Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada transaksi perdagangan komoditas energi, banyak ditemukan pergerakan harga yang ekstrim. Hasil penelitian menunjukkan bahwa distribusi return komoditas energi cenderung memiliki karakteristik fat tailed, kurtosis tinggi dan negatif skewness. Sementara, pengukuran risiko pada umumnya menggunakan asumsi distribusi normal atau lognormal sehingga diduga estimasi yang diberikan dalam mengukur risiko kurang tepat untuk karakteristik distribusi yang fat tailed seperti distribusi return komoditas energi. Dalam tesis ini dijelaskan proses perhitungan risiko harga komoditas energi WTI crude oil, heating oil dan propane di pasar spot dan future menggunakan metode EWMA, ARCH/GARCH dan EVT. Hasil perhitungan yang didapat menunjukkan nilai Value at Risk (VaR) EVT cenderung lebih besar dibandingkan VaR dari pendekatan lainnya. Hedging antara spot dan future juga menunjukkan bahwa upaya mitigasi dengan transaksi derivatif dapat menurunkan nilai VaR.

---

In energy complex market, daily logarithmic price changes tends to be highly volatile or extreme. All empirical distributions of energy complex exhibits fat tails, high kurtosis and negative skewness. On the other hand, market risk measurement usually only accommodate normal or lognormal distribution assumption which could underestimate the commodity?s risk estimation. In this thesis was described price risk measurement of WTI crude oil, heating oil and propane in spot and future market by applying EWMA, ARCH/GARCH and EVT approach. Calculation shows EVT Value at Risk (VaR) for those commodities are higher than VaR obtained from EWMA and ARCH/GARCH approach. Hedging the spot transactions with futures has shown significant impact in reducing VaR for each commodity."

"Tesis ini meneliti validitas pengukuran risiko nilai tukar IDR dengan USD, JPY dan SGD pada nilai ekstrim. Analisis ini dilakukan karena permodelan VaR dengan cara tradisional berdasarkan distribusi normal seperti metode Historical Simulation. Risk Matrics, EWMA dan GARCH, sering gagal dalam mencakup probabilitas untuk nilai ekstrim dari pergerakan valuta asing yang tidak diharapkan dan menghasilkan analisis risiko dengan error yang tinggi. VaR pada nilai ekstrim dianalisis untuk periode 1997-1998 dan 2003-2004 dengan metode Historical Simulation, GARCH dan Generalized Extreme Value Distribution. Hasil uji validitas menunjukkan bahwa metode Generalized Extreme Value Distribution valid untuk mengukur risiko nilai tukar saat nilai ekstrim dengan confidence level 99%, sedangkan metode tradisional berdasarkan distribusi normal tidak valid untuk confidence level 99%.

---

The purpose of this thesis is to reserch the validity of currency risk of IDR to USD, JPY, and SGD at extreme value. This analysis is carried out due to the failure of VaR model in traditional method based on normal distribution like Historical Simulation, Risk Matrics, EWMA, and GARCH to cover the probability at extreme value of un-expected movement in foreign exchange market and produce risk analysis with high errors. VaR at extreme value is calculated for two periods, 1997-1998 and 2003-2004 with methods of Historical Simulations, GARCH, and Generalized Extreme Value Distribution.

The result of validity test shows that Generalized Extreme Value Distribution is valid to measure currency risk at extreme with confidence level 99%, while traditional method with normal distribution are not valid for confidence level 99%."

"Karya akhir ini bertujuan untuk melihat bagaimana proses pengukuran risiko operasional. Salah satu tipe risiko dalam risiko operasional adalah tipe risiko banking fraud. Bank rentan terhadap risiko ini. Permasalahannya adalah bagaimana bank dapat mengukur risiko ini dan kemudian memitigasinya. Salah sate cara pengukuran yang direkomendasikan oleh Bank Indonesia yang sesuai dengan Basel Capital Accord 2 adalah satu pendekatan yang disebut Internal Measurement Approach. Dalam pendekatan terdapat beberapa metode pengukuran antara lain adalah Model Extreme Value Theory dan Loss Distribution Approach. Keduanya dapat digunakan sebagai alat banal dalam perhitungan OpVar. OpVar adalah pengukuran berapa besar modal bank dapat menyerap kerugian akibat suatu risiko operasional dengan derajat kepercayaan tertentu.Kedua model pendekatan untuk perhitungan OpVar tersebut memiliki keunggulan dan kelemahan, dalam pengukuran tipe risiko fraud. Keduanya memerlukan estimasi parameter, EVT menggunakan parameter ξ, μ, dan σ sebagai parameter bentuk, lokasi dan skala dan langsung dapat dihitung nilai OpVar-nya. Sedangkan pada pemodelan LDA, untuk pengukuran risikonya hams melalui tahapan seperti, melakukan estimasi parameter untuk distribusi frekuensi dan parameter untuk distribusi severity-nya. Kedua hams dilakukan uji kesesuaian dengan distribusi teori dari distribusi frekuensinya dan distribusi severity-nya, melalui penggunaan nilai hasil estimasi parameternya yang sudah diperoleh melalui proses estimasi di atas. Ketiga, melalui suatu alat simulasi yang disebut Simulasi Monte Carlo, dapat dihitung nilai OpVarnya, dengan terlebih dahulu memasukkan nilai-nilai estimasi parameter baik dari distribusi frekuensinya maupun dari distribusi severity-nya . Untuk melihat apakah model LDA cukup baik untuk pengukuran OpVar maka dilakukan uji backtesling. Pemodelan EVT dengan metode Generalized Pareto Distribution, yang menggunakan nilai estimasi parameter Hill dan metode moment rata-rata serta moment standar deviasi dapat menghasilkan nilai OpVar yang paling rendah, sehingga untuk membentuk alokasi modal untuk menutup risiko ini relatif lebih rendah atau lebih ringan.Hasil dari penelitian ini dapat ditarik kesimpulan bahwa Bank "X" diketahui belum menggunakan pengukuran risiko operasional terutama untuk Fisiko fraud. Pengukuran risiko fraud yang disarankan adalah dengan menggunakan model pengukuran internal (IMA), dalam menentukan berapa besar OpVar bagi bank. Dalam menghitung besarnya OpVar, dapat digunakan beberapa metode antara lain adalah EVT dan LDA. Keduanya menggunakan data kerugian atau loss sebagai dasar perhitungan untuk menghitung nilai DpVar. Data kerugian dapat bersifat data historis kerugian (actual loss) atau data kerugian expected loss yang diperoleh melalui proses Monte Carlo. Kedua metode baik EVT maupun LDA dapat dilakukan perhitungan dan simulasi secara mudah dengan menggunakan bantuan software Microsoft ExcelTM, yang sederhana dan ditambah dengan pengelolaan database yang baik. Hanya perlu lebih teliti untuk menerapkannya bagi berbagai tipe risiko, karena agak bersifat manual. Perhitungan dengan metode EVT, dilakukan pertama kali dengan melakukan estimasi terhadap parameter EVT yaitu 4',6 dan p -nya. Untuk mengestimasi ketiga parameter tersebut dapat digunakan beberapa cara sebagai berikut:a. Metode P W M b. Metode Hill Estimator untuk parameter -nya dan distribusi moment biasa untuk parameter /r dan o.c. Metode Blok Maksima dan POT.d. Gabungan PWM dan Hill estimatorSedangkan metode LDA dapat juga dipakai sebagai altematif perhitungan OpVar, dengan menggunakan simulasi MC.Kesimpulan kedua, mengenai basil pengukuran nilai OpVar dengan model dan metode berbeda dan menggunakan derajat kepercayaan sebesar 99% (persentil tinggi) didapat basil sebagai berikut :Perbandingan Hasil Perhitungan OpVar PWM_ Hill danMoment LDA EVT Exp.LossGEV Rp 1O,96Miiyar Rp 186 Milyar Rp. 21 Milyar Rp. 45 MGPD Rp 9 Milyar Rp 23 MilyarDari hasil perhitungan OpVar diatas dapat disimpulkan bahwa dengan Model LDA nilai OpVar yang diperoleh adalah yang paling rendah. Sehingga untuk perhitungan alokasi modal buat bank juga relatif tidak terlalu banyak seperti metode lainnya. Metode GPD dengan model gabungan Hill dan momen, dapat juga sebagai alternatif perhitungan OpVar, karena nilai OpVar yang diperoleh hampir sama dengan metode dari model LDA.Hasil kesimpulan ketiga adalah bagaimana melakukan mitigasi risiko fraud melalui pengalokasikan modal untuk menutup risiko fraud dengan nilai sebesar nilai OpVar, maksudnya bila bank memilih menggunakan model EVT dengan estimasi parameter Hill dan metode momen, dalam metode Generalized Pardo Distribution, bank cukup menyediakan dana pengalokasian modal sebesar Rp 23 Milyar.

---

The aim of this thesis is to know how to measure operational risk. One of risk type in operational risk is banking fraud risk type. Bank is susceptible with this risk. The problem is how bank can predict this risk and then how to mitigate it. One of the way to measure which recommended by Bank Indonesia which appropriate with Basel Capital Accord 2 is an approach which named Internal Measurement Approach. In approach contains some measurement methods i.e. Extreme Value Theory model and Loss Distribution Approach model. Both can be used as instrument auxiliary in OpVar calculation. OpVar is measurement how much bank's capital amount can absorb the loss which caused by an operational risk using certain confident level.

In measuring fraud risk type, the both approach model for OpVar calculation have strengths and weaknesses. Both need estimation parameter, EVT use and a as a form of parameter, location and scale and the score of OpVar can be calculated directly. Whereas in LDA model, to measure the risk have to pass some steps like doing estimate parameter of frequency distribution and parameter of severity distribution. Both must be done with appropriate test to frequency distribution and severity distribution using Kolmogorv-Smirnov Test and Chi-Squared Test, through using the score of parameter estimation which already obtained through estimation process above. Third, using a simulation tool which named Monte Carlo simulation, can be calculated the score of OpVar by till in earlier parameters estimation scores from distribution of frequency of loss data and it's distribution of severity. To see whether LDA model proper enough to OpVar measurement, so back testing is need to do. EVT model with Generalized Pareto Distribution, which use Hill parameter estimation and average moment method and deviation standard moment yield lowest OpVar score, so to create capital allocation to cope this risk relatively lower and easier.

This research resumed that : Bank "X" have not yet use operational risk measurement especially for fraud risk. Fraud Risk measurement which suggested is by using Internal Measurement Model (IMA) to determine how much OpVar needed for a bank.

In calculating OpVar, methods which can be used i.e. EVT and LDA. They use loss data to count OpVar scores. Loss data can be historical 1 actual loss or expected loss through Monte Carlo process. Both method, EVT or LDA can be done easily and simply by calculation and simulation using Microsoft Excel software, with better managed database, of course. To implement kinds of risk need to be thoroughly, because it's manually. Calculation with EVT method, firstly done by estimating three parameters EVT named p, and cr. To estimate the three parameters we can use many way as follows :

a. P W M method

b. Hill estimator method to 4 parameter and usual moment distribution to parameter p, and cr .

c. POT and Block Maximum method

d. Hill estimator and PWM join method

While LDA method also can be used as alternative calculation OpVar, which used MC simulation.

Second conclusion, about the result of score OpVar measurement with different model and method and use the 90% degree of confident (the high percentage) yield as follows :

The comparison Calculation Result of OpVar :

PWM Hill and Moment LDA EVT Exp. Loss

GEV Rp. 10.96 billion Rp. 186 billion Rp. 21 billion Rp. 45 billion

GPD Rp. 9.00 billion Rp. 23 billion

From the above OpVar calculation can concluded that LDA model will get result the lowest amount of OpVar. So no need to calculate capital allocation for bank (relatively not to much like others method). GPD's method with joining_Hill and moments model, can be used as other alternative for OpVar calculation, because amount of OpVar obtained almost the same with method of LDA model.

The result of conclusion is how to mitigate fraud risk through capital allocation to close fraud risk with amount as big as OpVar amount, means if bank choose to use EVT model with Hill parameter and moment method estimation, in Generalized Pareto Distribution, bank provide fund allocation capital Rp. 23 billion enough."

"Dalam penelitian ini dilakukan pengujian terhadap besarnya nilai value at risk dengan dan tanpa hedging. Tujuannya adalah untuk melihat apakah kegiatan hedging dapat memberikan manfaat untuk menurunkan risiko kerugian akibat adanya fluktuasi harga minyak mentah dan apakah hedging yang ada saat ini telah syari'ah compliant. Data yang digunakan adalah data spot harian minyak mentah untuk jenis WTI, Brent dan OPEC Basket Price untuk periode waktu 1 Januari 2003 sampai dengan 24 Maret 2009. Uji hipotesis menggunakan data future contract harian periode tahun 2007-2008 untuk jenis minyak WTI dengan perhitungan. metode Peak-over Threshold.Hasil penelitian menunjukkan adanya penurunan nilai value at risk ketika melakukan hedging menggunakan future contract jangka waktu 1 bulan. Penelitian ini juga mengkaji dasar implementasi future contract syari'ah yang dikembangkan oleh Negara Malaysia serta kendala-kendala yang ada dalam mengembangkan keuangan syari'ah.

---

This research evaluates VaR with and without hedging. It's aimed to see whether hedging can give value added by minimizing fluctuation oil price risk and to see if it is syari'ah compliant already.Data used in this research are daily spot for WTI, Brent and OPEC Basket price on the period of January,1st 2003 until March, 24th 2009. The hypothesis used is daily future contract for WTI crude oil for the year 2007 and 2008. Risk calculation (VaR ) using Extreme Value Theory with Peakover Threshold method.

The result showed that the VaR with hedging activities in one month future contact can be minimized then before hedged. This research also tried to see basic syari'ah future contract implementation which are developed in Malaysia and evaluate constraints on developing financial syari'ah instruments."

"Dalam beberapa dekade belakangan ini, krisis dunia finansial sering terjadi dan banyak investor dan mengalami kerugian karena ketdakmampuan estimasi risiko pasar. Dalam karya ini, model risiko Value at Risk (VaR) di hitung dengan mengaplikasikan extreme value theory untuk menghasilkan estimasi yang dinamis dengan memodelkan residuals dan membandingkan performanya dengan pendekatan standard normal distribution yang konvensional. Lebih dari itu, estimasi dari Expected Shortfall (ES) yang dinamis juga dianalisa. Hasil menunjukan bahwa EVT-based VaR & ES valid dan dapat diandalkan untuk mengestimasi kuantil yang lebih tinggi, terutama amat baik dalam estimasi negative returns. Terlebih lagi, ada indikasi bahwa ada pola/hubungan tingkat kegagalan estimasi risiko pasar dengan kondisi ekonomi tahun tertentu. Namun hubungan ini berkurang seiring meningkatnya kuantil yang digunakan untuk estimasi.

---

In the recent decades, financial crisis happened quite often and many investors incurred high losses due to unforeseen market risk estimation. In this work, a well-known Value at Risk (VaR) is generated by applying extreme value theory to create dynamic estimation by modeling the residual and comparing its performance with the ubiquitous standard normal distribution approach. In addition, an estimation of dynamic Expected Shortfall (ES) is also analyzed. The results indicate that EVT-based VaR & ES are reliable in estimating higher quantile, especially in estimating negative returns. Moreover, there is an indication of correlation between the failure rate of market risk estimation and economic environment in certain year but this correlation diminishes as the quantile estimation gets higher."

"Perusahaan energi dan Perusahaan kimia menggunakan pipa penyalur untuk menyalurkan minyak, gas dan fluida lainnya dari satu tempat ke tempat lainnya, baik didalam lokasi pabrik maupun antar pabrik. Integritas pipa penyalur menjadi sangat penting dikarenakan kebocoran pipa penyalur dapat menyebabkan kerugian ekonomi maupun lingkungan yang sangat serius. Beberapa penelitian telah diterapkan pada pipa penyalur mengetahui dan mengidentifikasi faktor-faktor yang dapat mempengaruhi nilai ekstrapolasi ketebalan minimum pipa penyalur menggunakan Teori Nilai Ekstrim. Penelitian ini menggunakan dan menerapkan model statistik dan Metode Extreme Value untuk kehandalan pipa penyalur dengan mengasumsikan laju korosi yang tetap dan deviasi akibat alat ukur diabaikan. Penelitian ini mendapatkan sisa usia pakai dari 344 blok data dari pipa penyalur sekitar 5,23 tahun dengan menggunakan teknik Generalized Extreme Value. Sehingga disarankan untuk melakukan pigging pada pipa penyalur dalam 2,5 tahun yang akan datang. Data yang sama disimulasikan dengan teknik Generalized Pareto Distribution namun hasil menyatakan bahwa distribusinya tidak sesuai dengan distribusi Pareto sehingga nilai ekstrim minimum, sisa usia pakai pipa penyalur dan waktu pigging berikutnya tidak dapat ditentukan

---

Energy and chemical companies use pipelines to transfer oil, gas and other materials from one place to another, within and between their plants. Pipeline integrity is an important concern because pipeline leakage could result in serious economic or environmental losses. Some researches has applied to understand the effect on extrapolation value of minimum thickness of pipeline by using the Extreme Value Theory. In this research both statistical models and Extreme Value methods were applied and developed for reliability of pipeline by assuming the constant corrosion rate and deviation due to measuring devices was neglected. The research obtained that the remaining life of 344 blocks data of the pipeline around 5,23 years by using Generalized Extreme Value Technique. It could be suggested that next pipeline pigging should be conducted within 2,5 years. The result found that the extreme value method seems not close agreement with the Pareto Distribution so the minimum extreme value, remaining useful and next pigging could not be determined. "

"Dalam kurun waktu beberapa tahun terakhir ini dunia sedang menghadapi bahaya dari pandemi serta peperangan atau konflik antar negara. Kasus seperti pandemi dan konflik atau perang antar negara merupakan kejadian atau kondisi ekstrim yang dapat terjadi kapan saja dan menimbulkan banyak korban jiwa. Oleh karena itu, diperlukan pemodelan yang dapat mengakomodir mortalitas akibat kejadian ekstrim tersebut. Model Lee-Carter merupakan sebuah model yang menggunakan data tingkat mortalitas dari kelompok usia yang diamati dari waktu ke waktu. Untuk mengakomodir tingkat mortalitas ekstrim, model Lee-Carter dimodifikasi menggunakan Extreme Value Theory (EVT) yang disebut dengan Model EVT modified Lee-Carter. Pendekatan EVT yang digunakan adalah pendekatan Peak Over Threshold (POT) dengan Generalized Pareto Distribution (GPD). Model ini diimplementasikan pada data tingkat mortalitas Indonesia tahun 1998 untuk peramalan tingkat mortalitas periode pandemi Covid-19 tahun 2021 dan 2022. Dalam pemodelan GPD, didapatkan nilai threshold sebesar 0,02. Untuk nilai yang berada di atas threshold, dimodelkan dengan GPD dan nilai yang berada dibawah threshold dimodelkan dengan distribusi normal dan empiris. Hasil yang didapatkan dari nilai Mean Absolute Error (MAE) dan Mean Absolute Percentage Error (MAPE) adalah model Extreme Value Theory Modified Lee-Carter distribusi empiris memberikan nilai MAPE terkecil sebesar 12,156%. Sementara itu, model Extreme Value Theory Modified Lee-Carter distribusi normal memiliki nilai MAPE sebesar 13,175% dan model Lee-Carter biasa sebesar 13,343% dalam peramalan tingkat mortalitas Indonesia pada kelompok usia yang mengalami kejadian ekstrim.

---

In the last few years the world has been facing danger from pandemics and wars or conflicts between countries. Cases such as pandemics and conflicts or wars between countries are extreme events or conditions that can occur at any time and cause many casualties. Therefore, modeling is needed that can accommodate mortality due to extreme events. The Lee-Carter model is a model that uses mortality rate data from age groups observed over time. To accommodate extreme mortality rates, the Lee-Carter model was modified using Extreme Value Theory (EVT) which is called the modified Lee-Carter EVT Model. The EVT approach used is the Peak Over Threshold (POT) approach with Generalized Pareto Distribution (GPD). This model was implemented on Indonesian mortality rate data in 1998 to forecast mortality rates for the Covid -19 pandemic period in 20 21 and 2022. In GPD modeling, a threshold value of 0.02 is obtained . For values that are above the threshold, they are modeled with GPD and values that are below the threshold are modeled with a normal and empirical distribution. The results obtained from the Mean Absolute Error (MAE) and Mean Absolute Percentage Error (MAPE) values are that the Extreme Value Theory Modified Lee-Carter empirical distribution model gives the smallest MAPE value of 12.156%. Meanwhile, the Extreme Value Theory Modified Lee-Carter normal distribution model has a MAPE value of 13.175% and the regular Lee-Carter model is 13.343% in predicting Indonesia's mortality rate in age groups that experience extreme events."

"Tukar menukar antar mata uang asing yang dikategorikan sebagai jual beli dalam islam disebut dengan As Sharf. Dalam kaitan dengan investasi, tidak ada bisnis yang tidak mempunyai risiko karena kita tidak mengetahui apa-apa yang akan terjadi besok. Demikian pula dengan nilai tukar mata uang asing. Nilainya terus berfluktuasi sewaktu¬-waktu sehingga mendorong para peneliti untuk melakukan penelitian tentang pergerakan nilai tukar ini dan mempredeiksikan nilainya di masa mendatang untuk meminimalisir risiko yang mungkin terjadi dan kerugian yang ditanggungnya. Umumnya data statistik didekati dengan asumsi normal dimana asumsi ini cenderung menyesatkan karena mengabaikan kemungkinan terjadinya pergerakan ekstrim dalam distribusi data tersebut. Kegagalan mengidentifikasi potensi risiko ekstrim dapat membawa bencana keuangan bagi lembaga dan institusi keuangan terutama yang berbasis syariah.Tujuan dari penelitian ini adalah untuk meneliti apakah pergerakan kurs Rupiah terhadap mata uang asing adalah mempunyai distribusi normal atau ekstrim. Begitu juga untuk meneliti berapa besar potensi risiko ekstrim yang mungkin terjadi Metode yang digunakan adalah Extreme Value Theory (EVT) dengan pendekatan distribusi nilai lebih menggunakan konsep Generalized Pareto Distribution. Nilai yang didapatkan kemudian dibandingkan dengan pendekatan dengan asumsi normal untuk kemudian dianalisis dan diambil kesirnpulan. Hasil penelitian mendapatkan bahwa distribusi return kurs Rupiah terhadap US Dollar pada periode 1998-2003 adalah tidak normal. Diketahui pula bahwa indeks tail yang didapatkan juga cukup signifikan sesuai dengan konsep GPD. Hasil perbandingan metode EVT dan pendekatan normal dan skewness heteroskedasiik menunjukkan bahwa kesimpulan pengujian yang dilakukan sesuai dengan kesimpulan dari beberapa peneliti lain untuk metode yang sama."