Kajian Real Options

COURSE : MINING ECONOMICS TECHNIQUES AND APPLICATION

2008-07-16T00:49:00.000-07:00

Kursus ini direncanakan akan bekerja sama dengan Program Studi Teknik Pertambangan, Institut Teknologi Bandung. Dengan kerjasama ini, diharapkan materi yang dihadirkan merupakan perpaduan antara teori dan praktek yang terjadi dalam dunia pertambangan di Indonesia. Untuk saat ini, training ini diperuntukan untuk "Inhouse Training" perusahaan, namun tidak menutup kemungkinan terbuka untuk umum (publik) jika pesertanya mencukupi

TUJUAN TRAINING

Kursus ini akan :
- mempelajari dasar-dasar teknik bagaimana kita melakukan penilaian proyek pertambangan serta bagaimana implementasinya dalam kontrak karya pertambangan.
- membantu peserta dalam mengidentifikasi dan menghitung faktor risiko dengan menggunakan sensitivity analysis dan Monte Carlo Simulation
- mempelajari bagaimana memperkirakan value of information dan value of flexibility dalam mengelola uncertainty pada proyek pertambangan.
- mengajak peserta untuk melihat perkembangan terbaru mengenai teknik penilaian proyek pertambangan dengan menggunakan metode Real Options.

TARGET PESERTA

Kursus ini sangat cocok sebagai pengenalan untuk Mining Engineers, Geologist, Economist, Finance, Asset and Project Manager yang ingin mempelajari teknik penilaian proyek dari metode yang konvensional sampai yang modern dalam industri pertambangan.

MANFAAT TRAINING

Pada akhir training, peserta akan :
- melihat bahwa metode traditional NPV tidak cukup untuk mengukur nilai keseluruhan suatu proyek Pertambangan.
- Menemukan bahwa nilai suatu proyek harus memasukkan nilai fleksibilitas manajemen dalam meyesuaikan tindakan mereka di masa yang akan datang dalam mengambil keuntungan dari nilai potensi upside suatu proyek dan meminimalkan risiko dari proyek tersebut.
- Mendapatkan keahlian dalam mengidentifikasi, membuat model serta melakukan penilaian proyek pertambangan di Indonesia, dengan menggunakan berbagai teknik penilaian yang ada (dari metode konvensional sampai modern)

KEBUTUHAN KOMPUTER

Sebagaimana training ini banyak melakukan latihan dalam spreadsheet excel, jika peserta memiliki laptop, sebaiknya dibawa dalam training ini.

SYLABUS TRAININIG

Training ini dibagi dalam tiga kategori pembahasan, yaitu sebagai berikut

I. Dasar dari Mining Economics
1.1 Sekilas mengenai keekonomian suatu proyek dalam kontrak karya pertambangan
1.2 Peran dari Project Valuation

II. Teknik yang secara umum digunakan dalam keekonomian suatu proyek pertambangan beserta aplikasinya
2.1 Discounted Cash Flow (DCF) Analysis
- Time value of money: discount rates dan period
- NPV, IRR, pay back period
2.2 Sensitivity dan Scenario Analysis, Spider dan Tornado Diagrams
2.3 Monte Carlo Simulation
- The “expected” base case
- Probability distributions of inputs and result distribution of possible outputs
Latihan : keekonomian proyek nikel
2.4 Analisa diagram keputusan (Decision Tree Analysis)
- Value of Information
- Value of Flexibility
Latihan : Aplikasi “decision tree” dalam proyek eksplorasi mineral

III. Teknik Modern yang sekarang banyak digunakan dalam keekonomian suatu proyek pertambangan beserta aplikasinya
3.1 Sekilas metode Real Options
3.2 Beberapa pendekatan dalam metode Real Options
a. Binomial Lattice
Latihan:- Binomial Lattice_4 steps and 12 steps
- Binomial tree with option to shutdown temporary or/and expansion
- Choose the best strategy to develop mine field using software SLS
b. Financial Options Analogy (Closed Form Solution)
Latihan : keekonomian tambang dengan model Black, Scholes and Merton Formula
c. Perkembangan terakhir metode Real Options yaitu Modern Asset Pricing (MAP) dengan menggunakan kontrak forward price
Latihan : Mine Valuation DCF vs Static RO (forward price)
Studi kasus : Harvard Business Case “Bidding for the Antamina Mine”
Demo: Metode “Least Squares Monte Carlo” dalam keekonomian tambang

SEKILAS MENGENAI ISI TRAINING

Sesuai dengan skema diatas, kita akan membahas satu persatu topik bahasan sebagai berikut :

Pada hari pertama, kita akan mendiskusikan mengenai kontrak pertambangan di Indonesia dan bagaimana menghitung keekonomian pertambangan dengan menggunakan perhitungan NPV traditional (static and dynamic DCF).
Setelah makan siang, kita akan mendiskusikan peran dari project valuation serta apa itu Real Options

Pada hari kedua, kita akan mendiskusikan decision tree analysis sebagai dasar untuk mendapatkan konsep dari Real Options (RO). Kemudian akan dilanjutkan dengan metode pertama dalam RO yaitu Binomial Lattice yang mirip dengan konsep decision tree. Disini kita akan mengerjakan banyak latihan dalam spreadsheet excel dan bagaimana menggunakan software Real Options yang berbasis binomial lattice
Setelah makan siang, kita akan lanjutkan dengan latihan dalam metode binomial lattice dan mendiskusikan metode lain dalam RO, i.e. Financial Options Analogy, juga dengan latihan dalam spreadsheet excel.

Pada hari ketiga, kita akan mendiskusikan static Real Options dan apa perbedaannya dengan static DCF. Di hari terakhir ini kita akan mendiskusikan salah satu kasus Harvard Business School yang membahas real options dalam proses tender suatu tambang di Peru. Kursus ini akan ditutup dengan organizational issues and challenges dalam mengaplikasikan real options.

BAHAN TRAINING

Satu set hard copy dari presentasi yang mencakup konsep valuation, perhitungan numeric, dan contoh aplikasinya.
Model spreadsheet excel untuk menilai proyek pertambangan.
Super Lattice Solver software (Trial Version) untuk perhitungan binomial lattice

INFORMASI

Untuk informasi lebih lanjut mengenai training ini silakan email saya di nuzulul@yahoo.com

Harvard Business Case Study : Bidding for the Antamina Mine (Alberto Moel and Peter Tufano)

2008-05-30T00:14:00.000-07:00

Salah satu kasus dari Harvard Business School yang sering digunakan di sekolah –sekolah bisnis dalam membahas kajian real options ini adalah kasus proses tender untuk sebuah tambang tembaga oleh pemerintah Peru pada tahun 1996.

Kasus ini menarik untuk dipelajari karena pada proses tender ini, investor diberikan opsi untuk keluar dari proyek tersebut, jika eksplorasi yang dilakukan selama dua tahun tidak menghasilkan apa-apa sebagaimana tergambar dibawah ini.

Jika cadangan yang ditemukan memadai dan investor setuju untuk mengembangkan tambang ini, maka investor harus memberikan komitment berapa investasi yang akan dikeluarkan. Apabila investor nantinya tidak mencapai target investasi yang pernah dijanjikan maka pemerintah Peru akan memberikan penalty kepada investor sebesar 30% atas selisih antara realisasi biaya pengembangan yang terjadi dan komitmen awalnya.

Dalam tender ini, peserta tender diminta untuk mendaftarkan proposal penawarannya yang meliputi jumlah uang yang akan dibayar untuk pengikatan kontrak serta jumlah investasi yang akan mereka janjikan jika tambang itu akan dikembangkan.

Disinilah yang menjadi tantangan bagi peserta tender, apakah akan memperbesar jumlah uang yang harus dibayar awal ataukah jumlah komitmen investasi yang akan mereka bayarkan.
Pada saat pertama kali diumumkan, ada lebih dari 40 perusahaan yang tertarik untuk masuk dalam tahap prekualifikasi. Dari jumlah ini, 12 perusahaan dari Canada, Afrika Selatan, Inggris dan Jepang yang memperlihatkan keseriusan dan melakukan “data room”. Pada tahap akhir, hanya tiga perusahaan yang mendaftarkan proposalnya yaitu RTZ-CRA (sekarang Rio Tinto), Noranda, dan joint venture Inmet Mining – Rio Algom.

Sedikitnya informasi geologi dari tambang ini, menyebabkan tingginya ketidakpastian dari proyek ini. Data yang digunakan untuk penilaian kasus ini adalah sebagai berikut :

Adapun data lainnya diambil dari pasar keuangan yaitu data harian dari London Metals Exchange (LME) untuk periode Septermber 1991 sampai Juli 1996 yang digunakan untuk menentukan parameter dari model harga logam.

Disamping itu dari pasar keuangan diperoleh data korelasi return untuk tembaga dan seng beserta “convenience yields”nya masing-masing. Semua korelasi untuk data harian untuk periode September 1991 - July 1996.

Berdasarkan data-data diatas kita dapat lakukan suatu simulasi model stochastic selama 24 bulan (2 tahun) dari tahun 1996 dimana pada akhir tahun 1998, diasumsikan kita akan masuk dalam kontrak “forward” pada saat kita akan memproduksi mineral ini sehingga kita terlindung dari fluktuasi harga logam ini di pasaran.

Dengan mengambil basis 1996 sebagai tahun evaluasi dan asumsi bahwa probabilitas untuk masing-masing skenario adalah sebagai berikut :
1. Skenario “low” = 20% dengan investasi sebesar $581MM
2. Skenario “base” = 40% dengan investasi sebesar $602 MM
3. Skenario “high” = 20% dengan investasi sebesar $622 MM

maka diasumsikan kita akan mendapatkan hasil NPV pada tahun 1996 sebagai berikut :
1. Jika tidak ada asumsi untuk abandon project ditahun 1998 maka NPV = $1,425 MM
2. Jika ada asumsi untuk abandon project ditahun 1998 maka NPV = $1,525 MM

Dengan melihat kondisi diatas, terlihat bahwa opsi untuk melakukan abandon di tahun 1998 mempunyai nilai sebesar $100 MM.

Dari proses tender ini ada tiga perusahaan yang mendaftarkan proposal penawarannya yaitu :
RTZ-CRA Ltd, menawarkan $17.5 M sebagai pembayaran awal dan $900 M sebagai komitment investasi
Noranda menawarkan dengan jumlah yang sama yaitu $17.5 M sebagai pembayaran awal dan $1,900 M sebagai komitment investasi
Perusahaan kecil, Aliansi Rio Algom/Inmet menawar dengan $20.0 M sebagai pembayaran awal dan $2,500 M sebagai komitment investasi

Berdasarkan proposal dari tiga bidder maka pemerintah Peru akan menerima bid sebagai berikut :

Dari 3 penawaran diatas, terlihat bahwa Aliansi Algom/Inmet berhasi memenangkan tender ini dengan harga tawar yang paling tinggi.
Sekarang mari kita analisa apakah pemenang tender ini memberikan penawaran yang tidak wajar.

Jika kita asumsikan nilai PV diluar investasi dan penalti serta investasi yang terjadi adalah sebagai berikut :

Jika kita lihat hasil akhir keekonomian dari tiga proposal bidder ini adalah :

Dilihat dari hasil akhirnya terlihat bahwa hasil yang diharapkan Rio Algom/Imment adalah 50% lebih kecil dibandingkan dengan RTZ-CRA, namun demikian keuntungan ini masih diatas $1,000 MM.

Yang menarik adalah pernyataan dari eksekutif Rio Algom/Imment pada hari yang sama saat diumumkan jadi pemenang, bahwa mereka hanya akan membelanjakan sekitar $1,000 MM untuk mengembangkan tambang Antamina. Pernyataan mereka adalah "If it does not prove viable, we just lose our up-front investment”.
Disini jelas bahwa, mereka sangat mengenal adanya “options” yang ada dalam aturan tender tersebut. Ini mengindikasikan mereka tidak akan berencana berinvestasi sebesar $2,500 MM melainkan hanya sekitar $1,000 MM termasuk didalamnya penalty. Mereka tampaknya ingin memberikan pemahaman kepada analist sekuritas bahwa mereka tidak “overpaid” pada tambang tersebut. Mereka secara jelas mengerti bentuk opsi dari penawaran ini.

Using Real Options Analysis For PSC Contract Term Negotiation

2008-02-25T20:43:00.000-08:00

(This article is summarized from paper that had been presented in 32nd IPA Annual Convention on May 27th, 2008, Jakarta Convention Centre, Merak Room 3, at 13.00-13.30)

Today, we have a challenge to increase oil and gas production in Indonesia as Government has set the target of 1.034 MBOPD for oil and 1,169 MBOEPD for gas in 2008. There are some efforts to meet this target i.e. optimizing the existing production field using intensively advance technology such as EOR, accelerating new development field, and encouraging exploration activity to discover new reserve.

To support the exploration activity in the unexplored area in Indonesia,, since 2002 government actively opens tender of new PSC blocks. As shown in the below figure, only below 50% of total blocks offered that had been signed in the following year. The interesting data is what occurred in 2006 when oil price was relatively high around $65/bbl, only 5 contracts was signed in 2006. It seems that the level of uncertainty was growing in 2006 due to uncertainties of cold weather in parts of Asia, Europe and US h and oil supplies from Nigeria, Iran and Iraq. This condition resulted many investors at that time waited until uncertainty resolved before undertaking the necessary investment. As uncertainty reduced specially for the level of oil price, in 2007, investors started investing in Indonesia as reflected by 26 PSC contract signed in 2007. It seemed that in 2007 investors looked at the oil market had the new level of price equilibrium because supply and demand for crude in market had been stretched for several years.

Figure 1. Blocks Offered, Signed and Signature Bonus for 2000 – 2007 period
(Source : Ditjend Migas)

These above fact open our insights that besides the cost that investor invest as well as the pay out rate that investor wants to get, there is another factor i.e. uncertainty that should be considered in making decision on the project. In other words, there is a “threshold price” that investor will invest optimally. As uncertainty increases, threshold price will increase. If a project value does not exceed the threshold price, investors prefer to wait before they decide to invest.

Determining the threshold price of the project can be a good starting point for negotiation between government and contractor to accelerate the development of the PSC projects and also for PSC contract extensions. In part of the bidding process, government can also use this approach to set an attractive PSC contract term for investor.

USING REAL OPTIONS TO FIND THE THRESHOLD PRICE OF UNEXPLORED RESERVE PROJECT

Currently, the economics criteria for negotiation are still based on the DCF result. However, this methodology is failed to find the threshold price that the project can be invested immediately considering the effect of uncertainty surrounding the value of investment.
Real Options is an alternative methodology that can find this threshold price that considered factor of development cost, pay our rate and also the uncertainty level.

Following Paddock, Siegel and Smith (1988) real option approach, we extend their approach to value unexplored reserves in Indonesia and propose the adaptation of the above parameters into Indonesian PSC regime.

Two parameters that we can adapt into PSC regime are as follows:

1. PV of Development Cost

PV of Development cost is taken from after tax deduction of intangible drilling cost since this cost can be expensed for tax purposes. In PSC regime, the factor of contractor share should also be considered because cost occurred in PSC basically will affect contractors as much as their split shares.

DevCost afer tax = DevCost-(% Intangible Expense*DevCost*Contractor share*Tax)

2. Pay Out Rate

Following Paddock, Siegel and Smith (1988), we start by calculating the waiting opportunity cost δ, defined as follows:

γt: fraction of oil produced yearly ,
πt: net profit per barrel,
Wt: unit value of developed reserve (per barrel)

In the Indonesian PSC regime, the term of net profit (πt) of contractor is defined as contractor share split after tax. Any changes in oil price (Mt) will affect contractors as much as their “split share after tax”. The same application is also used for developed reserve value (Wt) where contractors just accrue as much as their “split share after tax”. Based on these adjustments, we define pay out rate, δ in PSC regime as follows:

HYPOTETHICAL UNEXPLORED RESERVE VALUATION

To illustrate the valuation for unexplored reserve, we will use the case of the exploration block in PSC regime. Block Y had been awarded to Medco on October 2003 with contractor share after tax of 25%.
For comparison study, we use Block Z as the hypothetical sample that had the same contract term as Block Y.

Table 1.
Data Assumption for Block Y and Z

As shown in the above table, we see that block Y has more valuable than block Z since the chance of success and estimate reserve of Block Y if success is higher than block Z. The other thing, the development cost of block Y is lower than block Z.
In the end of 2003, the market oil price was at $25.00/bbl flat. Following Gruy and Wood (1982) that assumed that the developed reserve is one third of market crude price, we can estimate the pay out rate for each field. The results can be seen in the below table.

Table 2
Pay Out Rate for Block Y and Z

Let’s assumed the volatility and risk free interest rate are at 34% and 5% respectively, the value of development option if these reserves are success to be discovered as shown in the below table.

Table 3
Value of Development Option for Block Y and Z

From this table, it was confirmed that Block Y has a potential to be developed soon since project value is higher than threshold price. In contrary, Block Z has a higher threshold price than project value. Look at this situation; it was possible for government to give investment credit as an incentive for Block Y since the development cost is relatively high. Normally, investment credit is applied for facilities development.

Table 4
Optimal Investment Credit (IC) for Block Z

The break point of the project value exceeds threshold price if government give investment credit more than 60.1% as shown in the above table.

Table 5
Maximum Exploration Spending

The signature bonus paid for block Y was`$2.6 million and for block Z we assume we pay only $1 million. As shown in above table, the maximum exploration cost that can be spent in block Y is $38.36 MM. For Block Z, the maximum exploration cost is going up from $2.97 MM to 3.98 MM after government gives an investment credit. From this case, there is a signal that by giving an incentive to lower the threshold price, we can increase the opportunity to find the reserve with more exploration spending.

CONCLUSIONS

We have extended the idea of pricing unexplored reserves as options to the evaluation in the Indonesian PSC Regime. From the hypothetical study, it shows that real options method is a potential tool to form a proper basis for the negotiation of contract terms between the contractor and Government, as a result of which development of the undeveloped reserves in Indonesia can be stimulated.

COURSE : Petroleum Project Valuation

2008-02-25T06:02:00.000-08:00

PETROLEUM PROJECT EVALUATION : TECHNIQUES AND APPLICATION
(From Conventional to Modern Methods)

A four day, hands on, Excel-based Course, with Harvard Business Case Study

TUJUAN TRAINING

Kursus ini akan :

mempelajari dasar-dasar teknik bagaimana kita melakukan penilaian proyek perminyakan serta bagaimana implementasinya dalam kontrak PSC Indonesia
membantu peserta dalam mengidentifikasi dan menghitung faktor risiko dengan menggunakan sensitivity analysis dan Monte Carlo Simulation
mempelajari bagaimana memperkirakan value of information dan value of flexibility dalam mengelola uncertainty pada proyek perminyakan.
mengajak peserta untuk melihat perkembangan terbaru mengenai teknik penilaian proyek perminyakan dengan menggunakan metode Real Options.

TARGET PESERTA

Kursus ini sangat cocok sebagai pengenalan untuk Engineers, Geologist, Economist, Finance, Asset and Project Manager yang ingin mempelajari teknik penilaian proyek dari metode yang konvensional sampai yang modern dalam industri perminyakan.

MANFAAT TRAINING

Pada akhir training, peserta akan :

melihat bahwa metode traditional NPV tidak cukup untuk mengukur nilai keseluruhan suatu proyek perminyakan.
Menemukan bahwa nilai suatu proyek harus memasukkan nilai fleksibilitas manajemen dalam meyesuaikan tindakan mereka di masa yang akan datang dalam mengambil keuntungan dari nilai potensi upside suatu proyek dan meminimalkan risiko dari proyek tersebut.
Mendapatkan keahlian dalam mengidentifikasi, membuat model serta melakukan penilaian proyek perminyakan di Indonesia, dengan menggunakan berbagai teknik penilaian yang ada (dari metode konvensional sampai modern)

SEKILAS MENGENAI ISI TRAINING

Sesuai dengan skema diatas, kita akan membahas satu persatu topik bahasan sebagai berikut :

1. Hari pertama (Selasa, 16 Desember 2008)

08.00 Registerasi
08.15 Pengenalan Peserta dan Course Outline
08.30 Kontrak PSC Indonesia

Sejarah PSC Indonesia
Definisi dan istilah-istilah yang ada dalam PSC
Perbedaan akuntansi PSC dengan Akuntansi Standar berdasarkan PSAK

10.00 Coffee Break

10.15 Practical Exercise

Perhitungan PSC sederhana
Perhitungan PSC dalam multi year period

12.00 Makan Siang

13.00 Project Valuation dalam Industri Migas

Peranan Project Valuation dalam membantu keputusan manajemen
Faktor-Faktor yang penting dipertimbangkan dalam Project Valuation
Project Uncertainty (Sumber atau tipe dan Karakteristik)
Project Structure (Arus Kas, Fleksibilitas Manajemen, Pembiayaan)
Value Numerics (konsep dan metode)

14.00 Discounted Cash Flow

Konsep DCF
Setting Discount Rate
Discounting Procedure (Discrete vs Continuous)

14.45 Coffee Break

15.00 Practical Exercise

Net Present Value (NPV) DCF
Internal Rate of Return (IRR) DCF
Studi kasus pada suatu blok PSC

16.00 Selesai Hari Pertama

2. Hari Kedua (Rabu, 17 Desember 2008)

08.00 Analisa Sensitivitas

Diagram Spider dan Tornado
Practical Exercise

09.00 Monte Carlo (MC) Simulation

Langkah-langkah dalam simulasi MC
Probability Distribution
Interpretasi hasil output dari Simulasi MC

10.00 Coffee Break

10.15 Decision Tree Analysis (DTA)

Konsep Decision Tree (DTA)
DTA dalam exploration economics
Probability of geological success
Expected Monetary Value (EMV)

12.00 Makan Siang

13.00 Practical Exercise DTA

Value of Information
Value of Flexibility

14.45 Coffee Break

15.00 Case Study
Harvard Business School Case Study : “Texaco vs Penzoil Case ”

16.00 Selesai Hari Kedua

3. Hari Ketiga (Kamis, 18 Desember 2008)

08.00 Real Options

Teori Real Options
Lahirnya Real options
Real Options dalam industri Migas
Intuisi dibalik Real Options
Real Options Mind set

09.30 Financial Options Analogy

Konsep Financial Options Analogy
Penggunaan Black Scholes Merton (BSM)

10.00 Coffee Break

10.15 Case Study - BSM
Harvard Business School Case Study: “MW Petroleum ”

12.00 Makan Siang

13.00 Financial Options Analogy - continued
Model Paddock, Siegel dan Smiths (PSS)

14.00 Practical Exercise
Penilaian undeveloped reserve dengan PSS Model

14.45 Coffee Break

15.00 Practical Exercise - Continued
Penilaian unexplored reserve dengan PSS Model

16.00 Selesai Hari Ketiga

4. Hari Keempat (Jumat, 19 Desember 2008)

08.00 Binomial Lattice

Konsep Binomial Lattice
Simple Lattice Steps
Penilaian Development Field
Penilaian Exploration Field

09.00 Applikasi Binomial Lattice dalam regime PSC

Adaptasi parameter in PSC
Practical exercise in PSC block

09.30 Coffee Break

09.45 Perhitungan Binomial Lattice dengan software Real Options Super Lattice Solver (ROSLS)

11.15 Makan Siang dan Shalat Jumat

13.00 Real Options Statis

Perbedaan antara DCF vs Real Options
High vs Low cost Field

14.00 Practical Exercise
Perhitungan NPV dari PSC blok dengan pendekatan DCF dan RO statis

14.45 Coffee Break

15.00 Issue dan Tantangan Organisasi

15.30 Wrap – Up dan Kesimpulan

16.00 Selesai Hari terakhir

KEBUTUHAN KOMPUTER

Training ini banyak melakukan latihan dalam spreadsheet Excel, jika peserta memiliki laptop, sebaiknya dibawa dalam training ini.

BAHAN TRAINING

1. Satu set hard copy dari presentasi yang mencakup konsep valuation, perhitungan numeric, dan contoh aplikasinya.
2. Model spreadsheet excel untuk menilai proyek perminyakan dalam kontrak PSC.
3. Super Lattice Solver software (Trial Version) untuk perhitungan binomial lattice

PENDAFTARAN

Untuk informasi pendaftaran silakan hubungi :

XP training
Gedung Raudha Jl. Terusan Kuningan No. 21 Mampang Lantai 1 Blok A4 Jakarta 12710 Ph. 021-527 9915 Fax. 021-5279915. E-mail: xp.training@cbn.net.id CP : Anton (0817207429), Naila Zahara (081321754000)

Real Options versus Discounted Cash Flow Method

2007-12-05T00:41:00.000-08:00

Selama ini metode Real Options (RO) sering dianggap merupakan alternatif bagi metode DCF dengan memasukkan unsur fleksibilitas manajemen dalam menghadapi uncertainty kedepan. Secara teori sebenarnya ada perbedaan yang mendasar antara DCF dan RO.

Pada waktu ditemukannya rumus perhitungan stock options di tahun 1970 oleh Black, Scholes dan Merton, kunci inovasi yang mereka lakukan adalah

Untuk memperhitungkan adanya uncertainty digunakan model kuantitatif yang dinamis (dynamic quantititive model)
Risiko akibat adanya uncertainty diperhitungkan langsung pada sumber (variable) yang menyebabkan uncertainty tersebut.

Teori yang digunakan oleh mereka dikenal dengan “Law of One Price” dimana dalam pada asset cash flow yang sama maka nilai assetnya akan sama juga, dengan mengasumsikan bahwa tidak ada “transaction cost” dalam pasar keuangan.

Salah satu prinsip dalam “Law of One Price” adalah “additivity of value” dimana asset dapat dibagi menjadi bagian-bagian kecil yang dinilai serta nilai-nilai tersebut dapat ditambahkan kembali. Dengan membaginya menjadi bagian yang lebih kecil, maka kita dapat memisahkan risiko terhadap uncertainty yang ada pada suatu variabel dan waktu.

Dengan demikian “optionality” bukan issue penting dalam penemuan stock options tetapi yang menjadi issue penting adalah bahwa penilaian asset yang kompleks dapat dilakukan dengan melakukan kombinasi dinamis dari asset-asset yang lebih sederhana.

Untuk memberikan gambaran bagaimana pendekatan RO berbeda dengan DCF, mari kita lihat pembahasan berikut ini.

DCF versus RO

Perbedaan mendasar dari dua metode ini adalah bagaimana pendekatannya dalam mempertimbangkan faktor risiko terhadap cash flow suatu project

Dalam DCF, pendekatannya adalah dengan menggunakan satu discount factor yang merupakan gabungan antara faktor risiko atas uncertainty dan waktu, dimana discount factor ini yang akan digunakan untuk menghitung Net Present Value dari cash flow suatu project.

Sedangkan dalam RO, pendekatan ini berusaha memisahkan faktor-faktor diatas yaitu risiko atas uncertainty dan waktu.

Risiko atas uncertainty tersebut akan diaplikasikan ke setiap sumber (variable) sehingga akan didapat cash flow yang sudah diberi faktor risiko, sebelum akhirnya cash flow ini diberi faktor risiko atas waktu untuk mendapatkan NPV versi RO ini.

Skema dibawah ini memperlihatkan gambaran perbedaan antara DCF dan RO

Fig.1 Perbedaan antara DCF dan RO (Samis et all, 2006)

Dari skema diatas terlihat perbedaannya sangat kecil tetapi mempunyai implikasi yang penting dalam melakukan penilaian suatu project.

Simple Calculation

Untuk memperlihatkan bagaimana menghitung secara RO dan DCF, mari kita lihat gambar dibawah ini.

Diasumsikan, bahwa hanya ada satu faktor uncertainty yang mempengaruhi suatu project perminyakan yaitu harga minyak. Untuk itu harga minyak akan didiscount dengan faktor risiko atas adanya uncertainty.

Fig.2. Simple Example - DCF vs RO (Samis et all, 2006)

Gambar diatas memperlihatkan bahwa expected revenue diperoleh dengan mengalikan harga minyak, E[S], dengan oil production. Opex dan Capex dikurangi dari revenue untuk mendapatkan net cash flow. Dalam DCF, Present Value (PV) dihitung dari cash flow ini dengan mengaplikasikan discount rate yang merupakan gabungan antara risiko thd uncertainty dan waktu

Dalam RO, harga minyak akan dikalikan lebih dulu dengan faktor risiko thda uncertainty untuk mendapatkan adjusted risk oil price, E_RA[S]. Kemudian mengalikan harga minyak ini dengan oil production untuk mendapatkan risk adjusted asset revenue. Dengan mengurangkan Opex dan Capex, net cash flow yang telah dihasilkan akan didiscount dengan risk free interest rate yang mempertimbangkan faktor risiko terhadap waktu saja.

Adjusted risk oil price dalam contoh metode RO diatas akan sama dengan instrument derivative di pasar keauangan yaitu forward price untuk crude oil, dimana forward price utk komoditas selalu sama atau lebih rendah dengan expected spot prices, the risk discount factor, E_RA[S]/ E[S], selalu diantara 1 dan 0.

Sebagai catatan untuk beberapa komoditas energi, futures prices, bias dianggap sama dengan forward price dengan mengasumsikan bahwa risk free interest rate adalah deterministic (M. Samis et al, 2006)

Karakteristik Tiap Project

Dalam dunia nyata, suatu project biasanya akan berbeda dengan poject lainnya karena masing-masing project mempunyak karakteristik dan keunikannya sendiri-sendiri.

Kasus dibawah ini akan memberikan gambaran bagaimana dua field yang berbeda biaya produksinya akan mempunyai karakteristik yang berbeda dalam lingkungan dinamis

Fig 3. Cash Flow Volatility - High Cost vs Low Cost Oil Field

Misal saat ini (t=0) harga minyak $50/bbl, ekspetasi kita pada tahun depan harga minyak masih tetap berada pada $50/bbl. Berdasarkan data historis harga minyak sebelumnya tingkat volatilitas sebesar 20%. Berdasarkan ini, kita mempunyai uncertainty tahun depan bahwa harga akan naik sebesar 20% menjadi $60/bbl atau akan turun sebesar 20% menjadi $40/bbl.

Tahun depan ada dua project yang akan berproduksi dimana project pertama high cost field dan project kedua low cost field. Jika ekspektasi harga tahun depan masih sama yaitu $50/bbl maka kedua field itu akan memberikan net cash flow yang sama pada tahun pertama yaitu sebesar $ 4,000. Namun adanya uncertainty pada tahun depan, net cash flow yang dihasilkan akan berbeda rangenya dimana High cost field akan memberikan tingkat volatility sebesar 50% lebih tinggi dibandingkan Low cost field sebesar 20%. Hal ini sangat sesuai dengan realitas yang ada, bahwa pada project field yang biaya produksinya lebih tinggi atau mempunyai margin yang lebih kecil, maka project ini lebih sensitive (lebih berisiko) jika terjadi uncertainty terhadap harga minyak di masa depan.

RO method in differencing project’s uniqueness

Adanya pemisahan faktor risiko terhadap uncertainty dan waktu pada metode RO, bermanfaat untuk melihat karakteristik tiap project.

Kita akan ambil kasus yang sama dengan kasus sebelumnya untuk melihat karakteristik project yang mempunyai biaya produksi yang berbeda.

Diasumsikan sebagai berikut :

Dengan menggunakan metode DCF dan asumsi harga minyak $50/bbl, maka PV pada masing-masing project sebagai berikut :

Perhitungan DCF dilakukan dengan menggunakan rumus PV continue yaitu sebagai berikut :

- High cost field = 1000*exp(-15%) = 861

- Low cost field = 2000*exp(-15%) = 1,721

Hal ini akan berbeda hasilnya dengan metode RO dimana seperti terlihat pada table dibawah, harga minyak yang digunakan adalah oil forward price yang merupakan discount dari harga minyak sebelumnya karena mempertimbangkan adanya risiko atas uncertainty terhadap variable ini kedepan.

Perhitungan RO diatas dlakukan dengan PV continue yaitu sebagai berikut :

- High cost field = 616*exp(-7%) = 574

- Low cost field = 1,616*exp(-7%) = 1,506

Untuk melihat effective risk and time discount rate dari masing-masing metode dapat digunakan rumus sebagai berikut :

RO DCF

- High cost field : ln(574/1,000) = 55.52% ln(861/1,000) = 15.00%

- Low cost field : ln(1,506/ 2,000)= 28.35% ln(1,721/ 2,000)= 15.00%

Disini DCF yang menanggap kedua project tersebut sama yaitu 15%, sedangkan RO menganggap itu berbeda.

Conclusion

Dari contoh-contoh diatas terlihat bahwa Real Options tidak hanya sekedar memasukkan unsur fleksibilitas management didalam perhitungan suatu project tetapi secara teori meski tidak ada “optionality”, metode ini menilai uncertainty langsung kepada source (variable) –nya dan melakukan perhitungan dengan model kuantitatif dinanmis (dynamic quantitative model).

Real Options Overview in Petroleum Industry

2007-11-18T18:48:00.000-08:00

Sekilas tentang Real Options

Istilah “Real Options” diperkenalkan pertama kali oleh Stewart C. Mayers dari MIT tahun 1977 didalam mengaplikasikan teori “option pricing” dalam melakukan keputusan investasi suatu proyek.

Aplikasi Real options ini mulai menarik perhatian industri sebagai suatu metode alternatif untuk melakukan penilaian suatu project.

Pertama kali aplikasi ini diterapkan dalam industri perminyakan yang mempunyai karakteristik industri yang tinggi faktor uncertainty-nya. Dari sekian tulisan mengenai real options di industri perminyakan yang dipublikasikan selama kurun waktu 1980an, model option pricing dari Paddock, Siegel dan Smith (1988) dianggap sebagai pendekatan klasik terbaik yang menganalogikan investasi di perminyakan dengan “financial option” di pasar keuangan.

Makanya tidak aneh, banyak tulisan-tulisan tentang real option yang dikeluarkan selama kurun waktu 1990-an merujuk pada pendekatan mereka.

Intuisi dibalik Real Options

Dalam melihat intuisi dibalik real options ini, kita bisa lihat kasus sederhana dibawah ini. Misal ada suatu lapangan minyak yang belum dikembangkan dengan reserve sebesar 500 ribu barrel. Diasumsikan bahwa recovery faktornya sebesar 20% dan bila ingin dikembangkan sekarang membutuhkan investasi sebesar $ 6.1 juta. Jika harga minyak sekarang diasumsikan sebesar $60/bbl. Dari hasil perhitungan NPV sederhana maka NPV = (20% x 500 ribu bbl x $60/bbl) - $ 6.1 juta = $ -100 ribu.

Dari hasil NPV ini terlihat bahwa lapangan ini tidak mempunyai nilai sehingga kelihatan layak untuk dijual. Namun demikian, jika kita melihat faktor uncertainty kedepan dari harga minyak maka tentunya hasilnya akan berbeda. Misal tahun depan ada kemungkinan 50% harga akan naik menjadi $65/bbl dan 50% akan turun menjadi $55/bbl seperti terlihat pada skema dibawah ini.

Pada tahun depan (T=1), ada dua kondisi yang tercipta, jika investasi tidak berubah untuk kebutuhan tahun depan, yaitu sebagai berikut :
1. Jika harga minyak menjadi $65/bbl, maka NPV = (0.2 x 500 x 65)-6.1 = 400 ribu $
2. Jika harga minyak menjadi $55/bbl, maka NPV = (0.2 x 500 x 55)-6.1 = - 600 ribu $.

Jika kita bayangkan kita berada pada tahun depan, maka dari kondisi-kondisi diatas, secara rasional seorang manager tentunya tidak akan mengeksekusi kondisi kedua atau dengan kata lain kondisi kedua itu bernilai nol.

Dengan demikian maka nilai lapangan ini pada tahun depan adalah

NPV project (T=1) = (50% x 400) + (50% x 0) = $200 ribu

Jika kita melihat kondisi ini sebaiknya kita menunggu sampai tahun pertama daripada melakukan investasi sekarang.

Keputusan ini didukung dengan perhitungan dibawah ini.
Jika kita asumsikan bahwa risk discount rate adalah 15 %, maka nilai NPV di T=0 adalah

NPV project (T=0) = $200 juta x [1/(1+15%)] = $ 174 ribu

Pada posisi yang sama (T=0) kita bandingkan nilai yang telah didiscount ini dengan nilai jika kita investasi sekarang ($174 ribu > - $100 ribu), maka dapat disimpulkan lebih baik menunggu dibandingkan kalau kita berinvestasi sekarang.

Parameter dalam Real Options.

Dalam melakukan penilaian secara Real Options, paling tidak ada 6 parameter yang diperlukan untuk menghitungnya sebagaimana terlihat pada gambar dibawah ini.

1. PV Project
Nilai yang diharapkan sekarang dari investasi yang dilakukan (PV project)
Peningkatan nilai present value dari suatu project akan meningkatkan nilai real option.

2. Uncertainty
Volatilitas dari faktor-faktor yang mempengaruhi nilai project
Semakin tinggi tingkat volatilitas semakin tinggi nilai real option

3. Lamanya project
Semakin lama suatu project semakin tinggi nilai real optionnya

4. Biaya Investasi
Semakin tinggi biaya investasi akan mengurangi nilai suatu project dan tentunya berkurang pula nilai real optionnya

5. Risk interest rate
Semakin tinggi risk interest rate semakin rendah nilai real options dikarenakan akan meningkatkan time value of money apabila porject itu ditangguhkan.

6. Dividend Yield atau Opportunity lost
Meningkatnya Opportunity lost akibat penundaan suatu project akan menurunkan nilai real option

Adapun Paddock, Siegel, dan Smith (1988) melakukan pendekatan 6 parameter diatas dengan analogi parameter dalam penilaian cadangan minyak yang belum dikembangkan sebagaimana terlihat pada tabel dibawah ini.

Binomial Approach in Real Options Valuation

2007-11-18T17:54:00.000-08:00

Dalam pendekatan binomial ini biasanya kita melakukan 4 langkah dalam perhitungan Real Options :

identifikasi underlying asset
menentukan volatilitas dari asset tersebut
membuat lattices
interprestasi nilai option nya.

Biasanya kita mengidentifikasikan underlying asset sebagai NPV dari project tersebut.
Hasil dari NPV biasanya memperlihatkan distribusi log normal, sehingga tingkat volatilitas dari underlying asset dapat didasarkan pada logarithma dari cash flow yang akan datang. Dengan menggunakan simulasi Monte Carlo pada DCF model maka akan didapat “annual volatilitas” (s).

Waktu maturity dari option dapat ditentukan dengan umur project tersebut selama adanya option itu. Dari waktu maturity, kita dapat membuat lattice dengan membagi 1 tahun menjadi beberapa step ( ). Dari volatilitas yang kita dapat, kita dapat mengestimasi kemungkinan nilai asset itu naik (u) dan turun (d) pada tiap stepnya dengan menggunakan runus dibawah ini :

Untuk memperjelas penggunaan rumus binomial diatas, mari kita lihat contoh dibawah ini.

Kita asumsikan nilai developed reserve saat ini adalah $1, dengan memasukkan data lainnya diatas kedalam rumus yang sebelumnya dibahas, maka tiap step dari lattice yang kita buat akan bergerak naik keatas sebesar 1.12x dan bergerak turun sebesar – 0.89x, sehingga nilai asset selama 1 tahun dalam 4 step akan bergerak seperti gambar dibawah ini.

Dengan menganggap bahwa biaya investasi untuk mengembangkan cadangan ini sama dengan nilai cadangannya sendiri sebesar $ 1/bbl, maka nilai option untuk mengembangkan cadangan ini sekarang akan bernilai nol. Untuk menghitung nilai option kalau kita tidak mendevelopnya sekarang, maka kita harus menghitung dua kemungkinan outcome apabila kita tunda sampai setahun.
Dengan melakukan dengan analisa dari kanan ke kiri (spt kotak kuning) dimana Jika nilai reserve lebih besar dari biaya developmentnya maka nilai opsinya sebesar selisihnya. Sedangkan bila lebih kecil, nilai opsinya adalah nol.

Nilai dari titik di sebelahnya kirinya datang dari regresi dari dua cabang terdekat dengan menggunakan rumus dibawah ini :

Penentuan volatilitas dalam pendekatan binomial lattice

1 Dikaitkan dengan Volatilitas harga minyak

Cara paling sederhana didalam menentukan volatilitas dari suatu project upstream adalah mengkaitkan dengan volatilitas harga minyak dimana variable ini dianggap sebagai faktor yang paling sensitive didalam penilaian suatu proyek perminyakan .

Caranya adalah sebagai berikut :
Sebagai contoh ada data historis dari harga WTI crude sebagaimana table dibawah ini:

WTI Ln(P1/P0)
Jan-84 29.08
Feb-84 29.25 0.01
Mar-84 28.58 -0.02
Apr-84 28.71 0.00
May-84 29.09 0.01
Jun-84 29.37 0.01
Jul-84 29.04 -0.01
Aug-84 29.29 0.01
Sep-84 29.07 -0.01
Oct-84 29.04 0.00
Nov-84 29.53 0.02
Dec-84 27.03 -0.09

Dengan menghitung standard deviation dari Ln(P1/P0) maka kita akan mendapatkan angka volatilitas bulanan dari harga minyak. Standard deviation adalah ukuran seberapa lebar data tersebar dari rata-rata dari data tersebut, sebagaimamana rumus dibawah

Jika kita ingin mendapatkan angka volatilitas tahunan dengan mengalikan angka volatilitas bulanan dengan akar 12 seperti dibawah ini.

Didalam spreadsheet excel kita dapat menggunakan fungsi STDEVP untuk mencari standar deviation dari suatu populasi data. Dengan menggunakan fungsi ini, maka volatilitas bulanan dari data diatas adalah 2.9%.

2. Menggunakan hasil simulasi monte carlo dari spreadsheet model

Cara kedua adalah dengan menggunakan hasil simulasi monte carlo pada spreadsheet model dari proyek. Cara ini hampir mirip dengan cara pertama diatas, namun sekarang yang menjadi datanya bukan harga minyak tapi profile cash flow project tersebut dimana akan dihitung present value pada t = 0 dan t = 1.

Sebagai contoh dari suatu project kita mendapatkan profile sebagai berikut

Kemudian kita lakukan perhitungan dengan rumus sebagai berikut

Nilai X ini akan menjadi “output forecast” bila kita lakukan simulasi montecarlo berdasarkan range kemungkinan pada variable input yang kita asumsikan.

Standar deviation dari X ini akan menjadi nilai volatilitas dari project tersebut.

Skema Pendekatan Binomial Lattice dalam Real Options

Saat ini sudah banyak software yang dikembangkan untuk mengakomodasi perhitungan Real Options dengan pendekatan binomial seperti skema diatas. Salah satunya adalah yang dikembangkan oleh Dr. Johnathan Mun (Real Options Valuation, Inc) yaitu Real Options Super Lattice Solver (ROSLS).

Contoh bagaimana kita menggunakan software ini dalam kasus perminyakan adalah sebagai berikut.

Sebuah perusahan minyak sedang memutuskan apakah akan melakukan development pada suatu prospect field. Masalah yang dihadapi oleh perusahaan ini adanya ketidakpastian dari harga minyak dan struktur geologi dari prospek tersebut. Adapun nilai present value dari prospek cadangan ini adalah $200 juta. Sebagaimana skema diatas ada 3 strategi yang sedang dipertimbangkan oleh perusahaan.

Strategi A
Perusahaan akan melakukan pengeboran “Test well” sebesar $10 juta selama dua tahun sampai mendapatkan hasil sebelum melakukan full investasi untuk mengembangkan prospek tersebut selama 3 tahun. Jika produksi tidak sesuai ekspektasi, maka ada strategi akan di farm-out sebanyak 49% ke partner dengan asumsi akan menghemat sekitar $30 juta.
Pengeboran test well ini tentunya akan menambah biaya dan mengambil waktu yang agak lama, tetapi dilain pihak informasi yang didapatkan akan lebih akurat dibandingkan dengan 3D seismic. Diasumsikan penundaan full investment setahun akan kehilangan opportunity revenue sebesar 4% dari $ 200 juta nilai PV project tersebut atau sebesar $8 juta per tahun.

Strategi B
Melakukan 3D seismic tentunya lebih murah yaitu sebesar $5 juta dalam waktu ½ tahun. Kemudian melakukan full investasi selama 1.5 thn sebelum akhirnya berproduksi. Meskipun 3D seismic lebih cepat dibandingkan test well tetapi informasi yang didapat tidak seakurat dengan test well. Sama seperti strategi A, melakukan strategi farm out jika produksi tidak sesuai ekspektasi.

Strategi C
Langsung Melakukan Full investment saat ini dan mengambil risiko karena melihat harga sekarang lagi tinggi sehingga tidak kehilangan opportunity.

Tabel dibawah memperlihatkan bagaimana ROSLS menghitung strategi yang ada.

Hasil ROSLS untuk Strategi A

PV revenue dari project sebesar $200 M, jika dikurangi biaya utk test well $10 M dikurang cost drilling sebesar $100 M, maka hasil net present value adalah $90 M. Adanya opsi utk abandon the project jika test well gagal memberikan hasil NPV untuk strategy A sebesar $ 123.74 M. Maka, option value dari test well ini sebesar $33.74M (123.74 – 90).

Hasil ROSLS untuk Strategi B

Pada strategi B, dengan murah dan cepatnya studi seismic study diasumsikan akan meningkatkan tingkat volatilitas dari proyek itu (35% compared to strategy A : 30%), Strategic value dari menjalankan 3D seismic is $129.58M, dimana NPV dari proyek sekarang adalah $ $95M ($200M kurang the total cost $100M dan $5M). Maka, option value untuk mendapatkan informasi dari 3D seismic ini adalah $34.58M (129.58 - 95).

Pada strategi C, dengan langsung melakukan full investment maka hasil NPV dari project tersebut adalah $100 juta ($200 – 100) dengan nilai opsi kalau menunggu adalah tidak ada alias nil.

Ringkasan dari strategi-strategi diatas terlihat pada tabel dibawah ini.

Dari kasus diatas dapat disimpulkan bahwa strategi B yaitu dengan melakukan seismic test terlebih dahulu mempunyai nilai opsi yang lebih baik dibandingkan dengan strategi A untuk melakukan test wells.
Perbedaan nilai antara strategi B dan strategi A adalah sebesar $5.84M ($129.58-123.74M). Dengan nilai ini kita bisa tentukan berapa biaya maksmimum yang bisa dikeluarkan untuk test well agar nilai opsinya sama dengan melakukan 3D seismic yaitu dari Breakeven pointnya sebesar $ 10M-$5.84M = $4.16M.

Partial Differential Equation (PDE) Approach in Real Option Valuation

2007-11-18T16:41:00.000-08:00

Dari pembahasan sebelumnya, model klasik untuk perhitungan Real Options dikembangkan oleh Paddock, Siegel & Smith (1988) dan McDonald & Siegel (1986), dimana pendekatannya dikenal dengan pendekatan finite difference atau persaman partial differential (Partial Differential Equation/PDE)

Model ini mengasumsikan bahwa discounted net cash flows akan mengikuti pergerakan Geometric Brownian sebagaimana rumus dibawah ini:

V: discounted net cash-flows;
σ: volatility dari V;
α: expected rate dari capital gain pada project tsb; α = µ-δ;
µ: expected return dari hasil kepemilikan project tsb;
δ: opportunity cost jika menunda project tsb;
dz: peningkatan standard winner process

Partial differential equation (PDE) yang sesuai dengan nilai opsi utk developmen option value (spt American call option) adalah:

Persamaan 1

F = nilai option utk development
R = risk free rate.

Nilai F(V) harus memenuhi kondisi-kondisi sebagai berikut :
(1) F(0) = 0
(2) F(V*) = V* - I
(3) F’(V*) = 1

Jika American call option adalah perpetual, maka nilai opsi ini tidak tergantung dengan waktu, sehingga turunan partial terhadap waktu (t) akan nol (Beliossi, 1996). Jadi, PDE diatas akan berkurang ke persamaan homogeneous differential sebagai berikut

Persamaan 2.

Dalam persamaan ini spt persamaan sebelumnya, F(V) harus memenuhi kondisi-kondisi seperti diatas.

Kondisi pertama muncul jika nilai project V adalah nol, maka nilai opsi untuk investasi akan tidak bernilai. Dua kondisi lainnya datang dari pertimbangan adanya investasi yang optimal. Kondisi kedua adalah kondisi “matching” dimana perusahaan akan menerima net payoff sebesar V* - I atas investasi yang dilakukan.
Kondisi ketiga adalah kondisi “smooth pasting” dimana ini merupakan turunan pertama dari kondisi kedua.
Untuk menemukan F(V), kita harus memecahkan persamaan (2) dengan kondisi 1 sampai 3 yang harus dipenuhi

Dalam memecahkan persamaan 2, Pyndick (1996) membuat perkiraan fungsi yang cocok dengan kondisi pertama yaitu :

Dimana A adalah konstanta dan β > 1 adalah konstanta yang diketahui yang nilainya tergantung pada parameter σ, δ, dan r . Dengan memasukkan persamaan 3 ke syarat kondisi 2, maka :

Pemecahan untuk mendapatkan β

Dari persamaan (2) didapat :

Diketahui

Gambar 1: Fundamental Quadratic

Dari penurunan diatas maka dapat diringkas bahwa solusi untuk F(V) adalah

Pada kondisi V lebih kecil dari V* dan (V – I) lebih kecil dari F(V) yaitu ketika ”exercise value” karena mengeksekusi saat ini lebih kecil dibandingkan ”hold value” karena tidak mengeksekusinya, maka investor harus menunda project development tersebut.
Pada kondisi V lebih besar dari V* dan (V - I) lebih besar dari F(V), maka company harus mulai segera untuk mendevelop project tersebut..

Gambar 2. Optimal Investment Decision

Penentuan opportunity loss akibat menunda project

Dalam tulisan Paddock, Siegel and Smith (1988), penentuan opportunity loss δ, didefinisikan sebagai berikut:
γt: fraksi minyak yang diproduksi tiap tahun,
πt: net profit per barrel,
Wt: unit value of developed reserve (per barrel).

Jika,

Mt: crude oil price at the date t,
OCt: one-barrel production cost at the date t,
DAt: depreciation per barrel at the date t,
T: corporate rate.

Maka πt didefinisikan sebagai berikut :

πt = Mt - OCt - T ( Mt - OCt - DAt )
= Mt - xt Mt - T (Mt - xt Mt - yt Mt )
= Mt ( 1 – xt ) - T Mt ( 1 – xt – yt )

Dimana

Gruy dan Wood (1982) mengasumsikan bahwa Wt = 1/3 Mt, maka:

Beliossi (1996) melakukan pendekatan lain untuk menentukan opportunity loss δ dimana tidak seperti Gruy dan Wood, belliosi memperkenalkan ratio p untuk membandingkan harga pasar minyak dan harga developed reserve sebagaimana rumus dibawah ini.

p = ratio of market price of oil per barrel/market value of a developed reserve
Sehingga rumus δ diatas akan menjadi :

Value of Information (VoI) and Value of Flexibility (VoF)

2007-11-11T16:57:00.000-08:00

Dalam membuat suatu keputusan utk melakukan pengeboran didalam suatu field eksplorasi, seringkali kali kita masih belum yakin seberapa besar chance of success (COS) dari lapangan tersebut. Untuk menambah keyakinan tersebut, maka dilakukan reprocesing seismic data lama, atau melakukan seismic kembali (bila perlu dengan seismic 3D) untuk memberikan gambaran yang lebih yakin mengenai struktur geologi dari lapangan itu. Namun demikian, orang masih mempertanyakan sejauh mana investasi atas kegiatan seismik yang baru ini dapat menjadi bernilai dibanding tanpa dilakukan seismik.

Untuk melihat seberapa efektif investasi seismic yang baru ini, maka perlu dihitung berapa nilai informasi yang didapat dari investasi seismic ini dibandingkan dengan tanpa seismic terhadap target field eksplorasi yang kita nilai. Dengan kata lain, berapa value of information (VoI) yang didapat dari seismic baru ini.

Artikel ini berusaha memberikan penjelasan dan pemahaman mengenai bagaimana kita menilai informasi yang dalam kasus ini adalah informasi atas seismic. Artikel ini juga akan membahas bagaimana kita menilai flexibilitas (value of flexibility / VoF) atas strategi kita dalam mengelola risiko negatif (down-side risk) dari technical uncertainty lapangan tersebut.

Hal ini merupakan sebagian dari kajian didalam modern asset pricing method yang menggabungkan antara decision tree analysis dan real options dalam melakukan penilaian terhadap asset perminyakan.
Sebagaimana terlihat pada matrix dibawah ini, hampir sebagian besar E&P project mempunyai tingkat uncertainty yang tinggi pada sisi technical and market issue.

Figure 1. Market vs Technical Uncertainty

Value of Information (VoI)

Sebenarnya metode untuk menghitung Value of Information (VoI) ini sudah banyak dikaji pada banyak paper, namun belum diterapkan secara luas didalam prakteknya. Adapun konsep dasar dari perhitungan VoI ini adalah menentukan nilai EMV (expected monetary value) dari data akuisisi atas informasi dan interpretasinya untuk mengurangi tingkat uncertainty dari suatu proyek eksplorasi.

Untuk memudahkan pemahaman atas konsep ini, berikut contoh kasus yang diambil dari suatu prospek field eksplorasi di suatu blok PSC.
Dari departemen eksplorasi didapatkan data sebagai berikut:

Table1. Chance of Success and Reserve Amount

Dari tabel diatas, terlihat bahwa chance of succes (COS) utk field minyak ini adalah 19.6%. Berdasarkan data ini kita melakukan analisis ekonomi terhadap terhadap tiap reserve kategori (P90/low, P50/base, dan P10/hgh) dengan menggunakan beberapa asumsi sebagai berikut :

Asumsi Reservoir (Deliverability per well, Ultimate recovery per well, and decline rate per year)
Asumsi Development (Production facilities, Pipeline cost, Drilling Cost)
Asumsi komersial (Oil Price, Fixed and Variable Operating Cost)

Dengan memasukkan data asumsi-asumsi didalam model PSC untuk SCS, dihasilkan NPV berdasarkan metode “traditional DCF” utk masing-masing case sebagai berikut :

- High case (P10) = $ 31,272 ribu
- Base case (P50) = $ 13,874 ribu
- Low case (P90) = $ 7,268 ribu

Sedangkan untuk biaya explorasinya adalah sebesar $ 900 ribu dimana uang inilah yang akan hilang jika gagal ditemukan minyak dari lapangan eksplorasi ini. Adapun kemungkinan gagal dari proyek ini atau chance of failure (COF) nya adalah sebesar 80.4%.

Jika kita gambarkan dalam diagram decision tree analysis, maka akan kita dapatkan gambar seperti dibawah ini :

Figure 2. Diagram Tree for Case 1

Dalam kondisi diatas terlihat bahwa dalam decision node digambarkan dengan kotak hijau, kita akan mempunyai dua opsi, apakah kita akan teruskan proyek ini (“go”) atau tidak (“not go”). Keputusan yang dibuat tentunya bergantung berapa hasil yang didapat (pay-off) dari berbagai kemungkinan outcome yang terjadi dari proyek tersebut seperti digambarkan dengan lingkaran merah.

Dari hasil perhitungan NPV didapatkan hasil sebagai berikut :

Figure 3. EMV result for Case 1
Berdasarkan diagram diatas, proyek ini sangat feasible meski kita masih mempunyai resiko kehilangan uang sebanyak $ 900 ribu jika proyek ini gagal.
Diasumsikan bahwa untuk lebih memastikan mengenai kondisi struktur geologi dari lapangan ini, kita mempunyai opsi utk melakukan seismic 3D dimana biayanya sebesar $ 400 ribu. Hasil dari seismic ini tentunya akan memberikan informasi baru guna memperbaiki asumsi geological chance yang kita dapat sebelumnya. Namun demikian apakah seismic ini dapat memberikan nilai informasi yang positif. Hal ini yang akan dibahas pada paragrah selanjutnya.

Diasumsikan berdasarkan pengalaman departemen eksplorasi dari hasil seismic 3D ini akan meningkatkan geological chance dari sebelumnya 20/80 dan 50/50 jika seismic ini menghasilkan struktur geologi yang baik dengan kemungkinan sebesar 39.2%. Dilain pihak terdapat kemungkinan sebesar 60.8% sesimic ini menghasilkan struktur geologi yang buruk sehingga tidak layak di bor dan dengan hasil ini kita akan kehilangan uang sebesar $ 400 ribu.

Kondisi diatas dapat digambarkan sebagai berikut

Figure 4. Decision Analysis of no-seismic and shoot seismic

Jika kita perhatikan probability dari kedua kasus diatas diasumsikan sama. Hal ini dimaksudkan untuk memberikan perbandingan sejauh mana investasi seismic ini lebih bernilai pada kondisi probability yang sama. Hal dibuktikan dengan perhitungan COS pada kasus kedua ini yang sama dengan kasus pertama seperti terlihat dibawah ini.
COS : 39.2% x 50% = 19.6%
COF :(39.2% x 50%) + 60.8% = 80.4%

Dari diagram diatas memperlihatkan bahwa dengan melakukan seismic sebesar $400 ribu, NPV yang didapat sebesar $2,934, ribu. Maka jika dibandingkan dengan tanpa melakukan seismic selisihnya adalah $147. Nilai inilah yang disebut nilai informasi (value of information) dalam hal ini informasi atas aktifitas seismic 3D.

Selama VoI ini positif maka investasi utk mengakuisisi informasi atas field ini lebih baik dibandingkan dengan langsung mengebor. Dilain pihak, dari sisi resiko terhadap kerugian, maka biaya yang kita keluarkan masih lebih kecil dibandingkan kalau kita harus langsung mengebor.

Seberapa maksimum biaya yang harus dikeluarkan untuk seismic adalah sekitar $ 547 ribu dimana ini adalah nilai informasi maksimum yang dapat diberikan dari asumsi geological chance yang ada saat ini sebagaimana terlihat hasilnya pada gambar dibwh ini.

Figure 5. Maksimum VoI resulted from Seismic Shooting
Dari contoh kasus diatas terlihat, bahwa metode penilaian terhadap VoI dilakukan utk melihat seberapa besar nilai dari akuisisi terhadap informasi baru tersebut.

Dalam banyak situasi, analisis terhadap VoI adalah usaha untuk mengelola uncertainty. Namun demikian, VoI sendiri masih belum mengeksploitasi berbagai opsi strategi yang dapat diterapkan pada proyek eksplorasi tersebut. Hal ini dapat dicapai dengan menggunakan flexibilitas strategi kita dalam mengelola uncertainty dari proyek tersebut. Paragraf berikutnya akan menjelaskan bagaimana kita mendapatkan nilai flexibilitas (Value of Flexibility / VoF) dari strategi kita.

Value of Flexibility (VoF)

Sebelum kita melakukan akuisisi informasi baru seperti kasus sebelumnya, sebenarnya kita bisa melakukan analisis yang sama dengan VoI tapi dengan tujuan menentukan manfaat yang diharapkan dari fleksibilitas terhadap berbagai opsi strategic kita, yang dikenal dengan istilah nilai terhadap flexibilitas (Value of Flexibility / VoF).

Beberapa kondisi yang membutuhkan penggunaan VoF ini diantaranya:
- Ketika akuisisi terhadap informasi baru ini tidak memungkinkan
- Ketika VoF lebih murah dibandingkan dengan akuisisi terhadap informasi baru
- Untuk mengelola sisa uncertainty setelah informasi baru didapatkan
- Ketika dapat menciptakan value (value-creation)

Pada tiga kondisi pertama, VoF ditujukan untuk memindahkan risiko negatif yang ada dalam uncertainty, sedangkan kondisi yang keempat ditujukan untuk mengeksploitasi uncertainty.

Figure 6. VoF, VoI, and Deterministic analysis

Dari tabel diatas terlihat bahwa pengelolaan uncertainty, flexibilitas dalam suatu rencana proyek tidak hanya untuk mengalihkan risiko tapi juga menciptakan value.

Kunci untuk mendapatkan nilai dari flexibility adalah berpikir secara kreatif. Sebagai contoh bagaimana satu keputusan dari rencana suatu project dapat dibagi menjadi beberapa tingkat keputusan dengan melihat berbagai opportunity yang ada. Misalnya dengan membagi pengeluaran dalam dua tahap akan memberikan opsi pada kita bahwa kita akan melanjutkan ke step berikutnya bila step pertama ini terlihat baik hasilnya. Dengan opsi seperti ini maka pengeluaran biaya bisa lebih efektif.

Pada kasus berikut kita akan melihat bagaimana kita menentukan nilai dari flexibilitas terhadap strategic option yang ada.

Dari kasus sebelumnya kita telah menghitung seberapa besar nilai yang didapat atas investasi seismic untuk mendapatkan informasi baru, namun salah satu issue yang belum dipecahkan yaitu bagaimana kita terlindung dari kemungkinan hasil sesimic yang buruk.
Seperti kita ketahui bahwa kita banyak melakukan kerja sama dengan perusahaan lain untuk melakukan sharing risk.

Kita asumsikan bahwa kemungkinan resiko mendapatkan hasil struktur geologi yang buruk akan dikelola dengan Exploration Joint Venture Agreement (EJVA) dengan partner. Strategi kita adalah memfarm-out 40% working interest kepada partner dengan syarat mereka akan membiayai eksplorasi pada lapangan itu. Dengan strategi ini kita berusaha menciptakan value terhadap downside risk akibat hasil seismic yang buruk.

Perlu dicatat, asumsi untuk kasus EJVA ini tidak persis sama dengan apa yang ada di kontrak sebenarnya dimana pada blok produksi tentunya ada pengaruh dengan sistem cost recovery atas biaya eksplorasi ini.
Seperti terlihat pada gambar dibawah ini (pada bagian paling bawah), diasumsikan jika hasil dari seismic ini buruk, maka geological chance akan turun dari 20% menjadi 2%.

Figure 6. VoF resulted from EJVA strategy case

Sama dengan kasus sebelumnya, diasumsikan bahwa secara keseluruhan COS kasus ini akan sama dengan kasus pertama (pada gambar 2) dibuktikan dengan perhitungan dibawah ini :
COS : (36.7% x 50%) + (63.3% x 2%) = 19.6%
COF :(36.7% x 50%) + (63.3% x 98%) = 80.4%

Adanya opsi strategi utk melindungi hasil seismic yang buruk ini, kita akan mendapatkan pay-off sebesar $ 2,867 ribu. Nilai ini lebih besar $ 90 ribu dibandingkan base case sebelumnya. Inilah yang disebut dengan Nilai flexibility (VoF)

Ringkasan

Dari contoh kasus-kasus diatas terlihat bagaimana VoI dan VoF dapat membantu management didalam membuat suatu keputusan dalam lingkungan bisnis yang sangat tinggi tingkat uncertainty.

Dengan memperkirakan pengaruh dari uncertainty ini, maka perubahan paradigma dari VoI ke VOF adalah merupakan kunci untuk menciptakan value dari adanya uncertainty ini. Inilah yang menjadi dasar pemikiran dari Real Options.

Dari artikel ini paling tidak kita telah mendapatkan solusi bagaimana kita mengelola uncertainty pada aspek technical issue atau sering disebut “private risk”, sedangkan issue yang belum dipecahkan adalah mengenai “market risk” yaitu resiko akibat uncertainty yang ada di pasar seperti harga minyak. Hal ini tentunya berhubungan dengan komersialisasi dari field itu. Adanya uncertainty yang tinggi pada harga minyak, tentunya sangat berpengaruh pada kelangsungan field ini kedepan. Kecerdikan kita didalam menerapkan strategi tentunya dibutuhkan didalam mengelola market risk ini.

Akhirnya kemampuan kita didalam mengelola uncertainty baik itu private dan market diharapkan akan menciptakan value bagi perusahaan.

Aplikasi Real Option Untuk Menilai Cadangan Minyak di Indonesia

2007-11-08T16:07:00.000-08:00

Sejak diperkenalkan rumus black-sholes-merton utk menghitung instrument keuangan, call option, tahun 1973, oleh Fischer Black, Myron Scholes dan Robert Merton, perkembangan option pricing tidak hanya merambah dalam industri keuangan namun diaplikasikan dalam real bisnis atau sering dikenal dengan istilah “real option”. Berkat penemuan rumus ini, Myron Scholes dan Robert Merton mendapatkan hadiah nobel utk bidang ekonomi tahun 1997, dua tahun setelah wafatnya Fischer Black.

Salah satu industri yang menjadi pioneer dalam perkembangan real option adalah industri perminyakan dimana dengan tingkat uncertainty business yang tinggi serta investasi uang yang tidak sedikit, keputusan dalam investasi di perminyakan menjadi sangat penting.

Pendekatan dalam perhitungan investasi dengan menggunakan Discounted Cash Flow (DCF) dirasakan tidak mencukupi dikarenakan pendekatan valuationnya lebih static Adanya decision three analysis utk membuat fleksible dari DCF appraoch ini tidak juga mencukupi dikarenakan tidak terakomodasinya flexibilitas mangement dalam memutuskan apakah project itu jadi atau tidak.

Sejak diperkenalkannya metode real option dalam perminyakan yang dikembangkan oleh Paddock, Siegel dan Smith tahun 1987, banyak praktisi perminyakan yang menggunakan pedekatan ini utk memvaluasi projek mereka.

Saat ini Perusahaan minyak besar seperti Exxon, BP, Chevron, StatOil dll telah banyak menggunakan pendekatan ini dalam menilai suatu project. Bahkan Anadarko Oil Company menyatakan secara gamblang dalam laporan keuangannya tahun 2001 bahwa “it seeks to maximize enterprise value by maintaining a strong balance sheet and applying option theory to assist investment decision making “.

Bagi perusahaan minyak di Indonesia ini merupakan tantangan tersendiri dalam mengaplikasikan pendekatan real option ini sekaligus sebagai pembelajaran dalam mengadopsi metode terbaru untuk menjadi “world class oil company”.
Bagi pemerintah dalam hal ini BP Migas, pendekatan real option ini dapat digunakan dalam menciptakan struktur PSC yang lebih atractive bagi investor dalam mempercepat pengembangan lapangan dari cadangan minyak dan gas bumi yang belum dikembangkan.

Model Real Option dalam Perminyakan

Sebagai pioneer dalam penerapan teori option pricing dalam bidang perminyakan, Paddock, Siegel dan Smith menganalogikan parameter option dalam industri keuangan ke dalam industri perminyakan, seperti terlihat dalam table dibawah :

Dalam menilai cadangan minyak ada 5 parameter yang diperhitungkan dalam perhitungan option pricing, yaitu :

Nilai saat ini dari developed reserve yang dapat diambil dari discounted net cash flow project
Biaya investasi untuk mengembangkan reserve tersebut
Depletion production dari nilai reserve yang digunakan untuk memperhitungkan return yang diharapkan dari memegang interest dalam reserve tersebut
Risk free Interest rate saat ini yang dapat diambil dari selisih interest rate dari suku bunga bank sentral dengan inflasi
Tingkat volatility dari nilai developed reserve sampai kurun waktu saat ini
Lamanya waktu habisnya hak pemegang interest atas kontrak pada reserve tersebut

Dalam mengambil nilai developed reserve ada dua pendekatan, pendekatan dari internal project itu sendiri melalui NPV dari project tersebut serta pendekatan dari luar atau pasar.
Dalam hal ini penulis melakukannya berdasarkan pendekatan dari pasar dimana menurut pandangan kami ini dapat menghindari tingkat subjectivitas dalam melakukan penilaian terhadap suatu asset terutama asset-asset diluar perusahaan kita.

Dalam pendekatan pasar, kita berusaha mengambil data berdasarkan aktual transaksi yang terjadi atas penjualan oil and gas reserve yang terjadi dari tahun ke tahun.
Adelman (MIT) dan Watkins (Univ of Alberta) pada tahun 2003 dan 2005 melakukan studi statistik terhadap transaksi penjualan oil and gas reserve di Amerika selama kurun waktu tahun 1982 - 2003. Studi ini menghasilkan harga perkiraan dari rata-rata dalam $/bbl atas transaksi yang terjadi setiap tahun selama kurun waktu tersebut.

Atas hasil dari studi mereka dilakukan permodelan ekonometrik dengan menggunakan metode “two stage Engle–Grager”, yang dikembangkan oleh peraih Nobel bidang ekonomi tahun 2003, Robert F Engle dan Clive WJ Granger saat mereka bekerja sama selama puluhan tahun di Universitas California, San Diego.
Dari analisis ekonometrik yang dilakukan terdapat hubungan yang kuat antara harga cadangan minyak berdasarkan hasil studi Adelman dan Watkins dengan harga spot minyak WTI (West Texas Intermediate).

Adapun hasil model ekonometrik seperti terlihat pada grafik dibawah ini:

Applikasi Real Option dalam Skema PSC Indonesia

Berdasarkan model dari Paddock, Siegel dan Smith serta studi ekonometrik yang telah dilakukan, maka parameter-parameter real option yang telah disesuaikan dengan struktur PSC Indonesia adalah seperti di tabel dibawah ini.

Untuk membandingkan hasil dari pendekatan DCF dan Real option, dilakukan studi kasus penilaian terhadap blok X sebelum diakuisisi oleh Medco pada akhir tahun 2001 dan bagaimana nilainya saat ini berdasarkan kas yang telah dihasilkan selama 4 tahun ini.

Dengan menggunakan asumsi yang sama seperti harga minyak $18.00/bbl, maka hasil penilaian dengan pendekatan real option ini dapat dilihat pada tabel diatas.

Berdasarkan arus kas yang telah dihasilkan selama 4 tahun dan discount ke akhir tahun 2001 dengan rate 15% sebagaimana terlihat pada tabel dibawah ini, hasil dari real option lebih mendekati nilainya saat ini dibandingkan dengan hasil DCF.

Penutup

Dari hasil yang didapat, dapat disimpulkan bahwa real option sangat cocok diaplikasikan pada industri perminyakan yang tingkat uncertaintynya tinggi termasuk di Indonesia.

Adanya aplikasi real option ini tentunya diharapkan dapat membantu para pelaku bisnis perminyakan di Indonesia dalam menilai suatu proyek perminyakan dan menggunakannya dalam melakukan keputusan investasi bisnis perminyakan di Indonesia.

Valuing Petroleum Asset Using Least Squares Monte Carlo (LSM) Method

2007-11-07T13:52:00.000-08:00

Issue mengapa sampai sekarang penerapan metode real options sangat sulit diterapkan dalam industri perminyakan adalah metodenya terlalu matematis, sehingga sangat sulit bagi praktisi untuk memahaminya.

Sebenarnya issue ini telah muncul secara formal dalam forum SPE di Banff, Canada thn 2003 dalam membicarakan masa depan penilaian asset dalam industri upstream perminyakan. Salah satu rekomendasi yang dikeluarkan dari forum ini adalah metode real option yang dikembangkan harus menggunakan dasar-dasar pemahaman “decision tree analysis” yang selama ini telah dikenal dikalangan praktisi perminyakan.

Hal ini seiring dengan apa yang digambarkan dalam matrix dibawah ini, hampir sebagian besar E&P project mempunyai tingkat uncertainty yang tinggi pada sisi technical and market issue.
Most of E&P project

Figure 1. Market vs Technical Uncertainty

Dari beberapa metode yang ada dalam real option, metode “Least Squares Monte Carlo” (LSM) yang dikembangkan oleh Longstaff and Schwartz pada tahun 2001 dianggap sebagai metode yang dapat menjawab issue diatas.

Kelebihan lain dari metode LSM ini adalah kemampuannya “deal” dengan “multiple uncertain state variables” juga dengan “multiple strategic options”.

Untuk melihat seberapa efektif aplikasi metode LSM ini dalam industri perminyakan, artikel ini dibuat untuk memberikan penjelasan dan pemahaman mengenai metode ini. Artikel ini juga membahas bagaimana aplikasi metode ini dalam industri perminyakan di Indonesia yang menggunakan sistem PSC.

The LSM Method

Metode LSM yang dikembangkan oleh Longstaff dan Schwartz (2001) didasarkan pada asumsi bahwa American options dapat di execute pada waktu kapan saja tanpa menunggu umur option itu habis.
“Time to maturity T dibagi kedalam K “discrete times” (0< tk =" T)" tk =" T" tk =" T)">

C(w; tK = T) = max[(H - S(w, T)), O] (1)

dimana H adalah “exercise price” dari “put option” dan S(w,T) adalah harga saham pada waktu mature sepanjang path w.

F(w; tK ) = EQ Σ C (w, tj ; tK ,T) βtk (2)

dimana C(w, tj ; tK ,T) adalah remaining cash flows dan r(w,x) adalah risk-free discount rate.

Least-squares regression diaplikasikan untuk memperkirakan fungsi “conditional expectation” pada tK-1 , tK-2 , ... , t1 dengan asumsi bahwa bentuk fungsi yang tidak diketahui F(w; tK) dapat didekati dengan persamaan linier dengan basis M Lj(S) seperti Laguerre polynomials, trigonometric series, atau simple powers dari harga saham S sebagai berikut:

F (w; tK) = Σ aj Lj (S) (3)

Koefisien aj ditentukan menggunakan pendekatan “least-squares” dengan meregressing “continuation values” yang telah didiscount untuk path yang “in-the-money” pada waktu tK kedalam persamaan. Setelah memperkirakan fungsi persamaan dari “ conditional expectation”, “continuation value Fm(w; tK) pd waktu tK sepanjang path w dapat diperkirakan. Dengan membandingkan nilai “immediate exercise” dengan “estimated continuation value Fm(w; tK) pd waktu tK , keputusan eksekusi yang optimal dapat dilakukan dan cash flows sepanjang path w dari waktu tK ke waktu T dapat direvisi.

Jika nilai “immediate exercise” lebih besar ata sama dengan Fm(w; tK), maka cash flow pada tK akan sama dengan H-S(w; tK) dan cash flows berikutnya sepanjang path yang sama akan diset menjadi nil. Jika Fm(w; tK) lebih besar daripada H - S(w; tK), cash flow pada tK adalah nil dan “remaining cash flows” sepanjang path yang sama tidak berubah.

Prosedur ini diulang untuk semua path yang “in-the-money” pada waktu tK. Untuk path yang “out-of-the-money”, Keputusan eksekusi lebih awal menjadi tidak relevan dan option payoff menjadi zero.

Proses bergerak mundur ini dilakukan sama waktu t1, menentukan kebiajakn eksekusi yang optimal dan merevisi “remaining cash flows” sepanjang paths. Setelah keputusan eksekusi pada tiap-tiap “exercise date” sepanjang semua path ditentukan, nilai “option” dapat diperkirakan dengan mendiscount cash flows ke waktu 0 pada “risk-free rate” dan merata-ratai seluruh nilai dari jumlah path N yang ada.

Simple Example for Valuing Petroleum Investment

Dimisalkan ada field sebagai berikut :

Jika harga kita asumsikan flat $1.0/bbl selama tiga tahun kedepan, maka dalam perhitungan DCF pada discount rate 10% akan didapat hasil sebagai berikut :

Variable production cost diasumsikan akan sama selama tiga tahun kedepan sebesar $0.5/bbl.

Kita asumsikan bahwa harga dari hasil monte carlo simulation dengan iterasi delapan kali akan bergerak sebagaimana tabel dibawah ini :

Dengan kondisi harga seperti diatas maka profile cash flow yang dihasilkan untuk setiap path adalah sebagai berikut :

Dengan mengasumsikan bahwa discount rate r = 10% represents the nominal risk rate. Berdasarkan cost inflation rate sebesar 8% per thn, maka real value of discount rate adalah 2% per thn (dikenal sebagai risk free rate). Dalam Real Option Method, perhitungan NPV didasarkan pada risk free discount rate.

Dalam kasus ini, management mempunyai opsi untuk abandon proyek ini jika NPV negative dan sebaliknya akan melanjutkan jika proyek ini positif. Jika harus di abandon maka biaya yang harus dikeluarkan adalah sebesar 0.2 juta (diasumsikan sama selama tiga tahun kedepan)

Sebagaimana dijelaskan pada section sebelumnya, metode LSM akan menganalisa dari status akhir dari proyek ini lalu bergerak mundur ke awal proyek.

Pada kondisi t=3, cash flow yang terjadi adalah sebagai berikut :

Jika kita lihat pada path 1, cash flow pada t=3 berubah dikarenakan pada kondisi tersebut lebih baik management abandon proyek ini dengan cost 0.2 juta daripada kehilangan cash flow sebesar 1.21 juta jika kita teruskan proyek ini.

Pada kondisi t=2, kita harus melakukan suatu pendekatan persaman least square regression untuk memperkirakan berapa ekspetasi nilai di t=3 dengan kondisi price di t=2. Dengan menggunakan data sebagai berikut :

maka pendekatan persamaan Least Square adalah Y = - 3.0162 + 9.9642X – 3.1808X2

Dengan menggunakan persamaan ini kita bisa menentukan berapa ekspetasi nilai kedepan pada kondisi tahun kedua, dan bagaimana nilai ini dibandingkan dengan jika kita abandon saja sebagaimana terlihat spt tabel dibawah ini.

Dari tabel diatas, terlihat bahwa utk path 2 sampai 8, proyek ini harus terus dilanjutkan. Hanya pada path pertama saja proyek ini harus diabandon. Dengan adanya kondisi ini, maka profile cash flow pada t=2 sampai t=3 adalah sebagai berikut.

Pada kondisi t=1, data regression yang ada adalah

Adapun persamaan Least Squarenya adalah Y = - 12.9557 - 19.9076X – 11.4990X2 sedangkan kondisi yang dibandingkan adalah sebagai berikut

Pada t=1, terlihat bahwa semua path menunjukkan bahwa management harus terus melanjutkan proyek ini, sehingga profile cash flow dari t=1 sampai t=3 adalah sebagai berikut

Dari tabel diatas kita hitung NPV utk tiap-tiap path pada discount rate 2%, sehingga kita akan mendapatkan rata-rata NPV sebesar 7.3 juta. Angka inilah yang merupakan hasil dari LSM method pada proyek ini.
Jika kita bandingkan dengan angka DCF terdapat selisih (7.3 - 6.2) = 1.1 juta yang merupakan nilai opsi dikarenakan adanya fleksibilitas management didalam mengabandon proyek ini jika mempunyai nilai negatif di masa yang akan datang.meilitas F mempunyaini.i opsi dikarenakan mangement bisa me erus melanjutkan proyek ini. t=3.n kelalu bergerak mund

Hasil ini baru didapat dari iterasi sampai dengan delapan path, bagaimana kalau sampai dengan 1000 atau 100,000 path. Untuk keperluan iterasi yang lebih besar ini, Excel Spreadsheet mempunyai keterbatasan. Perlu digunakan software pemorgraman untuk melakukan iterasi tersebut, salah satunya adalah Matlab (Matrix Laboratory) software program yang dibuat oleh Mathworks. Dengan menggunakan filosofi matrix yang ada dalam pemorgraman ini, maka kita dapat mendevelop banyak iterasi dengan hasil yang lebih cepat.

Dengan menggunakan Matlab ini, maka kasus diatas dapat diterjemahkan dengan script sebagai berikut :

function price = GenExtendLS(S0,X,r,T,sigma,NSteps,NRepl,fhandles)
% this function replicates my generic form of extended LSM approach
% in valuing operational flexibility in petroleum asset
S0 = 1; sigma = 0.4; output = 10; A = 0.5;
tax = 0.5; X = 0.2; r = 0.02; T = 3;
NSteps = 3;
NRepl = 8;
dt = T/NSteps;
discount = exp(-r*dt);
discountVet = exp(-r*dt*(1:NSteps)');
randn('state',0)
fhandles = {@(x)ones(length(x),1), @(x)x, @(x)x.^2};
NBasis = length(fhandles); %number of basis functions
alpha = zeros(NBasis,1); % regression parameters
RegrMat = zeros(NRepl,NBasis);
% generate sample paths
SPaths = AssetPaths(S0,r,sigma,T,NSteps,NRepl);
SPaths(:,1)= [];% get rid of starting prices
%
cf = [min(((SPaths-A)*output)*(1-tax),((SPaths-A)*output))];
CashFlows = max(-X,cf);
ExerciseTime = NSteps*ones(NRepl,1);
for step = NSteps-1:-1:1
stepup = step+1;
InMoney = find(cf(:,step)> -X);
OutMoney = find(cf(:,step)<-X); XData = SPaths(InMoney,step); CFData = CashFlows(InMoney,stepup:NSteps); RegrMat = zeros(length(XData),NBasis); for k=1:NBasis RegrMat (:,k)= feval(fhandles{k},XData); end df = 1*exp(-r*dt.*(1:ExerciseTime-step)); YData = CFData*df'; alpha = RegrMat \ YData; IntrinsicValue = -X - XData + XData; du = (RegrMat * alpha); ContinuationValue = (RegrMat * alpha)+ cf(InMoney,step); Exercise = find(IntrinsicValue > ContinuationValue);
k = InMoney(Exercise);
CashFlows(k,stepup)= 0;
CashFlows(k,step)= -X;
CashFlows(OutMoney,stepup:NSteps)= 0;
end
% for
Value = mean(CashFlows*exp(-r*dt.*(1:ExerciseTime)'))

dimana hasilnya adalah sama dengan spreadsheet sebelumnya yaitu

>> GenericExtLS

Value =

7.3010

Jika kita lakukan sampai dengan 100,000 paths maka hasilnya adalah sbb :

>> GenericExtLS

Value =

7.9911

Dari hasil ini terlihat bahwa Matlab bisa digunakan untuk pengembangan lebih lanjut pengaplikasian metode LSM dalam real case study di regime PSC Indonesia sebagaimana yang akan dibahas dalam section berikutnya.

A Case Study of Asset Petroleum Valuation in Indonesian PSC Regime

Dalam studi ini, kita akan mencoba mengambil suatu kasus blok PSC X yang sekarang ini dalam tahap divestasi.

Dari kajian DCF sebelumnya, base estimate utk dua development drilling wells, recoverable reserve dari blok ini adalah sebesar 5 juta barrel. Dengan asumsi bahwa harga minyak flat $ 50 selama tahun 2007 – 2011 dan asumsi profile produksi dan capex sbb

Maka nilai NPV pada discount rate 10% adalah 41.2 juta dollar.

Dengan mempertimbangkan opsi utk abandon jika proyek ini negatif di masa yang akan datang, kita akan mencoba menilai asset ini dengan menggunakan metode LSM. Pada kasus ini kita asumsi bahwa biaya utk abandon pd thn 2012 adalah sebesar $30 juta.

Dengan membuat PSC model dalam bahasa Matlab, hal pertama kali yang dilakukan hasil yang didapat pada excel spreadsheet harus sama dengan output dari matlab ini.
Sebagai bahan pengecekan untuk harga random price sebanyak delapan paths sbb :

Akan didapatkan cash flow secara PSC regime sebagai berikut

Adapun hasil output dari matlab adalah sbb :

cf =

1.0e+005 *

-0.2925 0.5613 0.3719 0.0839
-0.0795 1.3270 0.2320 0.1219
-0.0382 1.2920 0.2287 0.1491
-0.2311 0.8010 0.3392 0.1733
-0.1592 1.3191 0.2382 0.0745
-0.1500 1.2253 0.3782 0.1619
-0.1720 0.9315 0.5658 0.0726
-0.1448 0.8399 0.6225 0.1046

Dari hasil diatas terlihat bahwa script yang ada sudah sesuai dengan perhitungan PSC dalam excel spreasheet, dengan demikian kita bisa melakukan metode LSM ini dengan banyak iterasi.

Tabel dibawah ini merupakan hasil summary dari metode LSM ini dengan berbagai variasi iterasi dibandingkan dengan angka DCF.

DCF LSM (8 paths) LSM (1,000 paths) LSM (10,000 paths)
NPV (jt $) 41.2 49.4 47.2 46.1

Dari hasil ini terlihat bahwa hasil dari LSM ini lebih tinggi dibandingkan DCF dengan adanya opsi untuk abandon bila proyek ini negatif dimana hal ini lebih “real”

Ringkasan

Dari contoh aplikasi diatas terlihat bagaimana aplikasi metode LSM ini dapat membantu management didalam membuat suatu keputusan dalam lingkungan bisnis yang sangat tinggi tingkat uncertainty.

Dari artikel ini paling tidak kita telah mendapatkan solusi bagaimana kita mengkombinasikan philosophy decision tree analysis dalam Real Options Valuation dengan menggunakan metode LSM ini.

Adanya uncertainty yang tinggi pada harga minyak, tentunya sangat berpengaruh pada kelangsungan field ini kedepan. Kecerdikan kita didalam menerapkan strategi tentunya dibutuhkan didalam mengelola market risk ini.

Akhirnya kemampuan kita didalam mengelola uncertainty baik itu private dan market diharapkan akan menciptakan value bagi perusahaan.