DETERMINATION OF VALUE-AT-RISK FOR BANK OPERATIONAL RISK
Salah satu penerapan manajemen risiko operasional yang baik pada bank adalah dengan mengetahui/menentukan ukuran risiko dari bank tersebut. Ukuran risiko operasional yang umum digunakan adalah Value-at-Risk (VaR). Pada umumnya, penyebab risiko operasional pada bank dapat dibagi ke dalam 8 aktivit...
Saved in:
Main Author: | |
---|---|
Format: | Final Project |
Language: | Indonesia |
Online Access: | https://digilib.itb.ac.id/gdl/view/19405 |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Institution: | Institut Teknologi Bandung |
Language: | Indonesia |
id |
id-itb.:19405 |
---|---|
spelling |
id-itb.:194052017-09-27T11:43:12ZDETERMINATION OF VALUE-AT-RISK FOR BANK OPERATIONAL RISK HARYANTI , SAFIRA Indonesia Final Project agregasi, sub-additive, distribusi Pareto, BS-PSD-LDA, beban modal, ATMR. INSTITUT TEKNOLOGI BANDUNG https://digilib.itb.ac.id/gdl/view/19405 Salah satu penerapan manajemen risiko operasional yang baik pada bank adalah dengan mengetahui/menentukan ukuran risiko dari bank tersebut. Ukuran risiko operasional yang umum digunakan adalah Value-at-Risk (VaR). Pada umumnya, penyebab risiko operasional pada bank dapat dibagi ke dalam 8 aktivitas bisnis dan 7 tipe kejadian. Sehingga, bank dapat menghitung VaR agregasi dari kombinasi kedua faktor tersebut. Namun, Basel Committee for Banking Supervision (BCBS) mene- tapkan bahwa cadangan modal yang cukup untuk risiko operasional dapat dihitung dari penjumlahan (agregat) VaR dari tiap-tiap risiko. Hal ini dapat menjadi masalah bagi pihak bank karena bank secara umum menginginkan perhitungan modal yang optimum. Namun, akan ditunjukkan bahwa pada Tugas Akhir ini, VaR yang di- dapat bersifat sub-additive. Sehingga, bank dapat menghitung cadangan modal berdasarkan VaR dari agregasi risiko dan selisih dana dari VaR agregasi dengan agregat VaR dapat dialokasikan untuk keberjalanan aktivitas bisnis bank yang lain. Sementara itu, untuk menentukan VaR, dibutuhkannya asumsi distribusi yang tepat dan dapat menggambarkan perilaku jenis kejadian yang bersifat High Frequency - Low Severity dan Low Frequency - High Severity dari data kerugian operasional bank. Pada Tugas Akhir ini, distribusi yang dianggap cocok untuk menggambarkan 'ekor' dari data kerugian risiko operasional adalah distribusi Pareto 2-parameter yang bersifat heavy-tailed. Lebih lanjut, metode Advanced Measurement Approach (AMA) untuk perhitungan VaR yang digunakan adalah Loss Distribution Approach based on Bootstrap Sampling and Piecewise-Dened Severity Distribution (BS-PSD- LDA). Dari hasil simulasi diperoleh bahwa dengan metode AMA-LDA perhitungan VaR lebih risk sensitive dan menghasilkan nilai beban modal serta Aktiva Tertim- bang Menurut Risiko (ATMR) yang lebih kecil dibandingkan dengan metode Basic Indicator Approach (BIA) atau Standardized Approach (SA). text |
institution |
Institut Teknologi Bandung |
building |
Institut Teknologi Bandung Library |
continent |
Asia |
country |
Indonesia Indonesia |
content_provider |
Institut Teknologi Bandung |
collection |
Digital ITB |
language |
Indonesia |
description |
Salah satu penerapan manajemen risiko operasional yang baik pada bank adalah
dengan mengetahui/menentukan ukuran risiko dari bank tersebut. Ukuran risiko
operasional yang umum digunakan adalah Value-at-Risk (VaR). Pada umumnya,
penyebab risiko operasional pada bank dapat dibagi ke dalam 8 aktivitas bisnis dan 7
tipe kejadian. Sehingga, bank dapat menghitung VaR agregasi dari kombinasi kedua
faktor tersebut. Namun, Basel Committee for Banking Supervision (BCBS) mene-
tapkan bahwa cadangan modal yang cukup untuk risiko operasional dapat dihitung
dari penjumlahan (agregat) VaR dari tiap-tiap risiko. Hal ini dapat menjadi masalah
bagi pihak bank karena bank secara umum menginginkan perhitungan modal yang
optimum. Namun, akan ditunjukkan bahwa pada Tugas Akhir ini, VaR yang di-
dapat bersifat sub-additive. Sehingga, bank dapat menghitung cadangan modal
berdasarkan VaR dari agregasi risiko dan selisih dana dari VaR agregasi dengan
agregat VaR dapat dialokasikan untuk keberjalanan aktivitas bisnis bank yang lain.
Sementara itu, untuk menentukan VaR, dibutuhkannya asumsi distribusi yang tepat
dan dapat menggambarkan perilaku jenis kejadian yang bersifat High Frequency -
Low Severity dan Low Frequency - High Severity dari data kerugian operasional
bank. Pada Tugas Akhir ini, distribusi yang dianggap cocok untuk menggambarkan
'ekor' dari data kerugian risiko operasional adalah distribusi Pareto 2-parameter
yang bersifat heavy-tailed. Lebih lanjut, metode Advanced Measurement Approach
(AMA) untuk perhitungan VaR yang digunakan adalah Loss Distribution Approach
based on Bootstrap Sampling and Piecewise-Dened Severity Distribution (BS-PSD-
LDA). Dari hasil simulasi diperoleh bahwa dengan metode AMA-LDA perhitungan
VaR lebih risk sensitive dan menghasilkan nilai beban modal serta Aktiva Tertim-
bang Menurut Risiko (ATMR) yang lebih kecil dibandingkan dengan metode Basic
Indicator Approach (BIA) atau Standardized Approach (SA). |
format |
Final Project |
author |
HARYANTI , SAFIRA |
spellingShingle |
HARYANTI , SAFIRA DETERMINATION OF VALUE-AT-RISK FOR BANK OPERATIONAL RISK |
author_facet |
HARYANTI , SAFIRA |
author_sort |
HARYANTI , SAFIRA |
title |
DETERMINATION OF VALUE-AT-RISK FOR BANK OPERATIONAL RISK |
title_short |
DETERMINATION OF VALUE-AT-RISK FOR BANK OPERATIONAL RISK |
title_full |
DETERMINATION OF VALUE-AT-RISK FOR BANK OPERATIONAL RISK |
title_fullStr |
DETERMINATION OF VALUE-AT-RISK FOR BANK OPERATIONAL RISK |
title_full_unstemmed |
DETERMINATION OF VALUE-AT-RISK FOR BANK OPERATIONAL RISK |
title_sort |
determination of value-at-risk for bank operational risk |
url |
https://digilib.itb.ac.id/gdl/view/19405 |
_version_ |
1821119828687060992 |