1

Nur M. Adhi Purwanto, Ina Nurmalia Kurniati, Reni Indriani

Kesimpulan, pendapat, dan pandangan yang disampaikan oleh penulis dalam paper ini merupakan kesimpulan, pendapat, dan pandangan penulis dan bukan merupakan kesimpulan, pendapat, dan pandangan resmi Bank Indonesia.

2018

PEMBANGUNAN MODEL MAKROFINANSIAL

BERBASIS DYNAMIC STOCHASTIC GENERAL

EQUILIBRIUM

INDONESIA: SMALL OPEN ECONOMY

WP/6/2018

WORKING PAPER

0

Pembangunan Model Makrofinansial Berbasis Dynamic Stochastic General Equilibrium

Indonesia: Small Open Economy

Nur M. Adhi Purwanto, Ina Nurmalia Kurniati1, Reni Indriani2

Abstrak

Penelitian ini bertujuan untuk membangun model makrofinansial

berbasis Dynamic Stochastic General Equilibrium (DSGE) yang digunakan untuk mempelajari transmisi kebijakan makroprudensial dan interaksinya

dengan kebijakan moneter untuk mencapai stabilitas makroekonomi dan stabilitas sistem keuangan. Model dalam penelitian ini dibangun dengan asumsi bahwa small open economy dikalibrasi dengan menggunakan data

Indonesia yang diambil pada periode mulai dari 2000Q3 sampai dengan 2107Q4. Instrumen kebijakan yang dimodelkan terdiri atas suku bunga

kebijakan, LTV ratio, minimum CAR requirement, dan RIM. Hasil simulasi model menunjukkan bahwa instrumen kebijakan makroprudensial yang terdapat di dalam model dapat digunakan untuk meredam pertumbuhan

kredit dan akan berdampak pada penurunan PDB (bersifat countercyclical). Hasil simulasi model juga menunjukkan bahwa penerapan bauran kebijakan

moneter dan makroprudensial memiliki kinerja yang lebih baik dalam mencapai stabilitas makroekonomi dan sistem keuangan jika dibandingkan dengan implementasi kebijakan moneter dalam menghadapi technological shock.

Keywords: DSGE, monetary policy, macroprudential policy

JEL classification: E32, E44, E52, E58

1 Peneliti Ekonomi Senior dan Peneliti Ekonomi di Departemen Kebijakan Makroprudensial, email: adhipd@bi.go.id; inanurmalia@bi.go.id. 2 Konsultan peneliti di Departemen Kebijakan Makroprudensial.

1

1. Pendahuluan

Adanya krisis keuangan global pada tahun 2008 menekankan kelemahan

kerangka kerja makroekonomi yang ada dan menyadarkan para ekonom bahwa

terdapat hubungan yang sangat kuat antara sektor keuangan dan sektor riil. Sejak

saat itu, banyak kajian yang mengangkat keterkaitan antara kebijakan moneter dan

kebijakan makroprudensial.

Sebagai bank sentral, BI memerlukan model struktural yang menggambarkan

perilaku agen-agen perekonomian dalam merespons kebijakan, baik moneter

maupun makroprudensial yang dikeluarkannya. Otoritas memerlukan model yang

dapat menggambarkan bagaimana kebijakan moneter dan makroprudensial

berinteraksi dalam mewujudkan kestabilan makroekonomi dan kestabilan sistem

keuangan. Salah satu model yang dapat menangkap perilaku tersebut adalah model

struktural berbasis Dynamic Stochastic General Equilibrium (DSGE). Model DSGE

telah dikembangkan dan digunakan oleh beberapa bank sentral, seperti European

Central Banks, the Federal Reserve, Bank of Canada, Norges Bank, dan Sveriges

Riskbank.

Model DSGE memiliki banyak kelebihan jika dibandingkan dengan model

ekonomi lainnya. Kelebihan tersebut terutama dalam hal berikut: i) memiliki

landasan mikroekonomi yang jelas karena mencakup agen-agen perekonomian yang

fungsi utilitasnya akan dioptimalkan; ii) robust terhadap Lucas Critique; iii) memiliki

welfare analysis yang jelas karena dapat membandingkan beberapa kebijakan

secara bersamaan; dan iv) dapat digunakan untuk melakukan formulasi kebijakan

yang optimal.

Penelitian ini bertujuan untuk membangun model makrofinansial berbasis

DSGE dengan data dan karakteristik ekonomi Indonesia. Model ini merupakan

kelanjutan dari pengembangan model yang telah dilakukan pada tahun 2017

(Purwanto dkk., 2017). Model DSGE awal yang dikembangkan pada tahun 2017

tersebut mengasumsikan closed economy. Model yang dikembangkan dalam

penelitian ini mengasumsikan small open economy dengan sektor perbankan yang

lebih terperinci sehingga dimungkinkan untuk melakukan simulasi transmisi

kebijakan moneter dan makroprudensial ke sektor riil. Model yang dibangun

variabel dan parameternya dikalibrasi dengan menggunakan data Indonesia terkini.

2

Pada penelitian ini kebijakan moneter yang dimodelkan adalah suku bunga

kebijakan, sedangkan kebijakan makroprudensial yang dimodelkan terdiri atas Loan

to Value ratio requirement (LTV ratio), minimum Capital Adequacy Ratio (CAR)

requirement, dan kebijakan Rasio Intermediasi Makroprudensial (RIM) yang baru

diperkenalkan di Indonesia pada tahun 2017. Dalam penelitian ini, selain simulasi

shock kebijakan moneter dan makroprudensial, dilakukan analisis bauran

kebijakan optimal ketika ekonomi menghadapi technological shock.

Hasil simulasi menunjukkan bahwa instrumen makroprudensial yang

dimodelkan memiliki karakteristik countercyclical sehingga dapat digunakan untuk

mengurangi (menambah) laju pertumbuhan kredit dan berdampak pada

perlambatan (percepatan) laju pertumbuhan ekonomi. Hasil simulasi model juga

menunjukkan bahwa penerapan bauran kebijakan moneter dan makroprudensial

memiliki kinerja yang lebih baik dalam mencapai stabilitas makroekonomi dan

sistem keuangan jika dibandingkan dengan hanya mengimplementasikan kebijakan

moneter dalam menghadapi technological shock.

Penulisan karya ilmiah ini terbagi ke dalam lima bagian. Bagian 1 (satu)

mengenai pendahuluan, bagian 2 (dua) menjabarkan kajian literatur terkait model

DSGE dan kebijakan makroprudensial. Penjelasan mengenai model dan persamaan

fungsi utilitas dari agen-agen yang digunakan disediakan pada bagian 3 (tiga).

Bagian 4 (empat) membahas mengenai angka kalibrasi dan simulasi model. Pada

bagian akhir, bagian 5 (lima) akan menjelaskan simpulan dan saran untuk

kelanjutan penelitian ini.

3

2. Studi Literatur

2.1. Studi Terdahulu

Salah satu penelitian yang banyak dijadikan dasar pengembangan model

untuk simulasi kebijakan makroprudensial di berbagai bank sentral adalah

penelitian Gerali et al. (2010). Penelitiannya menggunakan model DSGE untuk

ekonomi tertutup dengan financial frictions dan sektor perbankan. Gerali et al.

mengestimasi model DSGE dengan data Euro Area dengan menggunakan metode

Bayesian. Friksi di pasar finansial/kredit dalam model berupa borrowing constraint

dan sektor perbankan yang beroperasi pada kondisi monopolistic competitive. Di

dalam model tersebut terdapat agen rumah tangga (patient dan impatient),

pengusaha, monopolistically-competitive financial intermediaries (banks), capital

goods producers, goods retailers, dan otoritas kebijakan moneter. Dalam model

Gerali et al., penambahan “financial channel” memberikan dampak pada ekonomi

riil melalui spread suku bunga. Selain itu, shock yang terjadi pada sektor keuangan

atau perbankan merupakan faktor yang paling berdampak pada jatuhnya output di

Euro area selama periode GFC. Hasil simulasi memberikan gambaran bahwa dengan

skenario “credit crunch” terdapat potensi yang berdampak besar pada output dan

investasi.

Di Indonesia telah dilakukan penelitian yang mengacu pada model yang

dikembangkan oleh Gerali et al. (2010) dan telah disesuaikan dengan kondisi di

Indonesia. Harmanta et al. (2012) melakukan modifikasi pada model Gerali et al.

dengan menerapkan asumsi small open economy, financial frictions berupa collateral

constraints, sektor perbankan, serta penambahan agen pemerintah. Model ini

mampu menyimulasikan kebijakan moneter (suku bunga BI) dan kebijakan

makroprudensial (simulasi perubahan Giro Wajib Minimum (GWM), minimum CAR

requirement, dan LTV ratio) serta dapat digunakan untuk melakukan analisis

kebijakan guna menghadapi shock yang berasal dari sektor perbankan.

Harmanta et al. (2013) melakukan penyempurnaan pemodelan financial

frictions di model DSGE sebelumnya dengan memasukkan pendekatan financial

accelerator. Financial accelerator diterapkan pada agen pengusaha yang

menyewakan hasil investasi modal yang dimilikinya.

Perbandingan beberapa penelitian terkait dengan DSGE dan kebijakan

makroprudensial dapat dilihat pada tabel berikut ini.

4

Tabel 2.1. Penelitian terkait DSGE dan Kebijakan Makroprudensial

Paper Keterangan Tujuan Hasil Agen Instrumen Makropru-

densial

Gerali et al. (2010)

Data Eropa dengan teknik

Bayesian

Mengetahui peran bank dan imperfect competition pada

sektor perbankan dalam transmisi kebijakan moneter dan technology shock.

Shock yang berasal dari

sektor perbankan memberikan dampak yang

besar pada penurunan output Euro tahun 2008, sedangkan shock dari

makroekonomi memberi dampak yang kecil

Patient households, Impatient households, Pengusaha Loans and deposits demand, Banks: wholesale branch & retail banking (loan branch dan deposit branch), Labor market, Capital goods producers, Goods retailers, Monetary Policy

LTV ratio

Drehman

et al. (2011)

36 negara

dengan tambahan Euro Area dengan signal extraction method

Meneliti kinerja

variabel yang berbeda sebagai anchors untuk

menetapkan besar countercyclical regulatory capital buffer bagi bank

Deviasi antara rasio credit-to-GDP dan tren jangka

panjangnya memberikan performa terbaik sebagai leading indikator pada fase

build-up. Indikator lain, seperti credit spread lebih

baik sebagai indikator dalam fase release.

Counter-

cyclical Capital Buffer (CCB)

Agenor et al. (2011)

Data Brazil

DSGE dengan imperfect credit markets. Closed economy.

Meneliti peran dari regulasi bank kapital

dan kebijakan moneter dalam mengurangi prosiklikalitas dan

mengembangkan kebijakan makroekonomi dan stabilitas keuangan

Hasil numerik menunjukkan bahwa walaupun kebijakan

moneter dapat berpengaruh kuat terhadap deviasi inflasi dari target, penggabungan aturan suku bunga credit-augmented dan Basel III-type countercyclical capital regulatory rule dapat

mengoptimalkan stabilitas ekonomi secara keseluruhan

Infinitely-lived households

(constrained dan unconstrained), intermediate &

finan good producer, Capital good producer, Bank, Pemerintah, Bank Sentral

(mandatnya termasuk regulasi terhadap bank)

Min CAR Requirement

Chadha dan Currado

(2012)

UK General Equilibrium

Monetary Model

Penggunaan kebijakan makroprudensial

pada sistem perbankan menggunakan likuiditas dan

penahanan modal. Bank dapat memilih optimal mix dari aset

mereka, baik untuk reserve kepada bank

sentral maupun pinjaman swasta.

BASEL III membuat bank komersial mendapat insentif untuk menyimpan aset

likuid yang lebih besar, seperti reserves, tetapi juga

memberikan insentif untuk meningkatkan variasi siklus pada penyimpanan reserve.

Household and production sector, Commercial Banks and Asset Management, Central bank

5

Paper Keterangan Tujuan Hasil Agen Instrumen Makropru-

densial

Kannan et al.

(2012)

US DSGE model

dengan Housing

Meneliti respons kebijakan yang tepat

atas beberapa pertanyaan: • manfaat dari bereaksi terhadap

sinyal kerentanan pada sistem keuangan • apakah kebijakan

moneter merupakan alat yang tepat dalam merespons indikator tersebut

ataukah kebijakan lain yang sebaiknya digunakan • trade off antara

kebijakan yang berfokus pada kestabilan output gap dan inflasi dan

mencoba untuk mengurangi risiko asset price

Reaksi moneter yang kuat terhadap mekanisme

akselerator yang mendorong pertumbuhan kredit dan harga rumah dapat membantu stabilitas

makroekonomi. Penggunaan instrumen makroprudensial yang didesain secara khusus untuk meredam siklus pasar

kredit juga dapat membantu menjaga kestabilan ketika perekonomian menghadapi shock sektor keuangan dan

permintaan perumahan.

Households (savers dan

borrowers), Financial intermediaries, Producers (intermediate and final goods producers)

Min CAR Requirement, LTV ratio

Angelini et al. (2012)

Euro area DSGE

Meneliti interaksi antara kebijakan makroprudensial

dan kebijakan moneter.

Dalam kondisi "normal" (ketika siklus ekonomi didorong oleh shock di sisi

supply), kebijakan

makroprudensial memberi manfaat yang tidak terlalu

besar untuk stabilitas makroekonomi jika dibandingkan dengan dunia yang "monetary-policy-only".

Kurangnya kerja sama antara otoritas makroprudensial dan bank sentral akan menghasilkan

kebijakan yang bertentangan sehingga hasilnya kurang optimal. Manfaat menggunakan kebijakan

makroprudensial cenderung cukup besar ketika terjadi shock keuangan yang memengaruhi supply kredit

dan penting dalam mendorong dinamika ekonomi.

Households (patient and impatient), pengusaha, bank

Min CAR Requirement, LTV ratio

Suh (2012)

US DSGE model dengan financial frictions

Meneliti interaksi antara kebijakan makroprudensial dan kebijakan

moneter menggunakan DSGE model dengan financial frictions

Kebijakan makroprudensial dapat menstabilkan siklus kredit. Memaksimalkan welfare dalam kebijakan

moneter hanya mengarah pada kestabilan inflasi dan kebijakan makroprudensial

yang hanya menstabilkan kredit.

Households

(penabung dan peminjam), Pengusaha,

Financial contract (business & household loan)

dan financial intermediary,

Modal dan

produsen barang-barang retail

Min CAR Requirement, LTV ratio

Cecchetti

& Kohler (2014)

Sederhana,

Statis, model linear

meneliti apakah

syarat kecukupan modal dan suku bunga dapat menjadi pengganti dalam

memenuhi tujuan kestabilan ekonomi

Kedua tools tersebut dapat

menjadi pengganti dalam memenuhi tujuan kebijakan moneter konvensional. Selain itu, pada prinsipnya

kedua variabel tersebut dapat memenuhi tujuan stabilitas keuangan.

Minimum CAR requirement

6

Paper Keterangan Tujuan Hasil Agen Instrumen Makropru-

densial

Quint & Rabanal

(2014)

Euro Area, Bayesian

DSGE, real, nominal, dan financial frictions dari

kebijakan moneter dan

makropru-densial.

Mencari optimal mix kebijakan moneter

dan makroprudensial dalam estimasi model dua negara

euro area

Penggunaan kebijakan makroprudensial dapat

mengurangi volatilitas makroekonomi, meningkatkan welfare, dan

secara parsial mengganti

peran kebijakan moneter yang masih belum tepat

Domestic dan international intermediaries, Households

(penabung dan

peminjam), Perusahaan, teknologi, dan nominal rigidities final & intermediate goods producers.

LTV ratio

Alpand, et al. (2014)

Kanada DSGE dengan real, nominal, dan financial friction

Melihat dampak kebijakan makroprudensial terhadap

perekonomian dengan 4 pendekatan: - Interaksi rumah

tangga, perusahaan, dan bank - Risk taking channel investor

- Penggabungan utang jangka panjang rumah tangga dan

pengusaha untuk beberapa periode - interaksi antara

instrumen makroprudensial (LTV dan CAR)

Kebijakan tertarget (misalnya LTV) merupakan kebijakan yang paling efektif dan paling murah,

selanjutnya diikuti oleh regulasi bank kapital dan kebijakan moneter.

Patient dan impatient households, Banks

(intermediaries),

dan pengusaha.

Minimum CAR requirement, LTV ratio

Ferreira

dan Nakane (2015)

Brazil

Bayesian

Kebijakan

makroprudensial dan moneter

Insentif untuk menahan aset

likuid dilemahkan oleh peningkatan berlebihan pada external financial premium.

• Household

(patient dan impatient household)

• Bank (monopolistically competitive bank)

• Pengusaha • Bank Sentral

CCB

Vermandel (2015)

Euro Zone 2 countries

DSGE

Mengetahui bentuk instrumen

makroprudensial yang paling sesuai dengan federasi,

seperti Euro Zone

Terdapat kemungkinan konflik antara implementasi

makroprudensial yang heterogen pada level federal dan nasional apabila

menggunakan instrumen tunggal.

• Households

• Firma • Pengusaha • Bank • Capital Supplier

• Bank Sentral

CCB, sectoral Capital Req., LTV, Loan to Income, LCR, Net

Stable Funding Ratio, LDR, Margin & Haircut Req., Large Exposure Req., CCP clearing req., SIFI capital surcharge, Increased disclosure, Structural systemic risk buffer

Tjahyono dan Waluyo

(2010)

Indonesia DSGE dengan financial accelerator

Mengembangkan model DSGE dengan memasukkan faktor financial accelerator (efek procyclicality)

Dampak kebijakan moneter pada makroekonomi lebih tinggi jika memperhitungkan financial accelerator.

-

7

Paper Keterangan Tujuan Hasil Agen Instrumen Makropru-

densial

Harmanta et al.

(2012)

Indonesia • model untuk small open economy

• dilengkapi oleh financial frictions

berupa collateral constraints

dan sektor perbankan

Mengembangkan

model DSGE dengan sektor perbankan dan mencakup financial friction

pada rumah tangga berupa collateral constraints

simulasi kebijakan moneter dan makroprudensial

Analisis kebijakan dalam menghadapi shock dari sektor

perbankan

Kebijakan moneter penting

untuk dilaksanakan tepat waktu untuk menghadapi shock yang berasal dari

sektor perbankan

Peningkatan LTV ratio requirement untuk kredit

rumah tangga/

perusahaan akan mendorong peningkatan hasil dan inflasi.

Patient dan impatient households;

pengusaha; Capital good producers; housing producers; final

(konsumsi)

produsen barang; retailer domestik; Exporting retailers;

Importing retailers; Bank;

Pemerintah, dan

Bank Sentral.

Minimum CAR requirement minimum, LTV ratio, GWM

Harmanta et al.

(2013) dan (2014)

Indonesia DSGE

Menyempurnakan

model sebelumnya dengan menambah financial frictions pada sisi

pengusaha berupa financial accelerator di samping frictions

pada sisi household berupa collateral constraints

Melakukan simulasi kebijakan

moneter dan makroprudensial

Melakukan analisis kebijakan

yang diperlukan dalam menghadapi shock yang berasal

dari sektor perbankan

Shock pada sektor

perbankan menyebabkan penurunan PDB dan inflasi

Policy mix antara moneter

dan makroprudensial akan menghasilkan PDB dan inflasi yang stabil, juga

mengontrol konsumsi dan permintaan impor.

Households:

patient dan impatient households

serta

pengusaha (entrepreneur)

Produsen: capital good producers, housing producers, dan

final (konsumsi) produsen

barang

Retail: retail domestik, exporting retailers, dan importing retailers

Bank

Pemerintah

dan Bank Sentral

Minimum CAR requirement minimum, LTV ratio, GWM

8

3. Model dan Persamaan

3.1. Model Makrofinansial Berbasis DSGE

Model makrofinansial berbasis DSGE yang dibangun pada penelitian ini

merupakan pengembangan dari model DSGE sebelumnya dengan menambahkan

asumsi perekonomian yang bersifat terbuka (small open economy). Model dasarnya

tetap mengacu pada model Gerali et al. (2010). Pemodelan small open economy untuk

Indonesia mengikuti model yang dikembangkan oleh Purwanto (2017). Kerangka

model DSGE yang dibangun dapat dilihat pada skema berikut.

Gambar 3.1 Kerangka Model DSGE

Keterangan: C : Consumption BE : Borrowing to entrepreneur D : Deposits BG : Borrowing to government K : Capital B* : Borrowing to external (ROW) L : Labour YE : Output H : Housing YF : Import I : Investation YH : Domestic BI : Borrowing to impatient household YH* : Export

Agen yang terdapat di dalam model terbagi menjadi rumah tangga

(households), pengusaha (entrepreneurs), bank, produsen (producers), pengecer

Housing Producers

Impatient Households

Patient Households

Entepreneurs

Capital Goods Producers

Domestic Retailers

Banks

Government/ Central Banks

BGExporting Retailers

Finished Goods Producers

Importing Retailers

External(Rest of The

World)

YE

YH

YH*

K

L

L&K

BE

C

H

CK

B*

D

H

BI

YFYH*

YF

C

I

I

9

(retailers), dan sektor eksternal (rest of the world). Agen rumah tangga terbagi

menjadi savers dan borrowers.

Berbeda dengan model DSGE sebelumnya, savers, selain melakukan

konsumsi, investasi perumahan, bekerja untuk pengusaha, melakukan investasi

kapital dan memiliki akses ke pasar keuangan internasional. Pendapatan yang

diperolah dari pengusaha digunakan oleh savers untuk membiayai pengeluarannya.

Selain itu, savers menyimpan sebagian pendapatannya di bank. Dalam penelitian

ini, selanjutnya savers disebut sebagai patient household.

Borrowers melakukan konsumsi, investasi perumahan, dan bekerja untuk

pengusaha. Untuk membiayai pengeluarannya, selain dari pendapatan yang

diperoleh dari pengusaha, borrowers meminjam dari bank. Jumlah pinjaman yang

dapat diperoleh dari bank dibatasi oleh borrowing constraint yang terkait dengan

jumlah agunan yang dimiliki dalam bentuk aset perumahan (housing). Selanjutnya,

borrowers disebut sebagai impatient household.

Agen pengusaha menjalankan usaha untuk memproduksi barang

menggunakan tenaga kerja dari rumah tangga dan barang modal yang dibeli dari

capital goods producers. Dalam menjalankan usahanya, pengusaha mendapat

pinjaman dari bank untuk investasi dan modal kerja. Jumlah pinjaman yang dapat

diperoleh dari bank juga dibatasi oleh borrowing constraint yang terkait dengan

jumlah agunan yang dimiliki dalam bentuk aset barang modal. Karena memperoleh

sebagian barang modal yang digunakan untuk proses produksi dari patient

household, pengusaha juga harus membayar sewa barang modal tersebut ke patient

household.

Bank memegang peranan penting dalam proses intermediasi keuangan dalam

model. Bank mengumpulkan deposito dari savers dan menyalurkan pinjaman ke

impatient households dan pengusaha. Model ini mengasumsikan bahwa bank hanya

dapat menambah modalnya melalui retained earnings. Dalam menentukan

portofolio asetnya, bank dipengaruhi oleh CAR requirement dan Rasio Intermediasi

Makroprudensial (RIM) yang ditentukan oleh otoritas yang berwenang.

Agen retailers (pengecer) yang terdapat dalam model terbagi menjadi tiga,

yaitu domestic retailers, exporting retailers, dan importing retailers. Domestic retailers

dan exporting retailers mengubah homogeneous goods yang dibeli dari pengusaha

menjadi differentiated goods, lalu menjualnya ke pasar domestik dan pasar luar

negeri (export). Sementara itu, importing retailers mengubah homogeneous goods

10

yang diperoleh dari pasar luar negeri menjadi differentiated goods, lalu menjualnya

ke pasar domestik. Finished goods producers akan menggabungkan differentiated

goods yang diperoleh dari domestic retailers dan importing retailers menjadi barang

final yang dapat digunakan untuk kebutuhan konsumsi dan investasi.

3.1.1. Households (Rumah Tangga)

Patient Households

Patient household memaksimalkan fungsi utilitas berikut.

Max𝐸0∑𝛽𝑝𝑡 [휀𝑡

𝑧 log( 𝑐𝑡𝑃(𝑖)) + 𝑗휀𝑡

ℎ log ℎ𝑡𝑃(𝑖) −

𝑙𝑡𝑃(𝑖)1+∅

1 + ∅]

∞

𝑡=0

(3.1)

Fungsi utilitas patient household ini bergantung pada pilihan tingkat konsumsi 𝑐𝑡𝑃,

kepemilikan aset perumahan (housing services) ℎ𝑡𝑃, lama waktu bekerja 𝑙𝑡

𝑃, dan faktor

diskon 𝛽𝑃3. Budget constraint yang dihadapi oleh patient household adalah

𝑐𝑡𝑃(𝑖) + 𝑞𝑡

𝑘 (𝑘𝑡𝑃(𝑖) − (1 − 𝛿𝑘)𝑘𝑡−1

𝑃 (𝑖)) + 𝑞𝑡ℎ (ℎ𝑡

𝑃(𝑖) − (1 − 𝛿ℎ)ℎ𝑡−1𝑃 (𝑖)) + 𝑑𝑡(𝑖)

+ 𝑒𝑡(1 + 𝜌𝑡−1)(1 + 𝑟𝑡−1∗ )

𝐵𝑡−1∗ (𝑖)

𝜋𝑡

≤ 𝑤𝑡𝑃𝑙𝑡𝑃(𝑖) + (1 + 𝑟𝑡−1

𝑑 )𝑑𝑡−1(𝑖)

𝜋𝑡+ 𝑅𝑡

𝑘𝑞𝑡𝑘𝑘𝑡−1

𝑝 (𝑖) + 𝑒𝑡𝐵𝑡∗(𝑖) + 𝑡𝑡

𝑃(𝑖)

(3.2)

Patient household memiliki pendapatan atas penyediaan tenaga kerja bagi

pengusaha 𝑤𝑡𝑃𝑙𝑡𝑃 (dengan 𝑤𝑡

𝑃 penghasilan riil patient household), pendapatan bunga

deposito periode sebelumnya (1 + 𝑟𝑡−1𝑑 )

𝑑𝑡−1

𝜋𝑡 (dengan 𝜋𝑡 =

𝑃𝑡

𝑃𝑡−1 adalah gross inflation),

dan 𝑡𝑡𝑃 yang merupakan lump-sum transfer (antara lain dividen dari perusahaan dan

bank yang diasumsikan dimiliki oleh patient household). Sebagai tambahan, patient

household juga memperoleh pendapatan dari sewa barang modal yang dibebankan

kepada pengusaha dengan rate sebesar 𝑅𝑡𝑘 dan memperoleh pinjaman dari luar

negeri 𝐵𝑡∗ karena terbukanya akses terhadap pasar keuangan internasional.

Penghasilan yang diperoleh digunakan untuk membiayai konsumsi saat ini,

investasi barang modal (dengan harga riil 𝑞𝑡𝑘 dan tingkat depresiasi 𝛿𝑘), investasi

housing (dengan harga riil 𝑞𝑡ℎ dan tingkat depresiasi nilai rumah 𝛿ℎ), membayar

bunga pinjaman luar negeri periode sebelumnya, dan menyimpan sisanya dalam

deposito 𝑑𝑡.

3 Terdapat dua shock di dalam persamaan, yaitu 휀𝑡

𝑧 shock terhadap konsumsi, dan 휀𝑡ℎ shock terhadap

housing demand. Kedua shock tersebut merupakan shock intertemporal yang memiliki dinamika AR (1) dengan eror yang i.i.d.

11

Terkait dengan akses pasar keuangan internasional diasumsikan bahwa

pembayaran pinjaman internasional oleh patient household dipengaruhi oleh suku

bunga internasional (𝑟𝑡∗) dan country risk premium (𝜌𝑡−1). Diasumsikan juga bahwa

country risk premium ditentukan oleh nilai rasio pinjaman internasional terhadap

output:

(1 + 𝜌𝑡) = 𝑒𝑥𝑝 (−𝜑𝑒𝑡𝐵𝑡

∗

𝑦𝑡𝐸 ) 휀𝑡

𝜌

(3.3)

Impatient Household

Impatient household memaksimalkan fungsi utilitas berikut:

Max𝐸0∑𝛽𝐼𝑡

∞

𝑡=0

[휀𝑡𝑧log(𝑐𝑡

𝐼(𝑖)) + 𝑗휀𝑡ℎlogℎ𝑡

𝐼(𝑖) −𝑙𝑡𝐼(𝑖)1+𝜙

1 + 𝜙]

(3.4)

Fungsi utilitas untuk impatient household tidak jauh berbeda dengan patient

household, yaitu bergantung pada pilihan tingkat konsumsi 𝑐𝑡𝐼, housing services ℎ𝑡

𝐼,

dan lama waktu bekerja 𝑙𝑡𝐼4.

Budget constraint yang dihadapi oleh impatient household adalah

𝑐𝑡𝐼(𝑖) + 𝑞𝑡

ℎ (ℎ𝑡𝐼(𝑖) − (1 − 𝛿ℎ)ℎ𝑡−1

𝐼 (𝑖)) + (1 + 𝑟𝑡−1𝑏𝐻 )

𝑏𝑡−1𝐼 (𝑖)

𝜋𝑡= 𝑤𝑡

𝐼𝑙𝑡𝐼(𝑖) + 𝑏𝑡

𝐼(𝑖) (3.5)

Untuk membiayai pengeluarannya, impatient household mendapatkan pemasukan

dari penghasilannya 𝑤𝑡𝐼𝑙𝑡𝐼 (dengan wt

𝐼 merupakan penghasilan riil untuk impatient

household) dan mendapatkan pinjaman bank sebesar 𝑏𝑡𝐼. Oleh karena itu, impatient

household memiliki kewajiban untuk membayar pinjaman yang dilakukan pada

periode sebelumnya, yaitu sebesar (1 + 𝑟𝑡−1𝑏𝐻 )

𝑏𝑡−1𝐼

𝜋𝑡 (pengembalian pokok pinjaman dan

bunga sebesar 𝑟𝑡−1𝑏𝐻 ).

Selain budget constraint, impatient household juga memiliki borrowing

constraint. Hal itu disebabkan dalam melakukan pinjaman untuk membiayai

pengeluarannya, total pinjaman yang dapat diperoleh impatient household dibatasi

oleh nilai aset perumahan yang dimilikinya dikalikan dengan syarat LTV ratio, yaitu

sebesar 𝑚𝑡𝐼. Persamaan borrowing constraint dapat dituliskan sebagai berikut.

(1 + 𝑟𝑡𝑏𝐻)𝑏𝑡

𝐼(𝑖) ≤ 𝑚𝑡𝐼(1 − 𝛿ℎ)𝐸𝑡[𝑞𝑡+1

ℎ ℎ𝑡𝐼(𝑖)𝜋𝑡+1] (3.6)

4 Sama seperti pada persamaan patient households 휀𝑡

ℎ dan 휀𝑡ℎ merupakan shock terhadap housing

demand dan konsumsi.

12

Dari sisi makroekonomi, 𝑚𝑡𝐼 menentukan besarnya jumlah pinjaman yang

ditawarkan bank kepada household untuk nilai aset perumahan yang dimilikinya.

Diasumsikan bahwa variasi dari rasio LTV ini tidak tergantung pada pilihan tiap-

tiap bank, tetapi pada suatu proses eksogen yang dinamikanya memungkinkan kita

untuk mempelajari transmisi kebijakan LTV ratio requirement terhadap sektor riil.

3.1.2. Entrepreneurs

Entrepreneur (pengusaha) memaksimalkan fungsi utilitas berikut:

Max𝐸0∑𝛽𝐸𝑡

∞

𝑡=0

log (𝑐𝑡𝐸(𝑖))

(3.7)

Budget constraint yang dihadapi oleh pengusaha adalah

𝑐𝑡𝐸(𝑖) + 𝑤𝑡

𝑃 𝑙𝑡 𝑃(𝑖) + 𝑤𝑡

𝐼 𝑙𝑡 𝐼 (𝑖) + (1 + 𝑟𝑡−1

𝑏𝐸 ) 𝑏𝑡−1 𝐸 (𝑖)

𝜋𝑡+ 𝑞𝑡

𝑘 (𝑘𝑡𝐸(𝑖) − (1 − 𝛿𝑘)𝑘𝑡−1

𝐸 (𝑖))

+ 𝑅𝑡𝑘𝑞𝑡𝑘𝑘𝑡−1𝑝 (𝑖) =

𝑃𝑡𝐸

𝑃𝑡𝑦𝑡𝐸(𝑖) + 𝑏𝑡

𝐸(𝑖)

(3.8)

Pengusaha memperoleh pendapatan dari penjualan hasil produksi homogeneous

intermediate goods kepada pengecer dengan harga 𝑃𝑡𝐸 dan pinjaman baru dari bank

𝑏𝑡 𝐸. Pendapatan dari pengusaha digunakan untuk membiayai pengeluaran konsumsi

𝑐𝑡𝐸, membayar jasa pekerja untuk keperluan produksi yang berasal dari patient

household 𝑤𝑡 𝑃 𝑙𝑡 𝑃 dan impatient household 𝑤𝑡

𝐼 𝑙𝑡 𝐼 , membayar pokok utang beserta

bunganya dari utang periode sebelumnya, berinvestasi barang modal dengan tingkat

harga 𝑞𝑡 𝑘 dan tingkat depresiasi 𝛿𝑘, serta membayar sewa barang modal kepada

patient household.

Sama halnya dengan impatient household, pengusaha juga memiliki

borrowing constraint yang dikaitkan dengan nilai barang modal yang dimilikinya

dengan persamaan sebagai berikut:

(1 + 𝑟𝑡𝑏𝐸) 𝑏𝑡

𝐸(𝑖) ≤ 𝑚𝑡 𝐸𝐸𝑡[ 𝑞𝑡+1

𝑘 𝜋𝑡+1(1 − 𝛿𝑘)𝑘𝑡

𝐸(𝑖)] (3.9)

dengan 𝑚𝑡 𝐸 adalah tingkat rasio LTV untuk pengusaha dengan asumsi yang sama

dengan 𝑚𝑡 𝐼 5.

5 Sama halnya dengan Gerali et al. (2010) dan Lacoviello (2005), diasumsikan bahwa ukuran dari

shocks pada model adalah “cukup kecil” sehingga seluruh variabel selalu berada di sekitar steady state. Hal ini memungkinan kita untuk dapat menemukan solusi model dengan mengasumsikan binding borrowing constraint.

13

Pengusaha memproduksi intermediate goods dan memiliki fungsi produksi sebagai

berikut:

𝑦𝑡𝐸(𝑖) = 𝑎𝑡

𝐸 [(𝑘𝑡−1𝐸 (𝑖))

𝜎(𝑘𝑡−1𝑝 (𝑖))

1−𝜎]𝛼

𝑙𝑡 𝐸(𝑖)1−𝛼

(3.10)

dengan 𝑎𝑡𝐸 adalah total factor productivity, 𝑘𝑡

𝐸 adalah stok kapital yang dimiliki oleh

pengusaha, 𝑘𝑡𝑝 adalah sewa kapital yang berasal dari patient household, 𝑙𝑡

𝐸 adalah

total input pekerja yang berasal dari impatient household dan patient household.

3.1.3. Domestic Retailers

Homogeneous intermediate goods diproduksi oleh pengusaha, kemudian

dibeli oleh pengecer domestik dan pengecer domestik mengubahnya menjadi

differentiated intermediate goods. Differentiated intermediate goods tersebut dijual

kepada finished goods producers. Dalam penentuan harganya, pengecer domestik

menggunakan pendekatan Calvo sebagai berikut:

𝑃𝑡𝐻 = (휃𝐻(𝑃𝑡−1

𝐻 𝜋𝑡−1𝐻 )1−𝜀𝑅𝐻 + (1 − 휃𝐻)(𝑃𝑡−1

𝐻 )1−𝜀𝑅𝐻)1

1−𝜀𝑅𝐻 (3.11)

dengan (1 − 휃𝐻) adalah peluang pengecer domestik untuk mengubah harga dan 휃𝐻

adalah peluang untuk tidak melakukan reoptimasi harga. Pengecer domestik yang

tidak melakukan reoptimasi akan menentukan harga sesuai dengan persamaan

𝑃𝑡𝐻 = 𝑃𝑡−1

𝐻 𝜋𝑡−1𝐻 .

Pengecer domestik memiliki fungsi utilitas yang memaksimalkan profit sebagai

berikut:

max𝑃𝑡𝐻(𝑖)

𝐸𝑡∑(𝛽𝑃휃𝐻)𝑘𝑐𝑡𝑃

𝑐𝑡+𝑘𝑃

휀𝑡+𝑘𝑧

휀𝑡𝑧 {𝑃𝑡𝐻(𝑖)

𝑃𝑡+𝑘𝐻 Φ𝑡,𝑘𝑦𝑡+𝑘

𝐻 (𝑖) −𝑃𝑡+𝑘𝐸

𝑃𝑡+𝑘𝐻 𝑦𝑡+𝑘

𝐻 (𝑖)}

∞

𝑘=0

(3.12)

dengan kendala

𝑦𝑡+𝑘𝐻 (𝑖) = 𝑦𝑡+𝑘

𝐻 (𝑃𝑡𝐻(𝑖)

𝑃𝑡+𝑘𝐻 Φ𝑡,𝑘)

−𝜀𝑅𝐻

(3.13)

dengan Φ𝑡,𝑘 = 𝜋𝑡𝐻𝜋𝑡+1

𝐻 𝜋𝑡+2𝐻 ⋯𝜋𝑡+𝑘−1

𝐻 , Φ𝑡,0 = 1.

3.1.4. Importing Retailers

Berbeda dengan pengecer domestik, importing retailers membeli homogeneous

intermediate goods dari pasar internasional dan mengubahnya menjadi

differentiated intermediate goods, lalu menjualnya kepada finished goods producers.

14

Dalam penentuan harganya, importing retailers menggunakan pendekatan Calvo

dengan harga agregat sebagai berikut:

𝑦𝑡+𝑘𝐻 (𝑖) = 𝑦𝑡+𝑘

𝐻 (𝑃𝑡𝐻(𝑖)

𝑃𝑡+𝑘𝐻 Φ𝑡,𝑘)

−𝜀𝑅𝐻

(3.14)

dengan (1 − 휃𝐹) adalah peluang importing retailer untuk mengubah harga dan 휃𝐹

adalah peluang untuk tidak melakukan reoptimasi harga. Importing retailers yang

tidak melakukan reoptimasi akan menetapkan harga sesuai dengan persamaan 𝑃𝑡𝐹 =

𝑃𝑡−1𝐹 𝜋𝑡−1

𝐹 .

Importing retailers akan memaksimalkan profit dari fungsi utilitas sebagai berikut:

max𝑃𝑡𝐹(𝑖)𝐸𝑡∑(𝛽𝑃휃𝐹)

𝑘𝑐𝑡𝑃

𝑐𝑡+𝑘𝑃

휀𝑡+𝑘𝑧

휀𝑡𝑧 {

𝑃𝑡𝐹(𝑖)

𝑃𝑡+𝑘𝐹 Φ𝑡,𝑘𝑦𝑡+𝑘

𝐹 (𝑖) −𝑒𝑡+𝑘𝑃𝑡+𝑘

𝐹∗

𝑃𝑡+𝑘𝐹 𝑦𝑡+𝑘

𝐹 (𝑖)}

∞

𝑘=0

(3.15)

dengan kendala

𝑦𝑡+𝑘𝐹 (𝑖) = 𝑦𝑡+𝑘

𝐹 (𝑃𝑡𝐹(𝑖)

𝑃𝑡+𝑘𝐹 Φ𝑡,𝑘)

−𝜀𝐹

(3.16)

dengan Φ𝑡,𝑘 = 𝜋𝑡𝐹𝜋𝑡+1

𝐹 𝜋𝑡+2𝐹 ⋯𝜋𝑡+𝑘−1

𝐹 , Φ𝑡,0 = 1.

3.1.5. Exporting Retailers

Seperti halnya pengecer domestik, agen exporting retailers membeli

homogeneous intermediate goods yang diproduksi oleh pengusaha dan

mengubahnya menjadi differentiated intermediate goods, kemudian menjualnya ke

pasar internasional.

Persamaan permintaan terhadap barang ekspor adalah sebagai berikut:

𝑦𝑡𝐻∗(𝑖) = (

𝑃𝑡𝐻∗(𝑖)

𝑃𝑡𝐻∗

)

−(1+𝜇𝐻∗)𝜇𝐻∗

𝑦𝑡𝐻∗

(3.17)

Barang ekspor dijual oleh exporting retailers ke pasar internasional dengan harga

𝑃𝑡𝐻∗. Agregat volume ekspor dan harga barang ekspor dinyatakan sebagai berikut:

𝑦𝑡𝐻∗ = (∫(𝑦𝑡

𝐻∗(𝑖))

11+𝜇𝐻∗ 𝑑𝑖

1

0

)

1+𝜇𝐻∗

(3.18)

𝑃𝑡𝐻∗ = (∫(𝑃𝐻,𝑡

∗ (𝑖))

−1𝜇𝐻∗ 𝑑𝑖

1

0

)

−𝜇𝐻∗

(3.19)

15

Selain itu, diasumsikan bahwa permintaan barang ekspor dari luar negeri

dipengaruhi oleh harga barang ekspor di luar negeri 𝑃𝑡𝑥∗. Parameter yang

menentukan elasticity of substitution dari ekspor 𝜇𝐻∗ dan permintaan dari luar negeri

𝑦𝑡∗ dinyatakan oleh persamaan berikut:

𝑦𝑡𝐻∗ = (1 − 휂∗) (

𝑃𝑡𝐻∗

𝑃𝑡𝑥∗)

−(1+𝜇𝐻∗)𝜇𝐻∗

𝑦𝑡∗

(3.20)

Sama halnya dengan domestic dan importing retailers, penentuan harga

barang exporting retailers dilakukan dengan menggunakan pendekatan Calvo

sebagai berikut:

𝑃𝑡𝐻∗ = (휃𝐻∗(𝑃𝑡−1

𝐻∗ 𝜋𝑡−1𝐻∗ )

1−𝜀𝐻∗ + (1 − 휃𝐻∗)(𝑃𝑡𝐻∗)

1−𝜀𝐻∗)

11−𝜀𝐻∗

(3.21)

dengan (1 − 휃𝐻∗) adalah peluang exporting retailers untuk mengubah harga dan 휃𝐻∗

adalah peluang untuk tidak melakukan reoptimasi harga. Exporting retailers yang

tidak melakukan reoptimasi harga akan menentukan harga dengan persamaan

𝑃𝑡𝐻∗ = 𝑃𝑡−1

𝐻∗ 𝜋𝑡−1𝐻∗ .

Exporting retailers akan memaksimalkan profit dengan fungsi utilitas sebagai

berikut:

𝑚𝑎𝑥𝑃𝑡𝐻∗(𝑖)

𝐸𝑡∑(𝛽𝑃휃𝐻∗)𝑘𝑐𝑡𝑃

𝑐𝑡+𝑘𝑃

휀𝑡+𝑘𝑧

휀𝑡𝑧 {

𝑒𝑡𝑃𝑡𝐻∗(𝑖)

𝑒𝑡+𝑘𝑃𝑡+𝑘𝐻∗𝛷𝑡,𝑘𝑦𝑡+𝑘

𝐻∗ (𝑖) −𝑃𝑡+𝑘𝐸

𝑒𝑡+𝑘𝑃𝑡+𝑘𝐻∗𝑦𝑡+𝑘𝐻∗ (𝑖)}

∞

𝑘=0

(3.22)

dengan kendala

𝑦𝑡+𝑘𝐻∗ (𝑖) = 𝑦𝑡+𝑘

𝐻∗ (𝑒𝑡𝑃𝑡

𝐻∗(𝑖)

𝑒𝑡+𝑘𝑃𝑡+𝑘𝐻∗𝛷𝑡,𝑘)

−𝜀𝐻∗

(3.23)

dengan 𝛷𝑡,𝑘 = 𝜋𝑡𝐻∗𝜋𝑡+1

𝐻∗ 𝜋𝑡+2𝐻∗ … 𝜋𝑡+𝑘−1

𝐻∗ , 𝛷𝑡,0 = 1.

3.1.6. Bank

Bank memegang peranan penting dalam proses intermediasi untuk semua

transaksi keuangan yang dilakukan agen di dalam model. Instrumen keuangan yang

dapat digunakan oleh patient household untuk menabung adalah deposito.

Instrumen keuangan yang dapat digunakan oleh impatient household dan

pengusaha untuk meminjam uang adalah kredit bank.

Di dalam model, sektor perbankan beroperasi pada kondisi monopolistic

competitive. Bank diasumsikan memiliki market power dalam melakukan aktivitas

16

intermediasinya. Bank memiliki kekuatan dalam menentukan, baik tingkat suku

bunga deposito maupun suku bunga kredit. Selain itu, diasumsikan bahwa terdapat

stickiness dalam suku bunga retail perbankan terhadap dinamika suku bunga

kebijakan.

Setiap bank di dalam model terdiri atas tiga unit, yaitu unit wholesale, unit

loan-retail, dan unit deposit-retail. Unit loan-retail bertanggung jawab untuk

memberikan pinjaman kepada impatient households dan pengusaha, sedangkan

deposit-retail bertanggung jawab untuk menghimpun deposito dari patient

household. Unit-unit tersebut menentukan suku bunga di dalam kondisi

monopolistic competitive. Setiap wholesale unit beroperasi untuk mengelola neraca

keseluruhan bank. Penambahan yang cukup penting pada model DSGE dalam

penelitian ini adalah masuknya variabel kebijakan makroprudensial yang baru,

yaitu Rasio Intermediasi Makroprudensial (RIM) di dalam neraca keseluruhan bank.

Wholesale branch

Setiap wholesale branch beroperasi pada kondisi pasar kompetisi sempurna

dan mengelola neraca keseluruhan bank.

𝐵𝑡 + 𝐵𝑡𝐺 = (1 − Γ𝑡 − Χ𝑡)𝐷𝑡 + 𝐾𝑡

𝑏 (3.24)

Aset bank terdiri atas total pinjaman yang disalurkan oleh bank kepada pengusaha

dan impatient households, 𝐵𝑡, dan total aset likuid bank-zero risk bonds yang dimiliki

oleh bank, yaitu 𝐵𝑡𝐺. Sementara itu, kewajiban bank terdiri atas total deposito yang

dihimpun, yaitu 𝐷𝑡, reserve ratio, Γ𝑡, yang nilainya ditentukan oleh bank dan

dipengaruhi oleh reserve ratio requirement yang ditentukan oleh bank sentral,

tambahan giro RIM, Χ𝑡, yang besarnya ditentukan oleh bank sentral, dan modal

bank, 𝐾𝑡𝑏.

Bank mengakumulasikan modal yang dimiliki melalui retained earning:

𝐾𝑡𝑏 = (1 − 𝛿𝑏)

𝐾𝑡−1𝑏

𝜋𝑡+ω𝑏

𝑗𝑡−1𝑏

𝜋𝑡

(3.25)

dengan 𝑗𝑡𝑏 merupakan profit keseluruhan yang dihasilkan oleh ketiga unit bank, ω𝑏

menunjukkan porsi pembagian dividen bank, dan 𝛿𝑏 menunjukkan sumber daya

yang digunakan dalam mengatur modal bank. Aturan mengenai dividen

diasumsikan eksogen sehingga modal bank bukan merupakan variabel pilihan

untuk bank. Fungsi utilitas dari wholesale unit adalah

17

𝑚𝑎𝑥{𝐵𝑡 , 𝐷𝑡, 𝐵𝑡

𝐺}𝐸0∑Λ0,𝑡𝑃 [(1 + 𝑅𝑡

𝑏)𝐵𝑡 − 𝐵𝑡+1 + (1 + 𝑅𝑡)𝐵𝑡𝐺 − 𝐵𝑡+1

𝐺 +𝐷𝑡+1

∞

𝑡=0

− (1 + 𝑅𝑡𝑤𝑑)𝐷𝑡 + Γ𝑡𝐷𝑡 + Χ𝑡𝐷𝑡 − Γ𝑡+1𝐷𝑡+1 − Χ𝑡+1𝐷𝑡+1 + ∆𝐾𝑡+1

𝑏

−𝜅𝐾𝑏2(𝐾𝑡𝑏

𝐵𝑡− 𝜐𝑡

𝑏)

2

𝐾𝑡𝑏]

(3.26)

Dengan jabaran bahwa 𝜅𝐾𝑏 adalah parameter biaya deviasi dari target CAR, 𝑣𝑏

adalah target CAR dari bank (yang dipengaruhi oleh minimum CAR requirement), 𝑅𝑡

adalah suku bunga kebijakan, 𝑅𝑡𝑏 adalah tingkat suku bunga kredit wholesale, dan

𝑅𝑡𝑤𝑑 tingkat suku bunga deposit wholesale.

Pada kondisi 𝐶𝐴𝑅 =𝐾𝑡𝑏

𝐵𝑡= 𝜐𝑡

𝑏6, maka 𝑅𝑡𝑏 = 𝑅𝑡, sedangkan dalam keadaaan 𝐶𝐴𝑅 =

𝐾𝑡𝑏

𝐵𝑡> 𝜐𝑡

𝑏, bank akan bereaksi untuk menurunkan CAR dengan meningkatkan jumlah

penyaluran pinjaman 𝐵𝑡 (dengan menurunkan 𝑅𝑡𝑏 ) sehingga besarnya CAR dapat

mendekati besaran aturan minimum, yaitu 𝐶𝐴𝑅 ≈ 𝜐𝑡𝑏.

Dalam kondisi 𝐺𝑊𝑀 = Γ𝑡 = 0, 𝑅𝑡𝑤𝑑

𝑅𝑡= 1, sedangkan dalam kondisi 𝐺𝑊𝑀 > 0, bank akan

mengalami peningkatan opportunity cost dalam penyaluran dana sehingga bank

bereaksi untuk menurunkan cost dengan mengurangi biaya yang dikeluarkan untuk

mengumpulkan deposito atau setara dengan menurunkan 𝑅𝑡𝑤𝑑.

Loan-Retail Branch

Loan-retail branch mendapatkan wholesale loans 𝐵𝑡 dari wholesale unit

dengan suku bunga 𝑅𝑡𝑏, kemudian menyalurkannya kepada household dan

pengusaha dengan menerapkan dua markup yang berbeda. Stickiness dan imperfect

bank pass-through diasumsikan terjadi melalui fungsi adjustment cost pada

perubahan suku bunga pinjaman yang dihadapi tiap-tiap bank dalam bentuk

persamaan quadratic. Besarnya biaya tersebut ditentukan oleh parameter 𝜅𝑏𝐸 dan

𝜅𝑏𝐻.

Retail loan bank memaksimalkan fungsi utilitas berikut:

6 Apabila diasumsikan bahwa 𝜐𝑡

𝑏 yang merupakan target CAR bank adalah sama nilainya dengan

minimum CAR requirement yang ditetapkan oleh otoritas yang berwenang.

18

max{𝑟𝑡𝑏𝐻(𝑗),𝑟𝑡

𝑏𝐸(𝑗)}𝐸0∑Λ0,𝑡

𝑃 [𝑟𝑡𝑏𝐻(𝑗)𝑏𝑡

𝐼(𝑗) + 𝑟𝑡𝑏𝐸(𝑗)𝑏𝑡

𝐸(𝑗) − 𝑅𝑡𝑏𝐵𝑡(𝑗)

∞

𝑡=0

−𝜅𝑏𝐻2(𝑟𝑡𝑏𝐻(𝑗)

𝑟𝑡−1𝑏𝐻 (𝑗)

− 1)

2

𝑟𝑡𝑏𝐻𝑏𝑡

𝐼 −𝜅𝑏𝐸2(𝑟𝑡𝑏𝐸(𝑗)

𝑟𝑡−1𝑏𝐸 (𝑗)

− 1)

2

𝑟𝑡𝑏𝐸𝑏𝑡

𝐸]

(3.27)

yang bergantung pada permintaan pinjaman impatient household 𝑏𝑡𝐼(𝑗), permintaan

pinjaman oleh pengusaha 𝑏𝑡𝐸(𝑗).

𝑏𝑡𝐼(𝑗) = (

𝑟𝑡𝑏𝐻(𝑗)

𝑟𝑡𝑏𝐻 )

−𝜀𝑡𝑏𝐻

𝑏𝑡𝐼

(3.28)

𝑏𝑡𝐸(𝑗) = (

𝑟𝑡𝑏𝐸(𝑗)

𝑟𝑡𝑏𝐸 )

−𝜀𝑡𝑏𝐸

𝑏𝑡𝐸

(3.29)

𝐵𝑡(𝑗) = 𝑏𝑡𝐼(𝑗) + 𝑏𝑡

𝐸(𝑗) (3.30)

Deposit-Retail Branch

Serupa dengan loan branch, deposit branch mengumpulkan deposito 𝐷𝑡 dari

household dan meneruskannya kepada wholesale unit. Suku bunga 𝑟𝑡𝑑 adalah suku

bunga deposito yang ditawarkan kepada patient households. Utility function dari

deposit branch adalah sebagai berikut.

max{𝑟𝑡𝑑(𝑗)}

𝐸0∑Λ0,𝑡𝑃 [𝑅𝑡

𝑤𝑑𝐷𝑡(𝑗) − 𝑟𝑡𝑑(𝑗)𝐷𝑡(𝑗) −

𝜅𝑑2(𝑟𝑡𝑑(𝑗)

𝑟𝑡−1𝑑 (𝑗)

− 1)

2

𝑟𝑡𝑑𝐷𝑡]

∞

𝑡=0

(3.31)

dengan kendala

𝐷𝑡(𝑗) = (𝑟𝑡𝑑(𝑗)

𝑟𝑡𝑑 )

−𝜀𝑡𝑑

𝑑𝑡

(3.32)

3.1.7. Finished Goods Producers

Finished goods producers merupakan agen yang menggabungkan

differentiated goods yang diperoleh dari domestic retailers (𝑦𝑡𝐻) dan importing retailers

(𝑦𝑡𝐹) menjadi barang final dan menjualnya di pasar yang bersifat kompetitif

sempurna. Fungsi produksi dari finished goods producers adalah sebagai berikut.

𝑦𝑡 = [𝜉𝜇𝐹𝑃1+𝜇𝐹𝑃(𝑦𝑡

𝐻)1

1+𝜇𝐹𝑃 + (1 − 𝜉)𝜇𝐹𝑃1+𝜇𝐹𝑃(𝑦𝑡

𝐹)1

1+𝜇𝐹𝑃]

1+𝜇𝐹𝑃

(3.33)

19

dengan 𝜉 adalah home bias parameter dan 𝜇𝐹𝑃 adalah parameter elasticity of

substitution antara barang domestik dan barang luar negeri.

Optimisasi dilakukan terhadap profit nominal dari finished goods producers

sebagai berikut:

Π𝑡𝐹𝑃 = 𝑦𝑡𝑃𝑡 − 𝑦𝑡

𝐻𝑃𝑡𝐻 − 𝑦𝑡

𝐹𝑃𝑡𝐹 (3.34)

dengan 𝑃𝑡 merupakan harga final barang konsumsi/investasi.

3.1.8. Capital Goods Producers

Capital good producers beroperasi dalam pasar kompetitif sempurna dan

menggunakan barang final yang diproduksi oleh finished goods producer untuk

menghasilkan barang modal. Selain itu, capital good producers menggunakan

barang modal lama yang tidak terdepresiasi, yaitu (1 − 𝛿𝑘)𝑘𝑡−1.

Capital good producers membeli barang final dengan harga 𝑃𝑡 dari finished

goods producer untuk meningkatkan stock of effective capital �̅�𝑡, yang dijual kembali

kepada entrepreneur dan patient households pada akhir periode dengan harga 𝑞𝑡𝑘.

Fungsi utilitas dari capital good producer adalah

max{�̅�𝑡, 𝑖𝑡

𝑘}𝐸0∑Λ0,𝑡𝑃 (𝑞𝑡

𝑘Δ�̅�𝑡 − 𝑖𝑡𝑘)

∞

𝑡=0

(3.35)

dengan kendala

�̅�𝑡 = �̅�𝑡−1 + 휀𝑡𝑞𝑘(1 −

𝜅𝑖2(𝑖𝑡𝑘

𝑖𝑡−1𝑘 − 1)

2

) 𝑖𝑡𝑘

(3.36)

dengan Δ�̅�𝑡 = 𝑘𝑡 − (1 − 𝛿𝑘)𝑘𝑡−1.

Barang modal yang dihasilkan oleh capital good producer dimiliki oleh pengusaha

dan patient household sehingga 𝑘𝑡 = 𝑘𝑡𝑃 + 𝑘𝑡

𝐸.

3.1.9. Housing Producers

Serupa dengan capital good producer, housing producer memiliki fungsi

utilitas sebagai berikut:

max{ℎ̅𝑡, 𝑖𝑡

ℎ} 𝐸0∑Λ0,𝑡𝑃 (𝑞𝑡

ℎΔℎ̅𝑡 − 𝑖𝑡ℎ)

∞

𝑡=0

(3.37)

dengan kendala

20

ℎ̅𝑡 = ℎ̅𝑡−1 + 휀𝑡𝑞ℎ(1 −

𝜅ℎ2(𝑖𝑡ℎ

𝑖𝑡−1ℎ − 1)

2

) 𝑖𝑡ℎ

(3.38)

dengan Δℎ̅𝑡 = ℎ𝑡 − (1 − 𝛿ℎ)ℎ𝑡−1 sebagai flow dari output perumahan.

Aset perumahan dimiliki oleh patient households dan impatient households sehingga

ℎ𝑡 = ℎ𝑡𝑃 + ℎ𝑡

𝐼.

3.1.10. Market Clearings

Kondisi market clearing untuk semua barang yang diproduksi oleh finished

goods producers, barang yang diproduksi pengusaha, pasar perumahan, pasar

modal, balance of payment, dan country’s risk premium dapat dituliskan dengan

persamaan berikut.

Finished goods producers output:

𝑦𝑡 = 𝑐𝑡𝑃 + 𝑐𝑡

𝐼 + 𝑐𝑡𝐸 + 𝑖𝑡

𝑘 + 𝑖𝑡ℎ + 𝛿𝑏

𝐾𝑡−1𝑏

𝜋𝑡

(3.39)

Intermediate goods yang diproduksi pengusaha:

𝑦𝑡𝐸 = 𝑦𝑡

𝐻 + 𝑦𝑡𝐻∗ (3.40)

Pasar perumahan dan pasar modal:

ℎ𝑡 = ℎ𝑡𝑃 + ℎ𝑡

𝐼 (3.41)

𝑘𝑡 = 𝑘𝑡𝑃 + 𝑘𝑡

𝐸 (3.42)

Balance of payment:

𝑠𝑡�̃�𝑡𝐹∗𝑦𝑡

𝐹 + 𝑠𝑡(1 + 𝜌𝑡−1)(1 + 𝑟𝑡−1∗ )(1 + 𝜏𝑡−1

∗ )�̃�𝑡−1∗ (𝑖)

𝜋𝑡∗

= 𝑠𝑡�̃�𝑡𝐻∗𝑦𝑡

𝐻∗ + 𝑠𝑡�̃�𝑡∗(𝑖) − (Γ𝑡 + Χ𝑡)𝑑𝑡 + (Γ𝑡−1 + Χ𝑡−1)

𝑑𝑡−1𝜋𝑡

−𝐵𝑡𝐺 +

𝐵𝑡−1𝐺

𝜋𝑡

(3.43)

First order condition dari fungsi utilitas dengan kendala dari tiap-tiap agen yang telah

dijabarkan dan dapat dilihat pada lampiran.

21

4. Kalibrasi dan Simulasi

4.1. Kalibrasi

Nilai kalibrasi yang digunakan untuk menentukan steady state dari variabel

endogen dan parameter pada penelitian ini berdasarkan data dan karakteristik

perekonomian Indonesia. Nilai steady state variabel terkait disagregasi produk

domestik bruto (PDB), suku bunga, dan neraca bank dihitung dengan menggunakan

data dari 2000Q3 sampai dengan 2017Q4, sedangkan angka kalibrasi variabel dan

parameter lainnya berdasarkan penelitian Harmanta et al. (2012) dan (2013).

Data yang digunakan untuk disagregasi PDB berasal dari publikasi Statistik

Ekonomi dan Keuangan Indonesia (SEKI) Bank Indonesia. Data suku bunga

kebijakan (7 Days Repo Rate), suku bunga dana pihak ketiga (DPK), suku bunga

kredit rumah tangga (kredit konsumsi), suku bunga kredit ke perusahaan (kredit

investasi dan modal kerja) bersumber dari CEIC dan Bank Indonesia. Data

komposisi neraca bank berasal dari LBU (laporan bulanan bank umum), sedangkan

data variabel sektor eksternal, seperti suku bunga luar negeri (Fed Fund Rate),

menggunakan data dari CEIC.

Nilai steady state variabel-variabel disagregasi PDB diperoleh dengan

menggunakan Hodrick-Prescott Filter (HP Filter) selama periode estimasi. Hasil yang

diperoleh dapat dilihat pada gambar dan tabel berikut.

Gambar 4.1. Data Asli dan Steady State Variabel Disagregasi PDB

Nilai steady state variabel disagregasi PDB yang digunakan dalam penelitian

ini didasarkan pada nilai rata-rata (mean) dari tiap-tiap variabel dengan pembulatan

2 angka di belakang koma dan dapat dilihat pada tabel 4.1.

0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

2000

Q1

2000

Q3

2001

Q1

2001

Q3

2002

Q1

2002

Q3

2003

Q1

2003

Q3

2004

Q1

2004

Q3

2005

Q1

2005

Q3

2006

Q1

2006

Q3

2007

Q1

2007

Q3

2008

Q1

2008

Q3

2009

Q1

2009

Q3

2010

Q1

2010

Q3

2011

Q1

2011

Q3

2012

Q1

2012

Q3

2013

Q1

2013

Q3

2014

Q1

2014

Q3

2015

Q1

2015

Q3

2016

Q1

2016

Q3

2017

Q1

2017

Q3

Konsumsi/PDB Konsumsi/PDB_SS Konsumsi Pemerintah/PDB

Konsumsi Pemerintah/PDB_SS Investasi/PDB Investasi/PDB_SS

Ekspor/PDB Ekspor/PDB_SS Impor/PDB

Impor/PDB_SS

22

Tabel 4.1. Nilai Steady State Variabel Disagregasi PDB

Konsumsi Swasta/PDB

Konsumsi Pemerintah/PDB

Investasi/PDB

Ekspor/PDB Impor/PDB

𝑐

𝑦𝐸

𝑖

𝑦𝐸

𝑦𝐻∗

𝑦𝐸

𝑦𝐹

𝑦𝐸

Mean 0.579 0.080 0.323 0.234 0.215

Median 0.573 0.083 0.315 0.237 0.221

Maximum 0.622 0.088 0.341 0.253 0.237

Minimum 0.554 0.063 0.308 0.209 0.179

Std. Dev 0.025 0.007 0.013 0.016 0.020

Data investasi yang digunakan di dalam model terbagi menjadi dua, yaitu

investasi perumahan dan investasi barang modal. Nilai steady state investasi

perumahan dihitung dari rasio nilai PDB sektor real estate terhadap PDB total untuk

periode 2010Q1 sampai dengan 2017Q4 (sesuai dengan ketersediaan data).

Berdasarkan data tersebut, nilai steady state untuk rasio investasi perumahan

terhadap total PDB sebesar 0.03 sehingga nilai steady state investasi barang modal

sebesar 0.29.

Dengan menggunakan pendekatan yang sama, nilai steady state untuk

variabel sektor perbankan diperoleh sebagaimana terlihat pada gambar dan tabel

berikut.

Gambar 4.2. Data Asli dan Steady State Variabel Suku Bunga

Nilai steady state yang digunakan untuk variabel-variabel suku bunga dalam

penelitian ini adalah nilai rata-rata (mean) dari tiap-tiap variabel dengan

pembulatan 2 angka di belakang koma.

0

2

4

6

8

10

12

14

16

18

20

22

Suku Bunga BI 7DRR Suku Bunga BI 7DRR_SS Suku Bunga DPK Suku Bunga DPK_SS

Suku Bunga KK Suku Bunga KK_SS Suku Bunga KI dan KMK Suku Bunga KI dan KMK_SS

FFR FFR_SS

23

Tabel 4.2 Nilai Steady State Variabel Suku Bunga (% p.a)

7DRR Suku Bunga DPK

Suku Bunga Kredit

Konsumsi

Suku Bunga KMK dan KI

FFR

𝑹 𝒓𝒅 𝒓𝒃𝑯 𝒓𝒃𝑬 𝒓∗

Mean 7,508 5,518 15,793 11,683 1,620

Median 6,323 4,783 15,745 11,665 1,571

Maximum 14,959 10,587 19,167 13,805 4,127

Minimum 4,858 3,749 13,185 9,844 0,007

Std. Dev 2,750 1,914 2,011 1,274 1,289

Nilai steady state variabel-variabel dalam neraca bank diperoleh dengan

menggunakan nilai rata-rata selama periode estimasi sebagai berikut.

Tabel 4.3. Nilai Steady State Neraca Bank

Aset Kewajiban

𝑩

𝑻𝑨

Kredit 0,52 𝐷

𝑇𝐴

DPK 0,89

𝒃𝑰

𝑻𝑨

Kredit Konsumsi 0,14 𝐾𝑏

𝑇𝐴

Modal 0.11

𝒃𝑬

𝑻𝑨

Kredit Investasi dan Kredit Modal Kerja

0,38

𝑩𝑮

𝑻𝑨

Risk Free Asset 0,41

𝚪𝑫

𝑻𝑨

Reserve 0,07

Keterangan:

Nilai komponen aset dan kewajiban dalam rasio terhadap total aset/kewajiban

Sementara itu, untuk variabel exporter’s profit margin, peneliti menggunakan

nilai gross profit margin sektor komoditas berdasarkan Laporan Perekonomian

Indonesia (LPI) tahun 2016, yaitu sebesar 25%.

Nilai untuk parameter dan variabel steady state yang digunakan oleh model

dapat dilihat pada tabel berikut.

Tabel 4.4. Parameter

No. Variabel Keterangan Nilai

1. 𝛽𝐼 Discount factor dari fungsi utilitas impatient householdz 0.960

2. 𝛽𝐸 Discount factor dari fungsi utilitas Entrepreneur 0.967

3. ω𝑏 Porsi pembagian dividen bank 0.500

4. 𝛿ℎ Tingkat depresiasi rumah 0.013

5. 𝛿𝑘 Tingkat depresiasi barang modal 0.025

6. 𝑗 Bobot housing dalam fungsi utilitas rumah tangga 0.120

7. 𝛼 Share modal dalam fungsi produksi 0.540

8. 𝜙 Parameter terkait labor elasticity 0.010

9. 휃𝐻 Calvo parameter untuk domestic retailer 0.600

24

No. Variabel Keterangan Nilai

10. 휃𝐹 Calvo parameter untuk import retailer 0.500

11. 휃𝐻∗ Calvo parameter untuk export retailer 0.400

12. 𝜅𝑏𝐻 Adjustment cost parameter untuk perubahan suku bunga

kredit rumah tangga

8.040

13. 𝜅𝑏𝐸 Adjustment cost parameter untuk perubahan suku bunga

kredit entrepreneur 3.480

14. 𝜅𝑑 Adjustment cost parameter untuk perubahan suku bunga

deposito

3.300

𝜅𝑖 Adjustment cost parameter untuk perubahan investasi

barang modal

0.980

15. 𝜅ℎ Adjustment cost parameter untuk perubahan investasi

housing 3.650

16. 𝜙𝑅 Interest rate smoothing parameter dalam Taylor Rule 0.750

17. 𝜙𝑦 Output gap parameter dalam Taylor Rule 0.250

18. 𝜙𝜋 Inflation parameter dalam Taylor Rule 2.000

19. 𝜇𝐹𝑃 Elasticity of substitution antara domestic dan foreign goods

0.435

20. 𝜇𝐻∗ Elasticity of substitution dari barang ekspor 0.370

21. 𝜎 Porsi modal yang dimiliki entrepreneur 0.267

22. 𝜉 Home bias parameter 0.786

23. 𝜌 Risk premium parameter 0.010

Tabel 4.5. Steady States

No. Variabel Keterangan Nilai

1. 𝑐

𝑦𝐸 Rasio konsumsi terhadap PDB 0.66

2. 𝑖

𝑦𝐸

Rasio investasi terhadap PDB 0.32

3. 𝑖ℎ

𝑦𝐸

Rasio investasi perumahan terhadap PDB 0.03

4. 𝑖𝑘

𝑦𝐸

Rasio investasi barang modal terhadap PDB 0.29

5. 𝑦𝐻∗

𝑦𝐸

Rasio ekspor terhadap PDB 0.23

6. 𝑦𝐹

𝑦𝐸

Rasio impor terhadap PDB 0.21

7. 𝑅 Policy rate (% p.a) 7.51%

8. 𝑟∗ Suku bunga luar negeri (% p.a) 1.62%

9. 𝑟𝑑 Suku bunga deposit (% p.a) 5.52%

10. 𝑟𝑏𝐻 Suku bunga kredit rumah tangga (% p.a) 15.79%

11. 𝑟𝑏𝐸 Suku bunga kredit entrepreneur (% p.a) 11.68%

12. 𝐵

𝑇𝐴

Rasio kredit terhadap total aset bank 0.52

13. 𝑏𝐼

𝑇𝐴

Rasio kredit rumah tangga terhadap total aset bank 0.14

14. 𝑏𝐸

𝑇𝐴

Rasio kredit entrepreneur terhadap total aset bank 0.38

15. 𝐵𝐺

𝑇𝐴

Rasio risk free asset terhadap total aset bank 0.41

25

No. Variabel Keterangan Nilai

16. 𝐾𝑏

𝑇𝐴

Rasio modal terhadap total aset bank 0.11

17. 𝐷

𝑇𝐴

Rasio deposito terhadap total aset bank 0.89

18. 𝐷

𝑦𝐸

Rasio deposito terhadap PDB 1.70

19. 𝑚𝐼 LTV kredit rumah tangga 0.75

20. Γ Rasio giro wajib minimum 0.08

4.2. Simulasi Transmisi Kebijakan Moneter dan Makroprudensial

4.2.1. Transmisi Policy Rate

Untuk melihat transmisi kebijakan suku bunga digunakan persamaan Taylor

Rule sebagai berikut:

(1 + 𝑅𝑡) = (1 + 𝑅)1−𝜙𝑅(1 + 𝑅𝑡−1)

𝜙𝑅 ((𝜋𝑡𝜋)𝜙𝜋(𝑦𝑡𝐸

𝑦𝑡−1𝐸 )

𝜙𝑦

)

1−𝜙𝑅

𝜖𝑡𝑅

(4.1)

dengan 𝑅𝑡 merupakan suku bunga kebijakan. Parameter 𝜙𝑅 , 𝜙𝜋, 𝜙𝑦 adalah parameter

persistensi suku bunga kebijakan, parameter terkait respons deviasi inflasi dan

parameter terkait respons pertumbuhan output. 𝜖𝑡𝑅 adalah eror yang i.i.d dengan

distribusi normal dan standar deviasi sama dengan 𝜎𝜖𝑅. Nilai parameter yang

digunakan dalam simulasi adalah 𝜙𝑅 = 0.75, 𝜙𝜋 = 2, dan 𝜙𝑦 = 0.25.

Shock positif pada suku bunga kebijakan akan direspons oleh bank melalui

suku bunga deposito dan suku bunga kredit. Simulasi shock suku bunga pada

model dilakukan dalam dua kondisi, yaitu imperfect pass-through dan perfect pass-

through. Kondisi pass-through yang berbeda dipengaruhi oleh maturity structure

deposito dan kredit di dalam neraca keuangan bank. Makin panjang maturity, makin

lambat pass-through. Di dalam model, kondisi ini ditentukan oleh parameter 𝜅𝑑

untuk suku bunga deposito, 𝜅𝑏𝐻 untuk suku bunga kredit rumah tangga, dan 𝜅𝑏𝐸

untuk suku bunga kredit pengusaha.

Gambar 4.3 menunjukkan impulse respons dari 1% shock positif dari suku

bunga kebijakan terhadap variabel-variabel utama di dalam model. Grafik berwarna

biru menunjukkan bahwa shock 1% diberikan kepada suku bunga kebijakan dalam

kondisi imperfect pass-through, grafik berwarna merah menunjukkan bahwa shock

1% diberikan kepada suku bunga kebijakan dalam kondisi perfect pass-through.

Peningkatan suku bunga kebijakan akan berdampak pada penurunan total

deposito yang dihimpun, penurunan total kredit yang didistribusikan, dan

26

peningkatan aset likuid. Perubahan pada variabel-variabel neraca perbankan akan

berdampak pada menurunnya rasio loan to deposit (LDR). Dampak dari variabel

keuangan pun akan ditransmisikan ke sektor riil dengan menurunnya PDB,

menurunnya inflasi, menurunnya harga aset perumahan dan barang modal, dan

apresiasi nilai tukar.

Perubahan suku bunga kebijakan pada kondisi pass-through yang berbeda

akan memberikan dampak yang berbeda pula pada variabel sektor keuangan.

Perubahan jumlah simpanan deposito dan distribusi kredit akan lebih kecil pada

saat kondisi imperfect pass-through. Karena pass-through suku bunga kredit lebih

lambat daripada suku bunga deposito, total distribusi kredit akan lebih besar

daripada total deposito. Hal itu berdampak pada lebih tingginya rasio loan to deposit

jika dibandingkan pada saat kondisi perfect pass-through.

Perbedaan komposisi neraca keuangan bank pada kondisi pass-through yang

berbeda akan memengaruhi bagaimana seharusnya kebijakan moneter dan

makroprudensial berinteraksi satu sama lain, terutama pada saat kebijakan

tersebut bertujuan pada suatu kondisi neraca atau portfolio perbankan tertentu.

27

Gambar 4.3. Impulse Response Function atas Shock Suku Bunga Kebijakan

Keterangan: Impulse response menunjukkan deviasi dari steady state. Grafik berwarna biru

menunjukkan bahwa shock positif 1% diberikan kepada suku bunga kebijakan dalam

kondisi imperfect pass-through. Grafik berwarna merah menunjukkan bahwa shock positif

1% diberikan kepada suku bunga kebijakan dalam kondisi perfect pass-through.

0

0.002

0.004

0.006

0.008

0.01

0.012

0.014

0.016

0.018

1 10 19

CAR

-0.016

-0.014

-0.012

-0.01

-0.008

-0.006

-0.004

-0.002

0

1 10 19

Investasi

-0.018

-0.016

-0.014

-0.012

-0.01

-0.008

-0.006

-0.004

-0.002

0

1 10 19

Konsumsi

-0.001

0

0.001

0.002

0.003

0.004

0.005

0.006

0.007

1 10 19

BI Rate

Imperfect pass-through

Perfect pass-through

-0.001

0

0.001

0.002

0.003

0.004

0.005

0.006

1 10 19

Suku Bunga Deposito

-0.002

0

0.002

0.004

0.006

0.008

0.01

1 10 19

Suku Bunga Pinjaman Entrepreneur

-0.002

0

0.002

0.004

0.006

0.008

0.01

0.012

0.014

1 10 19

Suku Bunga Pinjaman Rumah Tangga

-0.04

-0.035

-0.03

-0.025

-0.02

-0.015

-0.01

-0.005

0

1 10 19

Deposito

-0.07

-0.06

-0.05

-0.04

-0.03

-0.02

-0.01

0

1 10 19

Pinjaman Entrepreneur

-0.1

-0.09

-0.08

-0.07

-0.06

-0.05

-0.04

-0.03

-0.02

-0.01

0

1 10 19

Pinjaman Rumah Tangga

-0.08

-0.07

-0.06

-0.05

-0.04

-0.03

-0.02

-0.01

0

1 10 19

Total Pinjaman

0

0.005

0.01

0.015

0.02

0.025

0.03

1 10 19

Aset Likuid Bank

0

0.005

0.01

0.015

0.02

0.025

0.03

1 10 19

Modal Bank

-0.025

-0.02

-0.015

-0.01

-0.005

0

1 10 19

LDR

-0.009

-0.008

-0.007

-0.006

-0.005

-0.004

-0.003

-0.002

-0.001

0

1 10 19

PDB

-0.006

-0.005

-0.004

-0.003

-0.002

-0.001

0

0.001

0.002

1 10 19

Inflasi

-0.012

-0.01

-0.008

-0.006

-0.004

-0.002

0

0.002

0.004

0.006

1 10 19

Harga Rumah

-0.014

-0.012

-0.01

-0.008

-0.006

-0.004

-0.002

0

0.002

1 10 19

Harga Barang Modal

-0.012

-0.01

-0.008

-0.006

-0.004

-0.002

0

0.002

0.004

1 10 19

Real Exchange Rate

-0.016

-0.014

-0.012

-0.01

-0.008

-0.006

-0.004

-0.002

0

1 10 19

Domestic Demand

28

4.2.2. Transmisi Kebijakan LTV Ratio Requirement

Untuk melihat transmisi perubahan rasio LTV diasumsikan dinamika rasio

LTV sebagai berikut:

𝒎𝒕𝑰 = 𝝓𝒎𝑰𝒎𝒕−𝟏

𝑰 + (𝟏 − 𝝓𝒎𝑰)𝒎𝑰 + 𝝐𝒕

𝒎𝑰 (4.2)

𝒎𝒕𝑬 = 𝝓𝒎𝑬𝒎𝒕−𝟏

𝑬 + (𝟏 − 𝝓𝒎𝑬)𝒎𝑬 + 𝝐𝒕

𝒎𝑬 (4.3)

dengan 𝜙𝑚𝐼 dan 𝜙𝑚𝐸 adalah parameter persistensi serta 𝜖𝑡𝑚𝐼 dan 𝜖𝑡

𝑚𝐸 adalah eror

yang i.i.d dengan distribusi normal dan standar deviasi sama dengan 𝜎𝜖𝑚𝐼 dan 𝜎𝜖𝑚𝐸.

Nilai persistensi yang digunakan dalam persamaan tersebut adalah 𝜙𝑚𝐼 = 0.9 dan

𝜙𝑚𝐸 = 0.9.

Gambar 4.4 menunjukkan impulse respons dari 1% shock negatif dari rasio

LTV terhadap variabel-variabel utama di dalam model. Grafik berwarna biru

menunjukkan shock 1% yang diberikan hanya kepada LTV untuk kredit rumah

tangga; grafik berwarna merah menunjukkan shock 1% yang diberikan hanya

kepada LTV untuk kredit pengusaha, sedangkan grafik berwarna hijau

menunjukkan shock 1% yang diberikan kepada kredit rumah tangga dan pengusaha

secara simultan.

Shock negatif dari 𝑚𝑡𝐼 akan menurunkan kredit kepada rumah tangga dan

kredit total. Penurunan LTV untuk kredit rumah tangga ini akan menyebabkan

penurunan, baik LDR, konsumsi maupun pembelian aset perumahan oleh rumah

tangga. Pada gilirannya harga aset perumahan juga akan turun. Hal tersebut akan

menurunkan output dan inflasi. Dalam rangka menurunkan pinjaman, bank akan

menambah aset bebas risiko (risk free asset) yang dimilikinya.

Serupa dengan 𝑚𝑡𝐼, shock negatif dari 𝑚𝑡

𝐸 akan menurunkan kredit kepada

pengusaha, kredit total, dan turunnya harga modal aset (asset capital) dan juga

output dari perekonomian. Hal itu menunjukkan bahwa tujuan kebijakan

penurunan rasio LTV adalah meredam pertumbuhan kredit yang berdampak

terhadap menurunnya pertumbuhan ekonomi (memiliki karakteristik

countercyclical) yang dapat terpenuhi.

Jika dilihat dari tiap-tiap shock individual (𝑚𝑡𝐼 dan 𝑚𝑡

𝐸), terlihat adanya

perpindahan distribusi kredit dari sektor yang lebih terestriksi ke sektor yang tidak

direstriksi. Shock negatif dari 𝑚𝑡𝐼 mengakibatkan turunnya kredit rumah tangga,

tetapi meningkatkan kredit untuk pengusaha. Sebaliknya, shock negatif dari 𝑚𝑡𝐸

menurunkan kredit pengusaha dan meningkatkan kredit kepada rumah tangga. Hal

29

tersebut akan menimbulkan dampak yang berbeda terhadap sektor riil. Pergeseran

dari kredit rumah tangga kepada kredit pengusaha akan meningkatkan harga aset

kapital, sedangkan pergeseran dari kredit entrepreneur akan meningkatkan harga

aset perumahan. Bank sentral perlu mempertimbangkan dampak dari pergeseran

distribusi kredit dalam merancang kebijakan LTV.

30

Gambar 4.4. Impulse Response Function atas Shock LTV

Keterangan: Impulse response menunjukkan deviasi dari steady state. Grafik berwarna biru

menunjukkan shock negatif 1% yang diberikan hanya kepada LTV untuk kredit rumah

tangga; grafik berwarna merah menunjukkan shock negatif 1% yang diberikan hanya kepada

LTV untuk kredit entrepreneur, sedangkan grafik berwarna hijau menunjukkan shock

negatif 1% yang diberikan kepada rumah tangga dan entrepreneur secara simultan.

-0.002

0

0.002

0.004

0.006

0.008

0.01

1 10 19

CAR

-0.0025

-0.002

-0.0015

-0.001

-0.0005

0

0.0005

0.001

0.0015

1 10 19

Investasi

-0.003

-0.0025

-0.002

-0.0015

-0.001

-0.0005

0

0.0005

0.001

1 10 19

Konsumsi

-0.0004

-0.00035

-0.0003

-0.00025

-0.0002

-0.00015

-0.0001

-0.00005

0

0.00005

0.0001

1 10 19

BI Rate

Shock LTV Rumah Tangga(RT)Shock LTV Entrepreneur €

-0.0002

-0.00015

-0.0001

-0.00005

0

0.00005

1 10 19

Suku Bunga Deposito

-0.003

-0.0025

-0.002

-0.0015

-0.001

-0.0005

0

0.0005

0.001

1 10 19

Suku Bunga Pinjaman Entrepreneur

-0.002

-0.0015

-0.001

-0.0005

0

0.0005

0.001

1 10 19

Suku Bunga Pinjaman Rumah Tangga

-0.025

-0.02

-0.015

-0.01

-0.005

0

1 10 19

Deposito

-0.045

-0.04

-0.035

-0.03

-0.025

-0.02

-0.015

-0.01

-0.005

0

0.005

1 10 19

Pinjaman Entrepreneur

-0.05

-0.04

-0.03

-0.02

-0.01

0

0.01

0.02

1 10 19

Pinjaman Rumah Tangga

-0.045

-0.04

-0.035

-0.03

-0.025

-0.02

-0.015

-0.01

-0.005

0

1 10 19

Total Pinjaman

0

0.001

0.002

0.003

0.004

0.005

0.006

0.007

0.008

0.009

0.01

1 10 19

Aset Likuid Bank

-0.02

-0.015

-0.01

-0.005

0

0.005

1 10 19

Modal Bank

-0.012

-0.01

-0.008

-0.006

-0.004

-0.002

0

1 10 19

LDR

-0.0012-0.001

-0.0008-0.0006-0.0004-0.0002

00.00020.00040.00060.0008

0.001

1 10 19

PDB

-0.0006

-0.0005

-0.0004

-0.0003

-0.0002

-0.0001

0

0.0001

0.0002

1 10 19

Inflasi

-0.0004

-0.0003

-0.0002

-0.0001

0

0.0001

0.0002

0.0003

0.0004

0.0005

1 10 19

Harga Rumah

-0.0004

-0.0003

-0.0002

-0.0001

0

0.0001

0.0002

0.0003

0.0004

1 10 19

Harga Barang Modal

-0.0003

-0.0002

-0.0001

0

0.0001

0.0002

0.0003

0.0004

1 10 19

Real Exchange Rate

-0.002

-0.0015

-0.001

-0.0005

0

0.0005

1 10 19

Domestic Demand

31

4.2.3. Transmisi Kebijakan CAR Requirement

Untuk melihat transmisi dari perubahan CAR requirement, diasumsikan

dinamika CAR sebagai berikut:

𝜻𝒕 = 𝝓𝜻𝜻𝒕−𝟏 + (𝟏 − 𝝓𝜻)𝜻 + 𝝐𝒕𝜻 (4.4)

dengan 휁𝑡 adalah CAR requirement, 𝜙𝜁 adalah parameter persistensi, serta 𝜖𝑡𝜁 adalah

eror yang i.i.d berdistribusi normal dan standar deviasi 𝜎𝜖𝜁. Nilai persistensi yang

digunakan dalam persamaan tersebut adalah 𝜙𝜁 = 0.97.

Gambar 4.5 berikut menunjukkan impulse respons dari 1% shock positif dari

CAR requirement terhadap variabel-variabel utama di dalam model. Grafik berwarna

merah menunjukkan respons bank yang memiliki tingkat adjustment yang besar

(𝜅𝐾𝑏 = 10, cepat bereaksi) kepada shock CAR requirement; grafik berwarna hijau

menunjukkan respons bank yang memiliki tingkat adjustment yang moderat (𝜅𝐾𝑏 =

1), sedangkan grafik berwarna kuning menunjukkan respons bank yang memiliki

tingkat adjustment yang kecil (𝜅𝐾𝑏 = 0.1, respon yang lambat) kepada shock CAR.

Kecepatan respons dari bank ini dipengaruhi oleh besarnya excess capital

buffer yang dimiliki. Makin kecil excess capital buffer akan makin cepat respons dari

bank terhadap perubahan CAR requirement. Dengan tingkat adjustment yang besar,

bank yang cepat bereaksi atas peningkatan CAR requirement akan menurunkan

kredit yang disalurkan dengan memindahkan dananya ke aset likuid (𝐵𝐺

meningkat). Pada saat bank memiliki excess capital buffer yang besar (tingkat

adjustment yang kecil), bank dimungkinkan untuk tidak secara dominan

mengalihkan dananya ke aset likuid karena dapat meningkatkan CAR yang dimiliki

melalui peningkatan profit.

Dampak dari penurunan kredit yang disalurkan bank akibat shock positif

CAR akan menurunkan LDR; konsumsi dan investasi dan pada gilirannya akan

menurunkan PDB.

7 Diasumsikan bahwa target CAR bank dipengaruhi oleh CAR requirement melalui fungsi sebagai

berikut:𝜐𝑡𝑏 =

𝜐

𝜁휁𝑡

32

Gambar 4.5 Impulse Response Function atas Shock CAR Requirement

Keterangan: Impulse response menunjukkan deviasi dari steady state. Grafik berwarna merah

menunjukkan penyesuaian yang besar terhadap shock positif 1% CAR; grafik berwarna hijau

menunjukkan penyesuaian yang moderat terhadap shock positif 1% CAR, sedangkan grafik

berwarna kuning menunjukkan penyesuaian yang kecil terhadap shock positif 1% CAR.

33

4.2.4. Transmisi Kebijakan Rasio Intermediasi Makroprudensial

Untuk melihat transmisi dari kebijakan Rasio Intermediasi Makroprudensial

diasumsikan bahwa nilai tambahan rasio reserve requirement yang dibebankan

kepada bank sebesar X𝑡 dengan persamaan sebagai berikut:

𝚾𝒕 = 𝑿_𝒃𝒂 [(𝑩𝒕𝑫𝒕−𝝌𝒕)

𝟐

]

𝟏𝟐

(4.5)

dengan 𝜒𝑡 adalah rasio LDR yang ditargetkan oleh bank sentral dan 𝑋_𝑏𝑎 adalah

parameter beban deviasi LDR dari target. Berbeda dengan kebijakan RIM yang

ditetapkan oleh Bank Indonesia8, di dalam model diasumsikan bahwa beban deviasi

bersifat simetris, baik untuk deviasi positif maupun negatif dari target LDR.

Diasumsikan bahwa 𝜒𝑡 memiliki dinamika sebagai berikut:

𝜒𝑡 = 𝜙𝜒𝜒𝑡−1 + (1 − 𝜙𝜒)𝜒 + 𝜖𝑡𝜒 (4.6)

dengan 𝜖𝑡𝜒 adalah eror yang i.i.d berdistribusi normal dan standar deviasi 𝜎𝜖𝜒. Nilai

persistensi yang digunakan dalam persamaan tersebut adalah 𝜙𝜁 = 0.9.

Gambar 4.6 berikut menunjukkan impulse respons dari 1% shock negatif dari target

LDR terhadap variabel-variabel utama di dalam model. Penurunan target LDR akan

direspons melalui penurunan pinjaman bank yang didominasi oleh penurunan

pinjaman terhadap pengusaha. Sementara itu, pinjaman terhadap rumah tangga

mengalami peningkatan pada periode-periode awal, tetapi akan menurun pada

periode berikutnya. Peningkatan sementara pada pinjaman rumah tangga

mencerminkan upaya bank untuk meminimalkan pengurangan pendapatannya

akibat penurunan loanable funds dengan mengalokasikan pada kredit yang memiliki

suku bunga yang lebih tinggi.

Penurunan target LDR yang ditetapkan bank sentral akan berdampak pada

penurunan konsumsi, investasi, dan keseluruhan output perekonomian. Harga

barang modal juga mengalami penurunan. Sejalan dengan meningkatnya pinjaman

rumah tangga pada periode-periode awal, harga rumah juga ikut meningkat, tetapi

menurun sesuai dengan penurunan kredit rumah tangga pada periode selanjutnya.

8 Untuk simulasi ini ditetapkan 𝑋_𝑏𝑎 sebesar 0,2. Perbedaan lain dengan penerapan kebijakan RIM

oleh Bank Indonesia adalah terkait beban deviasi target LDR yang dikaitkan dengan nilai CAR yang dimiliki bank. Keterangan lebih lengkap mengenai kebijakan RIM yang ditetapkan oleh Bank Indonesia dapat dilihat dalam lampiran.

34

Gambar 4.6. Impulse Response Function atas Shock Rasio Intermediasi

Makroprudensial

-0.00005

0

0.00005

0.0001

0.00015

0.0002

0.00025

0.0003

0.00035

0.0004

1 10 19

CAR

-0.0009

-0.0008

-0.0007

-0.0006

-0.0005

-0.0004

-0.0003

-0.0002

-0.0001

0

1 10 19

Investasi

-0.00016

-0.00014

-0.00012

-0.0001

-0.00008

-0.00006

-0.00004

-0.00002

0

1 10 19

Konsumsi

-0.00001

-0.000005

0

0.000005

0.00001

0.000015

0.00002

0.000025

0.00003

1 10 19

BI Rate

Shock terhadap Target LDR

-0.000018

-0.000016

-0.000014

-0.000012

-0.00001

-0.000008

-0.000006

-0.000004

-0.000002

0

1 10 19

Suku Bunga Deposito

-0.0001

-0.00008

-0.00006

-0.00004

-0.00002

0

0.00002

1 10 19

Suku Bunga Pinjaman Entrepreneur

-0.00006

-0.00005

-0.00004

-0.00003

-0.00002

-0.00001

0

0.00001

0.00002

1 10 19

Suku Bunga Pinjaman Rumah Tangga

-0.0012

-0.001

-0.0008

-0.0006

-0.0004

-0.0002

0

1 10 19

Deposito

-0.003

-0.0025

-0.002

-0.0015

-0.001

-0.0005

0

1 10 19

Pinjaman Entrepreneur

-0.0006

-0.0004

-0.0002

0

0.0002

0.0004

0.0006

0.0008

1 10 19

Pinjaman Rumah Tangga

-0.0018

-0.0016

-0.0014

-0.0012

-0.001

-0.0008

-0.0006

-0.0004

-0.0002

0

1 10 19

Total Pinjaman

-0.0045

-0.004

-0.0035

-0.003

-0.0025

-0.002

-0.0015

-0.001

-0.0005

0

1 10 19

Aset Likuid Bank

-0.0012

-0.001

-0.0008

-0.0006

-0.0004

-0.0002

0

1 10 19

Modal Bank

-0.00045

-0.0004

-0.00035

-0.0003

-0.00025

-0.0002

-0.00015

-0.0001

-0.00005

0

1 10 19

LDR

-0.00025

-0.0002

-0.00015

-0.0001

-0.00005

0

1 10 19

PDB

-0.00002

-0.00001

0

0.00001

0.00002

0.00003

0.00004

0.00005

1 10 19

Inflasi

-0.00004-0.00002

00.000020.000040.000060.00008

0.00010.000120.000140.000160.00018

1 10 19

Harga Rumah

-0.0001

-0.00008

-0.00006

-0.00004

-0.00002

0

0.00002

1 10 19

Harga Barang Modal

-0.012

-0.01

-0.008

-0.006

-0.004

-0.002

0

1 10 19

Target LDR

-0.00006

-0.00004

-0.00002

0

0.00002

0.00004

0.00006

0.00008

0.0001

0.00012

0.00014

1 10 19

Real Exchange Rate

-0.0004

-0.00035

-0.0003

-0.00025

-0.0002

-0.00015

-0.0001

-0.00005

0

1 10 19

Domestic Demand

35

4.3. Simulasi Bauran Kebijakan Optimal

4.3.1. Central Bank’s Objective dan Macroprudential Policy Rules

Pada bagian ini dilakukan simulasi bagaimana bauran kebijakan moneter

dan makroprudensial dapat mencapai stabilitas makroekonomi dan stabilitas sistem

keuangan. Di dalam model diasumsikan bahwa hanya bank sentral yang bertugas

sebagai pengambil keputusan dari kedua kebijakan tersebut sebagaimana mandat

yang dimiliki oleh Bank Indonesia.

Stabilitas makroekonomi pada penelitian ini didefinisikan sebagai

penjumlahan dari variansi inflasi dan variansi PDB, sedangkan stabilitas keuangan

adalah variansi dari rasio total kredit terhadap total PDB. Kebijakan yang dapat

digunakan untuk mencapai stabilitas makroekonomi dan sistem keuangan adalah

suku bunga kebijakan, CAR requirement, kebijakan RIM, dan kebijakan LTV ratio

requirement.

Dalam menentukan kebijakan LTV ratio requirement, bank sentral

menggunakan persamaan berikut:

𝑚𝑡𝐼 = (𝑚𝑡−1

𝐼 )𝜌𝑚𝐼

(

𝑚𝐼

(

𝐵𝑡𝐼

𝑦𝑡𝐸

𝐵𝐼

𝑦𝐸)

−𝜙𝑚𝐼

)

1−𝜌𝑚𝐼

휀𝑡𝑚𝐼

(4.7)

𝑚𝑡𝐸 = (𝑚𝑡−1

𝐸 )𝜌𝑚𝐸

(

𝑚𝐸

(

𝐵𝑡𝐸

𝑦𝑡𝐸

𝐵𝐸

𝑦𝐸)

−𝜙𝑚𝐸

)

1−𝜌𝑚𝐸

휀𝑡𝑚𝐸

(4.8)

dengan 𝜌𝑚𝐼 dan 𝜌𝑚𝐸 merupakan smoothing parameter, 𝜙𝑚𝐼 dan 𝜙𝑚𝐸 merupakan

parameter yang menentukan reaksi countercyclical. Variabel yang digunakan

sebagai trigger variable adalah deviasi rasio kredit tiap sektor terhadap PDB dari

steady state-nya.

Dalam menentukan kebijakan CAR requirement, bank sentral menggunakan

persamaan berikut:

𝜐𝑡𝑏 = (𝜐𝑡−1

𝑏 )𝜌𝜐𝑏

(

𝜐𝑏(

𝐵𝑡𝑦𝑡𝐸

𝐵𝑦𝐸

)

−𝜙𝜐𝑏

)

1−𝜌𝜐𝑏

휀𝑡𝜐𝑏

(4.9)

36

dengan 𝜌𝜐𝑏 merupakan parameter persistensi dan 𝜙𝜐𝑏 merupakan parameter yang

menentukan respons dari kebijakan CAR requirement pada perubahan dari rasio

kredit terhadap PDB. Sementara itu, dalam menentukan kebijakan RIM, bank

sentral menggunakan pendekatan yang sama dengan CAR requirement sebagaimana

dituliskan pada persamaan berikut:

𝜒𝑡 = (𝜒𝑡−1)𝜌𝜒

(

𝜒(

𝐵𝑡𝑦𝑡𝐸

𝐵𝑦𝐸

)

−𝜙𝜒

)

1−𝜌𝜒

휀𝑡𝜒

(4.10)

dengan 𝜌𝜒 merupakan parameter persistensi dan 𝜙𝜒 merupakan parameter yang

menentukan respons dari target LDR pada perubahan dari rasio kredit terhadap

PDB.

Bank sentral memiliki beberapa opsi kebijakan dalam menghadapi berbagai

guncangan dan risiko yang menimbulkan ketidakstabilan makroekonomi dan

keuangan. Terdapat dua skenario kebijakan yang digunakan dengan memanfaatkan

central bank loss function. Skenario pertama adalah skenario baseline, yaitu bank

sentral hanya memiliki suku bunga kebijakan sebagai alat untuk menjaga

kestabilan makroekonomi. Skenario kedua adalah bank sentral menggunakan suku

bunga kebijakan dan instrumen kebijakan makroekonomi yang lain (CAR

requirement, RIM, dan LTV rasio) untuk mencapai stabilitas makroekonomi dan

stabilitas sistem keuangan.

Pada skenario pertama, bank sentral hanya memiliki tujuan untuk menjaga

kestabilan makroekonomi dengan kebijakan yang digunakan, yaitu kebijakan

moneter berupa suku bunga kebijakan dengan persamaan Taylor Rule seperti pada

persamaan (4.1). Fungsi kerugian bank sentral untuk skenario pertama dituliskan

sebagai berikut:

𝐿 = 𝜎𝜋2 + 𝜍𝑦𝐸𝜎𝑦𝐸

2 + 𝜍𝑟𝜎Δ𝑟2 (4.11)

Skenario kedua, selain memiliki suku bunga kebijakan, bank sentral memiliki

beberapa instrumen kebijakan makroekonomi lain dengan central bank loss function

sebagai berikut:

𝐿 = 𝜎𝜋2 + 𝜍𝑦𝐸𝜎𝑦𝐸

2 + 𝜍𝐵 𝑌𝐸⁄ 𝜎B Y𝐸⁄2 + 𝜍𝑟𝜎Δ𝑟

2 + 𝜍𝜐𝑏𝜎Δ𝜐𝑏2 + 𝜍𝜒𝜎Δ𝜒

2 + 𝜍𝑚𝐼𝜎Δ𝑚𝐼2 + 𝜍𝑚𝐸𝜎Δ𝑚𝐸

2 (4.12)

37

dengan 𝜍𝑦𝐸 dan 𝜍𝐵 𝑌𝐸⁄ merupakan bobot kestabilan PDB dan kestabilan keuangan

dan 𝜍𝑟, 𝜍𝜐𝑏, 𝜍𝜒, 𝜍𝑚𝐼, dan 𝜍𝑚𝐸 merupakan preferensi bank sentral terhadap variabilitas

kebijakan yang diberikan. Pada model digunakan 𝜍𝑦𝐸 = 0.5 dan 𝜍𝐵 𝑌𝐸⁄ = 1 dan nilai

0.1 untuk variabilitas instrumen kebijakan yang lain.

4.3.2. Bauran Kebijakan Menghadapi Technology Shocks

Pada bagian ini dibahas mengenai strategi kebijakan dalam menghadapi total

factor productivity (TFP) shock. Total factor productivity diasumsikan mengikuti

persamaan berikut:

𝑙𝑛(𝑎𝑡𝐸) = 𝜌𝑎𝐸𝑙𝑛(𝑎𝑡−1

𝐸 ) + 𝜖𝑡𝑎𝐸 (4.13)

dengan 𝜌𝑎𝐸 merupakan parameter persistensi dan 𝜖𝑡𝑎𝐸 merupakan eror yang i.i.d

berdistribusi normal dan standar deviasi 𝜎𝑎𝐸.

Gambar 4.7 berikut menunjukkan impulse respons dari 1% shock positif dari

technology shock terhadap variabel-variabel utama di dalam model. Grafik berwarna

biru menunjukkan bahwa bank sentral bertujuan menjaga stabilitas makroekonomi

dengan hanya menggunakan suku bunga kebijakan. Grafik berwana merah

menunjukkan bahwa bank sentral bertujuan menjaga stabilitas makroekonomi dan

sistem keuangan dengan hanya menggunakan suku bunga kebijakan. Grafik

berwarna hijau, kuning, dan ungu masing-masing menunjukkan bahwa bank

sentral menjaga stabilitas makroekonomi dan sistem keuangan dengan

menggunakan suku bunga kebijakan dan dikombinasikan dengan kebijakan CAR

requirement, RIM, dan LTV ratio requirement.

Shock positif terhadap teknologi akan berdampak pada meningkatnya PDB

dan turunnya inflasi. Bank sentral akan memberikan respons yang berbeda untuk

suku bunga kebijakan. Pada saat kebijakan yang digunakan hanya suku bunga

kebijakan dan dikombinasikan dengan LTV, bank sentral akan meningkatkan suku

bunga. Sementara itu, pada saat dikombinasikan dengan kebijakan yang lain, bank

sentral akan menurunkan suku bunganya. Hal itu akan memengaruhi respons bank

dalam penentuan suku bunga deposito dan suku bunga pinjaman yang juga akan

berpengaruh terhadap penyaluran kredit perbankan kepada sektor riil.

38

Gambar 4.7. Impulse Response Function atas Technology Shock

-0.004

-0.003

-0.002

-0.001

0

0.001

0.002

0.003

0.004

0.005

1 10 19

CAR

-0.004

-0.002

0

0.002

0.004

0.006

0.008

0.01

0.012

0.014

1 10 19

Investasi

-0.001

0

0.001

0.002

0.003

0.004

0.005

1 10 19

Konsumsi

-0.002

-0.0015

-0.001

-0.0005

0

0.0005

0.001

0.0015

1 10 19

BI Rate

Standard Taylor Rule (MS)Standard Taylor Rule (MS+FS)Taylor Rule + CAR RequirementTaylor Rule + RIMTaylor Rule + LTV Ratio Rule

-0.001

-0.0008

-0.0006

-0.0004

-0.0002

0

0.0002

0.0004

0.0006

1 10 19

Suku Bunga Deposito

-0.002

-0.0015

-0.001

-0.0005

0

0.0005

0.001

0.0015

1 10 19

Suku Bunga Pinjaman Entrepreneur

-0.001-0.0008-0.0006-0.0004-0.0002

00.00020.00040.00060.0008

1 10 19

Suku Bunga Pinjaman Rumah Tangga

-0.012

-0.01

-0.008

-0.006

-0.004

-0.002

0

0.002

0.004

0.006

0.008

1 10 19

Deposito

-0.03

-0.025

-0.02

-0.015

-0.01

-0.005

0

0.005

0.01

0.015

1 10 19

Pinjaman Entrepreneur

-0.01

-0.005

0

0.005

0.01

0.015

1 10 19

Pinjaman Rumah Tangga

-0.025

-0.02

-0.015

-0.01

-0.005

0

0.005

0.01

0.015

1 10 19

Total Pinjaman

-0.008

-0.006

-0.004

-0.002

0

0.002

0.004

0.006

0.008

1 10 19

Aset Likuid Bank

-0.006

-0.005

-0.004

-0.003

-0.002

-0.001

0

0.001

0.002

0.003

1 10 19

LDR

-0.002

0

0.002

0.004

0.006

0.008

0.01

1 10 19

PDB

-0.002

-0.0015

-0.001

-0.0005

0

0.0005

0.001

0.0015

1 10 19

Inflasi

-0.0005

0

0.0005

0.001

0.0015

0.002

0.0025

0.003

0.0035

1 10 19

Harga Rumah

-0.001

-0.0005

0

0.0005

0.001

0.0015

0.002

0.0025

0.003

0.0035

1 10 19

Harga Barang Modal

-0.015

-0.01

-0.005

0

0.005

0.01

1 10 19

Target LDR

-0.03

-0.025

-0.02

-0.015

-0.01

-0.005

0

0.005

1 10 19

Kredit per PDB

-0.0005

0

0.0005

0.001

0.0015

0.002

0.0025

1 10 19

Real Exchange Rate

-0.0015

-0.001

-0.0005

0

0.0005

0.001

0.0015

0.002

0.0025

0.003

1 10 19

LTV Rumah Tangga

-0.012

-0.01

-0.008

-0.006

-0.004

-0.002

0

1 10 19

Pinjaman Luar Negeri per PDB

-0.0005

0

0.0005

0.001

0.0015

0.002

0.0025

0.003

0.0035

0.004

1 10 19

LTV Entrepreneur

-0.008

-0.007

-0.006

-0.005

-0.004

-0.003

-0.002

-0.001

0

0.001

0.002

1 10 19

CAR Requirement

39

Secara umum terlihat bahwa seluruh kombinasi kebijakan yang

dioptimalisasi untuk mencapai stabilitas makroekonomi dan stabilitas sistem

keuangan dapat mencapai stabilitas sistem keuangan yang lebih baik jika

dibandingkan dengan kebijakan yang dioptimalisasi hanya untuk mencapai

stabilitas makroekonomi. Hal itu dapat terlihat dengan jelas dalam tabel 4.6. Dari

tabel tersebut terlihat bahwa stabilitas inflasi dan sistem keuangan mengalami

peningkatan yang cukup signifikan jika dibandingkan dengan skenario baseline.

Namun, hal itu dibarengi dengan peningkatan instabilitas yang cukup tinggi

terhadap output. Dari tabel 4.7 juga terlihat bahwa terjadi peningkatan yang

signifikan terhadap stabilitas nilai tukar, harga rumah dan rasio pinjaman luar

negeri terhadap PDB. Seperti halnya output, stabilitas harga barang modal

mengalami peningkatan yang cukup signifikan. Hal itu menunjukkan bahwa

terdapat trade-off antara pencapaian stabilitas inflasi, sistem keuangan (bank), nilai

tukar, harga rumah, dan rasio pinjaman luar negeri terhadap PDB dengan

pencapaian stabilitas output dan harga barang modal ketika ekonomi mengalami

technology shock. Bank sentral perlu mencermati trade-off ini agar dapat memilih

kebijakan optimal yang akan diterapkan.

Selain itu, hasil simulasi model menunjukkan bahwa penerapan bauran

kebijakan moneter dan makroprudensial memiliki kinerja yang lebih baik dalam

mencapai stabilitas makroekonomi dan sistem keuangan jika dibandingkan dengan

hanya mengimplementasikan kebijakan moneter. Hal itu terlihat dari penurunan

ketidakstabilan total yang lebih besar ketika menggabungkan penerapan suku

bunga kebijakan dengan salah satu instrumen kebijakan makroprudensial jika

dibandingkan dengan hanya menerapkan suku bunga kebijakan untuk mencapai

stabilitas makroekonomi dan sistem keuangan.

Tabel 4.6. Hasil Optimisasi Model untuk Stabilitas Makroekonomi dan Keuangan

dalam Menghadapi Technology Shock

Variansi Inflasi

Variansi Output

Ketidakstabilan Makroekonomi

Ketidaktabilan Sistem

Keuangan

Ketidakstabilan Total

Optimisasi untuk Stabilitas Makroekonomi

Standard Taylor Rule

0.063 1.499 0.813 22.133 22.946

Optimisasi untuk Stabilitas Makroekonomi dan Stabilitas Sistem Keuangan

Standard Taylor Rule

0.031 2.891 1.476 0.912 2.389

(-51.593) (92.853) (81.650) (-95.878) (-89.590)

Taylor Rule dan CAR Requirement

0.032 2.909 1.487 0.092 1.578

40

(-48.844) (94.021) (82.941) (-99.585 ) (-93.121)

Taylor Rule dan RIM

0.020 3.005 1.523 0.600 2.123

(-67.768 ) (100.454) (87.407) (-97.290) (-90.749 )

Taylor Rule dan LTV Rasio

0.035 1.950 1.010 0.219 1.229

(-44.258) (30.075) (24.310) (-99.012) (-94.645)

Keterangan:

Variansi, ketidakstabilan makroekonomi, ketidakstabilan sistem keuangan, dan ketidakstabilan total dinyatakan sebagai rasio terhadap variansi exogeneous shock. Nilai di

dalam kurung menunjukkan persentase perbedaan dari variansi/ketidakstabilan yang dihasilkan model dengan hasil optimasi untuk stabilitas makroekonomi dengan Standard Taylor Rule. Nilai dengan warna merah mengindikasikan peningkatan ketidakstabilan,

sedangkan nilai dengan warna biru mengindikasikan penurunan ketidakstabilan.

Tabel 4.7 Hasil Optimisasi Model untuk Variabel Lain dalam Menghadapi

Technology Shock

Variansi Nilai

Tukar Harga Aset Perumahan

Harga Barang Modal

Rasio Pinjaman Luar

Negeri terhadap PDB

Optimisasi untuk Stabilitas Makroekonomi

Standard Taylor Rule 0.137 0.370 0.059 11.646

Optimisasi untuk Stabilitas Makroekonomi dan Stabilitas Sistem Keuangan

Standard Taylor Rule 0.063 0.147 0.193 5.172 (-53.791) (-60.337) (225.071) (-55.589)

Taylor Rule and CAR Requirement 0.063 0.133 0.204 5.332 (- 53.741) (-64.045) (244.014) (-54.217)

Taylor Rule and RIM 0.075 0.153 0.227 4.867 (-45.527) (-58.584) (281.513) (-58.204)

Taylor Rule and LTV Ratio Rule 0.083 0.250 0.109 8.169 (-39.446) (-32.541) (84.091) (-29.853)

Keterangan: Variansi dinyatakan sebagai rasio terhadap variansi exogeneous shock. Nilai di dalam kurung

menunjukkan persentase perbedaan dari variansi/ketidakstabilan yang dihasilkan model dengan hasil optimasi untuk stabilitas makroekonomi dengan Standard Taylor Rule. Nilai

dengan warna merah mengindikasikan peningkatan ketidakstabilan, sedangkan nilai

dengan warna biru mengindikasikan penurunan ketidakstabilan.

41

5. Simpulan dan Saran

5.1. Simpulan dan Saran

Dalam penelitian ini dibangun model makrofinansial berbasis Dynamic

Stochastic General Equilibrium (DSGE) untuk mempelajari transmisi dari kebijakan

moneter dan kebijakan makroprudensial. Model yang dibangun mengasumsikan

small open economy dan dikalibrasi dengan menggunakan data Indonesia dengan

periode data mulai dari 2000Q3 sampai dengan 2107Q4.

Hasil simulasi model menunjukkan bahwa instrumen kebijakan

makroprudensial yang terdapat di dalam model (Loan to Value (LTV) ratio

requirement, Capital Adequacy Ratio (CAR) requirement dan kebijakan Rasio

Intermediasi Makroprudensial (RIM) memiliki perilaku countercyclical sehingga

dapat digunakan untuk meredam perilaku procyclical dari sistem perbankan.

Transmisi suku bunga kebijakan terhadap suku bunga retail perbankan

ditentukan dari tingkat interest rate passthrough yang dipengaruhi oleh maturity

structure portofolio kredit dan deposito perbankan. Tingkat interest rate passthrough

sangat menentukan alokasi portofolio asset dan liabilities perbankan sehingga dapat

menentukan interaksi antara kebijakan moneter dan kebijakan makroprudensial,

terutama apabila kebijakan makroprudensial didasarkan pada suatu kondisi neraca

atau keseimbangan portofolio asset-liabilities tertentu (misalnya, apabila trigger

variable kebijakan makroprudensial adalah LDR di level tertentu). Bank sentral

perlu secara rutin melakukan pengawasan terhadap passthrogh suku bunga

kebijakan ke suku bunga retail perbankan untuk kebutuhan analisis bauran

kebijakan moneter dan makroprudensial.

Excess capital buffer yang dimiliki oleh perbankan akan menentukan

transmisi kebijakan terkait Capital Adequacy Ratio (CAR) requirement yang

ditetapkan oleh bank sentral (misalnya, kebijakan countercyclical capital buffer atau

CCB). Makin tinggi excess capital buffer yang dimiliki perbankan makin tidak efektif

kebijakan CCB untuk mengurangi procyclicality dari sektor perbankan.

Penurunan LTV untuk kredit rumah tangga akan menyebabkan turunnya,

baik kredit rumah tangga, kredit total, penurunan konsumsi maupun pembelian

aset perumahan oleh rumah tangga. Pada gilirannya harga aset perumahan juga

akan turun. Hal tersebut akan menurunkan output dan inflasi. Senada dengan itu,

penurunan LTV untuk kredit pengusaha menyebabkan penurunan kredit dan

42

turunnya investasi kapital yang selanjutnya pada penurunan output. Berdasarkan

simulasi model, terlihat adanya perpindahan distribusi kredit dari sektor yang lebih

terestriksi kepada sektor yang tidak direstriksi. Bank sentral perlu

mempertimbangkan dampak dari pergeseran distribusi kredit dalam merancang

kebijakan LTV.

Hasil simulasi model juga menunjukkan bahwa penerapan bauran kebijakan

moneter dan makroprudensial memiliki kinerja yang lebih baik dalam mencapai

stabilitas makroekonomi dan sistem keuangan jika dibandingkan dengan hanya

mengimplementasikan kebijakan moneter dalam menghadapi technology shock.

Namun, terdapat trade-off antara pencapaian stabilitas inflasi, sistem keuangan

(bank), nilai tukar, harga rumah, dan rasio pinjaman luar negeri terhadap PDB

dengan pencapaian stabilitas output dan harga barang modal ketika ekonomi

mengalami technology shock. Bank sentral perlu mencermati trade-off tersebut

untuk dapat memilih kebijakan optimal yang akan diterapkan.

5.2. Arah Penelitian Kedepan

Secara umum, model pada penelitian ini mampu memenuhi tujuan

pengembangannya, yaitu mempelajari transmisi dan interaksi kebijakan moneter

dan makroprudensial. Model pada penelitian ini juga dapat digunakan untuk

melakukan simulasi bauran kebijakan optimal untuk menghadapi suatu kondisi

shock tertentu, baik yang berasal dari domestik maupun dari eksternal. Dalam

penelitian ini dilakukan simulasi bauran kebijakan optimal dalam menghadapi

technology shock. Ke depan dapat dilakukan simulasi bauran kebijakan optimal

dalam menghadapi capital inflow shock, domestic price shock, dan consumer’s

preference shock.

Dengan sedikit modifikasi, model ini juga dapat digunakan untuk melakukan

simulasi kebijakan Capital Flow Management (CFM) sebagaimana ditunjukkan

dalam Purwanto (2017). Dengan demikian, analisis bauran kebijakan yang

dilakukan meliputi kebijakan moneter, makroprudensial, dan CFM. Hal ini terutama

akan sangat berguna dalam melakukan simulasi bauran kebijakan optimal dalam

menghadapi capital inflow shocks.

Model yang dikembangkan dalam penelitian ini juga dapat digunakan untuk

melakukan welfare analysis dari kebijakan optimal yang diterapkan bank sentral9.

9 Welfare analysis dari kebijakan optimal bank sentral dapat dilakukan mengikuti Purwanto (2017).

43

Analisis ini dilakukan untuk mengidentifikasi dampak kebijakan tertentu yang akan

diimplementasikan oleh bank sentral terhadap welfare dari rumah tangga, baik

savers, borrowers maupun pengusaha. Informasi yang didapat akan sangat berguna

dalam proses formulasi kebijakan, terutama untuk melihat apakah kebijakan bank

sentral yang ditujukan untuk mencapai stabilitas makroekonomi dan sistem

keuangan memiliki unintended negative externalities terhadap agen ekonomi

tertentu.

44

Daftar Pustaka

Agenor, P., Alper, K., dan Silva, L. 2011. Capital regulation, monetary policy and

financial stability. Working Papers Series No237, Central Bank of Brazil,

Brazil

Alpanda, S., Cateau, G. and Meh, C. 2014. A Policy Model to Analyze

Macroprudential Regulations and Monetary Policy. BIS Working Paper 461.

Angelini, P., Enria, A., Neri, S., Panetta, F. and Quagliariello, M. 2010. Pro-cyclicality

of capital regulation: is it a problem? How to fix it?. Questioni di Economia

e Finanza (Occasional Papers) 74. Bank of Italy. Economic Research and

International Relations Area.

Angelini, P., Neri, S. and Panetta, F. 2011.Monetary and macroprudential policies.

Temi di discussione (Economic working papers) 801.Bank of Italy. Economic

Research and International Relations Area.

Bianchi, J. and Mendoza E. 2010). Overborrowing, Financial Crises, and

Macroprudential: Taxes. NBER Working Paper 16091.

Cecchetti, S. G. dan Kohler, M. 2014. When capital adequacy and interest rate policy

are substitutes (and when they are not). International Journal of Central

Banking. 10(3):205-232.

Chadha, J., dan Corrado, L., 2012. Macro-prudential Policy in Liquidity: What does

a DSGE Model tell us?

Chen, J. dan Columba, F. 2016. Macroprudential and Monetary Policy Interactions

in a DSGE Model for Sweden. IMF Working Paper WP/16/74.

Drehmann, M., Borio, C., dan Tsatsaronis, K. 2011. Anchoring countercyclical

capital buffers: the role of credit aggregates. BIS Working Paper No 335,

Bank for International Settlements, Basel.

Ferreira, L., dan Nakane, M., 2015. Macroprudential Policy in a DSGE Model:

Anchoring the Countercyclical Capital Buffer.

Gerali, A., Neri, S. Sessa, L. and Signoretti, F., 2010. Credit and banking in a DSGE

model of the euro area. Temi di discussione (Economic working papers) 740.

Bank of Italy. Economic Research and International Relations Area.

Harmanta, Purwanto, N. and Oktiyanto, F. 2012. Sektor Perbankan dalam Model

DSGE. Bank Indonesia Working Paper No. WP/16/2012.

Harmanta, Purwanto, N., Rachmanto, A., and Oktiyanto, F. 2013. Penyempurnaan

Pemodelan Financial Frictions pada Model DSGE-Bank. Bank Indonesia

Working Paper No. WP/3/2013.

45

Kannan, P., Rabanal, P., dan Scott, A. M. 2012. Monetary dan Macroprudential

policy rules in a model with house price booms. The B.E. Journal of

Macroeconomics, 12(1):16.

Kitoyaki, N. and J. Moore 1997. Credit Cycles. Journal of Political Economy 105(2),

211-248.

Meh, C. and Moran, K. 2010. The Role of Bank Capital in the Propagation of Shocks.

Journal of Economic Dynamics and Control 34, 555-576.

Purwanto, N. 2017. Essays on Macroeconomic Policy Mix for The Emerging Asian Economies-

Post Global Financial Crisis. Phd Thesis. University of Nottingham.

Purwanto, N., Suryaningsih, N., Kurniati, I. and Indriani, R. 2017. Pembangunan

Model Makroprudensial Berbasis Dynamic Stochastic General Equilibrium.

LHP. Bank Indonesia.

Quint, D. and Rabanal, P. 2013. Monetary and Macroprudential Policy in an

Estimated DSGE Model of the Euro Area. IMF Working Paper WP/13/209.

Suh, H. 2012. Macroprudential policy: Its effects and relationships to monetary

policy. Working Paper No 12-28, Federal Reserve Bank of Philadelphia,

Philadelphia.

Vermandel, G. 2015. The Setting of Macroprudential Instruments in the Eurozone:

An Estimated DSGE Analysis.

46

Lampiran

Rasio Intermediasi Makroprudensial (RIM)

Perilaku sektor keuangan, khususnya perbankan cenderung prosiklikal

dengan perekonomian yang bergerak naik dan turun. Saat kondisi ekonomi sedang

baik, perbankan akan melakukan ekspansi dan meningkatkan perilaku dalam

pengambilan risiko. Sementara itu, ketika kondisi ekonomi menurun, perbankan

cenderung menahan ekspansi dengan menahan penyaluran kredit atau mengurangi

perilaku dalam pengambilan risiko.

Bank Indonesia memperkenalkan kebijakan makroprudensial yang baru,

yaitu Rasio Intermediasi Makroprudensial (RIM) pada tahun 2018 untuk mencegah

dan mengurangi risiko perilaku perbankan yang proksiklikal dan gangguan

terhadap fungsi intermediasi perbankan. Instrumen kebijkan RIM diharapkan dapat

mendorong fungsi intermediasi perbankan yang seimbang dan berkualitas kepada

sektor riil sesuai dengan kapasitas dan target pertumbuhan ekonomi dengan tetap

menjaga prinsip kehati-hatian. Kebijakan ini bersifat countercyclical dan dapat

disesuaikan dengan perubahan kondisi ekonomi yang diimplementasikan kepada

seluruh perbankan, baik konvensional maupun syariah.

Kebijakan RIM bagi bank konvensional telah dikenal sebelumnya dengan

GWM LFR (Giro Wajib Minimum loan to funding ratio), sedangkan bagi bank syariah

dikenal dengan GWM FDR (Giro Wajib Minimum Financing to Deposit Ratio) yang

merupakan bagian dari kebijakan GWM (Giro Wajib Minimum). Instrumen RIM

mengalami penyempurnaan dari sebelumnya dengan menambahkan komponen

surat berharga dalam perhitungannya.

Pemenuhan kewajiban Giro RIM, Giro RIM Syariah dipenuhi setelah

pemenuhan GWM dalam rupiah secara harian. Beberapa pokok pengaturan Giro

RIM dan RIM Syariah sebagai berikut.

Pengaturan RIM (BUK) RIM Syariah (BUS dan UUS)

Formula 𝐾𝑟𝑒𝑑𝑖𝑡 + 𝑆𝐵 𝑦𝑎𝑛𝑔 𝑑𝑖𝑚𝑖𝑙𝑖𝑘𝑖

𝐷𝑃𝐾 + 𝑆𝐵 𝑦𝑎𝑛𝑔 𝑑𝑖𝑡𝑒𝑟𝑏𝑖𝑡𝑘𝑎𝑛

𝑃𝑒𝑚𝑏𝑖𝑎𝑦𝑎𝑎𝑛 + 𝑆𝐵 𝑆𝑦𝑎𝑟𝑖𝑎ℎ 𝑦𝑎𝑛𝑔 𝑑𝑖𝑚𝑖𝑙𝑖𝑘𝑖

𝐷𝑃𝐾 + 𝑆𝐵 𝑆𝑦𝑎𝑟𝑖𝑎ℎ 𝑦𝑎𝑛𝑔 𝑑𝑖𝑡𝑒𝑟𝑏𝑖𝑡𝑘𝑎𝑛

Besaran dan

Parameter

Batas atas 92% Batas atas 92%

Batas bawah 80% Batas bawah 80%

KPMM sebesar 14% KPMM sebesar 14%

Bagi UUS, KPMM mengikuti KPMM BUK

yang menjadi induk UUS

Parameter disinsentif atas sebesar 0,2

Parameter disinsentif atas sebesar 0,2

47

Pengaturan RIM (BUK) RIM Syariah (BUS dan UUS)

Parameter disinsentif

bawah sebesar 0,1

Parameter disinsentif bawah sebesar 0,1

Kriteria SB

dimiliki

Obligasi Sukuk Korporasi

diterbitkan oleh korporasi bukan bank dan oleh penduduk, public offering, investment grade, ditatausahakan di lembaga yang berwenang

Kriteria SB

diterbitkan

MTN, FRN, dan obligasi

selain obligasi subordinasi

MTN syariah dan sukuk selain sukuk

subordinasi

Dimiliki bukan bank, baik penduduk maupun bukan penduduk, public offering, rating investment grade, ditatausahakan di lembaga yang

berwenang

Dengan memperhatikan pokok-pokok kebijakan RIM, formula perhitungan

RIM pada perbankan dapat diilustrasikan sebagai berikut.

Keterangan Bank Disinsentif

Bank A

RIM = RIM target

Sesuai dengan target, tidak dikenakan Giro

RIM.

Bank B RIM < RIM target (batas bawah)

Di bawah target. 𝐺𝑖𝑟𝑜 𝑅𝐼𝑀 = 0.1 × (𝑅𝐼𝑀 𝑡𝑎𝑟𝑔𝑒𝑡 − 𝑅𝐼𝑀) × 𝐷𝑃𝐾

Bank C

RIM > RIM target (batas atas)

Di atas target.

- CAR ≥ 14%, Giro RIM = 0%

- CAR < 14% 𝐺𝑖𝑟𝑜 𝑅𝐼𝑀 = 0.2 × (𝑅𝐼𝑀 − 𝑅𝐼𝑀 𝑡𝑎𝑟𝑔𝑒𝑡) × 𝐷𝑃𝐾

Berdasarkan tabel tersebut, Bank A memiliki RIM yang berada pada kisaran

RIM target (80%--92%). Bank A tidak akan dikenakan Giro RIM. Bank B memiliki

RIM di bawah batas bawah target RIM (80%) sehingga dikenakan Giro RIM dengan

parameter disinsentif 0,1. Bank C yang memiliki RIM melebihi batas atas target RIM

akan dilihat CAR-nya. Jika mencapai KPMM 14% atau lebih, CAR tidak akan

dikenakan Giro RIM. Sementara itu, jika kurang dari KPMM 14%, CAR akan

dikenakan Giro RIM dengan parameter disinsentif 0,2.

Persamaan Model

1. Patient Household

a. 𝑐𝑡𝑃(𝑖) + 𝑞𝑡

𝑘 (𝑘𝑡𝑃(𝑖) − (1 − 𝛿𝑘)𝑘𝑡−1

𝑃 (𝑖)) + 𝑞𝑡ℎ (ℎ𝑡

𝑃(𝑖) − (1 − 𝛿ℎ)ℎ𝑡−1𝑃 (𝑖)) + 𝑑𝑡(𝑖) +

𝑠𝑡(1 + 𝜌𝑡−1)(1 + 𝑟𝑡−1∗ )

�̃�𝑡−1∗ (𝑖)

𝜋𝑡∗ = 𝑤𝑡

𝑃𝑙𝑡𝑃(𝑖) + (1 + 𝑟𝑡−1

𝑑 )𝑑𝑡−1(𝑖)

𝜋𝑡+ 𝑅𝑡

𝑘𝑞𝑡𝑘𝑘𝑡−1

𝑝 (𝑖) + 𝑠𝑡�̃�𝑡∗(𝑖) +

𝑡𝑡𝑃(𝑖)

b. 𝑗𝜀𝑡ℎ

ℎ𝑡𝑃(𝑖)

+ 𝛽𝑃𝜀𝑡+1 𝑧

𝑐𝑡+1𝑃 (𝑖)

𝑞𝑡+1ℎ (1 − 𝛿ℎ) =

𝜀𝑡𝑧

𝑐𝑡𝑃(𝑖)𝑞𝑡ℎ

c. 𝑙𝑡𝑝(𝑖)∅

𝑤𝑡𝑃 =

𝜀𝑡𝑧

𝑐𝑡𝑃(𝑖)

d. (1 − 𝛿𝑘) + 𝑅𝑡+1𝑘 =

𝑐𝑡+1𝑃 (𝑖)

𝛽𝑃𝑐𝑡𝑃(𝑖)

𝑞𝑡𝑘

𝑞𝑡+1𝑘

𝜀𝑡+1 𝑧

𝜀𝑡𝑧

e. 𝑐𝑡+1𝑃 (𝑖)

𝑐𝑡𝑃(𝑖)

𝜀𝑡𝑧

𝜀𝑡+1 𝑧

𝜋𝑡+1

𝛽𝑃= (1 + 𝑟𝑡

𝑑)

48

f. (1+𝑟𝑡

𝑑)

(1+𝜌𝑡)(1+𝑟𝑡∗)=𝑠𝑡+1𝜋𝑡+1

𝑠𝑡𝜋𝑡+1∗

g. 𝑡𝑡𝑃 = Π𝑡

𝐻 + Π𝑡𝐹 + 𝛱𝑡

𝐻∗ + (1 − ω𝑏)𝑗𝑡−1𝑏

𝜋𝑡+𝜅𝐾𝑏

2(𝐾𝑡−1𝑏

𝐵𝑡−1− 𝜐𝑡−1

𝑏 )2𝐾𝑡−1𝑏

𝜋𝑡+𝜅𝑑

2(𝑟𝑡−1𝑑 (𝑗)

𝑟𝑡−2𝑑 (𝑗)

−

1)2

𝑟𝑡−1𝑑 𝑑𝑡−1

𝜋𝑡+𝜅𝑏𝐻

2(𝑟𝑡−1𝑏𝐻 (𝑗)

𝑟𝑡−2𝑏𝐻 (𝑗)

− 1)2

𝑟𝑡−1𝑏𝐻 𝑏𝑡−1

𝐼

𝜋𝑡+𝜅𝑏𝐸

2(𝑟𝑡−1𝑏𝐸 (𝑗)

𝑟𝑡−2𝑏𝐸 (𝑗)

− 1)2

𝑟𝑡−1𝑏𝐸 𝑏𝑡−1

𝐸

𝜋𝑡− 𝑅𝑡−1

𝐵𝑡−1𝐺

𝜋𝑡+

𝑠𝑡(1 + 𝜌𝑡−1)(1 + 𝑟𝑡−1∗ )

�̃�𝑡−1∗

𝜋𝑡∗

2. Impatient Household

a. 𝑐𝑡𝐼(𝑖) + 𝑞𝑡

ℎ (ℎ𝑡𝐼(𝑖) − (1 − 𝛿ℎ)ℎ𝑡−1

𝐼 (𝑖)) + (1 + 𝑟𝑡−1𝑏𝐻 )

𝑏𝑡−1𝐼 (𝑖)

𝜋𝑡= 𝑤𝑡

𝐼𝑙𝑡𝐼(𝑖) + 𝑏𝑡

𝐼(𝑖)

b. (1 + 𝑟𝑡𝑏𝐻)𝑏𝑡

𝐼(𝑖) ≤ 𝑚𝑡𝐼(1 − 𝛿ℎ)𝐸𝑡[𝑞𝑡+1

ℎ ℎ𝑡𝐼(𝑖)𝜋𝑡+1]

c. 𝜀𝑡𝑧

𝑐𝑡𝐼(𝑖)=𝑙𝑡𝐼(𝑖)𝜙

𝑤𝑡𝐼

d. 𝑗𝜀𝑡ℎ

ℎ𝑡𝐼(𝑖)+ (

𝜀𝑡𝑧

𝑐𝑡𝐼(𝑖)

𝜋𝑡+1

(1+𝑟𝑡𝑏𝐻)− 𝛽𝐼

𝜀𝑡+1𝑧

𝑐𝑡+1𝐼 (𝑖)

)𝑚𝑡𝐼(1 − 𝛿ℎ)𝐸𝑡[𝑞𝑡+1

ℎ ] + 𝛽𝐼𝜀𝑡+1𝑧

𝑐𝑡+1𝐼 (𝑖)

𝑞𝑡+1ℎ (1 − 𝛿ℎ) =

𝜀𝑡𝑧

𝑐𝑡𝐼(𝑖)𝑞𝑡ℎ

3. Entrepreneurs

a. 𝑦𝑡𝐸(𝑖) = 𝑎𝑡

𝐸 [(𝑘𝑡−1𝐸 (𝑖))

𝜎(𝑘𝑡−1𝑝 (𝑖))

1−𝜎]𝛼

[( 𝑙𝑡 𝑃)𝜇( 𝑙𝑡

𝐼 )1−𝜇]1−𝛼

b. (1 + 𝑟𝑡𝑏𝐸) 𝑏𝑡

𝐸(𝑖) ≤ 𝑚𝑡 𝐸𝐸𝑡[ 𝑞𝑡+1

𝑘 𝜋𝑡+1(1 − 𝛿𝑘)𝑘𝑡

𝐸(𝑖)]

c. 𝑐𝑡𝐸(𝑖) + 𝑤𝑡

𝑃 𝑙𝑡 𝑃(𝑖) + 𝑤𝑡

𝐼 𝑙𝑡 𝐼 (𝑖) + (1 + 𝑟𝑡−1

𝑏𝐸 ) 𝑏𝑡−1 𝐸 (𝑖)

𝜋𝑡+ 𝑞𝑡

𝑘 (𝑘𝑡𝐸(𝑖) − (1 − 𝛿𝑘)𝑘𝑡−1

𝐸 (𝑖)) +

𝑅𝑡𝑘𝑞𝑡𝑘𝑘𝑡−1𝑝 (𝑖) = �̃�𝑡

𝐸𝑦𝑡𝐸(𝑖) + 𝑏𝑡

𝐸(𝑖)

d. 𝑅𝑡+1𝑘 = �̃�𝑡+1

𝐸 (1 − 𝜎)𝛼𝑦𝑡+1𝐸

𝑘𝑡𝑝(𝑖)𝑞𝑡+1

𝑘

e. 𝑤𝑡 𝑃 = (1 − 𝛼)𝜇�̃�𝑡

𝐸 𝑦𝑡𝐸

𝑙𝑡 𝑃

f. 𝑤𝑡 𝐼 = (1 − 𝛼)(1 − 𝜇)�̃�𝑡

𝐸 𝑦𝑡𝐸

𝑙𝑡 𝐼

g. 1

𝑐𝑡𝐸(𝑖)𝑞𝑡𝑘 = (

𝜋𝑡+1

𝑐𝑡𝐸(𝑖)(1+𝑟𝑡

𝑏𝐸)−

𝛽𝐸

𝑐𝑡+1𝐸 (𝑖)

)𝑚𝑡𝐸𝐸𝑡[𝑞𝑡+1

𝑘 (1 − 𝛿𝑘)] +𝛽𝐸

𝑐𝑡+1𝐸 (𝑖)

((1 − 𝛿𝑘) 𝑞𝑡+1 𝑘 +

𝛼𝜎�̃�𝑡+1𝐸 𝑦𝑡+1

𝐸

𝑘𝑡𝐸(𝑖))

4. Domestic Retailers

a. (1

1−𝜃𝐻((𝜋𝑡

𝐻)1−𝜀𝑅𝐻 − 휃𝐻(𝜋𝑡−1𝐻 )1−𝜀𝑅𝐻))

1

1−𝜀𝑅𝐻

𝐸𝑡 ∑ (𝛽𝑃휃𝐻)𝑘 𝜀𝑡+𝑘

𝑧

𝑐𝑡+𝑘𝑃 𝑦𝑡+𝑘

𝐻 (𝜋𝑡+𝑘𝐻 )

𝜀𝑅𝐻−1∞𝑘=0 =

𝜀𝑅𝐻

𝜀𝑅𝐻−1𝐸𝑡 ∑ (𝛽𝑃휃𝐻)

𝑘 𝜀𝑡+𝑘𝑧

𝑐𝑡+𝑘𝑃 𝑦𝑡+𝑘

𝐻 (𝜋𝑡+𝑘𝐻 )

𝜀𝑅𝐻 �̃�𝑡+𝑘𝐸

�̃�𝑡+𝑘𝐻

∞𝑘=0

b. Π𝑡𝐻 = (�̃�𝑡

𝐻 − �̃�𝑡𝐸)𝑦𝑡

𝐻

c. 𝜋𝑡𝐻 =

�̃�𝑡𝐻

�̃�𝑡−1𝐻 𝜋𝑡

5. Import Retailers

a. (1

1−𝜃𝐹((𝜋𝑡

𝐹)1−𝜀𝐹 − 휃𝐹(𝜋𝑡−1𝐹 )1−𝜀𝐹))

1

1−𝜀𝐹

𝐸𝑡 ∑ (𝛽𝑃휃𝐹)𝑘 𝜀𝑡+𝑘

𝑧

𝑐𝑡+𝑘𝑃 𝑦𝑡+𝑘

𝐹 (𝜋𝑡+𝑘𝐹 )

𝜀𝐹−1∞𝑘=0 =

𝜀𝐹

𝜀𝐹−1𝐸𝑡 ∑ (𝛽𝑃휃𝐹)

𝑘 𝜀𝑡+𝑘𝑧

𝑐𝑡+𝑘𝑃 𝑦𝑡+𝑘

𝐹 (𝜋𝑡+𝑘𝐹 )

𝜀𝐹 𝑠𝑡+𝑘�̃�𝑡+𝑘𝐹∗

�̃�𝑡𝐹

∞𝑘=0

49

b. Π𝑡𝐹 = (�̃�𝑡

𝐹 − 𝑠𝑡�̃�𝑡𝐹∗)𝑦𝑡

𝐹

c. 𝜋𝑡𝐹 =

�̃�𝑡𝐹

�̃�𝑡−1𝐹 𝜋𝑡

6. Export Retailers

a. 𝑦𝑡𝐻∗ = (1 − 휂∗) (

�̃�𝑡𝐻∗

�̃�𝑡𝑥∗)

−(1+𝜇𝐻∗)

𝜇𝐻∗𝑦𝑡∗

b. (1

1−𝜃𝐻∗((𝜋𝑡

𝐻∗)1−𝜀𝐻∗ − 휃𝐻∗(𝜋𝑡−1

𝐻∗ )1−𝜀𝐻∗))

1

1−𝜀𝐻∗

𝐸𝑡 ∑ (𝛽𝑃휃𝐻∗)𝑘 𝜀𝑡+𝑘

𝑧

𝑐𝑡+𝑘𝑝 𝑦𝑡+𝑘

𝐻∗ (𝜋𝑡+𝑘𝐻∗ )

𝜀𝐻∗−1∞𝑘=0 =

𝜀𝐻∗

𝜀𝐻∗−1𝐸𝑡 ∑ (𝛽𝑃휃𝐻∗)

𝑘 𝜀𝑡+𝑘𝑧

𝑐𝑡+𝑘𝑝 𝑦𝑡+𝑘

𝐻∗ (𝜋𝑡+𝑘𝐻∗ )

𝜀𝐻∗ �̃�𝑡+𝑘𝐸

𝑠𝑡+𝑘�̃�𝑡+𝑘𝐻∗

∞𝑘=0

c. 𝛱𝑡𝐻∗ = (𝑠𝑡�̃�𝑡

𝐻∗ − �̃�𝑡𝐸)𝑦𝑡

𝐻∗

d. 𝜋𝑡𝐻∗ =

�̃�𝑡𝐻∗

�̃�𝑡−1𝐻∗ 𝜋𝑡

∗

7. Bank – Wholesale Branch

a. 𝐵𝑡𝐺 = (1 − Γ𝑡 − Χ𝑡)𝐷𝑡 + 𝐾𝑡

𝑏 − 𝐵𝑡

b. 𝐾𝑡𝑏 = (1 − 𝛿𝑏)

𝐾𝑡−1𝑏

𝜋𝑡+ω𝑏

𝑗𝑡−1𝑏

𝜋𝑡

c. 𝑅𝑡𝑑 = (1 − Γ𝑡 − Χ𝑡)𝑅𝑡

d. 𝑅𝑡𝑏 = 𝑅𝑡 − 𝜅𝐾𝑏 (

𝐾𝑡𝑏

𝐵𝑡)2

(𝐾𝑡𝑏

𝐵𝑡− 𝜐𝑡

𝑏)

e. 𝑗𝑡𝑏 = 𝑅𝑡𝐵𝑡

𝐺 + 𝑟𝑡𝑏𝐻𝑏𝑡

𝐼 + 𝑟𝑡𝑏𝐸𝑏𝑡

𝐸 − 𝑟𝑡𝑑𝐷𝑡 − [

𝜅𝐾𝑏

2(𝐾𝑡𝑏

𝐵𝑡− 𝜐𝑡

𝑏)2

𝐾𝑡𝑏] − [

𝜅𝑑

2(𝑟𝑡𝑑(𝑗)

𝑟𝑡−1𝑑 (𝑗)

− 1)2

𝑟𝑡𝑑𝑑𝑡 +

𝜅𝑏𝐻

2(𝑟𝑡𝑏𝐻(𝑗)

𝑟𝑡−1𝑏𝐻 (𝑗)

− 1)2

𝑟𝑡𝑏𝐻𝑏𝑡

𝐼 +𝜅𝑏𝐸

2(𝑟𝑡𝑏𝐸(𝑗)

𝑟𝑡−1𝑏𝐸 (𝑗)

− 1)2

𝑟𝑡𝑏𝐸𝑏𝑡

𝐸]

f. 𝐷𝑡 = 𝑑𝑡

8. Bank – Loan Branch

a. 𝐵𝑡 = 𝑏𝑡𝐼 + 𝑏𝑡

𝐸

b. 1 +𝑅𝑡𝑏𝜀𝑡𝑏𝐻

𝑟𝑡𝑏𝐻 + 𝛽𝑃

𝑐𝑡𝑝

𝑐𝑡+1𝑝

𝜀𝑡+1𝑧

𝜀𝑡𝑧 𝜅𝑏𝐻 (

𝑟𝑡+1𝑏𝐻

𝑟𝑡𝑏𝐻 − 1)(

𝑟𝑡+1𝑏𝐻

𝑟𝑡𝑏𝐻)

2𝑏𝑡+1𝐼

𝑏𝑡𝐼 = 휀𝑡

𝑏𝐻 + 𝜅𝑏𝐻 (𝑟𝑡𝑏𝐻

𝑟𝑡−1𝑏𝐻 − 1)

𝑟𝑡𝑏𝐻

𝑟𝑡−1𝑏𝐻

c. 1 +𝑅𝑡𝑏𝜀𝑡𝑏𝐸

𝑟𝑡𝑏𝐸 + 𝛽𝑃

𝑐𝑡𝑝

𝑐𝑡+1𝑝

𝜀𝑡+1𝑧

𝜀𝑡𝑧 𝜅𝑏𝐸 (

𝑟𝑡+1𝑏𝐸

𝑟𝑡𝑏𝐸 − 1)(

𝑟𝑡+1𝑏𝐸

𝑟𝑡𝑏𝐸)

2𝑏𝑡+1𝐸

𝑏𝑡𝐸 = 휀𝑡

𝑏𝐸 + 𝜅𝑏𝐸 (𝑟𝑡𝑏𝐸

𝑟𝑡−1𝑏𝐸 − 1)

𝑟𝑡𝑏𝐸

𝑟𝑡−1𝑏𝐸

9. Bank – Deposit Branch

a. 휀𝑡𝑑 + 𝛽𝑃

𝑐𝑡𝑝

𝑐𝑡+1𝑝

𝜀𝑡+1𝑧

𝜀𝑡𝑧 𝜅𝑑 (

𝑟𝑡+1𝑑

𝑟𝑡𝑑 − 1)(

𝑟𝑡+1𝑑

𝑟𝑡𝑑 )

2𝑑𝑡+1

𝑑𝑡=𝜀𝑡𝑑𝑅𝑡

𝑑

𝑟𝑡𝑑 + 1 + 𝜅𝑑 (

𝑟𝑡𝑑

𝑟𝑡−1𝑑 − 1)

𝑟𝑡𝑑

𝑟𝑡−1𝑑

10. Capital Goods Producers

a. 𝑘𝑡 = (1 − 𝛿𝑘)𝑘𝑡−1 + 휀𝑡

𝑞𝑘(1 −

𝜅𝑖

2(𝑖𝑡𝑘

𝑖𝑡−1𝑘 − 1)

2

) 𝑖𝑡𝑘

b. 𝑘𝑡 = 𝑘𝑡𝑃 + 𝑘𝑡

𝐸

c. 𝑞𝑡𝑘 =

𝜅𝑖𝑞𝑡𝑘

2(𝑖𝑡𝑘

𝑖𝑡−1𝑘 − 1)

2

+𝜅𝑖𝑞𝑡

𝑘𝑖𝑡𝑘

𝑖𝑡−1𝑘 (

𝑖𝑡𝑘

𝑖𝑡−1𝑘 − 1) +

1

𝜀𝑡𝑞𝑘 − 𝛽𝑃

𝑐𝑡𝑝

𝑐𝑡+1𝑝

𝜀𝑡+1𝑧

𝜀𝑡𝑧 (𝜅𝑖𝑞𝑡+1

𝑘 𝜀𝑡+1𝑞𝑘

𝜀𝑡𝑞𝑘 (

𝑖𝑡+1𝑘

𝑖𝑡𝑘 − 1)(

𝑖𝑡+1𝑘

𝑖𝑡𝑘 )

2

)

50

11. Housing Producers

a. ℎ𝑡 = (1 − 𝛿ℎ)ℎ𝑡−1 + 휀𝑡

𝑞ℎ(1 −

𝜅ℎ

2(𝑖𝑡ℎ

𝑖𝑡−1ℎ − 1)

2

) 𝑖𝑡ℎ

b. ℎ𝑡 = ℎ𝑡𝑃 + ℎ𝑡

𝐼

c. 𝑞𝑡ℎ = (

𝜅ℎ𝑞𝑡ℎ

2(𝑖𝑡ℎ

𝑖𝑡−1ℎ − 1)

2

+𝜅ℎ𝑞𝑡

ℎ𝑖𝑡ℎ

𝑖𝑡−1ℎ (

𝑖𝑡ℎ

𝑖𝑡−1ℎ − 1)) +

1

𝜀𝑡𝑞ℎ − 𝛽𝑃

𝑐𝑡𝑝

𝑐𝑡+1𝑝

𝜀𝑡+1𝑧

𝜀𝑡𝑧 𝜅ℎ𝑞𝑡+1

ℎ 𝜀𝑡+1𝑞ℎ

𝜀𝑡𝑞ℎ (

𝑖𝑡+1ℎ

𝑖𝑡ℎ −

1)(𝑖𝑡+1ℎ

𝑖𝑡ℎ )

2

12. Finished Goods Producers

a. 𝑦𝑡𝐻 = 𝑦𝑡𝜉�̃�𝑡

𝐻(−1+𝜇𝐹𝑃𝜇𝐹𝑃

)

b. 𝑦𝑡𝐹 = 𝑦𝑡(1 − 𝜉)�̃�𝑡

𝐹−(1+𝜇𝐹𝑃𝜇𝐹𝑃

)

c. 𝑦𝑡 = 𝑦𝑡𝐻�̃�𝑡

𝐻 + 𝑦𝑡𝐹�̃�𝑡𝐹

13. Country’s Risk Premium

a. (1 + 𝜌𝑡) = 𝑒𝑥𝑝 (−𝜑𝑠𝑡�̃�𝑡

∗

𝑦𝑡𝐸 ) 휀𝑡

𝜌

14. Market Clearing dan Balance of Payment

a. 𝑦𝑡𝐸 = 𝑦𝑡

𝐻 + 𝑦𝑡𝐻∗

b. 𝑦𝑡 = 𝑐𝑡𝑃 + 𝑐𝑡

𝐼 + 𝑐𝑡𝐸 + 𝑖𝑡

𝑘 + 𝑖𝑡ℎ + 𝛿𝑏

𝐾𝑡−1𝑏

𝜋𝑡

c. 𝑠𝑡�̃�𝑡𝐹∗𝑦𝑡

𝐹 + 𝑠𝑡(1 + 𝜌𝑡−1)(1 + 𝑟𝑡−1∗ )

�̃�𝑡−1∗ (𝑖)

𝜋𝑡∗ = 𝑠𝑡�̃�𝑡

𝐻∗𝑦𝑡𝐻∗ + 𝑠𝑡�̃�𝑡

∗(𝑖)

15. Others

a. (1 + 𝑅𝑡) = (1 + 𝑅)(1−𝜙𝑅)(1 + 𝑅𝑡−1)

𝜙𝑅 (𝜋𝑡

𝜋)𝜙𝜋(1−𝜙𝑅)

(𝑦𝑡

𝑦)𝜙𝑦(1−𝜙𝑅)

𝜖𝑡𝑅

b. (1 + 𝑟𝑡∗) = (1 − 𝜌𝑟∗)(1 + 𝑟∗) + 𝜌𝑟∗(1 + 𝑟𝑡−1

∗ ) + 𝜖𝑡𝑟∗

c. 𝑚𝑡𝐼 = (𝑚𝑡−1

𝐼 )𝜌𝑚𝐼 (𝑚𝐼 (

𝐵𝑡𝐼

𝑦𝑡𝐸

𝐵𝐼

𝑦𝐸

)

−𝜙𝑚𝐼

)

1−𝜌𝑚𝐼

휀𝑡𝑚𝐼 or

𝑚𝑡𝐼 = 𝜙𝑚𝐼𝑚𝑡−1

𝐼 + (1 − 𝜙𝑚𝐼)𝑚𝐼 + 𝜖𝑡

𝑚𝐼

d. 𝑚𝑡𝐸 = (𝑚𝑡−1

𝐸 )𝜌𝑚𝐸 (𝑚𝐸 (

𝐵𝑡𝐸

𝑦𝑡𝐸

𝐵𝐸

𝑦𝐸

)

−𝜙𝑚𝐸

)

1−𝜌𝑚𝐸

휀𝑡𝑚𝐸 or

𝑚𝑡𝐸 = 𝜙𝑚𝐸𝑚𝑡−1

𝐸 + (1 − 𝜙𝑚𝐸)𝑚𝐸 + 𝜖𝑡

𝑚𝐸

e. 𝜐𝑡𝑏 = (𝜐𝑡−1

𝑏 )𝜌𝜐𝑏 (𝜐𝑏 (

𝐵𝑡

𝑦𝑡𝐸

𝐵

𝑦𝐸

)

−𝜙𝜐𝑏

)

1−𝜌𝜐𝑏

휀𝑡𝜐𝑏 or

𝜐𝑡𝑏 = 𝜙𝜐𝑏𝜐𝑡−1

𝑏 + (1 − 𝜙𝜐𝑏)𝜐𝑏 + 𝜖𝑡

𝜐𝑏

f. 휀𝑡𝑧 = 𝜌𝜀𝑧휀𝑡−1

𝑧 + (1 − 𝜌𝜀𝑧)휀𝑧 + 𝜖𝑡𝜀𝑧

g. 휀𝑡ℎ = 𝜌𝜀ℎ휀𝑡−1

ℎ + (1 − 𝜌𝜀ℎ)휀ℎ + 𝜖𝑡𝜀ℎ

h. 휀𝑡𝑏𝐻 = 𝜌𝜀𝑏𝐻휀𝑡−1

𝑏𝐻 + (1 − 𝜌𝜀𝑏𝐻)휀𝑏𝐻 + 𝜖𝑡𝜀𝑏𝐻

i. 휀𝑡𝑏𝐸 = 𝜌𝜀𝑏𝐸휀𝑡−1

𝑏𝐸 + (1 − 𝜌𝜀𝑏𝐸)휀𝑏𝐸 + 𝜖𝑡𝜀𝑏𝐸

51

j. 휀𝑡𝑑 = 𝜌𝜀𝑑휀𝑡−1

𝑑 + (1 − 𝜌𝜀𝑑)휀𝑑 + 𝜖𝑡𝜀𝑑

k. 휀𝑡𝑞𝑘= 𝜌𝜀𝑞𝑘휀𝑡−1

𝑞𝑘+ (1 − 𝜌𝜀𝑞𝑘)휀𝑞𝑘 + 𝜖𝑡

𝜀𝑞𝑘

l. 휀𝑡𝑞ℎ= 𝜌𝜀𝑞ℎ휀𝑡−1

𝑞ℎ+ (1 − 𝜌𝜀𝑞ℎ)휀𝑞ℎ + 𝜖𝑡

𝜀𝑞ℎ

m. 휀𝑡𝜌= 𝜌𝜀𝜌휀𝑡−1

𝜌+ (1 − 𝜌𝜀𝜌)휀𝜌 + 𝜖𝑡

𝜀𝜌

n. 𝑙𝑛(𝑎𝑡𝐸) = 𝜌𝑎𝐸𝑙𝑛(𝑎𝑡−1

𝐸 ) + 𝜖𝑡𝑎𝐸

o. 𝜋𝑡∗ = 𝜌𝜋∗𝜋𝑡−1

∗ + (1 − 𝜌𝜋∗)𝜋∗ + 𝜖𝑡𝜋∗

p. �̃�𝑡𝐹∗ = 𝜌𝑝𝐹∗�̃�𝑡−1

𝐹∗ + (1 − 𝜌𝑝𝐹∗)�̃�𝑡𝐹∗ + 𝜖𝑡

𝐹∗

q. �̃�𝑡𝑥∗ = 𝜌𝑝𝑥∗�̃�𝑡−1

𝑥∗ + (1 − 𝜌𝑝𝑥∗)�̃�𝑡𝑥∗ + 𝜖𝑡

𝑥∗

r. 𝑦𝑡∗ = 𝜌𝑦∗𝑦𝑡−1

∗ + (1 − 𝜌𝑦∗)𝑦𝑡∗ + 𝜖𝑡

𝑦∗

s. Γ𝑡 = 𝜌ΓΓ𝑡−1 + (1 − 𝜌

Γ)Γ + 𝜖𝑡Γ

t. Χ𝑡 = 𝑋_𝑏𝑎 [(𝐵𝑡

𝐷𝑡− 𝜒𝑡)

2]

1

2

u. 𝜒𝑡 = (𝜒𝑡−1)𝜌𝜒 (𝜒(

𝐵𝑡

𝑦𝑡𝐸

𝐵

𝑦𝐸

)

−𝜙𝜒

)

1−𝜌𝜒

휀𝑡𝜒 or

𝜒𝑡 = 𝜌𝜒𝜒𝑡−1 + (1 − 𝜌

𝜒)𝜒 + 𝜖𝑡𝜒

v. 𝑐𝑡 = 𝑐𝑡𝑃 + 𝑐𝑡

𝐼 + 𝑐𝑡𝐸

w. 𝑖𝑡 = 𝑖𝑡𝑘 + 𝑖𝑡

ℎ

x. 𝐶𝐴𝑅𝑡 =𝐾𝑡𝑏

𝐵𝑡

y. 𝐿𝐷𝑅𝑡 =𝐵𝑡

𝐷𝑡