<![CDATA[AbstrakSalah satu metode analisis risiko yang populer adalah Value at Risk (VaR). Beberapa metode yang digunakan untuk menentukan VaR mengasumsikan bahwa return berdistribusi normal dan mengukur dependensi diantara saham-saham portofolio menggunakan korelasi linear. Namun, pada kenyataanya asumsi normalitas pada data finansial jarang dipenuhi dan umumnya bersifat heavy tail. Selain itu, kebergantungan antar saham yang nonlinear juga tidak sesuai jika diukur dengan korelasi linear. Penelitian ini bertujuan untuk mengetahui prosedur dalam mengestimasi VaR dengan metode GARCH-EVT-Copula. Copula adalah fungsi distribusi multivariat yang menggabungkan distribusi marginal return univariat dalam portofolio, sekaligus dapat menggambarkan struktur kebergantungan nonlinear. Adanya kebergantungan antar saham disebabkan oleh pergerakan ekstrim dari satu saham yang mempengaruhi harga saham lain. Kejadian-kejadian ekstrim ini perlu dimodelkan dengan Extreme Value Theory (EVT) melalui pendekatan Generalized Pareto Distribution(GPD) untuk meminimalkan underestimate terhadap risiko. Karena GPD memerlukan asumsi data i.i.d., maka data return yang umumnya bersifat heteroskedastik terlebih dahulu dimodelkan dengan GARCH (1,1) dengan inovasi distribusi Student-t. Kata Kunci : Value at Risk, Copula, GARCH, Generalized Pareto Distribution, Portofolio AbstractValue at Risk (VaR) is one of the popular risk measure in risk management. Many of the theoretical concepts in finance developed over the past decades. Most of method developed assumes that individual return on the portfolio in normal distribution and size of the dependence among individual return in portfolio use linear correlation. But in reality, most of the individual returns are not normally distributed and generally heavy tail. The research aims to estimate VaR using GARCH-EVT-Copula method. Copula is a multivariate distribution function that combines distribution of univariate marginal returns in portfolio, as well as to describe the structure of non-linear dependence. The existence of dependence between stocks caused by extreme movement of a stock that affects another stock prices. These extreme events need to be modeled by Generalized Pareto Distribution (GPD) approach to minimize risk underestimation. Because of GPD requires assumptions i.i.d., so the returns that are generally heteroskedastic have to modeled by GARCH(1,1) with Student-t distribution innovation. Keyword : Value at Risk, Copula, GARCH, Generalized Pareto Distribution, Portfolio]]>
