Apa saja keterbatasan Tail Risk?
Jawaban langsung
Tail risk adalah konsep yang digunakan untuk memikirkan kerugian parah yang berada di “ekor” distribusi return. Keterbatasan utamanya adalah ekor tersebut sulit diukur dan bahkan lebih sulit diprediksi. Perkiraan bergantung pada asumsi tentang bagaimana probabilitas dibentuk, bagaimana eksposur berperilaku selama tekanan, dan bagaimana biaya serta eksekusi memengaruhi hasil.
Dalam praktiknya, konsep ini bisa menjadi kurang berguna ketika input model tidak stabil, ketika peristiwa ekor bergeser lebih cepat daripada jendela pengukuran yang dipilih, atau ketika mekanisme yang mendorong hasil ekstrem berbeda dari mekanisme yang diamati selama periode pasar normal. Untuk perhitungan atau contoh apa pun, Anda harus menyatakan asumsi dan memperlakukan hasil sebagai kondisional, bukan sebagai jaminan.
Mekanisme atau definisi
Cara umum untuk menggambarkan tail risk adalah: fokus pada hasil di luar ambang batas yang tidak mungkin terjadi dalam kondisi “normal”. Metode kemudian menggunakan ukuran ringkasan (misalnya, tingkat kerugian berbasis kuantil atau kerugian rata-rata di wilayah ekstrem) untuk mewakili apa yang dapat terjadi ketika return bergerak jauh dari pusat.
Mekanisme utamanya adalah:
- Anda harus mendefinisikan metrik kerugian (misalnya, persentase drawdown atau return absolut), karena “ekor” bergantung pada apa yang Anda ukur.
- Anda harus memilih kerangka probabilitas atau proksi empiris (misalnya, menggunakan return historis sebagai pengganti perilaku masa depan).
- Anda harus berasumsi bahwa pemetaan eksposur-ke-pasar Anda tetap berlaku selama tekanan. Jika eksposur berubah (ukuran, leverage, korelasi, atau lindung nilai berperilaku berbeda), perkiraan ekor bisa rusak.
Karena input ini adalah pilihan, tail risk bukanlah pengamatan langsung terhadap ekstrem masa depan. Ini adalah perkiraan terstruktur tentang hasil ekstrem berdasarkan asumsi tertentu.
Bukti atau contoh
Pertimbangkan contoh sederhana di mana Anda memperkirakan kerugian ekor menggunakan return bulanan masa lalu. Anda menetapkan ambang batas sehingga Anda melihat 5% hasil terburuk. Ini menghasilkan ringkasan kerugian ekor berdasarkan sejarah.
Keterbatasan utama segera terlihat: distribusi masa depan mungkin tidak menyerupai distribusi masa lalu. Bahkan jika volatilitas mengelompok dalam sejarah, “bentuk” ekor dapat berubah ketika korelasi bergeser, kondisi likuiditas memburuk, atau hubungan antara pergerakan harga dan nilai posisi Anda berubah.
Selain itu, banyak efek dunia nyata tidak tertangkap dengan baik oleh rangkaian return historis yang disederhanakan. Biaya transaksi, spread, eksekusi parsial, dan selip eksekusi dapat memperburuk kerugian selama tekanan. Jika efek tersebut tidak disertakan, perkiraan ekor mungkin meremehkan tingkat keparahan yang sebenarnya.
Jadi, contoh ini berguna untuk menjelaskan konsepnya, tetapi juga menunjukkan bagaimana output bergantung pada asumsi spesifik: cakrawala pengukuran, definisi ambang batas, metrik kerugian, dan apakah biaya serta eksekusi dimodelkan.
Keterbatasan dan risiko
-
Ketidakpastian estimasi: Peristiwa ekor jarang terjadi, sehingga jumlah observasi ekstrem dalam data historis bisa kecil. Ini meningkatkan ketidakpastian dalam ringkasan kerugian ekor apa pun.
-
Pergeseran rezim: Lingkungan pasar yang menghasilkan ekstrem dapat berubah. Korelasi dan efektivitas lindung nilai selama tekanan mungkin berbeda dari periode normal.
-
Kerusakan model: Ringkasan tail risk sering mengasumsikan pemetaan yang stabil antara pergerakan pasar dan nilai portofolio. Ketika posisi bersifat non-linear atau eksposur berubah, pemetaan ini bisa gagal tepat ketika ekstrem terjadi.
-
Efek biaya dan eksekusi: Biaya dan kualitas eksekusi dapat mendominasi hasil selama kondisi tertekan. Jika Anda tidak memasukkannya, perkiraan tail risk mungkin tidak mewakili hasil yang terealisasi.
-
Hubungan non-stasioner: Hubungan historis tidak menetapkan hasil masa depan. Perilaku ekor yang sama yang diukur dalam satu periode tidak menjamin perilaku ekor yang serupa di kemudian hari.
Untuk menjaga verifikasi tetap memungkinkan, perlakukan tail risk sebagai pernyataan kondisional: “Dengan data, definisi, dan asumsi ini, kerugian ekstrem mungkin terlihat seperti X.” Kemudian uji apakah asumsi tersebut tetap masuk akal.
Verifikasi atau pertanyaan lanjutan
Untuk memverifikasi fakta yang relevan secara independen, Anda dapat membandingkan dua pandangan tail risk menggunakan definisi kerugian yang sama tetapi input yang berbeda: misalnya, ambang batas yang berbeda atau jendela waktu yang berbeda. Periksa apakah ringkasan ekor stabil di bawah perubahan yang wajar.
Jika hasil berubah secara drastis, itu adalah bukti bahwa ketidakpastian estimasi dan asumsi model mendominasi. Pertanyaan lanjutan yang berguna adalah: asumsi mana yang paling mendorong estimasi—pilihan ambang batas, cakrawala pengukuran, atau bagaimana eksposur berubah selama tekanan?