RPS minggu 12 · 2x50 menit · Konsentrasi Risiko
Manajemen Risiko Portofolio & Stress Testing Ekonomi Manajerial Lembaga Keuangan — Magister Manajemen FEB UNDIP Hari ini kita masuk ke topik yang mengintegrasikan semua konsep sebelumnya: manajemen risiko portofolio dengan stress testing. Anda semua sudah paham konsep dasar manajemen risiko dari S1, jadi kita langsung ke kerangka modern: risk heatmap, Monte Carlo simulation, dan stress testing multidimensi. Sepanjang sesi kita akan pakai widget risk-heatmap-5x5 dan monte-carlo-permintaan untuk eksplorasi interaktif, dan kasus konkret bagaimana bank Indonesia melakukan stress test pandemi dan krisis 2008. Bawa satu pengalaman analisis risiko portofolio di institusi Anda untuk dibahas di diskusi. Sub-CPMK 12 & Indikator Capaian Sub-CPMK 12: menerapkan kerangka manajemen risiko portofolio dan stress testing untuk bank. Empat indikator yang harus dikuasai.
Risk heatmap 5x5: likelihood × impact Monte Carlo simulation untuk distribusi outcome Value-at-Risk (VaR) & Expected Shortfall (ES) Stress testing multidimensi: macro, market, credit Reverse stress testing — scenario yang menghancurkan bank Eksplorasi widget risk-heatmap + monte-carlo Kuis 10 menit di awal: Markowitz, CAPM, beta dari P11.
Setelah kuis singkat, kita akan masuk ke empat indikator manajemen risiko portofolio. Yang pertama mengenal risk heatmap 5x5 yang memetakan risiko berdasarkan likelihood dan impact — tool komunikasi yang powerful. Yang kedua mendalami Monte Carlo simulation untuk generate distribusi outcome berdasarkan random sampling dari parameter. Yang ketiga mengenal Value-at-Risk dan Expected Shortfall sebagai metrik risiko kuantitatif. Yang keempat stress testing multidimensi yang mencakup macro, market, dan credit stress, plus reverse stress testing yang mencari skenario yang bisa menghancurkan bank. Di akhir kita akan eksplorasi widget risk-heatmap-5x5 dan monte-carlo-permintaan untuk visualisasi interaktif. Mengapa Stress Testing Penting? Krisis 2008 dan pandemi 2020 menunjukkan bank yang lulus stress test bertahan, yang gagal kolapse — stress testing bukan formalitas tapi survival tool.
Bank Gagal Stress Test 2008
~20-30%
Bank global yang membutuhkan bailout — Lehman, Bear Stearns, RBS, dll.
CAR Pasca-Stress Pandemi
~6-8%
Bank RI worst-case scenario; masih di atas minimum 8% (umumnya)
Stress testing wajib Pilar 2 Basel III; bank gagal = capital plan & dividend restriction.
Stress testing adalah tool survival yang sangat penting bagi bank modern. Krisis 2008 menunjukkan 20-30 persen bank global yang mengalami stress test internal ternyata tidak lulus — Lehman Brothers, Bear Stearns, RBS, dan banyak bank lain membutuhkan bailout atau kolapse. Pasca-krisis, Basel III menjadikan stress testing sebagai kewajiban Pilar 2 yang serius, bukan formalitas. Pandemi 2020 adalah stress test real-world bagi bank Indonesia — dalam skenario worst-case, CAR industri turun ke sekitar 6-8 persen tapi sebagian besar bank masih berhasil maintain di atas minimum 8 persen. Bank yang gagal stress test harus submit capital plan ke OJK dan bisa menghadapi pembatasan dividen serta ekspansi. Implikasi manajerial: stress testing bukan formalitas compliance tapi tool risk management serius yang membantu manajemen anticipate skenario stress dan prepare mitigation. Bank yang melakukan stress testing dengan serious akan survive krisis apapun yang akan datang. Bagian 1 · 1/4
Risk Heatmap 5×5: Likelihood × Impact
Diskusi kelas: di institusi Anda, risiko apa yang masuk kategori "merah" (high likelihood + high impact)?
Blok pertama membahas risk heatmap 5x5 sebagai tool komunikasi yang powerful. Pertanyaan diskusi tadi memantik refleksi tentang risiko tertinggi di institusi masing-masing. Untuk bank Indonesia, risiko yang sering muncul di kuadran merah: cyber attack, NPL cyclical, dan liquidity shock. Diskusi ini akan kita buka di akhir blok. Risk Heatmap 5×5: Konsep & Aplikasi Risk heatmap memetakan risiko pada matrix 5x5 likelihood (sumbu Y) × impact (sumbu X) — tool komunikasi dan prioritisasi.
1 — Rare (<5% dalam 1 thn) 2 — Unlikely (5-20%) 3 — Possible (20-50%) 4 — Likely (50-80%) 5 — Almost Certain (>80%) 1 — Insignificant (<Rp 100 jt loss) 2 — Minor (Rp 100 jt — 1 M) 3 — Moderate (Rp 1 — 10 M) 4 — Major (Rp 10 — 100 M) 5 — Catastrophic (>Rp 100 M / going concern) Skor = Likelihood × Impact; ≥15 = merah (mitigasi wajib); 8-14 = kuning; ≤7 = hijau (monitor).
Risk heatmap 5x5 adalah tool komunikasi yang powerful untuk memetakan dan memprioritaskan risiko. Sumbu Y likelihood atau probabilitas kejadian dibagi 5 tingkat dari rare sampai almost certain. Sumbu X impact atau dampak finansial dan operasional dibagi 5 tingkat dari insignificant sampai catastrophic. Skor risiko adalah perkalian likelihood dengan impact — risiko dengan skor 15 atau lebih masuk zona merah dan memerlukan mitigasi wajib. Skor 8-14 zona kuning dengan mitigation plan. Skor 7 atau kurang zona hijau yang dimonitor. Implikasi manajerial: risk heatmap membantu manajemen memprioritaskan risiko yang paling critical untuk mitigation. Sebagai contoh, cyber attack dengan likelihood 4 dan impact 5 (skor 20) masuk merah wajib mitigasi, sementara minor operational glitch dengan likelihood 5 dan impact 1 (skor 5) hanya dimonitor. Bank modern melakukan review risk heatmap kuartalan untuk update profile risiko dinamis. Eksplorasi: Widget Risk Heatmap 5×5 Mari eksplorasi risk heatmap secara interaktif — klik sel untuk lihat skor dan kategori mitigasi.
Eksplorasi: tempatkan risiko institusi Anda di heatmap, identifikasi yang masuk zona merah untuk mitigasi prioritas.
Sekarang mari kita masuk ke sesi eksplorasi interaktif menggunakan widget risk heatmap 5x5. Widget ini memungkinkan Anda mengklik sel pada matrix untuk melihat skor dan kategori mitigasi. Coba beberapa eksplorasi: pertama, klik sel likelihood 5 impact 5 untuk lihat risiko skor 25 — kategori catastrophic yang wajib mitigasi segera. Kedua, klik sel likelihood 1 impact 5 untuk lihat risiko skor 5 — kategori monitor saja. Ketiga, identifikasi risiko institusi Anda dan tempatkan di heatmap — berapa skornya dan masuk kategori apa? Diskusi setelah eksplorasi: risiko apa di institusi Anda yang masuk zona merah dan apa mitigation plan yang tepat? Risk heatmap adalah tool komunikasi yang membantu manajemen dan komite risiko fokus pada prioritas. Bagian 2 · 2/4
Monte Carlo Simulation & VaR
Diskusi kelas: di institusi Anda, apakah Monte Carlo sudah dipakai untuk stress testing? Jika belum, apa kendala implementasinya?
Blok kedua masuk ke Monte Carlo simulation dan VaR. Pertanyaan diskusi tadi memantik refleksi tentang implementasi di institusi masing-masing. Bank besar Indonesia sudah implementasi Monte Carlo untuk stress testing, tapi bank kecil sering masih deterministik. Kendala: complexity model dan data requirement. Diskusi ini akan kita buka di akhir blok. Monte Carlo Simulation: Konsep Monte Carlo adalah teknik yang menggunakan random sampling berulang untuk estimasi distribusi probabilitas outcome.
Outcome = f(X1 , X2 , ..., Xn ) — di mana Xi ~ Distribusi (mis. normal, beta)
1. Definisikan variabel input (PD, LGD, suku bunga) 2. Tetapkan distribusi setiap variabel 3. Random sampling N kali (mis. 10.000 iterasi) 4. Hitung outcome per iterasi 5. Analisis distribusi outcome (VaR, ES) + Distribusi lengkap outcome, bukan titik tunggal + Bisa capture non-linearitas & interaksi − Sensitif terhadap asumsi distribusi − Computationally intensive Monte Carlo lebih informatif dari analisis deterministik karena menunjukkan range outcome, bukan hanya titik.
Monte Carlo simulation adalah teknik yang powerful untuk estimasi distribusi probabilitas outcome. Konsep dasarnya: model finansial adalah fungsi dari beberapa variabel input yang masing-masing punya distribusi probabilitas. Monte Carlo melakukan random sampling dari setiap distribusi input secara berulang — biasanya 10.000 iterasi atau lebih — dan menghitung outcome per iterasi. Hasilnya adalah distribusi outcome yang lengkap, bukan hanya titik tunggal. Keunggulan Monte Carlo: menunjukkan range outcome, capture non-linearitas dan interaksi antar variabel, dan bisa hitung VaR serta Expected Shortfall pada confidence level tertentu. Keterbatasan: sensitif terhadap asumsi distribusi — jika distribusi input salah, output juga salah. Computationally intensive tapi dengan komputasi modern ini bukan kendala besar. Implikasi manajerial: Monte Carlo lebih informatif dari analisis deterministik yang hanya memberikan satu titik outcome. Bank modern menggunakan Monte Carlo untuk stress testing, pricing derivatif, dan capital allocation. Hitung dari Nol: Monte Carlo VaR Portofolio Kredit Skenario: Bank XYZ punya portofolio kredit Rp 100 M. PD ~ Beta(α=2, β=38) (mean 5%), LGD tetap 50%. Jalankan 5 iterasi illustratif, hitung Expected Loss dan VaR 95%.
Iterasi PD (random) Loss = PD × LGD × 100M 1 4,0% Rp 2,0 M 2 6,5% Rp 3,25 M 3 3,2% Rp 1,6 M 4 9,0% Rp 4,5 M 5 4,8% Rp 2,4 M Expected Loss (mean) ~5,5% Rp 2,75 M (rata-rata) VaR 95% (estimasi) ~9,5% (worst 5%) ~Rp 4,75 M Expected Shortfall 95% mean di atas VaR ~Rp 5,0 M
Insight
VaR > EL
VaR 95% (Rp 4,75 M) > EL rata-rata (Rp 2,75 M) — buffer modal harus cover VaR, bukan hanya EL
Hitungan ini menggambarkan Monte Carlo dengan 5 iterasi illustratif untuk portofolio kredit Rp 100 miliar. PD diambil dari distribusi Beta dengan rata-rata 5 persen, LGD tetap 50 persen. Setiap iterasi menghasilkan loss yang berbeda — Rp 2,0 M, Rp 3,25 M, Rp 1,6 M, Rp 4,5 M, dan Rp 2,4 M. Expected Loss adalah rata-rata loss Rp 2,75 M. VaR 95 persen adalah loss pada percentile ke-95 dari distribusi — estimasi sekitar Rp 4,75 M untuk portofolio ini. Expected Shortfall 95 persen adalah rata-rata loss di atas VaR, sekitar Rp 5,0 M. Insight penting: VaR jauh lebih tinggi dari EL — buffer modal bank harus cover VaR atau bahkan ES, bukan hanya EL. Inilah mengapa CAR minimum 8 persen tidak cukup — bank butuh buffer tebal untuk menutupi tail risk yang ditangkap VaR dan ES. Monte Carlo memberikan view distribusi lengkap yang membantu manajemen menyiapkan modal dan mitigation plan yang sesuai dengan risk profile sebenarnya. Eksplorasi: Widget Monte Carlo Permintaan Mari eksplorasi Monte Carlo simulation untuk permintaan kredit — ubah parameter dan amati distribusi outcome.
Eksplorasi: ubah distribusi parameter PD atau mean demand, amati bagaimana VaR dan distribusi outcome berubah.
Sekarang mari kita masuk ke sesi eksplorasi interaktif menggunakan widget monte-carlo-permintaan. Widget ini mensimulasikan distribusi permintaan kredit dengan parameter yang dapat diubah — mean, standard deviation, dan shape distribusi. Coba beberapa skenario: pertama, naikkan standard deviation dan amati bagaimana VaR 95% naik — distribusi lebih lebar berarti tail risk lebih tinggi. Kedua, ubah mean demand dan amati expected loss yang berubah. Ketiga, eksplorasi distribusi non-normal seperti skewed distribution yang lebih realistis untuk permintaan kredit. Eksplorasi interaktif ini membantu Anda membangun intuisi tentang bagaimana parameter input memengaruhi distribusi outcome dan metrik risiko seperti VaR. Diskusi setelah eksplorasi: bagaimana Anda akan menggunakan pemahaman Monte Carlo ini untuk stress testing di institusi Anda? Bagian 3 · 3/4
Studi Kasus: Stress Test Pandemi 2020
Diskusi kelas: apakah stress test institusi Anda sebelum pandemi sudah anticipate skenario ini? Apa yang bisa diperbaiki?
Blok ketiga membahas kasus stress test pandemi 2020 sebagai pelajaran penting. Pertanyaan diskusi tadi memantik refleksi tentang readiness stress test di institusi masing-masing. Pandemi 2020 adalah black swan event yang jarang masuk stress test bank — kebanyakan bank stress test skenario macro biasa, bukan pandemi global. Diskusi ini akan kita buka di akhir blok. Kasus: Stress Test Pandemi 2020 di Bank Indonesia Pandemi 2020 adalah stress test real-world yang menguji readiness bank Indonesia — beberapa lulus, beberapa kewalahan.
Skenario Stress Asumsi Dampak Estimasi Macro stress (base) GDP −2,5% (2020) NPL naik 2× dari baseline Macro stress (severe) GDP −5%; BI7DRR turun NPL 3× baseline; profit turun 40% Credit stress PD × 2 (sektor hospitality ×4) NPL hospitality 15%; provisioning besar Market stress IDR −15%, SUN yield +200 bps EVE turun signifikan; bond portofolio rugi Liquidity stress Deposito tertarik 15% LCR turun; butuh BI facility Combined (worst) Semua stress simultan CAR bisa turun ke 6-8% (di atas min)
Bank Indonesia kebanyakan lulus stress test pandemi — bukti resilience regulation & management. POJK 11/2020 membantu.
Kasus stress test pandemi 2020 adalah pelajaran penting tentang readiness bank Indonesia. Skenario stress mencakup macro stress base dengan GDP negatif 2,5 persen, macro stress severe dengan GDP negatif 5 persen dan BI7DRR turun, credit stress dengan PD dikali dua atau bahkan empat untuk sektor hospitality, market stress dengan IDR depresiasi 15 persen dan SUN yield naik 200 bps, dan liquidity stress dengan penarikan deposito 15 persen. Skenario combined worst case menggabungkan semua stress simultan dan CAR bisa turun ke 6-8 persen — masih di atas minimum 8 persen untuk sebagian besar bank tapi cukup tipis. Hasilnya: bank Indonesia kebanyakan lulus stress test pandemi karena kombinasi regulation yang ketat dan management yang prudent. POJK 11/2020 yang memperbolehkan restrukturisasi tanpa klasifikasi NPL sangat membantu mencegah stress menjadi krisis. Pelajaran: stress test sebelum pandemi jarang memasukkan skenario pandemi global — sekarang bank harus include tail events yang sebelumnya dianggap improbable. Reverse Stress Testing Reverse stress testing adalah kebalikan dari stress test biasa — mencari skenario yang bisa menghancurkan bank.
Mulai dari outcome: CAR < 8% atau bankruptcy Backtrack: skenario apa yang bisa menghasilkan outcome ini? Combine: macro, market, credit, liquidity shock simultan Identifikasi trigger points NPL industri naik ke 15% + IDR depresiasi 25% Wholesale funding flight 40% + cyber attack Sektor properti kolapse + pandemi simultan Untuk bank XYZ: kombinasi tertentu bisa rugi 50% modal Reverse stress testing membantu manajemen pahami vulnerability bank — bukan untuk scaring, tapi untuk preparation.
Reverse stress testing adalah pendekatan yang complementary dengan stress testing biasa. Alih-alih mulai dari skenario dan hitung outcome, reverse stress testing mulai dari outcome yang fatal seperti CAR di bawah minimum atau bankruptcy, lalu backtrack skenario apa yang bisa menghasilkan outcome ini. Pendekatan ini membantu manajemen pahami vulnerability bank dan trigger points yang harus dihindari. Contoh hasil reverse stress testing: NPL industri naik ke 15 persen plus IDR depresiasi 25 persen, atau wholesale funding flight 40 persen plus cyber attack, atau sektor properti kolapse plus pandemi simultan. Untuk bank XYZ tertentu, kombinasi tertentu bisa rugi 50 persen modal dalam setahun. Implikasi manajerial: reverse stress testing bukan untuk scaring manajemen tapi untuk preparation — manajemen bisa identify mitigasi spesifik untuk skenario yang paling berbahaya, seperti capital buffer tebal atau hedging tail risk. Regulator modern mendorong bank untuk melakukan reverse stress testing sebagai bagian dari Pilar 2 ICAAP. Integrasi Risk Management Framework Bank modern mengintegrasikan semua tool — heatmap, Monte Carlo, stress test, reverse stress — dalam framework ERM.
Identification
Risk register & heatmap — identifikasi risiko top
Measurement
VaR, ES, Monte Carlo — kuantifikasi exposure
Mitigation
Hedging, capital buffer, BMPK, CFP — kurangi exposure
Monitoring & Reporting
Real-time
Dashboard risk komite; KPI untuk Direksi & Komisaris; review kuartalan
ERM atau Enterprise Risk Management adalah framework integrated yang semua bank modern harus miliki — bukan optional.
Bank modern mengintegrasikan semua tool risk management dalam framework ERM atau Enterprise Risk Management. Empat tahap ERM: identification menggunakan risk register dan heatmap untuk identifikasi risiko top; measurement menggunakan VaR, Expected Shortfall, dan Monte Carlo untuk kuantifikasi exposure; mitigation menggunakan hedging, capital buffer, BMPK internal, dan contingency funding plan untuk kurangi exposure; monitoring dan reporting menggunakan dashboard risk komite dengan KPI untuk Direksi dan Komisaris serta review kuartalan. ERM adalah framework integrated yang semua bank modern harus miliki — bukan optional. Bank tanpa ERM yang sistematis akan manage risiko secara silo per departemen, missing interaksi antar risiko. Regulator OJK mewajibkan ERM melalui POJK manajemen risiko, dan bank tanpa ERM yang baik akan kena supervisory action. Manajer risk bank modern harus punya view integrated ERM, bukan hanya silo tertentu seperti credit risk atau market risk. Bagian 4 · 4/4
Kesimpulan & Persiapan P13
Diskusi kelas: dari materi hari ini, satu hal apa yang akan Anda terapkan untuk risk management institusi Anda?
Blok penutup membantu Anda merangkum dan mempersiapkan P13. Pertanyaan diskusi tadi memantik refleksi aplikatif. Beberapa kemungkinan jawaban: develop risk heatmap institusi Anda, implement Monte Carlo untuk stress test, atau setup reverse stress testing. Diskusi ini akan kita buka di akhir blok. Ringkasan Pertemuan 12 + Persiapan P13 Pesan 1
Risk heatmap 5×5 — tool komunikasi & prioritisasi risiko
Pesan 2
Monte Carlo + VaR + ES — distribusi lengkap outcome untuk stress test
Pesan 3
Reverse stress testing mencari skenario yang menghancurkan — preparation bukan scaring
ERM = framework integrated: identification → measurement → mitigation → monitoring.
Persiapan P13: baca DePamphilis (2019) Bab 8 M&A; siapkan analisis merger & akuisisi institusi Anda. Kuis 10 menit di awal P13 — cakupan heatmap, Monte Carlo, VaR, ES.
Sebagai penutup, tiga pesan kunci hari ini. Pertama, risk heatmap 5x5 adalah tool komunikasi yang powerful untuk memetakan dan memprioritaskan risiko — likelihood kali impact memberikan skor yang membantu manajemen fokus pada prioritas. Kedua, Monte Carlo simulation dengan VaR dan Expected Shortfall memberikan distribusi lengkap outcome untuk stress test yang lebih informatif dari analisis deterministik titik tunggal. Ketiga, reverse stress testing adalah pendekatan complementary yang mencari skenario yang bisa menghancurkan bank — bukan untuk scaring manajemen tapi untuk preparation dan mitigation planning. ERM atau Enterprise Risk Management adalah framework integrated yang mencakup identification, measurement, mitigation, dan monitoring — semua bank modern harus miliki. Sampai jumpa di P13 di mana kita akan mendalami merger dan akuisisi perbankan sebagai strategi pertumbuhan. Daftar Pustaka & Regulasi Saunders, A., & Cornett, M. (2014). Financial Institutions Management . Bab 8-9. Hull, J. (2018). Risk Management and Financial Institutions . (VaR, ES, Monte Carlo) Glasserman, P. (2003). Monte Carlo Methods in Financial Engineering . POJK 11/2016 — Manajemen Risiko (stress test) POJK 18/2014 — Permodalan (reverse stress test) Basel Committee (2018). Stress testing principles. OJK — Laporan stress test bank (bulanan) Daftar pustaka ini saya pilih agar Anda punya rujukan teoretis dan regulasi. Saunders-Cornett adalah textbook standar financial institutions management dengan pembahasan risk management. Hull 2018 adalah textbook standar risk management dengan detail teknis VaR, ES, dan Monte Carlo. Glasserman 2003 adalah buku khusus Monte Carlo methods yang banyak dirujuk quant analyst. Untuk Indonesia, POJK 11/2016 mengatur manajemen risiko termasuk stress test, dan POJK 18/2014 mengatur permodalan dengan reverse stress test. Basel Committee 2018 adalah standar internasional stress testing principles. OJK setiap bulan menerima laporan stress test bank untuk pengawasan. Sampai jumpa minggu depan di P13.