3. RISK NEWS
www.dailynews.com THE WORLD’S FAVOURITE NEWSPAPER - Since 1879
DEFINITION of CREDIT RISK
“Resiko kredit terjadi jika
counterparty (pihak lain dalam
transaksi bisnis kita) tidak bisa
memenuhi kewajibannya
(wanprestasi)”
8. MODEL SKORING KREDIT
MODEL
MODEL PROBABILITAS
DISKRIMINAN LOGIT
MODEL
PROBABILITAS
LINEAR
9. MODEL DISKRIMINAN
menganalisiskan dan melihat
apakah suatu perusahaan
sebaiknya dimasukkan
kedalam kategori tertentu.
10. fungsi diskriminan yang diestimasi oleh
penelitian Altman (1968):
Z=1,2X1+1,4X2+3,3X3+0,6X4+1,0X5
:X1= Rasio modal kerja/total asset
X2= Rasio laba yang ditahan/total asset
X3= Rasio Laba sebelum bunga dan pajak/nilai buku
saham
X4= Rasio nilai pasar saham/Nilai Buku Saham
X5= Rasio penjualan/Total asset
11. NON PUBLIK
Z=0,7171X1+0,847X2+3,107X3+0,420X4+0,998X5
X1= Rasio modal kerja/total asset
X2= Rasio laba yang ditahan/total asset
X3= Rasio Laba sebelum bunga dan pajak/nilai
buku saham
X4= Rasio nilai buku saham preferen dan saham
biasa/Nilai Buku total hutang
X5= Rasio penjualan/Total asset
12. Misalkan ada dua perusahaandengan
data rasio keuangan sebagai berikut:
X Y
0,25 0,005
Rasio modal kerja/total asset
0,1 0,01
rasio laba yang ditahan/total asset
rasio laba sebelum bunga dan pajak/total
0,1 -0.2
asset
2 1,2
Rasio nilai pasar saham/nilai buku saham
2 1,25
Rasio penjualan/total asset
13. CUT OFF RATE
model pasar model nilai buku
batas tidak bangkrut >2,99 2,9
batas bangkrut <1,81 1,20
wilayah abu-abu 1,81-2,99 1,2-2,9
14. Karena menggunakan informasi harga pasar saham,
maka kita menggunakan model yang pertama, sehingga
perhitungan nilai Z bisa dilihat sebagai berikut:
Za=1,2(0,25)+1,4(0,1)+3,3(0,1)+0,6(2)+1(2)=3,97
Zb=1,2(0,005)+1,4(0,01)+3,3(-0,2)+0,6(1,2)+1(1,25)=1,33
Karena nilai Z untuk A diatas batas bangkrut (3,97>2,99), maka
Altman memprediksi bahwa perusahaan A tidak bangkrut.
Sebaliknya karena nilai Z untuk B di bawah batas bawah
(1,33<1,81), maka Altman memprediksi bahwa perusahaan B
akan mengalami kebangkrutan.
15. MODEL PROBABILITAS LINEAR
Dalam beberapa situasi, dua kategori
(gagal bayar dan tidak bayar) tidak cukup.
Kadangkala suatu perusahaan ingin
angka yang mencerminkan seberapa
besar kemungkinan terjadinya kegagalan
bayar (resiko kredit).
16. MODEL PROBABILITAS
LINEAR
Z= 0,2+1,3x1+0,5x2
X1= rasio modal kerja/total aset
X2= rasio laba sebelum bunga dan pajak
/total asset
17. A B C
Rp 100Miliar Rp 50 Miliar Rp 100 Miliar
Total Aset
Modal Kerja Rp 40 Miliar Rp 5 Miliar Rp 50 Miliar
Laba sebelum bunga dan pajak Rp 40 Miliar -Rp 2,5 Miliar Rp 40 Miliar
X1 0,4 0,1 0,5
X2 0,4 -0.05 0,4
Misalkan kita akan menganalisis
potensi gagal bayar untuk tiga
perusahaan, dengan informasi
sebagai berikut ini:
18. Probabilitas tidak gagal bayar (lancar)
bisa dihitung sebagai berikut:
Za= 0,2+1,3(0,4)+0,5(0,4)=0,92
Zb= 0,2+1,3(0,1)+0,5(-0,05)=0,305
19. probabilitas untuk tidak gagal bayar (lancar) untuk A
adalah 0,92 dan B adalah 0,305. Dapat disimpulkan
bahwa perusahaan A memiliki resiko kredit yang lebih
rendah dibandingkan dengan perusahaan B. Kelamahan
dari model probabilitas linear adalah ada kemungkinan
probabilitas yang dihitung diluar wilayah 0 dan 1, lebih
kecil dari 0 atau lebih besar dari 1 (probabilitas bernilai
antara 0 dan 1, inklusif)
20. MODEL PROBABILITAS LOGIT
Model persamaan logit
menggunakan ‘link’ logit (bukan
linear seperti dalam regresi biasa).
Misalkan Y adalah probabilitas
‘sukses’,
21. REGRESI LOGIT
regresi logit bisa dituliskan berikut ini:
Logit (Y): log{(Y/(1-y))}=+1X1+2X2
Alternatif penulisan lain adalah sebagai berikut:
Y={exp(+1X1+2x2)}/{1+exp(+1X1+2X2)
22. Sebagai ilustrasi, misalkan kita mengestimasi probabilitas,
kebangkrutan dengan menggunakan model logit. Sebagai
variable dependen adalah kebangkrutan dengan nilai=1 jika
perusahaan tidak bangkrut, dan 0 jika perusahaan mengalami
kebangkrutan. Variabel independen adalah rasio keuangan.
Program statistic akan secara otomatis menghitung regresi
logit jika menggunakan regresi tersebut. Misalkan hasil
estimasi menghasilkan persamaan sebagai berikut ini:
Y= 0,2+1,3X1+0,5X2
23. Maka kita akan mengestimasi probabilitas perusahaan A,B,dan C dengan
menggunakan data pada probabilitas linear di muka. Hasil estimasi adalah
sebagai berikut:
Ya=exp{0,2+1,3(0,4)+0,5(0,4)}/{1+exp(0,2+exp0,2+1,3(0,4)+0,5(0,4)}}=0,715
Yb= exp{0,2+1,3(0,1)+0,5(0-0,05)}/{1+exp(0,2+1,3(0,1)+0,5(-0,05)}}=0,576
Yc= exp{0,2+1,3(0,5)+0,5(0,4)}/{1+exp(0,2+1,3(0,5)+0,5(0,4)}}=0,746
24. Hasil diatas menunjukkan bahwa perusahaan C
mempunyai probabilitas tidak gagal bayar paling tinggi,
sebesar 0,746. Hasil tersebut juga menunjukkan bahwa
probabilitas akan selalu berada pada angka 0 dan
1,inklusif.
26. RAROC (Risk Adjusted Return On
Capital)
Membandingkan tingkat keuntungan
dengan modal yang berisiko.
27. Formula RAROC
RAROC = Pendapatan dari pinjaman pertahun
Modal Yang Berisiko (Capital At Risk)
Salah satu kesulitan dalam perhitungan
RAROC adalah penentuan Capital at Risk.
29. Mortality Rate
Defnisi: Menghitung persentase kebangkrutan
yang terjadi untuk kelas risiko tertentu
Mirip dengan table kematian untuk manusia
(mortality table)
Dihitung dengan menggunakan data historis
30. Marginal Mortality Rate (MMR)
MMR1
Total nilai obligasi yang default pada tahun 1
Total nilai obligasi yang beredar pada tahun pertama penerbitan
MMR2
Total nilai obligasi yang default pada tahun 2
Total nilai obligasi yang beredar pada tahun ke-2 setelah
penerbitan disesuaikan dengan default, pelunasan, jatuh tempo, dan
pelunasan dari sinking fund
31. Penurunan Risiko Kredit
Menggunakan Term Structure
Term Structure atau yield curve atau kurva hasil
menunjukkan hubungan antara jangka waktu
dengan yield surat berharga (obligasi)
32. Formula Yield Curve Hipotesis
( 1 + Rf ) = pi ( 1 + Ri)
Rf = yield obligasi pemerintah
Ri = yield obligasi perusahaan
pi = probabilitas obligasi
perusahaan bertahan
34. Member of the Asscoiated Press .
Aenean commodo ligula eget dolor.
Aenean. Aenean commodo ligula eget
dolor. Aenhswse. Cejhciebce fcdcdcd.
ILLUSTRATED WEEKLY NEWSPAPER
Est. 1869 Wednesday, November 24, 1892 Price 6d
CREDIT METRICS
Credit Metrics merupakan alat
untuk mengukur risiko dengan
menggunakan kerangka Value At
Risk (VAR), sehingga volatilitas
risiko kredit (risiko yang tidak bisa
diperkirakan) dapat diperhitungkan
Terdapat dua masalah apabila
mempergunakan kerangka VAR
untuk kredit, yaitu distribusi yang
tidak normal dan perhitungan
korelasi
35. Ilustrasi perhitungan credit
metrics
Credit metrics untuk aset
individual
Credit metrics untuk portofolio
dengan dua aset.
36. THE DAILY NEWS
www.dailynews.com THE WORLD’S FAVOURITE NEWSPAPER - Since 1879
CREDIT METRICS ASET INDIVIDUAL
Obligasi Obligasi
dengan rating dengan rating
BBB A
•Jangka waktu 5 •Jangka waktu 5
tahun tahun
•Kupon bunga •Kupon bunga
6% 5%
•Nilai nominal •Nilai nominal
$100 $100
•Senior •Senior
Unsecured Unsecured
37. Date today 03/16/11 NEWS
CREDIT METRICS ASET WOW NEWS
INDIVIDUAL Informasi perpindahan
rating bisa diperoleh
melalui data historis yang
dikumpulkan oleh
perusahaan pe-rating
(S&P, Moodys)
ARTICLE HEADLINE
Jika rating suatu obligasi berubah, maka
nilai obligasi tersebut juga akan berubah.
Perubahan tersebut terjadi karena tingkat
keuntungan yang disyaratkan (yang akan
In libris graecis appetere mea. At vim odio lorem dipakai sebagai discount rate) berubah
omnes, pri id iuvaret partiendo. Vivendo menandri et
sed. Lorem volumus blandit cu has.Sit cu alia porro
fuisset.
38. THE
SUN SHINE
RISK and INSURRANCE WORLD EXCLUSIVES
CREDIT METRICS INDIVIDUAL ASET
Misalkan kita memiliki
informasi forward zero
curve untuk empat tahun
ke depan berdasarkan
kategoti risiko seperti tabel
forward rate disamping:
39. Credit metrics untuk aset
individual
Selanjutnya kita akan menghitung nilai pasar yang baru jika obligasi
BBB yang akan kita evaluasi itu di-upgrade atau di-downgrade.
Sebagai contoh, jika obligasi tersebut di-upgarde menjadi rating A,
berapa nilai obligasi tersebut pada akhir tahun depan (sebelum
terima kupon bunga)?
40. Setelah hasil tersebut diperoleh, kita bisa
menggambarkan (mem-plot) dengan
menggunakan nilai obligasi yang baru untuk
sumbu horizontal dan probabilitas untuk
sumbu vertikalnya, seperti terlihat pada
bagan berikut ini
42. Perhatikan bahwa kita menggunakan 6,77
(5,3+1,17+0,12+0,18) dan 1,47% (1,17+0,12+0,18) untuk
memperoleh angka yang mendekati 5% dan 1%.
Kita bisa menggunakan distribusi sesungguhnya,
sehingga perhitungan yang mendekati 5% VAR dan 1%
VAR bisa dilakukan sebagai berikut:
43. Kita bisa melakukan interpolasi untuk
menghitung nilai yang lebih tepat untuk
menghitung 5% dan 1% sebagai berikut:
Dengan menggunakan teknik interpolasi
semacam itu, 5% VAR adalah
50. Pendekatan Kerangka Teori Opsi 01
Opsi call
WINTER
Template Output
Opsi
hak untuk membeli aset hak untuk menjual aset
dengan harga tertentu dengan harga tertentu
pada periode tertentu pada periode tertentu
51. Gambar Pemegang saham dalam
kerangka opsi
02
Nilai
saham
Template
100 jt
100 jt Nilai
perusahaan
53. Analisis Nilai Saham dan Hutang
dengan Opsi 04
HUTANG
SUMBER
PENDANAAN
Template
PERUSAHAAN
SAHAM
54. Contoh :
Jumlah lembar saham yang beredar adalah 1
juta lembar. Nilai hutang obligasi tanpa bunga
adalah Rp. 80 juta (80.000 lembar obligasi
dengan nilai nominal perlembarnya adalah Rp.
1000), dengan jangka waktu satu tahun. Nilai
pasar perusahaan tersebut adalah Rp. 100
Juta. Berapa nilai untuk masing-masing
komponen sumber dana tersebut?
55. JAWAB :
V = nilai total perusahaan (Rp.100 juta)
E = nilai pasar saham
D = nilai pasar obligasi
Gabungan antara nilai pasar saham dan
obligasi adalah nilai total perusahaan,
V = D + E = Rp. 100 juta
56. Nilai saham V = Nilai Perusahaan
bisa dihitung B = Nilai Nominal obligasi
berikut ini: E = Nilai saham
r = tingkat bunga bebas
E = N (d1) V – N (d2) resiko
Be-Rt T = jangka waktu hutang
ð= standar deviasi return
d1 = { In (V/B) + asset perusahaan tahunan
(r + (2/2) ) T } / { In = logaritma natural
T} e= 2,71828
N(d)= probabilitas angka
dari distribusi normal
d2 = d1 - { ð T dibawah d
}
57. Misalkan ð = 0,3, r = 8% pertahun, E bisa dihitung yaitu Rp.
28,24 juta. Dengan demikian nilai hutang adalah :
D = Rp. 100 juta – 28,24 juta = Rp.71,76 juta
Karena Obligasi tersebut merupakan obligasi tanpa
kupon, tingkat bunga bisa dihitung, dengan cara berikut
ini:
R = In (B/D) / T = In (80/71,76) = 0,1087 atau 10,87 %
pertahun
58. Karena tingkat bunga bebas resiko adalah 8%,
maka premi resiko adalah 10,87 % - 8 %
= 2,87 %
Premi risiko tersebut mencerminkan risiko
kredit perusahaan tersebut.
59. Model Penilaian Hutang
Dengan Opsi
Alternatif lain adalah dengan menghitung
nilai hutang secara langsung. Nilai pasar
hutang bisa dihiting dengan menggunakan
formula berikut ini :
F(T) = Be-Rt [ (1/L) N(d2) ]
60. T = jangka waktu hutang
L = rasio hutang diukur dari Be-Rt/A, dimana nilai
pasar hutang diukur dengan tingkat bunga r
(tingkat bunga bebas resiko)
N(d) = nilai yang dihitung dari table distribusi normal
standar
d1 = - [1/2 ð- In (L) ] / {ð T }
d2 = - [1/2 ð+ In (L) ] / {ð T }
ð2 = risiko peminjam, yang diukur dari varians return
asset perusahaan
61. bentuk spread yield
(tingkat bunga)
R – r = (- 1/T) ln [N(d2) + (1/L) N(d1) ]
Dimana
R = tingkat keuntungan yang disyaratkan untuk hutang
r = tingkat keuntungan asset bebas resiko
62. Persamaan tersebut menunjukkan bahwa
“jika tingkat hutang dan varians return berubah
maka tingkat keuntungan yang disyaratkan
untuk hutang tersebut juga harus berubah”.
