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.