Chapter 10

Pertayaan:
1. Identify and define the borrower-specific and market-specific factors that enter into the credit
decision. What is the impact of each type of factor on the risk premium?
a. Which of these factors is more likely to adversely affect small businesses rather than large
businesses in the credit assessment process by lenders?
b. How does the existence of a high debt ratio typically affect the risk of the borrower?
c. Why is the volatility of the earnings stream of a borrower important to a lender?

2. Suppose the estimated linear probability model used by an FI to predict business loan applicant
default probabilities is PD = 0.03X1 + 0.02X2 – 0.05X3 + error, where X1 is the borrower’s
debt/equity ratio, X2 is the volatility of borrower earnings, and X3 is the borrower’s profit margin.
For a particular loan applicant, X1 = 0.75, X2 = 0.25, and X3 = 0.10.
a. What is the projected probability of default for the borrower?
b. What is the projected probability of repayment if the debt–equity ratio is 2.5?
c. What is a major weakness of the linear probability model?
Jawaban:
1. Faktor-faktor spesifik peminjam dan pasar yang memasuki keputusan kredit termasuk reputasi
peminjam, leverage, dan volatilitas aliran pendapatan.
a. Faktor-faktor ini lebih mungkin mempengaruhi usaha kecil daripada usaha besar dalam proses
penilaian kredit oleh pemberi pinjaman karena usaha kecil mungkin memiliki reputasi yang
kurang teruji dan lebih rentan terhadap perubahan leverage yang signifikan.

b. Keberadaan rasio utang yang tinggi biasanya meningkatkan risiko peminjam karena dapat
mengakibatkan peningkatan biaya bunga dan meningkatkan risiko kebangkrutan, yang kemudian
mempengaruhi premi risiko yang harus dibayar oleh peminjam.

c. Volatilitas aliran pendapatan peminjam penting bagi pemberi pinjaman karena dapat
menunjukkan ketidakstabilan keuangan peminjam dan meningkatkan risiko default, yang
kemudian dapat mempengaruhi premi risiko yang dikenakan oleh peminjam

2.
a. Probabilitas gagal bayar yang diproyeksikan untuk peminjam tersebut dapat dihitung dengan
menggantikan nilai X1, X2, dan X3 ke dalam rumus model probabilitas linier:
PD = 0.03(0.75) + 0.02(0.25) - 0.05(0.10)
PD = 0.0225 + 0.005 - 0.005
PD = 0.0225
Jadi, probabilitas gagal bayar yang diproyeksikan untuk peminjam tersebut adalah sebesar
0.0225 atau 2.25%

b. Untuk menghitung proyeksi probabilitas pembayaran kembali jika rasio utang terhadap ekuitas
adalah 2,5, kita dapat menggantikan nilai X1 dengan 2,5 ke dalam rumus model probabilitas
 linier:
PD = 0.03(2.5) + 0.02(0.25) - 0.05(0.10)
PD = 0.075 + 0.005 - 0.005
PD = 0.075
Jadi, proyeksi probabilitas pembayaran kembali jika rasio utang terhadap ekuitas adalah 2,5
adalah sebesar 0.075 atau 7.5%

c. Kelemahan utama dari model probabilitas linier adalah bahwa estimasi probabilitas gagal bayar
seringkali dapat berada di luar interval 0 hingga 1. Hal ini dapat diatasi dengan menggunakan
model logit yang membatasi rentang estimasi probabilitas gagal bayar dari model regresi linier
untuk berada di antara 0 dan 1.