Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Penelitian membahas pengukuran resiko dari portofolio obligasi seri benchmark yang dimiliki oleh Bank XXX. Periode penilaian resiko antara tanggal 1 Januari 2014 samapai dengan 31 Desember 2016. Pengukuran resiko menggunakan metode Expected Shortfall dan model volatilitas GJR GARCH terhadap return obligasi seri benchmark yang dimiliki oleh bank XXX.Hasil analisis menunjukkan bahwa pada tingkat kepercayaan sebesar 99 obligasi negara dengan tenor 10 tahun memiliki faktor resiko paling rendah dibanding seri benchmark lain. Sehingga lebih aman bagi bank XXX untuk memiliki obligasi Surat Utang Negara tersebut dengan jumlah yang lebih besar dibandingkan obligasi benchmark tenor lainnya.

---

ABSTRACT
This thesis describe benchmark bonds portfolio market risk owned by bank XXX. Time period of this thesis in between January 1st 2014 to December 31 2016. Risk measurement using Expected Shortfall method and GJR GARCH volatility model against bechmark bonds. Result of analysis in 99 confidence level shows 10 year benchmark bonds has lower risk than other benchmark bonds. It is safer to bank XXX to have more 10 year benchmark bond in it s portfolio .

Abstrak :
Pengukuran risiko menjadi salah satu pertimbangan utama sistem keuangan dalam membuat keputusan. Setelah krisis yang terjadi pada tahun 2008, muncul konsep baru terkait dengan regulasi keuangan seperti risiko sistemik. Masalah utama bagi para regulator disebut dengan Systemically Important Financial Institutions atau SIFIs. Penelitian ini bertujuan untuk memberikan alternatif penggunaan Component Expected Shortfall (CES) sebagai salah satu ukuran risiko untuk mengukur risiko sistemik di industri Perbankan Indonesia. Penelitian ini menggunakan data time-series harga saham penutupan harian dari 33 Bank yang terdaftar dalam Bursa Efek Indonesia (BEI) selama periode 1 Januari 2015-31 Desember 2019. Hasil penelitian ini menunjukkan bahwa Bank BUKU 4 dan Bank Umum Persero, yang merupakan Bank Sistemik, menempati peringkat 10 teratas dengan nilai CES tertinggi dan memberikan kontribusi lebih besar terhadap terjadinya risiko sistemik di Perbankan Indonesia. Metode pengukuran dengan menggunakan CES dapat memberikan hasil yang sama dengan yang dilakukan Perbankan di Indonesia saat ini. Hal ini dibuktikan dengan bahwa Bank yang memiliki hasil pengukuran CES tertinggi sama dengan Bank yang dikenakan Capital Surcharge oleh OJK. Hasil pengukuran CES lebih mudah untuk menginterpretasikan seberapa besar kontribusi Bank terhadap terjadinya risiko sistemik di Perbankan Indonesia dengan menggunakan %CES tersebut. ......Measuring risk has become one of the financial systems key consideration in making a decision. After the crisis in 2008, a new approach was formed in financial regulation such as systemic risk. The main problem for Regulators is called Systemically Important Financial Institution or SIFIs. This study aims to propose Component Expected Shortfall (CES) as a measurement of systemic risk in Indonesia Banking Industry. This study uses time-series data of daily closing stock price of 33 Banks listed in Indonesian Stock Exchange (IDX) from 1st January 2015 until 31st December 2019 to measure systemic risk by analyzing two measurement methods: Marginal Expected Shortfall (MES) and Component Expected Shortfall (CES). The analysis study shows that BUKU 4 Banks and State-owned Banks, which are systemic Banks, has the 10 of the highest CES value and therefore having more contribution to the systemic risk in Indonesian Banking. The measurement method using CES can provide the same result as that of Indonesian Banking today. This study is in line with OJK policy of Capital Surcharge which are imposed on those 10 Banks. The CES measurement result is easier to interpret the estimated amount of systemic risk in Indonesian Banking using the %CES.

Abstrak :
[ABSTRAK
Penelitian ini mengukur keterkaitan antara perbankan di Indonesia dengan perbankan di Asia Tenggara, Asia, Emerging Market, dan Dunia. Dengan menggunkan pendekatan marginal expected shortfall (MES), yang diperkenalkan Brownless dan Engle (2012), analisis dilakukan terhadap saham 9 bank di Indonesia dan indeks saham perbankan setiap kawasan yang diambil dari Datastream selama periode 2004-2014. Hasil menunjukan perbankan di Indonesia bersifat independen terhadap shock dari sistem perbankan di kawasan lain. Estimasi MES menunjukan krisis yang terjadi pada perbankan di Indonesia memiliki dampak yang jauh lebih besar terhadap bank-bank di Indonesia, dibaningankan apabila terjadi krisis pada perbankan di Asia Tenggara, Asia, Emerging Market, dan Dunia yang dampaknya relatif kecil.

---

ABSTRACT
This study analyze the interconnectedness among Indonesia banking industry and banking industry in South East Asia, Asia, Emerging market, and World. Using marginal expected shortfall (MES) approach, which introduced by Brownless and Engle 2012, analysis conducted on stock of 9 banks and banking stock index in each region that taken from Datastream during 2004-2014. The result show that Indonesia banking system is relatively independent to shock in other region banking systems. The MES estimation results indicate crisis in Indonesian banking system has large impact to banks in Indonesia, compared if crisis experienced in South East Asian, Emerging Market, Asian, and World banking system that have relatively small impact, This study analyze the interconnectedness among Indonesia banking industry and banking industry in South East Asia, Asia, Emerging market, and World. Using marginal expected shortfall (MES) approach, which introduced by Brownless and Engle 2012, analysis conducted on stock of 9 banks and banking stock index in each region that taken from Datastream during 2004-2014. The result show that Indonesia banking system is relatively independent to shock in other region banking systems. The MES estimation results indicate crisis in Indonesian banking system has large impact to banks in Indonesia, compared if crisis experienced in South East Asian, Emerging Market, Asian, and World banking system that have relatively small impact]

Abstrak :
Penelitian ini bertujuan untuk mengetahui risiko pasar yang dihadapi emiten sektor transportasi di negara-negara emerging market Asia serta korelasi risiko antara emiten yang bersangkutan serta simulasi peramalan harga saham. Kami menggunakan data historis harga saham harian pada periode sebelum dan sesudah pandemi Covid-19. Metode penelitian yang digunakan dengan pemodelan GARCH normal untuk volatilitas, sedangkan risiko pasar dihitung menggunakan pendekatan expected shortfall (ES). Korelasi risiko antar emiten dihitung dengan menggunakan metode Pearson. Simulasi peramalan disediakan oleh pendekatan GARCH(1,1). Hasil penelitian menunjukkan bahwa respons emiten di sektor transportasi terhadap pandemi Covid-19 berbeda-beda tergantung dari sub sektor tempat perusahaan menjalankan usahanya. Korelasi antar emiten menunjukkan angka yang cukup rendah, namun pasar saham China dan Taiwan menunjukkan korelasi positif yang kuat pada sub sektor yang sama. Pergerakan harga saham dalam 100 hari ke depan cenderung mengikuti tren periode akhir tahun 2022. Ke depan, dapat dilakukan penelitian lebih lanjut terkait pengukuran risiko dengan pendekatan lain pada sektor lain dengan objek penelitian yang lebih luas secara lebih komprehensif. ......This study aims to determine the market risks faced by issuers in the transportation sector in Asian emerging market countries as well as the risk correlation between the issuers concerned and stock price forecasting simulations. We use historical data on daily stock prices in the period before and after the Covid-19 pandemic. The research method used is normal GARCH modeling for volatility, while market risk is calculated using the expected shortfall (ES) approach. The risk correlation between issuers is calculated using the Pearson method. Forecasting simulation is provided by the GARCH(1,1) approach. The results of the study show that the response of issuers in the transportation sector to the Covid-19 pandemic varies depending on the sub-sector where the company runs its business. The correlation between issuers shows a fairly low number, but the Chinese and Taiwanese stock markets show a strong positive correlation in the same sub-sector. Stock price movements in the next 100 days tend to follow the trend for the end of 2022 period. In the future, further research can be carried out regarding risk measurement using other approaches in other sectors with a broader research object in a more comprehensive manner.

Abstrak :
Penelitian ini bertujuan untuk mengukur kontribusi risiko sistemik perbankan di masing- masing negara emerging market ASEAN untuk perbandingan mengenai kondisi negara tersebut pada saat krisis dan setelahnya. Penelitian dilakukan dengan menggunakan pendekatan capital shortfall dengan metode marginal expected shortfall (MES). Kalkulasi kontribusi risiko sistemik dilakukan menggunakan market data pada periode observasi 2008- 2016. Hasilnya ditemukan bahwa pada periode krisis 2008 semua bank dan negara signifikan dan berkontribusi terhadap risiko sistemik dan MES dapat menjadi prediktor yang baik dalam mengukur risiko sistemik. ......This study aims to measure the contribution of systemic banking risk in each ASEAN emerging market country for comparison on the condition of the country at the time of crisis and thereafter. The research was conducted by using capital shortfall approach with marginal expected shortfall (MES) method. Calculations of systemic risk contribution were conducted using market data during the 2008-2016-observation period. The results found that during the 2008 crisis period all banks and countries were significant and contributed to systemic risk.

Abstrak :
ABSTRAK
Penelitian ini bertujuan untuk mengukur risiko nilai tukar dengan melakukan perhitungan dengan metode Stressed VaR dan Expected Return serta melakukan analisis strategi dan persiapan implementasi ES dalam mengukur risiko pasar. Data penelitian yang digunakan adalah data kurs nilai tukar harian mata uang Dollar USD , Singapore Dollar SGD , Australian Dollar AUD , Hongkong Dollar HKD , Great Britain Poundsterling GBP , Japanese Yen JPY , EURO dengan periode pengambilan sampel dimulai sejak tanggal 1 Januari 2007 sampai dengan 31 Desember 2017 dan tidak memasukan data pada hari libur. Sampel data portofolio yang digunakan dalam penelitian ini adalah bank Mandiri dan bank BCA. Hasil penelitian ini adalah perhitungan menggunakan metode Expected Shortfall menghasilkan nilai yang lebih besar hampir dua kali lipat bila dibandingkan nilai metode SVaR yang berimplikasi pada beban modal capital charge yang harus disediakan menjadi lebih banyak.

---

ABSTRACT
This study aims to measure exchange rate risk by calculating the Stressed VaR and Expected Return methods and conducting an analysis and preparation of ES implementation in measuring market risk. The research data used are daily average exchange rate data of Dollar USD , Singapore Dollar SGD , Australian Dollar AUD , Hong Kong Dollar HKD , Great Britain Pound Sterling GBP , Japanese Yen JPY , EURO with the sampling period starting from 1 January 2007 to 31 December 2017 excluded holidays date. The sample portfolio data used in this study are Mandiri banks and BCA banks. The results of this study are the calculation using the Expected Shortfall method produces a value that is greater almost double when compared to the value of the SVaR method which has implications for the capital charge must be provided to be more.

Abstrak :
Manajemen risiko yang efektif adalah kunci keberhasilan suatu perusahaan untuk mengelola risikonya. Untuk menjaga nilai asetnya, sebuah perusahaan perlu mengestimasi risiko pasar dalam berinvestasi dengan alat ukur risiko yang efektif. Salah satu alat ukur risiko yang sering digunakan adalah Expected Shortfall (ES), didefinisikan sebagai nilai ekspektasi kerugian jika diketahui kerugian melebihi nilai Value-at-Risk. Secara umum, risiko kerugian dari sebuah aset dalam portofolio dapat diprediksi dengan mengasumsikan distribusi return mengikuti distribusi normal. Pada aset derivatif  tidak berlaku sama karena memiliki distribusi nonlinear, return bergantung pada harga underlying asset, waktu jatuh tempo, volatilitas, dan tingkat bunga. Perhitungan return portofolio secara umum dilakukan dengan simulasi Monte Carlo (MC).  Dalam penggunaannya, metode MC membutuhkan waktu lama jika portofolio memiliki banyak campuran aset saham, obligasi, maupun derivatif. Alternatif pengukuran ES yang lebih cepat dibanding simulasi MC adalah menggunakan formula eksplisit pada metode Delta-Gamma. Formula eksplisit metode Delta-Gamma dapat dirumuskan berdasarkan distribusi nonsentral Chi-Squared derajat bebas satu. Pada penelitian ini, aset derivatif yang menjadi perhatian adalah waran, yaitu kontrak finansial yang diterbitkan perusahaan untuk membeli saham pada waktu tertentu dengan harga yang telah ditentukan. Pengukuran ES pada waran dalam penelitian ini menggunakan model Black-Scholes untuk mendapatkan parameter Delta dan Gamma. Hasil pengukuran ES pada waran menggunakan formula eksplisit Delta-Gamma menghasilkan Average Percentage Error (APE) dibawah 0.06% dibandingkan dengan simulasi MC. ......An effective risk management is a key to the success of companies in managing its risks. To maintain the value of their assets, company should be able to estimate market risk in investing using an effective risk measuring tool. Expected Shortfall (ES) is one of the most used effective risk measures, defined as expected loss value if it is known that the loss exceeds Value-at-Risk. In general, the risk of loss of an asset in a portfolio can be predicted by assuming the distribution of returns follows normal distribution. However, it does not apply to derivative assets, because they have a nonlinear distribution, the return depends on the price of the underlying asset, time to maturity, volatility, and interest rates. Calculation for portfolio returns is generally carried out using Monte Carlo (MC) simulations. The MC method takes a lot of time if the portfolio has a large mix of stock, bond, or derivative assets. An alternative for measuring ES that is faster than MC simulation is to use an explicit formula of Delta-Gamma method. The explicit formula of the Delta-Gamma method can be formulated based on the non-central Chi-Squared distribution with one degree of freedom. In this study, the concern in derivative assets are the warrants, namely financial contracts issued by companies to buy shares at a certain time at a predetermined price. The measurement of ES on warrants in this study uses the Black-Scholes model to produce Delta and Gamma parameters. The results of the ES measurement on warrants using the explicit Delta-Gamma formula produce Average Percentage Error (APE) below 0.06% compared to the MC simulation.

Abstrak :
Tesis ini membahas analisis Value at Risk dan Expected Shortfall menggunakan model volatilitas GARCH terhadap indeks saham dan nilai tukar local currency terhadap US dollar pada delapan negara emerging market Asia. Periode perkiraan penilaian risiko antara 01 Januari 1997 sampai dengan 31 Desember 2009 dan periode validasi out of sample 01 Januari 2010 sampai dengan 31 Maret 2014. Penilaian model menggunakan back testing terhadap data in sample dan out of sample. Hasil analisis menunjukkan bahwa pengukuran volatilitas return indeks saham dan nilai tukar dengan model GARCH dianggap tepat. Perkiraan risiko kerugian indeks saham menggunakan Value at Risk berdasarkan model volatilitas GARCH dapat digunakan pada confidence level 95%, sementara Expected Shortfall dapat digunakan sebagai alternatif pengukuran risiko pada confidence level 99%. Sedangkan untuk memperkirakan risiko kerugian nilai tukar dapat menggunakan Expected Shortfall pada confidence level 99%. ......This thesis describes the analysis of Value at Risk and Expected Shortfall using GARCH volatility models of the stock indices and exchange rate of local currency against the U.S. dollar in eight Asian emerging market countries. The estimation period of risk measurement is between January 1, 1997 until December 31, 2009 and out of sample validation period is January 1, 2010 until March 31, 2014. Assessment model using back testing in sample and out of sample data. The analysis showed that the measurement of return volatility of stock indices and exchange rates by the GARCH model is appropriate. Estimating loss using Value at Risk based on GARCH volatility models of stock indices is appropiate to be applied at 95% confidence level, while the Expected Shortfall can be used as an alternative of risk measurement at the 99% confidence level. Whereas estimating the risk of exchange rate losses can use the Expected Shortfall at 99% confidence level.

Abstrak :
Tesis ini menganalisis cadangan klaim asuransi kebakaran dengan menggunakan metode Extreme Value Theorem - Generalized Pareto Distribution, sebagai salah satu metode untuk pengukuran kerugian risiko operasional. Permodelan untuk nilai klaim besar dilakukan melalui pendekatan Peaks Over Threshold (POT). Data yang digunakan untuk perhitungan OpVaR adalah data-data ekstrim yang berada di atas threshold. Penentuan threshold dilakukan dengan menggunakan metode sample mean excess function. Uji Kolmogorov-Smirnov dilakukan untuk menguji jenis distribusi data kemudian dilakukan penentuan estimasi parameter (dengan menggunakan Hill Estimator dan Probability Weighted Moments) untuk menghitung OpVaR dan Expected Shortfall. Uji Loglikelihood Ratio (Kupiec’s Test) dilakukan dengan tingkat kepercayaan 95%, 97.5% dan 99% untuk menguji apakah model dapat diterima untuk mengestimasi nilai cadangan klaim asuransi kebakaran. OpVaR yang dihasilkan dapat dijadikan acuan untuk perencanaan program reasuransi yang merupakan salah satu cara dalam proses manajemen risiko. ......This paper analyzing fire insurance claim reserve by using Extreme Value Theorem method - Generalized Pareto Distribution, as one of the method to measure operational risk. Peaks Over Threshold is used for modelling the big losses (claims). Extreme data above the threshold are taken into the calculation of OpVaR. The threshold is determined by using sample mean excess function method. Type of severity distribution of the data is evaluated by Kolmogorov- Smirnov test and parameters are estimated (by using Hill Estimator and Probability Weighted Moments) to calculate OpVaR and Expected Shortfall. Loglikelihood Ratio test (Kupiec’s test) on the confidence level of 95%, 97.5% and 99% is executed to test the validity of the model whether it is acceptable to estimate the fire insurance claim reserve or not. The OpVaR shall be the referrence for planning the reinsurance program as one of the process in risk management.