi
pemerintah, obligasi pemerintah yang dibeli repo, dan obligasi korporasi.
Komponen Neraca
a. Obligasi Korporasi
b. Obligasi Pemerintah
c. Obligasi Pemerintah Dibeli Repo
Total
Rupiah
963.358
5.355.492
365.704
6.684.554
Valas
289.581
825.317
1.114.898
Total
1.252.940
6.180.808
365.704
7.799.452
Table 1.1. Asset Obligasi pada Neraca Bank Mega 29 Februari 2016
Dari Neraca terlihat bahwa dari total asset obligasi, obligasi pemerintah
mempunyai komposisi terbesar yaitu 79,25%. Karena komposisinya yang
melebihi setengah dari portfolio obligasi, maka risiko pada obligasi pemerintah
akan menjadi sumbangsih terbesar atas risiko untuk keseluruhan portfolio
obligasi bank.
% Share
16,06
79,25
4,69
100

Selanjutnya, akan dibahas lebih lanjut mengenai obligasi pemerintah dan risiko
yang terkandung di dalamnya :
1. Obligasi Pemerintah
Dilihat dari penerbitnya, obligasi pemerintah adalah surat berharga yang
diterbitkan oleh Pemerintah Indonesia/Surat Utang Negara (SUN) dan Bank
Indonesia. Beberapa jenis obligasi pemerintah, antara lain :
Obligasi Negara Indonesia
Contoh obligasi jenis ini adalah seri FR (fixed rate) yang memberikan
kupon tetap dan seri VR (variable rate) yang memberikan kupon
variabel. Selain dalam IDR, pemerintah juga menerbitkan obligasi yang
berdenominasi USD, contohnya adalah seri INDON.
ORI (Obligasi Ritel Indonesia)
ORI adalah obligasi negara yang dijual kepada individu atau
perseorangan Warga Negara Indonesia melalui agen penjual dengan
volume minimum yang telah ditentukan. ORI diterbitkan untuk
membiayai anggaran negara, diversifikasi sumber pembiayaan,
mengelola portfolio utang negara dan memperluas basis investor.
Contoh ORI yang diperjual belikan dalam pasar adalah seri ORI010,
ORI011, dan ORI012
SBSN (Surat Berharga Syariah Negara)
SBSN adalah obligasi yang diterbitkan oleh pemerintah berdasarkan
prinsip syariah, baik dalam mata uang rupiah maupun asing. SBSN dalam
uang rupiah contohnya adalah seri SUKUK, PBS (Project Based Sukuk),
dan SR (Sukuk Ritel). Sedangkan untuk obligasi yang berdenominasi USD
contohnya adalah seri INDOIS.
Untuk komposisi portfolio obligasi pemerintah dan obligasi pemerintah yang
dibeli repo dikelompokkan menjadi tujuh kelompok instrumen dengan
rincian pada tabel 1 di bawah ini.
AFS
TRD
HTM
TOTAL
% Share
FR
3.943.202.962
189.026.486
365.704.375
4.497.933.824
68,707
PBS
497.010.000
497.010.000
7,592
SR
413.423.500
413.423.500
6,315
ORI
308.493.000
308.493.000
4,712
SUKUK
4.335.905
4.335.905
0,066
INDON
720.120.631
720.120.631
11,000
Table 1.2. Komposisi Portfolio Obligasi Pemerintah Posisi 29 Februari 2016
INDOIS
105.195.919
105.195.919
1,607
10

Volume obligasi seri FR mendominasi portfolio dengan share sebesar 68,71%

dari total keseluruhan obligasi pemerintah. Untuk lebih detail, akan dibreak down komposisi dari obligasi seri FR dalam tabel 2 di bawah ini :
AFS
FR0056
TRD
605.034.000.000
HTM
108.156.886.230
TOTAL
-
713.190.886.230
FR0058
9.001.893.725
9.001.893.725
FR0062
61.947.465.525
61.947.465.525
FR0063
88.259.242.225
88.259.242.225
FR0064
99.477.281.475
99.477.281.475
FR0065
84.196.476.650
84.196.476.650
FR0068
22.822.016.250
22.822.016.250
3.338.168.962.550
FR0070
3.338.168.962.550
FR0073
TOTAL
3.943.202.962.550
80.869.600.000
189.026.486.230
365.704.375.850
80.869.600.000
4.497.933.824.630
Table 1.3 Outstanding Obligasi Seri FR

Untuk obligasi FR yang paling besar komposisinya adalah FR0070,
sebesar 74,22%. FR0070 ini akan jatuh tempo pada tanggal 15 Maret
2024 dengan besar kupon yang ditawarkan sebesar 8.375%. Untuk tujuan
transaksi sendiri Bank Mega paling banyak membukukan AFS, dimana
obligasi dibeli untuk nantinya diperjualbelikan di pasar obligasi dengan
tujuan memperoleh capital gain. FR0070 yang menyumbang 54,01%
portfolio obligasi Bank Mega akan ter-exposure oleh risiko perubahan
suku bunga serta trend supply-demand dari pasar obligasi karena
seluruhnya dibukukan dalam jenis transaksi AFS. [9]
Sebagai perbandingan untuk melihat fluktuasi harga obligasi pemerintah,
akan digunakan data harian dari perubahan indeks IDMA (indeks harga
obligasi pemerintah tanpa memperhitungkan kupon) selama dua tahun
terakhir : [10]
11

Perubahann Indeks (%)
Indeks IDMA
2
1,5
1
0,5
0
-0,5
-1
-1,5
-2
-2,5
Periode harian 02/01/14-29/02/16
Dari grafik di atas dapat dilihat bahwa selama dua tahun terakhir
fluktuasi perubahan indeks IDMA mempunyai volatilitas sebesar 0,458%
dengan average 0,0029%. Fluktuasi ini juga dapat terjadi pada obligasi
pemerintah pada portfolio obligasi Bank Mega.
Selain karena perubahan suku bunga, pelaku pasar obligasi juga
mempunyai peran dalam menentukan harga obligasi. Saat demand
terhadap obligasi meningkat sedangkan supply tidak mengalami
peningkatan (obligasi tidak likuid) maka harga obligasi akan cenderung
meningkat seiring dengan banyaknya penawaran yang terjadi, dan
berlaku juga sebaliknya.
Untuk obligasi pemerintah berdenominasi valas yang mempunyai total
agrerat 17% dari total asset obligasi pemerintah, gejolak fluktuasi nilai
tukar valuta asing terhadap rupiah juga menjadi resiko karena bank
berpotensi mengalami kerugian akibat selisih kurs.
2. Obligasi Korporasi
Untuk obligasi korporasi total outstanding yang dimiliki oleh Bank Mega
sebesar 1,25 Trilliun rupiah atau 16,06% dari total portfolio obligasi Bank
Mega. Selain memiliki obligasi korporasi rupiah, Bank Mega juga
mengelola obligasi berdenominasi valas (USD). Bank Mega membukukan
seluruh obligasi korporasinya ke dalam kategori AFS, untuk dijual
kembali ke pasar obligasi. Di bawah ini adalah tabel rincian dari obligasi
korporasi Bank Mega untuk posisi 29 Februari 2016.
PERUSAHAAN
INSTRUMEN
OUTSTANDING
CLIPAN FINANCE
MTN
200.000.000.000
% SHARE
15,96
12

MUFJ
MTN
150.000.000.000
PNM
Obligasi II
286.500.000.000
GARUDA
INDONESIA
Obligasi BKLJT I
291.000.000.000
BCA FINANCE
Obligasi BKLJT I
24.872.500.000
INDOMOBIL
FINANCE
Obligasi BKLJT I
9.970.000.000
JASA MARGA
JORR
Obligasi II,
Tranche B dan C
1.015.817.995
PLN - MAJAPAHIT
Obligasi USD
223.682.002.080
ASTRA SEDAYA
Obligasi USD
65.899.221.800
11,97
22,87
23,23
1,99
0,80
0,08
17,85
5,26
Table 1.4 Obligasi Korporasi

Risiko yang terkandung dalam obligasi korporasi selain risiko suku bunga adalah
risiko perusahaan mengalami default sehingga tidak mampu untuk memenuhi
kewajiban pembayaran kepada pemegang obligasi. Berbeda dengan obligasi
pemerintah yang bebas dari risiko default karena obligasi pemerintah dijamin
pembayarannya oleh pemerintah.
2.2 Definisi Obligasi

Fabozzi (2000) dalam mendefinisikan obligasi sebagai suatu instrument utang
dimana emitennya (pengurang/peminjam) berjanji untuk membayar kembali
jumlah yang dipinjam ditambah bunga kepada lender /investor selama periode
waktu tertentu. Jangka waktu jatuh tempo (term to maturity) dari suatu
obligasi adalah jumlah tahun yang telah dijanjikan oleh emiten untuk
memenuhi kewajiban-kewajibannya. Jatuh tempo(maturity) dari obligasi
mengacu pada tanggal berakhirnya eksistensi utang tersebut dan hari di mana
emiten akan menebus obligasi dengan membayar jumlah yang terutang.
Bursa Efek Indonesia (2009) dalam situsnya menjelaskan definisi obligasi
sebagai surat utang jangka menengah-panjang yang dapat dipindahtangankan
yang berisi
janji pihak yang menerbitkan untuk membayar imbalan berupa
13

bunga pada periode tertentu dan melunasi pokok utang pada waktu yang telah
ditentukan kepada pihak pembeli obligasi tersebut. Dalam instrumen obligasi,
terdapat fitur-fitur penting yang harus dipahami oleh setiap investor dalam
berinvestasi pada obligasi. Berikut ini merupakan fitur-fitur penting dalam
instrumen obligasi (Bursa Efek Indonesia, 2009):
1. Nilai nominal atau nilai utang pokok, yaitu nilai yang harus dibayar bunganya
oleh penerbit dan harus dilunasi pada saat akhir masa jatuh tempo.
2.Harga penerbitan, yaitu suatu harga yang ditawarkan kepada investor pada
saat penjualan perdana obligasi.
3. Tanggal jatuh tempo, yaitu suatu tanggal yang ditetapkan dimana pada saat
tersebut penerbit wajib untuk melunasi nilai nominal obligasi. Sepanjang
pembayaran kembali / pelunasan tersebut telah dilakukan maka penerbit tidak
lagi memiliki kewajiban kepada pemegang obligasi setelah lewat tanggal jatuh
tempo obligasi tersebut.
4. Kupon, suku bunga yang dibayarkan oleh penerbit kepada pemegang obligasi.
Biasanya suku bunga ini memiliki besaran yang tetap sepanjang masa
berlakunya obligasi, tetapi juga bisa mengacu kepada suatu indeks pasar uang
seperti LIBOR, dan lain-lain.
5.Tanggal kupon, tanggal pembayaran bunga dari penerbit kepada pemegang
obligasi.
6. Dokumen resmi, suatu dokumen yang menjelaskan secara terinci hak-hak
dari pemegang saham. Ketentuan dalam dokumen resmi tersebut sulit sekali
diubah dimana perubahan hanya dapat dilakukan atas persetujuan mayoritas
pemegang obligasi.
Nilai nominal atau par value adalah nilai pokok dari suatu obligasi yang akan
diterima oleh pemegang obligasi pada saat obligasi tersebut jatuh tempo.
Selain kupon, pemegang obligasi mendapatkan return dari selisih harga beli
pada saat awal dan par value. Selisih ini disebut capital gain. Jika obligasi
dijual lebih murah dibandingkan dengan par value maka obligasi dikatakan
dijual secara discount, dan jika obligasi dijual lebih tinggi dibandingkan par
value maka obligasi dijual secara premium.
14

Dipandang dari segi penerbit obligasi (issuer), obligasi dapat dibagi atas tiga
jenis yaitu (Ang, 1997):
a. Obligasi pemerintah pusat (government bond )
b. Obligasi perusahaan milik negara (state owned company bond).
c. Obligasi perusahaan swasta (corporate bond ).
2.3 Pasar Obligasi

Obligasi diperdagangkan di pasar obligasi yang dibedakan menjadi pasar
perdana dan pasar sekunder.
2.3.1 Pasar Perdana

Pasar perdana merupakan tempat diperdagangkannya obligasi saat mulai
diterbitkan dimana pihak penerbit obligasi (emiten) dan pihak penjamin emisi
akan melakukan penjualan obligasi. Obligasi ditawarkan kepada calon pembeli
yang bisa berasal dari perusahaan investasi, reksadana, investor institusi,
ataupun perusahaan sekuritas. Sesuai dengan persyaratan ketentuan Pasar
Modal (UU No.8 Tahun 1995 tentang Pasar Modal), obligasi harus dicatatkan di
bursa efek untuk dapat ditawarkan kepada masyarakat, dalam hal ini lazimnya
adalah di Bursa Efek Indonesia.
Pada pasar perdana ada beberapa hal yang menjadi pertimbangan investor
untuk membeli sebuah obligasi, diantaranya siapa yang menjadi issuer,
bagaimana rating dari issuer, dan tingkat kupon yang ditawarkan.
Obligasi mengandung default risk, yaitu risiko apabila emiten atau issuer
mengalami kesulitan keuangan untuk memenuhi kewajiban pembayaran bunga
ataupun prinsipal pada saat jatuh tempo. Hal ini sering terjadi pada saat bisnis
dan kondisi keuangan emiten tidak mencapai target yang diprediksikan dalam
informasi saat penawaran perdana atau bahkan perusahaan terancam tutup
karena kesulitan likuiditas keuangan yang dimilikinya.
Potensi default risk membuat calon investor perlu berhati-hati dalam membuat
keputusan untuk membeli obligasi. Investor memerlukan informasi emiten
obligasi. Sebagai pertimbangan, investor dapat melihat rating emiten dari
lembaga-lembaga
pemeringkat.
Lembaga
pemeringkat
yang
terkenal
15

diantaranya S&P (Standard & Poors) dan Moodys Investor. Berdasarkan Surat
Edaran Bank Indonesia Nomor 13/31/DPNP tanggal 22 Desember 2011 perihal
Lembaga Pemeringkat dan Peringkat yang Diakui Bank Indonesia, berikut adalah
daftar lembaga pemeringkat dan peringkat yang diakui Bank Indonesia:
Table 1.5 Rating Obligasi

Determinan dari rating ini diambil dari analisa rasio-rasio keuangan emiten,
seperti : coverage ratio, leverage ratio, liquidity ratio, profitability ratio, dan
cash flow-to-debt ratio. Rating obligasi ini akan mempengaruhi harga dari
obligasi. Semakin baik ratingnya maka risiko emiten untuk default akan
semakin kecil. Obligasi yang diterbitkan oleh emiten yang mempunyai peringkat
bagus biasanya menjadi daya tarik bagi investor sehingga dijual dengan harga
lebih mahal dibandingkan obligasi dari emiten yang ratingnya di bawah.
Sebaliknya, obligasi dari emiten yang ratingnya rendah (dikenal dengan istilah
junk bond) akan dijual dengan harga yang lebih murah dengan penawaran
kupon yang lebih tinggi dengan tujuan menarik minat investor. Sesuai dengan
prinsip high risk, high return.
16

Secara teori, harga obligasi merupakan present value dari pembayaran kupon
dan pembayaran nilai par pada masa jatuh tempo yang dinyatakan dengan
persamaan :
Dari persamaan 2.1 ada tiga determinan utama yang mempengaruhi harga dari
obligasi, yaitu :
Kupon
Kupon merupakan pendapatan yang diterima oleh pemegang kupon
secara periodik. Coupon rate terdiri dari :
1. Fixed Rate
Untuk kupon jenis ini, penerimaan kupon yang diterima oleh
pemegang obligasi akan sama untuk setiap periode sampai
dengan jatuh tempo, yaitu tingkat kupon dikalikan dengan par
value dari obligasi.
2. Floating Rate
Besarnya tingkat kupon untuk jenis floating rate akan selalu
berfluktuasi
mengikuti
bunga
risk-free
asset,
contohnya
deposito. Tingkat kupon obligasi akan selalu lebih tinggi

dibandingkan dengan tingkat bunga deposito, suku bunga
deposito ditambah dengan suatu risk premium.
3. Zero Coupon Rate
Pemegang obligasi jenis ini mendapatkan keuntungan hanya dari
capital gain. Oleh karena itu obligasi dengan zero coupon rate
pasti akan dijual secara discount. Obligasi dengan zero coupon
rate banyak terdapat pada obligasi-obligasi pemerintah.
Besarnya
kupon
akan
menentukan
pricing
dari
obligasi.
Kupon
berbanding lurus dengan harga obligasi. Semakin besar tingkat kupon

yang ditawarkan maka akan banyak investor yang memberikan
penawaran sehingga harga dari obligasi cenderung meningkat.
17

Terkait dengan penawaran rate coupon, dalam obligasi terdapat suatu

rating yang memberikan peringkat kepada emitten obligasi. Rating
obligasi nantinya akan merepresentasikan kinerja keuangan, bisnis,
manajemen, serta kondisi industri dari penerbit obligasi. Semakin
rendah rating menandakan bahwa penerbit obligasi mempunyai risiko
yang tinggi untuk mengalami default. Obligasi yang memiliki rating
tinggi akan semakin diincar di pasar obligasi sehingga harganya pun akan
semakin kompetitif. Oleh karena itu, penerbit junk bond untuk menarik
minat investor membeli obligasi tersebut akan menawarkan tingkat
kupon yang tinggi.
Yield to Maturity (YTM)

YTM mengukur besarnya pendapatan yang akan diterima oleh investor
jika kupon dan obligasi disimpan sampai akhir jatuh tempo. YTM
menjadi pertimbangan penting investor dalam menentukan obligasi
mana yang akan dibeli. Dari persamaan 2.1 dapat kita lihat bahwa YTM
dan bond pricing mempunyai korelasi negatif. Semakin tinggi yield maka
akan semakin rendah harganya.
Untuk menentukan YTM selain melalui persamaan 2.1, YTM dapat
dihitung dengan pendekatan rumus :
Dimana,
= coupon
= par value
= harga obligasi
= periode jatuh tempo
Jangka waktu
Harga obligasi dipengaruhi oleh kondisi pasar yang ter-eksposure oleh risiko
suku bunga. Semakin panjang waktu sampai jatuh tempo maka akan
18

semakin besar peluang fluktuasi suku bunga yang terjadi. Perubahan harga
dari obligasi jangka panjang akan semakin sensitif dibandingkan dengan
obligasi jangka pendek.
Sensitifitas dari perubahan tingkat kupon, YTM, dan jangka waktu terhadap
perubahan harga obligasi antara lain :
1. Harga dari obligasi dan yields mempunyai hubungan berbanding terbalik:
saat yields naik maka harga obligasi akan turun.
2. Perubahan harga dari obligasi akan semakin sensitif untuk penurunan
tingkat YTM dibandingkan dengan kenaikan YTM untuk nilai absolut yang
sama.
3. Harga obligasi akan semakin sensitif untuk jangka waktu yang lebih
panjang jika diberikan tingkat kupon dan YTM yang sama.
19

4. Untuk obligasi dengan jangka waktu dan YTM yang sama, obligasi dengan
tingkat kupon yang lebih rendah lebih sensitif dibandingkan dengan
obligasi dengan tingkat kupon yang lebih tinggi.
Dari gambar di atas dapat disimpulkan bahwa volatilitas harga obligasi akan
semakin tinggi jika :
Tingkat kupon semakin rendah
Jangka waktu jatuh tempo semakin lama, dan
Yield to maturity semakin rendah
2.3.2 Pasar Sekunder

Setelah diterbitkan dan tercatat di BEI, perdagangan obligasi akan dilakukan di
Pasar Sekunder. Pasar sekunder merupakan kelanjutan dari pasar perdana. Jika
di pasar perdana transaksi yang terjadi adalah investor dengan emiten, maka di
pasar sekunder transaksi yang terjadi adalah investor dengan investor.
Pada masa obligasi berlaku, sering terjadi transaksi jual beli obligasi antar
investor. Saat itu terjadi, pembeli obligasi harus membayar bunga yang
seharusnya didapatkan oleh penjual obligasi sesuai dengan perhitungan jumlah
hari menjelang periode pembayaran kupon ditambah dengan par value dari
obligasi. Bunga yang dihitung ini dikenal dengan istilah accrued interest dengan
perhitungan sebagai berikut :
20

Dalam metode perdagangan obligasi dikenal istilah pembelian obligasi tanpa

memasukkan unsur Accrued Interest (AI) atau yang dikenal dengan istilah flat
price atau clean price. Sedangkan perhitungan harga obligasi yang memasukkan
unsur AI dikenal dengan istilah gross price atau dirty price.
Di pasar sekunder, harga berfluktuasi sesuai dengan kekuatan supply dan
demand yang dipengaruhi oleh beberapa faktor, di antaranya :
Faktor internal, berkaitan dengan kebutuhan pendanaan di institusi.
Faktor eksternal, kondisi perekonomian negara.
Likuiditas obligasi merupakan pertimbangan penting bagi investor dan emiten

sama. Likuiditas obligasi merupakan sebuah indikator dari seberapa mudahnya
sebuah obligasi yang dipegang oleh para pemilik modal untuk dijadikan kas
pada pasar sekunder. Para investor bersedia untuk membayar premi untuk aset
yang lebih likuid karena berdampak pada hasil keamanan dan biaya modal bagi
perusahaan
Obligasi pemerintah pusat lebih mudah diperdagangkan di pasar (likuid)
dibandingkan dengan obligasi perusahaan atau pemerintah daerah. Semakin
likuid suatu obligasi maka tingkat bunganya rendah. Obligasi perusahaan dan
pemerintah daerah lebih tidak likuid daripada obligasi pemerintah pusat, jadi
tingkat bunga obligasi perusahaan dan pemerintah daerah lebih tinggi daripada
obligasi pemerintah pusat.
2.4 Term Structure of Interest Rate

Dalam obligasi dikenal dengan istilah term structure of interest rate atau yield
curve. Yield curve adalah suatu fungsi terhadap yield to maturity dan time to
maturity. Terdapat tiga jenis yield curve, diantaranya normal yield curve, flat
yield curve, dan inverted yield curve.
a.
Normal Yield Curve
21

Kurva ini menggambarkan kondisi normal dari pasar, dimana investor

percaya bahwa tidak akan terjadi perubahan kondisi ekonomi yang
signifikan, contohnya rate dari inflasi, sehingga ekonomi akan tumbuh
pada rate yang normal.
Pada kondisi seperti ini investor akan berekspektasi untuk memperoleh
yield yang lebih tingggi untuk instrumen dengan tenor yang lebih
panjang doi masa yang akan datang. Akibatnya, YTM untuk instrumen
yang jangka waktunya lebih panjang akan menjadi lebih besar
dibandingkan dengan YTM untuk instrumen yang jangka waktunya lebih
pendek.
b.
Flat Yield Curve

Kurva ini mengindikasikan pasar tidak menunjukkan kecenderungan
tertentu sehingga investor tidak bisa menginterpretasikan kondisi pasar,
apakah suku bunga jangka panjang akan naik ataukah turun. Sehingga
suku bunga jangka panjang akan diekspektasikan sama dengan suku
bunga jangka pendek saat ini.
22

c.
Inverted Yield Curve

Apabila suku bunga jangka pendek lebih tinggi maka kurva dikatakan
memiliki negative slope atau inverted yield curve. Kurva ini bisa
memberikan gambaran mengenai keadaan ekonomi di masa yang akan
datang dimana ekonomi tidak akan lebih baik dari sekarang sehingga
investor mau menerima yield yang lebih rendah untuk instrumen
investasinya. Padahal normalnya suku bunga jangka panjang akan lebih
tinggi dibandingkan suku bunga jangka pendek. Yield untuk investasi
jangka panjang akan lebih tinggi karena menanggung risiko yang lebih
besar dengan jangka waktu investasi yang lama (risk premium).
Terdapat empat teori yang mendasari terbentuknya ketiga bentuk yield curve
di atas (Damodaran, 2002).
Teori pertama adalah Expectation Hypothesis Theory yang menyatakan bahwa
suku bunga untuk suatu instrumen jangka panjang akan sama dengan rata-rata
suku bunga beberapa instrumen jangka pendek yang terjadi sepanjang periode
instrumen jangka panjang. Ekspektasi dari setiap investor mengenai tingkat
bunga sama dengan forward rate. Jadi tidak ada bedanya memegang obligasi
jangka pendek ataupun jangka panjang karena tingkat bunga yang diharapkan
akan sama dengan forward rate.
Teori kedua adalah Liquidity Preferance Theory yang mengatakan bahwa
investor jangka pendek biasanya lebih menyukai untuk memegang obligasi
jangka panjang hanya jika forward rate lebih besar dari tingkat bunga yang
23

diharapkan investor (tidak termasuk suku bunga jangka pendek). Sebaliknya

investor jangka panjang akan memegang obligasi jangka pendek hanya jika
forward rate lebih kecil dari tingkat bunga yang diharapkan oleh investor. Pada
teori ini baik investor jangka pendek maupun investor jangka panjang
mengharapkan premium untuk memegang obligasi dengan berbagai jatuh
tempo.
Teori berikutnya adalah Preferred Habitat Theory yang menentang pernyataan
bahwa risk premium harus meningkat secara perlahan sejalan dengan lama
jatuh temponya. Teori ini menyatakan bahwa risk premium harus meningkat
sesuai lama jatuh temponya hanya bila seluruh investor memiliki keinginan
untuk melikuidasi seluruh investasinya dalam jangka pendek dimana seluruh
peminjam/emiten ragu untuk meminjam dalam jangka panjang.
Terakhir, adalah Market Segmentation Theori yang mengatakan bahwa struktur
tingkat
bunga
untuk
obligasi
yang
jatuh
temponya
bervariasi
dapat
disegmentasikan secara sempurna. Tingkat suku bunga untuk setiap obligasi

dengan masa jatuh tempo yang berbeda ditentukan oleh supply dan demand
untuk masing-masing obligasi. Investor memiliki preferensi terhadap suatu
obligasi karena ekspektasi tingkat pengembalian obligasi itu sendiri. Ada satu
investor yang suka dengan obligasi dengan jangka waktu pendek karena risiko
tingkat suku bunga yang kecil, dan ada investor yang menyukai obligasi jangka
panjang karena ingin mendapatkan premium yang besar.
Seperti yang telah dibahas pada sub bab sebelumnya, bond pricing sangat
dipengaruhi oleh pergerakan tingkat suku bunga yang dapat direpresentasikan
melalui yield curve. Salah satu metode pembentukkan yield curve dapat
dilakukan melalui model CoxIngersollRoss.
2.5 Simulasi CoxIngersollRoss (CIR)

Yield curve merupakan kurva yang menjelaskan perilaku suku bunga pada kurun
waktu tertentu. Pergerakan suku bunga merupakan proses stokastik karena
selalu berubah ubah sepanjang waktu, sehingga diperlukan model stokastik
yang bisa menjelaskan pergerakan suku bunga tersebut, salah satunya
menggunakan model CIR.
24

Model CIR diperkenalkan pertama kali pada tahun 1985 oleh John C. Cox,
Jonathan E. Ingersoll, dan Stephen A. Ross sebagai pengembangan dari model
Vasicek. Model ini mendeskripsikan pergerakan suku bunga yang digerakkan
oleh suatu market risk. Model CIR menjamin tingkat suku bunga bernilai positif
dan memiliki sifat mean reversion yaitu kecenderungan kembali ke nilai ratarata jangka panjang. Bentuk dari model CIR adalah
( )
( ))
( )
( )
dengan
( )
= tingkat suku bunga pada waktu t

= kecepatan ( ) kembali menuju
= rata-rata tingkat suku bunga jangka panjang
= volatilitas dari tingkat suku bunga
( )
dimana
= proses Wiener
adalah parameter untuk model CIR yang bernilai positif.
Ketiga parameter ini belum diketahui nilainya. Untuk penentuan parameter dari
CIR, digunakan estimasi dari fungsi maximum likelihood dengan melakukan
simulasi menggunakan software Matlab.
2.5.1 Implementasi Maximum Likelihood Untuk CIR

Estimasi parameter dari model CIR ini dibutuhkan suatu deret waktu dari suku
bunga dengan N observasi *
+. Dimisalkan selang waktu untuk
setiap observasi sama, yaitu t.

Fungsi likelihood untuk deret waktu suku bunga dengan N observasi adalah
( )
menggunakan fungsi log-likelihood untuk mempermudah komputasi diperoleh
( )
25

Dari persamaan (2.5), fungsi log-likelihood untuk CIR process adalah

( )
)
{
dimana
* (
dan
)+}
. Dapat ditemukan estimasi dari
maximum likelihood dari vektor parameter
dengan memaksimumkan fungsi
likelihood dari persamaan (2.6) :
( )
( )
Untuk initial estimation yang akan menjadi titik awal proses optimisasi,
digunakan metode Ordinary Least Square (OLS) dari persamaan (2.3) :
(
dengan
berdistribusi normal dengan mean 0 dan variansi
)).
Transformasikan persamaan (2.8) menjadi
Estimasi awal dapat ditentukan dengan meminimalkan fungsi objektif OLS :
( )
dengan solusi
26

Untuk dicari dengan menghitung standar deviasi dari residu OLS. Algoritma
lengkap untuk simulasi Matlab akan disertakan pada lampiran (xx).
2.6 Value at Risk

Value at Risk (VaR) dapat diartikan sebagai suatu estimasi kerugian maksimum
dari risky asset atau portofolio selama selang periode tertentu dan dalam
selang kepercayaan tertentu. VaR dapat diaplikasikan untuk semua jenis risiko
yang dimiliki oleh institusi keuangan (khususnya bank), diantaranya: risiko
pasar, risiko kredit, risiko likuiditas, risiko operasional, risiko strategik, risiko
hukum, risiko kepatuhan, dan risiko reputasi.
Risiko pasar timbul karena adanya pergerakan variabel pasar (adverse
movement) dari portofolio yang dimiliki oleh bank yang dapat merugikan bank.
Variabel pasar antara lain suku bunga dan nilai tukar. Bank komersial dan
investment menggunakan VaR untuk melihat potensi kerugian atas portfolio
surat berharga yang dimiliki terhadap fluktualitas pergerakan suku bunga pada
suatu periode tertentu.
Terdapat tiga metode yang umum digunakan untuk mencari perhitungan VaR, di
antaranya simulasi historical, varian kovarian, dan simulasi Monte Carlo. Ketiga
metode mempunyai karakteristik dengan kelebihan dan kekurangannya masingmasing. Metode varian-kovarian mengasumsikan bahwa return berdistribusi
normal dan return portofolio bersifat linier terhadap return asset tunggalnya.
Kedua faktor ini menyebabkan estimasi yang lebih rendah terhadap potensi
volatilitas asset atau portofolio di masa depan. VaR dengan metode simulasi
Monte
Carlo
disimulasikan
mengasumsikan
dengan
bahwa
menggunakan
return
berdistribusi
parameter
yang
normal
sesuai
dan
yang
tidak
mengasumsikan bahwa return portofolio bersifat linier terhadap return aset

tunggalnya. VaR dengan simulasi historis adalah metode yang mengesampingkan
asumsi return yang berdistribusi normal maupun sifat linier antara return
portofolio terhadap return aset tunggalnya.
Secara teknis, VaR dengan tingkat kepercayaan (1-) dinyatakan sebagai bentuk
kuantil dari- dari distribusi return. VaR dapat ditentukan melalui fungsi
kepadatan peluang dari nilai return di masa depan, dinotasikan dengan f(R)
dengan R adalah return. Pada tingkat kepercayaan (1-) akan ditentukan
27

kemungkinan terburuk return, yaitu R*, sehingga peluang munculnya return

melebihi R* adalah (1-). Dapat dinyatakan sebagai berikut :
( )
Sedangkan peluang diperolehnya return yang kurang atau sama dengan R* atau
yang dinotasikan dengan p adalah sebesar :
( )
Dengan kata lain, R* merupakan kuantil dari distribusi return yang merupakan
nilai kritis (cut off value) dengan peluang yang sudah ditentukan dan secara
umum R* bernilai negatif (menyatakan suatu loss).
Dari model CIR, dapat dibangun yield curve dari portfolio obligasi yang dimiliki
oleh Bank Mega yang telah dibahas pada subbab 2.1. Melalui simulasi yield
curve ini nantinya dapat dicari maksimum kerugian yang dapat dialami oleh
bank.
28

BAB III
PEMBAHASAN
3.1 Metodelogi Pengerjaan Proyek

Tujuan akhir dalam proyek ini adalah mendapatkan hasil perhitungan Value at
Risk untuk obligasi pemerintah yang ada pada portfolio Bank Mega. Secara garis
besar terdapat empat tahapan utama dalam proses pengerjaan proyek ini yang
tunjukkan melalui gambar 3.1
Data
Model
CIR
Price
Value
at Risk
Gambar 3.1 Project Overview

Langkah pertama dalam pengerjaan proyek adalah pengumpulan data yang akan
digunakan sebagai benchmark untuk obligasi pemerintah yang menjadi fokus
utama proyek. Data diunduh melalui sistem Bloomberg yang kemudian diolah
pada Excel. Data ini kemudian dimasukkan ke dalam simulasi model CIR pada
program Matlab untuk memperoleh parameter yang diperlukan pada model
pergerakan short rate (akan dijelaskan pada sub bab 3.2).
Output dari model CIR ini adalah yield dan harga dari masing-masing seri
obligasi. Di akhir tahapan perhitungan Value at Risk akan menggunakan tiga
variabel utama, yaitu: actual price yang berlaku di pasar, harga dari hasil
simulasi, dan bobot dari outstanding masing-masing seri obligasi terhadap
keseluruhan portfolio.
3.2 Data Short Rate

Data short rate yang digunakan pada simulasi model CIR ini adalah data yield to
maturity untuk suatu instrumen surat berharga yang diterbitkan pemerintah
dengan tenor 3 bulan, yaitu SPN (Surat pembendaharaan Negara) untuk tahun
29

2011 sampai dengan awal tahun 2016. SPN merupakan treasury bills yang
berjangka waktu paling lama 12 bulan. Data SPN dikumpulkan hingga diperoleh
1207 data harian untuk yield to maturity. Informasi mengenai statistic
descriptive akan disajikan pada tabel di bawah ini :
SPN
Mean
Standard Error
Median
Mode
Standard Deviation
Sample Variance
SPN
0,050120323
0,000346663
0,05027
0,05988
0,012043716
0,000145051
Kurtosis
Skewness
Range
Minimum
Maximum
Sum
Count
Tabel 3.1. Statistic Descriptive SPN
SPN 2011-2016
0,09
0,08
0,07
% YTM
0,06
0,05
0,04
0,03
0,02
0,01
0
Gambar 3.2. Grafik Pergerakan Short Rate SPN
-1,214422924
-0,063318917
0,05809
0,02224
0,08033
60,49523
1207
30

Menggunakan metode pada subbab 2.5.1 untuk model CIR

( )
( ))
( )
( )
diperoleh estimasi parameter dengan hasil sebagai berikut :

0.039900
0.050407
0.015840
Table 6.2 Parameter CIR
Dari parameter di atas dapat diartikan bahwa rata-rata jangka panjang (mean
long run,
) untuk SPN rate adalah sebesar 0.0504. Karena nilai dari 0,
maka ketika ( ) nilainya lebih besar dari , nilai

sehingga
nilai
( ) akan menjadi negatif
) ( ). Sebaliknya saat ( ) nilainya lebih kecil dari
( ) akan menjadi positif dan mendorong pergerakan (
maka
) menjadi
lebih tinggi dari ( ). Ini mengartikan bahwa mean long run akan selalu menarik
( ) tidak terlampau jauh dan tetap stabil ke nilai .
) kita lihat pergerakan ( ) untuk dua kasus :
Dengan mengambil
1. ( )
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
50
100
150
200
Gambar 2.3. ( )
250
300
350
31

2. ( )
0.4
0.2
-0.2
-0.4
-0.6
-0.8
-1
50
100
150
200
Gambar 3. 3.
250
300
350
( )
Terlihat dari dua gambar di atas bahwa untuk jangka panjang, ( ) akan selalu
bergerak di sekitar .
Setelah memperoleh parameter untuk model CIR, dapat dijalankan simulasi
untuk menghitung daily short rate dari SPN selama 10000 periode selanjutnya.
3.3 Portfolio Obligasi Pemerintah Bank Mega

Obligasi pemerintah memegang share terbesar dari keseluruhan portfolio Bank
Mega, yaitu sebesar 79.25%. Oleh karena itu dalam pengerjaan proyek ini
diasumsikan portfolio obligasi pemerintah mewakili portfolio keseluruhan
obligasi Bank Mega. Terdapat dua belas instrumen utama yang akan dijadikan
objek untuk simulasi, diantaranya : FR0056, FR0058, FR0062, FR0063, FR0064,
FR0065, FR0068, FR0070, FR0073, PBS009, SR007, dan ORI12.
Nama Instrumen
Kupon (%)
Maturity
Outstanding
FR0056
8.375
15 September 2026
713.190.886.230
FR0058
8,250
15 Juni 2032
9.001.893.725
FR0062
6,375
15 April 2042
61.947.465.525
32

FR0063
5,625
15 Mei 2023
88.259.242.225
FR0064
6,125
15 Mei 2028
99.477.281.475
FR0065
6,625
15 Mei 2033
84.196.476.650
FR0068
8,375
15 Maret 2034
22.822.016.250
FR0070
8.375
15 Maret 2024
3.338.168.962.550
FR0073
8.750
15 Mei 2031
80.869.600.000
PBS009
7.750
25 Januari 2018
497.010.000.000
SR007
8.250
11 Maret 2018
417.759.405.000
ORI12
9.00
15 Oktober 2018
308.493.000.000
Table 3.3 Instrumen Obligasi Pemerintah

Pricing dari obligasi merupakan fungsi dari yield to maturity (ytm) dan kupon,
sesuai dengan persamaan (2.1). Untuk mengetahui harga obligasi di masa
mendatang dengan asumsi kupon tidak berubah, dibutuhkan estimasi tingkat
ytm di masa mendatang.
Untuk posisi 29 Februari 2016, kurva hasil ditampilkan dalam gambar 3.5 di
bawah ini.
33

Yield Curve Governance Bonds

Posisi 29 Februari 2016
9,2
9
8,8
8,6
8,4
8,2
8
7,8
7,6
7,4
7,2
7
ytm
Gambar 3.4 Kurva Hasil Obligasi Pemerintah

Estimasi tingkat ytm di masa mendatang untuk masing-masing instrumen
diperoleh melalui simulasi short rate menggunakan model CIR.
Simulasi dilakukan menggunakan software Matlab sebanyak 1000 kali untuk
setiap instrumen yang ada.
3.4 Hasil Simulasi

Untuk model CIR, dengan rate yang telah kita peroleh dapat dicari yield to
maturity dengan parameter A(t,T), B(t,T), dan
(
( ) (
( (
(
)(
( (
(
)(
(
)(
))
))
( (
( (
)
))
))
34

Dengan
waktu settlement untuk masing-masing instrumen obligasi yang dalam
simulasi ini dimulai dari tanggal 29 Februari 2016 sampai dengan waktu jatuh
tempo untuk masing-masing instrumen.
Setelah mendapatkan proyeksi yield harian untuk masing-masing instrumen,
dapat ditentukan harga obligasi pada periode
sampai dengan jatuh temponya
T menggunakan simulasi dari program Matlab dengan parameter yang sama,

(
). Persamaan harga obligasi adalah
) ( )
Hasil dari simulasi tentunya tidak bisa persis sama dengan keadaan aktual yang
terjadi di pasar. Faktor seperti perubahan suku bunga, kondisi ekonomi, atau
supply-demand di pasar dapat mempengaruhi harga dari obligasi. Perusahaan
yang aktif melakukan trading obligasi akan melihat pergerakan harga obligasi
sebagai risiko. Perhitungan Value at Risk dengan tingkat kepercayaan 99% akan
ditetapkan pada harga obligasi ini, artinya setiap nilai VaR, misalkan , hanya
1% peluang kerugian yang terjadi lebih besar dari .
|
Weight atau bobot adalah share dari masing-masing instrumen terhadap

keseluruhan outstanding portfolio obligasi.
Sesuai dengan Ketentuan Peraturan Bank Indonesia dan PSAK, portfolio obligasi
dipisahkan berdasarkan kelompok atau kategori kepentingan, yaitu Available
For Sale, Trading, dan Hold To Maturity.
3.3.1 Kelompok AFS (Available For Sale)

Simulated
Price
Nama
Outstanding
Weight
Price
Yield
VaR
Max Loss
FR0056
605.034.000.000
0,12
101,07
8,22
127,21 0,03
FR0070
3.338.168.962.550
0,65
100,09
8,36
121,97 0,14 472.037.455.370,43
ORI12
308.493.000.000
0,06
103,00
7,73
109,67 0,00
1.192.552.367,15
SR007
413.423.500.000
0,08
101,04
7,68
106,16 0,00
1.676.447.773,69
PBS009
497.010.000.000
0,10
99,56
8,00
104,89 0,01
2.564.297.131,31
18.336.747.889,16
35

SUN AFS
Actual Price
130,333
101,072
124,403
100,087
FR0056
FR0070
Simulated Price
110,497
103,004
ORI12
106,795
101,042
105,486
99,556
SR007
PBS009
3.3.2 Kelompok Trading

Simulated
VaR
Max Loss
Price
127,21
0,14 15.643.286.098,03
Nama
Outstanding
Weight
Price
Yield
FR0056
108.156.886.230
0,56
101,07
8,22
FR0073
80.869.600.000
0,42
101,29
8,59
139,35
0,16 12.708.773.220,90
SR007
4.335.905.000
0,02
101,04
7,68
106,16
0,00
SUN TRD
Actual Price
139,353
127,207
101,072
FR0056
Simulated Price
101,292
FR0073
101,042 106,158
SR007
4.922.844,41
36

3.3.3 Kelompok Hold To Maturity

Simulated
VaR
Price
143,95
0,01
Nama
Outstanding
Weight
Price
Yield
Max Loss
FR0058
9.001.893.725,00
0,02
95,68
8,75
FR0062
61.947.465.525,00
0,17
74,45
8,91
158,13
0,19
11.795.702.887,59
FR0063
88.259.242.225,00
0,24
85,64
8,31
123,81
0,11
9.496.249.211,59
FR0064
99.477.281.475,00
0,27
81,10
8,66
136,00
0,18
18.315.838.110,07
FR0065
84.196.476.650,00
0,23
81,09
8,77
145,52
0,18
15.400.762.414,96
FR0068
22.822.016.250,00
0,06
96,40
8,78
146,90
0,03
746.158.535,16
111.781.827,18
HTM
Actual Price
143,949
158,129
123,813
95,681
74,445
FR0058
Simulated Price
FR0062
85,635
FR0063
135,998
81,102
FR0064
145,520
81,093
FR0065
146,903
96,399
FR0068
Dari ketiga kelompok, nilai VaR tertinggi terdapat pada kelompok HTM. Hal ini
dikarenakan pada portfolio HTM obligasi yang dipegang memiliki jangka waktu
yang lama (7 tahun ke atas). Semakin panjang jangka waktu jatuh temponya
maka exposure terhadap risiko suku bunga akan semakin besar. Obligasi akan
semakin sensitif terhadap perubahan harga dan menyebabkan nilai VaR juga
tinggi.
37

BAB IV
KESIMPULAN DAN SARAN
4.1 Kesimpulan
Tata kelola risiko merupakan salah satu aspek penilaian Kualitas Penerapan
Manajemen Risiko Tingkat Kesehatan Bank yang mencakup adanya perumusan
risk appetite dan risk tolerance yang memadai sesuai dengan sasaran strategis
dan strategis bisnis Bank secara keseluruhan. Risk Appetite adalah tingkat risiko
yang bersedia diambil oleh Bank dalam menjalankan aktivitas bisnisnya.
Sedangkan Risk Tolerance adalah tingkat risiko maksimum yang ditetapkan oleh
Bank dalam menjalankan aktivitas bisnisnya. Risk Appetite dan Risk Tolerance
harus diperhatikan dalam penyusunan kebijakan Manajemen Risiko, termasuk
dalam penetapan limit.
Nilai Value at Risk yang diperoleh dalam proyek ini dapat dijadikan acuan untuk
penentuan nilai risk limit dalam trading obligasi. Berikut ini adalah hasil
perhitungan Value at Risk untuk masing-masing kelompok portfolio :
14,14%
3,03%
FR0056
FR0070
0,39%
0,41%
0,52%
ORI12
SR007
PBS009
Gambar 4.1 VaR untuk SUN AFS
38

15,72%
14,46%
0,11%
FR0056
FR0073
SR007
Gambar 4.2 VaR untuk SUN TRD

19,04%
18,41%
18,29%
10,76%
3,27%
1,24%
FR0058
FR0062
FR0063
FR0064
FR0065
FR0068
Gambar 4.3 VaR untuk SUN HTM

Nilai VaR memberikan estimasi kerugian maksimum yang bisa ditanggung oleh
bank atas risiko pergerakan harga obligasi. Dengan total outstanding obligasi
untuk kedua belas instrumen yang bernilai 5.721 T,
keseluruhan VaR yang
terhitung untuk selang kepercayaan 99% adalah 22,37% atau ekivalen dengan
1.272 T untuk posisi 29 Februari 2016.
39

4.2 Saran
Simulasi model CIR ini dapat membantu bank untuk mengetahui signifikansi
perubahan pergerakan yield dan harga obligasi harian untuk portfolio Bank
Mega. Dengan adanya simulasi ini bank diharapkan dapat menentukan strategi
bisnis yang tepat dengan tetap comply terhadap penerapan manajemen risiko
sesuai dengan risk appetite dan risk tolerance yang telah ditetapkan. Untuk ke
depannya, model yang telah dikonstruksi dapat disempurnakan, khususnya
dalam hal pemilihan data sebagai benchmark obligasi pemerintah karena dapat
mempengaruhi nilai dari parameter model CIR. Selain itu perlu dilakukan
review dan update berkala atas model yang digunakan apakah masih bisa
diterapkan dengan kondisi aktual pasar. Ke depannya, aplikasi model ini dapat
diterapkan dalam menentukan risk limit untuk digunakan oleh Direktorat
Treasury & International Banking Bank Mega.
40

DAFTAR PUSTAKA
Surat Edaran Bank Indonesia Nomor 13/23/DPNP tanggal 25 Oktober 2011
Mengenai Pedoman Penerapan Manajemen Risiko Secara Umum.
Laporan Keuangan Tahunan PT. Bank Mega Tbk. Jakarta. Tahun 2015
Deddy P. Koesrindartoto, Fernando Adventius. 2014. Indonesian Government
Bond Stochastic Simulation. ITB Bandung
Walpole, E., Ronald. 1982. Introduction to Statistics, 3rd edition. London:
Macmillan
Cox, J., J. Ingersoll, S. Ross. 1985. A Theory Of The Term Structure Of Interest
Rates", Econometrica.
41

LAMPIRAN
1. Program Matlab Estimasi Parameter
%%RUN ESTIMATION
clc
clear all
close all
Model.Data = xlsread('spn-2.xlsx','Sheet1','j3:j155')
%Model.Data = xlsread('spn.xlsx','Sheet2','B3:B2753');
%Model.Data = xlsread('bca-mandiri1.xlsx','Sheet1','E3:E2732')
% O/N F
% 1W I
% 1M L
% 3M O
% 6M R
% 12M U
Model.TimeStep = 1/250;
% recommended: 1/250 for daily data,
1/12 for monthly data, etc
Model.Disp = 'y';
% 'y' | 'n' (default: y)
Model.MatlabDisp = 'iter'; % 'off'|'iter'|'notify'|'final'
(default: off)
Model.Method = 'besseli';
% 'besseli' | 'ncx2pdf' (default:
besseli)
Results = CIRestimation(Model);
%================================================================%
function Results = CIRestimation(Model)
% Initial parameters using OLS
Nobs = length(Model.Data);
x = Model.Data(1:end-1);
dx = diff(Model.Data);
dx = dx./x.^0.5;
regressors = [Model.TimeStep./x.^0.5, Model.TimeStep*x.^0.5];
drift = regressors\dx;
res = regressors*drift - dx;
alpha = -drift(2);
mu = -drift(1)/drift(2);
sigma = sqrt(var(res, 1)/Model.TimeStep);
InitialParams = [alpha mu sigma];
if ~isfield(Model, 'Disp'), Model.Disp = 'y'; end;
if strcmp(Model.Disp, 'y')
fprintf('\n initial alpha = %+3.6f\n initial mu
=
%+3.6f\n initial sigma = %+3.6f\n', alpha, mu, sigma);
end
% Optimization using fminsearch
if ~isfield(Model, 'MatlabDisp'), Model.MatlabDisp = 'off';
end;
options = optimset('LargeScale', 'off', 'MaxIter', 300,
'MaxFunEvals', 300, 'Display', Model.MatlabDisp, 'TolFun', 1e-4,
'TolX', 1e-4, 'TolCon', 1e-4);
42

if ~isfield(Model, 'Method'), Model.Method = 'besseli'; end;

if strcmp(Model.Method, 'ncx2pdf')
[Params, Fval, Exitflag] = fminsearch(@(Params)
CIRobjective2(Params, Model), InitialParams, options);
else
[Params, Fval, Exitflag] = fminsearch(@(Params)
CIRobjective1(Params, Model), InitialParams, options);
end
%tol = 1e-6;
%lb = [ tol, tol, tol];
%ub = [ inf, inf, inf];
%[Params, Fval, Exitflag] = fmincon(@(Params)
CIRobjective1(Params, Model), InitialParams, [], [], [], [], lb,
ub, [], options);
Results.Params = Params;
Results.Fval = -Fval/Nobs;
Results.Exitflag = Exitflag;
if strcmp(Model.Disp, 'y')
fprintf('\n alpha = %+3.6f\n mu
= %+3.6f\n sigma =
%+3.6f\n', Params(1), Params(2), Params(3));
fprintf(' log-likelihood = %+3.6f\n', -Fval/Nobs);
end
end
%================================================================%
function lnL = CIRobjective1(Params, Model)
Data = Model.Data;
DataF = Data(2:end);
DataL = Data(1:end-1);
Nobs = length(Data);
TimeStep = Model.TimeStep;
alpha = Params(1);
mu = Params(2);
sigma = Params(3);
c = 2*alpha/(sigma^2*(1-exp(-alpha*TimeStep)));
q = 2*alpha*mu/sigma^2-1;
u = c*exp(-alpha*TimeStep)*DataL;
v = c*DataF;
z = 2*sqrt(u.*v);
bf = besseli(q,z,1);
lnL= -(Nobs-1)*log(c) + sum(u + v - 0.5*q*log(v./u) - log(bf)
- z);
end
%================================================================%
function lnL = CIRobjective2(Params, Model)
Data = Model.Data;
DataF = Data(2:end);
DataL = Data(1:end-1);
43

TimeStep = Model.TimeStep;
alpha = Params(1);
mu = Params(2);
sigma = Params(3);
c = 2*alpha/(sigma^2*(1-exp(-alpha*TimeStep)));
q = 2*alpha*mu/sigma^2-1;
u = c*exp(-alpha*TimeStep)*DataL;
v = c*DataF;
nc = 2*u;
df = 2*q+2;
s = 2*v;
gpdf = ncx2pdf(s, df, nc);
ppdf = 2*c*gpdf;
lnL = sum(-log(ppdf));
end
2. Program Matlab Running CIR

clc;
clear all;
%% ========= 2 Mei 2016 =========== %%

%% SIMULASI OBLIGASI MENGGUNAKAN MODEL CIR%%
disp('Instrumen Obligasi');
disp('1. FR0056');
disp('2. FR0058');
disp('3. FR0062');
disp('4. FR0063');
disp('5. FR0064');
disp('6. FR0065');
disp('7. FR0068');
disp('8. FR0070');
disp('9. FR0073');
disp('10. PBS009');
disp('11. SR007');
disp('12. ORI12');
%FR0056
date(1)=datenum('15-Sept-2026')
kupon(1)=8.375/100
%FR0058
date(2)=datenum('15-Jun-2032')
kupon(2)=8.25/100
%FR0062
date(3)=datenum('15-Apr-2042')
kupon(3)=6.375/100
%FR0063
date(4)=datenum('15-May-2023')
44

kupon(4)=5.625/100
%FR0064
kupon(5)=6.125/100
%FR0065
kupon(6)=6.625/100
%FR0068
date(7)=datenum('15-Mar-2034')
kupon(7)=8.375/100
%FR0070
kupon(8)=8.375/100
%FR0073
kupon(9)=8.75/100
%PBS009
date(10)=datenum('25-Jan-2018')
kupon(10)=7.75/100
%SR007
kupon(11)=8.25/100
%ORI012
date(12)=datenum('15-Okt-2018')
kupon(12)=9/100
T=10000;
%% Model Parameter dari hasil Simulasi MLE
r0=0.06354;
k=0.039900;
theta=0.050407;
sigma=0.015840;
% Simulate short rate paths
n=1;
m=10000;
dt=1/250;
%simulation trials
%subinterval
%delta t
%total time
r=zeros(T,n);
r(1,:)=r0;
for j=1:1000
for i=1:T-1
dr=k*(theta-r(i))*dt+sigma*sqrt(dt*r(i))*(normrnd(0,1));
r(i+1)=r(i)+dr;
yield(i,j)= CIRYield(i,k,theta,sigma,T,r(i));
end
end
plot(yield)
45

%% mengambil percentil 1% %%
settle=datenum('29-Feb-2016');
point=date-settle
var=yield(point,:)';
ytm_stress=prctile(var,1)'
price_stress=bndprice(ytm_stress,kupon,settle,date)
%================================================================%
function yieeld = CIRYield (i,k,mu,sig,T,rt)
gamma = (k^2+2*sig^2)^0.5;
Be=(2*exp(gamma*(T-i))-2)/((k+gamma)*(exp(gamma*(T-i))1)+2*gamma);
Aa=((2*gamma*exp(0.5*(k+gamma)*(T-i)))/((k+gamma)*(exp(gamma*(Ti))-1)+2*gamma))^(2*k*mu/sig^2);
yieeld =(rt*Be-log(Aa))/(T-i);
end
46

Contoh Paper Internship Pipit

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Contoh Paper Internship Pipit

Uploaded by

Copyright:

Available Formats

PT.

Bank Mega, Tbk - 2016

Nilai Value at Risk untuk Portofolio Obligasi PT Bank

Disusun sebagai syarat mengikuti ujian komprehensif internship 1

PT. Bank Mega, Tbk - 2016

Disusun sebagai syarat mengikuti ujian komprehensif internship 1

Mega Management Development Program

Jakarta, 12 Mei 2016

PT. Bank Mega, Tbk - 2016

Latar Belakang .................................................................................................. 7

Batasan Masalah ............................................................................................... 8

BAB II LANDASAN KONSEP ............................................................................................... 9

PT. Bank Mega, Tbk - 2016

3.3.3 Kelompok Hold To Maturity........................................................................ 37

PT. Bank Mega, Tbk - 2016

Gambar 3.1 Project Overview ..................................................29

Gambar 3.4 Kurva Hasil Obligasi Pemerintah ................................34

PT. Bank Mega, Tbk - 2016

PT. Bank Mega, Tbk - 2016

asset yang dimiliki di tahun 2015, 20.98% persen

PT. Bank Mega, Tbk - 2016

PT. Bank Mega, Tbk - 2016

2.1 Portfolio Obligasi Bank Mega Posisi 29 Februari 2016

Trading (TRD) adalah seluruh efek yang dibukukan sebagai investasi

PT. Bank Mega, Tbk - 2016

Table 1.2. Komposisi Portfolio Obligasi Pemerintah Posisi 29 Februari 2016

PT. Bank Mega, Tbk - 2016

Volume obligasi seri FR mendominasi portfolio dengan share sebesar 68,71%

Table 1.3 Outstanding Obligasi Seri FR

PT. Bank Mega, Tbk - 2016

Perubahann Indeks (%)

Periode harian 02/01/14-29/02/16

PT. Bank Mega, Tbk - 2016

Table 1.4 Obligasi Korporasi

2.2 Definisi Obligasi

janji pihak yang menerbitkan untuk membayar imbalan berupa

PT. Bank Mega, Tbk - 2016

PT. Bank Mega, Tbk - 2016

2.3 Pasar Obligasi

2.3.1 Pasar Perdana

PT. Bank Mega, Tbk - 2016

Table 1.5 Rating Obligasi

PT. Bank Mega, Tbk - 2016

deposito. Tingkat kupon obligasi akan selalu lebih tinggi

berbanding lurus dengan harga obligasi. Semakin besar tingkat kupon

PT. Bank Mega, Tbk - 2016

Terkait dengan penawaran rate coupon, dalam obligasi terdapat suatu

Yield to Maturity (YTM)

= periode jatuh tempo

PT. Bank Mega, Tbk - 2016

PT. Bank Mega, Tbk - 2016

Tingkat kupon semakin rendah

Jangka waktu jatuh tempo semakin lama, dan

Yield to maturity semakin rendah

2.3.2 Pasar Sekunder

PT. Bank Mega, Tbk - 2016

Dalam metode perdagangan obligasi dikenal istilah pembelian obligasi tanpa

Faktor internal, berkaitan dengan kebutuhan pendanaan di institusi.

Faktor eksternal, kondisi perekonomian negara.

Likuiditas obligasi merupakan pertimbangan penting bagi investor dan emiten

2.4 Term Structure of Interest Rate

Normal Yield Curve

PT. Bank Mega, Tbk - 2016

Kurva ini menggambarkan kondisi normal dari pasar, dimana investor