Pertimbangan Lanjutan untuk Risiko Ekor
Apa arti risiko ekor di luar dasar-dasarnya
Risiko ekor menggambarkan risiko terjadinya hasil di “ekor” distribusi kerugian—peristiwa yang jarang terjadi dibandingkan dengan pergerakan pasar pada umumnya, tetapi cukup besar untuk merugikan akun secara material. Dalam istilah praktis, ini bukan hanya tentang besarnya potensi kerugian, tetapi juga tentang seberapa besar kemungkinan kerugian “ekstrem” terjadi berdasarkan asumsi yang digunakan untuk menggambarkan imbal hasil.
Cara yang berguna untuk memisahkan konsep adalah:
- Risiko kisaran tipikal: apa yang terjadi sebagian besar waktu, sering dimodelkan dengan rata-rata dan volatilitas “normal”.
- Risiko ekor: hasil di titik ekstrem, di mana distribusinya lebih tebal atau lebih tidak dapat diprediksi daripada yang diasumsikan model.
Pertimbangan lanjutan yang penting adalah bahwa risiko ekor sering didorong oleh perubahan rezim (kondisi yang mengubah perilaku imbal hasil) daripada kelanjutan sejarah yang mulus. Hal ini membuat risiko ekor lebih sulit diukur karena mekanisme yang menghasilkan titik ekstrem mungkin tidak stabil.
Bagaimana risiko ekor “bekerja” dalam model dan portofolio
1) Asumsi distribusi adalah ketergantungan inti
Setiap pernyataan risiko ekor kuantitatif bergantung pada cara Anda merepresentasikan imbal hasil. Misalnya, jika Anda memodelkan imbal hasil dengan distribusi yang memiliki ekor tipis, maka peristiwa ekstrem akan tampak lebih kecil kemungkinannya daripada yang sebenarnya. Sebaliknya, jika Anda melebih-lebihkan ketebalan ekor, Anda mungkin memperlakukan peristiwa volatilitas umum sebagai hasil ekor.
Pertimbangan lanjutan meliputi:
- Definisi ekor: “Ekor” dapat berarti ambang probabilitas yang berbeda (misalnya, 1% hasil terburuk), dan ambang numerik mengubah kesimpulan.
- Bentuk ekor: bahkan dengan probabilitas ekor yang sama, bentuk ekor yang berbeda dapat menyiratkan tingkat keparahan yang berbeda.
- Non-stasioneritas: perilaku statistik yang menghasilkan distribusi masa lalu mungkin tidak berlaku di kemudian hari.
2) Ketergantungan antar variabel lebih penting daripada volatilitas individu
Kerugian ekor sering muncul dari ketergantungan: korelasi yang meningkat selama stres, beberapa faktor risiko yang bergerak bersamaan, atau leverage yang memperbesar pergerakan kecil menjadi kerugian besar. Model yang memperlakukan komponen sebagai independen dapat secara sistematis meremehkan risiko ekor.
Kasus tepi ketergantungan yang umum:
- Kerusakan korelasi: aset atau eksposur mungkin tampak terdiversifikasi dalam kondisi normal, tetapi korelasi dapat menyatu menuju 1 selama peristiwa ekstrem.
- Pendorong umum: risiko dapat didorong oleh satu guncangan mendasar (stres likuiditas, kejutan kebijakan, atau guncangan makro), membuat “diversifikasi” kurang efektif pada titik ekstrem.
3) Waktu eksekusi dan struktur mikro pasar dapat mendominasi hasil
Secara teori, ukuran risiko mengasumsikan Anda dapat masuk dan keluar pada harga yang dapat diprediksi. Dalam praktiknya, peristiwa ekor sering bertepatan dengan kondisi di mana asumsi tersebut gagal:
- Kesenjangan likuiditas: spread efektif yang lebih lebar dan kedalaman yang berkurang.
- Slippage: harga eksekusi berbeda dari harga kuotasi atau harga model.
- Perbedaan penanganan pesanan: penundaan, pemenuhan sebagian, atau kendala.
Ini berarti risiko ekor bukan hanya konsep “pasar”; ini juga merupakan konsep implementasi. Strategi atau profil eksposur dapat terlihat aman di bawah harga ideal tetapi berperilaku sangat berbeda ketika biaya eksekusi dan waktu mendistorsi hasil.
4) Biaya dan kendala pendanaan menjadi bagian dari ekor
Analisis risiko ekor yang mengabaikan biaya bisa menjadi tidak lengkap. Biaya dapat mencakup biaya transaksi, drift terkait pembiayaan, dan kendala operasional yang menjadi lebih relevan selama stres. Pertimbangan lanjutan: biaya terkadang relatif kecil selama periode tipikal tetapi menjadi signifikan selama pergerakan ekstrem.
Kendala pendanaan adalah ketergantungan lain. Jika margin atau kontrol risiko bergantung pada nilai waktu nyata, maka pergerakan mendadak dapat memicu batasan lebih cepat daripada yang dapat direspons manusia.
Bukti, skenario, dan apa yang dapat Anda uji
Karena peristiwa ekor jarang terjadi, Anda umumnya tidak dapat “membuktikan” perilaku risiko ekor dari sampel terbatas. Sebagai gantinya, Anda dapat membangun pemeriksaan berbasis skenario dan memverifikasi bagian mana dari analisis yang stabil.
Contoh struktur skenario (asumsi dinyatakan)
Pertimbangkan skenario yang disederhanakan (bukan prediksi):
- Anda mendefinisikan “peristiwa ekor” sebagai pergerakan merugikan yang cukup besar untuk mendorong kerugian melampaui ambang yang dipilih.
- Anda mengasumsikan spread dan slippage melebar dengan faktor tertentu selama stres.
- Anda mengasumsikan korelasi antara eksposur yang relevan meningkat menuju tingkat yang lebih tinggi.
Kemudian Anda membandingkan dua kasus:
- Biaya dan efek ketergantungan tetap pada tingkat normal.
- Biaya melebar dan ketergantungan menguat selama stres.
Keterbatasan material yang perlu diperhatikan: Anda mungkin menemukan bahwa perbedaan utama berasal dari asumsi eksekusi dan ketergantungan, bukan dari distribusi imbal hasil itu sendiri. Hasil itu penting karena memberi tahu Anda apa yang harus diverifikasi untuk mengurangi titik buta model.
Pengujian stres dibatasi oleh realisme model
Pengujian stres dapat berguna, tetapi hanya jika asumsi stres masuk akal dan dipetakan ke mekanisme yang benar-benar dapat terjadi. Jebakan lanjutan meliputi:
- Ketidakcocokan jenis peristiwa ekor: menggunakan stres yang mencerminkan mekanisme guncangan yang salah.
- Input yang tidak konsisten: menerapkan ambang “ekor” ke satu variabel sambil memperlakukan variabel lain dengan parameter periode normal.
- Overfitting terhadap sejarah: memperlakukan serangkaian ekstrem masa lalu yang terbatas seolah-olah mewakili semua ekstrem masa depan.
Verifikasi informasi terkait risiko harus fokus pada dokumen dan metode
Jika Anda melihat klaim risiko ekor, Anda dapat memverifikasi secara independen apa yang penting dengan memeriksa:
- Definisi metode: ambang ekor dan ukuran apa yang digunakan secara tepat.
- Data input: periode, frekuensi, dan langkah pembersihan apa yang diterapkan.
- Asumsi model: pilihan distribusi, penanganan ketergantungan, dan apakah parameter diperbarui.
- Asumsi eksekusi: apakah analisis menyertakan spread, slippage, latensi, atau kendala operasional.
Bahkan tanpa data waktu nyata, Anda masih dapat memverifikasi apakah klaim konsisten dalam cara mendefinisikan peristiwa ekor dan cara memperlakukan biaya dan ketergantungan.
Keterbatasan dan mode kegagalan yang harus Anda harapkan
Keterbatasan material 1: kelangkaan data yang jarang
Estimasi ekor bergantung pada sedikit observasi. Dengan sampel ekor yang terbatas, hasil dapat berubah secara substansial ketika Anda menambah atau menghapus data. Ini adalah mode kegagalan ketidakpastian statistik, bukan sekadar kesalahan perhitungan.
Keterbatasan material 2: perubahan rezim peristiwa ekstrem
Peristiwa ekor dapat dihasilkan oleh mekanisme yang tidak ada di sebagian besar data historis. Model yang dilatih pada rezim normal dapat meremehkan probabilitas atau tingkat keparahan ekstrem masa depan.
Keterbatasan material 3: eksekusi dan infrastruktur mematahkan asumsi
Selama stres, jalur dari kuotasi ke pemenuhan dapat berubah. Jika metode risiko mengasumsikan harga yang stabil atau spread yang stabil, metode tersebut dapat gagal tepat ketika risiko ekor paling penting.
Keterbatasan material 4: pergeseran parameter dan metodologi
Perhitungan risiko dapat bergeser jika:
- model diperbarui secara tidak konsisten,
- parameter volatilitas dan korelasi berubah,
- atau definisi hasil ekor berubah.
Inilah sebabnya klaim “akurasi” harus diperlakukan dengan hati-hati kecuali klaim tersebut menyatakan asumsi dengan jelas dan memberikan bukti yang terkait dengan asumsi tersebut.