Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tesis ini bertujuan untuk melihat kondisi pengelolaan risiko perbankan di Indonesia dan pengaruh risiko terhadap return yang diperoleh dari harga saham untuk pengamatan antara tahun 2008 sampai 2013. Risiko yang diamati adalah interest rate risk, credit risk dan solvency risk, serta menambahkan natural hedging strategy, dan variabel yang dibentuk sebagai proxy untuk menggambarkan risiko tersebut adalah net interest margin to total asset (NETIM), net non interest margin to total asset (NONIM), provision to total assets (PROV) dan Capital Adequacy Ratio (CAR).Terhadap variabel risiko tersebut dilakukan analisis multivariat untuk menghasilkan empat buah model risiko yang akan diamati. Untuk mengetahui hubungan antara risiko dan return harga saham perbankan, maka dilakukan analisis regresi dari model risiko terhadap harga saham. Hasil dari penelitian ini menunjukkan bahwa trend pengelolaan risiko menurun pada periode pengamatan. Dan risiko yang berpengaruh terhadap return saham perbankan adalah interest rate risk.

---

This research aims to look at the condition of banking risk management in Indonesia and impact of the risk to stock return for observations period 2008 to 2013. Observed risk in this research is interest rate risk, credit risk and solvency risk, as well as adding a natural hedging strategy. The variabels used as a proxy to describe the risk is the net interest margin to total assets (NETIM), net non-interest margin to total assets (NONIM), provision to total assets (PROV) and the Capital Adequacy Ratio (CAR).

The risk variable is proccesed using multivariate analysis to produce four models of risk that will be observed. A regression analysis is performed to determine the relationship between risk and stock return. The results of this study indicate that the risk management in declining trend over the observed period. And risks affecting the stock returns of banks is interest rate risk."

"Penelitian ini bertujuan untuk menganalisa tentang momen imbal hasil pasar di Indonesia yaitu volatilitas, kecondongan dan keruncingan (volatility, skewness dan kurtosis) dan meneliti mana di antara mereka yang mampu menangkap eksposur risiko. Dengan bantuan cross section dari tingkat imbal hasil, penulis ingin melihat momen pasar mana yang bisa menangkap eksposur risiko. Ada dua pendekatan yang digunakan dalam penelitian ini. Pertama, dengan melihat pergerakan imbal hasil portofolio yang telah disusun berdasarkan koefisien delta volatilitas, delta kecondongan dan delta keruncingan yang didapat dari rumus univariate dan multivariate dan pendekatan yang kedua adalah dengan melihat pergerakan Jensen's alpha yang telah dihitung menggunakan Fama-French Three Factor Model. Ada empat periode yang digunakan penulis dalam penelitian ini yaitu periode 2002-2012, periode sebelum krisis, periode krisis dan periode setelah krisis. Hasil penelitian di Indonesia menyatakan bahwa keruncingan dari imbal hasil pasar perbulan yang menggunakan rumus univariate mampu menangkap eksposur risiko, baik itu average return maupun Jensen?s alpha.

---

This study analyzes moments of market return in Indonesia, they are volatility, skewness and kurtosis and analyzes which one of them is able to capture exposure of risk. With the help of cross-section of stock return, authors want to see which one from three moments of market return can capture risk. There are two approaches in this study. The first one is by looking at the movement of the portolio return that had been prepared based on the coefficient of delta volatility, delta skewness and delta kurtosis obtained from univariate and multivariate formula and the second one is by looking at the movement of Jensen's alpha that had been calculated using Fama-French Three Factor Model. There are four period used in this study, those are 2002-2012, before crisis period, crisis period, and after crisis period. The results in Indonesia stated that the kurtosis of monthly market returns using univariate formula is able to capture the exposure of risk, both average returns and Jensen's alpha."

"Fokus dari penelitian ini adalah melakukan pengukuran kinerja Reksa Dana Saham periode 2007-2013 berdasarkan sudut pandang investor, menggunakan Bayesian Model. Variabel yang menjadi acuan sebagai kinerja dari Reksa Dana Saham adalah abnormal return yang bernilai positif. Proses pengolahan data yang dilakukan yaitu menggunakan model regresi, Single Index Model (Bodie, Kane,dan Marcus, 2011), yang kemudian akan diperoleh keluaran berupa nilai intercept sebagai abnormal return dan koefisien variabel β. Reksa Dana yang memberikan nilai abnormal return positif akan dihitung kembali menggunakan Bayesian Model (P. Baaks, Metrick, dan Wachter, 2001). Keluaran dari model regresi tersebut akan dibandingkan dengan keluaran Bayesian Model. Pada model Bayes tersebut akan ditentukan prior beliefs beserta hyperparameter sesuai dengan kriteria dari investor, dan kemudian dengan menggunakan koefisien variabel β dari model regresi akan dihitung nilai posterior dan posterior probability dari Reksa Dana Saham. Hasil yang diperoleh adalah untuk seluruh Reksa Dana yang memiliki abnormal return positif, baik signifikan atau tidak, pada keluaran Bayesian Model memberikan nilai posterior abnormal return yang positif dengan posterior probability yang besar.

---

The focus of this study is to measure the performance of the Mutual Fund Shares 2007-2013 period based on the viewpoint of investors, using Bayesian models . Variable which is used as the performance of the Equity Fund is positive abnormal return. Data processing is performed using a regression model, the Single Index Model (Bodie, Kane, and Marcus, 2011), which will then be obtained as the output of the intercept value of abnormal return and variable coefficient β. Mutual Funds provide a positive abnormal return value will be recalculated using the Bayesian model (P. Baaks, Metrick, and Wachter, 2001). Output from the regression model will be compared with the output of a Bayesian model. In Bayes models will be determined prior hyperparameter and their beliefs according to the criteria of the investor, and then using the variable β coefficients from the regression model will be calculated posterior and posterior probability value of Mutual Fund Shares. The results obtained are for the entire mutual fund has a positive abnormal returns, whether significant or not, the output value of the posterior Bayesian models provide a positive abnormal return with a large posterior probability."

"Waterflood berperan penting sebagai strategi pemberdayaan sumur minyak tua guna mencegah penurunan tekanan dan meningkatkan produksi minyak. Teknik streamline serta teknik tracer test adalah metode umum untuk mengevaluasi performa waterflood. Namun, kedua metode tersebut memiliki kekurangan akibat kebutuhan data geologis dengan ketidakpastian yang tinggi. Capacitance Resistence Model (CRM) diusulkan sebagai alternatif karena hanya memerlukan data historis debit sumur untuk memetakan kekuatan interkonektivitas antar sumur. Penelitian ini menggunakan data sintesis dan data lapangan X. Pada data sintesis, model CRMP dan CRMIP tervalidasi melalui history matching dengan R-square>0,9 dan MAPE<10%. Pada data lapangan X, ketidaklengkapan metode matematis menyebabkan hasil history matching menjadi belum optimal dengan nilai R-square 0,79-0,88 dan MAPE 127-185%. Analisis ketidakpastian dari model CRMP dan CRMIP dilakukan melalui metode Bayesian dengan luaran berupa prediction interval pada parameter hasil model CRM dan prediction band profil produksi fluida. Data sintesis memiliki prediction interval yang sedikit berbeda, dengan rata-rata coefficient of variations model CRMP yang lebih rendah dari model CRMIP. Data lapangan X memiliki nilai ketidakpastian pada model CRMP dan CRMIP yang lebih tinggi dibandingkan dengan dataset sintesis. Profil produksi fluida pada semua data yang digunakan menunjukkan hasil yang konsisten, dimana overall relative precision (%) model CRMP lebih rendah daripada model CRMIP.

---

Waterflood plays an important role as a strategy for empowering old oil wells to prevent pressure drops and increase oil production. The streamline technique as well as the tracer test technique are common methods for evaluating waterflood performance. However, both methods have drawbacks due to the need for geological data with high uncertainty. The Capacitance Resistance Model (CRM) is proposed as an alternative because it only requires historical well discharge data to map the strength of interconnectivity between wells. This study uses synthesis data and X field data. In the synthesis data, the CRMP and CRMIP models are validated through history matching with R-square>0.9 and MAPE<10%. In field data X, the incompleteness of the mathematical method causes the results of history matching to be not optimal with R-square values of 0.79-0.88 and MAPE 127-185%. Uncertainty analysis of the CRMP and CRMIP models was carried out using the Bayesian method with outputs in the form of prediction intervals on the results parameters of the CRM model and prediction bands of fluid production profiles. The synthesis data has slightly different prediction intervals, with an average coefficient of variation for the CRMP model which is lower than the CRMIP model. Field X data has a higher uncertainty value in the CRMP and CRMIP models compared to the synthesis dataset. The fluid production profile for all data used shows consistent results, where the overall relative precision (%) of the CRMP model is lower than the CRMIP model."

"Seringkali analisis statistik beranggapan suatu data hanya berasal dari satu populasi saja. Padahal pada kenyataannya terdapat kondisi dimana suatu data bisa dibagi menjadi beberapa sub-populasi. Gaussian Finite Mixture Model adalah salah satu metode untuk memodelkan data heterogen yang memungkinkan berasal dari sub-populasi yang berbeda. Model ini berbentuk superposisi dari beberapa distribusi Gaussian. Jumlah distribusi akan ditentukan dengan menggunakan Akaikes Information Criterion dan model diagnostik. Estimasi parameter pada model ini menggunakan metode Bayesian, yaitu dengan menentukan distribusi prior untuk parameter model, digabungkan dengan likelihood yang akan menghasilkan distribusi posterior. Kemudian, Markov chain Monte Carlo-Gibbs Sampler digunakan untuk menarik sampel pada parameter dari distribusi poteriornya masing-masing.

---

Commonly statistical analysis assume data comes from one population. But there are conditions where data might be generated from several sub-populations. Gaussian Finite Mixture Model (GFMM) is one of the methods to model heterogeneous data that might come from different sub-populations. This model was formed as a superposition of several Gaussian distribution, with different location parameter. Number of distributions will be determined using Akaike`s Information Criterion and model diagnostic. Parameter estimation is conducted using Bayesian method, that is by specifying the prior distribution for the models parameters, combined with the likelihood to produce the posterior distribution. Finnally, Markov chain Monte Carlo-Gibbs Sampler is implemented to withdraw sampel of parameters from the corresponding posterior distributions."