Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :

Tujuan penelitian ini adalah untuk menguji pengaruh risk identification, risk measurement dan monitoring, risk controlling, dan bank size terhadap tingkat rasio non-performing loans pada industri perbankan di Indonesia. Objek penelitian yaitu seluruh bank umum yang terdaftar pada Bursa Efek Indonesia yang memublikasikan laporan tahunannya selama periode tahun 2011 sampai dengan 2015. Estimasi model penelitian terdiri dari tiga model yang dilakukan dengan menggunakan metode regresi data panel Feasible General Least Square (FGLS), Fixed Effect, dan Panel-Corrected Standard Errors (PCSE) secara berurutan. Hasil penelitian secara keseluruhan menunjukkan bahwa pada umumnya bank telah melaksanakan risk identification, risk measurement dan monitoring, risk controlling. Namun, dalam implementasinya belum sepenuhnya berjalan dengan efektif. Pengelolaan manajemen risiko kredit yang baik dan tepat dapat membantu bank, baik berukuran kecil maupun besar, untuk meminimalisir tingkat rasio non-performing loans.

---

This study aims to examine the impact of risk identification, risk measurement and monitoring, risk controlling, and bank size to non-performing loan ratio in Indonesian banking industry. The object of study is all commercial banks listed in the Indonesian Stock Exchange that published its annual reports during the period of 2011 to 2015. The model estimation consists of three models which is being employed by Feasible General Least Square (FGLS), Fixed Effect, Panel-Corrected Standard Errors (PCSE), respectively. The findings reveal that in general bank has implemented risk identification, risk measurement and monitoring, risk controlling. However, the implementation has not fully run effectively. Sound and proper credit risk management, both small and large bank, play important roles in minimizing non-performing loan ratio.

Abstrak :
ABSTRACT
Pengukuran risiko merupakan hal yang sangat penting untuk mengidentifikasi potensi kerugian sehingga dapat dilakukan mitigasi risiko. Salah satu alat ukur risiko yang paling sering digunakan adalah Tail Conditional Expectation (TCE) yang menyatakan rata-rata nilai loss terburuk yang melebihi suatu nilai persentil tertentu. Namun TCE belum dapat menggambarkan variabilitas loss pada ekor dengan jelas, karena dari pendefinisiannya TCE hanya mengukur rata-rata yaitu suatu ukuran pemusatan data. Padahal, informasi mengenai variabilitas loss pada ekor sangat penting karena loss dengan variabilitas yang tinggi cenderung memiliki risiko yang tinggi juga, sehingga pengukuran variabilitas loss pada ekor distribusinya diperlukan untuk mengurangi ketidakpastian terkait risiko. Oleh karena itu, pada skripsi ini dibahas dua alat ukur risiko yang dapat digunakan sebagai alternatif untuk mengukur variabilitas loss pada ekor distribusinya, yaitu Tail Variance Premium (TVP) dan Tail Standard Deviation Premium (TSDP). TVP dan TSDP mampu memberikan pengukuran risiko yang lebih komprehensif karena memiliki unsur ukuran pemusatan sekaligus dispersi data loss. Selain itu, pada skripsi ini juga ditentukan bentukbentuk eksplisit dari TVP dan TSDP untuk beberapa distribusi. Selanjutnya, dilakukan simulasi perhitungan risiko risiko dari aset investasi dan data klaim asuransi menggunakan TVP dan TSDP. Simulasi perhitungan risiko akan dilakukan dengan dua metode, yaitu metode parametrik dan non-parametrik.

---

ABSTRACT
Risk measurement is important to identify potential loss hence risk mitigation could be done. Risk measure that is commonly used is Tail Conditional Expectation (TCE), which measures expectation of loss given loss exceeded certain percentiles. However, TCE cannot provide enough information related to variability of loss along its tail due to its definition as a measure of central tendency. On the other hand, information related to variability of loss along its tail is crucial since loss with higher variability tends to have higher risk as well hence variability measurement on the tail is necessary to reduce risk uncertainty. Therefore, this thesis explores two alternative risk measures for variability measurement, which are Tail Variance Premium (TVP) and Tail Standard Deviation Premium (TSDP). TVP and TSDP could provide more comprehensive risk measurement since both risk measurement possesses central tendency as well as dispersion of loss. Besides, this thesis provides the explicit form of TVP and TSDP of loss from several distributions. Next, simulation of risk calculation will be performed to measure risk of asset and insurance claim data using TVP and TSDP. Simulation is done under two methods, which are parametric and non-parametric.

Abstrak :
Risiko merupakan suatu ketidakpastian yang dapat terjadi di masa mendatang dan dapat menimbulkan suatu kerugian atau loss. Untuk meminimalisir loss tersebut, diperlukan alat ukur risiko untuk memprediksi loss-loss yang mungkin terjadi di masa depan. Sebelumnya, terdapat beberapa alat ukur risiko yang umum digunakan seperti Value-at- Risk (VaR) dan Expected Shortfall (ES), namun kedua alat ukur ini tidak memberikan informasi mengenai variabilitas data pada ekor distribusi. Untuk menutupi kekurangan tersebut, Corrado Gini (1912) menemukan suatu alat ukur risiko yang dikenal dengan Gini Shortfall (GS). GS dipandang menjadi alat ukur risiko yang lebih komprehensif karena bersifat koheren dan mempertimbangkan variabilitas pada ekor distribusi. Namun, GS menggeneralisasi bahwa semua orang memiliki kecenderungan sikap yang sama dalam menghadapi risiko, padahal kenyataannya tidak demikian. Oleh karena itu, Yitzhaki (1983) mengembangkan GS menjadi Extended Gini Shortfall (EGS). EGS merupakan bentuk generalisasi dari GS dengan memperhitungkan parameter risk-aversion, suatu kecenderungan sikap untuk memilih risiko seminimal mungkin. Alat ukur EGS memenuhi sifat koheren dengan syarat tertentu dan dapat memperhitungkan rata-rata severitas loss sekaligus variabilitas data pada ekor distribusi. Perhitungan variabilitas ini menggunakan alat ukur Tail Extended Gini functional berbasis Extended Gini functional. Selanjutnya, dilakukan pembentukan formula eksplisit EGS untuk distribusi eksponensial, Pareto, dan logistik, serta dijabarkan contoh perhitungan EGS dalam menghitung risiko. Perhitungan ini menggunakan data loss saham bulanan PT Unilever Indonesia Tbk (UNVR) dari November 2010 hingga November 2020. Dengan parameter risk-aversion yang konstan, didapatkan kecenderungan meningkatnya nilai EGS seiring meningkatnya tingkat kepercayaan. Sementara dengan tingkat kepercayaan yang konstan, didapatkan kecenderungan menurunnya nilai EGS seiring meningkatnya parameter risk-aversion. ......Risk is an uncertainty that may occur in the future and cause a loss. To minimize the loss, a risk measure is needed to predict future losses. There are several risk measures such as Value-at-Risk (VaR) and Expected Shortfall (ES), but these instruments do not provide information on data variability in the distribution tail. To cover this deficiency, Corrado Gini (1912) invented a risk measure known as Gini Shortfall (GS). GS is said to be a more comprehensive risk measure because it is coherent and provide information about variability of the distribution tail. However, GS generalizes that everyone has the same tendency to take risks, when in reality they do not. Therefore, Yitzhaki (1983) developed GS into Extended Gini Shortfall (EGS). EGS is a generalization of GS by taking riskaversion into consideration. Risk-aversion is a tendency to take minimum risk. Also, EGS is a coherent risk measure under certain conditions and can calculate average severity and variability of losses in the distribution tail with Tail Extended Gini functional, a variability measure based on the Extended Gini functional. Furthermore, the explicit formula of EGS for exponential, Pareto, and logistic distributions and also the example of EGS calculation are presented in this paper. This calculation uses monthly loss of PT Unilever Indonesia Tbk (UNVR) stock from November 2010 to November 2020. Assuming a constant riskaversion parameter, EGS tends to increase with the increasing prudence level. Meanwhile, with a constant prudence level, EGS tends to decrease with the increasing risk-aversion parameter.

Abstrak :
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%.

Abstrak :
Dalam upaya menjaga stabilitas finansial dan meminimalkan risiko yang ditanggungnya, perusahaan asuransi dapat mengasuransikan kembali risiko yang ia tanggung melalui kontrak reasuransi. Pembentukan kontrak reasuransi yang optimal biasanya hanya melibatkan satu reasuradur. Adapun pada kenyataannya, perusahaan asuransi umumnya menjalin suatu perjanjian reasuransi dengan melibatkan beberapa reasuradur yang tersedia di pasar. Hal ini dimungkinkan karena cakupan industri asuransi yang terus berkembang. Dalam praktiknya, perusahaan asuransi dan reasuradur mungkin saja memiliki keyakinan yang berbeda (heterogeneous belief) atas distribusi probabilitas yang mendasari risiko asuransi. Dalam penelitian ini, akan dikonstruksi kontrak reasuransi yang optimal bagi perusahaan asuransi, dengan melibatkan beberapa reasuradur multiple reinsurers) dan mempertimbangkan perbedaan keyakinan (heterogeneous belief) antara perusahaan asuransi dan reasuradur. Alat pengukuran risiko distorsi Tail Value-at-Risk (TVaR) akan digunakan untuk menentukan porsi risiko optimal yang dialihkan kepada reasuradur, sedangkan perhitungan premi reasuransi akan dilakukan dengan menggunakan prinsip premi distorsi Tail Value-at-Risk (TVaR). Melalui skripsi ini, diperoleh bahwa penentuan kontrak reasuransi optimal dengan banyak reasuradur memiliki bentuk layer reinsurance contract, di mana besar risiko yang ditanggung oleh perusahaan asuransi dan masing-masing reasuradur bergantung pada tingkat kepercayaan dan distribusi probabilitas dari risiko asuransi, yang diyakini oleh masing-masing pihak yang terlibat dalam kontrak reasuransi. ......To maintain financial stability and minimize losses, insurance companies can reinsure the risks it bears through reinsurance contracts. The construction of optimal reinsurance contract usually involves only one reinsurer. However, in reality, insurance companies usually formed a reinsurance contract by involving multiple reinsurers available on the market. This is possible due to the scale of the insurance industry that continues to grow. In practice, insurance companies and reinsurers may have different beliefs (heterogeneous beliefs) regarding the underlying probability distribution of the insurance risk. In this research, an optimal reinsurance contract will be constructed from the perspective of insurance company, involving multiple reinsurers and by considering heterogeneous beliefs between insurance company and reinsurers. The Tail Value-at-Risk as distortion risk measure, will be used to determine the optimal portion of risk transferred to reinsurers, while the reinsurance premium calculation will be carried out using Tail Value-at-Risk as distortion premium principle. Through this study, it is found that the optimal reinsurance contract with multiple reinsurers have layer-type shape, and the risk retained by the insurer and the risk allocated to each reinsurer, depends on the level of confidence and probability distribution of insurance risks believed by each party involved in the reinsurance contract.

Abstrak :
Risiko merupakan kemungkinan bahwa peristiwa-peristiwa yang tidak diinginkan akan terjadi di masa depan. Demi meminimalisir risiko yang dihadapi perusahaan atau perorangan, dibutuhkan alat ukur yang dapat mengkuantifikasi risiko dengan baik. Beberapa contoh alat ukur risiko yang umum digunakan adalah Value-at-Risk (VaR) dan Expected Shortfall (ES). VaR mengukur batas bawah dari loss-loss yang besar pada ekor suatu distribusi loss, sementara ES mengukur rata-rata atau ukuran pemusatan dari lossloss yang melebihi VaR. Namun, kelemahan dari kedua alat ukur ini adalah tidak adanya informasi yang diberikan mengenai variabilitas data pada ekor distribusi tersebut. Oleh karena itu, pada skripsi ini diperkenalkan dan dibahas lebih lanjut mengenai Gini Shortfall (GS), suatu alat ukur risiko yang dapat dikatakan lebih komprehensif dibandingkan VaR maupun ES. GS dapat menjelaskan mengenai variabilitas data pada ekor distribusi yang diukur menggunakan Tail-Gini functional, yaitu pengukuran variabilitas berbasis Gini Mean Difference atau Gini functional yang diterapkan pada ekor distribusi. Kelebihan lain GS adalah sifatnya yang dapat memenuhi empat kriteria koherensi apabila memenuhi syarat tertentu, dimana alat ukur yang koheren dapat menjadi berguna bagi perusahaan maupun investor dalam menentukan strategi bisnis dan investasi yang tepat. Selain itu, pada skripsi ini juga akan ditentukan formula eksplisit GS untuk beberapa jenis distribusi kontinu yang sering ditemukan dalam pengukuran loss, yaitu distribusi eksponensial, Pareto, dan logistik. Formula eksplisit yang didapat kemudian digunakan untuk menghitung risiko dari suatu data saham riil.
A risk is the possibility of undesirable events happening in the future. Companies or individuals may minimize risks by selecting a good risk measure that is able to properly quantify the risks they face. Some well-known risk measures include the Value-at-Risk (VaR) and the Expected Shortfall (ES). VaR measures the lower bound for big losses in a loss distribution tail, while ES measures the average or central tendency of losses surpassing or breaching the VaR. Unfortunately, there are some drawbacks in using the stated risk measures, mainly that they do not provide any information regarding the variability of losses in the distribution tail. For that reason, this thesis will introduce and explore Gini Shortfall (GS), a risk measure said to be more comprehensive than VaR and ES. GS is able to provide information on the variability of data in distribution tails measured with Tail-Gini functional, which is a tail variability measure based on the variability measure Gini Mean Difference or Gini functional. Another superiority of GS compared to other risk measures is that under certain conditions, it can satisfy the four criteria of coherency. A coherent risk measure may be useful for companies or investors to determine the right business and investing strategies. Besides that, this thesis will also provide explicit formulas of GS for some continuous distributions commonly used in loss models, namely the exponential, Pareto, and logistic distributions. These formulas are then applied to calculate risks from actual stock data.