Hasil Pencarian  ::  Simpan CSV :: Kembali

Hasil Pencarian

Ditemukan 54615 dokumen yang sesuai dengan query
cover
Regina Pangestika
"Risiko adalah suatu ketidakpastian akan terjadinya kerugian. Salah satu alat ukur risiko yang umum digunakan untuk menghitung risiko yang mungkin ditimbulkan pada instrumen keuangan adalah Value at Risk. Value at Risk mengukur tingkat kerugian maksimum pada tingkat kepercayaan tertentu dan interval waktu tertentu. Namun, perhitungan risiko dengan alat ukur Value at Risk hanya mempertimbangkan informasi mengenai individu saja. Perhitungan risiko akan lebih baik jika mempertimbangkan risiko dari individu-individu lain atau kelompok. Oleh karena itu, untuk menggabungkan informasi individu dan data kelompok dalam memprediksi risiko digunakan teori kredibilitas, yaitu sebuah model yang menggabungkan kedua informasi tersebut dalam memprediksi risiko di masa depan berdasarkan n observasi yang dimiliki. Model ini disebut sebagai model credible value at risk. Untuk menentukan bobot yang sesuai untuk data individu dan kelompok, akan diminimumkan expected squared error antara parameter yang digunakan untuk memprediksi risiko di periode ke- n 1 dan penaksirnya. Setelah mendapatkan bobot yang sesuai untuk data individu dan kelompok, akan ditaksir parameter-parameter yang akan digunakan dalam model credible value at risk dengan menggunakan metode momen. Pada skripsi ini, model credible value at risk akan digunakan untuk menghitung risiko dari aset saham perusahaan sektor perbankan dan klaim asuransi.

Risk is a probability of loss. One of the most commonly used risk measures to measure the risk of the financial instruments is Value at Risk. The usage of Value at Risk is to calculate maximum loss with the specific level of certainty and specific time frame. However, measuring risk using the ordinary Value at Risk solely depends on individual information. The better risk estimation will be obtained by combining both individual and group risks. Therefore, credibility theory is needed to combine both risks in order to predict the future risk based on n observations. This model is called as credible value at risk. Credibility theory is a model which gives a proper weight to both individual and group information. The appropriate method to obtain the proper weight for both individual and group information is by minimizing the expected squared error between the parameter used to predict future risk and its estimation. After obtaining the proper weight for both information, parameters in the model will be estimated by using a method of moment. This thesis provides a numerical simulation using stock market data and insurance claims data to measuring risk with credible value at risk.
"
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2017
S-Pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Ferren Alwie
"ABSTRACT
Memberikan proteksi terhadap kemungkinan terjadinya kerugian merupakan hal yang sangat penting dalam setiap perusahaan asuransi. Perusahaan asuransi dapat mengestimasi semua risiko yang mungkin dihadapi dengan alat ukur risiko. Value-at-Risk merupakan salah satu alat ukur risiko dalam industri asuransi, yang didefinisikan sebagai kuantil dari distribusi total kerugian. Sebagai kuantil, dapat menjadi kurang representatif apabila terdapat banyak nilai kerugian yang melebihi dikarenakan informasi kerugian pada ekor kanan distribusi tidak tergambarkan dengan baik. Untuk itu, diperkenalkan Tail Value-at-Risk yang merata-ratakan besarnya kerugian yang lebih besar daripada. Penggunaan membantu perusahaan untuk memperoleh gambaran mengenai modal yang harus disiapkan untuk mengatasi risiko yang dapat terjadi. Estimasi risiko yang lebih baik juga dapat dilakukan dengan memanfaatkan teori kredibilitas, yang mengombinasikan risiko individu dan risiko kelompok pemegang polis dengan bobot tertentu. Bobot yang tepat diperoleh melalui peminimuman antara parameter yang memprediksi kerugian di masa depan dan penaksirnya. Secara umum, penelitian ini membahas mengenai model berdasarkan teori kredibilitas Bühlmann beserta penaksir dari parameter-parameter model tersebut. Risiko individu direpresentasikan dengan individu, sementara risiko kelompok direpresentasikan dengan rata-rata individu dalam suatu kelompok. Penerapan model ini dilakukan dengan menggunakan data klaim dari salah satu perusahaan asuransi di Indonesia.

ABSTRACT
Providing protection against losses is important issue in every insurance company. Insurance company could estimate all risks which must be faced by risk measures. Value-at-Risk as one of risk measures that is used in insurance industry, is defined as quantile of aggregate losses distribution. As a quantile, could be less representative if there are losses which far exceed because losses in the right tail distribution cannot be well-explained. For this reason, which averages losses that are greater than was introduced. Using, insurance company could obtain approximation of capital needed due to certain losses which possibly happen. Better risk estimation could also be obtained by credibility theory, which combines both individual and group risk information with certain weights. The proper weights are obtained by minimizing the expected squared error between parameter used to predict future losses and its estimator. In general, Credible model based on credibility theory and the parameters estimator will be derived in this research. Individual risk is represented by certain policyholders meanwhile, group risk is represented by average of every policyholders. Numerical simulation based on one of the insurance companys claim data in Indonesia will also be demonstrated."
2018
S-Pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Karen Sophie
"Perhitungan risiko merupakan hal yang sangat penting untuk dilakukan oleh perusahaan asuransi. Perhitungan risiko ini dapat dilakukan dengan memanfaatkan alat ukur risiko. Seperti yang diketahui, dalam praktiknya Value-at-Risk (VaR) dan Tail Value-at-Risk (TVaR) merupakan alat ukur risiko yang paling banyak digunakan. Namun, dalam kondisi tertentu, kedua alat ukur risiko ini memiliki kekurangan. TVaR yang merupakan pengembangan dari VaR mencoba untuk melengkapi kekurangan yang dimiliki VaR. Akan tetapi TVaR memiliki kekurangan lain yaitu, sensitif terhadap perilaku ekor distribusi yang mendasarinya ataupun terhadap adanya outliers. Untuk itu, diperkenalkan Tail Conditional Median (TCM) yang diharapkan dapat melengkapi kekurangan TVaR. Secara sederhana, TCM adalah median dari kerugian-kerugian yang melebihi nilai VaR. Namun ternyata TCM juga memiliki kekurangan yaitu kurang dapat memberikan detail perilaku ekor distribusi yang mendasarinya. Untuk melengkapi kekurangan TCM, didefinisikan alat ukur risiko lain yang disebut Quantile Tail Expectation (QTE). QTE merupakan rata-rata beberapa kuantil yang melebihi tingkat kepercayaan tertentu. Selain itu, dalam melakukan perhitungan risiko adalah baik untuk mempertimbangkan risiko individu dan risiko kelompok, yang mana dapat dilakukan dengan memanfaatkan teori kredibilitas. Oleh karena itu, Georgios Pitselis memperkenalkan sebuah model perhitungan risiko yang merupakan gabungan alat ukur risiko dengan teori kredibilitas, khususnya teori kredibilitas Buhlmann. Alat ukur risiko ini disebut sebagai alat ukur risiko kredibel. Berdasarkan uraian di atas, dalam tugas akhir ini dibahas pembentukan model credible Tail Conditional Median dan model credible Quantile Tail Expectation yang memanfaatkan teori kredibilitas Buhlmann. Setelah itu, dilakukan penaksiran terhadap parameter dari model yang dibentuk. Di akhir tugas akhir ini, juga dibahas implementasi kedua model yang telah dibentuk pada data pengalaman klaim suatu perusahaan asuransi.

Risk measurement is a very important thing to be done by insurance companies. This calculation of risk can be done by using risk measures. As is well known, in practice Value-at-Risk (VaR) and Tail Value-at-Risk (TVaR) are the most widely used risk measures. However, under certain conditions, these two risk measures have drawbacks. TVaR, which is a development of VaR, tries to complete the shortcomings of VaR. But, TVaR has another drawback, namely it is sensitive to the behavior of the underlying distribution tail or to the presence of outliers. For this reason, the Tail Conditional Median (TCM) was introduced, which is expected to complete the lack of TVaR. In simple terms, TCM is the median of losses that exceed the VaR value. Yet it turns out that TCM also has a deficiency that is, it is less able to provide details of the behavior of the underlying distribution tail. To complement the shortcomings of TCM, another risk measure called Quantile Tail Expectation (QTE) was defined. QTE is the average of several quantiles that exceed a certain level of confidence. In addition, in carrying out risk measurement it is good to consider individual risk and group risk, which can be done by utilizing credibility theory. Therefore, Georgios Pitselis introduced a risk measurement model which is a combination of risk measure with credibility theory, especially Buhlmann’s credibility theory. This risk measure is referred to as a credible risk measure. Based on the description above, this thesis discusses the formation of credible Tail Conditional Median model and credible Quantile Tail Expectation model using Buhlmann’s credibility theory. After that, an approximation of the parameters of the formed model is carried out. Lastly, this thesis also discusses the implementation of the two models that have been formed on the claim experience data of an insurance company.
"
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2021
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Christopher Joseph Gunawan
"Reasuransi berperan sebagai stabilisator industri asuransi dan dapat menjadi alat yang efektif untuk mengurangi risiko bagi perusahaan asuransi. Sebuah transaksi reasuransi adalah perjanjian dari dua atau lebih pihak yang terdiri dari perusahaan asuransi atau disebut juga cedent dan perusahaan reasuransi. Penentuan polis reasuransi yang optimal untuk kedua belah pihak sering menjadi permasalahan. Dikarenakan kepentingan dari perusahaan asuransi dan perusahaan reasuransi bertentangan, seringkali polis reasuransi yang menarik untuk satu pihak dianggap merugikan untuk pihak lainnya. Oleh karena itu, penelitian ini mempertimbangkan kepentingan dari perusahaan asuransi dan perusahaan reasuransi secara sekaligus dengan berfokus pada penentuan polis reasuransi stop-loss yang Pareto-optimal. Bentuk reasuransi yang optimal direpresentasikan oleh ceded loss function yang optimal, yaitu fungsi loss dari perusahaan reasuransi. Ukuran risiko yang akan digunakan adalah Value at Risk (VaR). Ceded loss function yang Pareto-optimal didapat dengan mencari nilai parameter retensi yang optimal, yaitu suatu nilai yang meminimalkan kombinasi linier VaR dari total kerugian perusahaan asuransi dan perusahaan reasuransi pada tingkat kepercayaan yang berbeda,di bawah prinsip ekspektasi premi. Berdasarkan data klaim yang diperoleh dari perusahaan Asuransi Jiwa Reliance Indonesia, didapatkan bentuk reasuransi stop-loss yang Pareto-optimal dalam beberapa skenario.

Reinsurance acts as a stabilizer for the insurance industry and can be an effective tool for reducing risk for insurance companies. A reinsurance transaction is an agreement between two or more parties, consisting of an insurance company (also known as the cedent) and a reinsurance company. Determining the optimal reinsurance policy for both parties often presents a challenge. Since the interests of the insurance company and the reinsurance company can be conflicting, a reinsurance policy that is attractive to one party may be detrimental to the other. Therefore, this research considers the interests of both the insurance company and the reinsurance company simultaneously, focusing on determining a Pareto-optimal stop-loss reinsurance policy. The optimal form of reinsurance is represented by the optimal ceded loss function, which is the loss function of the reinsurance company. The risk measure used is Value at Risk (VaR). The Pareto-optimal ceded loss function is obtained by finding the optimal retention parameter, which is a value that minimizes the linear combination of VaR of the total losses for the insurance company and the reinsurance company at different confidence levels, under the premium expectation principle. Based on claim data obtained from Reliance Life Insurance Indonesia, a Pareto-optimal stop-loss reinsurance form is derived in several scenarios."
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2024
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Alfina Rizqi Fadila
"Sebagai sebuah perusahaan yang bertanggungjawab atas suatu dana yang dialokasikan untuk kebutuhan pemegang polis ke depannya, perusahaan asuransi memerlukan metode manajemen risiko yang baik sehingga perusahaan asuransi dapat menyiapkan dana yang cukup ketika pemegang polis mengajukan klaim. Untuk itu, diperlukan ukuran risiko yang dapat memberikan pengukuran risiko yang sesuai. Salah satu ukuran risiko yang umum digunakan adalah Value-at-Risk (VaR), yaitu ukuran risiko yang menggunakan konsep batas atas dari probabilitas ekor. Namun, ukuran risiko Value-at-Risk (VaR) bukan ukuran risiko yang koheren. Selain itu, perhitungan ukuran risiko Value-at-Risk (VaR) juga tidak dapat mempertimbangkan nilai atau kejadian yang terjadi di luar tingkat kepercayaannya. Untuk itu, dengan menggunakan metode batas atas dari probabilitas ekor yang berbeda dengan Value-at-Risk (VaR), yaitu dengan pertidaksamaan Chernoff, dapat dikonstruksikan suatu ukuran risiko koheren yang merupakan batas atas terketat dari Value-at-Risk (VaR). Ukuran risiko tersebut dinamakan dengan Entropic Value-at- Risk (EVaR). Ukuran risiko Entropic Value-at-Risk (EVaR) juga merupakan batas atas dari Conditional Value-at-Risk (CVaR). Sebagai ukuran risiko yang koheren, Entropic Value-at-Risk (EVaR) memiliki representasi dual dari rumus awalnya dan menggunakan pendekatan entropi relatif untuk mengonstruksikan representasi dual-nya. Dikarenakan alasan tersebut, ukuran risiko ini dinamakan Entropic Value-at-Risk (EVaR). Dalam perannya sebagai ukuran risiko, Entropic Value-at-Risk (EVaR) diaplikasikan untuk mengukur risiko klaim pemegang polis pada suatu perusahaan asuransi. Berdasarkan hasil perbandingannnya dengan Value-at-Risk (VaR) dan Conditional Value-at-Risk (CVaR), ukuran risiko Entropic Value-at-Risk (EVaR) memberikan hasil yang lebih menghindari risiko dibanding Value-at-Risk (VaR) dan Conditional Value-at-Risk (CVaR).

As a company that responsible for fund allocation for the policyholder’s future needs, insurance companies require good risk management techniques so that the insurance companies can prepare sufficient funds when the policyholders submit a claim. Hence, a risk measure that provide the appropiate risk measurement is needed. There is one commonly used risk measure in the finance field, named Value-at-Risk (VaR), which is a risk measure that uses a concept of an upper bound of the tail probability. However, Value-at-Risk (VaR) is not a coherent risk measure. In addition, Value-at-Risk (VaR) measurement also not considering values or events that occur outside the confidence level. Therefore, using the concept of an upper bound of the tail probability which different from Value-at-Risk (VaR), which is Chernoff inequality, a coherent risk measure can be constructed as the tightest upper bound of the Value-at-Risk (VaR). Those risk measure is called as Entropic Value-at-Risk (EVaR). This risk measure also the upper bound of the Conditional Value-at-Risk (CVaR). As a coherent risk measure, Entropic Value-at-Risk (EVaR) has a dual representation of its original formula and uses a relative entropy approach to construct its dual representation. For those reason, the risk measure is named as Entropic Value-at-Risk (EVaR). With their role as a risk measure, Entropic Value-at-Risk (EVaR) was applied for measuring risk of policyholder’s claims in an insurance company. Based on the comparison results with Value-at-Risk (VaR) and Conditional Value-at-Risk (CVaR), the Entropic Value-at-Risk (EVaR) risk measure provides more risk-averse result rather than Value-at-Risk (VaR) and Conditional Value- ar-Risk (CVaR)."
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2024
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Fauzur Rahman
"Penerapan langsung Market Risk Capital Charges terhadap permodalan perbankan berdampak langsung terhadap turunnya Capital Adequacy Ratio (CAR) pada masing-masing bank. Salah satu fungsi utama dari perbankan adalah menunjang pertumbuhan ekonomi melalui kemampuannya untuk memberikan pinjaman kepada masyarakat. Penurunan CAR akibat perhitungan market risk capital charges, akan mengakibatkan penurunan kemampuan ekspansi perbankan nasional secara tidak langsung. Risiko nilai tukar (Excange rate risk) merupakan salah satu komponen dari market risk.
Perhitungan market risk capital charges dengan menggunakan model internal akan menghasilkan nilai yang relatif rendah dibandingkan dengan penggunaan model standar. Hal tersebut dikarenakan, dalam model internal sudah memperhitungkan efek volatilitas dan korelasi antar faktor risiko. Model internal yang banyak digunakan sekarang adalah Value at Risk (VaR). Perhitungan market risk capital charges yang efisien dengan menggunakan VaR akan berdampak langsung terhadap capital adequacy yang efisien pula. Penelitian ini menghitung market risk capital charges untuk risiko nilai tukar (exchange rate risk) dengan menggunakan VaR Monte Carlo Simulation.
Penelitian yang dilakukan menyimpulkan bahwa (1) perbankan syariah dapat menggunakan metode Value at Risk pendekatan Monte Carlo Simulation untuk perhitungan capital charges risiko nilai tukar; dan (2) pengukuran capital charge risiko nilai tukar dengan VaR Monte Carlo Simulation valid untuk digunakan dalam pengukuran risiko nilai tukar pada Bank Syariah XYZ.

Direct application of Market Risk Capital Charges on banking capital directly impact the decline in Capital Adequacy Ratio (CAR) in each bank. One of the main function of banks is to support economic growth through its ability to lend to the public. Decrease in CAR due to the calculation of market risk capital charges, will result in decreased ability of the national banking expansion indirectly. Exchange rate risk (Excange rate risk) is one component of market risk.
Calculation of market risk capital charges using internal models will produce a relatively low value compared with the use of the standard model. That is because, in the internal model taking into account the effects of volatility and correlation between risk factors. Internal models are widely used today is the Value at Risk (VaR). Calculation of market risk capital charges are efficiently by using VaR will directly affect an efficient capital adequacy as well. This study calculates market risk capital charges for the exchange rate risk (exchange rate risk) by using the VaR Monte Carlo Simulation.
Research carried out concluded that (1) Islamic banking can use the method of Value at Risk Monte Carlo Simulation approach to calculating capital charges exchange rate risk, and (2) the measurement of capital charge exchange rate risk with VaR Monte Carlo Simulation valid for use in risk measurement value exchange at Bank Syariah XYZ.
"
Depok: Program Pascasarjana Universitas Indonesia, 2011
T29657
UI - Tesis Open  Universitas Indonesia Library
cover
Hendra Irawan
"Mengukur risiko yang mungkin terjadi pada suatu portofolio, diperlukan suatu nilai yang merupakan kuantifikasi dari risiko tersebut. Salah satu cara yang dapat digunakan untuk menghitung risiko adalah metode Value at Risk. Value at Risk merupakan suatu nilai yang merupakan ringkasan atau nilai risiko kerugian yang mungkin terjadi pada suatu portfolio, pada saat tertentu, dengan jangka waktu / periode pengamatan (holding period) tertentu serta dengan tingkat kepercayaan tertentu.
Dalam tulisan ini penulis mencoba untuk menghitung risiko pada asset kredit dengan menggunakan Metode Value at Risk, yaitu terhadap portfolio per jenis kredit pada bank. Terlebih dahulu akan dilakukan observasi terhadap nilai-nilai posisi outstanding dari asset kredit yang merupakan risk drivers. Dengan menggunakan nilai return kredit yang telah dinilai berdasarkan mark-to-market, maka hasil olah data akan mendapatkan deviasi standar yang merupakan penyebaran atau dispersi dari return kredit itu. Selanjutnya untuk mengukur sensitivitas terhadap gerakan pasar, maka perlu untuk membandingkan hasil perhitungan VaR yang telah dilakukan dengan kredit bermasalah bank tersebut.
Kredit bermasalah merupakan risiko yang tidak dapat di diversifikasi, karena perusahaan tidak mampu menghadapi gejolak pasar yang sangat berfluktuasi. Tapi kredit portfolio merupakan risiko yang dapat didiversifikasi oleh salah satunya seperti loan concentration."
Depok: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2004
T-Pdf
UI - Tesis Membership  Universitas Indonesia Library
cover
Siahaan, Essasylvania R.E., Author
"Semua bisnis pasti memiliki risiko. Tidak terkecuali bisnis perbankan. Dalam menjalani fungsi menawarkan jasa-jasa keuangan, Bank harus mengambil atau mengelola berbagai jenis risiko keuangan secara efektif, agar dampak negatifnya tidak terjadi. Intinya, hampir semua bank beranggapan bahwa risiko dalam sebuah bisnis perbankan harus dihindari ataupun dihilangkan. Salah satu risiko yang termasuk dalam Manajemen Risiko Bank adalah Risiko Pasar. Secara umum Risiko Pasar antara lain terdapat pada aktivitas fungsional Bank seperti kegiatan treasury dan investa.si dalam. bentuk surat berharga, pasar uang, penyertaan pada lembaga keuangan lain, penyediaan dana, dan kegiatan pendanaan dan penerbitan surat hutang, serta kegiatan pembiayaan perdagangan. Kegiatan-kegiatan tersebut tentunya memiliki risiko masing-masing yang berbeda yang harus dihilangkan ai.aupun dikurangi. Bagi bank ukuran besar, aktivitas di luar negeri dan jual beli valuta asing untuk kepentingan bank sendiri, dapat merupakan sumber Risiko Pasar yang signifikan. Bagi kebanyakan bank, yaitu yang kegiatan usahanya berukuran kecil dan sedang, jenis Risiko Pasar yang terutama adalah risiko suku bunga.
Berdasarkan hal tersebut di atas, maka pada karya akhir ini penulis ingin meneliti lebih lanjut tentang risiko pasar, khususnya risiko nilai tukar pada Bank X. Dalam penelitian ini, penulis mengukur seberapa besar potensi risiko pasar yang dimiliki oleh Bank X, jika dihitung dengan menggunakan metode Variance Covariance. Kemudian, penulis ingin mengetahui apakah metode tersebut merupakan metode yang paling cocok untuk menghitung risiko nilai tukar pada Bank X.
Dalam penelitian ini, digunakan metode Variance Covariance utnuk mengukur risiko nilai tukar, yaitu dengan menggunakan metode Deviasi Standar atau Generalized Autoregressive Conditional Heteroscedasticity (GARCH), yang sesuai dengan hasil pengujian data. Data yang digunakan adalah nilai tukar Rupiah terhadap 3 (tiga) mata uang asing, yaitu Singapore Dollar (SGD), Hongkong Dollar (HKD) dan European Euro (EUR), dengan periode penelitian antara 7 Januari 2003 sampai 30 Januari 2004.
Untuk mengetahui karakteristik dari data return ketiga mata uang tersebut dilakukan pengujian yang meliputi uji stasioner, uji normalitas dan uji volatilitas. Dari uji stasioner dapat diketahui bahwa data untuk ketiga mata uang tersebut bersifat stasioner, yang dibuktikan dengan nilai Critical Value (CV) alpha 5% untuk mata uang SGD, HKD dan EUR temyata lebih besar dari nilai ADF test-nya. Selanjutnya dari hasil uji normalitas, didapat bahwa nilai probabilitas untuk ketiga jenis mata uang dalam penelitian ini temyata lebih kecil daripada nilai alpha, sehingga data dikatakan tidak normal. Untuk data yang tidak normal, maka alpha yang digunakan dalam perhitungan VaR adalah alpha yang sesuai dengan rumus Cornish Fisher Expansion. Dari hasil uji volatilitas diketahui data return ketiga mata uang tersebut bersifat homoscedastic, sehingga metode yang digunakan untk melakukan forecasting volatility adalah metode deviasi standar normal. Kemudian berdasarkan perhitungan tersebut dihitung VaR harian dengan confidence level senilai 95% dan holding period 1 hari. Berdasarkan hasil perhitungan tersebut, maka didapatkan nilai VaR sebagai berikut:
Dari tabel di atas diketabui nilai Diversified VaR dan Undiversified VaR. Adanya perbedaan yang cukup signifikan antara Diversified VaR dan Undiversified VaR, yaitu sebesar Rp.7.862.042, disebabkan antara lain karena adanya korelasi negatif antara mata uang SGD dan EUR.
Hal yang berikut dilakukan setelab pengujian return mata uang adalah menguji validitas dari data tersebut. Kegunaaannya adalab untuk mengetabui apakah model Variance Covariance yang digunakan untuk mengbitung risiko nilai tukar pada Bank X tersebut valid atau tidak. Uji Validitas dilakukan berdasarkan Kupiec Test, yaitu Total Number of Failure (TNoF) dan Time Until First Failure (TUFF). Dari basil pengujian validitas tersebut, baik TN oF dan TUFF, babwa model yang telah ditetapkan untuk ketiga mata uang tersebut dinyatakan valid. Hal ini ditunjukkan dengan nilai Likelihood Ratio (LR) yang lebih kecil daripada nilai Chi Square.
Berdasarkan basil akhir penelitian ini maka dapat disimpulkan bahwa setelah mengadakan perhitungan terbadap risiko nilai tukar pada Bank X dengan 3 (tiga) jenis mata uang, maka didapatkan suatu basil yang menyatakan besamya risiko nilai tukar pada Bank X, jika dibitung dengan menggunakan metode Variance Covariance. Dan setelah diadakan pengujian kembali, maka dapat disimpulkan pula bahwa model tersebut adalah model yang cocok untuk digunakan pada penghitungan risiko nilai tukar di Bank."
Depok: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2005
T15888
UI - Tesis Membership  Universitas Indonesia Library
cover
"Beberapa tahun belakangan ini, value at risk (VaR) semakin sering digunakan dalam mengukur risiko finansial. Cara yang populer digunakan adalah metode Delta Normal dan metode simulasi Monte-Carlo. Pada tugas akhir ini akan dibahas metode simulasi historis. Metode ini menggunakan data-data terdahulu untuk memperoleh nilai VaR. Terkadang sulit mendapatkan data dalam jumlah yang besar, keadaan ini menimbulkan keraguan mengenai ketepatan hasil taksiran yang diperoleh. Cara yang banyak digunakan dalam mengolah data berukuran kecil agar menjadi lebih layak adalah dengan bootstrap. Sehingga di beberapa literatur, metode simulasi historis disebut juga dengan metode bootstrap. Metode bootstrap ini akan diterapkan pada suatu data penghasilan, sehingga diperoleh taksiran VaR dari data tersebut. Bootstrap layak digunakan karena memberikan suatu nilai taksiran tak bias, dengan variansi yang mengecil. "
Universitas Indonesia, 2007
S27669
UI - Skripsi Membership  Universitas Indonesia Library
cover
Sandra Chalik
"Latar belakang penulisan karya akhir ini beranjak dari adanya rekapitalisasi perbankan yang dilakukan pemerintah dan adanya amandemen Basel Capital Accord 1998 pada tahun 1996 yang memasukkan unsur risiko pasar sebagai dasar perhitungan kebutuhan modal minimum. Dengan selesainya rekapitalisasi, portofolio aset yang dimiliki bank yang direkapitalisasi sebagian besar berupa obligasi pemerintah. Mengingat instrumen surat berharga obligasi sangat berkaitan dengan risiko pasar terutama faktor risiko suku bunga, dampaknya apabila faktor risiko pasar tersebut tidak dikelola secara baik akan membawa dampak kerugian yang cukup signifikan bagi kelangsungan operasonal bank.
Permasalahan yang timbul adalah untuk menghitung besamya risiko pasar, selama ini yang dilakukan perbankan masih mertggunakan pendekatan tradisional (non statistik) sehingga masih diragukan keakuratannya. Sedangkan pengukuran risiko dengan pendekatan advance approach (value at risk) masih belum banyak diterapkan oleh bankbank di Indonesia termasuk pada bank tempat kami melakukan penelitian.
Tujuan dari penulisan ini adalah untuk mengetahui bagaimana menghitung besarnya risiko pasar dari portofolio obligasi dalam rangka memenuhi perhitungan kebutuhan modal baru dengan menggunakan teknik-teknik : Perhitungan Value at Risk (VaR) dengan pendekatan variance-covariance dengan estimasi volatilitas menggunakan model Exponentially Weighted Moving Average (EWMA), melakukan uji validasi permodelan dengan teknik Back Testing dan Kupiec Testing serta menghitung capital charge yang hams disediak:an untuk mengcover risiko pasar dari portofolio obligasi yang dimiliki bank.
Sebelum sampai pada perhitungan VaR portofolio obligasi, penetapan spesifikasi model yang digunakan sebagai acuan pengolahan data sebagai berikut :
- Perhitungan V aR porto folio obligasi menggunakan portofolio trading yang dimiliki bank posisi tanggal 30 Juni 2003 sebesat Rp. 1.824.127.000.000
- Pembentukan yield curve menggunakan Bradley Crane Model. Hal ini dilakukan karena tidak tersedianya data harianyield curve.
- Confidence Level (CL) yang digunakan 95% dan 99% (one tailed).
- Holdingperiode ditetapkan selama 1 (satu) hari.
- Forecast yield volatility menggunakan EWMA, dengan penetapan decay factor (A.) sebesar 0.94 dan penetapan nilai decay factor yang besamya ditetapkan berdasarkan perolehan mean squared error (MSE) yang terkecil.
- Melakukan validasi permodelan dengan teknik Back Testing dan Kupiec Testing terhadap data observasi (periode Januari 2003 s.d Juni 2003) dan data out of sample (periode Juli 2003 s.d Agustus 2003).
Dengan spesifikasi model diatas, perhitungan yield curve menggunakan Bradley Crane Model menghasilkan data time series yield curve sebanyak 121 titik untuk data observasi dan sebanyak 43 titik untuk data out of sampel untuk 19 jenis yield to maturity (YTM). Dari data tersebut kemudian dilakukan forecast yield volatility dengan permodelan EWMA.
Hasil perhitungan forecast dengan model EWMA (.A= 0,94) setelah dilakukan back testing untuk data observasi maupun data out of sample menghasilkan sejumlah failure. Sedangkan untuk model EWMA yang nilai decay factornya ditetapkan berdasarkan nilai MSE terkecil, secara keseluruhan dari 19 jenis YTM nilai MSE terkecilnya berada pada nilai A, = 0,99. Penetapan nilai tersebut diperoleh dari hasil forecast yang sabagian besar dipengaruhi oleh variance return pada hari yang bersangkutan dan sebagian kecil dari hasil forecast 1 (satu) hari sebelumnya. Setelah dilakukan proses back testing (data observasi maupun data out of sample), permodelan ini tidak menghasilkan failure.
Dari kedua model EWMA tersebut kemudian dilakukan validasi dengan Kupiec Testing, dan temyata secara statistik proportion of failures yang dihasilkan model dapat diterima (valid), sehinggaforecast yield volatility yang dihasilkan kedua model tersebut baik untuk CL 95% maupun CL 99% dapat digunakan untuk menghitung VaR.
Dalam penelitian ini perhitungan VaR dibedakan antara VaR Diversified yang memperhitungkan risk correlation dan VaR Undiversified yang tidak memperhitungkan risk correlation. Sesuai dengan teori membuktikan bahwa dengan memperhitungkan risk correlation menghasilkan nilai VaR yang lebih rendah karena adanya efek diversifikasi.
Dari hasil perhitungan VaR memperlihatkan bahwa permodelan EWMA (A.=0,94) menghasilkan nilai VaR yang lebih rendah dibanding permodelan EWMA (A=0,99), namun nilainya tidak jauh berbeda. Disamping itu, dari perhitungan VaR juga memperlihatkan bahwa dengan menggunakan CL 99% menghasilkan nilai V aR yang lebih besar dibanding CL 95%. Hal ini disebabkan dengan semaki.n besamya CL, nilai statistik (a.) yang digunakan untuk menghitungyield volatilitas juga semakin besar.
Dengan memperbitungkan risiko pasar kedalam perbitungan CAR maka peroleban CAR posisi 30 Juni 2003 sebesar 12,36% mengalami penurunan antara 0,06% s.d 0,09% untuk setiap permodelan ( dengan asumsi bukan hanya posisi obligasi trading pada tanggal 30 Juni 2003 yang dihitung dalam market risk). Secara ringkas basil perbitungan VaR, capital charge dan CAR sebagai berikut:
Dari hasil penelitian dapat disimpulkan babwa perbitungan VaR portofolio obligasi dengan pendekatan variance covariance yang forecast volatilitasnya menggunakan permodelan EWMA dapat digunakan bank dalam perbitungan risiko pasar. Sedangkan penetapan decay factor dalam perhitungan forecast, untuk kondisi di Indonesia pada saat ini yang paling cocok adalab sebesar 0,99. Hal ini telab dibuktikan bahwa permodelan EWMA (A. = 0.99) tidak menghasilkan failure, walaupun basil perbitungan VaR dan capital charge-nya sedikit lebib besar, namun basil akhir perbitungan CAR-nya tidakjauh berbeda dibanding permodelan EWMA (A.= 0,94)."
Depok: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2003
T11759
UI - Tesis Membership  Universitas Indonesia Library
<<   1 2 3 4 5 6 7 8 9 10   >>