Professional Documents
Culture Documents
Oleh
Nurfitri Magnarianti
15091504
LEMBAR PENGESAHAN
Oleh :
Nurfitri Magnarianti
Menyetujui,
Mentor
Indivara Erni
Risk Directorate Managing Director
DAFTAR ISI
DAFTAR ISI ......................................................................................................................... 3
DAFTAR GAMBAR............................................................................................................... 5
BAB I PENDAHULUAN ........................................................................................................ 7
1.1.
1.2.
Tujuan ................................................................................................................ 8
1.3.
Manfaat .............................................................................................................. 8
1.4.
DAFTAR GAMBAR
..............................................................31
Gambar 3. 3.
...........................................................32
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
(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
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
INDOIS
105.195.919
105.195.919
1,607
10
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
11
Indeks IDMA
2
1,5
1
0,5
0
-0,5
-1
-1,5
-2
-2,5
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
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 ).
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:
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
kupon
akan
menentukan
pricing
dari
obligasi.
Kupon
17
Dimana,
= coupon
= par value
= harga obligasi
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 :
20
21
b.
22
c.
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
bunga
untuk
obligasi
yang
jatuh
temponya
bervariasi
dapat
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
( )
( )
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.
( )
( )
25
)
{
dimana
* (
dan
)+}
( )
( )
Untuk initial estimation yang akan menjadi titik awal proses optimisasi,
digunakan metode Ordinary Least Square (OLS) dari persamaan (2.3) :
(
dengan
)).
( )
dengan solusi
26
Untuk dicari dengan menghitung standar deviasi dari residu OLS. Algoritma
lengkap untuk simulasi Matlab akan disertakan pada lampiran (xx).
Carlo
disimulasikan
mengasumsikan
dengan
bahwa
menggunakan
return
berdistribusi
parameter
yang
normal
sesuai
dan
yang
tidak
27
( )
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
Data
Model
CIR
Price
Value
at Risk
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
SPN 2011-2016
0,09
0,08
0,07
% YTM
0,06
0,05
0,04
0,03
0,02
0,01
0
-1,214422924
-0,063318917
0,05809
0,02224
0,08033
60,49523
1207
30
( ))
( )
( )
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.
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
33
ytm
( ) (
( (
(
)(
( (
(
)(
(
)(
))
))
( (
( (
)
))
))
34
Dengan
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
) ( )
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 .
|
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
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
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
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
38
15,72%
14,46%
0,11%
FR0056
FR0073
SR007
18,41%
18,29%
10,76%
3,27%
1,24%
FR0058
FR0062
FR0063
FR0064
FR0065
FR0068
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
%================================================================%
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
%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
date(5)=datenum('15-May-2028')
kupon(5)=6.125/100
%FR0065
date(6)=datenum('15-May-2033')
kupon(6)=6.625/100
%FR0068
date(7)=datenum('15-Mar-2034')
kupon(7)=8.375/100
%FR0070
date(8)=datenum('15-Mar-2024')
kupon(8)=8.375/100
%FR0073
date(9)=datenum('15-May-2031')
kupon(9)=8.75/100
%PBS009
date(10)=datenum('25-Jan-2018')
kupon(10)=7.75/100
%SR007
date(11)=datenum('11-Mar-2018')
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