Perpustakaan Digital ITB

Memprediksi keadaan stres suatu bank adalah hal yang penting karena sangat berkaitan dengan stabilitas keuangan. Penelitian ini memperkenalkan model peringatan dini yang menggabungkan keterhubungan jaringan perbankan untuk memprediksi keadaan stres bagi perbankan di Indonesia. Variance decomposition digunakan untuk menghitung hubungan tertimbang antar bank dan menggunakannya sebagai variabel jaringan, baik jaringan berarah maupun jaringan bersih, dalam model. Regresi logit pooled digunakan untuk melihat hubungan antara peluang kejadian distress dengan variabel jaringan, variabel perbankan, dan variabel makroekonomi. Kegunaan dari model dihitung dengan mempertimbangkan preferensi pembuat kebijakan untuk memberikan sinyal alarm palsu atau melewatkan kejadian stres. Tujuan dari penelitian ini adalah untuk menunjukkan bahwa dengan menggabungkan jaringan maka performansi dari model meningkat. Hasil penelitian menunjukkan bahwa aset, likuiditas, dan kualitas manajemen signifikan terhadap probabilitas distres dan dengan memasukkan variabel jaringan, performansi dari model benar meningkat. Ada catatan penting bahwa meningkatkan koneksi, secara berarah, adalah hal yang baik karena berkaitan dengan probabilitas distres yang lebih rendah. Namun, koneksi terhadap yang lain harus lebih besar dibanding koneksi dari yang lain sehingga hubungan antara jaringan terhadap probabilitas distres tetap negatif.