Volatility Targeting dalam Trading: Ukuran Posisi dan Penyesuaian Risiko

Trader atau pengelola portofolio memilih tingkat volatilitas target, biasanya dalam ukuran tahunan, lalu memperkirakan volatilitas posisi dasar untuk periode berikutnya. Jika perkiraan naik, aturan ini mengurangi eksposur; jika turun, eksposur bisa dinaikkan. Tujuannya membuat risiko yang diperkirakan lebih konsisten dari waktu ke waktu, alih-alih mempertahankan nominal dolar yang sama saat volatilitas aset berubah.

Kata “target” adalah masukan rancangan, bukan hasil pasti. Saat keputusan dibuat, perkiraan berasal dari riwayat return atau suatu model; volatilitas aktual periode berikutnya belum diketahui. Berita tak terduga, lonjakan harga, atau likuiditas yang menipis dapat menghasilkan return jauh di luar perkiraan sebelum jadwal penyeimbangan ulang berikutnya.

Nyatakan juga apa yang diskalakan: satu aset, seluruh strategi, atau hanya bagian berisiko dengan kas tetap terpisah. Nominal yang sama tidak berarti risikonya sama. Nilai nosional yang sama pada saham yang tenang dan kontrak berjangka yang bergejolak menghasilkan eksposur berbeda; leverage dan hubungan antarp posisi juga mengubah risiko total.

Misalkan volatilitas target tahunan adalah σ* dan perkiraan volatilitas tahunan eksposur dasar yang tersedia saat keputusan adalah σ̂ₜ. Pengali eksposur langsungnya mₜ = σ* ÷ σ̂ₜ. Dengan batas atas, mₜ = min(Lmax, σ* ÷ σ̂ₜ). Batas minimum eksposur atau izin untuk mengambil posisi short memerlukan aturan tersendiri.

Jika sudah ada posisi dasar, kalikan eksposur tersebut dengan mₜ. Bila satu aset berisiko menjadi seluruh porsi berisiko, rasio itu dapat dibaca sebagai bagian modal yang dialokasikan sebelum batasan lain diterapkan. Rasio ini tanpa satuan hanya jika pembilang dan penyebut memakai horizon serta definisi yang sama. Membagi target tahunan dengan perkiraan harian mencampur satuan.

Untuk eksposur linear dan ukuran volatilitas yang konsisten, rumus ini secara langsung menargetkan simpangan baku yang diperkirakan. Pada portofolio multi-aset, penyebut harus mempertimbangkan varians dan kovarians portofolio, bukan sekadar menjumlahkan volatilitas setiap aset. Jika bobot dasar berubah, hitung ulang risiko portofolio dasar sebelum menerapkan pengali.

Anggap sebuah strategi memiliki eksposur nosional dasar hipotetis sebesar 100.000 satuan mata uang. Perkiraan volatilitas tahunan untuk periode berikut adalah 20%, sementara targetnya 10%. Pengalinya 10% ÷ 20% = 0,5, sehingga eksposur hitungannya 50.000. Angka ini hanya memperlihatkan rasio; bukan klaim bahwa volatilitas aktual akan tepat 10% atau potensi kerugian kini diketahui.

Jika perkiraan volatilitas turun menjadi 5%, rasionya menjadi 10% ÷ 5% = 2,0 dan nosional mentahnya 200.000. Namun perkiraan rendah dapat mendorong leverage sangat tinggi. Jika contoh ini memakai batas pengali hipotetis 1,25 kali, pengali yang diterapkan adalah 1,25, bukan 2,0, sehingga eksposurnya 125.000. Batas tersebut hanya ilustrasi, bukan tingkat leverage yang cocok untuk semua orang.

Contoh ini menunjukkan mengapa aturan bisa menambah leverage saat pasar terlihat tenang. Setelah guncangan, estimasi volatilitas mungkin baru meningkat setelah sebagian kerugian terjadi. Mengurangi posisi pada saat itu tidak menghapus kerugian yang sudah dialami. Hasil aktual juga bergantung pada kapan data tersedia, kapan order dikirim, dan harga yang diperoleh.

Perkiraan dapat memakai jendela return bergulir, bobot lebih besar untuk data terbaru, atau model seperti GARCH. Setiap pilihan menukar kecepatan respons dengan noise pengukuran. Jendela pendek bereaksi lebih cepat tetapi dapat banyak berubah; jendela panjang lebih halus namun lambat menangkap perubahan rezim. Panduan perhitungan realized volatility membahas jendela, return, dan annualisasi, sedangkan GARCH dan volatility clustering menjelaskan perkiraan varians kondisional dari informasi terdahulu. Volatility cone juga membantu membandingkan sebaran realized volatility pada beberapa horizon dan jendela historis.

Tetapkan frekuensi return, waktu cutoff, horizon perkiraan, hari libur, dan perlakuan untuk harga yang hilang. Annualisasi dengan √252 lazim untuk return harian pada hari perdagangan, tetapi bergantung pada definisi return dan asumsi agregasi waktu. Target dan perkiraan harus memakai horizon, aset atau portofolio, serta pengukuran return yang sebanding.

Waktu tersedianya informasi sama pentingnya dengan model. Jika sinyal memakai harga penutupan atau return hari ini, sinyal itu tidak dapat menentukan posisi pada pembukaan hari yang sama. Gunakan hanya data yang memang sudah diketahui sebelum order dikirim, lalu terapkan ukuran posisi pada periode berikutnya. Jika tidak, backtest dapat tanpa sengaja memakai informasi masa depan dan tampak lebih baik daripada hasil yang dapat dieksekusi.

Untuk saham linear, bagi nilai nosional yang sudah disesuaikan dengan harga saham untuk memperoleh jumlah unit, lalu bulatkan ke jumlah yang bisa diperdagangkan. Untuk futures, perhitungkan nilai poin, pengali kontrak, konversi mata uang, dan margin. Pembulatan ke bawah dapat membuat volatilitas aktual di bawah target, jadi hitung risiko posisi setelah pembulatan, bukan hanya pengali teoritis.

Untuk beberapa aset, gunakan perkiraan varians-kovarians portofolio atau model risiko portofolio yang langsung. Setiap posisi bisa terlihat bergejolak sedang, tetapi risiko gabungan meningkat jika semuanya bergerak searah. Sebaliknya, korelasi yang lebih rendah dapat menurunkan volatilitas keseluruhan. Memberi pengali terpisah pada tiap aset tidak sama dengan menskalakan seluruh portofolio berisiko memakai satu rasio.

Opsi dan kontrak lain dengan payoff nonlinier memerlukan perhatian tambahan. Nosional atau delta saja tidak menggambarkan bagaimana risiko berubah ketika harga, gamma, vega, waktu, atau likuiditas bergerak. Uji skenario repricing, margin, dan beberapa greek dapat lebih informatif daripada satu pengali sederhana. Panduan ukuran posisi futures menjelaskan konversi anggaran rugi menjadi jumlah kontrak; itu berbeda dari menargetkan volatilitas portofolio yang diperkirakan.

Dalam volatility targeting langsung, pengali berbanding terbalik dengan simpangan baku: mₜ = σ* ÷ σ̂ₜ. Namun riset volatility-managed portfolios dapat menggunakan bobot yang sebanding dengan kebalikan varians perkiraan, seperti c ÷ σ̂ₜ². Moreira dan Muir meneliti rancangan semacam ini pada portofolio faktor dengan skala dan normalisasi tertentu. Kebalikan di sini adalah varians, bukan simpangan baku, sehingga aturannya bukan rasio target-volatilitas terhadap perkiraan-volatilitas. Artikel Journal of Finance mereka melaporkan bukti pada sampel tertentu; artikel itu tidak menjamin setiap akun akan mencapai tingkat volatilitas tertentu.

Barroso dan Santa-Clara meneliti pengelolaan risiko momentum yang berubah dari waktu ke waktu. Ini contoh desain penelitian untuk strategi tertentu, bukan rumus yang otomatis berlaku bagi semua strategi. Cederburg dan rekan menguji 103 strategi ekuitas dan menemukan bahwa versi volatility-managed tidak secara sistematis mengungguli versi tanpa pengelolaan dalam perbandingan langsung; versi out-of-sample yang realistis juga dapat melemah. Riset momentum dan evaluasi atas 103 strategi menunjukkan bahwa bukti harus dibaca sesuai strategi, sampel, dan metodenya.

Analisis Taylor menunjukkan hasil volatility timing dapat bergantung pada kemampuan memperkirakan volatilitas, hubungan return-risiko, dan preferensi risiko investor. Studi tentang penentu volatility timing membantu menjelaskan mengapa hasil suatu paper tidak dapat langsung dipindahkan ke aset atau strategi lain. “Berapa besar eksposur yang cocok dengan target volatilitas desain?” dan “Apakah mengubah eksposur menurut volatilitas meningkatkan hasil setelah disesuaikan dengan risiko?” adalah dua pertanyaan berbeda.

Jika perkiraan volatilitas sangat rendah, rasionya bisa sangat besar. Batas pengali, batas nosional, atau kebijakan margin dapat menahan leverage, tetapi akan membuat volatilitas aktual berbeda dari target. Laporkan seberapa sering batas tercapai, berapa lama eksposur tertahan, dan bagaimana hasil berubah di bawah batas alternatif yang masuk akal. Memilih batas setelah mengetahui mana yang paling menguntungkan merusak sifat pengujian.

Mengubah pengali setiap hari dapat menyebabkan turnover tinggi akibat noise estimasi. Penyeimbangan lebih jarang mengurangi aktivitas tetapi membiarkan risiko menjauh dari target lebih lama. Penghalusan sinyal atau rentang rebalance juga merupakan keputusan desain baru; tetapkan sebelumnya dan uji di luar sampel. Masukkan komisi, spread bid-ask, slippage, dampak pasar, biaya pinjaman dan pendanaan, funding kontrak perpetual, serta margin.

Pengali teoritis bukan risiko yang benar-benar terealisasi. Order mungkin tidak terisi sesuai keinginan, harga dapat melonjak di sela rebalance, dan korelasi portofolio dapat berubah. Catat perkiraan sebelum keputusan, pengali mentah, pengali setelah batas, order yang terisi, serta biayanya. Catatan tersebut memperlihatkan selisih antara target desain dan transaksi aktual.

Aturan ini mengasumsikan bahwa perkiraan memberi informasi berguna tentang periode penerapannya dan definisi strategi tetap sama. Pergantian rezim, krisis likuiditas, perubahan aturan, penghentian perdagangan, atau harga model yang terlalu halus dapat membuat jendela historis menyesatkan. GARCH maupun rolling window hanyalah cara berbeda untuk membentuk perkiraan; keduanya tidak menghilangkan ketidakpastian. Bandingkan ramalan dengan volatilitas yang benar-benar terjadi setelahnya.

Volatilitas mengukur penyebaran return, bukan keseluruhan risiko bangkrut, drawdown maksimum, atau kerugian terbesar. Dua periode dengan simpangan baku sama dapat memiliki urutan rugi yang berbeda. Gap semalam atau lompatan saat pasar dibuka dapat melewati target tahunan sebelum strategi sempat mengurangi eksposur. Mengurangi pengali tidak menetapkan batas bawah kerugian, dan tidak menghapus risiko leverage atau margin.

Tetapkan aturan, jendela, horizon, batas leverage, jadwal rebalance, dan biaya sebelum melihat hasil. Uji pada periode yang tidak dipakai untuk memilih model, bandingkan dengan eksposur dasar tetap pada tanggal yang sama, dan laporkan realized volatility, drawdown, turnover, serta biaya—bukan hanya return. Hasil out-of-sample pun dapat terpengaruh perubahan struktur dan pemilihan strategi. Volatility targeting mengatur eksposur sesuai perkiraan; ini bukan ramalan laba, jaminan kendali kerugian, atau nasihat keuangan pribadi.

Setelah aturan dijalankan dalam simulasi berjalan atau perdagangan nyata, bandingkan ramalan setiap periode dengan volatilitas yang terealisasi pada horizon dan definisi yang sama. Tampilkan kedua rangkaian dari waktu ke waktu, bukan hanya rata-rata tahunan; rata-rata dapat menutupi saat volatilitas aktual melewati sasaran atau exposure tertahan di batas. Periksa ukuran dan arah kesalahan ramalan pada masa tenang maupun bergejolak, karena kesalahan yang terus berulang dalam satu rezim dapat mengubah kegunaan aturan.

Ukur exposure setelah pembulatan jumlah kontrak, batas margin, pelaksanaan pesanan, dan biaya—bukan hanya pengali teoritis. Jika jendela atau estimator diubah, anggap sebagai versi strategi baru dan uji pada data yang tidak dipakai untuk memilihnya. Jangan menaikkan target atau batas hanya karena pasar belakangan tampak tenang; itu mengubah kebijakan risiko, bukan memberi kepastian untuk periode berikutnya.