Value at Risk (VaR): Mengukur Kerugian Terburuk yang Mungkin Terjadi

Setiap trader, risk manager, dan CFO menghadapi pertanyaan fundamental yang sama: seberapa besar aku bisa merugi? Value at Risk (VaR) adalah jawaban yang paling luas dipakai di industri finansial. VaR menyatakan kerugian maksimum yang diharapkan selama horizon waktu tertentu pada tingkat kepercayaan (confidence level) tertentu, di bawah kondisi pasar normal.

Pernyataan seperti "VaR 95% satu hari dari portofolio ini adalah $500.000" berarti: ada probabilitas 95% bahwa portofolio tidak akan merugi lebih dari $500.000 dalam satu hari. Sebaliknya, ada kemungkinan 5% kerugiannya melampaui ambang batas itu. VaR menyaring distribusi kompleks dari kemungkinan hasil menjadi satu angka yang intuitif — yang merupakan kekuatan terbesarnya sekaligus keterbatasan paling berbahayanya.

VaR menjadi standar industri setelah chairman JPMorgan, Dennis Weatherstone, meminta laporan harian satu halaman yang meringkas total eksposur risiko perusahaan. Hasilnya — "4:15 Report" yang terkenal, dikirimkan setiap sore — melahirkan RiskMetrics pada 1994, yang kemudian di-open-source oleh JPMorgan ke seluruh dunia. Regulator mengadopsi VaR hampir seketika: Basel II Accord mewajibkan bank menghitung VaR harian untuk menentukan persyaratan modal mereka, standar yang bertahan hingga Basel III dan IV hari ini.

Ada tiga pendekatan utama untuk menghitung VaR, masing-masing dengan keunggulan dan trade-off yang berbeda:

1. Simulasi Historis

Metode paling sederhana. Ambil portofoliomu saat ini, terapkan return aktual dari 250 (atau 500, atau 1.000) hari trading terakhir, lalu urutkan PnL yang dihasilkan dari terburuk ke terbaik. Untuk VaR 95%, kerugian di persentil ke-5 adalah estimasi VaR-mu. Kalau kamu memakai 1.000 hari, VaR-nya adalah kerugian hari ke-50 terburuk. Metode ini tidak membuat asumsi apa pun tentang distribusi return — ia membiarkan sejarah berbicara langsung. Namun, ia mengasumsikan masa lalu representatif untuk masa depan, yang justru saat itulah ia gagal paling berbahaya.

2. Metode Parametrik (Variance-Covariance)

Pendekatan ini mengasumsikan return mengikuti distribusi normal. Kamu mengestimasi rata-rata return dan volatilitas setiap aset, membangun matriks kovarians, dan menghitung varians portofolio. Untuk VaR 95%: VaR = Nilai Portofolio × z-score × σ × √t, di mana z-score untuk 95% adalah 1,645, σ adalah volatilitas portofolio, dan t adalah horizon waktu. Metode ini cepat dan elegan — seorang quant bisa menghitungnya di spreadsheet. Tapi distribusi normal sangat meremehkan probabilitas gerakan ekstrem. Penurunan Bitcoin lebih dari 40% dalam satu hari akan menjadi kejadian 7+ sigma di bawah asumsi normalitas — secara teoretis mustahil terjadi bahkan sekali seumur hidup alam semesta, tapi kejadian itu sudah terjadi berkali-kali.

3. Simulasi Monte Carlo

Metode paling fleksibel. Kamu mendefinisikan model statistik tentang bagaimana harga aset berevolusi (termasuk fat tail, skewness, dan volatilitas yang berubah seiring waktu), lalu menghasilkan ribuan — atau jutaan — skenario acak. Kamu menilai ulang portofolio di bawah setiap skenario dan mengekstrak VaR dari distribusi PnL yang dihasilkan. Monte Carlo bisa menangani instrumen kompleks seperti opsi, produk path-dependent, dan eksposur non-linear. Biayanya adalah intensitas komputasi dan fakta bahwa hasilnya hanya sebaik asumsi modelnya.

VaR memberitahumu batas dari kerugian normal — tapi tidak memberitahu apa pun tentang apa yang terjadi di luar batas itu. Kalau VaR 99%-mu adalah $10 juta, kerugianmu pada 1% hari terburuk itu bisa jadi $11 juta atau $110 juta. VaR diam soal besarnya kerugian ekstrem, dan kediaman ini telah berkontribusi pada kegagalan-kegagalan katastrofik.

Selama Krisis Finansial Global 2008, Goldman Sachs melaporkan bahwa desk tradingnya mengalami "kejadian 25-sigma" pada beberapa hari berturut-turut. Di bawah distribusi normal, kejadian 25-sigma seharusnya terjadi sekitar sekali setiap 10¹³⁵ tahun. Realitasnya adalah surat berharga berbasis hipotek (mortgage-backed securities) memiliki distribusi return berekor gemuk (fat-tailed) yang sepenuhnya gagal ditangkap oleh model VaR — yang dikalibrasi pada pasar yang tenang.

Keterbatasan tambahan lainnya termasuk:

• Non-aditivitas — VaR dari portofolio gabungan bisa melampaui jumlah VaR individual, melanggar subadditivitas. Ini berarti VaR bisa menghukum diversifikasi, yang secara ekonomi tidak masuk akal.
• Risiko model — Perubahan kecil dalam asumsi (periode lookback, pilihan distribusi, estimasi korelasi) bisa menghasilkan angka VaR yang sangat berbeda.
• Prosiklikalitas — Di pasar yang tenang, VaR menyusut (volatilitas historis rendah), mendorong posisi yang lebih besar. Ketika volatilitas melonjak, VaR melejit, memaksa deleveraging pada waktu yang paling buruk — memperkuat crash.
• Kebutaan likuiditas — VaR standar mengasumsikan kamu bisa keluar dari posisi pada harga saat ini. Selama crash COVID Maret 2020, bahkan pasar US Treasury — yang paling likuid di dunia — mengalami disloksi parah, membuat estimasi VaR jadi tidak berarti.

Untuk menangani kelemahan VaR yang paling kritis — kediamannya soal kerugian ekor — risk manager mengembangkan Conditional VaR (CVaR), yang juga dikenal sebagai Expected Shortfall (ES). Sementara VaR bertanya "apa kerugian terburuk pada tingkat kepercayaanku?", CVaR bertanya "dengan asumsi kerugiannya melampaui VaR, berapa kerugian rata-rata-nya?"

Kalau VaR harian 95%-mu adalah $1 juta, CVaR 95%-mu mungkin $1,8 juta — artinya pada 5% hari terburuk itu, kamu bisa mengharapkan rugi rata-rata $1,8 juta. CVaR selalu melampaui VaR, dan selisih antara keduanya mengungkapkan seberapa parah risiko ekormu. Portofolio di mana CVaR-nya 3× VaR-nya punya eksposur ekor yang jauh lebih berbahaya dibanding portofolio di mana CVaR-nya hanya 1,2× VaR.

CVaR punya keunggulan matematis yang krusial: ia bersifat coherent, artinya ia memenuhi subadditivitas. Menggabungkan dua portofolio selalu menghasilkan CVaR yang lebih kecil atau sama dengan jumlah CVaR individual, merefleksikan manfaat diversifikasi secara tepat. Kerangka Basel III, menyadari kekurangan VaR setelah 2008, mewajibkan bank untuk bertransisi dari VaR ke Expected Shortfall untuk persyaratan modal risiko pasar — pergeseran yang diselesaikan di bawah Fundamental Review of the Trading Book (FRTB).

Untuk portofolio crypto, CVaR sangat penting. Aset digital menunjukkan fat tail yang menonjol: distribusi return empiris Bitcoin menunjukkan excess kurtosis sekitar 15–30 (dibandingkan dengan ~3 untuk distribusi normal), artinya kejadian ekstrem jauh lebih sering terjadi dibanding yang diprediksi model bell-curve. Hanya memakai VaR akan membuatmu berbahaya rentan terhadap kejadian-kejadian yang justru mendefinisikan pasar crypto itu sendiri.

Membangun kerangka VaR yang praktis untuk crypto membutuhkan adaptasi metode tradisional ke karakteristik unik kelas aset ini: trading 24/7, volatilitas ekstrem, perubahan rezim, dan likuiditas yang tipis saat kondisi tertekan.

Perhatikan portofolio $100.000 yang dibagi rata di BTC, ETH, dan SOL. Memakai simulasi historis selama dua tahun terakhir dari return harian:

• Kamu akan mengumpulkan 730 return portofolio harian (menimbang return setiap aset berdasarkan alokasinya 33%).
• Urutkan return-nya dari terburuk ke terbaik.
• Return terburuk ke-37 (persentil ke-5 dari 730) memberimu VaR 1-hari 95%.
• Secara empiris, angka ini mungkin sekitar $5.500–$7.000 — artinya kamu harus mengharapkan rugi minimal segitu pada 1 dari 20 hari trading.

Untuk horizon yang lebih panjang, aturan square-root-of-time (kalikan VaR harian dengan √t) memberikan perkiraan kasar: VaR mingguan ≈ VaR harian × √5 ≈ $12.300–$15.700. Namun, aturan skala ini mengasumsikan return-nya independen antar hari, yang dilanggar oleh pola momentum dan mean-reversion crypto. Skala yang lebih akurat membutuhkan pemodelan korelasi serial.

Di GaiaEx, di mana kamu men-trading kontrak perpetual di Hyperliquid L1, VaR menjadi bahkan lebih kritis karena leverage memperkuat baik return maupun kerugian. Posisi dengan leverage 5× punya VaR 5× lebih besar dari posisi tanpa leverage. Sebelum masuk ke trading dengan leverage apa pun, hitung VaR-mu dan pastikan skenario terburuk — mengingat bahwa kasus terburuk yang sebenarnya melampaui VaR — masih bisa kamu tanggung. Arsitektur dompet MPC GaiaEx memastikan bahwa selagi kamu mengelola risiko pasar lewat disiplin VaR, risiko counterparty-mu sudah dinetralkan sedari awal.

VaR bukan sekadar angka — ini adalah proses manajemen risiko. Berikut bagaimana trader profesional dan institusi memakainya setiap hari:

Tetapkan limit VaR sebelum trading. Putuskan kerugian maksimum yang bisa kamu tanggung dalam sehari, seminggu, dan sebulan. Nyatakan ini sebagai persentase dari portofoliomu. Standar profesional yang umum adalah limit VaR harian 1–2% dari total modal pada tingkat kepercayaan 99%. Kalau portofoliomu $50.000, itu berarti menyusun posisi sehingga VaR harian 99%-mu tetap di bawah $500–$1.000.

Monitor dan hitung ulang secara teratur. VaR berubah seiring posisi berubah, korelasi bergeser, dan volatilitas berevolusi. Hitung ulang setidaknya sehari sekali. Selama periode volatil — yang di crypto bisa berlangsung berminggu-minggu — hitung ulang beberapa kali sehari. Kalau VaR melampaui limitmu, kurangi posisi seketika daripada berharap pasarnya akan mereda.

Lakukan backtesting secara rutin. Bandingkan VaR yang diprediksi dengan PnL aktual yang terealisasi. Kalau VaR 95%-mu terlampaui lebih dari 5% waktunya, modelmu rusak. Selama pasar bearish crypto 2022, banyak model risiko yang dikalibrasi pada data 2020–2021 secara dramatis meremehkan VaR karena mereka dilatih pada pasar bullish. Backtesting yang teratur akan menangkap penyimpangan ini.

Gabungkan VaR dengan metrik risiko lainnya. Gunakan CVaR untuk risiko ekor, stress testing untuk analisis skenario, maximum drawdown untuk preservasi modal, dan limit posisi untuk risiko konsentrasi. Tidak ada satu metrik pun yang menangkap semua dimensi risiko. VaR adalah fondasi dari kerangka risikomu — bukan seluruh bangunannya.

Tujuannya bukan menghilangkan risiko — itu akan menghilangkan return. Tujuannya adalah mengetahui risikomu, mengukurnya secara sengaja, dan memastikan tidak ada satu hari pun yang bisa mengeliminasimu dari permainan. VaR, dipakai secara benar dan dilengkapi dengan ukuran risiko ekor, memberimu fondasi kuantitatif untuk trading dengan percaya diri.