Hasil Pencarian  ::  Simpan CSV :: Kembali

Hasil Pencarian

Ditemukan 198562 dokumen yang sesuai dengan query
cover
Susi Kartika Candra
"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."
Depok: Fakultas Ilmu Administrasi Universitas Indonesia, 2011
S-Pdf
UI - Skripsi Open  Universitas Indonesia Library
cover
Eko Wisnu Warsitosunu
"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."
Depok: Universitas Indonesia, 2009
T27229
UI - Tesis Open  Universitas Indonesia Library
cover
Beni Syamsiar
"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.
"
Depok: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2010
T32429
UI - Tesis Open  Universitas Indonesia Library
cover
Mutiara Hikmah
"Tujuan dari penelitian ini adalah untuk mengukur risiko sistemik pada dengan sebuah metode yang mampu menghitung prediksi kerugian modal pada bank ketika pasar sedang jatuh, yaitu Marginal Expected Shortfall (MES). Di mana bank yang mengalami kerugian modal akan menghadapi permasalahan keuangan, yang dikhawatirkan dapat menular pada bank dan perusahaan keuangan lainnya, hingga sistem keuangan secara keseluruhan. MES yang digunakan pada penelitian ini adalah metode yang diajukan oleh Brownlees dan Engle (2012) untuk bank-bank yang terdaftar di bursa efek Indonesia pada periode 2009 hingga 2013. Kemudian, penelitian ini dilanjutkan dengan mencari tahu faktor-faktor neraca apa saja yang mempengaruhi MES sebagai ukuran dari risiko sistemik. Adapun variabel kontrol yang mempengaruhi MES sebagai risiko sistemik adalah non-performing loan, ukuran bank, dan tingkat diversifikasi pinjaman.

The aim of this study was to measure systemic risk using Marginal Expected Shortfall (MES), a method that is capable of calculating expected equity loss on banks when the market itself in left tail. Capital shortage suffered by the bank makes it facing financial distress, which it feared may affect the other banks and financial companies, until a whole financial system. MES used in this study is the method proposed by Brownlees and Engle (2012) with the sample of Indonesian banks listed on IDX for the period 2009 to 2013. Then, this research followed by knowing the balance sheet factors that influence the MES as a measure of systemic risk. Control variables which can influence MES value are non-performing loan, size, and loans diversification."
Depok: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2016
S62334
UI - Skripsi Membership  Universitas Indonesia Library
cover
Edwin Jingga
"Penelitian dalam bidang asuransi masih jarang mempertimbangkan risiko yang akan ditanggung oleh perusahaan reasuransi. Secara teori, tanggungan risiko yang dapat diterima oleh reasuransi tidak terbatas. Tetapi, secara aplikasinya dalam industri asuransi, perusahaan reasuransi selalu menetapkan batas penerimaan risiko. Hal ini bertujuan untuk menghindari beban finansial yang sangat berat bila terjadi loss pada perusahaan asuransi.
Pada skripsi ini, akan dibahas penggunaan metode pengukuran risiko Value-at-Risk VaR dalam penentuan reasuransi optimal. Untuk menganalisis VaR total tanggungan perusahaan asuransi maka akan didapat ceded loss function yang optimal.
Melalui skripsi ini, diperoleh bahwa bentuk stop-loss reinsurance dengan pembatasan selalu merupakan reasuransi yang optimal. Penentuan reasuransi optimal bergantung kepada tingkat kepercayaan, safety loading dan hubungan diantaranya. Dalam skripsi ini akan dicari reasuransi optimal untuk produk Panin Premier Maxilinked berdasarkan data klaim yang ada.

Most researchers in insurance field have not been considering the reinsurer's risk. Theoretically, the quantity of reinsurer's risk is not limited. However, in the real world insurance industry reinsurer always place a limit on coverage, otherwise the reinsurer will be subjected to a heavy financial burden when the insurer suffers a large unexpected covered loss.
In this paper, we revisit the optimal reinsurance problem under VaR risk measures framework when the limitation for reinsurer's risk exposure are presented by a constants. By analyzing the VaR of the insurer's total risk exposure, optimality can be fulfilled and end up in obtaining the expected reinsurance policy.
Through the study, it is shown that the stop loss reinsurance with a policy limit is always the optimal reinsurance policy under VaR risk measures. The optimal quantity of ceded risk depends on the confidence level, the safety loading and the limitation of the constant. By using the Panin Premier Maxilinked product claims data, an optimal reinsurance will be found.
"
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2016
S66618
UI - Skripsi Membership  Universitas Indonesia Library
cover
Andre Listyo Wibowo
"Dalam rangka mewujudkan sistem pembayaran yang efisien, cepat, aman dan handal, Bank Indonesia selaku Bank Sentral telah menerapkan sistem pembayaran berupa Real-Time Gross Settlement (RTGS). Sistem ini telah diterapkan hampir disebagian besar wilayah Asia Pasifik yang meliputi Hong Kong, Korea, Australia, China, New Zealand, dan Thailand. Di Indonesia sistem ini dikenal dengan sebutan BI-RTGS.
Selain sistem BI-RTGS, Bank Indonesia juga memberikan sistem pembayaran nasional berupa Sistem Kliring Nasional Bank Indonesia (SKNBI). Diharapkan melalui kedua sistem tersebut akan tercipta pembayaran yang efisien, cepat, aman dan handal.
Peraturan Bank Indonesia (PBI) Nomor 6/8/PBI/2004 tanggal 11 Maret 2004 tentang Sistem BI-RTGS dan PBI Nomor 7/18/PBI/2005 tanggal 22 Juli 2005 tentang SKNBI telah mengadopsi standar international business practice maupun core principle BIS. Dengan demikian Bank XYZ sebagai peserta sistem BI-RTGS dan SKNBI wajib tunduk kepada kedua PBI tersebut di atas dan sudah barang tentu menimbulkan konsekuensi yaitu timtutan agar pegawai Bank XYZ yang ditempatkan pada operasional sistem pembayaran bekerja lebih teliti, hati-hati dan seksama agar dapat meminimalkan atau meniadakan risiko yang mungkin dapat muncul dalam pelaksanaan transfer dana melalui kedua sistem dimaksud.
Kesalahan pengiriman dana untuk rekening atau nama nasabah penerima yang dituju dipeserta penerima ataupun kesalahan dalam nilai nominal dan double pengiriman adalah beberapa contoh dari risiko operasional dari sisi peserta pengirim, sedangkan kesalahan dalam menentukan judgement terhadap perintah kiriman dana masuk dari peserta pengirim merupakan contoh risiko operasional dari sisi peserta penerima.
Adanya kewajiban dari peserta pengirim untuk menerbitkan perintah kiriman dana baru kepada rekening yang dituju atau nasabah penenma yang benar tanpa menunggu pengembalian dana membuat pengalokasian dana cadangan untuk risiko operasional sangat penting. Besarnya alokasi dana cadangan ini harus dihitung dengan suatu metode pendekatan yang dikenal dengan sebutan Value at Risk (VaR).
Pengukuran VaR untuk risiko operasional dapat dilakukan dengan beberapa metode pendekatan dan yang sederhana, sedikit komplek, dan sangat komplek. Tingkat keakuratan pengukuran terhadap aktual loss berbanding lurus dengan tingkat kompleksitas metode yang diterapkan. Adapun metode pengukuran risiko operasional dibagi menjadi 2, yaitu metode Standard dan Advanced Measurement Approach (AMA). Metode Standard terdiri dari Basic Indicator Approach (BIA), Standardized Approach (SA), Alternative Standardized Approach (ASA). Sedangkan AMA terdiri dari Internal Measurement Approach (IMA), Loss Distribution Approach (LDA), Scoreboard Approach, Bootstrapping Approach, Bayesian Method, dan Extreme Value Theory ( EVT).
Metode AMA adalah metode yang dianggap menghasilkan pengukuran risiko operasional yang lebih baik yang dapat digunakan bagi perusahaan maupun perbankan dibandingkan dengan metode-metode lainnya seperti BIA, SA, ASA. Metode AMA menggunakan pendekatan internal dalam mengukur risiko operasional, sehingga metode ini terlepas dan aturan Basel.
Dalam mengukur risiko operasional perusahaan, LDA mengharuskan untuk menggunakan data kerugian operasional intemal perusahaan masing-masing. Data kerugian tersebut dikelompokkan menjadi data iiekuensi kejadian dan data severitas kerugian. Dalam metode LDA, terdapat 2 cara pendekatan pengukuran yaitu dengan pendekatan actuarial method dan aggregation method. Dalam penelitian ini, metode pengukuran yang digunakan adalah dengan menggunakan AMA-LDA aggregation method.
Dari hasil pengukuran yang dilakukan dan setelah dilakukan uji back resting, dapat ditarik kesimpulan bahwa penerapan metode pengukuran AMA-LDA aggregation method cocok diterapkan bagi Bank XYZ untuk mengukur besamya cadangan dana yang hams disediakan akibat potensi kerugian risiko operasional dalam sistem pembayaran nasional di keempat cabang Bank XYZ.

In order to achieve efficient, fast, secured and reliable payment system, Bank of Indonesia as the regulator has applied Real-Time Grass Settlement (RTGS) payment system. This system has been applied in most countries among Asia-Pasitic region, including Hong Kong, Korea, Australia, China, New Zealand, and Thailand. In Indonesia, this system is known as BI-RTGS.
Besides BI-RTGS system, Bank of Indonesia also provides national (domestic) payment system which is known as ?Sistem Kliring Nasional Bank Indonesia (SKNBI)? or ?National Clearing System of Bank Indonesia". By applying both systems, It is expected that we can have an efficient, quick, secured and reliable payment system.
Peraturan Bank Indonesia (PBI) or Bank of Indonesia Policies point 6/8/PBI/2004 on March 11th 2004 regarding to BI-RTGS System and PBI point 7/18/PBI/2005 on July 22nd 2005 regarding to SKNBI have adopted intemational business practice and BIS core principle standard. Thercby Bank XYZ as participant of BI-RTGS and SKNBI systems is required to obey both PBI above and get consequence, that the officers of Bank XYZ at operational payment system are required to work more accurately and carefully in order to minimize or eliminate any risks which might emerge in fund transfer involving both systems.
Mistaken account or customer name of fund recipient, mistaken nominal value and double transfer are some examples of operational risks on the side of fund sender. In the other hand, miss-judgement against incoming fund transfer order is the operational risk on the side of fund recipient.
Obligation of fund sender to issue order for new fund transfer to directed account or recipient without waiting for fund retum makes it very important to have spare fund allocation for operational risk. The amount of the spare fund has to be calculated using a method known as Value at Risk (VaR).
VaR measurement for operational risk can be performed using simple methods, slightly more complex methods or very complex methods. More complexity of the used method means higher accuracy level of the measurement against actual loss. There are two types of operational risk measurement methods: Standard and Advanced Measurement Approach (AMA). Standard method includes Basic Indicator Approach (BIA), Standardized Approach (SA), and Altemative Standardized Approach (ASA). AMA method includes Intemal Measurement Approach (IMA), Loss Distribution Approach (LDA), Scoreboard Approach, Bootstrapping Approach, Bayesian Method, and Extreme Value Theory (EVT).
AMA is a method which is considered as the one provides better operational risk measurement, that can be used in banking or other companies, compared with other methods, such as BIA, SA and ASA. AMA method uses internal approach in measuring operational risk, making this method not to depend on Basel rule.
In measuring company operational risk, usage of LDA demands intemal operational loss data of each company to be used. This loss data is grouped into occurrence frequency data and loss severity data. In LDA method, there are two methods of measurement, namely actuarial method and aggregation method. In this research, the method to be used is AMA- LDA aggregation method.
From the measurement and back testing result, we can get conclusion that applying AMA-LDA aggregation method is lit for Bank XYZ in measuring the amount of spare fund that must be provided due to potential loss of operational risk in national payment system which is used in four of its branches.
"
Depok: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2007
T23188
UI - Tesis Membership  Universitas Indonesia Library
cover
Pamuji Gesang Raharjo
"Dalam Peraturan Bank Indonesia nom or 5/8/PBI/2003 tanggal 19 Mei 2003 tentang Penerapan Manajemen Risiko Bagi Bank Umum ditegaskan bahwa tujuan utama dari penerapan manajemen risiko bank adalah menjaga agar aktivitas operasional yang dilakukan bank tidak menimbulkan kerugian yang melebihi kemampuan bank untuk menyerap kerugian tersebut atau bahkan dapat membahayakan kelangsungan usaha bank.
Modal merupakan komponen utama bagi bank dalam di dalam mengantisipasi potensi kerugian yang mungkin terealisasi di dalam menjalankan aktivitas operasional usahanya. Untuk itu salah satu cara dalam mengelola risiko usaha bank adalah dengan mengetahui seberapa besar modal yang hams disediakan oleh bank di dalam mengantisipasi risiko usahanya atau dengan mengetahui seberapa besar total risiko yang dapat diserap dengan modal bank yang tersedia sesuai dengan kondisi, struktur, uk:uran dan kompleksitas usaha masing-masing bank.
Salah satu jenis risiko yang harus dihadapi oleh bank dalam menjalankan aktivitas usahanya adalah risiko pasar (market risk), yaitu risiko yang timbul karena adanya pergerakan variabel pasar (adverse movement) dari portofolio yang dimiliki oleh bank, yang dapat merugikan bank. Variabel pasar dalam hal ini adalah suku bunga (interest rate) dan nilai tukar (foreign exchange).
Sebagaimana diatur Basle Committe on Banking Supervision (BCBS) dalam Amendment to The Capital Accord Incorporate Market Risk tahun 1996 yang juga telah diadopsi oleh Bank Indonesia sebagai regulator perbankan nasional, terdapat dua pendektan altematif yang dapat digunakan dalam menghitung risiko pasar, yaitu pendekatan standar (standardized approach) dan pendekatan internal model (internal model approach).
Perhitungan risiko pasar dilakukan dengan memperhitungkan risiko suku bunga dan risiko nilai tukar. Risiko suku bunga mencakup risiko spesifik (specific risk) dan risiko umum (general market risk). Perhitungan risiko nilai tukar didasarkan pada Posisi Devisa Neto (Net Open Position) yang dimiliki Bank.
Karya akhir ini mengkaji aspek-aspek proses perhitungan risiko pasar dalam mengestimasi besamya modal yang harus disediakan untuk mengantisipasi risiko pasar (market risk capital charge), khususnya yang disebabkan oleh faktor perubahan nilai tukar atas posisi devisa neto PT. Bank lntemasional Indonesia Tbk per tanggal 30 Juni 2003, baik dengan menggunakan pendekatan standar maupun pendekatan internal model dengan menggunakan pendekatan simulasi. data historis (historical simulation approach) dan pendekatan varian kovarian (variance covariance approach) dengan exponentially weighted moving average (EWMA).
Dalam pendekatan standar, pengukuran risiko nilai tukar dilakukan dengan menggunakan pendekatan standar yang telah ditetapkan oleh regulator, dimana besamya Market Risk Capital Charge ditetapkan sebesar 8% dari posisi yang memiliki jumlah yang terbesar antara posisi long dan posisi short. Dengan pendekatan standar, besamya Market Risk Capital Charge adalah sebesar Rp.5.735 juta,-.
Penetapan besamya Value at Risk dengan pendekatan simulasi data historis dilakukan dengan mensimulasi profit and loss atas posisi devisa neto bank berdasarkan return historis nilai tukar masing-masing valuta asing terhadap rupiah selama periode pengamatan, baik dengan 250 data maupun 500 data. Dengan menggunakan 250 data dan tingkat keyakinan (confidence level) 99%, besamya Value at Risk adalah sebesar Rp.888,38 juta,- sehingga besamya Capital at Risk adalah Rp.2.665,14 juta,-. Sedangkan untuk 500 data dan confidence level 99%, basil Value at Risk sebesar Rp.1.269,61 juta,- dan Capital at Risk sebesar Rp.3.808,83 juta,-.
Untuk perhitungan Value at Risk dengan menggunakan pendekatan Variance Covariance - EWMA diawali dengan cara terlebih dahulu menetapkan faktor peluruh yang optimal (optimal decay factor ), dimana dalam penelitian ini besarnya faktor peluruh optimal yang digunakan adalah sebesar 0,96. Dengan menggunakan pendekatan ini, besarnya Value at Risk dengan 250 data dan confidence level 99% adalah sebesar Rp.664,24 juta,- dan Capital at Risk sebesar Rp.L992,72 juta,~, sedangkan untuk 500 data dan confidence level 99% Value at Risk sebesar Rp.559,57 juta,- dan Capital at Risk sebesar Rp.1.678,71 juta,-.
Mengingat risiko pasar yang melekat dalam portofolio yang dimiliki bank tidak hanya terbatas pada risiko nilai.tukar yang melekat pada posisi devisa neto bank, tetapi risiko pasar dan risiko suku bunga yang melekat pada seluruh portofolio yang dimiliki bank, baik berupa instrumen surat hutang ,(debt instruments),forward rate agreement (FRA),foreign exchange, forward, ataupun dalam bentuk instrumen portofolio lainnya, maka pengaruh risiko nilai tukar posisi devisa neto bank terhadap perubahan CAR bank yang sangat kecil, yaitu hanya mengalami penurunan sebesar 0,17% dengan pendekatan standar, 0,08% dengan pendekatan simulasi historis, dan 0,06% dengan pendekatan varian kovarian dari CAR bank per-tanggal 30 Juni 2003 sebesar 25,88% sebelum memasukkan risiko pasar.
Sementara itu berdasarkan hasil stress testing yang dilakukan dengan pendekatan historical scenario dengan tiga skenario, yaitu. skenario terbaik (best scenario), scenario terburuk (worst case scenario), dan skenario yang mungkin (probable case scenario) terdapat potensi terjadinya kerugian sebesar Rp.749 juta dan penurunan modal bank sebesar 0,026% dari posisi modal bank pertanggal 30 Juni 2003 sebesar Rp.2.836.828juta,-. "
Depok: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2004
T-Pdf
UI - Tesis Membership  Universitas Indonesia Library
cover
Jorion, Philippe
New York: McGraw-Hill, 2007
658.159 5 JOR v
Buku Teks  Universitas Indonesia Library
cover
Gempur Soesetyo Hadi
"Setelah melalui prahara ekonomi yang cukup dahsyat di tahun 1997 dan 1998 yang ditandai dengan meniburuknya perekonomian dan bergugurannya perbankan Indonesia justru ilmu Risk Management khususnya Market Risk semakin berkembang pesat untuk mengkontrol p01ifolio dari potensi kerugian. Salah satu metode pengukuran potensi resiko yang sangat pesat digunakan adalah Value At Risk sebab sebagai alat manajemen tool ini dipandang mampu melakukan kuantifikasi potensi kerugian portfolio.
Pada masa mendatang, tidak lama lagi Bank Indonesia tentunya akan semakin ketat mengawasi perbankan dengan menerapkan pengawasan atas pengelolaan portfolioperbankan tem1asuk Foreign Exchange yang lebih ketat. Prediksi VAR menjadi begitu populer bagi banker, regulator, perusahaan konsultan dan akademisi setalah Basle Banking Supervision sejalan dengan aturan Basle Committee on Banking Supervision.
Terdapat tiga (3) metode pengukuran VAR yang banyak digunakan saat ini, yaitu metode pendekatan yaitu Historical Simulation, Variance-Covariance dan Monte Carlo Simulation. Pada karya akhir ini, penulis mencoba menerapkan perbandingan perhitungan VAR menggunakan dua metode yang pertama dengan faktor pasar tunggal kurs tengah penutupan spot foreign exchange. Terdapat dua portfolio dibentuk oleh komposisi 17 mata uang asing dan perbedaan portfolio yang satu dengan yang lain hanya diletakkan pada bobot/posisi EUR, JPY dan USD. Untuk mempermudah perbandingan kedua pendekatan itu, kedua portfolio tersebut diasumsikan memiliki IDR equivalent tetap yaitu sebesar Rp. 3 trilyun dan posisinya adalah long.
Pada perhitungan VAR menggunakan pendekatan Historical Simulation, return dihitung secara arithmatik yang berdasarkan perubahan pada faktor pasar kurs tengah penutupan spot foreign exchange dari data observasi historis selama 518 hari. Protit dan loss portfolio yang diperoleh diurutkan mulai dari profit yang terbesar sampai dengan loss yang terbesar. Akhimya nilai VAR diperoleh dari profit/loss sesuai dengan tingkat kepercayaan yang dipilih.
Perhitungan VAR berikutnya adalah menggunakan pendekatan VarianceCovariance, sesuai dengan asumsi distribusi normal maka return dihitung secara geometric atau log nonnal. Selanjutnya dihitung variance, volatilitas/standar deviasi, covariance dan koefisien korelasi serta dibentuk matrik variance-covariance. Nilai VAR diperoleh dari perkalian matrix multiflication dan trasnpose profit/loss dengan tingkat kepercayaan yang telah ditentukan.
Untuk mempermudah analisa perbedaan basil kedua perhitungan tersebut pada masing-masing tingkat kepercayaan, selanjutnya dibentuk grafik histogram untuk masing-masing portfolio."
Depok: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2003
T-Pdf
UI - Tesis Membership  Universitas Indonesia Library
cover
Ng Vita Ratna Chandra
"Salah satu alat ukur risiko yang memiliki peran penting dalam manajemen portofolio adalah Value-at-Risk VaR . VaR didefinisikan sebagai jumlah kerugian portofolio yang mungkin terjadi dengan tingkat kepercayaan yang tinggi, selama periode waktu tertentu. Secara matematis, VaR adalah persentil dari distribusi loss. Secara umum, return pergerakan harga saham dimodelkan dengan gerak Brown. Sementara itu, distribusi loss dari instrumen keuangan lebih berisfat leptokurtic dari distribusi normal dan cenderung memiliki fat tails . Oleh karena itu, karakteristik dari distribusi loss tersebut tidak memenuhi asumsi distribusi normal. Dengan demikian, proses Variance Gamma VG adalah proses stokastik alternatif untuk mendeskripsikan model dari distribusi return harga saham. Proses VG didefinisikan sebagai gerak Brown dengan perubahan waktu acak mengikuti proses Gamma. Pada penerapannya dalam pasar modal, perhitungan VaR akan dilakukan pada Indeks Harga Saham Gabungan Indonesia IHSG .
One of the measures of risk which has an important role in managing portfolio is Value at Risk VaR . VaR is defined as the amount of possible portfolio losses with a high level of certainty, over a specific time frame. From statistical point of view, VaR is the percentile of the loss distribution. In general, return of the stock prices is modeled with Brownian motion. Meanwhile, return distributions of financial instruments are more leptokurtic than normal distribution and tend to have the fat tails . Therefore, these characteristics of return distributions are countering the normality assumption. Accordingly, a Variance Gamma VG process is an alternative stochastic process to describe the model for the return distribution of stock prices. This process is defined as Brownian motion with random time change following gamma process. On purpose of risk management application, the calculation of VaR will be carried out by using Indonesia Composite Index IDX . "
2016
S66209
UI - Skripsi Membership  Universitas Indonesia Library
<<   1 2 3 4 5 6 7 8 9 10   >>