Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Setiap hari masyarakat dihadapkan pada risiko kehilangan, kegagalan, bahkan kematian akibat kecelakaan lalu lintas. Cara mengatasi ketidakpastian dan mengendalikan risiko kecelakaan lalu lintas jalan adalah dengan mengalihkan risiko tersebut kepada pihak atau perusahaan lain yang disebut asuransi. Memperkirakan kerugian agregat penting bagi perusahaan asuransi untuk memprediksi kewajiban dan mengukur tingkat kecukupan dana perusahaan. Kerugian agregat pada asuransi kecelakaan lalu lintas dapat dihitung berdasarkan dua variabel, severity klaim dan frekuensi klaim. Severity klaim dan frekuensi klaim memiliki jenis distribusi yang berbeda dan terkadang memiliki hubungan yang saling mempengaruhi, sehingga tidak mudah untuk memodelkannya. Salah satu metode analisis statistik yang digunakan untuk menggabungkan dua distribusi data berbeda yang saling berkaitan adalah metode copula. Melalui studi kasus pada perusahaan asuransi PT XYZ, kerugian agregat akan dihitung dengan menggunakan model berbasis copula. Penentuan model terbaik dan akurasi model ditentukan berdasarkan Akaike Information Criterion (AIC), Root Mean Square Error (RMSE) terkecil, dan uji Vuong. Berdasarkan hasil analisis yang diperoleh bahwa model copula Clayton merupakan model terbaik untuk memperkirakan kerugian agregat pada perusahaan asuransi PT XYZ dimasa yang akan datang. ......Every day people are faced with the risk of loss, failure, and even death due to traffic accidents. The way to overcome uncertainty and control the risk of road traffic accident is by transferring the risk to another party or company called insurance. Estimating aggregate losses is important for insurance companies to predict liabilities and measure the level of adequacy of company funds. Aggregate losses on traffic accident insurance can be calculated based on two variables, claim severity and claim frequency. Claim severity and claim frequency have different types of distribution and sometimes have relationships that affect each other, so it's not easy to model it. One of the statistical analysis methods used to combine two different data distributions that are related is the copula method. Through a case study on the insurance company PT XYZ, aggregate losses will be calculated using a copula based model. The best model is determined based on the smallest value of Akaike Information Criterion (AIC) and Root Mean Square Error (RMSE) and also by Vuong test. Based on the analysis, explain that Clayton copula is the best model to estimate aggregate losses at the insurance company PT XYZ in the future.

Abstrak :

Setiap peristiwa, objek, atau individu dalam kehidupan saling terkait dan saling mempengaruhi. Untuk mengetahui bagaimana hubungan antara variabel acak dapat menggunakan copula. Copula dapat menghubungkan antara fungsi distribusi bivariat dengan fungsi distribusi marginal tanpa harus ada informasi keterkaitan tertentu antar variabel acak. Terdapat beberapa jenis copula, seperti copula elliptical, copula Archimedean, dan copula extreme value. Namun, dalam pemodelan multivariat, masing-masing jenis copula memiliki keterbatasan dalam memodelkan struktur ketergantungan yang kompleks dalam hal simetri dan sifat ketergantungan ekor. Kelas vine copula mengatasi keterbatasan ini dengan membangun model multivariat menggunakan copula bivariat dalam struktur berbentuk pohon. Copula bivariat yang digunakan dalam penelitian ini meliputi keluarga copula Clayton, Gumbel, Frank, Gaussian, dan student’s t. Penelitian ini membahas tentang konstruksi model vine copula, penaksiran parameter, dan aplikasinya. Konstruksi vine copula dilakukan melalui dekomposisi fungsi kepadatan peluang bersyarat dan melakukan substitusi fungsi kepadatan  copula bivariat ke dalam hasil dekomposisi tersebut. Data yang digunakan adalah data logaritma konsentrasi dari unsur kimia dalam sampel air di Colorado. Karena data yang digunakan merupakan data empiris yang tidak diketahui distribusi marginalnya, metode estimasi parameter yang digunakan adalah pseudo-maximum likelihood dengan estimasi sequential. Lalu, dilakukan pemilihan model yang paling sesuai dengan menggunakan kriteria informasi Akaike (AIC). Hasilnya menunjukkan bahwa Sesium dan Titanium memiliki hubungan dependensi terhadap Skandium. Selain itu, Skandium dan Titanium memiliki ketergantungan paling kuat dibandingkan dengan pasangan variabel lainnya. ......Every event, object, or individual in life is interconnected and influences each other. To understand the relationships between random variables, one can use copulas. Copula can link the bivariate distribution function with marginal distribution functions without requiring specific information about the interdependence among random variables. There are several types of copulas, such as elliptical copulas, Archimedean copulas, and extreme value copulas. However, in multivariate modeling, each type of copula has limitations in modeling complex dependence structures in terms of symmetry and tail dependence properties. The class of vine copulas overcomes these limitations by constructing multivariate models using bivariate copulas in a tree-like structure. The bivariate copulas used in this study include the Clayton, Gumbel, Frank, Gaussian, and Student’s t copula families. This study discusses the construction of vine copula models, parameter estimation, and their applications. The construction of vine copulas is done through the decomposition of conditional probability density functions and substituting bivariate copula density functions into the decomposition results. The data used in the study is the logarithm of the concentration of chemical elements in water samples in Colorado. Since the data used are empirical data with unknown marginal distributions, the parameter estimation method used is pseudo-maximum likelihood with sequential estimation. Model selection is then performed using the Akaike information criterion (AIC) to determine the most suitable model. The results indicate that Caesium and Titanium have a dependency relationship with Scandium. Moreover, Scandium and Titanium exhibit the strongest dependence compared to other variable pairs.

Abstrak :
Risiko operasional merupakan salah satu risiko yang wajib diperhitungkan oleh bank. Modal yang dikeluarkan oleh bank untuk menutup kerugian akibat risiko pada manajemen risiko operasional disebut Economic Capital (EC). EC dihitung sebagai Value at Risk (VaR) pada tingkat kepercayaan tertentu. Pada penentuan EC risiko operasional terdapat 56 kemungkinan jenis risiko yang terjadi sehingga diperlukan agregasi untuk nilai total risiko operasional. Ada dua asumsi dalam perhitungan nilai agregasi risiko dengan menggunakan Loss Distribution Approach (LDA) yaitu saling bebas atau saling bergantung sempurna. Namun, untuk memperoleh perhitungan EC yang adil perlu memperhatikan struktur ketergantungan antar risiko. Salah satu metode untuk mengatasi masalah tersebut adalah copula. Ada dua famili copula yang terkenal, yaitu Elliptical Copula dan Archimedean Copula. Salah satu kelas dari Archimedean Copula adalah copula Gumbel. Penelitian ini akan menggunakan copula Gumbel dalam perhitungan agregasi EC. Copula Gumbel dapat memodelkan ketergantungan antara kejadian ekstrim dengan baik. Hasil penelitian ini menunjukkan bahwa nilai perhitungan agregasi EC mulai mencapai konvergen pada banyak sampel dan nilai perhitungan agregasi EC yang dihasilkan copula Gumbel lebih besar 1,91% daripada nilai perhitungan agregasi EC yang dihasilkan copula Frank. ......Operational risk is one of a risk that must be calculated by the bank. The capital that the bank has issued to cover the risk of loss due to operational risk management is called Economic Capital (EC). EC is calculated as Value at Risk (VaR) at a certain confidence level. In the EC determination of operational risk there are 56 possible types of risks that occur so that the aggregation for a total value of operational risk is needed. There are two assumptions in the calculation of the value of risk aggregation using the Loss Distribution Approach (LDA) that is independent or completely dependent. However, to obtain the fair calculation of EC, it has to notice the dependence stucture between risk. One method to overcome this problem is copula. There are two famous families of copula, namely Elliptical Copula and Archimedean Copula. Gumbel copula is one of the Archimedean Copula. This study will used Gumbel copula in the calculation of EC aggregation. Gumbel copula can model the dependence between extreme events well. These results indicate that the aggregate value calculation EC began to reach convergent on many samples 105 and the value calculated by the aggregation EC Gumbel copula produced 1,91% greater than the value calculated by the aggregation of EC produced Frank copula.

Abstrak :
ABSTRAK
Perusahaan asuransi adalah perusahaan yang menerima pelimpahan risiko atas diri tertanggung, sehingga perusahaan asuransi perlu memperhatikan kerugian yang ditimbulkan sebagai akibat terjadinya klaim. Mengestimasi kerugian klaim merupakan tugas penting bagi perusahaan asuransi untuk memprediksi kewajiban mereka. Total kerugian dalam portofolio perusahaan didefinisikan sebagai sejumlah kerugian polis. Kerugian polis pada asuransi kesehatan dapat dihitung berdasarkan dua variabel, yaitu frekuensi dan severity klaim. Dalam literatur Statistika, joint distribution adalah metode analisis statistika yang dapat menggabungkan dua distribusi data yang berbeda, salah satunya adalah Copula. Tesis ini memberikan penjelasan tentang Copula dalam mengestimasi kerugian polis pada asuransi kesehatan dimana studi kasus yang diambil adalah perusahaan asuransi XYZ. Selanjutnya, penulis melakukan regresi antara kedua Generalized Linear Model (GLM) dari frekuensi klaim dan severity klaim dengan menggunakan model regresi berbasis copula yang diestimasi dengan Maximum Likelihood Estimation (MLE). Model terbaik dan keakuratan model ditentukan berdasarkan nilai Akaike Information Criterion (AIC) dan Root Mean Square Error (RMSE) terkecil. Pada akhirnya, model regresi berbasis copula Frank lebih baik dibandingkan model regresi berbasis copula lainnya yang dapat digunakan untuk memprediksi kerugian polis asuransi kesehatan pada periode berikutnya

---

ABSTRACT
The insurance company is a company that received delegation of the risks it has insured, so that this company needs to pay attention to losses incurred as a result of a claim. Estimating losses of claim is an important task for insurance companies to predict their obligations. Total losses in the company's portfolio is defined as the amount of loss policy. Losses in the health insurance policy can be calculated based on two variables: the frequency and severity of claims. In the literature of Statistics, joint distribution is a method of statistical analysis that can combine two different data distribution, it is Copula. This thesis aims to provide a study of Copula for the estimation of loss claims in health insurance, case study is taken from an insurance company XYZ. Further, the authors conducted a regression between the Generalized Linear Model (GLM) of claim frequency and claim severity using Copula-based Regression Model is estimated by Maximum Likelihood Estimation (MLE). The best model and model accuracy is determined based on the smallest of Akaike Information Criterion (AIC) and Root Mean Square Error (RMSE). In the end of analysis, Frank Copula-based Regression Model is better than other Copulabased Regression Model that can be used to predict the loss of health insurance policy in the next period.

Abstrak :
ABSTRAK
Tesis ini membahas mengenai estimasi Value at Risk VaR dengan metode simulasi Monte Carlo, dimana distribusi bersama yang digunakan untuk memodelkan return portofolio dibentuk melalui fungsi copula. Data yang digunakan sebagai ilustrasi model adalah return harian Indeks Papan Pengembangan dan return harian Indeks Papan Utama, dengan periode 4 Januari 2010-30 Desember 2016. Metode validasi yang dilakukan untuk memeriksa estimasi VaR yang dihasilkan adalah Haas rsquo; mixed Kupiec test TBF . Berdasarkan uji TBF, diketahui bahwa estimasi VaR dengan metode simulasi Monte Carlo-copula secara statistik tidak cocok diterapkan untuk mengestimasi VaR dari portofolio yang berisi Indeks Papan Utama dan Indeks Papan Pengembangan. Walaupun secara statistik metode simulasi Monte Carlo-copula dianggap tidak cocok diterapkan pada data ilustrasi, dari aspek manajerial, metode simulasi Monte Carlo-copula dapat dijadikan suatu pilihan dalam mengestimasi VaR.

---

ABSTRACT
Abstract This thesis uses Monte Carlo simulation with copula function as joint distribution to estimate Value at Risk VAR of a portfolio. Data used in this thesis are daily returns of IDX Main Board Index and IDX Development Board Index for period January 2010 December 2016. As for the VaR backtest, Haas 39 Mixed Kupiec Test TBF was used. Based on TBF test, Monte Carlo copula model was found not suitable statistically to estimate VaR of a portfolio consisting IDX Main Board Index and IDX Development Board Index. Although being rejected statistically, Monte Carlo copula model is still suitable for estimating VaR in managerial perspective. Key words copula, value at risk, Monte Carlo simulation, stock indexes

Abstrak :
Penelitian ini menganalisis dynamic connectedness antara stablecoin berbasis fiat yang diwakili oleh USD Coin (USDC), Pax Dollar (USDP), Tether USDt (USDT) dan stablecoin berbasis emas yang diwakili oleh Digix Gold Token (DGX) dan Gold Coin (GLC) dengan indeks saham internasional yang diwakili oleh S&P500, STOXX50, Nikkei225, CSI300, dan JKSE dengan menggunakan metode baru yaitu pendekatan keterhubungan dinamis berbasis DCC-GARCH. Dengan adanya spillover volatilitas antara stablecoin dan indeks saham, penelitian ini melanjutkan menggunakan metode t-copula DCC-GARCH untuk melihat strategi investasi dengan menghitung rasio lindung nilai dan bobot portofolio antara kedua jenis aset tersebut. Hasil penelitian menunjukkan bahwa terdapat dynamic connectedness antara stablecoin dengan indeks saham internasional walaupun tidak terlalu kuat dan dalam menyusun strategi investasi bedasarkan rasio lindung nilai, secara keseluruhan penelitian ini menemukan bukti yang menunjukkan bahwa konstruksi portofolio dapat secara signifikan mengurangi risiko investasi di semua aset terhadap Nikkei225 dan JKSE, sedangkan strategi investasi dengan bobot portofolio pada posisi long cocok untuk stablecoin berbasis emas yaitu GLC dan DGX, dimana kedua aset ini dapat menjadi strategi diversifikasi dalam menyusun portofolio pada posisi long dengan semua aset yang digunakan. ......This research analyzes the dynamic relationship between fiat-based stablecoins represented by USD Coin (USDC), Pax Dollar (USDP), Tether USDt (USDT) and gold-based stablecoins represented by Digix Gold Token (DGX) and Gold Coin (GLC) with indices international stocks represented by S&P500, STOXX50, Nikkei225, CSI300, and JKSE using a new method, the DCC-GARCH based dynamic connected approach. Given the volatility spillover between stablecoins and the stocks indeces, this research continues adopt the DCC-GARCH t-copula method to find investment strategies by calculating the hedging ratio and portfolio weight between the two types of assets. The research results show that there is a dynamic connectedness between stablecoins and international stock indices, although not too strong and in developing investment strategies based on hedging ratios, overall this research finds evidence that shows that portfolio construction can significantly reduce investment risk in all assets used in This research is on two assets Nikkei225 and JKSE, while the investment strategy with portfolio weights in long positions is suitable for gold-based stablecoins GLC and DGX, where these two assets can be a diversification strategy in compiling a portfolio in long positions with all the assets used.

Abstrak :
Kecelakaan adalah salah satu risiko yang dapat berakibat fatal pada kendaraan bermotor. Berdasarkan data Kementerian Perhubungan, di Indonesia telah terjadi 103.645 kasus kecelakaan kendaraan bermotor pada 2021. Tingkat kecelakaan kendaraan bermotor berpotensi meningkat setiap tahunnya seiring kenaikan signifikan dari pemilik kendaraan. Selain kecelakaan, ancaman risiko lain, seperti kehilangan, pencurian, dan kebakaran/ledakan mendorong masyarakat membeli asuransi kendaraan bermotor. Asosiasi Asuransi Umum Indonesia (AAUI) menyampaikan kenaikan 345% pembelian asuransi kendaraan bermotor di Indonesia pada tahun 2022. Tren ini menstimulasi penetapan tarif premi asuransi kendaraan bermotor yang kompetitif antar perusahaan asuransi. Perhitungan tarif premi didasarkan atas data historis frekuensi klaim dan severitas klaim. Kedua komponen tersebut bergantung pada faktor-faktor risiko nasabah. Frekuensi klaim dan severitas klaim dimodelkan sebagai variabel respons dalam pemodelan Generalized Linear Model (GLM), dimana faktor-faktor risiko nasabah menjadi variabel prediktor model. Pemodelan frekuensi klaim dan severitas klaim lazim dilakukan secara independen, tetapi tidak jarang ditemukan ketergantungan antar keduanya. Data historis frekuensi klaim dan severitas klaim dalam penelitian ini menunjukkan nilai ketergantungan yang rendah, tetapi signifikan. Oleh karena itu, penelitian ini menganalisis performa dua model GLM dalam perhitungan data frekuensi klaim dan severitas klaim tersebut, yaitu GLM Tweedie dan GLM copula. GLM Tweedie digunakan untuk memodelkan frekuensi klaim dan severitas klaim secara independen, sedangkan GLM copula digunakan untuk memodelkan frekuensi klaim dan severitas klaim secara dependen. Pada pemodelan GLM Tweedie, distribusi frekuensi klaim dan severitas klaim yang digunakan adalah distribusi Tweedie untuk keduanya, sedangkan pada pemodelan GLM copula, distribusi frekuensi klaim yang digunakan adalah distribusi Zero-Truncated Poisson (ZTP) dan distribusi severitas klaim yang digunakan adalah distribusi Gamma. Root Mean Square Error (RMSE) digunakan dalam menganalisis performa model. Semakin kecil nilai RMSE, semakin baik performa model tersebut. Hasil pemodelan data menunjukkan nilai RMSE yang lebih kecil pada model GLM Tweedie untuk frekuensi klaim dan severitas klaim. ......Traffic accident is one of the risks that can be fatal to automobile vehicles. Based on data from the Ministry of Transportation, there have been 103,645 cases of automobile vehicle accidents in Indonesia in 2021. The rate of motor vehicle accidents has the potential to increase every year in line with the significant increase in automobile vehicle owners. Apart from traffic accidents, other risk threats, such as loss, theft, and fire/explosion encourage people to buy automobile vehicle insurance. In 2022, Asosiasi Asuransi Umum Indonesia (AAUI) reported a 345% increase in purchases of automobile vehicle insurance in Indonesia. This trend stimulates the setting of competitive automobile vehicle insurance premium rates among insurance companies. Premium rate calculation is based on historical data on claim frequency and claim severity. Both components depend on the customer's risk factors. Claim frequency and claim severity are modeled as response variables in the Generalized Linear Model (GLM) modeling, while customer risk factors are the predictor variables of the model. Modeling of claim frequency and claim severity is usually done independently, but it is not uncommon to find dependencies between both. Historical claim frequency and claim severity data in this study shows a low but significant dependency value. Therefore, this study analyzes the performance of two GLM models in calculating claim frequency and claim severity data, namely GLM Tweedie and GLM copula. The GLM Tweedie is used to model the claim frequency and the claim severity independently, while the GLM copula is used to model the claim frequency and the claim severity dependently. In the GLM Tweedie modeling, the claim frequency and the claim severity is considered Tweedie distributed for both, whereas in the GLM copula modeling, the claim frequency distribution is the Zero-Truncated Poisson (ZTP) distribution and the claim severity distribution is the Gamma distribution. Root Mean Square Error (RMSE) is used in analyzing model performance. A smaller RMSE value indicates better model performance. The results of data modeling show a smaller RMSE value in the GLM Tweedie model for claim frequency and claim severity.

Abstrak :
ABSTRACT
We propose a dynamic skewed copula to model multivariate dependence in asset returns in a flexible yet parsimonious way. We then apply the model to 50 exchange traded funds. The new copula is shown to have better in sample and out of sample performance than existing copulas. In particular, the dynamic model is able to capture increasing dependence patterns during financial crisis periods. It is crucial for investors to take dynamic dependence structure into account when modeling high dimensional returns.

Abstrak :
Model pengukuran risiko Value at Risk (VaR) saat ini telah digunakan secara luas, tidak hanya pada sektor perbankan, tapi juga disektor lain seperti asuransi. Tujuan karya akhir ini adalah untuk mengukur Value at Risk (VaR) dengan pendekatan distribusi bersama copula, untuk menguji investasi 5 jenis saham yang dilakukan oleh PT ASABRI (Persero). Hasil distribusi return dari kelima saham bersifat heteroskedastis, sehingga dilakukan pendekatan GARCH(1,1) pada data residual. Nilai GARCH(1,1) tersebut digunakan untuk mencari distribusi portofolio saham dengan pendekatan distribusi bersama copula. Distribusi copula yang paling fit untuk digunakan adalah Clayton Copula berdasarkan nilai AIC terkecil, yang selanjutnya digunakan untuk mengukur besarnya potensi kerugian dengan menggunakan tingkat keyakinan 99% menggunakan monte carlo simulation dengan random number sebanyak 10.000 dan divalidasi dengan menggunakan Kupiec test. Hasil pengujian dengan Kupiec test menunjukkan bahwa model VaR dengan pendekatan distribusi clayton copula valid untuk mengukur besarnya potensi kerugian. ......Risk measurement model of Value at Risk (VaR) is now widely used, not only in the banking sector, but also in other sector like insurances. The purpose of this thesis is to measure Value at Risk (VaR) with common distribution copula approach, to test 5 investment shares owned by PT ASABRI (Persero). The results of the return distribution of the five stocks are heteroskedastis, so do approach GARCH (1,1) at the data residuals. Value GARCH (1,1) is used to find the distribution of the stock portfolio distribution with copula approach. Copula distribution is most fit to be used is Clayton Copula based on smallest AIC value, which is then used to measure the magnitude of potential losses using a 99% confidence level using Monte Carlo simulation with a random number as many as 10,000 and validated using the Kupiec test. The Kupiec test results shows that the VaR model using clayton copula distribution approach is valid for measuring the magnitude of potential losses.

Abstrak :
ABSTRAK
Tesis ini menganalisis frekuensi dan severitas klaim yang merupakan dua risiko utama dalam asuransi umum. Penentuan harga kontrak asuransi dari pemegang polis dengan mengalikan ekspektasi frekuensi klaim dan severitas klaim. Net Premium tersebut merupakan estimasi dari kerugian agregat dari suatu grup polis yang memodelkannya mengasumsikan frekuensi dan severitas klaim saling bebas. Namun, dalam beberapa kasus, terdapat dependensi antara dua variabel tersebut. Untuk mengatasi masalah dependensi tersebut, pada tesis ini digunakan model copula berbasis regresi untuk membangun distribusi bersama. Hal ini dengan menggabungkan marginal generalized linear model dari frekuensi dan rata-rata severitas klaim menggunakan copula. Parameter dari distribusi ditaksir menggunakan metode maksimum likelihood. Kemudian pemilihan copula terbaik yang akan digunakan dalam membangun distribusi bersama dilakukan dengan melihat nilai log-likelihood paling besar dan Root Mean Square Error (RMSE) yang paling kecil. Hasil didapat bahwa model copula Clayton berbasis regresi yang dipilih. Terakhir, estimasi frekuensi dan rata-rata severitas klaim dihitung dan dihasilkan kerugian polis berdasarkan nilai estimasi mean dari distribusi bersamanya.

---

ABSTRACT
This thesis analyzes the frequency and severity of claim which are the two main risks in general insurance. Determination of insurance contract prices from policyholders by multiplying expected frequency of claims and severity of claims. The Net Premium is an estimate of the aggregate loss of a policy group that models it assuming the frequency and severity of the claims are independent. However, in some cases, there are dependencies between the two variables. To overcome this dependency problem, this thesis uses copula-based regression model to build a joint distribution. This is by combining the marginal generalized linear model of frequency and the average severity of claims using copula. The parameters of the distribution are estimated using the maximum likelihood method. Further, the selection of the best copula that will be used in building a joint distribution is done by looking at the greatest log-likelihood value and smallest value of Root Mean Square Error (RMSE). The result is clayton copula based regression model is chosen. Finally, estimatie of the frequency and average severity of claims is calculated and policy losses are generated based on the estimated mean value of the joint distribution.