Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Penelitian ini tergolong studi asset pricing yang bertujuan untuk menguji bagaimana hubungan suatu risiko dengan expected return. Volatility merupakan salah satu proksi alami dari risk. Dalam penelitian ini, nilai volatility dihitung dengan pendekatan Exponentially Weighted Moving Average (EWMA). Penulis mengestimasi nilai volatility dengan metode EWMA karena terbukti sebagai metode yang paling akurat dalam perhitungan volatilitas dan sifat volatilitas yang memiliki variasi terhadap waktu (time varying). Hasil dari penelitian ini menunjukkan bahwa volatility berpengaruh positif terhadap return saham. ......This research is classified as asset pricing study that conducted in order to identify the relationship between particular risk and return. Volatility is a natural proxy for risk. In this research, volatility estimated with Expected Weighted Moving Average (EWMA) method. We used the EWMA Method because it has been approved as the most accurate method to calculate volatility and the nature of volatility that varies over time. The results show that volatility has an impact on stock return and positively significantly related.

Abstrak :
Kegiatan utama perbankan meliputi pengelolaan risiko dan return. Krisis ekonomi yang terjadi tahun 1997 menunjukkan bahwa industri perbankan nasional belum memiliki kelembagaan perbankan yang kokoh dan infrastruktur perbankan yang baik. Secara fundamental bank harus diperkuat untuk dapat mengatasi gejolak internal maupun eksternal yang berkembang pesat saat ini yang diikuti oleh semakin kompleksnya risiko perbankan sekaligus menimbulkan peluang-peluang baru. Semakin kompleksnya risiko tersebut tentunya akan meningkatkan kebutuhan praktek tata kelola yang sehat (good governance) dan fungsi identifikasi, pengukuran, pemantauan dan pengendalian risiko bank. Risiko-risiko utama yang menjadi perhatian bank adalah risiko kredit, risiko pasar, risiko operasional dan risiko likuiditas. Salah satu cara untuk mengukur risiko adalah metode Value at Risk (VaR). VaR merupakan pengukuran risiko secara kuantitatif yang mengestimasi potensi kerugian maksimal (maximum potential loss) yang mungkin terjadi pada masa yang akan datang yang akan dihadapi pada jangka waktu tertentu (holding period) dan pada tingkat kepercayaan (confidence level) tertentu pada kondisi pasar yang normal. Terdapat tiga pendekatan yang digunakan untuk menghitung VaR yaitu Parametric VaR, Historical Simulation, dan Monte Carlo Simulation. Dalam penelitian ini metode yang digunakan adalah Parametric VaR yang disebut juga Linear VaR, Variance-Covariance, Greek-Normal VaR, Delta Normal VaR, atau Delta-Gamma Normal VaR Bank X menggunakan dua metodologi untuk menghitung potensi kerugian atas perubahan nilai insirumen keuangan yang diakibatkan oleh perubahan nilai tukar, yaitu Gap Analisis dan VaR. Dalam Gap Analisis risiko forex dihitung untuk setiap mata uang asing di mana bank mempunyai posisi dengan cara menghitung exposure dan volatilitas baik pada valas tunggal maupun gabungan. Sedangkan VaR digunakan untuk menghitung perubahan nilai instrumen keuangan bank akibat perubahan nilai tukar untuk setiap mata uang asing atas dasar cost-to-close posisi terkini. Dengan level of confidence tertentu, VaR memberikan gambaran potensi maksimum kerugian atas portofolio instrumen keuangan Bank. Volatilitas dipakai untuk mengestimasi kerugian maksimum yang mungkin diderita suatu bank. Volatilitas adalah suatu ukuran untuk mengetahui fluktuasi harga suatu aset. Terdapat beberapa metode pengukuran volatilitas. Metode estimasi volatilitas yang dipakai Bank X adalah metode Exponentially Weighted Moving Average (EWMA) dengan menggunakan asumsi level of confidence 99% dan decay factor 0,94. Permasalahan yang timbul adalah apakah metode dan asumsi yang digunakan oleh Bank X sudah tepat mengingat terdapat berbagai metode yang digunakan untuk melakukan estimasi volatilitas. Penelitian ini bertujuan untuk mengetahui karakteristik data return nilai tukar mata uang USD, SGD, JPY dan HKD terhadap IDR selama periode penelitian. Tujuan lainnya adalah untuk memberikan informasi mengenai besarnya VaR untuk nilai tukar mata uang USD, SGD, JPY dan HKD terhadap IDR dengan menggunakan estimasi volatilitas EWMA dan GARCH. Selanjutnya adalah menentukan model estimasi volatilitas terbaik yang akan digunakan dalam perhitungan VaR portofolio, untuk memberikan informasi mengenai besarnya VaR portofolio dengan menggunakan model estimasi volatilitas terbaik dan untuk mengetahui metode apakah yang paling sesuai untuk digunakan dalam menghitung VaR pada Bank X. Berdasarkan pengujian karakteristik data return selama periode penelitian diketahui bahwa ke-empat data return nilai tukar bersifat stationer, tidak berdistribusi normal, dan varian heteroscedastic sehingga forecasting volatilitas harus menggunakan metode EWMA dan GARCH. Forecasting volatilitas metode EWMA menggunakan decay factor optimum, sedangkan metode GARCH dibatasi dengan estimator GARCH (1,1). Dari hasil pengujian yang dilakukan dengan backtesting dan Kupiec test berdasarkan proses TNoF diperoleh hasil bahwa forecasting volatilitas dengan metode GARCH(1,1) lebih tepat digunakan dibandingkan metode EWMA. Artinya metode GARCH(1,1) lebih dapat menangkap pergerakan actual loss yang terjadi dan lebih mendekati atau mencerminkan keadaan risiko yang sesungguhnya. Dari sisi jumlah overshoot yang terjadi juga masih dalam batas toleransi, hal ini terbukti karena telah lulus uji Kupiec test sehingga dapat digunakan untuk menghitung VaR portofolio. Berdasarkan estimasi volatilitas GARCH(1,1), dengan confidence level 95% potensi kerugian maksimum PT Bank X pada tanggal 1 Juli 2005 karena memiliki portofolio yang terdiri dari valas USD, SGD, JPY dan HKD Rp. 221.056.000.000,- adalah sebesar Rp. 1.073.450.000,-. Dalam melakukan perhitungan VaR portofolio menggunakan internal model, Bank X disarankan agar menggunakan estimasi volatilitas GARCH(1,1). Dengan alasan nilai VaR yang dihasilkan metode estimasi volatilitas GARCH (1,1) lebih mencerminkan keadaan yang sebenarnya, lebih mendekati kondisi aktual. Karena VaR merupakan potensi kerugian maksimum dan merupakan dasar untuk penetapan Minimum Capital Requirement maka penggunaan metode yang tepat pada akhirnya akan berdampak pada optimalisasi efisiensi pencadangan. Sehingga Bank X dapat mengalokasikan modal pencadangan untuk kepentingan yang lain.

Abstrak :
Penelitian ini bertujuan untuk menganalisis pengaruh leverage ratio, volatility, dan yield dari obligasi pemerintah terhadap credit default swap Indonesia periode 2009-2013. Variabel dependen dalam penelitian ini adalah credit default swap (CDS) Indonesia dengan tenor 5 tahun, sedangkan leverage ratio, volatility, dan yield obligasi pemerintah sebagai variabel independen. Terdapat dua model dalam penelitian ini, yaitu menggunakan nilai atau level dari masing-masing variabel untuk model pertama dan juga menggunakan delta dari masing-masing variabel untuk model kedua. Hasil penelitian pada model pertama dan kedua menunjukkan bahwa leverage ratio, volatility, dan yield obligasi pemerintah memiliki pengaruh terhadap credit default swap (CDS) Indonesia. Pada model pertama semua variabel memilki pengaruh yang signifikan, sedangkan pada model kedua variabel leverage ratio tidak signifikan terhadap credit default swap (CDS) Indonesia. ...... This study is aimed to analyze the effect of the leverage ratio, volatility, and the yield of government bonds on Indonesia credit default swaps during the period of 2009 to 2013. The dependent variabel on this study is credit default swap (CDS) Indonesia with a tenor of 5 years, while the leverage ratio, volatility, and the yield on government bonds as the independent variabel. There are two models in this study, which uses the value or level of each variabel and also uses delta of each variabel The results of the study on the first and second models indicate that the leverage ratio, volatility, and the yield on government bonds have an influence on the credit default swap (CDS) Indonesia. In the first model all variabels have the significant influence, in the second model the variabel leverage ratio does not significantly influence the credit default swap (CDS) Indonesia.

Abstrak :
Dalam suatu proses produksi pasti terdapat variasi atau keberagaman dari hasil produksi. Variasi dari suatu produk mempengaruhi kualitas dari produk tersebut. Maka agar kualitas produk tetap terjamin, haruslah variasi dari produk diminimalisir. Pengendalian kualitas statistik atau Statistical Quality Control (SQC) adalah sekumpulan perangkat statistik yang berguna untuk mengontrol agar proses produksi berjalan dengan stabil dan meningkatkan kemampuan produksi melalui pengurangan variasi hasil produksi. Perangkat statistik yang biasa digunakan untuk tujuan tersebut adalah bagan kendali. Bagan kendali yang umum digunakan untuk mengontrol proses produksi adalah bagan kendali Shewhart ̅ dan atau . Namun, bagan kendali Shewhart ̅ kurang efektif dalam mendeteksi pergeseran nilai mean proses yang kecil karena tidak memperdulikan informasi dari data yang terdahulu ketika titik terbaru digambarkan pada bagan. Oleh karena itu, dibutuhkanlah bagan kendali lain yang dapat mengatasi permasalahan tersebut. Bagan kendali Exponentially Weighted Moving Average (EWMA) untuk mean proses sangat efektif dalam mendeteksi pergeseran nilai mean yang kecil. Pada bagan Exponentially Weighted Moving Average, data yang terbaru berhubungan dengan data yang telah ada sebelumnya di mana setiap data diberikan bobot λ. Bobot bergerak secara eksponensial dari data terbaru ke data sebelumnya. ......There are variations or diversity of products in a production. Variations of a product affects the quality of the product. To keep the quality control of product, the variation of the product should be minimized. Statistical Quality Control (SQC) is a collection of useful statistical tools to control the production process. Statistical tool commonly used for this purpose is the control charts. Control chart that commonly used to control the production process are Shewhart ̅and or control chart. Shewhart ̅ control charts are less effective in detecting small shift in mean because they do not take information from the past data when a new point is plotted. Thus, we need a control chart that can solve these problems. The Exponentially Weighted Moving Average (EWMA) control chart for mean process is very effective in detecting small mean shifts. On Exponentially Weighted Moving Average chart, the new data is related to the earlier data by using weighting factor λ. The weight λ moves exponentially from the latest data to earlier.

Abstrak :
Tesis ini membahas pengukuran dan analisis besarnya proporsi risiko nilai tukar mata uang asing terhadap keseluruhan risiko sistematik dari portofolio investasi saham di Indonesia. Risiko sistematik diukur sebagai systematic Value at Risk (VaR). Risiko sistematik dapat diuraikan menjadi komponen-komponen marjinalnya, yaitu komponen risiko nilai tukar dalam bentuk foreign exchange (forex) marginal VaR dan komponen risiko ekuitas dalam bentuk equity marginal VaR dengan metode Value at Risk decomposition technique. Penelitian dilakukan dengan mengukur forex marginal VaR dari nilai tukar mata uang USD, JPY, KRW, GBP, dan SGD terhadap Rupiah pada periode Januari 2012 sampai April 2014. Hasil penelitian ini menunjukkan bahwa nilai forex marginal VaR dan proporsi forex marginal VaR terhadap systematic VaR terbesar dimiliki oleh mata uang JPY, sedangkan nilai forex marginal VaR dan proporsi forex marginal VaR terhadap systematic VaR terkecil dimiliki oleh mata uang USD. ...... The purpose of this study is to measure and analyze the contribution of foreign exchange risk to Indonesian portfolio systematic risk. The value of systematic Risk is measured as systematic Value at Risk (VaR), which can be decomposed into its marginal component of foreign exchange risk, measured as foreign exchange (forex) marginal VaR, and marginal component of equity risk, measured as equity marginal VaR using Value at Risk decomposition technique. This study investigates forex marginal VaR of five different foreign exchanges in Indonesia, which are USD, JPY, KRW, GBP, and SGD from January 2012 until 2014. The result shows that the highest proportion of forex marginal VaR to systematic VaR belongs to JPY and the lowest proportion of forex marginal VaR to systematic VaR belongs to USD.