Hasil Pencarian  ::  Simpan CSV :: Kembali

"In Risk and portfolio analysis the authors present sound principles and useful methods for making investment and risk management decisions in the presence of hedgeable and non-hedgeable risks using the simplest possible principles, methods, and models that still capture the essential features of the real-world problems. They use rigorous, yet elementary mathematics, avoiding technically advanced approaches which have no clear methodological purpose and are practically irrelevant. The material progresses systematically and topics such as the pricing and hedging of derivative contracts, investment and hedging principles from portfolio theory, and risk measurement and multivariate models from risk management are covered appropriately. The theory is combined with numerous real-world examples that illustrate how the principles, methods, and models can be combined to approach concrete problems and to draw useful conclusions. Exercises are included at the end of the chapters to help reinforce the text and provide insight. "

"Tujuan dari penelitian ini adalah mencari metode optimasi portofolio terdiversifikasi yang memiliki kinerja paling unggul pada uji out-of-sample. Metode pembentukan dan optimasi portofolio terdiversifikasi menggunakan 3 metode, yaitu: Minimum-Variance, Inverse-Variance, dan Hierarchical Risk Parity. Kinerja portofolio akan dilihat dari tingkat pengembalian yang dihasilkan, sum of squared errors antara return yang aktual dengan yang diharapkan, dan sharpe ratio yang dihasilkan portofolio pada uji out-of-sample. Portofolio yang terdiversifikasi akan dibentuk dengan menggunakan 18 saham yang telah melewati proses seleksi saham dengan pendekatan Single Index Model dengan Cut-off Rate, dimana ke-18 saham tersebut memiliki excess return over beta lebih besar dari cut-off rate yang berasal dari 71 saham yang terdaftar di Bursa Efek Indonesia. Uji out-of-sample akan dibagi atas 3 skenario dengan holding period 4 minggu, 12 minggu, dan 16 minggu dengan melakukan rebalancing di setiap akhir holding period. Hasil uji out-of-sample membuktikan bahwa metode Hierarchical Risk Parity mampu mengungguli 2 metode optimasi portofolio lainnya dengan tingkat pengembalian yang dihasilkan paling besar, SSE yang paling rendah, dan shape ratio paling besar diantara ketiga metode yang ada. Penelitian ini menyimpulkan perlunya menggunakan pendekatan yang lebih kompleks dalam membangun portofolio di Bursa Efek Indonesia untuk menghasilkan portofolio dengan kinerja yang lebih baik.

---

This research aims to find a portfolio optimization method that has superior performance in out-of-sample simulation in the Indonesia equity market. The portfolio will be optimized utilizing 3 methods: Inverse-Variance, Minimum-Variance, and Hierarchical Risk Parity. Portfolio performance will be measured based on the actual return generated by portfolio, Sharpe ratio, and the accuracy with the sum of squared errors and T-test between actual return and expected return of the portfolio in out-of-sample simulations. The out-of-sample simulation will be done in 3 scenarios of holding period and rebalancing at the end of the holding period. The simulation results suggest that the Hierarchical Risk Parity method outperformed 2 other portfolio optimization methods having the highest actual return, Sharpe ratio, and accuracy in predicting returns. This research concludes that a more sophisticated approach is required to build an equity portfolio that has better performance in Indonesia."

"Exchange Traded Funds (ETF) adalah salah satu produk investasi pasar modal yang berupa reksa dana dan diperjualbelikan secara real time layaknya saham. ETF dapat menjadi pilihan investasi yang cocok untuk investor pemula karena lebih terdiversifikasi daripada saham. Meskipun demikian, investor tetap harus menyesuaikan profil risiko masing-masing karena semua produk investasi pasti memiliki risiko yang harus dihadapi. Oleh karena itu, sebelum membeli produk investasi perlu dilakukan analisis terlebih dahulu. Dalam penelitian ini dilakukan analisis menggunakan indikator teknikal untuk mengklasifikasi ETF menggunakan metode Support Vector Machines (SVM). Data ETF yang digunakan adalah data historis mingguan 25 ETF yang terdaftar di Bursa Efek Indonesia sejak 9 Maret 2020 hingga 6 Maret 2022. Indikator teknikal yang digunakan adalah moving average, support and resistance, Bollinger bands, dan directional indicator. Hasil dari perhitungan analisis indikator teknikal tersebut selanjutnya digunakan sebagai data input atau fitur dalam proses klasifikasi SVM. Proses klasifikasi bertujuan untuk mengklasifikasikan ETF yang berpotensi menghasilkan return ≥ 1 (return positif) atau < 1 (return negatif) di minggu selanjutnya dengan model SVM terbaik. Model SVM terbaik ditentukan berdasarkan nilai akurasi tertinggi. Pada penelitian ini, model SVM terbaik menghasilkan akurasi sebesar 77% dengan kernel polinomial dan proporsi data training sebanyak 80%. Terdapat 14 ETF yang diprediksi menghasilkan kelas positif oleh model SVM terbaik dan selanjutnya dilakukan pembentukan portofolio menggunakan metode Risk Parity (RP), Minimum Variance (MinV), dan Equal-Weight (EW). Ketiga metode pembentukan portofolio tersebut dibandingkan performanya untuk memilih portofolio terbaik berdasarkan nilai rasio Sharpe tertinggi. Hasil dari penelitian ini, metode MinV menghasilkan rasio Sharpe tertinggi dibandingkan dua metode lainnya.

---

Exchange-Traded Funds (ETF) is one of the Capital Market investment products in the form of mutual funds and being traded real-time like stocks. ETFs can be suitable for new investors because they are more diversified than stocks. Nonetheless, the risk profile of each investor must be suited since all investment products have risks that must be faced. Therefore, an analysis must be done before buying the investment products. In this study, an analysis was conducted using 4 technical indicators, such as, moving averages, support and resistance, Bollinger bands, and directional indicators. They were used to classify ETFs using the Support Vector Machines (SVM) method. The data used in this study consisted of weekly historical data of 25 ETFs listed on Indonesia Stock Exchange from March 9, 2020, to March 6, 2022. The result of the technical analysis calculation then be used as features in the SVM classification process. The classification process aims to classify ETFs that have the potential to generate returns of ≥ 1 (positive return) or < 1 (negative return) in the following week using the best SVM model. The best SVM model was determined based on the highest accuracy value. An accuracy of 77% with a polynomial kernel was achieved from a 80% proportion of training data. The 14 ETFs were predicted to gain a positive return using SVM for then a portfolio formed using the Risk Parity (RP), Minimum Variance (MinV) and Equal-Weight (EW) methods. The performances of those portfolio were being compared to choose the best portfolio based on the highest Sharpe Ratio value. The highest Sharpe Ratio portfolio were obtained by SVM-MinV method in this study."

"ABSTRAK<>br>Penelitian ini bertujuan untuk mengetahui karakteristik account kartu kredit yang memiliki kecenderungan untuk mengalami overstretched serta besarnya nilai limit dan balance account kartu kredit menggunakan berbagai variabel data aplikasi, data transaksi, dan data makroekonomi pada salah satu bank konvensional yang memiliki portfolio kartu kredit terbesar di Indonesia. Penelitian ini bersifat kuantitatif yang menerapkan metode statistik terhadap data account kartu kredit pada periode 2011-2016. Model dibangun menggunakan regresi logistik dan regresi linear pada data panel yang mengamati account kartu kredit sejak dibuka hingga menjadi default. Validasi model menggunakan metode out of time untuk mengetahui apakah model berlaku secara general. Berdasarkan hasil penelitian dapat diperoleh kesimpulan bahwa kombinasi variabel data aplikasi, transaksi, dan makroekonomi dapat digunakan untuk mengetahui karakteristik account kartu kredit yang memiliki kecenderungan untuk mengalami overstretched serta besarnya nilai limit dan balance account kartu kredit namun hasil validasi menunjukkan kemampuan prediksi model yang rendah karena adanya large shifting pada variabel balance, limit dan seluruh variabel makroekonomi.

---

ABSTRACT<>br>The focus of this study is to determine the characteristics of overstretched credit card account, limit and balance using application, behavioral and macroeconomic variable in one of conventional bank with the largest credit card portfolio in Indonesia. This study is a quantitative research using statistic method of credit card accounts during 2011 ndash 2016. Logistic regression and linear regression applied on panel data that contain default account. Out of time validation method is used to see if the model applies in general. The combination of application, transactions, and macroeconomics variable can be used to determine the characteristics of overstretched credit card account, limit and balance, but the validation results showed the predictive ability of the model is low due to the large shifting of the variable balance, limit and whole macroeconomic variables."

"Summary: Computational Toxicology: Methods and Applications for Risk Assessment is an essential reference on the translation of computational toxicology data into information that can be used for more informed risk assessment decision-making. This book is authored by leading international investigators who have real-world experience in relating computational toxicology methods to risk assessment. Key topics of interest"

"This book offers an in-depth and systematic introduction to improved failure mode and effects analysis (FMEA) methods for proactive healthcare risk analysis. Healthcare risk management has become an increasingly important issue for hospitals and managers. As a prospective reliability analysis technique, FMEA has been widely used for identifying and eliminating known and potential failures in systems, designs, products or services. However, the traditional FMEA has a number of weaknesses when applied to healthcare risk management. This book provides valuable insights into useful FMEA methods and practical examples that can be considered when applying FMEA to enhance the reliability and safety of the healthcare system."

"Untuk mengetahui jumlah resiko yang mungkin terjadi pada sualu portofolio, diperlukan suatu niIai yang merupakan kuantifikasi dari resiko tersebut. Salah satu cara yang dapat digunakan untuk mengkuantifikasi resiko adalah Metoda Value at Risk . Value at Risk merupakan suatu nilai yang merupakan ringkasan atau niai resiko kerugian yang mungkin terjadi pada suatu portfolio, pada saat tertentu, dengan jangka waktu/ periode pengamatan (holding period,) tertentu serta dengan tingkat kepercayaan tertentu. Dalam karya akhir ini penulis mencoba menerapkan salah satu metoda Value at Risk yaitu Metoda Simulasi Historis pada single instrumen serta multiple instrumen. Instrumen yang digunakan dalam karya akhir ini adalah instrumen forward buying USD. Pada perhitungan VaR dengan menggunakan Simulasi Historis terlebih dulu dilakukan dekomposisi portfolio menjadi gabungan beberapa portfolio baru yang disebut posisi standar, yang perubahannya diestimasi berdasarkan perubahan faktor resiko pasar historis. Selanjutnya proJìi dan losses yang dihasilkan dan perubahan nilai portfolio díurutkan berdasarkan nilainya dan Val? dipilih dan ditentukan berdasarkan tingkat kepercayaan yang dipilih."