Derivatif cuaca

Derivatif cuaca adalah instrumen keuangan yang dapat digunakan oleh organisasi atau individu sebagai bagian dari strategi manajemen risiko untuk mengurangi risiko yang terkait dengan kondisi cuaca yang merugikan atau tidak terduga.^[1] Instrumen ini biasanya menggunakan data cuaca yang diamati di stasiun cuaca dan digunakan untuk membuat indeks yang menjadi dasar suatu pembayaran. Indeks ini dapat berupa curah hujan total selama periode tertentu yang mungkin memengaruhi bisnis pembangkit listrik tenaga air atau angka di mana suhu minimum turun di bawah nol yang mungkin sangat berpengaruh bagi petani yang melindungi tanamannya dari kerusakan akibat embun beku.

Seperti halnya asuransi cuaca parametrik, tidak ada bukti provisi kerugian. Tidak seperti pertanggungan berbasis asuransi "ganti rugi", tidak ada keperluan untuk menunjukkan bahwa telah terjadi kerugian, namun polis asuransi ganti rugi untuk cuaca merupakan instrumen yang jarang digunakan. Penyelesaian ganti rugi selanjutnya bersifat objektif karena didasarkan kepada nilai akhir dari indeks cuaca selama periode yang dipilih.^[2] Jika pembayaran jatuh tempo, biasanya penyelesaiannya dilakukan dalam hitungan beberapa hari sesuai dengan yang ditentukan dalam kontrak.

Petani dapat menggunakan derivatif cuaca untuk melakukan lindung nilai (hedging) terhadap panen yang buruk yang disebabkan oleh gagalnya hujan, hujan yang berlebihan, angin kencang, atau variabilitas suhu yang sangat berpengaruh bagi tanaman rumah kaca. Taman hiburan mungkin ingin mengasuransikan kejadian hujan di akhir pekan selama musim panas puncak dan perusahaan gas dan listrik dapat menggunakan kontrak hari derajat pemanasan (HDD),^[3] yaitu besaran energi untuk menjaga rumah tetap panas di hari dingin, atau hari derajat pendinginan (CDD), yaitu besaran energi untuk membuat rumah tetap dingin di musim panas untuk memperlancar pendapatan mereka. Perusahaan pengelola acara olahraga mungkin ingin menggunakan kontrak derivatif cuaca karena jika hujan turun pada hari acara olahraga, tiket yang dijual akan lebih sedikit.

Hari derajat pemanasan adalah salah satu jenis indeks yang paling umum untuk derivatif cuaca. Kesepakatan umum untuk kontrak HDD dapat berupa sebagai berikut: untuk periode November hingga Maret, akan dijumlahkan setiap hari ketika suhu rata-rata harian turun di bawah titik referensi (65 derajat Fahrenheit di AS, atau, 18 derajat Celcius di luar AS), jumlah kumulatif dari data tersebut akan disimpan untuk setiap kenaikan dari suhu referensi. Akumulasi semacam itu dapat menjadi dasar untuk kontrak derivatif yang mungkin terstruktur sebagai opsi (call atau put) atau sebagai "swap" yang merupakan perjanjian untuk membayar atau menerima pembayaran.^[4]

Kontrak derivatif cuaca pertama kali terjadi pada Juli 1996 ketika Aquila Energy menyusun lindung nilai komoditas ganda untuk perusahaan Consolidated Edison (ConEd).^[5] Transaksi tersebut merupakan pembelian tenaga listrik oleh ConEd dari Aquila untuk bulan Agustus. Harga listrik yang telah disepakati disesuaikan dengan cuaca. Klausul ini menetapkan bahwa Aquila akan memberikan ConEd potongan harga jika Agustus ternyata lebih dingin dari ekspektasi dalam kontrak. Pengukuran ini direferensikan sebagai hari derajat pendinginan (CDD) yang diukur di stasiun cuaca Central Park di New York City. Jika total CDD dari 0 hingga 10% di bawah indeks sebesar 320, ConEd tidak menerima diskon untuk harga listrik, tetapi jika total CDD 11 hingga 20% di bawah normal, ConEd akan menerima diskon $16.000.

Derivatif cuaca perlahan mulai sering diperdagangkan pada tahun 1997.^[6] Seiring pertumbuhan pasar untuk produk ini, Chicago Mercantile Exchange (CME) memperkenalkan kontrak berjangka cuaca yang diperdagangkan di bursa pada tahun 1999. CME saat ini mencantumkan kontrak derivatif cuaca untuk 24 kota di Amerika Serikat, sebelas di Eropa, enam di Kanada, tiga di Australia dan tiga di Jepang. Sebagian besar instrumen keuangan ini melacak derajat hari pendinginan atau derajat hari pemanasan, tetapi produk lain melacak hujan salju dan curah hujan di sepuluh lokasi AS yang terpisah. Salah satunya adalah Indeks Badai CME, yang merupakan sebuah inovasi yang dikembangkan oleh industri asuransi, yang memberikan kontrak yang didasarkan pada formula yang diturunkan dari kecepatan angin dan radius badai di salah satu titik referensi di AS.

Enron Corporation adalah salah satu perusahaan pertama mengeksplorasi derivatif cuaca, melalui unit EnronOnline-nya.^[7]

Dalam wawancara video Opalesque, Barney Schauble dari Nephila Capital menjelaskan bagaimana beberapa dana lindung nilai memperlakukan derivatif cuaca sebagai investasi. Sektor seperti utilitas, pertanian, perusahaan individu, dan perusahaan asuransi pada dasarnya mencari cara untuk melindungi eksposur mereka terhadap cuaca melalui derivatif cuaca melalui dana lindung nilai yang dapat memberikan perlindungan ini. Namun, dalam berinvestasi, terdapat kecenderungan bagi investor untuk beralih ke investasi langsung setelah sebelumnya mereka mengambil investasi yang berkaitan dengan risiko cuaca untuk jenis investasi yang tidak berkorelasi dengan portofolio mereka.^[8] Oleh karena itu, derivatif cuaca merupakan alternatif murni yang tidak berkorelasi dengan pasar keuangan tradisional.

Tidak ada model standar untuk menilai derivatif cuaca yang serupa dengan rumus Black-Scholes untuk menentukan harga derivatif.^[9] Ini terjadi karena aset dasar dari derivatif cuaca, yaitu cuaca, tidak dapat diperdagangkan sehingga melanggar sejumlah asumsi utama Model BS. Biasanya turunan cuaca diberi harga dalam beberapa cara:

Penetapan harga bisnis mengharuskan perusahaan menggunakan instrumen derivatif cuaca untuk memahami bagaimana kinerja keuangannya dipengaruhi oleh kondisi cuaca buruk di berbagai hasil (yaitu memperoleh grafik variabel utilitas terhadap variabel cuaca tertentu).^[10] Kemudian pengguna dapat menentukan berapa banyak dia bersedia membayar untuk melindungi bisnisnya dari kemungkinan terjadinya kondisi tersebut berdasarkan analisis biaya-manfaat dan preferensi risiko. Dengan cara ini, bisnis dapat memperoleh semacam jaminan cuaca untuk periode yang bersangkutan, sehingga mengurangi sebagian besar variasi pengeluaran/pendapatan yang diakibatkan cuaca. Sebagai alternatif, seorang investor yang menghitung nilai keuntungan yang didapatkan dari sebuah risiko yang terkait dengan keadaan cuaca tertentu dapat menentukan harga yang bersedia dia bayar untuk menanggung kemungkinan terjadinya risiko tersebut.

Hasil masa lampau dari suatu derivatif dihitung untuk menghasilkan ekspektasi harga di masa depan.^[11] Metode ini sangat cepat dan sederhana, tetapi tidak menghasilkan perkiraan yang andal dan hanya dapat digunakan sebagai pedoman kasar. Metode ini tidak memasukkan berbagai karakteristik fitur statistik dan fisik dari sistem cuaca.

Pendekatan ini memerlukan pembuatan model indeks yang mendasarinya, yaitu indeks di mana nilai turunannya ditentukan (misalnya derajat hari pemanasan kumulatif bulanan/musiman). Cara paling sederhana untuk memodelkan indeks adalah dengan memodelkan distribusi hasil indeks historis. Permodelan dapat mengadopsi distribusi parametrik atau non-parametrik. Untuk setiap distribusi hari-hari derajat pendinginan dan pemanasan bulanan, biasanya distribusi yang memiliki distribusi normal akan dijamin. Kekuatan prediksi model semacam itu agak terbatas.^[10] Hasil yang lebih baik dapat diperoleh dengan memodelkan proses pembuatan indeks pada skala yang lebih baik. Dalam kasus kontrak suhu, model deret waktu suhu rata-rata harian (atau min dan maks) dapat dibuat. Model suhu harian (atau hujan, salju, angin, dll.) dapat dibangun menggunakan model deret waktu statistik umum (yaitu transformasi ARMA atau Fourier dalam domain frekuensi) berdasarkan data yang ditampilkan dalam deret waktu indeks historis. Pendekatan yang lebih canggih adalah memasukkan beberapa hubungan fisik ke dalam model statistik berdasarkan korelasi spasial dan temporal antara cuaca yang terjadi di berbagai bagian sistem atmosfer-laut di seluruh dunia (misalnya, model dapat menggabungkan efek El Niño pada suhu dan curah hujan).

Model prediksi cuaca numerik dapat menggambarkan hubungan dalam sistem cuaca yang berdasarkan persamaan fisik.^[9] Kekuatan prediksi model yang diperoleh cenderung kurang dari, atau mirip dengan, model statistik murni untuk jangka waktu diluar 10-15 hari. Namun, prakiraan model fisik cuaca untuk dapat menentukan harga turunan cuaca dalam periode kontrak turunan suhu bulanan sangatlah baik. Namun, beberapa komponen dari model dari perlu 'dirapikan' (misalnya, dengan menggunakan distribusi Gaussian yang berdasarkan estimasi kinerja di masa lampau) sebelum akhirnya perkiraan probabilistik yang baik dapat diperoleh.

Selain beberapa metode di atas, terdapat juga suatu metode yang menggabungkan model statistik dan fisik.^[9] Pendekatan ini unggul untuk pemodelan deret waktu variabel cuaca harian atau bulanan dengan menggabungkan model cuaca statistik dan fisik menggunakan bobot bervariasi waktu yang diperoleh setelah optimasi yang didasarkan pada evaluasi kinerja di masa lampau dan kinerja skema model gabungan.

Berbeda dengan polis asuransi cuaca dan karena sifatnya yang unik, akuntansi untuk derivatif cuaca berada di bawah aturan khusus, terutama Pernyataan Standar Akuntansi Keuangan dari Dewan Standar Akuntansi Keuangan #133 (PSAK #133). Pencatatannya berbeda tergantung dari jenis derivatif yang digunakan.^[12] Karena perlakuan akuntansi dan perpajakan yang ketat ini. pihak mana pun yang mempertimbangkan transaksi derivatif cuaca harus meminta nasihat dari akuntan yang memahami PSAK #133 dan dokumentasi yang diperlukan, serta pengacara pajak.

• Considine, G., 2000, "Introduction to Weather Derivatives", Weather Derivatives Group, Aquila Energy.
• Peter Robison, "Hedge Funds Pluck Money From Air in $19 Billion Weather Gamble", Bloomberg News, August 2, 2007.
• USA Today (2008), "Weather Derivatives becoming hot commodities", USA Today Online posted 6/9/2008.
• Alice Gomstyn, Rich Blake and Dalia Fahmy, "Want a Weather Forecast? Ask Wall Street" ABC News, February 8, 2010.
• Dischel, R. S., Ed. (2002). "Climate Risk and the Weather Market: Financial Risk Management with Weather Hedges" Diarsipkan 2010-01-27 di Wayback Machine. Archived 2010-01-27 at the Wayback Machine, Risk Books.
• Jewson, S., A. Brix and C. Ziehmann (2005). "Weather Derivatives Valuation: The Meteorological, Statistical, Financial and Mathematical Foundations"^{[pranala nonaktif permanen]}. Cambridge, Cambridge University Press.
• Golden, L. L., M. Wang and C. C. Yang "Handling Weather Related Risks Through the Financial Markets: Considerations of Credit Risk, Basis Risk, and Hedging." Journal of Risk & Insurance, Vol. 74, No. 2, pp. 319–346, June 2007.
• Myers, R. 2008 "What Every CFO Needs to Know About Weather Risk Management", Storm Exchange, Inc. & CME Group
• Mathews, J. S. (2009) "Dog Days and Degree Days", CME Group
• Tang, K., Ed. (2010). "Weather Risk Management: A guide for Corporations, Hedge Funds and Investors" Diarsipkan 2010-01-22 di Wayback Machine. Archived 2010-01-22 at the Wayback Machine, Risk Books.

• Manajemen risiko cuaca
• MSI GuaranteedWeather, LLC
• The Climate Corporation
• Perpindahan risiko alternatif
• Tagihan tetap
• CelsiusPro

1. ^ ADAPT, Climate (2019). "Weather derivatives as risk management tool". climate-adapt.eea.europa.eu. Diakses tanggal 2021-12-04. 
2. ^ Change, Weather X. "What is Index-Based Weather Protection?". www.weatherxchange.com. Diakses tanggal 2021-12-04. 
3. ^ Mishra, Bishnupriya; Debasish, Sathya Swaroop (2009). Financial Derivatives (dalam bahasa Inggris). Excel Books India. hlm. 17. ISBN 978-81-7446-572-6.  Parameter |url-status= yang tidak diketahui akan diabaikan (bantuan)
4. ^ Securities, IIIF. "Difference Between Swap And Option". India Infoline. Diakses tanggal 2021-12-04. 
5. ^ Online, FE (2017-08-26). "Ever made money on betting on snowfall, hurricane or rains? Here's how to do it". The Financial Express (dalam bahasa Inggris). Diakses tanggal 2021-12-04. 
6. ^ Calbery, Andrew (2017-07-26). The Fight Against Geoengineering (dalam bahasa Inggris). FriesenPress. hlm. 119. ISBN 978-1-5255-0778-6.  Parameter |url-status= yang tidak diketahui akan diabaikan (bantuan)
7. ^ Frank, Allan Dodds (2013-06-20). "How to Insure Against a Rainy Day". Nautilus. Diarsipkan dari versi asli tanggal 2021-12-05. Diakses tanggal 2021-12-04. 
8. ^ Adaletey, Jennifer Ellah. "Weather Derivatives, Current Practice and Implications in the Financial Industry". TEST Engineering and Management. 83 (Maret - April 2020): 16348. ISSN 0193-4120. 
9. ^ ^{a b c} Botoş, Horia Mircea; Ciumaş, Cristina (2012). "The use of the Black-Scholes Model in the Field of Weather Derivatives" (PDF). Procedia Economics and Finance (dalam bahasa Inggris). 3 (2012): 612. doi:10.1016/S2212-5671(12)00203-1. 
10. ^ ^{a b} Bali, Selçuk (2012). "Weather Derivatives and Pricing Approaches". Ataturk University Journal of Economics and Administrative Sciences (JEAS). 26 (1): 18. 
11. ^ Schiller, Frank; Seidler, Gerold; Wimmer, Maximilian (2012-03-01). "Temperature models for pricing weather derivatives" (PDF). Quantitative Finance. 12 (3): 3. doi:10.1080/14697681003777097. ISSN 1469-7688. 
12. ^ Capital, Global (2000-01-24). "Weather Derivatives Accounting". GlobalCapital (dalam bahasa Inggris). Diakses tanggal 2021-12-04.