Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKValue-at-Risk (VaR) pada umumnya dihitung dengan menggunakan asumsi nilai aktiva yang terdistribusi normal, berdasarkan informasi pada masa lalu. Namun data empiris menunjukkan bahwa return pasar, dalam hal ini Indeks Harga Saham Gabungan (IHSG) pada Bursa Efek Indonesia, memiliki distribusi fat-tail. Akibatnya penghitungan VaR dengan asumsi distribusi normal akan memberikan estimasi kerugian yang lebih rendah dari yang sebenarnya. Dalam Karya Akhir ini dilakukan perbandingan penggunaan model VaR dengan GARCH dan model VaR yang mengadopsi Extreme Value Theory (EVT) dengan pendekataan Peaks Over Threshold, pada return IHSG di Bursa Efek Indonesia. Penggunaan EVT untuk menghasilkan estimasi VaR memberikan peramalan atas return harian IHSG pada tingkat keyakinan 99% dan 95%.Hasil penelitian menunjukkan bahwa estimasi VaR yang mengadopsi EVT memberikan hasil peramalan yang lebih akurat pada tingkat keyakinan 99%, dan analisa terhadap nilai ekstrim secara potensial memberikan kontribusi atas estimasi kerugian yang lebih akurat pada kondisi pasar yang bergejolak.

---

ABSTRACT

Value-at-Risk (VaR) is widely calculated from representations assuming that variations in the value of assets are normally distributed, conditional on past information. Empirically, Indeks Harga Saham Gabungan (IHSG) on Bursa Efek Indonesia exhibit fat-tailed leptokurtic distributions. Therefore, VaR forecasts using the asumption of normality could underestimate the true risk. In this paper, a research was taken to compare the use of VaR model using GARCH and VaR model adopting Extreme Value Theory (EVT) with Peaks Over Threshold approach, applied to IHSG return on Bursa Efek Indonesia. The use of EVT to estimate VaR provide the tail forecasts of daily returns at 99% and 95% confidence level.

The result shows that VaR estimates with EVT give more accurate forecasts at 99% confidence level and analysis of extremes can potentially contribute to a more accurate estimation of violent market swings."

"Risiko operasional merupakan salah satu jenis risiko pada perbankan yang wajib dikelola dengan baik karena sifatnya yang melekat pada setiap aktifitas fungsional bank. Dalam pengelolaan risiko operasional, bank dipersyaratkan untuk memperhitungkan kerugian yang diperkirakan dan kerugian yang tidak diperkirakan dalam kebutuhan modal bagi risiko operasional. Kebutuhan modal bagi risiko operasional ini dikenal sebagai Economic Capital (EC). Komite Basel dalam aturan Basel II, memberikan tiga pendekatan dalam perhitungan EC salah satunya pendekatan Advanced Measurement Approach (AMA). Metode AMA yang banyak digunakan adalah metode Loss Distribution Approach (LDA). Dalam metode LDA, bank harus mengestimasi loss severity distribution (distribusi severitas) dan loss frequency distribution (distribusi frekuensi) kemudian membentuk aggregate loss distribution dari gabungan kedua distribusi tersebut. Nilai EC dengan metode LDA didapat dari Value at Risk (VaR) pada aggregate loss distribution dengan tingkat kepercayaan 99,9%. Permasalahan dari metode LDA saat ini adalah dalam mengestimasi distribusi severitas masih berbasis pada suatu model distribusi tertentu, padahal banyak kasus dimana data tidak dapat digambarkan dengan baik oleh suatu model distribusi yang sudah ada. Oleh karena itu, dalam tulisan ini akan dijelaskan solusi dari permasalahan tersebut, yaitu dengan mengestimasi distribusi severitas berbasis pada data. Metode yang digunakan adalah Kernel Density Estimation (KDE). KDE merupakan suatu pendekatan statistika non-parametrik untuk mengestimasi fungsi distribusi probabilitas dari suatu variabel acak jika diasumsikan bentuk atau model distribusi dari variabel acak tersebut tidak diketahui. Hasil dari penelitian adalah estimasi distribusi severitas oleh KDE lebih baik dalam menggambarkan data dibandingkan dengan menggunakan model distribusi tertentu. Nilai EC yang dihasilkan oleh metode LDA yang menggunakan KDE lebih kecil 1,6 – 3,2% dibandingkan nilai EC yang dihasilkan oleh metode LDA yang menggunakan model distribusi tertentu.

---

Operational risk is one kind of risk on banking which must be managed well because of its character is inherent in every fungtional activity in Bank. In the management of operasional risk, Bank must be able to calculate a predictable loss and an unpredictable loss in capital requisite for operasional risk. The capital requisite in operasional risk is known as Economic Capital (EC). In the regulation of Basel II, Committee Basel gives three approaches of calculation in EC. One of that is Advanced Measurement Approach (AMA). In AMA method that is the most used in approach is Loss Distribution Approach (LDA) method. In LDA method, Bank must be able to estimate loss severity distribution (severity distribution) and loss frequency distribution (frequency distribution) and aggregate loss distribution is formed from both of them. Through LDA method, the value at EC can be gotten from Value at Risk (VaR) in aggregate loss distribution with the level of confidence reaches 99,9%. The problem from LDA method recently is in estimation a severity distribution which is still refers to a model on particular distribution whereas there are many cases which can not describe a data well through a distribution model that has been there. Therefore, in this paper, it will be explained how to face or the good solution from that problem. The good solution to face it is through estimation severity distribution that is refers to the data with using Kernel Density Estimation (KDE) method. KDE is a statistic approach non- parametric to estimate the function of distribution from disordered variabel that has not known. The result on this research is estimation of severity distribution through KDE is better than another in describing the data. LDA method using KDE is smaller the value at EC 1,6 % - 3,2 % than the value at EC using another distribution model in LDA method."

"Dengan fungsinya sebagai lembaga intermediasi keuangan, kegiatan usaha Bank selalu dihadapkan pada risiko-risiko yang berkaitan erat. Perkembangan lingkungan eksternal dan internal perbankan di era globalisasi yang tumbuh dengan pesat, terutama dengan adanya perkernbangan teknologi yang luar biasa hebat, menjadi penyebab semakin banyaknya risiko yang harus dihadapi perbankan karena kegiatan operasional bank yang semakin kompleks, sejalan dengan beragamnya produk dan jasa yang ditawarkan perbankan. Salah satu risiko yang mengemuka saat ini adalah risiko operasional. Risiko operasional menjadi salah satu faktor risiko tambahan yang hares diukur dan diperhitungkan dalam nilai minimum kecukupan modal (Capital Adequacy Ratio), selain risiko kredit dan risiko pasar. Terdapat tiga pendekatan dalam menetapkan beban modal untuk risiko operasional yaitu Basic Indicator Approach, Standardised Approach dan Advanced Measurement Approach. Penggunaan Basic Indicator Approach yang merupakan model standar dalam mengukur risiko operasional dan cenderung menghasilkan perhitungan capital charge yang lebih besar dibandingkan dengan model internal. Pengukuran risiko operasional Bank AAA dengan menggunakan Basic Indicator Approach menghasilkan capital charge untuk risiko operasional pada akhir tahun 2005 sebesar Rp.3,637,600,000.-. Berkaitan dengan hal tersebut maka dalam karya akhir ini dilakukan pengukuran risiko operasional pada Bank AAA dengan menerapkan dan menguji layak atau tidaknya metode alternatif lainnya yaitu Metode Extreme Value Theory (EVT). Penelitan ini menggunakan data yang merupakan kerugian aktual (actual loss) bulanan berdasarkan hasil temuan Satuan Kerja Audit Intern dan kertas kerja laporan profil risiko dalam periode I Januari 2003 sampai dengan 31 Desember 2006. Dalam menerapkan Metode EVT untuk mengukur risiko operasional Bank AAA, metode identifikasi nilai ekstrem yang digunakan adalah Metode Peaks over Threshold (POT) dengan jumlah data yang tersedia adalah 254 titik. Dalam Metode Peaks over Threshold, penentuan threshold hares dilakukan terlebih dahulu untuk menjadi dasar penyaringan data ekstrem. Dalam penelitian ini dipilih Cara sederhana yang telah diuji oleh Chavez-Demoulin, yaitu penentuan threshold dengan Metode Persentase yang dilakukan sedemikian sehingga 10% dari data adalah nilai ekstrem. Kemudian dilakukan estimasi parameter dengan menggunakan Hill Estimation untuk mengestimasi parameter shape dan Metode Probability-Weighted Moments untuk parameter scale. Selanjutnya dilakukan perhitungan potensi kerugian maksimal operasional Bank AAA dengan pendekatan Operational Value at Risk (OpVaR) dengan beberapa tingkat keyakinan, yaitu 95%, 99% dan 99.9%. Total OpVaR merupakan estimasi potensi kerugian maksimal total yang dapat terjadi pada suatu waktu dengan tingkat kepercayaan tertentu, berdasarkan data historis risiko operasional yang pemah terjadi. Hasil perhitungan OpVaR dalam penelitian ini memberikan kesimpulan bahwa total nilai OpVaR Bank AAA dengan tingkat keyakinan 95% sebesar Rp.73,848,797.-. Hal ini menunjukkan bahwa dengan probabilitas 95%, maka kerugian risiko operasional maksimum yang dihadapi oleh Bank AAA selama satu tahun ke depan adalah sebesar Rp.73,848,797.-. Sedangkan OpVaR Bank AAA dengan tingkat keyakinan 99% sebesar Rp.163,383,930.-, dan dengan tingkat keyakinan 99.9% sebesar Rp.751,768,500.-. Hasil perhitungan OpVaR tersebut menunjukkan bahwa OpVaR akan meningkat sangat tinggi dengan kenaikan tingkat kepercayaan. Berdasarkan hasil penelitian tersebut menunjukkan bahwa pengukuran risiko operasional Bank AAA dengan menggunakan Metode EVT-POT menghasilkan beban modal yang lebih rendah dibandingkan dengan penggunaan Basic Indicator Approach. Dengan demikian, jika Bank AAA menerapkan metode pengukuran risiko operasional dengan Metode EVT-POT maka alokasi modal yang dibutuhkan untuk menutup risiko operasionalnya menjadi lebih rendah sehingga modal yang tersedia dapat dipergunakan untuk melakukan pemekaran aktivitas bank. Berdasarkan uji back testing yang telah dilakukan, maka atas hasil estimasi OpVaR adalah dapat diterima. Dapat disimpulkan dari penelitian ini bahwa Metode Extreme Value Theory dengan menggunakan Peaks Over Threshold dapat dijadikan metode alternatif untuk mengukur risiko operasional Bank AAA.

---

With its function as an intermediation financial institution, business activities of a bank are always facing tightly interconnected risks. The external and internal environmental banking growth in the globalization era which grows rapidly, especially with the existence of an extremely remarkable technology growth, becomes the cause of even more risks it has to face, due to more complex bank operational activities according to various products and services offered.

One of the risks emerging at this moment is the risk of operation. The risk of operation becomes one of the additional risks that should be measured and calculated in the minimum value of capital adequacy ratio, not to mention credit risk and market risk. There are three approaches to ascertain the capital burden for operational risk, i.e. the Basic Indicator Approach, the Standardized Approach and the Advanced Measurement Approach.

The usage of the Basic Indicator Approach, which represents the standard model to measure the operational risk and tends to give bigger capital charge calculation compared to the internal model. The operational risk measurement of Bank AAA by using the Basic Indicator Approach gives a capital charge for the operational risk at the end of year 2005 as much as Rp3,657,600,000.-. In connection with the above-mentioned case, in this final thesis the measurement of the operational risk at Bank AAA is carried out by applying and testing whether it is proper or not to use another alternative method, i.e. the Extreme Value Theory Method (EVT).

This research uses data, which forms the monthly actual loss based on the finding results of the Internal Audit Work Unit and working paper reports of the risk profile during the period of January I, 2003 up to December 31, 2006. In applying the EVT Method to measure the operational risk of Bank AAA, the extreme value identification method used is the Peaks Over Threshold Method (POT) with the available data amount of 254 points.

In the POT Method, the determination of threshold should be done beforehand to become the basic extreme data filtering. This research has chosen a simple method, which has already been examined by Chavez-Demoulin, i.e. the determination of threshold by the Method of Percentage, carried out in such a way so that 10% of the data becomes the extreme value. Then, the parameter estimation is carried out by using the Hill Estimation to estimate the parameter shape and the Probability Weighted Moments Method for parameter scale. Furthermore, a calculation of the maximum operational loss of Bank AAA is carried out by approaching the Operational Value at Risk (OpVaR). With several level of confidence, i.e. 95%, 99% and 99.9%.

The total value of OpVaR constitutes the estimation of the total maximum potential loss which can happen at one time with a certain degree of trust, based on the historical datas of operational risks that ever happened before. The result of the OpVaR calculation in this research gives the conclusion that the total value of OpVaR of Bank AAA with a 95% level of confidence as much as Rp73,848,797.-. This matter indicates that with a 95% probability, the maximum operational loss risk faced by Bank AAA during the year ahead will be as much as Rp73,848,797.-, while the OpVaR of Bank AAA with a 99% level of confidence as much as Rp751,768,500.-. The result of the OpVaR calculation indicates that the OpVaR will increase very high with the increase of the level of confidence.

The Result of this research indicates that the measurement of the operational risk of Bank AAA using the EVT-POT Method yields a lower capital charge compared to use the Basic Indicator Approach. Therefore, if Bank AAA applies an operational risk measurement method with the EVT-POT Method, then the allocation of capital, which is required to cover its operational risk becomes lower, so that the available capital can be used to carry out the development of its bank activities.

Based on the test of back testing, which has been performed, the OpVaR estimation test can be accepted. It can be concluded from this research that the application of Extreme Value Theory using the Peaks Over Threshold Method can be utilized as an alternative method to measure the operational risk of Bank AAA."

"ABSTRAKPenelitian ini bertujuan untuk menguji konsekuensi ekonomi atas kualitas dan relevansi nilai pengungkapan risiko sebagai implikasi dari contingency fit manajamen risiko perusahaan. Contingency fit manajamen risiko mencerminkan tingkat kecocokan strategi manajemen risiko dengan faktor lingkungan perusahaan. Dengan menggunakan 397 sampel perusahaan non-keuangan yang terdaftar di Bursa Efek Indonesia, hasil penelitian menunjukkan bahwa contingency fit manajamen risiko terbukti dapat meningkatkan kualitas pengungkapan risiko wajib, namun tidak dengan risiko sukarela perusahaan. Konsekuensinya, perusahaan memperoleh manfaat ekonomi berupa penurunan biaya modal, namun tidak berupa kenaikan likuiditas saham, kecuali bagi perusahaan yang sahamnya kurang aktif diperdagangkan. Selain itu, pasar merespon positif kualitas pengungkapan risiko wajib, namun negatif terhadap kualitas pengungkapan risiko sukarela. Akan tetapi, kedua jenis pengungkapan tersebut tidak digunakan pasar untuk mengantisipasi kinerja laba masa depan perusahaan.Penelitian ini bertujuan untuk menguji konsekuensi ekonomi atas kualitas dan relevansi nilai pengungkapan risiko sebagai implikasi dari contingency fit manajamen risiko perusahaan. Contingency fit manajamen risiko mencerminkan tingkat kecocokan strategi manajemen risiko dengan faktor lingkungan perusahaan. Dengan menggunakan 397 sampel perusahaan non-keuangan yang terdaftar di Bursa Efek Indonesia, hasil penelitian menunjukkan bahwa contingency fit manajamen risiko terbukti dapat meningkatkan kualitas pengungkapan risiko wajib, namun tidak dengan risiko sukarela perusahaan. Konsekuensinya, perusahaan memperoleh manfaat ekonomi berupa penurunan biaya modal, namun tidak berupa kenaikan likuiditas saham, kecuali bagi perusahaan yang sahamnya kurang aktif diperdagangkan. Selain itu, pasar merespon positif kualitas pengungkapan risiko wajib, namun negatif terhadap kualitas pengungkapan risiko sukarela. Akan tetapi, kedua jenis pengungkapan tersebut tidak digunakan pasar untuk mengantisipasi kinerja laba masa depan perusahaan.

---

ABSTRACTThe objective of this study is to examine the economic consequences of increased risk disclosure quality and its value relevance as an implication of the fit level of enterprise risk management ERM and firm rsquo s environmental factors ERM contingency fit. By using samples of 397 non finance companies that listed in Indonesia Stock Exchange, this study finds that ERM contingency fit increase mandatory risk disclosure quality, but do not increase voluntary ones. As the consequences, firms rsquo cost of equity is decreased, but firms rsquo share liquidity is not increased, except for firms who categorized as thin shares. Furthermore, market responses on the increased of mandatory risk disclosure quality positively, but negatively on voluntary ones. Unfortunately, market do not use both type of risk disclosure to anticipate firms rsquo future earnings performance"

"Penelitian ini untuk menganalisis estimasi Value at Risk untuk mengukur volatilitas dan risiko Pasar Crude Palmoil (CPO) dengan Metode ARCH/GARCH pada Bursa Malaysia Derivative (BMD) Periode 2007-2010 dengan jumlah data observasi sebanyak 4.950 sampel harga CPO untuk jenis harga spot, future 1 bulan hingga future 4 bulan. Penelitian ini menggunakan metode ARCH/GARCH dengan pemilihan metode ARCH/GARCH yang memberikan hasil paling baik. Hasil penelitian menunjukkan bahwa metode ARCH/GARCH (1,1) merupakan metode yang memberikan estimasi paling baik untuk semua harga kecuali untuk Future 3 bulan periode 2009-2010 dimana metode yang paling baik adalah ARCH/GARCH (2,1) dan ARCH/GARCH (1,2) untuk Future 4 bulan periode 2009-2010. Selain itu, hasil penelitian menunjukkan bahwa volatilitas pasar CPO periode 2009-2010 cenderung menurun dibandingkan periode 2007-2008 dengan penurunan volatilitas terbanyak sebesar 27,66% yaitu pada harga spot. Akibat menurunnya volatilitas tersebut, maka resiko pasar CPO pun mengalami penuruan dengan besaran penurunan terbanyak sebesar 10,66% untuk harga spot. Penurunan ini tetap saja merupakan resiko baik bagi produsen maupun konsumen karenanya perlu dilakukan Hedging untuk memitigasi resiko tersebut. Selain dengan melakukan kontrak dengan formula harga yang mengacu pada harga CPO yang mempunyai nilai VaR terendah, hedging juga dapat dilakukan dengan melakukan perdagangan derivative dalam hal ini futures yang dihedge pada posisi yang berlawanan dengan perdagangan pada pasar spot.

---

This study to analyze Value at Risk estimation for volatility and risk measurement of Crude Palmoil (CPO) using ARCH/GARCH method at Bursa Malaysia Derivative (BMD) for period 2007-2010 with total sample of 4.950 spot price and future price from 1 month up to 4 month future price. This study uses ARCH/GARCH method by selecting the best ARCH/GARCH method that resulting the best and closest estimation. The result shows that ARCH/GARCH(1,1) method give the closest result for whole prices excepted for Future 3 months period 2009-2010 where ARCH/GARCH(2,1) provides the best estimation and for Future 4 months period 2009-2010 where ARCH/GARCH(1,2) provides the best estimation. The other result is that the volatility of Crude Palmoil commodity for period of 2009-2010 tend to be decreased than period of 2007-2008 with the most decreases percentage is 27,66% occur to Spot price and therefore the risk also tend to be decreased with the percentage of decreases is 10,66% occur to Spot price. This decreases still appearing risks for both producer and consumer, therefore hedging is important as risk mitigation. The hedging can be done not only through taking the contract with price reference that has low VaR value, but also by trading its derivative such futures that is hedged oppositely with trading in spot price."

"Karya akhir ini adalah mengenai perhitungan VaR risiko pasar (dalam hal ini adalah risiko ekuitas) menggunakan volatilitas yang diukur tidak hanya dengan simple standard deviation namun juga dengan model EWMA dan ARCH/GARCH. Model EWMA dan ARCH/GARCH digunakan karena data return dari indeks bursa saham cenderung bersifat heteroskedastik. Khusus untuk model ARCH/GARCH, dalam penelitian ini juga digunakan salah satu variannya yaitu IGARCH. Hasil penelitian ini menunjukkan bahwa secara teoritis seluruh model yang digunakan adalah valid. Namun, bila dilihat secara praktis, model ARCH/GARCH dan variannya memberikan nilai VaR yang lebih rendah dibandingkan dengan model lainnya, konsekuensinya capital charge-nya juga dapat lebih rendah. Menggunakan asumsi portofolio senilai 100.000.000, dengan tingkat keyakinan 99%, potensi kerugian 1 hari ke depan (VaR 1 hari) untuk IHSG tanggal 30 Juni 2009 adalah 5.005.488. Nilai ini merupakan nilai tertinggi dibandingkan dengan indeks bursa saham lainnya. Dalam penelitian ini juga ditunjukkan bahwa stock index futures dapat digunakan untuk melakukan mitigasi risiko ekuitas secara cukup efektif.

---

This thesis is about computing market risk (in this case is equity risk) VaR using volatility measured by not only simple standard devaition but also EWMA and ARCH/GARCH model. The EWMA and ARCH/GARCH model are used due to the data of stock market index return which show a relatively heteroskedastic nature. Especially for ARCH/GARCH model, one of its variant (the IGARCH) is also used in this research. The result from this research shows that theoretically all the model used are valid. But practically, the ARCH/GARCH model and its variant produce a lower VaR value compare to other models, bringing a lower capital charge as the consequence. Using an assumed portfolio value of 100.000.000, with 99% level of confidence, the 1-day ahead potential loss (1-day VaR) for IHSG on June 30, 2009 is 5.005.488. This is the highest value compare to other stock market indices. It is also shown in this research that stock index futures can be used to mitigate equity risk effectively enough."

"ABSTRAKTesis ini membahas mengenai perhitungan VaR risiko pasar dengan menggunakan pendekatan volatilitas yang diukur dengan model EWMA dan GARCH. Model EWMA dan GARCH digunakan dalam menghitung data return yang bersifat tidak konstan atau heteroskedastik. Hasil dari penelitian ini menunjukkan bahwa kedua model yang digunakan merupakan model yang valid. Namun bila dilihat secara praktis, model GARCH memberikan nilai VaR yang lebih rendah dibandingkan dengan model EWMA. Sehingga konsekuensinya model GARCH akan memberikan nilai capital charge yang lebih rendah dengan menggunakan asumsi exposure senilai 100.000.000 dan tingkat keyakinan 99%. Dengan menggunakan pendekatan ARCH/GARCH maka diperoleh VaR 1 hari terbesar pada saat volatile period yaitu pada Hongkong Sanghai Inde.

---

ABSTRACT

In this thesis describing about the measurement of Value at Risk using volatility measured by EWMA and GARCH model. The EWMA and GARCH model are used due to the data of stock market index return which show a relatively heteroscedastic nature. The results of this research indicate that theoretically all the model used are valid model. However, when viewed in a practical, GARCH model provide a lower VaR compare to EWMA model. Consequently GARCH model will give a lower capital charge using the assumption 100.000.000 worth of exposure and 99% of confidence level. By using the approach of GARCH model, the highest 1 day VaR obtained in volatile period is in Hongkong Sanghai Index, while the highest 1 day VaR obtained in stable period is in IBEX5"

"Penelitian ini bertujuan untuk menganalisa dan mengetahui apakah terdapat pengaruh dari tingkat suku bunga di Indonesia terhadap perilaku pengambilan risiko pada bank bank umum di Indonesia yang tercatat pada Bursa Efek Indonesia pada periode 2004 ? 2012 semiannual, sesuai dengan fenomena yang terjadi pada bank di negara negara Eropa. Pengukuran risiko akan dibagi menjadi tiga yaitu dari Risk Weighted Asset (Asset Tertimbang Menurut Risiko), Non Performing Loan (Kredit Macet), dan Z-Score . Sementara itu pengukuran tingkat suku bunga juga akan dibagi menjadi tiga yaitu Short-Term Rate (tingkat jangka pendek), Long-Term Rate (tingkat jangka panjang) dan Central Bank Rate (tingkat bank sentral). Tujuan pembagian kedalam ketiga ukuran tersebut adalah untuk melihat pengaruh tingkat suku bunga yang lebih konsistent, serta melihat pengaruhnya terhadap ketiga alat ukur risiko yang berbeda beda. Selain variabel variabel tersebut, model ini akan disertakan juga variabel variabel kontrol untuk mengetahui pengaruh variabel kontrol tersebut terhadap perilaku pengambilan risiko bank tersebut, serta untuk memperbaiki model penelitian. Dan pengolahan data dilakukan dengan menggunakan metode regresi data panel.Hasil dari penelitian ini adalah bahwa benar terdapat pengaruh dari tingkat suku bunga terhadap perilaku pengambilan risiko pada bank bank Indonesia. Hal tersebut terlihat dari variabel short-term rate, long-term rate dan central bank rate yang memiliki pengaruh negatif signifikan terhadap risk weighted asset suatu bank. Namun sebaliknya, tiga suku bunga ini memiliki pengaruh positif signifikan terhadap non performing loan suatu bank. Dan juga masing-masing suku bunga memiliki pengaruh positif signifikan terhadap z- score suatu bank. Yang mengartikan bahwa ketiga alat ukur tingkat suku bunga memiliki arah pengaruh yang konsisten dalam mempengaruhi satu ukuran risikonya. Selain itu, variabel kontrol ROA memiliki pengaruh negatif signifikan terhadap risk weighted asset, namun memiliki pengaruh positif signifikan terhadap non performing loan, dan zscore bank tersebut. Sementara itu variabel capitalization (kapitalisasi pasar), dan loan deposit ratio (pertumbuhan pinjaman bank) memiliki pengaruh signifikan terhadap risk weighted asset, non performing loan serta z score. Disisi lain, variabel size (ukuran bank) tidak berpengaruh signifikan terhadap risk weighted asset dan non performing loan bank di Indonesia.

---

This study aims to analyze and determine whether there is influence of interest rates in Indonesia against the risk taking behavior of commercial banks in Indonesia that are listed on the Indonesia Stock Exchange in the period 2004 - 2012 taken semiannualy. This research shows more Indonesia?s market perpectives by comparison with the phenomena that occur on the banks in European countries. Risk measurement will be divided into Risk Weighted Assets, Non-Performing Loans, and Z-Score. Where the measurement of interest rate will be divided into Short-Term Rate, Long-Term Rate and the Central Bank Rate. Both independent variable and dependent variable are divided to three measurement analyze whether the three interest rate measurement have a consistent effect to each of the three different risk measurement. In addition, the model will also be included control variables to determine the effect of the control variables of the bank's risk-taking behavior, as well as to focus the research model enhancement. This research use Panel Data Regression.

The result of this study primarily examined the effect of the interest rate on risk-taking behavior in Indonesian banks. As a result, the short-term variable rate, long-term rate and the central bank rate has a significant negative effect on a bank's risk-weighted assets. Whereas, these 3 variables have a significant positive effect on a bank's nonperforming loans. And also these independent variable have a significant positive effect on the z-score of a bank. Which means that all the interest rate measurement have a consistent direction of effect in influencing the size of the risk. In addition, the control variable ROA has a significant negative effect on the risk-weighted assets, but has a significant positive effect on non-performing loans, and the bank's z-score. While the variable capitalization, and loan-deposit ratio has a significant influence on risk-weighted assets, non-performing loans and z score. On the other hand, the variable size did not significantly influence the riskweighted assets and non-performing loans of banks in Indonesia."

"Penelitian ini bertujuan untuk membandingkan dua metode value at-risk, delta-normal dan historical simulation diaplikasikan pada sebuah portofolio. Data yang digunakan dalam penelitian adalah rerum portofolio yang terdiri dari saham­ saham LQ45 selama interval waktu Februari 2007 sampai dengan Juli 2009 yang berjumlah 596 data. Sebelum diperbandingkan, hasil kedua metode pethitungan VaR akan diuji validitasnya sebagai rnetode pengukuran menggunakan Kupiec test. Jika kedua metode dinyatakan valid, maka kedua metode lersebut akan diperbandingkan untuk menentukan mewde manakah yang lebih cocok sebagai VaR bagi portofolio tersebut Uji normaHtas akan dilakukan karena merupakan asurnsi dalam metode delta-normal. Parameter perhitungau VaR yang digunakan adalah confidence interval 95% dengan horizon waktu 20 hari. Berdasarkan hasil pengujian Kupiec test, kedua metode dalam penelitian ini ditolak sebagai metode pengukuran VaR portofolio tersebut. Dan menurut uji normalitas, beberapa return portofolio tersebut tidak memilik.i dlstibusi normal yang berdampak metode delta-normal tidak dapat langsung diterapkan sehingga dafam perhitungannya harus menggunakan alpha prime. Hasil penelitian ini menyatakan bahwa kedua metode tersebut memiliki tingkat kesalahan yang sama, selain itu berdasarkan Kupiec test dari kedua metode tersebut tidak memiliki validitas yang baik untuk diterapkan.

---

This research aimed to comparing two method of Value-at-risk, that is delta­ normal and historical simulation applied to a portfolio. Data used in this research are portfolio return consisting LQ45's stock for time interval February 2007 till July 2009 with total 596 data. Before the comparison, result from both methods will be tested for its validity as a measurement method using Kupiec test. If both methods are valid, then both of methods will be compared to know which one is more suit as VaR for related portfolio. Normality test will be held because it needed for delta-normal method. Measurement parameters used are confidence interval 95% with 20 days time horizon.

Based on the result of Kupiec test, both methods rejected as VaR measurement method for related portfolio. And according to normality test, portfolio returns have a not normal distribution therefore can not be applied immediately to delta normal results are both method are have the same failure rate, but the result from Kupiec test shows that both methods are not suitable to be implemented."

"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."