RPS minggu 14 · 2x50 menit · Pertemuan terakhir
Studi Kasus Integratif — Portofolio Multi-Aset Permodelan Risiko — Magister Manajemen FEB UNDIP Hari ini kita menutup mata kuliah dengan studi kasus integratif yang menggabungkan seluruh konsep P1-P13. Kita akan membangun analisis lengkap portofolio multi-aset bank Indonesia — VaR historis dan parametrik, stress testing, Expected Loss kredit, op-risk LDA, aggregate capital ERM, dan validasi model. Pertemuan ini adalah puncak integrasi: semua teknik yang kita pelajari menjadi tools dalam satu analisis komprehensif. Tujuan akhir: Anda dapat membawa kerangka ini ke pekerjaan nyata sebagai manajer risiko. Studi kasus ini adalah template untuk tugas akhir mata kuliah — analisis portofolio organisasi Anda sendiri dengan kerangka yang sama. Peta Pembelajaran Hari Ini Sub-CPMK 14: mengintegrasikan seluruh teknik P1-P13 ke dalam satu analisis portofolio multi-aset.
Setup portofolio: kredit + treasury + op-risk VaR historis & parametrik per kelas Hitung dari nol: aggregate capital ERM Stress testing severely adverse + reverse Validasi model; refleksi P1-P13 Penutup mata kuliah; persiapan tugas akhir Posisi: P14 puncak integrasi 13 minggu; sintesis untuk tugas akhir.
Empat indikator yang harus Anda kuasai: mengintegrasikan VaR per kelas ke aggregate, menerapkan stress testing severely adverse, menghitung reverse stress break-even, dan menyusun rekomendasi tata kelola ERM. Pertemuan ini adalah praktik integratif — Anda harus dapat membawa kerangka ini ke pekerjaan sebagai manajer risiko. 14 Minggu Perjalanan: Refleksi Awal Sebelum studi kasus, mari refleksikan perjalanan kita dari taksonomi ke studi kasus integratif.
Pertemuan Topik Tools Inti P1 Taksonomi risiko Klasifikasi 5 kelas risiko P2-P3 Statistika & ukuran risiko Distribusi; mean-variance P4-P5 VaR & ES Historical/Parametrik/MC; ES P6 Backtesting Kupiec; Christoffersen; Basel zones P7 Stress testing Historis; hipotetis; reverse P8 Korelasi & diversifikasi Markowitz; HHI; copula P9 Kredit PD/LGD/EAD EL = PD × LGD × EAD P10 Op-risk BIA/SA/AMA; 3 lines of defense P11 Monte Carlo Generate-transform-aggregate; Cholesky P12 ERM COSO; aggregate capital; CRO P13 Model risk SR 11-7; Artzner coherent P14 Studi kasus integratif Semua di atas
14 minggu membentuk toolkit lengkap quantitative risk management modern.
Mari kita refleksikan perjalanan 14 minggu. P1 membangun taksonomi risiko dengan klasifikasi 5 kelas. P2-P3 statistika dasar dan ukuran risiko mean-variance. P4-P5 VaR dan Expected Shortfall dengan tiga pendekatan. P6 backtesting dengan Kupiec dan Christoffersen plus Basel zones. P7 stress testing historis, hipotetis, dan reverse. P8 korelasi dan diversifikasi Markowitz dengan HHI dan copula. P9 risiko kredit dengan PD, LGD, EAD. P10 risiko operasional dengan BIA, SA, AMA dan tiga lines of defense. P11 Monte Carlo dengan pipeline generate-transform-aggregate dan Cholesky. P12 Enterprise Risk Management dengan COSO, aggregate capital, dan CRO. P13 model risk dengan SR 11-7 dan Artzner coherent. P14 studi kasus integratif. Empat belas minggu membentuk toolkit lengkap quantitative risk management modern yang setara dengan kurikulum FRM GARP. Anda sekarang memiliki kerangka yang dapat dibawa ke pekerjaan nyata sebagai manajer risiko. Bagian 1 · 1/4
Setup Portofolio
Diskusi kelas: dari portofolio organisasi Anda, tiga kelas risiko mana yang paling dominan?
Blok pertama mensetup studi kasus dengan portofolio multi-aset. Pertanyaan diskusi tadi membuka self-assessment: bank dengan dominasi kredit UMKM akan berfokus pada PD/LGD; treasury house akan fokus pada VaR pasar; bank universal ketiganya. Pemetaan profil risiko adalah titik awal analisis. Setup: Bank "Atlas Mitra" — Portofolio Multi-Aset Studi kasus: bank menengah Indonesia dengan modal Rp 2 triliun. Portofolio lintas tiga kelas risiko utama.
Kelas Komponen Eksposur (Rp M) Catatan Kredit UMKM + korporasi + ritel 10.000 NPL historis ~3% Pasar (trading) SBN treasury + valas 2.000 Duration 5 tahun; FX USD 200 M Op-risk Seluruh operasi (gross income basis) GI rata-rata Rp 800 M/tahun Likuiditas Dana pihak ketiga 12.000 LCR saat ini 130% Modal Tier 1 + Tier 2 2.000 CAR saat ini ~18%
Portofolio tipikal bank menengah Indonesia; kita akan menghitung aggregate risk untuk semua kelas.
Mari kita setup studi kasus dengan bank fiktif Atlas Mitra — bank menengah Indonesia dengan modal Rp 2 triliun. Lima kelas eksposur. Kredit dengan UMKM plus korporasi plus ritel total Rp 10 triliun, NPL historis 3 persen. Pasar trading dengan SBN treasury plus valas total Rp 2 triliun, duration 5 tahun, valas USD 200 juta. Op-risk berbasis gross income Rp 800 miliar per tahun. Likuiditas dengan dana pihak ketiga Rp 12 triliun, LCR saat ini 130 persen. Modal Tier 1 plus Tier 2 Rp 2 triliun, CAR saat ini 18 persen. Portofolio ini adalah profil tipikal bank menengah Indonesia. Tugas kita hari ini: menghitung aggregate risk untuk semua kelas, menilai kekokohan modal, dan menyusun rekomendasi ERM. Setup ini juga menjadi template tugas akhir — Anda akan menerapkan kerangka yang sama ke organisasi sendiri. VaR Pasar (Historis + Parametrik) Hitung VaR pasar portofolio SBN + valas dengan dua pendekatan.
Komponen VaR Historis 95% VaR Parametrik 95% SBN (Rp 2.000 M; D=5) ~Rp 100 M (yield +200 bps; −5×2%=−10%) ~Rp 90 M (1,65σ × σyield × D) Valas (USD 200 M) ~Rp 30 M (rupiah −10%) ~Rp 26 M (1,65σ × σfx) Diversifikasi antar −Rp 20 M (ρ=0,3) −Rp 18 M (cross-term) VaR Pasar Total ~Rp 110 M ~Rp 98 M
VaR historis lebih konservatif (~Rp 110 M) karena menangkap window taper tantrum; parametrik lebih rendah (~Rp 98 M).
Hitungan VaR pasar portofolio SBN plus valas dengan dua pendekatan. Untuk SBN Rp 2.000 miliar dengan duration 5 tahun, VaR historis sekitar Rp 100 miliar berdasarkan skenario yield plus 200 basis poin dari taper tantrum 2013 — perubahan nilai minus 5 kali 2 persen sama dengan minus 10 persen. VaR parametrik sekitar Rp 90 miliar menggunakan formula 1,65 sigma times sigma yield times duration. Untuk valas USD 200 juta, VaR historis sekitar Rp 30 miliar berdasarkan skenario rupiah minus 10 persen; VaR parametrik sekitar Rp 26 miliar. Diversifikasi antar SBN dan valas memberi penghematan sekitar Rp 18-20 miliar karena korelasi rendah 0,3. VaR Pasar Total: historis sekitar Rp 110 miliar, parametrik sekitar Rp 98 miliar. Pelajaran: VaR historis lebih konservatif karena menangkap window krisis nyata seperti taper tantrum; parametrik lebih rendah tetapi mengasumsikan distribusi normal. Bank modern melaporkan kedua pendekatan dan menggunakan yang lebih konservatif untuk keputusan. Hitung dari Nol: Aggregate Capital Bank Atlas Mitra Skenario: Hitung aggregate capital untuk Bank Atlas Mitra. Modal per kelas: Kredit Rp 800 M (IRB); Pasar Rp 100 M (VaR); Op-Risk Rp 120 M (SA). Asumsi korelasi antar kelas = 0,3.
Langkah Perhitungan Nilai 1. Variance per kelas σ²K=640.000; σ²M=10.000; σ²O=14.400 640.000; 10.000; 14.400 2. Cross-term K-M 2 × 800 × 100 × 0,3 48.000 3. Cross-term K-O 2 × 800 × 120 × 0,3 57.600 4. Cross-term M-O 2 × 100 × 120 × 0,3 7.200 5. Σ variance + cross 640.000 + 10.000 + 14.400 + 48.000 + 57.600 + 7.200 777.200 6. σ_aggregate (akar) √777.200 Rp 881,6 M
Kesimpulan
Rp 882 M
Aggregate capital Rp 882 M vs simple sum Rp 1.020 M — diversifikasi menghemat ~14% modal
Hitungan aggregate capital untuk Bank Atlas Mitra. Modal per kelas: Kredit Rp 800 miliar dari IRB calculation, Pasar Rp 100 miliar dari VaR, Op-risk Rp 120 miliar dari SA. Asumsi korelasi antar kelas 0,3. Variance per kelas: Kredit 640.000, Pasar 10.000, Op-risk 14.400. Cross-term antar kelas menggunakan formula variance portofolio 3 aset. Kredit-Pasar 48.000; Kredit-Op 57.600; Pasar-Op 7.200. Total variance plus cross 777.200. Akar kuadrat memberi aggregate capital Rp 881,6 miliar atau sekitar Rp 882 miliar. Simple sum akan memberi Rp 1.020 miliar; diversifikasi antar kelas menghemat sekitar 14 persen atau Rp 138 miliar. Pelajaran manajerial: aggregate capital Rp 882 miliar dibandingkan dengan modal aktual Rp 2.000 miliar — bank punya buffer kuat lebih dari dua kali kebutuhan agregat. Ini konsisten dengan CAR aktual 18 persen yang jauh di atas minimum 8 persen. Buffer kuat ini memberi ruang strategis untuk ekspansi atau dividen. Bagian 2 · 2/4
Expected Loss Kredit
Diskusi kelas: untuk portofolio kredit bank Anda, berapa estimasi EL rate per segmen?
Blok ini mengaplikasikan PD, LGD, EAD dari P9 ke portofolio Atlas Mitra. Pertanyaan diskusi tadi membuka diskusi segmentasi: EL rate bervariasi signifikan per segmen dari sub-1 persen untuk korporasi prime hingga 5 persen plus untuk KTA. Pemetaan EL rate adalah input pricing dan provisioning. Expected Loss Kredit Portofolio Aplikasikan EL = PD × LGD × EAD ke segmen portofolio kredit Atlas Mitra Rp 10 triliun.
Segmen EAD (Rp M) PD LGD EL (Rp M) Korporasi prime 3.000 0,5% 40% 6,0 UMKM 4.000 3,5% 55% 77,0 KPR 2.000 1,5% 25% 7,5 KTA / Kartu 1.000 5,5% 80% 44,0 Total EL 10.000 134,5
Kesimpulan
EL ~Rp 135 M
EL rate 1,34% per tahun; EL rate UMKM 1,9% dan KTA 4,4% — pricing harus refleksi
Aplikasi EL equals PD times LGD times EAD ke segmen portofolio kredit Atlas Mitra. Korporasi prime EAD Rp 3.000 miliar, PD 0,5 persen, LGD 40 persen, EL Rp 6 juta — EL rate 0,20 persen. UMKM EAD Rp 4.000 miliar, PD 3,5 persen, LGD 55 persen, EL Rp 77 juta — EL rate 1,9 persen. KPR EAD Rp 2.000 miliar, PD 1,5 persen, LGD 25 persen, EL Rp 7,5 juta — EL rate 0,4 persen. KTA dan Kartu EAD Rp 1.000 miliar, PD 5,5 persen, LGD 80 persen, EL Rp 44 juta — EL rate 4,4 persen. Total EL Rp 134,5 juta atau sekitar Rp 135 juta, EL rate 1,34 persen per tahun. Pelajaran manajerial: EL rate bervariasi 22 kali antar segmen — dari 0,20 persen korporasi prime hingga 4,4 persen KTA. Pricing dan provisioning harus refleksi EL rate ini. Bank yang underprice segmen high-EL akan menanggung kerugian berkumulatif. EL Rp 135 juta per tahun harus di-provision sebagai CKPN dan masuk ke pricing kredit. Op-Risk LDA dengan Monte Carlo Aplikasikan Monte Carlo compound distribution untuk op-risk Atlas Mitra.
Komponen Distribusi Parameter Frekuensi N Poisson λ = 100 events/tahun Severity S Lognormal μ = 10; σ = 1,5 (Rp juta) Compound L = Σ Sᵢ Poisson-Lognormal — Simulasi 100.000 tahun Monte Carlo 100.000 sample VaR 99,9% = modal AMA Quantile ~Rp 250 M (ilustratif) Mean annual loss Average ~Rp 25 M (e^(10+1,13))
Modal AMA Rp 250 M (~10× mean); SA menggunakan β=15% × GI Rp 800 M = Rp 120 M (lebih rendah).
Aplikasi Monte Carlo compound distribution untuk op-risk Atlas Mitra. Frekuensi N dimodel sebagai Poisson dengan lambda 100 events per tahun. Severity S sebagai lognormal dengan mu 10 dan sigma 1,5 dalam Rp juta. Compound L sama dengan jumlah severity sampai frekuensi N — compound Poisson-Lognormal. Simulasi 100.000 tahun menggunakan Monte Carlo untuk mendapatkan distribusi aggregate loss. VaR 99,9 persen dari distribusi adalah modal AMA sekitar Rp 250 miliar secara ilustratif. Mean annual loss sekitar Rp 25 miliar (eksponensial dari mu plus sigma kuadrat dibagi 2). Pelajaran: modal AMA Rp 250 miliar sekitar 10 kali mean annual loss — tail sangat tebal. Tetapi SA menggunakan beta 15 persen kali gross income Rp 800 miliar sama dengan Rp 120 miliar — lebih rendah dari AMA. Bank dapat memilih SA untuk efisiensi modal, dengan trade-off risk sensitivity. Pilihan pendekatan adalah keputusan strategis yang memerlukan analisis cost-benefit. Hitung dari Nol: Stress Testing Severely Adverse Skenario severely adverse: NPL ×2,5; yield +300 bps; rupiah -20%; PDB -3%. Hitung dampak pada modal Bank Atlas Mitra.
Komponen Baseline Severely Adverse Δ EL Kredit (NPL ×2,5) Rp 135 M ~Rp 338 M +Rp 203 M VaR Pasar (yield +300; fx −20%) Rp 100 M ~Rp 270 M +Rp 170 M Op-Risk (procyclical) Rp 25 M mean ~Rp 80 M +Rp 55 M Total tambahan loss +Rp 428 M CAR Pasca Stress 18% ~13,5% −4,5 pp
Kesimpulan
CAR 13,5%
Tetap di atas minimum 8%+buffer 2,5%; bank bertahan severely adverse — sistem kokoh
Stress testing severely adverse untuk Bank Atlas Mitra. Skenario: NPL naik 2,5 kali, yield naik 300 basis poin, rupiah turun 20 persen, PDB kontraki 3 persen. EL Kredit naik dari Rp 135 miliar baseline menjadi sekitar Rp 338 miliar — tambahan Rp 203 miliar. VaR Pasar naik dari Rp 100 miliar menjadi sekitar Rp 270 miliar — tambahan Rp 170 miliar. Op-risk procyclical naik dari mean Rp 25 miliar menjadi Rp 80 miliar — tambahan Rp 55 miliar. Total tambahan loss Rp 428 miliar. CAR Pasca Stress turun dari 18 persen baseline menjadi sekitar 13,5 persen — turun 4,5 percentage point. Pelajaran manajerial: CAR 13,5 persen tetap di atas minimum 8 persen plus capital conservation buffer 2,5 persen atau 10,5 persen. Bank bertahan severely adverse — sistem kokoh. Tetapi buffer di atas minimum turun tipis dari 7,5 poin menjadi 3 poin, mengindikasikan perlu pemantauan ketat dan mungkin aksi mitigasi seperti pengurangan dividen atau penambahan modal. Bagian 3 · 3/4
Reverse Stress
Diskusi kelas: berapa besar shock yang akan membawa CAR Bank Atlas Mitra ke minimum 8%?
Blok ini mengaplikasikan reverse stress testing dari P7. Pertanyaan diskusi tadi membuka analisis break-even: berapa shock yang membawa CAR ke minimum 8 persen. Jika break-even shock hanya 2 kali severely adverse, buffer tipis; jika 5 kali, buffer kokoh. Reverse stress memberi metrik kekokohan strategis. Reverse Stress: Cari Break-Even CAR 8% Severity shock CAR pasca-stress 8% minimum Baseline 18% Severely adverse 13,5% Reverse break-even: NPL ×4 + yield +500 bps + rupiah −30% Reverse Stress: Break-Even CAR 8% Atlas Mitra Break-even NPL ×4 + yield +500 bps + rupiah −30% — ~2× severely adverse; buffer moderat.
Reverse stress mencari break-even CAR 8 persen untuk Bank Atlas Mitra. Diagram menunjukkan kurva CAR pasca-stress sebagai fungsi severity. Baseline CAR 18 persen. Severely adverse scenario membawa ke 13,5 persen. Reverse break-even di mana CAR tepat 8 persen adalah sekitar NPL kali 4 plus yield plus 500 basis poin plus rupiah minus 30 persen. Pelajaran: break-even shock sekitar 2 kali severely adverse — buffer moderat, tidak terlalu tipis tetapi juga tidak sangat kokoh. Bank dengan buffer kokoh punya break-even 5 kali atau lebih severely adverse; bank dengan buffer tipis punya break-even 1,5 kali atau kurang. Atlas Mitra di posisi moderat. Implikasi strategis: manajemen perlu memantau indikator awal krisis dan menyiapkan rencana kontingensi. Reverse stress wajib untuk BUKB sesuai POJK OJK. Validasi & Tata Kelola Atlas Mitra Aplikasikan Model Risk Management SR 11-7 ke model-model yang kita pakai untuk Atlas Mitra.
Model Tier Validasi Terakhir Status PD model UMKM (P9) 1 (High) Tahunan Aktif; Kupiec backtest OK VaR SBN treasury (P4-P5) 1 (High) Tahunan Aktif; Basel zone hijau Op-risk LDA (P10-P11) 1 (High) Tahunan Aktif; loss data 5 tahun Aggregate capital ERM (P12) 1 (High) Tahunan Coherent ES; VaR report Stress scenario generator (P7) 2 (Medium) 2 tahun Skenario POJK; update kuartal Customer scoring kartu (P9) 2 (Medium) 2 tahun Aktif; AUC > 0,75
6 model aktif dengan validasi periodik; SR 11-7 compliance sesuai POJK OJK.
Aplikasi Model Risk Management SR 11-7 ke model-model yang kita pakai untuk Atlas Mitra. Enam model aktif. PD model UMKM Tier 1 High — validasi tahunan dengan Kupiec backtest OK. VaR SBN treasury Tier 1 High — validasi tahunan dengan Basel zone hijau. Op-risk LDA Tier 1 High — validasi tahunan dengan loss data 5 tahun. Aggregate capital ERM Tier 1 High — validasi tahunan dengan coherent ES plus VaR report. Stress scenario generator Tier 2 Medium — validasi 2 tahun dengan skenario POJK update kuartal. Customer scoring kartu kredit Tier 2 Medium — validasi 2 tahun dengan AUC lebih dari 0,75. Pelajaran: Atlas Mitra memiliki 6 model aktif dengan validasi periodik sesuai SR 11-7 dan POJK OJK. Setiap model memiliki dokumentasi, owner, dan tanggal validasi. Bank yang serius dengan model risk memelihara inventory ini; bank tanpa inventory berisiko menggunakan model yang sudah tidak relevan. Bagian 4 · 4/4
Penutup Mata Kuliah
Diskusi kelas: apa satu konsep dari 14 pertemuan yang akan Anda terapkan pertama kali di pekerjaan?
Blok penutup membawa studi kasus ke refleksi pribadi. Pertanyaan diskusi tadi membuka komitmen aplikasi: beberapa akan fokus pada VaR untuk treasury, beberapa pada PD/LGD untuk kredit, beberapa pada ERM aggregate. Yang penting: pilih satu konsep dan terapkan dalam 90 hari ke depan sebagai langkah konkret. Rekomendasi Tata Kelola Atlas Mitra Sintesis rekomendasi ERM untuk Atlas Mitra berdasarkan analisis P14.
Area Rekomendasi Modal Pertahankan CAR > 14% (buffer di atas minimum); agregat Rp 882 M vs modal Rp 2.000 M Konsentrasi Turunkan HHI segmen UMKM; tambah korporasi prime untuk diversifikasi Pricing Naikkan spread KTA ~4,4% EL rate; jangan underprice high-LGD Likuiditas Pertahankan LCR > 110%; siapkan contingency funding plan Op-risk Investasi 3 lines of defense; whistleblower protection Model risk Annual validation Tier 1; pertimbangkan ES coherent measure ERM CRO dual reporting; Risk Committee Board; risk appetite statement 6 dimensi
Atlas Mitra buffer kuat; rekomendasi fokus pada dekonsentrasi, pricing, dan tata kelola ERM.
Sintesis rekomendasi ERM untuk Atlas Mitra berdasarkan analisis P14. Modal: pertahankan CAR di atas 14 persen sebagai buffer di atas minimum; aggregate capital Rp 882 miliar jauh di bawah modal aktual Rp 2.000 miliar. Konsentrasi: turunkan HHI segmen UMKM yang dominan dengan tambah korporasi prime untuk diversifikasi. Pricing: naikkan spread KTA untuk refleksi EL rate 4,4 persen; jangan underprice segmen high-LGD. Likuiditas: pertahankan LCR di atas 110 persen; siapkan contingency funding plan untuk skenario bank run. Op-risk: investasi tiga lines of defense dengan whistleblower protection yang kuat. Model risk: annual validation untuk Tier 1; pertimbangkan beralih dari VaR ke Expected Shortfall sebagai coherent measure. ERM: CRO dengan dual reporting ke CEO dan Board; Risk Committee Board level; risk appetite statement 6 dimensi yang ditetapkan Board tahunan. Pelajaran: Atlas Mitra buffer kuat; rekomendasi fokus pada dekonsentrasi, pricing, dan penguatan tata kelola ERM untuk sustainability jangka panjang. Penutup Mata Kuliah: 14 Pesan Kunci P1-P3
Taksonomi + statistika + ukuran risiko
P4-P5
VaR + ES: dua ukuran utama
P6-P7
Backtest + stress: validasi & komplemen
P8-P9
Korelasi + kredit: portofolio & PD/LGD/EAD
P10-P11
Op-risk + Monte Carlo: simulasi
P12-P14
ERM + governance + integrasi
Bawa 14 pesan kunci ini sebagai toolkit quantitative risk management yang dapat diaplikasikan di pekerjaan nyata.
Empat belas pesan kunci dari mata kuliah ini dapat dikelompokkan dalam enam pasangan. P1-P3: taksonomi plus statistika plus ukuran risiko — fondasi konseptual. P4-P5: VaR plus Expected Shortfall — dua ukuran risiko utama yang menjadi bahasa standar industri. P6-P7: backtest plus stress — validasi model dan komplemen untuk skenario ekstrem. P8-P9: korelasi plus kredit — permodelan portofolio dengan Markowitz dan PD-LGD-EAD. P10-P11: op-risk plus Monte Carlo — permodelan risiko operasional dan teknik simulasi. P12-P14: ERM plus governance plus integrasi — pengelolaan holistik dengan tata kelola formal. Empat belas pesan kunci ini adalah toolkit quantitative risk management yang setara dengan kurikulum FRM GARP. Bawa toolkit ini ke pekerjaan nyata sebagai manajer risiko. Tugas Akhir & Apresiasi Tugas akhir: analisis portofolio risiko organisasi Anda sendiri dengan kerangka P14.
Profil portofolio 3 kelas risiko VaR historis & parametrik Stress severely adverse + reverse EL kredit + op-risk LDA Aggregate capital ERM Rekomendasi tata kelola Dokumen 15-20 halaman Presentasi 15 menit + 5 tanya jawab Data publikasi atau internal (anonim) Tenggat: minggu ke-16 Konsultasi: jadwal via email Selamat menyelesaikan mata kuliah Permodelan Risiko; terapkan ilmu untuk pengelolaan risiko yang lebih baik.
Tugas akhir mata kuliah adalah analisis portofolio risiko organisasi Anda sendiri dengan kerangka P14. Komponen tugas: profil portofolio tiga kelas risiko utama, VaR historis dan parametrik, stress severely adverse plus reverse stress, Expected Loss kredit dan op-risk LDA, aggregate capital ERM, serta rekomendasi tata kelola. Format: dokumen 15-20 halaman, presentasi 15 menit plus 5 menit tanya jawab. Data dari publikasi resmi atau internal dengan anonimisasi. Tenggat minggu ke-16; konsultasi via email untuk jadwal. Apresiasi: selamat menyelesaikan mata kuliah Permodelan Risiko. Anda telah menyelesaikan kurikulum quantitative risk management yang setara FRM GARP — fondasi yang kuat untuk karir sebagai manajer risiko, chief risk officer, atau konsultan tata kelola. Terapkan ilmu ini untuk pengelolaan risiko yang lebih baik di organisasi Anda. Sampai jumpa di ujian akhir dan presentasi tugas.