Apa itu fat tails dan tail risk
Fat tails (ekor gemuk) berarti pergerakan harga ekstrem terjadi lebih sering daripada yang diperkirakan distribusi normal. Tail risk (risiko ekor) adalah risiko kerugian akibat pergerakan ekstrem tersebut.
"Ekor" adalah bagian paling kiri dan paling kanan grafik distribusi imbal hasil (return), tempat perubahan harga yang sangat besar berada. Pada distribusi normal, ekor itu cepat menipis. Pada data pasar nyata, ekor sering lebih tebal: kejadian yang menurut model "hampir mustahil" ternyata muncul berulang kali.
Siap mencoba di akun riil atau demo?
Tautan mitra · trading memiliki risiko kerugian yang tinggi
Definisi formal
Secara statistik, distribusi disebut berekor gemuk jika peluang nilai jauh dari rata-rata lebih besar daripada peluang pada distribusi normal dengan rata-rata dan deviasi standar yang sama. Ukuran yang umum dipakai adalah kurtosis berlebih (excess kurtosis). Jika nilainya positif, distribusinya disebut leptokurtik.
Beberapa catatan untuk pembaca berpengalaman:
- Fat tail tidak sama dengan skew. Skew (kemencengan) mengukur ketidaksimetrisan. Sebuah aset bisa berekor gemuk di kedua sisi, atau hanya ekor kirinya (kerugian) yang tebal.
- Volatility clustering. Periode tenang dan periode bergejolak datang berkelompok. Gabungan keduanya menghasilkan distribusi keseluruhan yang berekor gemuk, walaupun di dalam tiap periode perilakunya tampak mendekati normal.
- Ekor power-law. Pada sebagian model, ekor menipis sangat lambat sehingga varians bisa tidak terdefinisi. Dalam kondisi ini, deviasi standar historis menyesatkan sebagai ukuran risiko.
- Ketergantungan ekor (tail dependence). Saat krisis, korelasi antar aset cenderung naik, sehingga diversifikasi melemah tepat ketika paling dibutuhkan.
- Batas data historis. Sampel masa lalu belum tentu memuat kejadian terburuk yang mungkin terjadi.
Contoh hipotetis
Seorang trader mengukur volatilitas harian sebuah pasangan mata uang. Ia menganggap return mengikuti distribusi normal, lalu menyimpulkan bahwa pergerakan sebesar beberapa kali deviasi standar hampir tidak akan pernah terjadi. Atas dasar itu, ia memakai leverage besar dan menempatkan stop loss.
Kemudian muncul berita yang tidak terduga. Harga membuka dengan gap (lompatan harga tanpa transaksi di antaranya) melewati stop loss. Order terisi di harga yang jauh lebih buruk (slippage), dan margin akun turun cepat sampai mendekati level stop-out. Kerugiannya jauh melampaui perkiraan model.
Untuk menghitung dampak pergerakan tertentu terhadap margin dan saldo, gunakan kalkulator dan simulator. Trading CFD dan forex dengan leverage dapat menimbulkan kerugian dengan cepat, dan fat tails membuat kerugian semacam ini lebih sering terjadi daripada perkiraan model sederhana.
Di mana istilah ini muncul
- Laporan risiko: Value at Risk (VaR) dan Expected Shortfall. Expected Shortfall dibuat untuk mengukur rata-rata kerugian di ekor distribusi, bagian yang tidak tertangkap oleh VaR.
- Laporan backtest di MetaTrader: angka drawdown maksimal dan equity curve memperlihatkan dampak kejadian ekstrem pada sebuah strategi.
- Berita pasar: istilah black swan, flash crash, dan contagion keuangan sering dipakai untuk menggambarkan kejadian di ekor distribusi.
- Dokumen broker: penjelasan tentang gap, slippage, dan stop-out. Syarat yang berlaku dapat dicek di area pribadi atau situs resmi broker masing-masing.
Istilah terkait
- Volatilitas tahunan
- Koefisien korelasi
- Circuit breaker
- Capitulation
- Manajemen risiko
- Glosarium trading
Pertanyaan yang sering diajukan
Apa arti fat tail pada distribusi?
Ekor distribusi lebih tebal daripada ekor distribusi normal. Artinya, nilai ekstrem lebih sering muncul daripada perkiraan model normal.
Apakah tail risk sama dengan black swan?
Tidak persis. Tail risk adalah risiko kejadian ekstrem secara umum. Black swan adalah kejadian ekstrem yang tidak terduga dan baru dianggap bisa dijelaskan setelah terjadi.
Apakah stop loss menghilangkan risiko ekor?
Tidak. Gap dan slippage dapat membuat order terisi jauh dari level stop loss yang dipasang.
Bagaimana fat tails terlihat pada data?
Melalui histogram return yang lebih runcing di tengah dan lebih tebal di ujung, serta nilai kurtosis berlebih yang positif.
