Risiko Fat Tail: Kenapa Pasar Saham Crash Lebih Sering dari yang Dibilang 'Normal'
Baca 4 menit
Memuat...
Baca 4 menit
Pada 3 Juni 2026, IHSG anjlok 4,11% dalam sehari, ditutup di 5.941,07, level terendahnya dalam sekitar lima tahun terakhir. Kalau kamu tanya model risiko standar sebelumnya seberapa mungkin hari seperti itu terjadi, jawabannya mendekati "harusnya nggak mungkin". Jarak antara prediksi matematis dan kenyataan pasar ini punya nama: risiko fat tail.
Kebanyakan alat ukur risiko sehari-hari, termasuk standar deviasi, rasio Sharpe, dan Value at Risk, diam-diam menganggap return harian ikut kurva lonceng yang disebut distribusi normal. Standar deviasi sendiri cuma mengukur seberapa jauh sebaran return harian dari rata-ratanya. Kalau ikut distribusi normal, sekitar 68% hari seharusnya berada dalam satu standar deviasi dari rata-rata, sekitar 95% dalam dua standar deviasi, dan 99,7% dalam tiga standar deviasi. Hari dengan pergerakan sebesar tiga standar deviasi seharusnya jarang banget, cuma muncul beberapa kali dari seribu hari perdagangan, dan tiap kali muncul seharusnya terasa seperti kejutan besar.
Risiko fat tail adalah kondisi ketika kenyataan nggak mau ikut kurva itu. Alih-alih pergerakan ekstrem meredup pelan-pelan di ujung kurva, return pasar yang sebenarnya punya "ekor" yang lebih tebal: hari-hari dengan lonjakan atau anjlok besar tetap muncul lebih sering dari yang dikatakan kurva lonceng. Salah satu cara mengukurnya pakai kurtosis, statistik yang menggambarkan seberapa tebal ekor sebuah distribusi dibanding kurva normal, yang secara definisi punya kurtosis 3. Riset yang membangun dari kerja matematikawan Benoît Mandelbrot tahun 1963 dan ekonom Eugene Fama tahun 1965 menemukan return harian S&P 500 punya excess kurtosis sekitar 10 sampai 30, jauh lebih tebal ekornya dibanding kurva lonceng. Riset lain terhadap pergerakan harian indeks CAC 40 di Prancis menemukan jarak yang sama dalam bentuk probabilitas: pergerakan 4% sampai 5% dalam sehari benar-benar terjadi sekitar 0,38% dari waktu perdagangan sungguhan, kira-kira tiga kali lebih sering dari 0,12% yang diprediksi distribusi normal.
Contoh sejarah paling jelas adalah 19 Oktober 1987, yang dikenal sebagai Black Monday. Indeks Dow Jones Industrial Average anjlok 22,6% dalam satu sesi perdagangan, penurunan persentase dalam sehari terbesar dalam sejarahnya sampai sekarang. Kalau diukur pakai standar deviasi yang dipakai pasar saat itu, berbagai analisis yang pernah dipublikasikan memperkirakan peluang kejadian itu mulai dari sekitar satu banding sepuluh juta sampai nyaris mustahil kalau mengikuti kurva normal, tergantung metode yang dipakai. Apa pun angka pastinya, kerugian yang oleh model dianggap nyaris nggak mungkin terjadi itu benar-benar terjadi pada satu hari Senin tertentu, dan sejarah terus menambah daftarnya sesudah itu, termasuk Oktober 2008 dan Maret 2020.
Kamu nggak perlu crash sebesar 1987 buat lihat risiko fat tail dekat rumah sendiri. Pada 9 Maret 2020, di awal gejolak Covid-19, IHSG anjlok 6,58% dalam sehari dan memicu beberapa kali trading halt. Yang lebih baru, penurunan 4,11% dalam sehari pada 3 Juni 2026 menyeret indeks ke penutupan terendahnya sejak 28 Juni 2021, dengan seluruh 11 sektor IDX ditutup melemah hari itu dan sektor basic materials sendiri anjlok 9,05%. Hari seperti itu persis yang dianggap "nggak mungkin" oleh model yang dibangun di atas dua atau tiga standar deviasi, dan kenyataannya tetap saja terjadi berulang kali.
Risiko fat tail bukan cacat di satu angka doang. Ini ada di bawah seluruh perangkat risiko, karena rasio Sharpe pada dasarnya standar deviasi dengan langkah tambahan, dan standar deviasi memakai asumsi kurva normal yang sama seperti dijelaskan di atas. Sebuah portofolio bisa punya rasio Sharpe yang kelihatan aman, sampai tiba hari yang sebenarnya selalu lebih mungkin terjadi dari yang diakui model itu. Itu bukan alasan buat buang rasio Sharpe begitu saja. Itu alasan buat memperlakukannya sebagai satu masukan, bukan jaminan, dan buat benar-benar melihat apa yang terjadi pada portofoliomu di hari-hari terburuknya yang sesungguhnya, bukan cuma seberapa tersebar returnnya di hari yang biasa-biasa saja.
Ada tiga kebiasaan praktis yang langsung mengikuti dari risiko fat tail ini. Pertama, berhenti menganggap "dua standar deviasi" sebagai batas aman; itu cuma menggambarkan hari buruk yang biasa, bukan hari terburuk yang bisa terjadi. Kedua, lihat drawdown historis yang sungguhan terjadi, bukan cuma volatilitas sendirian. Data pemulihan IHSG yang sebenarnya setelah dua drawdown terburuknya di era modern memberi tahu kamu jauh lebih banyak soal bertahan di hari fat tail dibanding satu angka standar deviasi saja. Ketiga, atur ukuran posisi dan simpan cadangan yang cukup supaya hari yang oleh model dianggap nyaris mustahil itu nggak memaksa kamu jual di momen paling buruk.
Volatilitas dan riwayat drawdown portofolio kamu sendiri bisa dilihat di bagian Portfolio Health pada dashboard NetWort kamu. Buka dan cek seberapa jauh hari terburukmu yang sesungguhnya dibanding perkiraan yang cuma dihitung dari standar deviasi biasa.