Hasil Pencarian  ::  Simpan CSV :: Kembali

"Perencanaan proyek merupakan proses yang kompleks yang melibatkan aplikasi dari kumpulan pengetahuan teknik untuk menghasilkan suatu ide yang kreatif sebagai hasil yang diminta dalam obyektif suatu proyek. Mengukur kualitas perencanaan sebagai bagian dari produktiltas perencanaan lebih sulit jika dibandingkan dengan mengukur kualitas dan produktifitas dalam masa pelaksanaan.Pengendalian kualitas perencanaan yang dilakukan selama masa pelaksanaan pekerjaan perencanaan sangat diperlukan, terutama bila terjadi perubahan faktor-faktor lain yang menjadi batasan proyek seperti waktu, biaya, lingkup kerja. Untuk itu maka perlu dikembangkan suatu sistem atau cara yang dapat memenuhi keperluan tersebut. Pengendali kualitas perencanaan lebih sulit dilakukan karena pada umumnya lebih bersifat intangible atau kualitatif, padahal untuk memperoleh hasil kerja yang optimal mensyaratkan adanya kepastian atas keluaran yang dibuat.Gagasan cara pengendalian dengan metoda perhitungan ini diberi nama Expected Risk Value (ERV) merupakan pengembangan dari teori expected value dan cara perhitungan Expected Monetary Value(EMV). Metode perhitungannya diperoleh dengan merubah nilai monetary atau nominal mata uang menjadi besaran utility value. Kualitas perencanaan dapat dikuantifikasi dengan merubah semua satuan penunjang untuk pengerjaan setiap komponen pekerjaan menjadi besaran utility value. Pengurangan pencapaian utility value akibat perubahan jadwal berupa pemendekan waktu pelaksanaan pekerjaan menimbulkan risiko pengurangan kualitas perencanaan.Perhitungan ERV ternyata dapat mengetahui bagian mana dari seluruh pekerjaan yang memberikan kontribusi paling significant kepada pengurangan kualitas perencanaan, dan pengendalian dapat dikonsentrasikan kepada bagian pekerjaan ini. Pengujian hipotesa dari kasus proyek membuktikan bahwa kinerja Konsultan Perencana Master Plan Infrastruktur yang dicapai setelah dilakukan pengendalian risiko perubahan kualitas perencanaan atas dasar perhitungan ERV ternyata berbeda cukup significant dibandingkan dengan sebelumnya.

---

Expected Risk Value (ERV) Controlling Method for the Change of Design Quality: Case Study Infrastructure Master Plan DesignProject design is a complex process involving the application of technical knowledge to produce a creative idea as a result of the project objective. Measuring a design quality as part of design productivity is more difficult compare with measuring the quality and productivity during construction works.Controlling design quality during design work is really needed; especially when facing changes in other constrain factors such as time, project cost or scope of work. Therefore it is necessary to develop a system or a method, which can fulfill the requirement. Design quality control is more difficult to implement because it usually more intangible or qualitative, in the other hand to get an optimal result requires an assurance of the design output.Expected Risk Value (ERV) as the proposed design quality controlling method is developed from the expected value theory and Expected Monetary Value(EMV) calculation method, The ERV calculation modifies the monetary value or currency amount into utility value. Design quality can be quantified by changing the entire supporting amount to do all design components into utility value. The decreasing of utility value achievement as a result of shortening the design working time will decrease the design quality.ERV calculation method can detect which part of the design work gives the most significant contribution to design quality decrease and the risk mitigation can be concentrated to this work. The hypothetical test from the case study proofed that the Design Consultant of the Infrastructure Master Plan performance achievement after implementing the risk controlling method based on ERV calculation had shown significant improvement compared with the previous condition."

"Dalam rangka meminimalisir risiko yang dimiliki, sebuah perusahaan asuransi dapat memindahkan sebagian risiko yang dimiliki kepada perusahaan reasuransi. Sebagai imbalan atas pemindahtanganan risiko yang dilakukan, perusahaan asuransi perlu membayarkan sejumlah uang kepada perusahaan reasuransi yang disebut dengan premi reasuransi. Semakin besar risiko yang dipindahtangankan, maka akan semakin besar pula nilai premi reasuransi yang harus dibayarkan. Model reasuransi yang akan digunakan dalam pembahasan skripsi ini adalah reasuransi excess of loss, yaitu bentuk reasuransi dimana perusahaan reasuransi memiliki tanggung jawab untuk memberikan pertanggungan atas kerugian milik perusahaan asuransi yang melebihi jumlah atau batas tertentu. Selain itu, juga perlu ditentukan nilai retensi optimal agar besar premi reasuransi yang dibayarkan seimbang dengan jumlah risiko yang dipindahtangankan. Retensi sendiri merupakan jumlah maksimal kerugian yang tidak diasuransikan kembali oleh perusahaan asuransi atau kerugiannya ditanggung sendiri oleh perusahaan asuransi. Pada skripsi ini, nilai ekspektasi utilitas manfaat bersih dimaksimalkan guna menentukan premi reasuransi dan retensi optimal bagi kedua belah pihak, yaitu perusahaan asuransi dan perusahaan reasuransi. Terdapat dua operator perhitungan optimalisasi ekspektasi utilitas yang digunakan dalam menggabungkan ekspektasi utilitas perusahaan reasuransi dan ekspektasi utilitas perusahan asuransi, yaitu operator hitung penjumlahan yang menekankan pada total keuntungan kedua belah pihak dan operator hitung perkalian yang menjelaskan tingkat substitusi keuntungan salah satu pihak melalui kerugian dari pihak lain. Perhitungan nilai premi reasuransi dan retensi optimal dengan maksimisasi ekspektasi utilitas akan dilakukan menggunakan metode grid search pada perangkat lunak Phyton. Sebagai ilustrasi, ditentukan perhitungan nilai premi reasuransi dan retensi optimal berbasis ekspektasi utilitas apabila kerugian milik perusahaan asuransi mengikuti distribusi Lognormal dan Eksponensial.

---

In order to minimize its risks, an insurance company can transfer some of its risks to a reinsurance company. In return for the transfer of risk, the insurance company needs to pay a sum of money to the reinsurance company called the reinsurance premium. The greater the risk transferred, the greater the value of the reinsurance premium that must be paid. The reinsurance model that will be used in the discussion of this thesis is excess of loss reinsurance, which is a form of reinsurance where the reinsurance company has the responsibility to provide coverage for losses owned by insurance companies that exceed a certain amount or limit. In addition, it is also necessary to determine the optimal retention value so that the amount of reinsurance premium paid is balanced with the amount of risk transferred. Retention itself is the maximum amount of loss that is not reinsured by the insurance company or the loss is paid by the insurance company itself. In this thesis, the expected value of net benefit utility is maximized to determine the optimal reinsurance premium and retention for both parties, namely the insurance company and the reinsurance company. There are two utility expectation optimization calculation operators used in combining the expected utility of the reinsurance company and the expected utility of the insurance company, namely the addition calculation operator which emphasizes the total profit of both parties and the multiplication calculation operator which explains the degree of substitution of one party’s profit through the loss of the other party. The calculation of the optimal reinsurance premium and retention value with utility expectation maximization will be carried out using the grid search method in Python software. As an illustration, the calculation of the optimal reinsurance premium and retention value based on utility expectation is determined if the insurance company’s losses follow the Lognormal and Exponential distributions."

"Risiko adalah suatu kejadian atau tindakan yang berdampak negatif terhadap kemampuan lembaga untuk mencapai tujuan dan menentukan strategi. Salah satu pendekatan untuk mengukur risiko operasional adalah Advanced Measurement Approach (AMA), dimana bank diperkenankan untuk mengolah data internal dengan model yang dikembangkan secara internal. Dengan metode Loss Distribution Approach di AMA, bank mengestimasi dua fungsi distribusi probabilitas, yaitu distribusi frekuensi kerugian dan distribusi severitas kerugian tahunan pada setiap risiko. Selanjutnya, kedua fungsi distribusi tersebut digabungkan menjadi distribusi majemuk untuk menentukan value at risk masingmasing risiko menggunakan simulasi Monte Carlo pada tingkat kepercayaan 99,9%. Nilai risiko yang mungkin terjadi diluar estimasi distribusi severitas dapat mempengaruhi value at risk, sehingga dapat mempengaruhi prediksi rencana bisnis untuk tahun yang akan datang. Metode One-Class Support Vector Machine (SVM) dapat digunakan untuk mendeteksi data outlier tersebut. Dalam beberapa kasus, metode statistik tidak dapat mendeteksi data outlier. Selain itu, dalam menentukan data outlier tergantung pada seberapa penting informasi yang diperlukan dari data outlier tersebut, sehingga penentuannya bersifat subjektif. Adapun tujuan simulasi pada tulisan ini adalah melakukan analisis penggunaan metode One-Class SVM dalam mendeteksi outlier pada distribusi severitas dan pengaruh outlier pada perhitungan value at risk. Dari hasil analisis diperoleh data outlier yang mempengaruhi perhitungan value at risk.

---

Achieve its objectives and execute its strategies. One approach to measure operational risk is the Advanced Measurement Approach (AMA), which allows banks to process internal data with internally developed models. Under the Loss Distribution Approach in AMA, the bank estimates two distribution functions of the annual loss data to generate compound distribution to determine value at risk of each risk using Monte Carlo simulation at 99.9% confidence level. The risk amount that may occur outside of the estimated loss severity distribution can affect the value at risk, so that it can affect the prediction of business plan for the next years. In some cases, statistical methods cannot detect outliers and its determination is relatively subjective. The purpose of the simulations in this paper is to perform analysis of the use of One-Class SVM in detecting outliers in the loss severity distribution and the effect of the outliers on the value at risk. As a result, the outliers have successfully been detected in the loss severity distribution and there is the effect of the outliers on the value at risk."

"ABSTRAKPenelitian ini bertujuan untuk melihat dampak dari kepemilikan asing dan negarapada risiko bank. Analisis regresi panel data digunakan pada 28 sampel bankkomersil dari Indonesia dan Thailand selama periode 2008-2014. Metode regresimenggunakan regresi panel dengan generalized least square. Hasil dari penelitianini menunjukan 3 (tiga) temuan. Yang pertama, jika dilihat dari risiko kebangkrutannya,bank kepemilikan asing maupun bank kepemilikan negara tidak mempengaruhirisiko kebangkrutan secara signifikan. Penemuan kedua, jika dilihat dari risikoasetnya, bank kepemilikan asing berkorelai negatif terhadap risiko aset sedangkankepemilikan negara berkorelasi positif. Penemuan yang terakhir, jika dilihat daritingkat kecukupan modal, bank kepemilikan negara cenderung memiliki tingkat kecukupanyang lebih baik dibandingkan bank kepemilikan asing

---

ABSTRACTThis paper aims to investigate the impact of foreign and state ownership onbanking risk. Panel data regression analysis is applied to a sample of 28 commercialbanks from Indonesia and Thailand during the 2008?2014 period. The panel dataapproach with generalized least square model is employed in this research. Thispaper have three important findings. The first result, in terms of insolvency risk,both foreign or state ownership does not affect significantly to the insolvency risk.The second finding, in terms of risk assets, foreign ownership correlates negativelyto risk assets while the state ownership positively correlated. The last finding, interms of level of capital adequacy, banks in state ownership tend to have a betteradequacy than foreign ownership"

"Pemerintah Indonesia melalui program Making Indonesia 4.0 yang dicanangkan oleh Kementrian Perindustrian Indonesia bertujuan untuk merevitalisasi sektor manufaktur dan meningkatkan daya saing pada pasar global. Ada lima sektor yang menjadi fokus Kementrian Perindustrian pada Industri Manufaktur di Indonesia. Salah satunya sektor industri otomotif yang menjadi objek pada penelitian ini. Sektor industri otomotif diharapkan pada tahun 2030 menjadi produsen mobil terbesar di ASEAN dengan melaksanakan empat strategi otomotif di dalam making Indonesia 4.0 melalui implementasi teknologi industri 4.0 yaitu teknologiInternet of Things (IoT). Pada implementasi IoT dibutuhkan identifikasi key risk factors (KRF). Tujuan dari identifikasi KRF adalah untuk mengetahui faktor risiko yang relevan dalam implementasi IoT di Industri Manufaktur pada sektor otomotif. Hasil penelitian mendapatkan 21 KRF yang dikelompokan ke dalam 3 kategori berdasarkan studi literatur dan 14 KRF yang relevan dalam implementasi IoT di Industri Manufaktur berdasarkan penilaian para ahli yang terbagi ke dalam tiga tingkat risiko yaitu 1 KRF yang memiliki tingkat low, 10 KRF yang memiliki tingkat medium, dan 3 KRF yang memiliki tingkat high. Para ahli memilih tiga KRF dengan tingkat risiko high yaitu kesulitan dalam mendesain produk yang mendukung IoT, kebocoran oleh pekerja terhadap hal - hal yang bersifat privasi, dan kehilangan kontrol data sementara atau permanen untuk dibuat rancangan strategi mitigasi faktor risiko menggunakan risk management model kerangka COBIT 5.

---

Indonesian Ministry of Industry launched the Making Indonesia 4.0 program to revitalize the manufacturing sector and increase competitiveness in the global market.There are five sectors that the Ministry of Industry focuses on in the Manufacturing Industry in Indonesia, one of them is the automotive industry sector which is the object of this research. The automotive industry sector is expected to become the largest car manufacturer in ASEAN by 2030 by implementing four automotive strategies in making Indonesia 4.0 through the implementation of industrial technology 4.0, namely Internet of Things (IoT) technology. In IoT implementation, it is required to identify the key risk factors (KRF). The purpose of KRF identification is to determine the relevant risk factors in the implementation of IoT in the Manufacturing Industry in the automotive sector. The results obtained 21 KRFs which were grouped into 3 categories based on the literature study and 14 KRFs relevant in the implementation of IoT in the Manufacturing Industry based on the assessment of experts which were divided into three levels of risk, namely 1 KRF which had a low level, 10 KRFs which had a medium level, and 3 KRFs which has a high level. The experts chose three KRFs with a high level of risk, namely difficulty of designing IoT enabled products, The leakage of private keys from manufacturers practitioner, and Temporary or permanent loss of data control to design a risk factor mitigation strategy using the COBIT 5 framework risk management model."

"This book presents intellectual, innovative, information technologies (I3-technologies) based on logical and probabilistic (LP) risk models. The technologies presented here consider such models for structurally complex systems and processes with logical links and with random events in economics and technology. The volume describes the following components of risk management technologies : LP-calculus, classes of LP-models of risk and efficiency, procedures for different classes, special software for different classes, examples of applications, methods for the estimation of probabilities of events based on expert information. Also described are a variety of training courses in these topics. The classes of risk models treated here are : LP-modeling, LP-classification, LP-efficiency, and LP-forecasting. Particular attention is paid to LP-models of risk of failure to resolve difficult economic and technical problems. Amongst the discussed procedures of I3-technologies are the construction of LP-models, LP-identification of risk models; LP-risk analysis, LP-management and LP-forecasting of risk. The book further considers LP-models of risk of invalidity of systems and processes in accordance with the requirements of ISO 9001-2008, LP-models of bank operational risks in accordance with the requirements of Basel-2, complex risk LP-models for preventing ammunition depot explosions, enterprise electric power supply systems, debugging tests of technical systems, etc. The book also considers LP-models of credit risks, securities portfolios, operational risks in banking, conteraction of bribes and corruption, etc. A number of applications is given to show the effectiveness of risk management technologies. "

"ABSTRACTPemodelan regresi telah diterapkan dalam perbankan ritel karena kemampuannya dalam menganalisis data kontinu maupun diskrit. Hal tersebut merupakan alat yang penting dalam penilaian risiko kredit, stress testing, serta evaluasi aset kredit. Pada tugas akhir ini, pendekatan yang digunakan adalah dengan menggunakan model regresi logistik multinomial untuk mengetahui faktor-faktor yang memengaruhi terjadinya default dan attrition pada suatu kredit. Selain itu, pada tugas akhir ini juga akan diperkenalkan pendekatan regresi spline dengan menggunakan truncated power basis untuk memodelkan fungsi hazard. Fleksibilitas dari fungsi spline memberikan kemampuan untuk memodelkan fungsi hazard yang berbentuk nonlinier dan tidak beraturan. Kemudian, dengan menggunakan regresi spline dan regresi logistik multinomial, akan diperoleh sebuah hasil dan interpretasi yang lebih baik. Terdapat beberapa kelebihan dari penggunaan kedua model tersebut. Pertama, dengan menggunakan fungsi regresi spline yang fleksibel, dapat dimodelkan fungsi hazard yang berbentuk nonlinier dan tidak beraturan. Kedua, mudah dipahami dan diterapkan, dan bentuk parametrik model regresi logistik multinomial yang sederhana dapat memudahkan dalam interpretasi model. Ketiga, memiliki kemampuan untuk prediksi. Pada akhir pembahasan, dengan menggunakan sebuah data kartu kredit akan dilakukan pengaplikasian dari model regresi logistik multinomial dan regresi spline, dilengkapi dengan penjelasan secara statistika dan akurasi prediksi.

---

ABSTRACTRegression modeling has been adapted in retail banking because of its capability to analyze the continuous and discrete data. It is an important tool for credit risk scoring, stress testing and credit asset evaluation. In this thesis, the approach used is multinomial logistic regression model to gain the information regarding the factors that affect the occurrence of default and attrition. In addition, this thesis will also introduce spline regression approach using truncated power basis to model the hazard function. The flexibility of spline function allows us to model the nonlinear and irregular shapes of the hazard functions. Then, by using spline regression and multinomial logistic regression model, there will be a better result and interpretation. There are several advantages by using those both models. First, by using the flexible spline regression function, it can model nonlinear and irregular shapes of the hazard functions. Second, it is easy to understand and implement, and its simple parametric form from multinomial logistic regression model can make it easy in model interpretation. Third, the model has the ability to do prediction. Furthermore, by using a credit card dataset, we will demonstrate how to build these model, and we also provide statistical explanatory and prediction accuracy."

"Obligasi katastrofe adalah obligasi dengan pembayaran bunga dan nilai pokok bergantung pada suatu kondisi dari dampak katastrofe yang sebelumnya telah ditentukan suatu nilai ambang batas kerugian. Digunakan konsep Value at Risk (VaR) untuk menentukan suatu nilai ambang batas dampak katastrofe yang disebut sebagai trigger level sebagai acuan pembayaran nilai kupon ataupun nilai pokok. Dalam skripsi ini penentuan harga obligasi mempertimbangkan kerugian ekonomi dan korban jiwa sebagai dampak katastrofe, sehingga disebut multi-event. Skripsi ini menggunakan model copula dan Peaks Over Threshold (POT). Pada model ini jumlah kejadian katastrofe diasumsikan mengikuti Proses Poisson. Fungsi distribusi marginal masing-masing dampak digambarkan menggunakan POT, kemudian fungsi distribusi bersamanya digambarkan menggunakan copula. Parameter dari model POT dan copula diestimasi menggunakan metode maximum likelihood. Setelah dilakukan estimasi parameter model, dapat dilakukan penentuan harga obligasi katastrofe dengan cara membentuk formula harga obligasi katastrofe terlebih dahulu. Pembentukan formula tersebut melibatkan konsep probabilitas dibayarkannya kupon dan nilai pokok selama masa obligasi berlaku. Hasil akhir menunjukkan harga obligasi mempunyai korelasi negatif terhadap maturity dan korelasi positif terhadap trigger level dan tingkat kupon.

---

Catastrophe bonds are bonds with interest payments and principal values contingent on predefined thresholds of losses resulting from a catastrophe. The Value at Risk (VaR) concept is employed to determine a threshold value for the catastrophe impact, referred to as the trigger level, serving as a reference for the payment of coupon and principal values. In this thesis, bond pricing considers economic losses and casualties as the multievent impacts of a catastrophe. The study utilizes the copula model and Peaks Over Threshold (POT) approach, incorporating a Poisson distribution to model the number of catastrophe events. The marginal distribution functions for each impact are depicted using POT. Subsequently, the joint distribution function is illustrated using copula. The parameters of the POT model and copula are estimated through the maximum likelihood method. Following the parameter estimation, bond pricing is determined by formulating a catastrophe bond pricing formula. This formulation involves the probability concepts associated with coupon and principal payments over the bond's tenure. The ultimate findings indicate that bond prices exhibit a negative correlation with maturity and a positive correlation with trigger levels and coupon rates."

"Proyek pembangunan gas processing facility (GPF) sering mengalami keterlambatan, yang dapat berakibat pada kerugian finansial dan operasional yang signifikan. Penelitian ini bertujuan untuk mengembangkan model risiko yang akurat untuk meningkatkan kinerja waktu proyek GPF. Model ini menggunakan metode Analisa Risiko Kuantitatif (QRA) dan simulasi Monte Carlo untuk mengidentifikasi dan mengukur risiko yang paling berpengaruh terhadap kinerja waktu proyek. Keterlambatan proyek GPF dapat disebabkan oleh berbagai faktor, seperti perubahan desain, kondisi pandemi tidak terduga, keterlambatan fabrikasi, ketidakmampuan kontraktor, dan keterlambatan pengadaan bahan dapat menyebabkan keterlambatan proyek, kegagalan dalam mengidentifikasi, menilai, dan mengelola risiko secara efektif dapat meningkatkan kemungkinan keterlambatan proyek. Kurangnya komunikasi dan koordinasi antar tim proyek dapat menyebabkan miskomunikasi, penundaan, dan re-work, yang pada akhirnya dapat menyebabkan keterlambatan proyek.Penelitian ini mengusulkan model risiko yang menggunakan metode QRA dan simulasi Monte Carlo untuk mengatasi masalah keterlambatan proyek GPF. Model ini membantu tim proyek untuk mengidentifikasi risiko-risiko yang paling berpengaruh terhadap kinerja waktu proyek, mengukur tingkat ketidakpastian yang terkait dengan setiap risiko, dan mengembangkan strategi mitigasi risiko yang efektif untuk mengurangi kemungkinan dan dampak keterlambatan proyek.Hasil penelitian menunjukkan bahwa metode QRA dengan simulasi Monte Carlo adalah alat yang efektif dalam mengidentifikasi risiko-risiko yang dominan dan mengukur tingkat ketidakpastian dalam proyek GPF. Output simulasi memberikan informasi tentang distribusi probabilitas, histogram, statistik deskriptif, analisis sensitivitas, dan grafik hasil yang membantu dalam pemahaman dan pengambilan keputusan yang lebih baik terkait risiko proyek.Penelitian ini memberikan kontribusi signifikan dalam mengatasi masalah keterlambatan proyek GPF dengan menghadirkan model risiko yang inovatif dan efektif. Model ini memberdayakan tim proyek untuk mengidentifikasi, mengukur, dan memitigasi risiko secara proaktif, sehingga meningkatkan kinerja waktu proyek dan menghasilkan proyek yang lebih sukses. Dengan menggunakan model risiko yang baru ini, proyek pembangunan gas processing facility dapat dilakukan dengan lebih efektif dan efisien, mengurangi risiko terjadinya penundaan waktu penyelesaian proyek.

---

The construction of Gas Processing Facilities (GPF) often experiences delays, which can lead to significant financial and operational losses. This research aims to develop an accurate risk model to improve the time performance of GPF projects. The model uses Quantitative Risk Analysis (QRA) and Monte Carlo simulation methods to identify and measure the risks that most significantly impact project time performance. Delays in GPF projects can be caused by various factors, such as design changes, unforeseen pandemic conditions, fabrication delays, contractor incompetence, and material procurement delays. Additionally, failure to effectively identify, assess, and manage risks can increase the likelihood of project delays. Lack of communication and coordination among project teams can also lead to miscommunication, delays, and rework, ultimately resulting in project delays.

This research proposes a risk model that uses QRA and Monte Carlo simulation methods to address GPF project delay issues. The model helps project teams to identify the most influential risks to project time performance, measure the level of uncertainty associated with each risk, develop effective risk mitigation strategies to reduce the likelihood and impact of project delays.

The research results show that the QRA method with Monte Carlo simulation is an effective tool for identifying dominant risks and measuring the level of uncertainty in GPF projects. The simulation output provides information on probability distribution, histograms, descriptive statistics, sensitivity analysis, and graphical results that aid in better understanding and decision-making regarding project risks.

This research makes a significant contribution to addressing GPF project delay issues by introducing an innovative and effective risk model. The model empowers project teams to proactively identify, measure, and mitigate risks, thereby improving project time performance and delivering more successful projects. By using this new risk model, Gas Processing Facility construction projects can be carried out more effectively and efficiently, reducing the risk of delays in project completion time."

"Multi-asset risk modeling describes, in a single volume, the latest and most advanced risk modeling techniques for equities, debt, fixed income, futures and derivatives, commodities, and foreign exchange, as well as advanced algorithmic and electronic risk management. Beginning with the fundamentals of risk mathematics and quantitative risk analysis, the book moves on to discuss the laws in standard models that contributed to the 2008 financial crisis and talks about current and future banking regulation. Importantly, it also explores algorithmic trading, which currently receives sparse attention in the literature. By giving coherent recommendations about which statistical models to use for which asset class, this book makes a real contribution to the sciences of portfolio management and risk management."