Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :

Sejak lebih dari dua dasawarsa penerapan sistem Perbankan Syariah di Indonesia, berbagai studi yang membahas tentang issue mengenai praktik dan pembaruan teori pun semakin berkembang seiring dengan tingginya minat masyarakat muslim di Indonesia akan produk keuangan berbasis syariah. Salah satu tantangan dalam pertumbuhan suatu sistem perbankan adalah kemampuannya dalam menghadapi risiko yang dapat muncul bahkan dalam keadaan ekstrim sekalipun. Tingkat gagal bayar yang tinggi membuat pihak perbankan tidak hentinya berupaya untuk mencari strategi terbaik yang bisa dilakukan untuk meminimalisasi kerugian. Belum lagi resesi ekonomi berkepanjangan bahkan krisis ekonomi masih menjadi permasalahan yang paling mengkhawatirkan seluruh sektor keuangan. Penelitian ini kemudian dilakukan untuk melihat ketahanan bank syariah di Indonesia terhadap guncangan ekonomi, khususnya secara makro,  menggunakan model untuk macro stress test  risiko kredit untuk sektor perbankan berdasarkan analisis scenario.

 

---

Since more than two decades of implementation of Sharia Banking sistem in Indonesia, various studies that discuss issues concerning the practice and the renewal of theory have also grown along with the high interest of the Muslim community in Indonesia for sharia-based financial products. One of the challenges within the growth of a banking sistem is its ability to deal with risks that can arise even in extreme circumstances. The high default rate makes the banks endlessly try to find the best strategy that can be done to minimize losses. Furthermore, prolonged economic recession and even the economic crisis is still the most worrying problem for the entire financial sektor. This research then conducted to look at the resilience of Islamic banks in Indonesia to economic shocks, particularly at a macro level, using a model for macro stress tests of credit risk for the banking sektor based on scenario analysis.

 

Abstrak :
Pasar modal khususnya Bursa Efek merupakan industri yang rawan terhadap risiko sistemik dan crash yang dapat berdampak luas dan mengancam industri secara keseluruhan. Untuk itulah diperlukan berbagai perangkat atau prosedur untuk mencegah terjadinya risiko tersebut. Dana Jaminan Transaksi Bursa atau kadang disebut juga Dana Kliring merupakan salah satu sumber keuangan dalam rangka mencegah risiko sistemik. Di pasar modal Indonesia, dana ini dikumpulkan sebesar persentase tertentu dari nilai transaksi. Karena dana ini sudah terkumpul cukup besar, berbagai kalangan terutama Perusahaan Efek melalui Asosisasi Perusahaan Efek Indonesia (APEI) meminta agar tidak lagi dikenakan pungutan Dana Jaminan, karena dana ini telah dianggap cukup. Bapepam selaku pengawas pasar modal telah menugaskan KPEI selaku pengelola Dana Jaminan dan APEI untuk inendiskusikan hal tersebut. Untuk itu perlu dilakukan analisis terhadap kecukupan Dana Jaminan saat ini sehingga dapat digunakan sebagai dasar dalam pengambilan kebijakan. Lembaga internasional BIS dan IOSCO telah memberikan rekomendasi terkait pengelolaan Dana Jaminan, termasuk di dalamnya adalah pengukuran kecukupannya. Beberapa rekomendasinya antara lain bahwa kecukupan Dana Jaminan diukur dengan menggunakan stress testing. Stress resting harus mencakup periode paling ekstrim yang pernah dialami oleh pasar. Stress testing juga harus mempertimbangkan kemungkinan kegagalan (default) beberapa partisipan pada saat yang bersamaan. Berbagai rekomendasi tersebut dijadikan dasar dalam pemodelan untuk mengukur kecukupan Dana Jaminan. Dengan pertimbangan bahwa pengukuran kecukupan Dana Jaminan melibatkan banyak faktor risiko dan dengan mempertimbangkan periode ekstrim yang pernah Saialami, maka dalam penelitian ini digunakan stress testing dengan teknik multifactor dan scenario analysis dengan inontecarlo simulation, Simulasi akan dibangkitkan dari pola dan paramctcr distribusi faktor-faktor risiko dari periode ekstrim yang dipilih. Secara garis besar langkah-langkah dalam penelitian ini meliputi: - Identifikasi faktor-faktor risiko. - Mengembangkan model perhitungan dengan memasukkan variabel-variabel risiko. - - - Menentukan jenis dan parameter distribusi dari faktor-faktor risiko dengan mengacu pada periode ekstrim. - Menganalisis model dengan melakukan simulasi dan stress analysis. Dalam rangka memberikan keleluasaan dalam pengambilan kebijakan, dalam penelitian ini digunakan dua alternatifstress analysis, yaitu : 1. Stress testing yang hanya didasarkan pada pola dan parameter distribusi periode yang ekstrim. 2. Stress resting yang ditentukan dengan melakukan stressed atas faktor-faktor pendorong risiko yang didasarkan pada pola dan parameter distribusi periode ekstrim. Alternatif perhitungan pertama lebih moderat dan menghasilkan angka kebutuhan Dana Jaminan Transaksi Bursa sebesar 405 miliar rupiah. Sedangkan altematif kedua lebih konservatif dan menghasilkan angka kebutuhan Dana Jaminan Transaksi Bursa sekitar 1,487 triliun rupiah.

---

As a main part of capital market, stock exchange is obviously vulnerable to crash and systemic risk which could widely affect and threaten the industry as a whole. For that reason, it is necessary to set up various tools or procedures to prevent such risk. Stock Exchange Guarantee Fund or sometimes is called Clearing Fund is one of procedures to prevent such risks. In Indonesian capital market, this fund is collected as a certain percentage amount of stock brokerage companies trading value. Currently, there is an initiative to stop collecting the fund due to its total amount. This initiative to Bapepam comes from the Indonesia Securities Company (APED). In the point of view APED the current total amount of the fund is huge enough to cover the risk. Bapepam, as capital market supervisor has already asked KPEI to study the issue. Therefore, measuring the adequacy of guarantee fund becomes an urgent matter in order to formulate appropriate policy base on scientific reason. International organizations such as BIS and IOSCO have published recommendations concerning guarantee fund management, including the assessment of the adequacy of fund. The recommendations indicate the using of stress testing techniques to assess the adequacy of fund. Stress testing should include the most volatile periods that have been experienced by the markets for which KPEI as CCP provides its services. Stress testing should also evaluate the potential of defaults by two or more participants (particularly related group members or affiliates). Therefore the modeling for assessing the adequacy of guarantee fund takes into account the recommendation published by them. The recommendation is used in this paper in modeling for assessing the adequacy of guarantee fund. Not only the measurement of guarantee fund adequacy involves many risk factors but also time period factor that include the extreme periods that have been experienced by the markets. Therefore the study in this paper chooses to use stress testing, multifactor analysis, and scenario analysis with Monte Carlo simulation as methods or techniques to determine the adequacy of guarantee fund. The simulation data will be generated through distribution pattern and parameter from extreme period selected. Basically the steps in this study cover : - Identifying risk factors. - Develop calculation Model by applying the risk factors which have been identified. - Define the distribution type and parameter of risk factors referring to extreme period. - Analysis the model by simulation and stressing the risk factors. In order to give alternatives for rule making rule process, this study uses two alternatives of stress analysis: 1. Stress testing which is only based on pattern and parameter of distribution of extreme period. 2. Stress testing which is not only based on pattern and parameter of distribution of extreme period, but also based on stressing of risk factors simultaneously. The first alternative is more moderate and come up with the adequacy of fund only at amount of 405 billions rupiah, whereas the second alternative is much more conservative. The second method comes up with a quite large amount of fund needed that is 1,487 billions rupiah.

Abstrak :
Fokus studi ini membahas potensi kerugian atas portofolio saham yang dimiliki oleh PT Danareksa Sekuritas pada skenario stress testing. Tujuan dari penelitian ini yakni untuk memberikan tambahan pemahaman untuk penelitian selanjutnya sehubungan dengan kecukupan modal dan praktik manajemen risiko di perusahaan sekuritas, memperkaya referensi dalam menyempurnakan peraturan, sebagai pertimbangan dalam melakukan evaluasi atas kecukupan modal sebagai bagian dari proses manajemen risiko. Dengan mengetahui hal ini, dapat membantu perusahaan sekuritas dan otoritas dalam menentukan batas minimal kecukupan modal yang diperlukan. Penelitian ini adalah penelitian kuantitatif dengan desain deskriptif. Data penelitian didapatkan dari perusahaan serta sumber lainnya. Hasil penelitian menyarankan bahwa peraturan terkait MKBD yang berlaku saat ini telah mencakup potensi kerugian pada skenario stress testing, namun pengungkapan lebih lanjut dan mendalam terkait praktik manajemen risiko diperlukan. ...... The focus of this study is the possible loss of the stocks portfolio held by PT Danareksa Sekuritas under stress testing scenario. The purpose of this study is to add insight for deeper research about capital adequacy and risk management for securities company, to enrich references in perfecting the regulation requirements, to be the consideration in evaluating the capital adequacy as risk management process. Knowing this will allow the securities company and regulator in determining the minimum requirement of capital needed. This research is quantitative descriptive analysis. The data were collected from the company and other sources. The researcher suggests that current regulation regarding the minimum of the required MKBD has covered the potential losses under stress scenario, however further and deeper disclosure regarding risk management practice is necessary.

Abstrak :
Dengan perkembangan kondisi pasar keuangan selama dua tahun terakhir akibat dari krisis subprime mortgage, pelaku pasar yakin bahwa pengukuran risiko pasar nilai VaR masih harus dilengkapi dengan analisis Stress Testing nilai VaR. Penelitian ini akan melakukan stress testing atas nilai VaR portofolio efek saham PT DA yang dihitung dengan Simulasi Historical dan Simulasi Monte Carlo. Simulasi historical yang merupakan perhitungan nonparametric (menggunakan data historis sebagai perubahan return saham) dipilih karena secara internal, pendekatan ini masih sering digunakan. Sedangkan simulasi monte carlo dianggap sebagai metoda yang lebih baik sebab nilai acak yang dibangun diyakini selalu konvergen ke keadaan riilnya. Atas perhitungan nilai VaR, akan dilakukan analisis Scenario Stress Testing yang menggunakan kejadian historis sebagai kondisi ekstrim ("stress event"). Analisis stress testing dilakukan dengan menghitung ulang nilai VaR sesuai skenario yang ditetapkan sebagai kondisi ekstrim. Estimasi nilai stress testing VaR dengan model dalam penelitian diharapkan dapat diaplikasikan dalam pengawasan potensi risiko pasar pada PT DA.

---

The progress of recent financial market in the last two years, as a result of subprime mortgage crisis, leads to the belief of the market players that Value at Risk should be complemented with Stress Testing Analysis. This research will run stress testing analysis? on the Value at Risk of the PT DA's portfolio which use Historical and Monte Carlo Simulation. Historical simulation which is an nonparametric approach (which uses historical data as stock return changes) was chose due to the intensity of internal uses. While monte carlo simulation was chose due to the belief as a better method. The reason is that it is believed that the random numbers generated will always converge the the riil condition. Stress testing analysis will be run based on these VaR figures using Scenario Analysis approach, that use historical events as its stress events. Stress testing analysis will rerun the process of calculating VaR according to the simulation methods and stress events. Estimating stress testing VaR figures using these models is expected to be a reference for managing market risk in the company.

Abstrak :
Risiko kredit adalah salah satu risiko yang dihadapi KPEI sebagai central counterparty di pasar modal Indonesia. Risiko kredit tersebut muncul karena adanya penyelesaian hak dan kewajiban Anggota Kliring (AK) ke KPEI, sehubungan dengan transaksi yang dilakukan di BEI. Salah satu rekomendasi dari BIS dan IOSCO, KPEI harus dapat mengelola risiko kredit terkait adanya kemungkinan kegagalan anggotanya. Penelitian ini bertujuan untuk mengukur dan menghitung risiko kredit (expected loss) AK menggunakan Factor Model yang diimplementasikan KPEI sebelum Juni 2012 dan Risk-Based Model yang diimplementasikan setelahnya dan kemudian membandingkannya. Juga dilakukan perhitungan risiko tambahan (unexpected loss) AK dengan menggunakan metode stress testing. Data yang digunakan adalah data penyelesaian hak dan kewajiban seluruh AK tanggal transaksi 25, 28 dan 29 Mei 2012 yang belum diselesaikan pada tanggal 30 Mei 2012. Penelitian ini menunjukkan bahwa pengukuran risiko (expected loss) dalam kondisi pasar normal dengan metode Risk-Based Model memberikan nilai yang lebih kecil dibandingkan dengan metode Factor Model. Sedangkan untuk risiko dalam kondisi pasar stress (unexpected loss), 73% dari 113 AK yang diteliti mengalami tambahan risiko kredit terhadap KPEI.

---

Credit risk is one of the risks faced KPEI as a central counterparty in Indonesia's capital market. Credit risk arises due to the completion of the rights and obligations of the Clearing Member (CM) to KPEI. One of the BIS and IOSCO?s recommendations, KPEI should be able to manage credit risk related to a possible failure of its members. This study aims to measure and calculate the CM's credit risk (expected loss) using Factor Model implemented before June 2012 and the Risk-Based Model implemented afterwards and then compare them. Also performed the calculation of the additional risk (unexpected loss) using stress testing. The data used is the completion of the rights and obligations of data throughout the transaction date AK 25, 28 and May 29, 2012 that have not been settled on May 30, 2012. This study shows that the measurement of risk (expected loss) under normal market conditions by the of Risk-Based Model method gives a smaller value than Factor Model method. As for the risk in the stress market conditions (unexpected loss), 73% of 113 CMs have studied additional credit risk to KPEI.

Abstrak :
ABSTRAK
Perdebatan tentang bail out untuk menyelamatkan bank kembali muncul sejak krisis keuangan global 2007-2008. Amerika mengeluarkan dana talangan lebih dari 475 miliar dolar, terbesar dalam sejarah. Beberapa pihak menganggap talangan itu berhasil dan beberapa dianggap gagal dan tidak konstitusional karena mereka menyediakan dana perpajakan ke sektor swasta. Di Indonesia hal serupa muncul setelah keluarnya bail out untuk bank Century sampai akhirnya protokol krisis Indonesia tidak lagi menggunakan jaminan sehingga pembaharuan rezim harus diperiksa kembali apakah layak atau tidak. Peneliti menggunakan pengujian sensitivitas dinamis dan metode CoVaR untuk melihat dampak sistemik dan persyaratan modal jika terjadi skenario buruk dalam perekonomian. Peneliti hanya menghitung aset LPS sebagai penjamin karena mayoritas pemegang saham modal dan kontribusi industri perbankan yang menjadi sumber daya dalam mekanisme bail in sulit diukur dengan andal. Dengan demikian peneliti menemukan bahwa dengan skenario optimis, LPS sendiri masih dapat menangani skenario base case dan skenario adverse. Namun tidak lagi bisa menangani saat skenario bergeser menjadi severely adverse atau skenario dengan kondisi krisis 1998.

---

ABSTRAK
Indonesia has been implementing the no bail out mechanism as part of its protocol to rescue bank problem mainly for systemically important bank. It is utterly important to perform a simulation test to check the feasibility of this newly implemented policy. This research uses dynamic stress testing and CoVaR methods to see the systemic impact and capital requirements in the event of an economic downturn and normal condition. The guarantee proxy is limited to Indonesian Deposit Insurance Corporation LPS asset only due to lack of majority shareholder capital and bank contribution in bail in mechanism data availability . The result shows that with under the optimistic scenario, LPS asset is sufficient to cover the cost of bank rescue. However, under the pessimistic scenario, the cost is beyond LPS capability. Hence no bail out mechanism can only be working properly under normal condition but not in severely adverse condition.

Abstrak :
Laporan magang ini mengevaluasi framework stress testing pada PT XYZ yang disusun oleh PT ABC Konsultan. Evaluasi tersebut meliputi poin-poin dalam stress testing yaitu objektif stress testing, tata kelola stress testing, ruang lingkup stress testing, skenario dan metodologi stress testing, manajemen data stress testing, dan pelaporan stress testing. Evaluasi dilakukan dengan membandingkan framework stress testing PT XYZ dengan framework stress testing of Basel Committee dan ketentuan framework stress testing yang tertuang dalam SE OJK No. 34/SEOJK.03/2016 tentang Manajemen Risiko. Hasil evaluasi menunjukkan bahwa masih terdapat beberapa kesenjangan antara framework stress testing PT XYZ yang disusun oleh PT ABC Konsultan dengan framework stress testing of Basel dan tidak ada kesenjangan dengan SE OJK No. 34/SEOJK.03/2016. ......This internship report evaluate the stress testing framework at PT XYZ which was prepared by PT ABC Konsultan. The evaluation includes the objectives of stress testing, the governance of stress testing, the scope of stress testing, scenarios and methodologies of stress testing, data management of stress testing, and reporting. The evaluation was conducted by comparing the stress testing framework of PT XYZ with the stress testing framework of the Basel Committee and the stress testing framework in SE OJK No. 34/SEOJK.03/2016 concerning Risk Management. The results show that there are some gaps between the stress testing framework of PT XYZ with the stress testing framework of Basel and there is no gap with SE OJK No. 34/SEOJK.03/2016

Abstrak :
Krisis moneter yang terjadi di Indonesia pada tahun 1997-1998, 2005, dan 2008 membuat bank-bank mengalami kesulitan likuiditas. Kondisi tersebut menyebabkan risiko kredit/tingkat kredit bermasalah pada saat itu meningkat karena banyak perusahaan yang mengalami kesulitan keuangan dan tidak mampu mengembalikan kredit yang dimiliki kepada bank. Di sisi lain, bank juga harus memiliki modal yang cukup untuk mengantisipasi penarikan dana besar-besaran pada suatu saat oleh nasabahnya. Peningkatan kredit bermasalah (NPL) membuat bank cukup rentan terhadap guncangan ekonomi yang akan terjadi jika bank tidak memiliki modal (CAR) yang cukup. Dalam kondisi ekonomi yang buruk (shock), bank perlu berhati-hati karena tidak ada yang dapat memperkirakan luas dan dalamnya krisis keungan. Oleh karena itu, bank harus melakukan stress testing secara berkala untuk memperkirakan kemampuan bank bertahan pada kondisi yang buruk. Metode yang digunakan dalam penelitian ini adalah Vector Auto Regressive (VAR) yang mampu memperkirakan jangka waktu (lag) yang optimal yang dapat mempengaruhi variabel itu sendiri dalam persamaan regresi linier atau model yang dibentuknya. Hasil penelitian ini menunjukkan bahwa peningkatan inflasi dan nilai tukar IDR/USD berpengaruh positif terhadap NPL, sedangkan peningkatan Pendapatan Domestik Bruto (GDP) dan BI Rate berpengaruh negatif terhadap NPL dengan lag 1 (1 kuartal). Pada saat terjadi shock, NPL akan meningkat dan mencapai NPL tertinggi pada 5 - 7 kuartal setelah terjadinya shock. Peningkatan NPL tersebut tidak sama untuk semua jenis bank. Berdasarkan struktur kepemilikan bank, Bank Campuran dan Bank Asing memiliki risiko kredit tertinggi, sedangkan BUSN Non Devisa dan BPD memiliki risiko kredit terkecil akibat terjadinya shock. Risiko kredit tersebut menyebabkan tingkat CAR Bank menurun namun masih berada di atas ketentuan Bank Indonesia, yaitu 8%.

---

Banks had liquidity problems in Indonesia monetary crisis in 1997-1998, 2005 and 2008. The condition caused credit risk/the level of non-performing loans (NPL) increased because many companies had financial difficulties and are not able to repay the loan to the Bank. On the other hand, Banks also must have enough capital to anticipation of massive withdrawals (rush) at any time by the customer. Increasing in non-performing loans makes banks quite vulnerable to economic shocks that would occur if the bank has no sufficient capital (CAR). In bad economic conditions (shock), Banks need to be careful because no one can predict the breadth and depth of the financial crisis. Therefore, Banks should conduct stress tests periodically to estimate the banks' ability to survive in harsh conditions. The methodology used in this research is the Vector Auto Regressive (VAR) that is able to estimate the length of time (lag) that can affect the optimal variable itself in a linear regression equation or model of the formation. The results of this research represented that the increase in inflation and exchange rate IDR/USD have positive effect on NPL, while the increase in Gross Domestic Product (GDP) and BI rate have negative effect on NPL with lag one (one quarter). In the time of a shock, NPL will increase and reached the highest NPL in 5 - 7 quarters after the shock. The increase in NPL is not the same for all types of banks. Based on the ownership structure of banks, the Joint Venture Bank and Foreign Owned Bank have the highest credit risk, while the Non-Foreign Exchange Commercial Bank and Regional Development Bank have the smallest credit risk due to shock. Credit risk causes Bank's CAR level declined but it remained above the Bank Indonesia regulation, which is 8%.

Abstrak :
Latar Belakang Uji latih jantung beban (ULJB) merupakan modalitas diagnostik PJKO yang telah lama digunakan. Meskipun demikian, perannya semakin semakin tergantikan oleh karena tingginya angka positif palsu, khususnya pada respons iskemik sugestif positif. Tujuan studi ini adalah untuk menyusun sebuah model algoritme prediksi menggunakan kecerdasan buatan untuk mendeteksi PJKO pada populasi respons iskemik sugestif positif. Metode Pasien yang menjalani ULJB dengan hasil respons iskemik sugestif positif dan angiografi koroner invasif dalam rentang 1 tahun pasca ULJB diikutsertakan dalam studi ini. Populasi studi dibagi secara acak menjadi kelompok latihan (80%) dan uji (20%) untuk membuat algoritme prediktif. Total 16 dari 122 fitur yang digunakan, meliputi informasi klinis, faktor risiko dan EKG saat ULJB. Algoritme yang digunakan meliputi support vector machine, logistic regression, random forest, k-nearest neighbor, naive Bayesian, Adaboost, decision tree dan extreme gradient boosting. Hasil Sebanyak 124 dari 513 pasien dengan respons iskemik sugestif positif ikutserta dalam studi ini. Algoritme random forest memiliki nilai akurasi yang paling tinggi 0,75±0,05 dengan indeks Youden 0,37 serta AUC 0,7±0,14. Sebanyak 86(69,35%) populasi terbukti memiliki stenosis signifikan. Kesimpulan ULJB dengan bantuan kecerdasan buatan dapat mendeteksi adanya PJKO pada pasien dengan sindroma koroner kronik dengan respons iskemik sugestif positif. ......Background Treadmill stress testing (TST) used to be an established diagnostic modalities in diagnosing obstructive coronary artery disease (OCAD) among patients with chronic coronary syndrome (CCS). Nevertheless, it has high false positive rate especially especially those with suggestive positive ischemic response (SPIR). We aim to develop an predictive model based on machine learning to detect OCAD among those with SPIR. Method Patients who underwent TST and coronary angiography (CAG) within 1 year interval were enrolled into the study. They were randomly splitted into training (80%) and testing (20%) dataset for model development. Sixteen out of 122 features were used, including clinical information, risk factor and ECG parameter during TST. Several algorithm were used in model development including support vector machine, logistic regression, random forest, k-nearest neighbor, naive Bayesian, Adaboost, decision tree dan extreme gradient boosting. Result 124 out of 513 patients with SPIR were enrolled in this study. Random forest algorithm achieved the highest accuracy (0,75±0,05) with Youden index of 0,37 and AUC 0,7±0,14. A total of 86(69,35%) patients had OCAD based on CAG. Conclusion Machine learning based predictive model can diagnosed OCAD among CCS patients with SPIR.