Pembandingan Metode Copula dan D-Vine Copula dalam Estimasi Tail Value at Risk pada Komoditas Pertanian

Abstract

Risiko adalah salah satu hal yang perlu dihitung investor untuk mengetahui perkiraan kerugian yang harus ditanggung. Salah satu alat ukur yang digunakan untuk menghitung risiko portofolio adalah Value at Risk (VaR). Namun, VaR memiliki kekurangan dalam hal subadditivity sehingga muncul konsep Tail Value at Risk (TVaR) yang memenuhi sifat koherensi ukuran risiko. Dalam penelitian ini, dilakukan penghitungan nilai VaR dan TVaR menggunakan data imbal hasil Crude Palm Oil (CPO), minyak kelapa, dan olein. Model ARMA-GARCH digunakan untuk mengatasi autokorelasi dan heteroskedastisitas pada komoditas-komoditas tersebut. VaR dan TVaR diukur dari portofolio model copula dan D-Vine copula. Fungsi copula yang terpilih yaitu copula-t dan copula Gauss. Setelah didapat sebaran bersama kemudian dilakukan pendugaan nilai VaR dan TVaR dengan Simulasi Monte Carlo yang selanjutnya digunakan backtesting untuk menguji kevalidan nilainya. Dengan memberikan bobot yang sama, pada tingkat kepercayaan 99% dengan copula diperoleh nilai estimasi TVaR sebesar 7.952167% dan dengan D-Vine copula diperoleh nilai estimasi TVaR sebesar 7.050056%.

Risk is one of the things that investors need to calculate to find out the estimated losses that must be borne. One of the measuring tools used to calculate portfolio risk is Value at Risk (VaR). However, VaR has deficiency in subadditivity property, so the concept of Tail Value at Risk (TVaR) appears which satisfies the coherence property of risk measures. In this study, the VaR and TVaR values were calculated using the return data of Crude Palm Oil (CPO), coconut oil, and olein. The ARMA-GARCH model is used to overcome autocorrelation and heteroscedasticity effects in these commodities. VaR and TVaR were measured from the copula and D-Vine copula model portfolios. The selected copula functions are t-copula and Gaussian copula. After getting the joint distribution, VaR and TVaR values were estimated with Monte Carlo Simulation and then backtesting is used to test the validity of the values. By giving the same weight to each commodity, at a confidence level of 99% when using copula, the estimated TVaR value is 7.952167%, and using the D-Vine copula the TVaR estimate is 7.500056%.