Model Program Stokastik untuk Manajemen Risiko Acuan Bunga

Abstract

This thesis presents the stochastic programming models developed to deal with interest rate risk management problems. A few methods are introduced in details to generate reasonable scenarios which are of much importance for a successful model. Besides, computation aspect as well as some open problems in this area are addressed. A lot of work has been done on modelling interest rate. This thesis comes to generating interest rate scenarios for managing the risk. The objective is therefore to construct a model capable of capturing the interest rate in order to generate interest rate scenatios. The term structur of interest rate is modeled by using historical term structures. This historical data has several dimensions which will be reduced to a few key factors of the term structure using factor analysis. When we have recognized these factors, they are used to construct a stochastic model capable of describing the future movement of term structure of interest rates.The model used for that purpose is a vector autoregression model.

Tesis ini mengetengahkan pemrograman stokastik yang diaplikasikan dalam problema manajemen risiko acuan tingka suku bunga. Beberapa metode telah diperkenalkan untuk membentuk skenario-skenario yang memiliki peranan penting dalam kesuksesan pemodelan. Disamping itu, aspek komputasi dan juga beberapa permasalahan yang terkait juga dibicarakan. Dalam memodelkan acuan suku bunga, dibutuhkan banyak proses. Tesis ini mengajukan pembentukan skenario besar bunga untuk mengelola risiko. Tujuannya adalah untuk membentuk suatu model yang mampu menggambarkan problema acuan suku bunga dengan menggunakan skenario acuan suku bunga yang tersedia. Struktur dari acuan suku bunga dimodelkan dengan mengggunakan struktur historis. Data historis tersebut memiliki beberapa dimensi yang dapat dikurangi menjadi beberapa faktor kunci yang digunakan sebagai faktor analisis. Ketika faktor-faktor analisis telah ditemukan, maka faktor-faktor ini digunakan untuk membentuk suatu model stokastik yang mampu menjelaskan pergerakan tingkat suku bunga di masa yang akan datang. Model yang digunakan untuk mencapai tujuan adalah model vektor autoregresi.