Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penaksiran distribusi tail dari distribusi severity loss merupakan hal yang sangat penting dalam menentukan price indication untuk high excess loss layer dalam reasuransi per-risk excess of loss. Salah satu metode yang dapat digunakan adalah extreme value theory (EVT) yang fokus pada nilai loss yang sangat besar. Metode ini memberikan dasar teoritis yang kuat dalam membangun model yang dapat mendeskripsikan kejadian ekstrem dengan baik. Model EVT yang akan digunakan adalah model Peak Over Threshold (POT) yang mengklasifikasikan suatu nilai pengamatan sebagai kejadian ekstrem apabila nilainya telah melewati ambang batas (threshold) yang ditetapkan. Model POT yang dibahas dalam tugas akhir ini akan diaplikasikan untuk menentukan distribusi tail dari distribusi severity loss untuk data klaim automobile bodily injury dan kemudian digunakan untuk menentukan price indication yang sesuai.

---

Estimating the tail of loss severity distribution is essential in determining price indication for high-excess loss layer in per-risk excess of loss reinsurance. One method that can be used is Extreme Value Theory (EVT) which focuses on huge loss values. This method provides a firm theoretical foundation on building statistical model describing extreme events. EVT model which will be used is Peak Over Threshold (POT) that classifies observations as extreme events if their value exceeds some predetermined threshold. POT model in this thesis will be used to determine the tail of loss severity distribution for automobile bodily injury data claim and then will be used to determine a suitable price indication."

"Karya akhir ini bertujuan untuk melihat bagaimana proses pengukuran risiko operasional. Salah satu tipe risiko dalam risiko operasional adalah tipe risiko banking fraud. Bank rentan terhadap risiko ini. Permasalahannya adalah bagaimana bank dapat mengukur risiko ini dan kemudian memitigasinya. Salah sate cara pengukuran yang direkomendasikan oleh Bank Indonesia yang sesuai dengan Basel Capital Accord 2 adalah satu pendekatan yang disebut Internal Measurement Approach. Dalam pendekatan terdapat beberapa metode pengukuran antara lain adalah Model Extreme Value Theory dan Loss Distribution Approach. Keduanya dapat digunakan sebagai alat banal dalam perhitungan OpVar. OpVar adalah pengukuran berapa besar modal bank dapat menyerap kerugian akibat suatu risiko operasional dengan derajat kepercayaan tertentu.Kedua model pendekatan untuk perhitungan OpVar tersebut memiliki keunggulan dan kelemahan, dalam pengukuran tipe risiko fraud. Keduanya memerlukan estimasi parameter, EVT menggunakan parameter ξ, μ, dan σ sebagai parameter bentuk, lokasi dan skala dan langsung dapat dihitung nilai OpVar-nya. Sedangkan pada pemodelan LDA, untuk pengukuran risikonya hams melalui tahapan seperti, melakukan estimasi parameter untuk distribusi frekuensi dan parameter untuk distribusi severity-nya. Kedua hams dilakukan uji kesesuaian dengan distribusi teori dari distribusi frekuensinya dan distribusi severity-nya, melalui penggunaan nilai hasil estimasi parameternya yang sudah diperoleh melalui proses estimasi di atas. Ketiga, melalui suatu alat simulasi yang disebut Simulasi Monte Carlo, dapat dihitung nilai OpVarnya, dengan terlebih dahulu memasukkan nilai-nilai estimasi parameter baik dari distribusi frekuensinya maupun dari distribusi severity-nya . Untuk melihat apakah model LDA cukup baik untuk pengukuran OpVar maka dilakukan uji backtesling. Pemodelan EVT dengan metode Generalized Pareto Distribution, yang menggunakan nilai estimasi parameter Hill dan metode moment rata-rata serta moment standar deviasi dapat menghasilkan nilai OpVar yang paling rendah, sehingga untuk membentuk alokasi modal untuk menutup risiko ini relatif lebih rendah atau lebih ringan.Hasil dari penelitian ini dapat ditarik kesimpulan bahwa Bank "X" diketahui belum menggunakan pengukuran risiko operasional terutama untuk Fisiko fraud. Pengukuran risiko fraud yang disarankan adalah dengan menggunakan model pengukuran internal (IMA), dalam menentukan berapa besar OpVar bagi bank. Dalam menghitung besarnya OpVar, dapat digunakan beberapa metode antara lain adalah EVT dan LDA. Keduanya menggunakan data kerugian atau loss sebagai dasar perhitungan untuk menghitung nilai DpVar. Data kerugian dapat bersifat data historis kerugian (actual loss) atau data kerugian expected loss yang diperoleh melalui proses Monte Carlo. Kedua metode baik EVT maupun LDA dapat dilakukan perhitungan dan simulasi secara mudah dengan menggunakan bantuan software Microsoft ExcelTM, yang sederhana dan ditambah dengan pengelolaan database yang baik. Hanya perlu lebih teliti untuk menerapkannya bagi berbagai tipe risiko, karena agak bersifat manual. Perhitungan dengan metode EVT, dilakukan pertama kali dengan melakukan estimasi terhadap parameter EVT yaitu 4',6 dan p -nya. Untuk mengestimasi ketiga parameter tersebut dapat digunakan beberapa cara sebagai berikut:a. Metode P W M b. Metode Hill Estimator untuk parameter -nya dan distribusi moment biasa untuk parameter /r dan o.c. Metode Blok Maksima dan POT.d. Gabungan PWM dan Hill estimatorSedangkan metode LDA dapat juga dipakai sebagai altematif perhitungan OpVar, dengan menggunakan simulasi MC.Kesimpulan kedua, mengenai basil pengukuran nilai OpVar dengan model dan metode berbeda dan menggunakan derajat kepercayaan sebesar 99% (persentil tinggi) didapat basil sebagai berikut :Perbandingan Hasil Perhitungan OpVar PWM_ Hill danMoment LDA EVT Exp.LossGEV Rp 1O,96Miiyar Rp 186 Milyar Rp. 21 Milyar Rp. 45 MGPD Rp 9 Milyar Rp 23 MilyarDari hasil perhitungan OpVar diatas dapat disimpulkan bahwa dengan Model LDA nilai OpVar yang diperoleh adalah yang paling rendah. Sehingga untuk perhitungan alokasi modal buat bank juga relatif tidak terlalu banyak seperti metode lainnya. Metode GPD dengan model gabungan Hill dan momen, dapat juga sebagai alternatif perhitungan OpVar, karena nilai OpVar yang diperoleh hampir sama dengan metode dari model LDA.Hasil kesimpulan ketiga adalah bagaimana melakukan mitigasi risiko fraud melalui pengalokasikan modal untuk menutup risiko fraud dengan nilai sebesar nilai OpVar, maksudnya bila bank memilih menggunakan model EVT dengan estimasi parameter Hill dan metode momen, dalam metode Generalized Pardo Distribution, bank cukup menyediakan dana pengalokasian modal sebesar Rp 23 Milyar.

---

The aim of this thesis is to know how to measure operational risk. One of risk type in operational risk is banking fraud risk type. Bank is susceptible with this risk. The problem is how bank can predict this risk and then how to mitigate it. One of the way to measure which recommended by Bank Indonesia which appropriate with Basel Capital Accord 2 is an approach which named Internal Measurement Approach. In approach contains some measurement methods i.e. Extreme Value Theory model and Loss Distribution Approach model. Both can be used as instrument auxiliary in OpVar calculation. OpVar is measurement how much bank's capital amount can absorb the loss which caused by an operational risk using certain confident level.

In measuring fraud risk type, the both approach model for OpVar calculation have strengths and weaknesses. Both need estimation parameter, EVT use and a as a form of parameter, location and scale and the score of OpVar can be calculated directly. Whereas in LDA model, to measure the risk have to pass some steps like doing estimate parameter of frequency distribution and parameter of severity distribution. Both must be done with appropriate test to frequency distribution and severity distribution using Kolmogorv-Smirnov Test and Chi-Squared Test, through using the score of parameter estimation which already obtained through estimation process above. Third, using a simulation tool which named Monte Carlo simulation, can be calculated the score of OpVar by till in earlier parameters estimation scores from distribution of frequency of loss data and it's distribution of severity. To see whether LDA model proper enough to OpVar measurement, so back testing is need to do. EVT model with Generalized Pareto Distribution, which use Hill parameter estimation and average moment method and deviation standard moment yield lowest OpVar score, so to create capital allocation to cope this risk relatively lower and easier.

This research resumed that : Bank "X" have not yet use operational risk measurement especially for fraud risk. Fraud Risk measurement which suggested is by using Internal Measurement Model (IMA) to determine how much OpVar needed for a bank.

In calculating OpVar, methods which can be used i.e. EVT and LDA. They use loss data to count OpVar scores. Loss data can be historical 1 actual loss or expected loss through Monte Carlo process. Both method, EVT or LDA can be done easily and simply by calculation and simulation using Microsoft Excel software, with better managed database, of course. To implement kinds of risk need to be thoroughly, because it's manually. Calculation with EVT method, firstly done by estimating three parameters EVT named p, and cr. To estimate the three parameters we can use many way as follows :

a. P W M method

b. Hill estimator method to 4 parameter and usual moment distribution to parameter p, and cr .

c. POT and Block Maximum method

d. Hill estimator and PWM join method

While LDA method also can be used as alternative calculation OpVar, which used MC simulation.

Second conclusion, about the result of score OpVar measurement with different model and method and use the 90% degree of confident (the high percentage) yield as follows :

The comparison Calculation Result of OpVar :

PWM Hill and Moment LDA EVT Exp. Loss

GEV Rp. 10.96 billion Rp. 186 billion Rp. 21 billion Rp. 45 billion

GPD Rp. 9.00 billion Rp. 23 billion

From the above OpVar calculation can concluded that LDA model will get result the lowest amount of OpVar. So no need to calculate capital allocation for bank (relatively not to much like others method). GPD's method with joining_Hill and moments model, can be used as other alternative for OpVar calculation, because amount of OpVar obtained almost the same with method of LDA model.

The result of conclusion is how to mitigate fraud risk through capital allocation to close fraud risk with amount as big as OpVar amount, means if bank choose to use EVT model with Hill parameter and moment method estimation, in Generalized Pareto Distribution, bank provide fund allocation capital Rp. 23 billion enough."

"Risiko klaim merupakan salah satu risiko operasional yang harus dikelola oleh perusahaan asuransi. Pada penelitian ini akan dihitung besar perkiraan risiko klaim yang akan terjadi dengan menggunakan pendekatan Loss Distribution Approach-Aggregation Method dan Extreme Value Theory-Generalized Pareto Distribution. Selanjutnya akan dibandingkan metode mana yang lebih cocok dalam pengukuran risiko operasional untuk klaim kecelakaan kerja. Berdasarkan hasil perhitungan dan back testing didapat bahwa kedua metode valid digunakan untuk menghitung perkiraan risiko klaim operasional pada klaim kecelakaan kerja. Akan tetapi metode Loss Distribution Approach-Aggregation Method lebih cocok untuk mengukur risiko klaim kecelakaan kerja berdasarkan data yang ada.

---

The risk of claims is one of the operational risks that must be managed by the insurance company. This research will calculate the estimates of the risk of claims that will occur using Loss Distribution Approach Aggregation Method and Extreme Value Theory Generalized Pareto Distribution. Furthermore, these two methods will be compared and chosen which is more suitable for the measurement of operational risk for work accident claims.

Based on the calculations and back testing, both of the methods are valid to calculate the estimates operational risk of claim for work accident claims but the Loss Distribution Approach Aggregation Method is more suitable to measure the risk of work accident claims based on existing data."

"Tingkat kesehatnn perusahaan asuransi dan reasuransi ditentukan oleh ratio Risk Based Capital (RBC). Begitu juga dcngan bisnis reasuransi syariah. Untuk mengukur tingkat kesehatan bisnis asuransi dan reasuransi syariah pemerintah telah menetapkan melalui Keputusan Menteri Keuangan (KMK) nomor 424/KMK.06/2003 tentang kesehatan keuangan perusahaan asuransi dan perusahaan reasuransi. Berdasarkan kepada KMK 424 terscbut perusahaan asuransi dan reasuransi syariah harus mempunyai ratio Risk Based Capital (RBC) minimum sebesar l20%. Penelitian ini membuat rumusan baru dalam penentuan unexpected loss yang dihitung pada skedul C menurut ketentuan pemerintah dengan menggunakan model Loss Dislriburion Approach (LDA) dan Extreme Value Theory (EVT) yang dilakukan pada klaim-klaim yang terjadi pada PT. Reasuransi Intemasional Indonesia dari tahun 2005 sampai dengan triwulan III tahun 2009 dan estimasi klaim yang akan terjadi dimasa depan. Penelitian ini bertujuan untuk mengetahui apakah perhitungan dengan model LDA dan EVT dapat memberikan hasil ekspektasi yang lebih baik bagi pemesahaan jika dibandingkan dengan model skedul C sesuai dengan Batas Tingkat Solvabilitas Minimum (BTSM) yang telah diatur dalam KMK 424 tahun 2003 tersebut. Hasil perhitungan RBC yang dilakukan dengan cam mengganti skedul C dengan hasil pcrhitungan LDA dan EVT menghasilkan bahwa perhitungan dengan BTSM berada diantara hasil perhitungan LDA dan EVT. Sernuanya mcnghasilkan ratio RBC yang berada di atas ketentuan yang telah ditetapkan oleh regulalor. Dengan melakukan uji Back Yesring diperoleh hasil bahwa model LDA valid untuk digunakan pada perusahaan, tetapi model EVT tidak valid untuk digunakan.

---

The performance of insurance or reinsurance company is measured by Risk Based Capital ratio (IUSC), and the sharia insurance as well. The Government through the Ministry of Treasury issued the regulation no 424/KMK.06/2003 to measure the soundness of insurance and reinsurance company performance. Based on that regulation KMK 424 the minimum RBC for insurance and reinsurance company is l20%.

This research is conducted to develop a new formulation to determine the unexpected loss (as mentioned in KMK 424, schedule C) using Loss Distribution Approach (LDA) and Extreme Value Theory (EVT) methods. The data used in this study is all real claim of PT Reasuransi Intemational Indonesia sharia division in the period of 2005 - third quarter of 2009 and the estimation of future claim.

The main objective of this research is to explore whether using the LDA and EVT methods could produce a better expectation for the company rather than schedule C (as recommended in KMK 424)?

The result is RBC that calculated using LDA & EVT methods shows great performance, all above the regulation standard. Back Testing is used to test the validity of the methods, the result: LDA is valid model to implemented in the insurance or reinsurance company, while EVT is not valid model."

"Bank dipersyaratkan oleh pemerintah untuk mengelola risiko-risiko perbankan, salah satunya adalah risiko operasional. Risiko operasional merupakan salah satu jenis risiko yang melekat pada setiap aktifitas fungsional bank. Bank mengelola risiko operasional dengan cara menghitung kerugian yang diperkirakan sebagai kebutuhan modal bagi risiko operasional (Economic Capital). Loss distribution Approach (LDA) merupakan salah satu metode untuk perhitungan Economic Capital (EC). Dalam metode LDA, bank harus mengestimasi loss severity distribution (distribusi severitas) dan frequency distribution (distribusi frekuensi) kemudian membentuk compound distribution (distribusi majemuk). Nilai EC diperoleh dari Value at Risk (VaR) dari distribusi majemuk dengan tingkat kepercayaan 99,9%. Estimasi distribusi severitas umumnya menggunakan model distribusi tertentu yang telah ada, namun pada banyak kasus kurang baik dalam menggambarkan data. Estimasi distribusi severitas berbasis data diharapkan mampu menjadi solusi permasalahan ini. Salah satu metode yang mengestimasi distribusi severitas dengan berbasis pada data adalah Gaussian Mixture Model (GMM). GMM merupakan suatu metode parametrik untuk mengestimasi fungsi distribusi probabilitas dari suatu variabel acak. Model GMM ini merupakan model kombinasi linear sederhana dari beberapa komponen distribusi Gaussian. Hasil penelitian menunjukkan bahwa GMM mampu menggambarkan data lebih baik dibandingkan dengan menggunakan model distribusi yang ada. Nilai EC yang dihasilkan oleh metode LDA yang distribusi severitasnya menggunakan GMM lebih kecil 2-2,8% dibandingkan nilai EC yang dihasilkan oleh metode LDA yang menggunakan model distribusi tersebut.

---

Bank must be able to manage all of banking risk, on of them is operational risk. Operational risk is a risk that come from any functional activity of bank. Bank manage operational risk by calculate estimated risk (Economic Capital). Loss Distribution Approach (LDA) is a popular method to estimate Economic Capital (EC) of operational risk on banking. In LDA method, loss severity distribution (severity distribution) and loss frequency distribution (frequency distribution) must be estimated and then compound distribution is formed from both of them. Through LDA method, the value of EC can be gotten from Value at Risk (VaR) in compound distribution with the level of confidence reaches 99,9%. Severity distribution estimation that used a model on particular distribution cannot describe a data well through. So, Severity distribution estimation based on data is used to solved this problem. One of methode that estimated severity distribution based on data is Gaussian Mixture Model (GMM). GMM is parametric methode that estimate probability density of random variable. Model of GMM is a linear combination of many Gaussian distribution . The result on this research is estimation of severity distribution through GMM is better than existing distribution model in describing the data. The value at EC of LDA method using GMM is smaller 2 % - 2,8 % than the value at EC of LDA using existing distribution model."

"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."

"Dalam beberapa dekade belakangan ini, krisis dunia finansial sering terjadi dan banyak investor dan mengalami kerugian karena ketdakmampuan estimasi risiko pasar. Dalam karya ini, model risiko Value at Risk (VaR) di hitung dengan mengaplikasikan extreme value theory untuk menghasilkan estimasi yang dinamis dengan memodelkan residuals dan membandingkan performanya dengan pendekatan standard normal distribution yang konvensional. Lebih dari itu, estimasi dari Expected Shortfall (ES) yang dinamis juga dianalisa. Hasil menunjukan bahwa EVT-based VaR & ES valid dan dapat diandalkan untuk mengestimasi kuantil yang lebih tinggi, terutama amat baik dalam estimasi negative returns. Terlebih lagi, ada indikasi bahwa ada pola/hubungan tingkat kegagalan estimasi risiko pasar dengan kondisi ekonomi tahun tertentu. Namun hubungan ini berkurang seiring meningkatnya kuantil yang digunakan untuk estimasi.

---

In the recent decades, financial crisis happened quite often and many investors incurred high losses due to unforeseen market risk estimation. In this work, a well-known Value at Risk (VaR) is generated by applying extreme value theory to create dynamic estimation by modeling the residual and comparing its performance with the ubiquitous standard normal distribution approach. In addition, an estimation of dynamic Expected Shortfall (ES) is also analyzed. The results indicate that EVT-based VaR & ES are reliable in estimating higher quantile, especially in estimating negative returns. Moreover, there is an indication of correlation between the failure rate of market risk estimation and economic environment in certain year but this correlation diminishes as the quantile estimation gets higher."

"Tukar menukar antar mata uang asing yang dikategorikan sebagai jual beli dalam islam disebut dengan As Sharf. Dalam kaitan dengan investasi, tidak ada bisnis yang tidak mempunyai risiko karena kita tidak mengetahui apa-apa yang akan terjadi besok. Demikian pula dengan nilai tukar mata uang asing. Nilainya terus berfluktuasi sewaktu¬-waktu sehingga mendorong para peneliti untuk melakukan penelitian tentang pergerakan nilai tukar ini dan mempredeiksikan nilainya di masa mendatang untuk meminimalisir risiko yang mungkin terjadi dan kerugian yang ditanggungnya. Umumnya data statistik didekati dengan asumsi normal dimana asumsi ini cenderung menyesatkan karena mengabaikan kemungkinan terjadinya pergerakan ekstrim dalam distribusi data tersebut. Kegagalan mengidentifikasi potensi risiko ekstrim dapat membawa bencana keuangan bagi lembaga dan institusi keuangan terutama yang berbasis syariah.Tujuan dari penelitian ini adalah untuk meneliti apakah pergerakan kurs Rupiah terhadap mata uang asing adalah mempunyai distribusi normal atau ekstrim. Begitu juga untuk meneliti berapa besar potensi risiko ekstrim yang mungkin terjadi Metode yang digunakan adalah Extreme Value Theory (EVT) dengan pendekatan distribusi nilai lebih menggunakan konsep Generalized Pareto Distribution. Nilai yang didapatkan kemudian dibandingkan dengan pendekatan dengan asumsi normal untuk kemudian dianalisis dan diambil kesirnpulan. Hasil penelitian mendapatkan bahwa distribusi return kurs Rupiah terhadap US Dollar pada periode 1998-2003 adalah tidak normal. Diketahui pula bahwa indeks tail yang didapatkan juga cukup signifikan sesuai dengan konsep GPD. Hasil perbandingan metode EVT dan pendekatan normal dan skewness heteroskedasiik menunjukkan bahwa kesimpulan pengujian yang dilakukan sesuai dengan kesimpulan dari beberapa peneliti lain untuk metode yang sama."

"Pada transaksi perdagangan komoditas energi, banyak ditemukan pergerakan harga yang ekstrim. Hasil penelitian menunjukkan bahwa distribusi return komoditas energi cenderung memiliki karakteristik fat tailed, kurtosis tinggi dan negatif skewness. Sementara, pengukuran risiko pada umumnya menggunakan asumsi distribusi normal atau lognormal sehingga diduga estimasi yang diberikan dalam mengukur risiko kurang tepat untuk karakteristik distribusi yang fat tailed seperti distribusi return komoditas energi. Dalam tesis ini dijelaskan proses perhitungan risiko harga komoditas energi WTI crude oil, heating oil dan propane di pasar spot dan future menggunakan metode EWMA, ARCH/GARCH dan EVT. Hasil perhitungan yang didapat menunjukkan nilai Value at Risk (VaR) EVT cenderung lebih besar dibandingkan VaR dari pendekatan lainnya. Hedging antara spot dan future juga menunjukkan bahwa upaya mitigasi dengan transaksi derivatif dapat menurunkan nilai VaR.

---

In energy complex market, daily logarithmic price changes tends to be highly volatile or extreme. All empirical distributions of energy complex exhibits fat tails, high kurtosis and negative skewness. On the other hand, market risk measurement usually only accommodate normal or lognormal distribution assumption which could underestimate the commodity?s risk estimation. In this thesis was described price risk measurement of WTI crude oil, heating oil and propane in spot and future market by applying EWMA, ARCH/GARCH and EVT approach. Calculation shows EVT Value at Risk (VaR) for those commodities are higher than VaR obtained from EWMA and ARCH/GARCH approach. Hedging the spot transactions with futures has shown significant impact in reducing VaR for each commodity."