67-205-1-pb
TRANSCRIPT
-
7/26/2019 67-205-1-PB
1/14
199
TRUKTUR MARKOV PADA MA ALAH LAJU KREDIT
Riri Syafitri Lubis
Dosen Jurusan Pendidikan Matematika Fakultas Tarbiyah IAIN - SU
Jl. Williem Iskandar Pasar Medan !state" #$%&'
(Markov)!"# $%&'*+
.-, 4 5/01 23 67 89 : 4 2; 7 ?58 ABC D@
$"! +"!45> E 4 FGH IC J E!" %L"BK2,
OPN"!M , K+QRST!PU %L
BV WX 4 Q Y Z + E[\4T!PG
/01 .^O&%$ ]9:JNG # %PK
Abstrak:Penelitian ini menggunakan model Markov untukmenganalisis perubahan dalam kredit. Model dibuat untukmenghasilkan dana dan modal yang dibutuhkan untuk
membantu individu dan tingkat risiko portofolio kredit dari
instrumen kredit. Mengembangkan transisi kredit dari satutingkat ke yang lain, dan sering digunakan untuk
memperkirakan model yang menggambarkan evolusi kredit
probalistik. Semua spesifikasi yang sering digunakan adalahsimple Markov Model dengan waktu homogen. Markov
spesifikasi dapat digunakan untuk menggambarkan
perubahan jangka pendek dalam risiko portofolio.
Kata Kunci: Rantai Markov, Transisi Kredit, Manajemen
Resiko.
A.Pendahuluan
erkembangan ekonomi dunia tidak terlepas dari apa yangdisebut dengan kredit. Mulai dari aktivitas ekonomi yang
berskala kecil sampai pada aktivitas ekonomi yang berskala
besar. Kredit seolaholah sudah menjadi salah satu syarat suksesnya
seseorang. Perkembangan ini tentunya mempengaruhi turunnaiknya laju kredit.
Laju kredit adalah suatu perubahan rating kredit dari suatu
level tertentu ke level lainnya yang dipengaruhi oleh beberapa
-
7/26/2019 67-205-1-PB
2/14
Riri Syafitri Lubis:Struktur Markov Pada Masalah Laju Kredit
200
faktor tertentu. Laju kredit merupakan perubahan ekspektasi di
dalam kualitas kredit, yang digunakan untuk mengestimasi
penurunan distribusi, peentuan skenario analisis kredit, danpenghitungan ukuran Value at Risk (VaR). Probabilitas laju kredit
ditentukan berdasarkan data historis yang dihitung dari beberapaperiode waktu tertentu, dengan asumsi ketidakpastian.
Tujuan utama dari sistim laju kredit adalah menyediakan
klasifikasi sederhana dari risiko kegagalan terhadap rangkaian
masalah, nasabah dan lain sebagainya (Goldfeld: 1986). Turunnaiknya laju kredit pada suatu badan keuangan dapat dipengaruhi
oleh beberapa faktor antara lain adanya peningkatan kualitas
pelayanan, periklanan, promosi dan faktor lainnya.
Pengembangan laju kredit dapat dilakukan dengan pendekatan
rantai Markov (Markov Chain). Rantai Markov adalah sebuahproses perubahan dengan pola tetap sehingga akhirnya menuju ke
sebuah komposisi yang setimbang, yang tak berubah ubahlagi(Ross: 1983). Pada umumnya, keadaan setimbang itulah yang
selalu dicari, sehingga pemecahan permasalahan rantai Markov ini
menjadi sederhana.
Transisi rating atau laju memiliki makna yang sama denganestimasi probabilitas transisi, yang didalamnya terdapat beberapa
kasus statistik, yang sudah pasti berhubungan dengan probabilitas.
Secara teori, matriks transisi dapat diestimasi untuk beberapa
horizon transisi, dalam kerangka waktu yang berbeda. Transisimatriks memiliki nilai eigen. Nilai eigen ini dapat membantu untuk
menentukan bahwa laju kredit adalah Markov.
Dengan menggunakan spesifikasi model Markov denganwaktu yang homogen, proses stokastik dapat ditetapkan secaralengkap pada probabilitas transisi. Sehingga digunakan rantai
Markov sederhana untuk problema pengembangan laju laju kredit.
Rantai Markov dalam pengembangan laju kredit baik digunakankarena struktur rantai Markov dengan waktu yang homogen dapat
merepresentasikan laju kredit dalam suatu horizon waktu yang
panjang.
Untuk mendapatkan gambaran yang lebih jelas bagaimanastruktur rantai markov dalam menjelaskan pengembangan laju
kredit dan mengembangkan struktur rantai markov untuk
-
7/26/2019 67-205-1-PB
3/14
Vol. I No. 2, Juli Desember 2!!
201
mengestimasi probabilitas transisi laju kredit akan diuraikan dalam
pembahasan berikut ini.
B.Model Dalam Problema Laju Kredit
1. Model Satu Faktor Gaussian Copula
Model satu faktor Gaussian Copula didasarkan pada industrikeuangan sebagai suatu model yang menilai perdagangan hutang
obligasi(Bielecki et.al,2002). Andaikan :
==>t
i duu
ietFtQ 0
)(
)(1)(
itVVX
21 +=
dimana F adalah referensi filtrasi trivial (diasumsikan sebagaipendekatan langsung), i adalah intensitas marjinal, merupakan
fungsi deterministik, V dan Vi, i = 1, 2, , n adalah bebas,
variabel Gaussian dibawah Qdan parameter korelasi berada di(-1,1). Andaikan C adalah fungsi copula yang bersesuaian dengandistribusi dari vektor (X1, , Xn), maka C untuk setiap
[ ]1,0,...,,21
nvvv :
))(),...,((),...,( 11
1
11 nnnvNXvNXQvvC
-
7/26/2019 67-205-1-PB
4/14
Riri Syafitri Lubis:Struktur Markov Pada Masalah Laju Kredit
202
{ } { }
==
2
1
1
))(()(1
VtFNVtFt i
iiii
Dengan kebebasan bersyarat dari X1, , Xn, yang
mempertimbangkan faktor utama V, sehingga menghasilkan pasar
risiko kredit yang luas secara sistematis, maka untuk setiap t1, , tn
+R :
=
=R
n
i
i
nndvvn
vtFNNttQ
12
1
11)(
1
))((),...,(
dimana nadalah fungsi padat peluang dari V.
2. Model Kusuoka
Model ini mengasumsikan bahwa beberapa perusahaandiklasifikasikan sebagai yang utama, ketika perusahaan lain
dijadikan yang kedua, hal ini tidak relevan dengan sudut pandang
dari model tersebut(Bielecki et.al,2002). Untuk kemudahan,diasumsikan :
Diambil n = 2, ini ditujukan untuk kasus dua nama kredit.
Tingkat suku bunga r sama dengan nol, sehingga B(t,T) = 1
untuk setiap Tt Filtrasi referensi Fadalah trivial
Semua ikatan perusahaan setuju untuk patuh kepada skema
tanpa perlindunganPersamaan harga perusahaan pada waktu [ ]Tt ,0 adalah :
)(),(21
1
0
1 ttHHTQTtD >=
Nilai diatas didasarkan pada informasi yang lengkap, seperti yang
dimodelkan filtrasi penuh 21VHHG= . Untuk perbandingan, akandievaluasi kesesuaian nilai yang didasarkan pada asumsi bahwa
hanya tersedia sebuah pengamatan parsial, secara spesifik dihitung
dengan :
)(),(1
1
0
1 tHTQTtD >= , 2
1
0
1(),(
tHTQTtD >= )
dimana t dan T adalah parameter waktu dan Hi adalah proses
filtrasi.
Spesifikasi Model :
-
7/26/2019 67-205-1-PB
5/14
Vol. I No. 2, Juli Desember 2!!
203
Dengan ukuran peluang P waktu acaki
, i = 1, 2diasumsikan sebagai variabel acak yang saling bebas dengan
parameter eksponensial1dan 2 .
Untuk T > 0, didefinisikan suatu ukuran peluang Q yang
ekivalen dengan P pada ),( G dengan :
T
dP
dQ=
Dimana proses kepadatan Radon Nikodym [ ]Ttt
,0, memenuhi :
([ ]
)1(2
1,0
=
+=i
t
i
u
i
uutdMK
Dimana proses selanjutnyaM
1
danM
2
diberikan oleh :
== it
ii
i
ti
i
t
i
ttHduHM
0
)(
{ }it
i
tH
=1 , dan G dapat diprediksi dengan K1 dan K
2 yang
diberikan oleh :
( )
= > 11
1
11
2
tt
K
dan( )
= > 11
2
22
1
tt
K
0>i
untuk i = 1,2.
Intensitas1
dan2
dibawah Qdiberikan oleh :
{ } { }2211
11
1
-
7/26/2019 67-205-1-PB
6/14
Riri Syafitri Lubis:Struktur Markov Pada Masalah Laju Kredit
204
bukan merupakan intensitas H2 dari
1 dibawah Q, ketika
diketahui:
{ } )(1)(221
1
11
1 tQtttHeEHHsQ st
Untuk mengobservasi proses1 yang merupakan intensitas H2dari
1 dibawah sebuah ukuran peluang Q
~, yang ekivalen dengan P,
diberikan oleh :
TdP
Qd~
~
=
Dimana proses kepadatan Radon Nikodym [ ]( )t
Tt ,0,~ memenuhi:
[ ]= t uuut dMK,022~1~
Hal ini dapat diperiksa dengan syarat persamaan dibawah ini
terpenuhi, untuk setiap s > t :
{ })(!)(
~ 2~
21
1
11
1 tQtttHeEHHsQ st
Hasil akhir memperlihatkan bahwa proses1 dan 2
menentukan intensitas transisi, sehingga model tersebut dapat
diterapkan dengan suatu rantai Markov dua dimensi.
Hurd dan Kuznetsov (2005) mengajukan perluasan dari rantaimarkov untuk menyelesaikan persoalan perubahan kredit dari
beberapa perusahaan. Perubahan esensial dari model yang diajukan
adalah membentuk rantai markov untuk laju kredit dari masing-
masing perusahaan yang dipersyaratkan bebas tehadap perubahan
waktu stokastik.
Model rantai markov campuran terhadap dinamika laju kredit
diajukan oleh Frydman dan Schuermann (2007). Penggabungan dua
rantai markov dilakukan pada laju perubahan diantara rating kredit.
Model ini diestimasi dengan menggunakan data historis laju kedit
dari Standard and Poors selama tahun 1981-2002 danmemperlihatkan bahwa model campuran dari kedua model tersebut
secara statistik didominasi oleh model markov sederhana dan
bahwa perbedaan diantara kedua model memiliki makna secara
-
7/26/2019 67-205-1-PB
7/14
Vol. I No. 2, Juli Desember 2!!
205
ekonomi. Penelitian ini mempertimbangkan sebuah tipe yang
berbeda dari kelakuan non makov dan mengajukan non markov
sebagai suatu generalisasi dari suatu rantai markov waktu homogenkontinu. Suatu rantai markov waktu homogen kontinu memiliki
jangka waktu yang mengikuti distribusi eksponensial. Non markov
yang terdapat di dalam model mengimplikasikan bahwa distribusi
dari laju kredit perusahaan di masa yang akan datang bergantung
tidak hanya pada rating tertentu pada saat itu tetapi juga pada rating
di masa lampau.
C.Pengertian Kredit
Pengertian kredit mempunyai dimensi yang beraneka ragam,
dimulai dari arti kredit yang berasal dari bahasa Yunani credere
yang berarti kepercayaan, karena itu dasar kredit dalah kepercayaan.
Dengan demikian seseorang memperoleh kredit pada dasarnya
adalah memperoleh kepercayaan. Kredit dalam bahasa latin adalah
creditum yang berarti kepercayaan akan kebenaran. Dalam
praktek sehari-hari pengertian ini berkembang luas lagi menjadi
kemampuan untuk melaksanakan suatu pembelian atau mengadakan
suatu pinjaman dengan suatu janji pembayarannya akan dilakukan
pada suatu jangka waktu yang disepakati (Muljono dkk,1993).
Pada dasarnya kredit hanya satu macam saja bila dilihat dari
pengertian yang terkandung di dalamnya. Akan tetapi untuk
membedakannya, kredit dibedakan menurut faktor-faktor dan
unsur-unsur yang ada di dalam pengertian kredit, maka diperolehpembedaan kredit berdasarkan jenis penggunaan, keperluan kredit,
jangka waktu kredit, cara pemakaian, dan jaminan.
D.Rantai Markov
Suatu proses stokastik },...1,0, =nXn
yang mempunyai ruang
keadaan berupa himpunan berhingga atau himpunan terbilang.
Secara umum, ruang keadaan ini dapat dinotasikan sebagai
himpunan { 0, 1, ... }. Jika pada waktu n proses tersebut berada di
keadaan i, maka kejadian ini ditulis sebagai iXn= . Proses yang
kita pelajari mempunyai sifat khusus, yaitu untuk semua
jiii n ,,,..., 10 dan semua 0n , berlaku :} }iXjXPiXiXiXjXP
nnnnnn ======= ++ 11001 ,,...,
-
7/26/2019 67-205-1-PB
8/14
Riri Syafitri Lubis:Struktur Markov Pada Masalah Laju Kredit
206
Proses stokastik },...1,0, =nXn
dinamakan rantai Markov,
sebagai penghargaan atas jasa Andrei Markov (1856-1922) yang
untuk pertama kalinya meneliti kelakuan proses stokastik tersebutsetelah proses berjalan dalam selang waktu yang panjang.
Untuk dapat menganalisis rantai Markov ke dalam suatu
kasus, ada beberapa syarat yang harus dipenuhi :
a. Jumlah probabilitas transisi untuk suatu keadaan awal dari
sistim sama dengan 1.
b. Probabilitas-probabilitas tersebut berlaku untuk semua
partisipan dalam sistim.
c. Probabilitas transisi konstan sepanjang waktu.
d. Kondisi merupakan kondisi independen sepanjang waktu.
E. Matriks Peluang Transisi
Misalkan proses },...1,0, =nXn
suatu r antai Markov
dengan ruang keadaan { 0, 1, ... } Matriks peluang transisi (satu
langkah) dari },...1,0, =nXn
, dinotasikan P, adalah suatu matriks
dengan elemen ke (i,j)nya adalahij
P . Jadi
P =
............
...
...
...
222120
121110
020100
PPP
PPP
PPP
Definisikan }iXjXPnPnnij
=== +1)( . Peluang )(nPij ini
dikenal dengan nama peluang transisi satu langkah. Jika nilai )(nPij
sama untk setiap nilai n, maka rantai Markov }n
X dinamakanhomogen.
Dari definisiij
P dilihat bahwa elemen-elemen dari matriks P
bernilai tak negatif dan jumlah elemen-elemen pada satu baris di
matriks peluang transisi ini haruslah sama dengan satu.
Matriks transisi ini sangat membantu dalam menganalisa
kelakuan rantai markov dalam beberapa langkah ke depan dan juga
setelah proses berjalan lama (long run behavior).
Persamaan Chapman-Kolmogorov
-
7/26/2019 67-205-1-PB
9/14
Vol. I No. 2, Juli Desember 2!!
207
Peluang proses yang berada pada keadaan iakan berada pada
keadaanjsetelah proses mengalami n transisi, misalnya dinyatakan
peluang ini dengann
ijP . Maka :
},iXjXPPmmn
n
ij === + 0,,0 jim
Dapat dilihat bahwaijij
PP =1 . Selanjutnya denganmenggunakan aturan probabilitas total, untuk semua n, ,0m dan semua ,0, ji
mn
ijP + = }iXjXP
mn ==+ 0
= } }
=
+ =====0
00,
k
nnmniXkXPiXkXjXP
=
=0k
n
ik
m
kjPP
Persamaan ini, dikenal dengan nama persamaan Chapman-
Kolmogorov. Persamaan Chapman-Kolmogorov memberikan suatu
metode untuk menghitung peluang transisi dalam n langkah.
Misalkan)(n
P adalah matriks dengan elemen-elemennya
merupakan peluang transisi dalam n langkahn
ijP . Dari persamaan
tersebut didapatkan : nnnnPPPPP === + )1()1()11()(
Rantai Markov yang pada awalnya berada pada keadaan i
setelah satu transisi akan berada pada keadaan j dengan peluang
yang diberikan oleh suku (i,j) dari matriks P. Secara umum,
definisi vektor baris diberikan oleh :
,...),(0
2
0
1
0 = Dengan
0
i menyatakan peluang rantai Markov berada
dikeadaan i pada permulaan proses, maka peluang setelah satu
transisi rantai Markov tersebut berada di keadaan j (0
j
), diberikan
oleh :
-
7/26/2019 67-205-1-PB
10/14
Riri Syafitri Lubis:Struktur Markov Pada Masalah Laju Kredit
208
kik
kjP
=
=0
01 ,...1,0=i
Sekarang definisikan
( ),...,21
nnn = ,...2,1=n
sebagai vektor distribusi peluang dari keadaan rantai Markov
setelah n transisi. Maka dengan persamaan Chapman-Kolmogorov
di atas dapat ditunjukkan :nn
P0=
. Rantai Markov Dengan Ruang Keadaan
Berhingga
Jika ruang keadaan berhingga, distribusi peluang transisi dapat
direpresentasikan dengan sebuah matriks yang disebut matriks
transisi, dengan elemen ke (i , j) pada Psama dengan :
)Pr(1
iXjXpnnij
=== +
P adalah matriks stokastik. Selanjutnya, jika rantai Markov adalah
rantai Markov waktu homogen, sedemikian hingga matriks transisi
P bebas dari label n, maka peluang transisi k langkah dapat
dihitung sebagai kekuatan ke-kpada matriks transisi,pk.
Distribusi stasioner adalah sebuah (baris) vektor yang memenuhi
persamaan :P=
Dengan kata lain, distribusi stasioner adalah sebuah
normalisasi vektor eigen pada matriks transisi yang diasosiasikan
dengan nilai eigen sama dengan 1.
!.Diskusi
Model probabilitas sederhana untuk problema transisi laju
adalah dengan menggunakan model rantai Markov, yaitu model
rantai Markov diskrit. Model rantai Markov diskrit adalah suatu
proses stokastikt
X pada waktu diskrit t membentuk suatu
himpunan terhitung atau terbatas. Keadaan (state) adalah integerpositif. Jumlah keadaan pada suatu dimensi terbatas rantai Markov
ditandai dengan integer K. Probabilitas jXt =+1 , dimana iXt= ,
-
7/26/2019 67-205-1-PB
11/14
Vol. I No. 2, Juli Desember 2!!
209
disebut sebagai probabilitas transisi satu langkah )(tpij
.
Probabilitas transisi merupakan fungsi dari keadaan awal dan akhir,
dan waktu transisi. Ketika probabilitas transisi adalah bebas darivariabel waktu (biasanya pada kasus di bidang aplikasi finansial),
proses Markov menjadi probabilitas transisi stasioner. Untuk kasus
ini dapat dituliskanijij
ptp =)( . Matriks transisi dari probabilitastransisi diantara semua keadaan :
=
KKKK
K
K
ppp
ppp
ppp
P
21
22221
11211
Catatan untuk setiap baris, jumlah probabilitas transisi sama dengan
satu,=
=Kj ij
p1
1Secara umum :
m
tmtPXX =+
Untuk kasus non homogen :
1112 ++++ == tttttt PPXPXX dan
11... +++ = mtttmt PPXX
Estimasi parameter probabilitas transisi rantai Markov
Spesifikasi yang populer dilakukan model rantai Markov
sederhana dengan waktu homogen. Dengan spesifikasi ini, proses
stokastik dapat dispesifikkan secara lengkap di dalam unsur-unsur
probabilitas transisi. Estimasi probabilitas transisi pada rantai
Markov sederhana dapat diselesaikan secara langsung dengan
menghitung jumlah perubahan dari satu keadaan ke keadaan yang
lain yang terjadi selama periode sampel tertentu. Salah satu caranya
adalah dengan menggunakan rantai sederhana dua tahap, dimana
keadaan kualitas kredit ditandai dengan risiko rendah dan risiko
tinggi.
Matriks transisi periode tunggal adalah sebagai berikut :
P =
2222
1111
1
1
pp
pp
-
7/26/2019 67-205-1-PB
12/14
Riri Syafitri Lubis:Struktur Markov Pada Masalah Laju Kredit
210
Probabilitas transisi dalam suatu rantai Markov sederhana
mengandung sejumlah perubahan dari satu keadaan ke keadaan
yang lain yang terjadi selama periode sampel tertentu sehinggadigunakan fungsi log likelihood untuk mengestimasinya. Andaikan
ijn adalah jumlah waktu pada suatu sampel berukuran N, dimana
terdapat perpindahan dari keadaan i ke keadaan j. Fungsi log-
likelihood untuk data yang diasumsikan Markov, diberikan oleh :
1(ln PL Periode
data)2222222111121111 ln)1ln()1ln(ln pnpnpnpn +++=
Pemaksimuman fungsi ini dengan harapan parameter11
p dan
22
p dalam kasus ini, di estimasi dengan maksimum likelihood
estimator. Estimasi ini diberikan oleh :
)(
2211
11
11nn
np
+=
)(
2122
22
22nn
np
+=
Estimator-estimator ini dan generalisasinya dengan kasus K
keadaan adalah sesuai dengan pengamatan transisi satu langkah.
Andaikan terdapat data pada transisi periode kedua, maka
11p dan 22p akan diestimasi, probabilitas transisi satu periode dalamrantai Markov waktu homogen. Pertama, tandai probabilitas transisi
periode kedua, yaitu )2(11
p dan )2(22p , setiap fungsi dari
probabilitas transisi periode pertama memiliki hubungan 2)2( PP = .Secara spesifik :
=)2()2(1
)2(1)2()2(
2222
1111
pp
ppP
+
+=
)1)(1(...1
...1)1)(1(
2211
2
22
2211
2
11
ppp
ppp
Misalkan )2(11
n adalah jumlah pengamatan pada keadaan 1
untuk dua periode, )2(12
n jumlah perpindahan dari keadaan 1 ke
-
7/26/2019 67-205-1-PB
13/14
Vol. I No. 2, Juli Desember 2!!
211
keadaan 2, log likelihood untuk mengestimasi11
p dan22
p dari data
transisi dua periode adalah :
++= ))2(1ln()2()2(ln)2()2(ln 11121111 pnpnaperiodedatPL
)2(ln)2())2(1ln()2(22222221
pnpn
Dimana )2(ij
p diatas didefinisikan dalam bentuk ijp . Ketika satu
periode dan dua periode data tersedia, likelihood total adalah
jumlah dari log likelihood, yaitu :
++++= 2222222111121111 ln)1ln()1ln(ln)2&1(ln pnpnpnpnaperiodedatPL)2(ln)2())2(1ln()2())2(1ln()2()2(ln)2(
2222222111121111pnpnpnpn
yang dimaksimumkan berkenaan denganij
p .
Publikasi laju tidak hanya tahunan. Ketika proses transisi
matriks digunakan, publikasi dapat dilakukan bulanan atau
kuartalan.
Parameter dasar dari kasus ini adalah pemisahan matriks
transisi satu periode ,,21
PP sampai denganT
P , dimana T adalah
waktu terpanjang dari transisi yang diamati. Ketika transisi multiple
periode tunggal diamati, metode diatas data digunakan untuk
mengestimasi parameter periode.
".
Penutu#Penelitian ini telah menghadirkan suatu metode untuk vektor
transisi laju dengan menggunakan pendekatan rantai Markov untuk
mengestimasi transisi kredit. Model ini diketahui dengan baik,
dimana ini adalah suatu model sederhana yang digunakan sebagai
deskripsi proses stokastik untuk resiko aset. Probabilitas transisi
dalam suatu rantai Markov sederhana mengandung sejumlah
perubahan dari satu keadaan ke keadaan yang lain yang terjadi
selama periode sampel tertentu sehingga penelitian ini
menggunakan fungsi log likelihood untuk mengestimasi
probabilitas transisi tersebut. Adopsi kerangka transisi Markov
sederhana membutuhkan biaya,asumsi pembatasan pada kredit
transisi yang dibutuhkan untuk validitas model.
-
7/26/2019 67-205-1-PB
14/14
Riri Syafitri Lubis:Struktur Markov Pada Masalah Laju Kredit
212
KEP$%TAKAA&
Bielecki, T. R. and M. Rutkowski., 2002, Credit Risk : Modelling,Valuation and Hedging, Berlin:Springer-Verlag
Frydman, H and Schuermann, Till., 2007, Credit Rating Dynamics
and Markov Mixture Models, Wharton Financial Instittions
Center Working Paper, No. 4-15.
Goldfeld, Stephen M. and Lester V. Chandler., 1986, The
Economics of Money and Banking, Ninth Edition,New
York:Harper&Row,Publishers,Inc
Hurd, Tom. And Kuznetsov, A., 2005, Affine Markov Chain
Models of Multifirm Credit Migration, Working Paper of Mc
Master University of Canada.Muljono, Teguh Pudjo (1993), Manajemen Perkreditan Bagi Bank
Komersil, Yogyakarta:BPFE
Ross, Sheldon M., 1983, Stochastic Process, USA:University of
California.