Apa itu VaR Backtesting Calculator?
▾
Backtesting VaR adalah proses statistik untuk memvalidasi model Value at Risk dengan membandingkan perkiraan estimasi VaR dengan realisasi keuntungan dan kerugian portofolio. Pelampauan (atau 'pengecualian') terjadi kapan saja ketika kerugian portofolio aktual melebihi prediksi VaR pada hari itu. Untuk model VaR 99% yang ditentukan dengan benar, kami memperkirakan pelampauan akan terjadi sekitar 1% hari perdagangan — sekitar 2–3 hari per tahun untuk kalender 250 hari perdagangan. Backtesting menanyakan: apakah jumlah pelampauan yang teramati konsisten secara statistik dengan prediksi model? Komite Basel pertama kali meresmikan persyaratan backtesting VaR dalam Amandemen Risiko Pasar (1996) dan menyempurnakannya melalui kesepakatan selanjutnya. Berdasarkan Basel III, bank yang menggunakan model VaR internal untuk modal risiko pasar harus melakukan backtesting harian terhadap estimasi VaR 1 hari sebesar 99% terhadap laba dan rugi aktual. Kerangka peraturan lampu lalu lintas mengklasifikasikan hasil backtest berdasarkan jumlah pelampauan dalam 250 hari perdagangan terakhir: 0–4 pelampauan (zona hijau) — model lolos; pelampauan 5–9 (zona kuning) — pengganda modal meningkat; 10+ pelampauan (zona merah) — model gagal, memerlukan revisi dan berpotensi beralih ke pendekatan standar. Uji Proporsi Kegagalan (POF) Kupiec (1995) adalah uji statistik dasar: uji ini menguji apakah jumlah pelampauan yang diamati konsisten dengan tingkat kepercayaan VaR yang dinyatakan dengan menggunakan uji rasio kemungkinan. Hipotesis nolnya adalah probabilitas pelampauan sebenarnya sama dengan (1−tingkat kepercayaan). Uji cakupan bersyarat Christoffersen (1998) memperbaiki Kupiec dengan juga menguji apakah pelampauan bersifat independen dari waktu ke waktu — model VaR yang valid tidak boleh memiliki pelampauan yang dikelompokkan bersama (yang akan menunjukkan bahwa model tersebut lambat dalam beradaptasi terhadap perubahan volatilitas). Backtesting saja tidak cukup untuk memvalidasi model VaR sepenuhnya. Atribusi P&L (menjelaskan P&L setiap hari menggunakan faktor risiko model) diperlukan berdasarkan Basel FRTB. P&L hipotetis (menggunakan posisi portofolio saat ini yang disesuaikan dengan perubahan pasar kemarin) harus konsisten dengan P&L teoritis (dari model risiko). Model yang lolos pengujian ulang tetapi gagal dalam atribusi P&L mungkin masih memiliki risiko model yang signifikan. Validasi model tidak hanya mencakup pengujian ulang, tetapi juga mencakup analisis sensitivitas, pengujian tekanan, pembandingan terhadap model alternatif, dan peninjauan asumsi pemodelan. Analisis besaran yang terlampaui (apakah kerugian pada hari-hari pengecualian jauh lebih besar daripada VaR, yang menunjukkan adanya ekor gemuk (fat tails)?) melengkapi pendekatan berbasis penghitungan.
DigiCalcs delivers precision-engineered tools for engineers and STEM professionals.
Rumus
▾
Kelebihan yang Diharapkan = (1 − Keyakinan) × N
Kupiec LR = −2 × [ln((1−p)^(N−x) × p^x) − ln((1−x/N)^(N−x) × (x/N)^x)]
Nilai kritis: χ²(1) pada 5% = 3,84 | χ²(2) pada 5% = 5,99 (Christoffersen)Keterangan variabel
▾
| Simbol | Nama | Satuan | Deskripsi |
|---|---|---|---|
| N | Jumlah Hari Pengamatan | days | Jumlah hari perdagangan di jendela backtesting; Basel memerlukan minimal 250 hari perdagangan (≈1 tahun kalender). |
| x | Jumlah Kelebihan | count | Hari dimana kerugian P&L aktual melebihi estimasi VaR; diharapkan = (1−keyakinan) × N. |
| p | Tingkat Kelebihan yang Diharapkan | % | Tingkat pelampauan model VaR yang dinyatakan: 1% untuk 99% VaR, 5% untuk 95% VaR. |
| LR_POF | Statistik Uji Kupiec LR | chi-squared | Rasio kemungkinan untuk menguji apakah tingkat pelampauan yang diamati sesuai dengan tingkat yang diharapkan; dibandingkan dengan χ²(1) nilai kritis. |
| CC_test | Statistik Christoffersen | chi-squared | Menguji proporsi yang benar dan independensi pelampauan; χ²(2) distribusi; mendeteksi pengelompokan pengecualian. |
Cara VaR Backtesting Calculator
▾
- 1Kumpulkan perkiraan VaR harian (pada tingkat kepercayaan yang dinyatakan) dan laba dan rugi harian aktual untuk jendela backtesting (minimal 250 hari perdagangan).
- 2Hitung pelampauan: hari dimana kerugian > perkiraan VaR (yaitu, P&L aktual lebih negatif daripada −VaR).
- 3Hitung pelampauan yang diharapkan: E[x] = (1−keyakinan) × N. Untuk 99% VaR selama 250 hari: E[x] = 2,5.
- 4Terapkan tes Kupiec POF: hitung statistik LR menggunakan rumus; bandingkan dengan χ²(1) = 3,84 pada signifikansi 5%. Jika LR > 3,84, model gagal dalam pengujian.
- 5Terapkan uji cakupan bersyarat Christoffersen: buat matriks transisi 2×2 dari pelampauan hari berturut-turut; menguji independensi dari pelampauan.
- 6Terapkan kerangka lampu lalu lintas Basel: 0–4 pengecualian = hijau (tidak ada tindakan); 5–9 = kuning (tambahan huruf kapital); 10+ = merah (model gagal).
- 7Analisis besarnya pengecualian: apakah kerugian pada hari-hari pengecualian hanya sedikit di atas VaR, atau jauh lebih besar? Kelimpahan yang besar menunjukkan perkiraan yang terlalu rendah.
Contoh Terpecahkan
▾
Model lolos — 3 pelampauan konsisten dengan ekspektasi VaR 99%.
Ekspektasi pelampauan = 1% × 250 = 2,5. Teramati = 3. LR_POF = −2 × [ln((0.99)^247 × (0.01)^3) − ln((0.988)^247 × (0.012)^3)] ≈ 0.076, jauh di bawah nilai kritis χ²(1) sebesar 3.84. Modelnya tidak bisa ditolak. 3 pelampauan dalam 250 hari sangat konsisten dengan model VaR 99%. Lampu lalu lintas Basel: Zona Hijau (pengecualian 0–4) — tidak ada penalti pengganda modal. Ini adalah hasil yang diharapkan dari model VaR yang ditentukan dengan baik dan diperbarui secara berkala.
Model gagal total — 12 pelampauan berarti risiko sebenarnya adalah 5× estimasi model VaR
12 pelampauan vs. perkiraan 2,5 — 4,8× kelebihan. LR = −2 × [ln(0,99^238 × 0,01^12) − ln(0,952^238 × 0,048^12)] ≈ 24,1, yang jauh melebihi χ²(1)=3,84. Model ini ditolak secara statistik pada tingkat signifikansi apa pun yang masuk akal. Zona Merah Basel (10+ pengecualian): bank harus menjelaskan kegagalan model kepada regulator, pengganda modal ditingkatkan, dan bank mungkin diminta untuk beralih ke pendekatan permodalan standar. Penyebab umum: volatilitas yang diremehkan, fat tail yang diabaikan, penangkapan korelasi yang tidak memadai, atau model yang diterapkan di luar rentang kalibrasinya.
Kegagalan independensi berarti model tidak beradaptasi dengan cepat terhadap perubahan rezim volatilitas
5 pelampauan dalam 250 hari pada 99% VaR berada di zona kuning Basel. Tes Kupiec POF mungkin sedikit lulus (batas). Namun, 4 dari 5 pengecualian yang terjadi pada hari berturut-turut merupakan pelanggaran berat terhadap asumsi independensi. Tes CC Christoffersen menghitung matriks transisi: (hari setelah non-pengecualian menjadi pengecualian) vs. (hari setelah pengecualian menjadi pengecualian). Jika p(pengecualian | pengecualian sebelumnya) >> p(pengecualian | non-pengecualian sebelumnya), independensi gagal. Pengelompokan menunjukkan bahwa model VaR lambat dalam merespons lonjakan volatilitas – kemungkinan besar menggunakan periode historis yang panjang atau volatilitas yang bergulir dibandingkan dengan estimator adaptif.
Suatu hari yang penuh bencana ($2,1 juta = 4,2×VaR) menunjukkan perkiraan yang terlalu rendah mengenai data ekor gemuk
Empat dari lima pengecualian hanya sedikit di atas VaR ($480K–$550K) — hal ini sudah diperkirakan dan konsisten dengan model yang terkalibrasi dengan baik. Namun suatu hari terjadi kerugian sebesar $2,1 juta — 4,2× perkiraan VaR. Pencilan ini sangat kecil kemungkinannya pada distribusi normal (probabilitas kerugian > 4,2σ ≈ 0,001%). Hal ini menunjukkan bahwa distribusi imbal hasil memiliki ekor yang besar yang tidak dapat ditangkap oleh model VaR. Pengecualian rata-rata = $832K adalah 1,66× VaR — diperkirakan sekitar 1,14× untuk 99% VaR normal — sekali lagi menunjukkan hasil yang buruk. Analisis besaran pengecualian memicu peninjauan model meskipun hitungan (5) berada di zona kuning.
Aplikasi nyata
▾
Pelaporan permodalan bank berdasarkan Basel III FRTB, mewakili area penerapan penting untuk Var Back Testing dalam konteks profesional dan analitis di mana perhitungan var back test yang akurat secara langsung mendukung pengambilan keputusan, perencanaan strategis, dan optimalisasi kinerja
Validasi model internal dan manajemen risiko model, mewakili area aplikasi penting untuk Var Back Testing dalam konteks profesional dan analitis di mana penghitungan var backtesting yang akurat secara langsung mendukung pengambilan keputusan yang tepat, perencanaan strategis, dan optimalisasi kinerja
Pemantauan kinerja model risiko dana lindung nilai, mewakili area aplikasi penting untuk Pengujian Var Back dalam konteks profesional dan analitis di mana perhitungan pengujian var kembali yang akurat secara langsung mendukung pengambilan keputusan yang tepat, perencanaan strategis, dan optimalisasi kinerja
Validasi model risiko perusahaan asuransi berdasarkan Solvabilitas II, mewakili area aplikasi penting untuk Var Back Testing dalam konteks profesional dan analitis di mana perhitungan var backtesting yang akurat secara langsung mendukung pengambilan keputusan, perencanaan strategis, dan optimalisasi kinerja
Atribusi kinerja meja perdagangan — membedakan P&L dari paparan faktor risiko, mewakili area aplikasi penting untuk Pengujian Var Back dalam konteks profesional dan analitis di mana perhitungan pengujian var kembali yang akurat secara langsung mendukung pengambilan keputusan yang tepat, perencanaan strategis, dan optimalisasi kinerja
Kasus khusus
▾
Dalam Pengujian Var Back, skenario ini memerlukan kehati-hatian tambahan saat menafsirkan hasil pengujian var back. Formula standar mungkin tidak sepenuhnya memperhitungkan semua faktor yang ada dalam kasus ini, dan analisis tambahan atau konsultasi ahli mungkin diperlukan. Praktik terbaik profesional melibatkan pendokumentasian asumsi, menjalankan analisis sensitivitas, dan referensi silang hasil dengan metode alternatif ketika perhitungan pengujian kembali var termasuk dalam wilayah non-standar.
Nilai masukan yang terlalu besar atau kecil dalam Pengujian Var Back dapat mendorong var mundur
Nilai masukan yang terlalu besar atau kecil dalam Pengujian Var Back dapat mendorong penghitungan pengujian var kembali melampaui rentang pengoperasian pada umumnya. Meskipun valid secara matematis, hasil dari masukan ekstrem mungkin tidak mencerminkan skenario pengujian var back yang realistis dan harus diinterpretasikan dengan hati-hati. Dalam pengaturan pengujian balik var profesional, nilai ekstrim sering kali menunjukkan kesalahan pengukuran, kondisi yang tidak biasa, atau kasus tepi yang memerlukan analisis tambahan. Gunakan analisis sensitivitas untuk memahami bagaimana hasil berubah pada rentang masukan yang masuk akal daripada hanya mengandalkan penghitungan kasus ekstrem saja.
Dalam Pengujian Var Back, skenario ini memerlukan kehati-hatian tambahan saat menafsirkan hasil pengujian var back. Formula standar mungkin tidak sepenuhnya memperhitungkan semua faktor yang ada dalam kasus ini, dan analisis tambahan atau konsultasi ahli mungkin diperlukan. Praktik terbaik profesional melibatkan pendokumentasian asumsi, menjalankan analisis sensitivitas, dan referensi silang hasil dengan metode alternatif ketika perhitungan pengujian kembali var termasuk dalam wilayah non-standar.
Lampu Lalu Lintas Basel: Ambang Batas Pengecualian untuk 99% VaR selama 250 Hari
▾
| Pengecualian (x) | Probabilitas (jika model benar) | Probabilitas Kumulatif | Daerah | Pengganda Modal k |
|---|---|---|---|---|
| 0 | 8,1% | 8,1% | Hijau | 3.00 |
| 1 | 20,5% | 28,6% | Hijau | 3.00 |
| 2 | 25,7% | 54,4% | Hijau | 3.00 |
| 3 | 21,5% | 75,9% | Hijau | 3.00 |
| 4 | 13,5% | 89,4% | Hijau | 3.00 |
| 5 | 6,8% | 96,2% | Kuning | 3.40 |
| 6–9 | 3,5% | 99,7% | Kuning | 3,50–3,85 |
| 10+ | 0,3% | ≥99,7% | Red | 4.00 |
Pertanyaan yang sering diajukan
▾
Mengapa backtesting penting untuk model VaR?
Backtesting adalah validasi empiris bahwa model VaR menghasilkan kalibrasi yang diklaimnya. Bank yang mengklaim 99% VaR, menurut definisinya, seharusnya mengalami kerugian yang melebihi VaR sekitar 1%. Tanpa backtesting, suatu model dapat secara sistematis mengecilkan risiko (menghasilkan VaR yang terlalu rendah, sehingga mengurangi kebutuhan modal) tanpa mekanisme akuntabilitas. Backtesting menciptakan putaran umpan balik peraturan: model yang gagal akan dikenakan sanksi tambahan modal, sehingga menciptakan insentif keuangan bagi bank untuk mempertahankan model yang terkalibrasi dengan baik. Backtesting juga membantu manajer risiko mengidentifikasi kapan model menjadi usang karena perubahan dinamika pasar.
Apa perbedaan antara P&L bersih dan kotor untuk backtesting?
Clean P&L (P&L hipotetis) mengukur keuntungan atau kerugian pada posisi portofolio kemarin yang dinilai ulang menggunakan harga pasar saat ini — mengisolasi eksposur risiko pasar murni tanpa pengaruh perdagangan baru, biaya, atau perubahan portofolio. P&L Kotor (P&L aktual) mencakup semua P&L dari semua sumber: pendapatan perdagangan, posisi baru, pendapatan biaya, dan item operasional. Basel FRTB memerlukan backtesting terhadap hipotetis P&L yang bersih, karena model VaR memperkirakan risiko portofolio yang ada, bukan portofolio yang berkembang. Jika VaR dibandingkan dengan P&L yang kotor, hari perdagangan yang baik dapat mengaburkan kegagalan model risiko, dan sebaliknya.
Berapa tahun backtesting yang diperlukan untuk validasi model yang andal?
Persyaratan peraturan minimum adalah 250 hari perdagangan (≈1 tahun). Namun, secara statistik hal ini masih terbatas: pada VaR 99%, hanya terjadi 2,5 pengecualian per tahun. Kesalahan standar dari perkiraan tingkat pengecualian dengan 2,5 observasi sangat tinggi - tidak mungkin membedakan antara model yang menghasilkan tingkat pengecualian sebenarnya 0,5%, 1%, 1,5%, atau 2% dengan hanya 250 observasi. Untuk validasi yang kuat, lebih disukai data yang berumur 3–5 tahun. Meski begitu, tes Kupiec memiliki kekuatan yang rendah dalam membedakan kesalahan sistematis yang kecil. Inilah sebabnya mengapa beberapa uji statistik dan metode validasi tambahan (stress test, atribusi P&L) diperlukan bersamaan dengan backtesting.
Apa sistem lampu lalu lintas Basel untuk backtesting VaR?
Sistem lampu lalu lintas Basel (diperkenalkan pada tahun 1996 dan diperbarui pada Basel III) mengklasifikasikan kinerja model VaR berdasarkan jumlah pengecualian backtesting dalam 250 hari perdagangan terakhir: Zona Hijau (pengecualian 0–4) — model lolos, tanpa penalti modal; Zona Kuning (pengecualian 5–9) — pengganda modal k meningkat dari 3,0 menjadi 3,4–4,0 tergantung pada jumlahnya, dan pengawasan peraturan meningkat; Zona Merah (10+ pengecualian) — model gagal, k=4.0 atau lebih tinggi, dan bank mungkin diminta untuk beralih ke pendekatan standar. Ambang batas ditetapkan untuk menyeimbangkan kesalahan Tipe I (menolak model yang baik) dan kesalahan Tipe II (menerima model yang buruk) untuk sampel 250 hari.
Apa itu atribusi P&L dan apa kaitannya dengan backtesting?
Atribusi P&L (PLA) mengharuskan bank untuk menjelaskan P&L aktual setiap hari dengan menguraikannya menjadi kontribusi faktor risiko yang ditangkap dalam model VaR. Berdasarkan Basel FRTB, perbedaan antara P&L teoretis model VaR (menggunakan faktor risiko model) dan P&L hipotetis aktual harus kecil dan tidak berkorelasi dengan P&L aktual. Jika terdapat P&L signifikan yang tidak dapat dijelaskan oleh model (residual model besar), hal ini menunjukkan bahwa model VaR tidak memiliki faktor risiko penting dan mungkin mengecilkan risiko. PLA dilakukan di tingkat meja perdagangan, sementara backtesting juga dilakukan di tingkat meja di bawah FRTB.
Bisakah backtesting mendeteksi kesalahan spesifikasi model lebih dari sekedar frekuensi?
Backtesting Kupiec standar hanya mendeteksi frekuensi pelampauan yang salah. Model ini tidak dapat mendeteksi: (1) bentuk ekor yang salah — jika model meremehkan tingkat keparahan kerugian pada hari pengecualian; (2) sensitivitas faktor risiko yang salah — jika model memprediksi frekuensi dengan benar tetapi karena alasan yang salah; (3) kesalahan spesifikasi korelasi — jika manfaat diversifikasi dilebih-lebihkan. Tes Christoffersen menambah tes independensi. Pengujian berbasis fungsi kerugian (membandingkan distribusi P&L yang diharapkan vs. realisasi) dan pengujian berbasis regresi memberikan kekuatan diagnostik tambahan. Program validasi model yang lengkap menggunakan beberapa pengujian, pengujian tekanan, analisis sensitivitas, dan tinjauan model ahli untuk mengidentifikasi berbagai jenis kesalahan spesifikasi.
Apa yang harus dilakukan manajer risiko ketika model VaR menunjukkan terlalu banyak pengecualian?
Pengecualian berlebih memicu proses peninjauan model terstruktur: (1) Selidiki setiap pengecualian: apakah kerugian disebabkan oleh peristiwa tertentu, kesalahan data, atau kekurangan model yang sebenarnya? (2) Periksa apakah estimasi volatilitas terkini — asumsi volatilitas yang sudah ketinggalan zaman adalah penyebab umum dari perkiraan VaR yang terlalu rendah di pasar yang berubah dengan cepat. (3) Tinjau asumsi korelasi – periksa apakah korelasi krisis digunakan pada saat yang tepat. (4) Uji asumsi distribusi alternatif — ganti normal dengan distribusi-t atau simulasi historis. (5) Mengkaji risiko konsentrasi yang tidak sepenuhnya ditangkap oleh model. (6) Jika model tidak dapat diperbaiki dengan cepat, tambah biaya modal atau kurangi batas posisi hingga model dikalibrasi ulang.
Kesalahan Umum yang Harus Dihindari
▾
- !Melakukan pengujian ulang terhadap P&L kotor yang sebenarnya (termasuk perdagangan dan biaya baru) alih-alih P&L bersih hipotetis dari memegang posisi hari sebelumnya.
- !Menggunakan jangka waktu backtesting yang terlalu pendek (<250 hari) sehingga memberikan kekuatan statistik yang tidak memadai untuk membedakan model yang baik dan model yang buruk.
- !Gagal menyelidiki kluster pengecualian - memperlakukan semua pengecualian sebagai peristiwa independen ketika pengelompokan menunjukkan kegagalan pembaruan model.
- !Mengabaikan besarnya pengecualian - model dengan 2 pengecualian yang keduanya memiliki 5× VaR lebih mengkhawatirkan daripada 4 pengecualian yang masing-masing sedikit di atas VaR.
- !Tidak melakukan backtesting di tingkat trading desk (persyaratan FRTB) dan hanya melakukan backtesting di seluruh perusahaan yang dapat menutupi kegagalan di tingkat desk.
Tip Pro
Pertahankan grafik rolling backtest yang menunjukkan pengecualian kumulatif selama 250 hari terakhir di samping ambang batas hijau/kuning/merah. Plot ini setiap hari sehingga penurunan model terlihat sebagai tren sebelum model melintasi zona kuning — memungkinkan kalibrasi ulang secara proaktif.
Tahukah Anda?
Kerangka kerja backtesting lampu lalu lintas Basel diperkenalkan pada Amandemen Risiko Pasar tahun 1996 setelah regulator menemukan bahwa model VaR beberapa bank, meski lolos validasi internal, menghasilkan estimasi VaR yang rendah secara sistematis — yang secara efektif mempermainkan sistem permodalan. Ambang batas 250 hari, 99% dengan zona hijau/kuning/merah dipilih secara khusus untuk menyeimbangkan dua risiko yang bersaing: memberikan sanksi yang salah pada model yang baik (kesalahan Tipe I) vs. kegagalan mendeteksi model yang buruk (kesalahan Tipe II). Bahkan saat ini, kerangka kerja tersebut masih dianggap lemah secara statistik — dibutuhkan kegagalan model yang terus-menerus selama berbulan-bulan sebelum bukti terkumpul cukup untuk memicu zona merah.
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
Referensi
- ›Kupiec, P.H. (1995): Teknik Verifikasi Keakuratan Model Pengukuran Risiko, Jurnal Derivatif
- ›Christoffersen, P. (1998): Mengevaluasi Perkiraan Interval, Tinjauan Ekonomi Internasional
- ›Komite Basel: Kerangka Pengawasan Penggunaan Backtesting (1996)
- ›McNeil, Frey & Embrechts: Manajemen Risiko Kuantitatif - Bab Backtesting
Dapatkan Tips Matematika Mingguan
Bergabunglah dengan pelanggan 12.000+ yang mendapatkan tip kalkulator setiap minggu.