Studi Kasus ERM – Integrasi dan Agregasi Risiko Pasar dengan CFaR

PT ABC adalah sebuah asset management company hipotetik yang memiliki portofolio aset berupa kepemilikan saham pada perusahaan lain, hak tagih/piutang pada perusahaan lain, dan aset berwujud yang sebagian besarnya berupa properti. Struktur organisasi PT ABC dibagi ke dalam beberapa unit bisnis sesuai jenis aset tersebut, ditambah dengan divisi support. PT ABC ini merupakan anak perusahaan yang membawa peran sebagai cashcow dari sebuah holding company XYZ Corp.

Melihat portofolio aset yang dimiliki, PT ABC memiliki eksposur risiko terhadap risiko pasar yang terdiversifikasi dalam berbagai macam aset, dan karenanya juga tersebar pada berbagai unit bisnis. Sementara itu dalam hubungan dengan holding company, PT ABC menghadapi risiko kekurangan kas yang harus disetorkan kepada perusahaan induk pada periode tertentu.

Studi kasus ini akan membahas integrasi dan agregasi risiko pasar yang dihadapi oleh PT ABC dengan kerangka ERM COSO. Sedangkan agregasi dilakukan dengan menguantifikasi risiko dengan pendekatan Cashflow at Risk (CFaR). Selanjutnya langkah-langkah yang perlu dilakukan PT ABC adalah sebagai berikut:

  1. Menghubungkan misi, tujuan, dengan aktivitas
  2. Mengidentifikasi risiko pasar yang mempengaruhi setiap aktivitas dalam pencapaian tujuan pada level korporasi secara terintegrasi
  3. Menghitung risiko agregat dengan CFaR melalui simulasi Monte Carlo dengan spesifikasi metrik dan skenario yang ditetapkan
  4. Merespons dan merencanakan pengendalian risiko

Secara garis besar, langkah-langkah tersebut dapat digambarkan dalam flowchart sebagai berikut:

1. Menghubungkan Misi, Tujuan, dan Aktivitas

PT  ABC membawa misi sebagai cash cow bagi XYZ Corp dengan target setoran cash sebesar Rp7 triliun dalam 5 tahun. Dalam breakdown per tahun, pada tahun 20XX PT ABC harus menyetorkan Rp2,35 triliun. Target tersebut diproyeksikan dari berbagai aktivitas utama selama tahun 20XX sebagai berikut:

  • Manajemen aset saham Rp2 T,
  • Manajemen aset hak tagih Rp0,5 T,
  • Manajemen aset properti  Rp0,3T dan
  • Manajemen dana Rp 0,3T.
  • Dana operasional yang dibutuhkan sebesar (Rp0,5 T)

2. Mengidentifikasi Risiko Secara Terintegrasi

Identifikasi risiko dilakukan secara terintegrasi pada level korporasi dengan menggunakan diagram Ishikawa (fishbone diagram) berikut ini. Tujuan yang ditetapkan untuk 20XX di atas adalah menyetorkan kas sebesar Rp 2,35T kepada XYZ Corp, diletakkan pada kepala ikan. Setiap aktivitas utama akan mendukung dan berfokus kepada pencapaian tujuan ini, dan setiap aktivitas tersebut menghadapi risiko yang dapat mempengaruhi pencapaian tujuan tersebut.

3. Menghitung Agregasi Risiko dengan CFaR

a. Spesifikasi Metrik (Metric Specification)

Dua pengukuran yang hingga kini cukup banyak diadopsi oleh banyak kalangan termasuk dalam ERM COSO yaitu pendapatan (earnings) dan arus kas (cash flow). Pada kasus ini hanya akan digunakan salah satu alat pengukuran yaitu arus kas, mengingat tujuan ABC diukur dengan arus kas masuk bersih dan setoran kepada XYZ Corp. Dengan demikian yang dipilih sebagai spesifikasi metrik di sini adalah CFaR yang diartikan sebagai jumlah maksimum kas yang tidak dapat direalisasikan dibandingkan dengan target yang ditetapkan yang diakibatkan oleh risiko-risiko (pada kasus ini dibatasi pada risiko pasar) pada tingkat eksposur, periode pelaporan, serta tingkat keyakinan yang ditetapkan. Periode pelaporan dimaksud adalah tahun 20XX. Sedangkan tingkat keyakinan yang ditetapkan adalah 95%.

b. Pemetaan Eksposur (Exposure Mapping)

Teknik yang digunakan dalam model pemetaan eksposur di sini adalah berdasarkan laporan arus kas pro forma. Setiap komponen dalam laporan proforma tersebut dianalisis kemungkinan akan dipengaruihi oleh faktor risiko yang mana saja. Faktor-faktor yang berwarna merah merupakan faktor risiko pasar yang telah diidentifikasi di atas yang akan mempengaruhi bottom line arus kas bersih. Selanjutnya risiko-risiko ini akan dianalisis distribusi probabilitasnya hingga sampai ke simulasinya.

c. Pembuatan Skenario (Scenario Generation)

Yang dimaksudkan dengan pembuatan skenario di sini adalah bagaimana membuat sebuah wilayah (range) yang mungkin untuk nilai setiap faktor risiko. Risiko-risiko yang telah diidentifikasi diasumsikan berdistribusi normal, sehingga analisis kuantitatif  berikut ini akan mencari dua faktor utama, yaitu mean dan standar deviasi dari masing-masing faktor risiko. Mean dan standar deviasi dimaksud ditarik dari data historis yang tersedia.

Harga saham bank yang sudah listing di bursa dapat dicari nilai mean dan standar deviasi masing-masing berdasarkan observasi histori harga penutupan di Bursa Efek indonesia selama beberapa tahun terakhir. Demikian juga nilai observasi, mean, dan deviasi untuk faktor risiko yang lain. Nilai tukar mata uang rupiah terhadap US Dollar didapatkan dari kurs tengah Bank Indonesia yang disajikan secara bulanan selama beberapa tahun terakhir. Suku bunga SBI merupakan rata-rata tertimbang antara suku bunga SBI 1 bulan dan 3 bulan. Suku bunga deposito merupakan rata-rata tertimbang antara deposito bank pemerintah berjangka waktu 6 bulan dan 1 tahun. Sedangkan inflasi merupakan indeks harga konsumen gabungan untuk 45 kota di Indonesia.

Aset hak tagih dan aset properti yang dikelola oleh ABC merupakan foreclosed asset yang cukup unik yang karakteristiknya tidak dimiliki oleh aset yang dijual perusahaan pada umumnya. Oleh karenanya, untuk memperkirakan distribusi probabilitas nilai pasarnya akan dibandingkan dengan pengalaman PT ABC pada beberapa tahun sebelumnya. Demikian juga nilai observasi, nilai mean, dan standar deviasi dari program-program penjualan tersebut.

d. Korelasi Antarfaktor Risiko

Dalam simulasi yang akan dilakukan di bawah, pengambilan sampel setiap faktor risiko dalam distribusi probabilitas selama iterasi dilakukan secara acak (random-walk). Namun, agar pengambilan sampel lebih realistik, korelasi antarfaktor risiko turut diperhitungkan. Korelasi antarfaktor risiko dihitung berdasarkan data yang sama di atas dan ditunjukkan pada tabel berikut:

USD

Deposito

SBI

BII

Permata

Panin

USD

1

Deposito

0,253

1

SBI

0,635

0,881

1

BII

0,39

-0,391

-0,167

1

Permata

0,359

-0,298

-0,082

0,681

1

Panin

0,408

0,045

0,147

0,63

0,122

1

Dengan korelasi seperti itu, maka pengambilan sampel dalam setiap iterasi akan merujuk pada tanda dan besaran korelasi. Sebagai contoh, korelasi antara suku bunga SBI dan Deposito berkorelasi secara positif dalam besaran yang cukup tinggi yaitu 0,881. Dengan demikian, dalam pengambilan sampel dalam sebuah iterasi, manakala nilai suku bunga SBI yang terambil adalah tinggi, maka nilai suku bunga deposito juga akan di-sampel dari nilai yang tinggi. Pada iterasi yang sama, nilai yang diambil sebagai sampel bagi harga saham BII justru akan diambil dari wilayah yang rendah, karena berkorelasi negatif dengan kedua faktor risiko tersebut, yaitu -0,391 dan -0.167.

e. Sampling dan Valuation

Prosedur sampling dan valuation yang dilakukan dalam simulasi ini dilakukan dengan bantuan software. Dengan sampling dimaksudkan, software akan mengambil suatu nilai dalam range distribusi probabilitas setiap faktor risiko di atas, untuk setiap skenario. Metode sampling yang digunakan adalah berdasarkan metode Monte Carlo. Satu kali pengambilan ini dihitung sebagai satu kali iterasi. Dengan masing-masing nilai faktor risiko yg terambil, akan dihitung nilai arus kas bersih untuk skenario/iterasi tersebut. Ini yang dimaksud dengan valuation (perhitungan). Demikian seterusnya akan diulang sampling dan valuation tersebut untuk setiap skenario/iterasi. Pada kasus ini simulasi dilakukan secara iteratif dengan 10.000 skenario.

Sebagai contoh, berikut ini merupakan nilai sampel yang terambil untuk masing-masing faktor risiko pada iterasi pertama:

USD

Deposit

SBI

BII

Permata

Panin

Hak Tagih

Properti

Inflasi

Rp9495 7,86% 8,96% Rp108.65 Rp398.07 Rp277.59 100% 101,53% 3,05%

Dengan nilai sampel tersebut, maka valuation arus kas bersih sesuai pemetaan eksposur di muka pada iterasi pertama tersebut adalah Rp2.802.800 juta. Demikian seterusnya, oleh software, pada setiap iterasi akan diambil nilai sampel setiap faktor risiko sesuai distribusi dan matriks korelasinya, dimasukkan ke dalam model, dan dihitung arus kas bersih untuk iterasi tersebut. Satu demi satu, hingga iterasi ke-10.000.

f. Hasil Perhitungan CFaR

Dari simulasi tersebut di atas, setelah disusun distribusinya didapatkan nilai mean dan 5% persentil sebagai berikut.

Output

Mean

X1

p1

Arus kas bersih 20XX

2.711.160

1.354.470

5%
Faktor Risiko

Mean

X1

p1

Nilai Tukar USD

9.371,3861

8.505,0547

5%
Interest Rate – Time Deposit

0,0761092

0,059799

5%
Interest Rate – SBI

0,0829238

0,0549891

5%
Harga Saham BII

159,86724

113,9103

5%
Harga Saham Bank Permata

636,72136

53,081837

5%
Harga Saham Bank Panin

395,06593

252,95293

5%
Recovery Rate Hak Tagih

0,3224342

-0,1122926

5%
Recovery Rate Properti

1,268128

0,9491353

5%
Inflasi

0,0821367

0,0184968

5%

Distribusi dan distribusi kumulatif arus kas bersih 20XX dapat dilihat pada Gambar berikut:

Pada distribusi arus kas bersih sebagaimana terlihat pada gambar di atas dapat disimpulkan bahwa pada tingkat keyakinan sebesar 95% perusahaan akan menghasilkan arus kas bersih sebesar Rp1,35 triliun. Dengan demikian CFaR absolut ABC pada tingkat keyakinan 95% dengan kurun waktu tahun 20XX adalah sebesar Rp1,35 triliun.

Bila dibandingkan dengan target setoran yang ditetapkan XYZ Corp sebesar Rp2,35 triliun, maka CFaR relatif adalah sekitar Rp1 triliun dengan tingkat keyakinan 95% untuk kurun waktu 20XX. CFaR relatif ini didapatkan dengan mengurangkan target setoran dengan CFaR absolut (Rp2,35T-Rp1,35T = Rp1 T). Wilayah CFaR relatif ini dapat dilihat pada daerah yang diarsir pada di atas yaitu sebesar 27.9%.

Sementara itu target yang ditetapkan XYZ Corp terlihat dalam distribusi arus kas bersih akan dapat dicapai pada tingkat keyakinan sekitar 67,1%.

4. Respons dan Aktivitas Pengendalian Risiko

Respons terhadap risiko sangat tergantung pada selera risiko (risk appetite) dari manajemen. Manajemen yang risk taker ditunjukkan dengan garis merah. Sedangkan garis biru menunjukkan manajemen yang moderat, dan garis hijau menunjukkan manajemen yang terlalu berhati-hati (risk averter). Garis selera risiko merupakan batas maksimal di mana manajemen akan menoleransi risiko yang dihadapi. Dengan demikian, manajemen akan membuat seluruh risiko yang berada di sebelah kanan/atas dari garis selera risiko untuk dimasukkan ke sebelah dalam (kiri/bawah) garis selera risiko.

Pilihan sikap untuk mengupayakan risiko yang berada di luar garis selera risiko ke dalam garis adalah  respons risiko, sedangkan setiap upaya untuk merealisasikannya merupakan aktivitas pengendalian (control activities). Manajemen dapat merespons risiko dengan menghindarinya, mengurangi, mengalihkan, ataupun menerima.

Perhitungan mekanis kuantitatif dalam manajemen risiko hanyalah sekadar alat bantu. Pada akhirnya yang menentukan respons risiko dan aktivitas pengendalian adalah selera risiko yang dipadukan dengan data kuantitatif tersebut secara intuitif. Pada gambar di atas ditunjukkan posisi dari data kuantitatif CFaR dalam konteks perbandingan dengan selera-selera risiko. Sumbu horisontal menunjukkan besaran probabilitas sedangkan sumbu vertikal menunjukkan dampak. Dengan demikian koordinat CFaR sebesar Rp1 triliun dengan probabilitas sebesar 27,9% dapat ditentukan posisinya. Posisi tersebut dalam pandangan manajemen yang memiliki selera risiko moderat dan pengambil risiko, maka telah berada di dalam seleranya (di kiri/bawah garis merah dan biru). Sementara, apabila dipandang oleh manajemen yang risk averter, maka posisi CFaR tersebut masih di luar seleranya (di atas garis hijau), sehingga harus dimasukkan ke dalam garis selera risiko dengan menurunkan angka CFaR.

Dalam hal manajemen memutuskan untuk menurunkan angka CFaR, maka aktivitas pengendalian yang paling mungkin dalam konteks menghasilkan arus kas bersih yang lebih besar dapat dilakukan dalam tiga jalan. Yang pertama adalah dengan menaikkan arus kas masuk, kedua dengan menurunkan arus kas keluar, dan ketiga dengan kombinasi keduanya. Untuk menaikkan arus kas masuk, maka aktivitas manajemen aset harus ditambah dari rencana semula. Sedangkan untuk mengurangi arus kas keluar, terutama dapat dilakukan dengan menekan biaya pengeluaran operasional manajemen aset.

Iklan

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s