Hasil Pencarian  ::  Simpan CSV :: Kembali

"Multi-asset risk modeling describes, in a single volume, the latest and most advanced risk modeling techniques for equities, debt, fixed income, futures and derivatives, commodities, and foreign exchange, as well as advanced algorithmic and electronic risk management. Beginning with the fundamentals of risk mathematics and quantitative risk analysis, the book moves on to discuss the laws in standard models that contributed to the 2008 financial crisis and talks about current and future banking regulation. Importantly, it also explores algorithmic trading, which currently receives sparse attention in the literature. By giving coherent recommendations about which statistical models to use for which asset class, this book makes a real contribution to the sciences of portfolio management and risk management."

"The science of algorithmic trading and portfolio management, with its emphasis on algorithmic trading processes and current trading models, sits apart from others of its kind. Robert Kissell, the first author to discuss algorithmic trading across the various asset classes, provides key insights into ways to develop, test, and build trading algorithms.This valuable book summarizes market structure, the formation of prices, and how different participants interact with one another, including bluffing, speculating, and gambling. Portfolio management topics, including quant factors and black box models, are discussed, and an accompanying website includes examples, data sets supplementing exercises in the book, and large projects"

"Perencanaan proyek merupakan proses yang kompleks yang melibatkan aplikasi dari kumpulan pengetahuan teknik untuk menghasilkan suatu ide yang kreatif sebagai hasil yang diminta dalam obyektif suatu proyek. Mengukur kualitas perencanaan sebagai bagian dari produktiltas perencanaan lebih sulit jika dibandingkan dengan mengukur kualitas dan produktifitas dalam masa pelaksanaan.Pengendalian kualitas perencanaan yang dilakukan selama masa pelaksanaan pekerjaan perencanaan sangat diperlukan, terutama bila terjadi perubahan faktor-faktor lain yang menjadi batasan proyek seperti waktu, biaya, lingkup kerja. Untuk itu maka perlu dikembangkan suatu sistem atau cara yang dapat memenuhi keperluan tersebut. Pengendali kualitas perencanaan lebih sulit dilakukan karena pada umumnya lebih bersifat intangible atau kualitatif, padahal untuk memperoleh hasil kerja yang optimal mensyaratkan adanya kepastian atas keluaran yang dibuat.Gagasan cara pengendalian dengan metoda perhitungan ini diberi nama Expected Risk Value (ERV) merupakan pengembangan dari teori expected value dan cara perhitungan Expected Monetary Value(EMV). Metode perhitungannya diperoleh dengan merubah nilai monetary atau nominal mata uang menjadi besaran utility value. Kualitas perencanaan dapat dikuantifikasi dengan merubah semua satuan penunjang untuk pengerjaan setiap komponen pekerjaan menjadi besaran utility value. Pengurangan pencapaian utility value akibat perubahan jadwal berupa pemendekan waktu pelaksanaan pekerjaan menimbulkan risiko pengurangan kualitas perencanaan.Perhitungan ERV ternyata dapat mengetahui bagian mana dari seluruh pekerjaan yang memberikan kontribusi paling significant kepada pengurangan kualitas perencanaan, dan pengendalian dapat dikonsentrasikan kepada bagian pekerjaan ini. Pengujian hipotesa dari kasus proyek membuktikan bahwa kinerja Konsultan Perencana Master Plan Infrastruktur yang dicapai setelah dilakukan pengendalian risiko perubahan kualitas perencanaan atas dasar perhitungan ERV ternyata berbeda cukup significant dibandingkan dengan sebelumnya.

---

Expected Risk Value (ERV) Controlling Method for the Change of Design Quality: Case Study Infrastructure Master Plan DesignProject design is a complex process involving the application of technical knowledge to produce a creative idea as a result of the project objective. Measuring a design quality as part of design productivity is more difficult compare with measuring the quality and productivity during construction works.Controlling design quality during design work is really needed; especially when facing changes in other constrain factors such as time, project cost or scope of work. Therefore it is necessary to develop a system or a method, which can fulfill the requirement. Design quality control is more difficult to implement because it usually more intangible or qualitative, in the other hand to get an optimal result requires an assurance of the design output.Expected Risk Value (ERV) as the proposed design quality controlling method is developed from the expected value theory and Expected Monetary Value(EMV) calculation method, The ERV calculation modifies the monetary value or currency amount into utility value. Design quality can be quantified by changing the entire supporting amount to do all design components into utility value. The decreasing of utility value achievement as a result of shortening the design working time will decrease the design quality.ERV calculation method can detect which part of the design work gives the most significant contribution to design quality decrease and the risk mitigation can be concentrated to this work. The hypothetical test from the case study proofed that the Design Consultant of the Infrastructure Master Plan performance achievement after implementing the risk controlling method based on ERV calculation had shown significant improvement compared with the previous condition."

"ABSTRACTPemodelan regresi telah diterapkan dalam perbankan ritel karena kemampuannya dalam menganalisis data kontinu maupun diskrit. Hal tersebut merupakan alat yang penting dalam penilaian risiko kredit, stress testing, serta evaluasi aset kredit. Pada tugas akhir ini, pendekatan yang digunakan adalah dengan menggunakan model regresi logistik multinomial untuk mengetahui faktor-faktor yang memengaruhi terjadinya default dan attrition pada suatu kredit. Selain itu, pada tugas akhir ini juga akan diperkenalkan pendekatan regresi spline dengan menggunakan truncated power basis untuk memodelkan fungsi hazard. Fleksibilitas dari fungsi spline memberikan kemampuan untuk memodelkan fungsi hazard yang berbentuk nonlinier dan tidak beraturan. Kemudian, dengan menggunakan regresi spline dan regresi logistik multinomial, akan diperoleh sebuah hasil dan interpretasi yang lebih baik. Terdapat beberapa kelebihan dari penggunaan kedua model tersebut. Pertama, dengan menggunakan fungsi regresi spline yang fleksibel, dapat dimodelkan fungsi hazard yang berbentuk nonlinier dan tidak beraturan. Kedua, mudah dipahami dan diterapkan, dan bentuk parametrik model regresi logistik multinomial yang sederhana dapat memudahkan dalam interpretasi model. Ketiga, memiliki kemampuan untuk prediksi. Pada akhir pembahasan, dengan menggunakan sebuah data kartu kredit akan dilakukan pengaplikasian dari model regresi logistik multinomial dan regresi spline, dilengkapi dengan penjelasan secara statistika dan akurasi prediksi.

---

ABSTRACTRegression modeling has been adapted in retail banking because of its capability to analyze the continuous and discrete data. It is an important tool for credit risk scoring, stress testing and credit asset evaluation. In this thesis, the approach used is multinomial logistic regression model to gain the information regarding the factors that affect the occurrence of default and attrition. In addition, this thesis will also introduce spline regression approach using truncated power basis to model the hazard function. The flexibility of spline function allows us to model the nonlinear and irregular shapes of the hazard functions. Then, by using spline regression and multinomial logistic regression model, there will be a better result and interpretation. There are several advantages by using those both models. First, by using the flexible spline regression function, it can model nonlinear and irregular shapes of the hazard functions. Second, it is easy to understand and implement, and its simple parametric form from multinomial logistic regression model can make it easy in model interpretation. Third, the model has the ability to do prediction. Furthermore, by using a credit card dataset, we will demonstrate how to build these model, and we also provide statistical explanatory and prediction accuracy."

"Risiko adalah suatu kejadian atau tindakan yang berdampak negatif terhadap kemampuan lembaga untuk mencapai tujuan dan menentukan strategi. Salah satu pendekatan untuk mengukur risiko operasional adalah Advanced Measurement Approach (AMA), dimana bank diperkenankan untuk mengolah data internal dengan model yang dikembangkan secara internal. Dengan metode Loss Distribution Approach di AMA, bank mengestimasi dua fungsi distribusi probabilitas, yaitu distribusi frekuensi kerugian dan distribusi severitas kerugian tahunan pada setiap risiko. Selanjutnya, kedua fungsi distribusi tersebut digabungkan menjadi distribusi majemuk untuk menentukan value at risk masingmasing risiko menggunakan simulasi Monte Carlo pada tingkat kepercayaan 99,9%. Nilai risiko yang mungkin terjadi diluar estimasi distribusi severitas dapat mempengaruhi value at risk, sehingga dapat mempengaruhi prediksi rencana bisnis untuk tahun yang akan datang. Metode One-Class Support Vector Machine (SVM) dapat digunakan untuk mendeteksi data outlier tersebut. Dalam beberapa kasus, metode statistik tidak dapat mendeteksi data outlier. Selain itu, dalam menentukan data outlier tergantung pada seberapa penting informasi yang diperlukan dari data outlier tersebut, sehingga penentuannya bersifat subjektif. Adapun tujuan simulasi pada tulisan ini adalah melakukan analisis penggunaan metode One-Class SVM dalam mendeteksi outlier pada distribusi severitas dan pengaruh outlier pada perhitungan value at risk. Dari hasil analisis diperoleh data outlier yang mempengaruhi perhitungan value at risk.

---

Achieve its objectives and execute its strategies. One approach to measure operational risk is the Advanced Measurement Approach (AMA), which allows banks to process internal data with internally developed models. Under the Loss Distribution Approach in AMA, the bank estimates two distribution functions of the annual loss data to generate compound distribution to determine value at risk of each risk using Monte Carlo simulation at 99.9% confidence level. The risk amount that may occur outside of the estimated loss severity distribution can affect the value at risk, so that it can affect the prediction of business plan for the next years. In some cases, statistical methods cannot detect outliers and its determination is relatively subjective. The purpose of the simulations in this paper is to perform analysis of the use of One-Class SVM in detecting outliers in the loss severity distribution and the effect of the outliers on the value at risk. As a result, the outliers have successfully been detected in the loss severity distribution and there is the effect of the outliers on the value at risk."

"Academic finance research has shown that emerging markets still suffer from a myriad of risks such as credit, operational, market, legal and exchange rate risks. The onset of the subprime crisis 2007, the global financial crisis 2008-2009, and the Eurozone public debt crisis since the end of 2009 has brought to the light a number of emerging markets facing tumbling currencies, rising inflation, slowing growth, heavy dependence on foreign capital, and high levels of vulnerability to external shocks due to increased market integration. This context calls for not only a reconsideration of recent risk assessment models and risk management practices, but also the improvement and innovation of these models and practices. Factors such as liquidity, tail dependence, comovement, contagion, and timescale interactions have thus to be part of an integrated risk assessment and management framework. This book addresses three main dimensions of risk management in emerging markets: 1) the effectiveness of risk management practices; 2) current issues and challenges in risk assessment and modelling in emerging market countries; 3) the responses of emerging markets to the recent financial crises and the design of risk management models."

"Pembentukan portofolio investasi merupakan salah satu bagian penting bagi investor untuk meningkatkan expected rate of return dan meminimalkan efek terjadinya risiko. Untuk mendapatkan hasil portofolio investasi yang optimal maka perlu untuk mencari proporsi yang optimal. Formula proporsi optimal dicari mengunakan teori kontrol optimal stokastik dengan tujuan untuk memaksimalkan expected rate of return dengan risiko tertentu. Risiko dalam portofolio ini berupa loss atau kerugian yang diukur menggunakan alat ukur risiko yaitu Value-at-Risk. Untuk menyelesaikan masalah teori kontrol optimal stokastik akan digunakan persamaan Hamilton-Jacobi-Bellman dan kondisi Kuhn-Tucker untuk kendala Value-at-Risk. Formula proporsi yang diperoleh adalah optimal jika nilai proporsi tersebut berada dalam himpunan penyelesaian kendala Value-at-Risk yaitu berupa batas bawah dan batas atas nilai proporsi. Menggunakan data harga saham dan Sertifikat Bank Indonesia, diperoleh estimasi parameter yang akan digunakan dalam perhitungan nilai proporsi optimal. Dari hasil perhitungan formula, diperoleh bahwa batas bawah dan batas atas nilai proporsi dari kendala Value-at-Risk menjadi penentu suatu nilai proporsi adalah optimal.

---

The establishment of an investment portfolio is an important part for investors to maximizing expected rate of return and minimizing effect of risk occurance. It is necessary to find the optimal portfolio to get the optimal investment portfolio result. It will be used optimal stochastic control theory to maximizing expected rate of return with certain risk to get the optimal proportion formula. Loss portfolio measured by Value at Risk. Hamilton Jacobi Bellman equation and Kuhn Tucker condition for Value at Risk constraint are used to solve optimal stochastic control theory problem. Optimal proportion formula obtained when the proportion is in the solution set of Value at Risk constraint. Using data from the stock price and Bank Indonesia Certificates, parameter estimation are obtained and will be used in calculation optimal proportion. The result of calculation is known an optimal proportion if the proportion is in the solution set of Value at Risk constraint."