Analisis Dependensi Risiko Finansial Pada Perusahaan Sektor Teknologi Di Indonesia Menggunakan Conditional Value At Risk Dengan Pendekatan Quantile Autoregressive

Akhzami, Rahmat Rifki Aolia (2024) Analisis Dependensi Risiko Finansial Pada Perusahaan Sektor Teknologi Di Indonesia Menggunakan Conditional Value At Risk Dengan Pendekatan Quantile Autoregressive. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6003222008-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (8MB) | Request a copy

Abstract

Perubahan harga saham mempengaruhi return yang diterima investor. Selain itu terdapat hubungan positif antara risiko dan return yang diharapkan. Value at Risk (VaR) adalah ukuran risiko yang umum digunakan, namun tidak dapat menangkap risiko sistemik atau spillover risk antar perusahaan. Untuk mengatasi hal tersebut, digunakan Conditional Value at Risk (CoVaR) yang mampu mendeteksi spillover risk antara dua pasar atau lebih. Penelitian ini bertujuan memodelkan CoVaR menggunakan regresi kuantil dari nilai VaR dengan pendekatan Extreme Value Theory (EVT) dan Quantile Autoregressive (QAR) pada log return saham sub sektor perangkat lunak dan jasa TI di Indonesia, serta membandingkan hasilnya menggunakan backtesting dengan expected shortfall. Hasil penelitian menunjukkan bahwa dari 90 pasangan saham yang diuji dengan Granger Causality Test, 26 menunjukkan hubungan kausalitas signifikan pada taraf 0,05. Pada skenario pertama, perbandingan VaR antara EVT dan G(ARCH) menunjukkan EVT menghasilkan VaR lebih ekstrem pada tingkat kepercayaan 95%, cocok untuk pasar yang tidak stabil. Pada skenario kedua, saham ATIC memiliki risiko terendah dalam hal fluktuasi pengembalian dengan varian yang paling rendah pada kedua kuantil yang dianalisis, sementara GOTO memiliki risiko tertinggi ditunjukkan oleh varian tertinggi dan mean VaR yang paling rendah pada kuantil 1% dan 5%, yang mengindikasikan potensi kerugian rata-rata yang lebih besar serta fluktuasi pengembalian yang lebih besar. Analisis QAR menunjukkan saham DCII memiliki fluktuasi tertinggi, sedangkan BUKA dan WIFI memiliki risiko terendah. CoVaR berbasis VaR-EVT dan VaR-QAR menunjukkan bahwa nilai CoVaR lebih rendah daripada risiko individu, dengan VaR-EVT lebih efektif dalam menangkap kerugian ekstrem. Backtesting dengan Expected Shortfall menunjukkan bahwa VaR-EVT memberikan estimasi risiko yang lebih tinggi dan sensitif terhadap kerugian ekstrem dibandingkan QAR, menjadikannya metode yang lebih komprehensif untuk penilaian risiko dalam kondisi pasar yang volatil.
=====================================================================================================================================
Changes in stock prices affect the returns received by investors. Other than there is a positive relationship between risk and expected return. Value at Risk (VaR) is a commonly used risk measure that cannot capture systemic risk or spillover risks between companies. Conditional Value at Risk (CoVaR) is utilized to address this, as it can detect spillover risk between two or more markets. This study aims to model CoVaR using quantile regression of VaR values with Extreme Value Theory (EVT) and Quantile Autoregressive (QAR) approaches on the log returns of software and IT services sub-sector stocks in Indonesia and to compare the results using backtesting with Expected Shortfall. The results indicate that out of 90 stock pairs tested with the Granger Causality Test, 26 show a significant causality relationship at the 0.05 level. In the first scenario, the comparison of VaR between EVT and GARCH shows that EVT produces more extreme VaR at the 95% confidence level, making it suitable for volatile markets. In the second scenario, ATIC stock exhibits the lowest risk regarding return fluctuations, with the lowest variance at both quantiles analyzed. At the same time, GOTO has the highest risk, indicated by the highest variance and the lowest mean VaR at the 1% and 5% quantiles, reflecting a greater average potential loss and return fluctuations. QAR analysis shows that DCII stocks have the highest fluctuation, whereas BUKA and WIFI exhibit the lowest risk. VaR-EVT and VaR-QAR-based CoVaR demonstrate that CoVaR values are lower than individual risks, with VaR-EVT being more effective in capturing extreme losses. Backtesting with Expected Shortfall reveals that VaR-EVT provides higher risk estimates and is more sensitive to extreme losses than QAR, making it a more comprehensive method for risk assessment under volatile market conditions.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	CoVaR, EVT, VaR, QAR, Return saham.
Subjects:	H Social Sciences > HA Statistics > HA30.3 Time-series analysis H Social Sciences > HG Finance > HG4529 Investment analysis H Social Sciences > HG Finance > HG4910 Investments H Social Sciences > HG Finance > HG4915 Stocks--Prices
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49101-(S2) Master Thesis
Depositing User:	Rahmat Rifki Aolia Akhzami
Date Deposited:	12 Aug 2024 07:13
Last Modified:	27 Aug 2024 02:33
URI:	http://repository.its.ac.id/id/eprint/114760

Actions (login required)

View Item