Hasil Pencarian  ::  Simpan CSV :: Kembali

"Mengukur risiko yang mungkin terjadi pada suatu portofolio, diperlukan suatu nilai yang merupakan kuantifikasi dari risiko tersebut. Salah satu cara yang dapat digunakan untuk menghitung risiko adalah metode Value at Risk. Value at Risk merupakan suatu nilai yang merupakan ringkasan atau nilai risiko kerugian yang mungkin terjadi pada suatu portfolio, pada saat tertentu, dengan jangka waktu / periode pengamatan (holding period) tertentu serta dengan tingkat kepercayaan tertentu. Dalam tulisan ini penulis mencoba untuk menghitung risiko pada asset kredit dengan menggunakan Metode Value at Risk, yaitu terhadap portfolio per jenis kredit pada bank. Terlebih dahulu akan dilakukan observasi terhadap nilai-nilai posisi outstanding dari asset kredit yang merupakan risk drivers. Dengan menggunakan nilai return kredit yang telah dinilai berdasarkan mark-to-market, maka hasil olah data akan mendapatkan deviasi standar yang merupakan penyebaran atau dispersi dari return kredit itu. Selanjutnya untuk mengukur sensitivitas terhadap gerakan pasar, maka perlu untuk membandingkan hasil perhitungan VaR yang telah dilakukan dengan kredit bermasalah bank tersebut. Kredit bermasalah merupakan risiko yang tidak dapat di diversifikasi, karena perusahaan tidak mampu menghadapi gejolak pasar yang sangat berfluktuasi. Tapi kredit portfolio merupakan risiko yang dapat didiversifikasi oleh salah satunya seperti loan concentration."

"Manusia dalam usahanya untuk mendapatkan nilai tambah atas segala usahanya mencapai keuntungan selalu mendapat beban kemunglcinan kerugian yang dapat dideritanya. Keuntungan dan kerugian merupakan dua sisi mata uang yang berbeda dalam sam keping mata uang, bila melihat suatu kemungkinan keuntungan pasti dibalilc kemungkinan keuntungan tersebut adalah kemungkinan kerugian. Hal tersebut terjadi karena keterbatasan manusia untuk mengetahul segala hal yang ada di masa depan, sehingga resiko kerugian tersebut akan tenis membayangi usaba manusia mencapai keuntungan usaha. Berbagai usaha telah dilakukan oleh manusia untuk mengelola resiko tersebut, mulai dan usaba untuk menghindari resiko, memindahkan resiko kenigian tersebut ke pihak lain dan benar-benar menjinakkan resiko tersebut sehingga didapat suatu kondisi keuntungan uang cukup tinggi tetapi dengan tingkat resiko yang masih dapat di terima. Dalam upaya mengelola resiko itu sendini, ada beberapa tahap yang harus dilakukan sehingga proses pengelolaan resiko tersebut menjadi optimal, yaitu: 1. Tahap pertalna yang perlu dilakukan adalah mengidentifikasi resiko, meliputi telaah untuk menentukan penyebab, kapan teijadinya resiko tersebut, kondisi kondisi awal yang dapat dikenali sebagai peringatan dini akan teijadinya suatu resiko. 2. Tahap kedua adalah mengukur besaniya resiko yang teijadi, tahap ini menjadi penting karena peranannya "menerjemahkan" suatu resiko yang bersifat abstrak menjadi suatu nilai yang nyata yang dapat dimengerti danipaknYa secara Iangsung terhadap tingkat keuntungan dan kelangsungan usaha. 3. Tahap ketiga diwarnai dengan upaya penyusunan strategi perbaikan, strategi korekai atas resiko-resiko yang telah dikenali dan diukur pada tahap-tahap sebelwnnya. Pada tahap ini akan disusun suatu rencana (planning) untuk melakukan perubahan cara kerja sehingga resiko dapat ditekan pada tingkat seminimal mungkin tanpa harus mengorbankan keuntungan. 4. Tahap selanjutnya, tahap ke empat adalah melaksanakan strategi dan rencana yang telah disusun pada tahap ke tiga. 5. Tahap kelima di isi dengan proses pemantanan pelaksanaan planning apakah sesuai dengan garis yang telah ditetapkan dan memonitor basil pelaksaannya apakah sudah sesuai dengan yang dikehendaki, yaitu mengendalikan resiko pada tingkat seminimal mungkin tanpa mengorbankan keuntungan yang ada. 6. Tahap selanjutnya adalah kembali kepada tahap pertama untuk mengulangi kembali proses manajemen resiko berdasarkaR perubahan strategi yang dilakukan. Sehingga proses manajemen resiko adalah merupakaii suatu sikius yang berkesinambungan yang diharapkan dapat memberikan sistem peringatan dini terhadap resiko yang mungkin terjadi. Dari tahap-tahap tersebut di atas, dapat dilihat peranan proses pengukuran resiko menjadi salah satu mata rantai yang penting dalam manajemen resiko. Sehingga dalam pembahasan tulisan ini, akan dlbahas suatu metoda yang relatif baru untuk mengukur besaran resiko yang terjadi yaitu dengan metoda Value at Risk (VaK). Metoda ini mampu menerjemahkan resiko menjadi nilai maksimal kerugian yang dapat diderita pada suatu tingkat keyakinan tertentu dan pada jangka waktu yang telah ditetapkan. Pada tulisan ini akan dibahas suatu studi kepustakaan mengenai dasar-dasar teori mengenai pengukuran resiko dengan metoda VaR ini, diharapkan dari pembahasan studi kepustakaan ini didapatkan suatu pengertian dan cara yang baru mengenai pengukuran resiko yang Iebih akurat dan berguna dalam proses manajemen resiko selanjuthya, dibandingkan dengan cara-cara pengukuran resiko konvensional yang masih dilakukan oleh pelaku usaha di Indonesia. Metoda ini menjadi menarik karena mampu memberikan gambaran mengenai masa depan dalam masa yang tidak terlalu panjang (near future), keterbatasan jangka waktu ini karena asumsi yang digunakan dalam VaR bahwa segala kondisi yang mempengaruhi kemungkinan keuntungan dan kenigian suatu usaha adalah tetap. Pada kenyataannya, dunia keuangan adalah dunia yang sangat dinamis, sehingga efektifitas metoda ini terbatas pada untuk jangka waktu pendek(near future). Berbekal dari hasil-hasil pengukuran resiko dengan metoda VaR tersebut diharapkan manajemen dapat meneruskan ke tahap selanjutnya dalam tahap-tahap manajemen resiko. Pada bidang perbankan, perbankan nasional Indonesia khususnya, dalam rangka pengelolaan kegiatan perbankan yang memenuhi pninsip kehati-hatian, dan sejalan dengan ketetapan Bank for International Settlement (BIS), Bank indonesia telah mewajibkan semua bank untuk melabanakan manajemen resiko untuk tiap jenis resiko usaha yang ada, meliputi resiko operasional, resiko kredit, resiko pasar dan res iko ketidak-patuhafl. Untuk tulisan mi alcan difokuskan kepada salah satu mata rantai dalam proses manajemen resiko kredit, yaitu pengukuran resiko kredit. Untuk dapat memberikan gambaran mengenai pengukuran resiko k-redit, dalam tulisan ini alcan diambil data aktual untuk pengukuran resiko kredit yang terjadi di salah satu cabang bank swasta nasional, yaitu PT. Bank "X" Cabang Utama "Z". Pengukuran akan dilakukan berdasarkan jenis kredit yang ada di Bank X dan alcan diukur resiko kredìt secara gabungan portofolio jenis kredit tersebut. Hasil pengukuran resiko kredit dengan metoda VaR akan dibandingkan dengan tingkat kerugian ñu yang terjadi di Bank X untuk masing-maSing jenis k-redit maupun untuk portofolio kredit yang ada. Selanjutnya pembahasan mengenai pengukuran resiko kredit ini akan dìakhiri dengan pengambilan kesimpulan yang dapat diambil berdasarkan perbitungan data aktual dan saran mengenai penerapan metoda ini di Bank X."

"ABSTRAKPengelolaan dana yang dilakukan oleh lembaga keuangan baik bank maupun non-bank tidak lepas dari kemungkinan terjadinya kerugian karena berbagai risiko yang harus dihadapi. Apalagi pada era globalisasi sepetii sekarang ini dimana pasar keuangan dunia semakin terintegrasi, sehingga perubahan yang terjadi di satu pasar uang, misalnya di New York, akan berpengaruh pula secara cepat pada pasar uang yang lain misalnya di Indonesia. Dengan terjadinya efek berantai ini, maka lembaga keuangan yang ada di Indonesia dapat mengalami kerugian akibat fluktuasi mata uang yang terjadi.Dalam tugas akhir ini penulis meneliti bagaimana cara meminimumkan risiko kerugian akibat fluktuasi rupiah terhadap mata uang asing pada posisi terkahir (exposure) kredit yang diberikan dalam valuta asing di "Bank X". Berkaitan dengan hal ini maka masalah yang timbul adalah pe1iama, bagaimana Bank X menentukanjumlah maksimum risiko yang ditanggung dalam satu, lima dan sepuluh hari yang akan datang dengan tingkat keyakinan, misalnya 99%. Yang kedua, seberapa besar tingkat akurasi modeldalam mengestimasi maksimum potensi kerugian dibandingkan dengan rcalisasikerugiannya?Untuk menjawab pertanyaan tersebut, metode yang digunakan dalam penelitian ini adalah Value at Risk yang difokuskan dengan melihat item dari kredit yang diberikan dalam valuta asing pada sisi neraca "Bank X". Data historis atas mata uang asing yang ada di Bank X selama 762 hari digunakan dalam penelitian ini untuk melihat tingkat fluktuasinya dalam analisa perhitungan VaR. Seperti yang terlihat pada Tabel 1 dan 2 bahwa dengan menggunakan metode VaR Normal dan Backtesting dapat ditentukan besarnya maksimum potensi kerugian Bank X untuk tiap-tiap eksposure per mata uang per posisi tanggal 31 Desember tahun 2002 dalam waktu 1 hari, 5 hari dan I 0 hari mendatang dengan tingkat keyakinan sebesar 95% dan 99%.Untuk mengetahui tingkat akurasi dari perhitungan VaR Nom1al dan VaR Backtesting, maka penulis membandingkannya dengan basil perhitungan Realisasi Kerugian. Seperti yang terlihat pada Tabel 3, basil perbandingan tersebut memperlihatkan bahwa metode VaR Backtesting mempunyai nilai akurasi yang lebih tinggi yaitu 4,92% jika dibandingkan dengan metode VaR Normal yang hanya 3,26%.Dengan basil perhitungan ini, maka penulis berpendapat bahwa Bank X dapat mengimplementasikan penggunaan medel Backtesting dalam menghitung maksimum potensi kerugian yang timbul di masa mendatang."

"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."

"Semua bisnis pasti memiliki risiko. Tidak terkecuali bisnis perbankan. Dalam menjalani fungsi menawarkan jasa-jasa keuangan, Bank harus mengambil atau mengelola berbagai jenis risiko keuangan secara efektif, agar dampak negatifnya tidak terjadi. Intinya, hampir semua bank beranggapan bahwa risiko dalam sebuah bisnis perbankan harus dihindari ataupun dihilangkan. Salah satu risiko yang termasuk dalam Manajemen Risiko Bank adalah Risiko Pasar. Secara umum Risiko Pasar antara lain terdapat pada aktivitas fungsional Bank seperti kegiatan treasury dan investa.si dalam. bentuk surat berharga, pasar uang, penyertaan pada lembaga keuangan lain, penyediaan dana, dan kegiatan pendanaan dan penerbitan surat hutang, serta kegiatan pembiayaan perdagangan. Kegiatan-kegiatan tersebut tentunya memiliki risiko masing-masing yang berbeda yang harus dihilangkan ai.aupun dikurangi. Bagi bank ukuran besar, aktivitas di luar negeri dan jual beli valuta asing untuk kepentingan bank sendiri, dapat merupakan sumber Risiko Pasar yang signifikan. Bagi kebanyakan bank, yaitu yang kegiatan usahanya berukuran kecil dan sedang, jenis Risiko Pasar yang terutama adalah risiko suku bunga. Berdasarkan hal tersebut di atas, maka pada karya akhir ini penulis ingin meneliti lebih lanjut tentang risiko pasar, khususnya risiko nilai tukar pada Bank X. Dalam penelitian ini, penulis mengukur seberapa besar potensi risiko pasar yang dimiliki oleh Bank X, jika dihitung dengan menggunakan metode Variance Covariance. Kemudian, penulis ingin mengetahui apakah metode tersebut merupakan metode yang paling cocok untuk menghitung risiko nilai tukar pada Bank X. Dalam penelitian ini, digunakan metode Variance Covariance utnuk mengukur risiko nilai tukar, yaitu dengan menggunakan metode Deviasi Standar atau Generalized Autoregressive Conditional Heteroscedasticity (GARCH), yang sesuai dengan hasil pengujian data. Data yang digunakan adalah nilai tukar Rupiah terhadap 3 (tiga) mata uang asing, yaitu Singapore Dollar (SGD), Hongkong Dollar (HKD) dan European Euro (EUR), dengan periode penelitian antara 7 Januari 2003 sampai 30 Januari 2004. Untuk mengetahui karakteristik dari data return ketiga mata uang tersebut dilakukan pengujian yang meliputi uji stasioner, uji normalitas dan uji volatilitas. Dari uji stasioner dapat diketahui bahwa data untuk ketiga mata uang tersebut bersifat stasioner, yang dibuktikan dengan nilai Critical Value (CV) alpha 5% untuk mata uang SGD, HKD dan EUR temyata lebih besar dari nilai ADF test-nya. Selanjutnya dari hasil uji normalitas, didapat bahwa nilai probabilitas untuk ketiga jenis mata uang dalam penelitian ini temyata lebih kecil daripada nilai alpha, sehingga data dikatakan tidak normal. Untuk data yang tidak normal, maka alpha yang digunakan dalam perhitungan VaR adalah alpha yang sesuai dengan rumus Cornish Fisher Expansion. Dari hasil uji volatilitas diketahui data return ketiga mata uang tersebut bersifat homoscedastic, sehingga metode yang digunakan untk melakukan forecasting volatility adalah metode deviasi standar normal. Kemudian berdasarkan perhitungan tersebut dihitung VaR harian dengan confidence level senilai 95% dan holding period 1 hari. Berdasarkan hasil perhitungan tersebut, maka didapatkan nilai VaR sebagai berikut:Dari tabel di atas diketabui nilai Diversified VaR dan Undiversified VaR. Adanya perbedaan yang cukup signifikan antara Diversified VaR dan Undiversified VaR, yaitu sebesar Rp.7.862.042, disebabkan antara lain karena adanya korelasi negatif antara mata uang SGD dan EUR. Hal yang berikut dilakukan setelab pengujian return mata uang adalah menguji validitas dari data tersebut. Kegunaaannya adalab untuk mengetabui apakah model Variance Covariance yang digunakan untuk mengbitung risiko nilai tukar pada Bank X tersebut valid atau tidak. Uji Validitas dilakukan berdasarkan Kupiec Test, yaitu Total Number of Failure (TNoF) dan Time Until First Failure (TUFF). Dari basil pengujian validitas tersebut, baik TN oF dan TUFF, babwa model yang telah ditetapkan untuk ketiga mata uang tersebut dinyatakan valid. Hal ini ditunjukkan dengan nilai Likelihood Ratio (LR) yang lebih kecil daripada nilai Chi Square. Berdasarkan basil akhir penelitian ini maka dapat disimpulkan bahwa setelah mengadakan perhitungan terbadap risiko nilai tukar pada Bank X dengan 3 (tiga) jenis mata uang, maka didapatkan suatu basil yang menyatakan besamya risiko nilai tukar pada Bank X, jika dibitung dengan menggunakan metode Variance Covariance. Dan setelah diadakan pengujian kembali, maka dapat disimpulkan pula bahwa model tersebut adalah model yang cocok untuk digunakan pada penghitungan risiko nilai tukar di Bank."

"Tugas akhir ini bertujuan menjelaskan cara menghitung VaR untuk opsi call Eropa atas saham tertentu dengan metode simulasi Monte Carlo. Nilai opsi call Eropa atas saham tertentu dipengaruhi oleh faktor-faktor risikonya, yaitu harga exercise, harga saham (underlying asset), suku bunga bebas risiko, dan volatilitas harga saham. Nilai VaR dengan metode simulasi Monte Carlo untuk opsi call Eropa dapat diperoleh dengan mensimulasikan pergerakan dari faktor-faktor risikonya. Akan tetapi, karena faktor-faktor risikonya selain harga saham besarnya konstan, maka hanya pergerakan harga saham saja yang disimulasikan. Dalam skripsi ini pergerakan harga saham (yang menjadi underlying asset) dari opsi call Eropa diasumsikan mengikuti gerak Brown geometrik. Berdasarkan implementasi numerik penghitungan VaR dengan metode simulasi Monte Carlo, diperoleh kesimpulan bahwa makin tinggi harga saham maka makin tinggi harga opsi call Eropanya, sebaliknya makin tinggi harga exercise maka makin rendah harga opsi call Eropanya, dan makin tinggi tingkat kepercayaan yang dipilih maka makin tinggi nilai VaRnya."

"Penerapan langsung Market Risk Capital Charges terhadap permodalan perbankan berdampak langsung terhadap turunnya Capital Adequacy Ratio (CAR) pada masing-masing bank. Salah satu fungsi utama dari perbankan adalah menunjang pertumbuhan ekonomi melalui kemampuannya untuk memberikan pinjaman kepada masyarakat. Penurunan CAR akibat perhitungan market risk capital charges, akan mengakibatkan penurunan kemampuan ekspansi perbankan nasional secara tidak langsung. Risiko nilai tukar (Excange rate risk) merupakan salah satu komponen dari market risk. Perhitungan market risk capital charges dengan menggunakan model internal akan menghasilkan nilai yang relatif rendah dibandingkan dengan penggunaan model standar. Hal tersebut dikarenakan, dalam model internal sudah memperhitungkan efek volatilitas dan korelasi antar faktor risiko. Model internal yang banyak digunakan sekarang adalah Value at Risk (VaR). Perhitungan market risk capital charges yang efisien dengan menggunakan VaR akan berdampak langsung terhadap capital adequacy yang efisien pula. Penelitian ini menghitung market risk capital charges untuk risiko nilai tukar (exchange rate risk) dengan menggunakan VaR Monte Carlo Simulation. Penelitian yang dilakukan menyimpulkan bahwa (1) perbankan syariah dapat menggunakan metode Value at Risk pendekatan Monte Carlo Simulation untuk perhitungan capital charges risiko nilai tukar; dan (2) pengukuran capital charge risiko nilai tukar dengan VaR Monte Carlo Simulation valid untuk digunakan dalam pengukuran risiko nilai tukar pada Bank Syariah XYZ.

---

Direct application of Market Risk Capital Charges on banking capital directly impact the decline in Capital Adequacy Ratio (CAR) in each bank. One of the main function of banks is to support economic growth through its ability to lend to the public. Decrease in CAR due to the calculation of market risk capital charges, will result in decreased ability of the national banking expansion indirectly. Exchange rate risk (Excange rate risk) is one component of market risk.

Calculation of market risk capital charges using internal models will produce a relatively low value compared with the use of the standard model. That is because, in the internal model taking into account the effects of volatility and correlation between risk factors. Internal models are widely used today is the Value at Risk (VaR). Calculation of market risk capital charges are efficiently by using VaR will directly affect an efficient capital adequacy as well. This study calculates market risk capital charges for the exchange rate risk (exchange rate risk) by using the VaR Monte Carlo Simulation.

Research carried out concluded that (1) Islamic banking can use the method of Value at Risk Monte Carlo Simulation approach to calculating capital charges exchange rate risk, and (2) the measurement of capital charge exchange rate risk with VaR Monte Carlo Simulation valid for use in risk measurement value exchange at Bank Syariah XYZ."

""b>ABSTRAK"Risiko adalah suatu ketidakpastian akan terjadinya kerugian. Salah satu alat ukur risiko yang umum digunakan untuk menghitung risiko yang mungkin ditimbulkan pada instrumen keuangan adalah Value at Risk. Value at Risk mengukur tingkat kerugian maksimum pada tingkat kepercayaan tertentu dan interval waktu tertentu. Namun, perhitungan risiko dengan alat ukur Value at Risk hanya mempertimbangkan informasi mengenai individu saja. Perhitungan risiko akan lebih baik jika mempertimbangkan risiko dari individu-individu lain atau kelompok. Oleh karena itu, untuk menggabungkan informasi individu dan data kelompok dalam memprediksi risiko digunakan teori kredibilitas, yaitu sebuah model yang menggabungkan kedua informasi tersebut dalam memprediksi risiko di masa depan berdasarkan n observasi yang dimiliki. Model ini disebut sebagai model credible value at risk. Untuk menentukan bobot yang sesuai untuk data individu dan kelompok, akan diminimumkan expected squared error antara parameter yang digunakan untuk memprediksi risiko di periode ke- n 1 dan penaksirnya. Setelah mendapatkan bobot yang sesuai untuk data individu dan kelompok, akan ditaksir parameter-parameter yang akan digunakan dalam model credible value at risk dengan menggunakan metode momen. Pada skripsi ini, model credible value at risk akan digunakan untuk menghitung risiko dari aset saham perusahaan sektor perbankan dan klaim asuransi.

---

ABSTRACTRisk is a probability of loss. One of the most commonly used risk measures to measure the risk of the financial instruments is Value at Risk. The usage of Value at Risk is to calculate maximum loss with the specific level of certainty and specific time frame. However, measuring risk using the ordinary Value at Risk solely depends on individual information. The better risk estimation will be obtained by combining both individual and group risks. Therefore, credibility theory is needed to combine both risks in order to predict the future risk based on n observations. This model is called as credible value at risk. Credibility theory is a model which gives a proper weight to both individual and group information. The appropriate method to obtain the proper weight for both individual and group information is by minimizing the expected squared error between the parameter used to predict future risk and its estimation. After obtaining the proper weight for both information, parameters in the model will be estimated by using a method of moment. This thesis provides a numerical simulation using stock market data and insurance claims data to measuring risk with credible value at risk."

"ABSTRAKKondisi persaingan, kesehatan dan peraturan perbankan Indonesia saat ini menuntut setiap bank untuk mengelola dan mengukur risiko kredit. Beberapa bank mulai membangun model internal untuk mengelola dan mengukur besar risiko kredit dengan ha.rapan kewajiban penyediaan modal minimum (KPMM) untuk mem-back up risiko kredit menjadi lebih kecil dibandingkan apabila menggunakan standardized approach.Perhitungan risiko kredit dengan menggunakan model CreditMetrics dan Macro Simulation Approach merupakan perhitungan risiko kredit dengan model internal rating yang membutuhkan sistem internal rating sebagai dasar penentuan risiko kredit Asumsi yang digunakan oleh model CreditMetrics bahwa probability of default adaJab konstan dalam kondisi nyata dipengaruhi oleh berbagai faktor term.asuk fuktor ekonomi makro. Untuk mengatasi kelemaban tersebut, maka model CreditMetrics dikornbinasikan dengan Macro Simulation Approach untuk melihat pengaruh faktor ekonorni rnakro terhadap probability of default debitur.lmplementasi Macro Simulation Approach pada kredit menengah komersial PT Bank X menunjukkan adanya beberapa faktor ekonomi rnakro yang mempengaruhi kemungkinan terjadinya perubahan atau transisi kolektibilitas pinjaman, antara lain yaitu:1. Nilai tukar mata uang Rupiah terhadap USD mempengaruhi probabilitas kolektibilitas pinjaman agar tetap lancar dan juga probabilitas kolektibilitas Lancar berubah menjadi Dalam Perhatian Khusus.2. Suku bunga SBI mempengaruhi probabilitas kolektibilitas pinjaman tetap Dalam Perhatian Khusus, dan probabilitas kolektibilitas pinjaman tetap Macet.3. IHSG mempengaruhi probabilitas kolektibilitas pinjaman Kurang Lancar berubah menjadi Lancar, probabilitas kolektib11itas pinjaman tetap Kurang Lancar, dan probabilitas kolektibilitas pinjaman Macet berubah menjadi Dalam Perhatian KhususHasil analisis risiko kredit dengan acro Simulation Approach adalah dalam bentuk Matriks Transisi Conditional yang telah disesuaikan dengan pengaruh faktor ekonomi makro. Selanjutnya pendekatan CreditMetrics menggunakan matriks transisi conditional untuk menghitung risiko kredit. jumlah maksimal kerugian yang dapat dialami oleh PT Bank X dari kredit menengah komersial sektor perindustrian dengan tingkat keyakinan 95% adalah sebesar Rp.338.634.483.403 atau 32,85% dari total keseluruhan baki debet kredit menengah komersial sektor industri.Jika dikaitkan dengan ketentuan penyediaan modal sebesar SOlo, maka PT Bank X diwajibkan untuk menyediakan pencadangan modal untuk meng-cover risiko dalam penyaluran kredit menengah komersial sektor industri sebesar 8% x 32,85% = 2,63% dari total outstanding kredit. Persentase pencadangan modal ini jauh lebih hemat dibandingkan dengan penyediaan modal oleh perusahaan yang belum melakukan rating bagi kreditnya, yaitu sebesar 8% - 2,63% = 5,37%."

"Beberapa tahun belakangan ini, value at risk (VaR) semakin sering digunakan dalam mengukur risiko finansial. Cara yang populer digunakan adalah metode Delta Normal dan metode simulasi Monte-Carlo. Pada tugas akhir ini akan dibahas metode simulasi historis. Metode ini menggunakan data-data terdahulu untuk memperoleh nilai VaR. Terkadang sulit mendapatkan data dalam jumlah yang besar, keadaan ini menimbulkan keraguan mengenai ketepatan hasil taksiran yang diperoleh. Cara yang banyak digunakan dalam mengolah data berukuran kecil agar menjadi lebih layak adalah dengan bootstrap. Sehingga di beberapa literatur, metode simulasi historis disebut juga dengan metode bootstrap. Metode bootstrap ini akan diterapkan pada suatu data penghasilan, sehingga diperoleh taksiran VaR dari data tersebut. Bootstrap layak digunakan karena memberikan suatu nilai taksiran tak bias, dengan variansi yang mengecil. "