Jakarta – Industri perbankan menghadapi tantangan yang berbeda dalam mengelola manajemen risiko likuiditas. Setidaknya, ada tiga tantangan yang tengah dihadapi saat ini. Apa Saja ?
- Volatilitas Pasar dan Inefisiensi Operasional
Perubahan kondisi pasar yang cepat dapat menyebabkan kekurangan likuiditas secara tiba-tiba. Sebagai contoh, selama krisis keuangan global 2008, pandemi global 2020, dan krisis perbankan Amerika Serikat (AS) 2023, banyak institusi menghadapi masalah likuiditas yang parah akibat kepanikan pasar dan krisis kredit.
Sistem manajemen likuiditas tradisional sering kali tidak memiliki fleksibilitas, stress testing yang lebih baik, dan kemampuan real-time yang diperlukan untuk mensimulasikan berbagai skenario dan dampaknya terhadap likuiditas, untuk merespons dengan cepat terhadap kondisi pasar yang dinamis ini.
Baca juga : BI Bantah Likuiditas Perbankan Ketat Imbas Suku Bunga Acuan Naik
Hal ini dapat mengakibatkan pengambilan keputusan yang tertunda dan peningkatan eksposur risiko. Kondisi ini juga menandakan bahwa bank membutuhkan tools yang fleksibel dan terukur untuk pemantauan real-timedibandingkan dengan sistem pelaporan periodik yang masih digunakan oleh banyak institusi.
Sebab sistem ini dapat menyebabkan penundaan respon terhadap kejadian likuiditas, serta alat dengan kemampuan stress testing yang kuat yang dapat membantu bank untuk mempersiapkan diri terhadap gangguan yang tidak terduga.
2. Persyaratan Peraturan
Kepatuhan terhadap standar peraturan yang ketat, seperti yang diberlakukan oleh Basel III, menuntut kerangka kerja manajemen risiko likuiditas yang ketat.
Bank diharuskan untuk mempertahankan profil pendanaan yang stabil sehubungan dengan komposisi aset dan aktivitas off-balance sheet mereka (dinyatakan dalam Rasio Pendanaan Stabil Bersih) dan mempertahankan aset likuid berkualitas tinggi (HQLA) yang cukup untuk menutupi potensi arus keluar jangka pendek (Rasio Cakupan Likuiditas).
Baca juga: ISEI Solo: Pengelolaan Dana Haji Jadi Sumber Likuiditas Perbankan Syariah
Inilah sebabnya mengapa platform yang dapat menyediakan fitur kepatuhan terhadap regulasi secara built-in sangat bermanfaat bagi bank dengan mengurangi beban kepatuhan.
3. Integrasi dan Analisis Data
Penilaian risiko likuiditas membutuhkan data yang komprehensif dari berbagai sumber. Pendekatan yang terpisah-pisah terhadap manajemen risiko dapat menghalangi pandangan yang komprehensif terhadap posisi likuiditas institusi.
Inilah sebabnya mengapa sistem manajemen risiko terintegrasi yang memberikan analisa menyeluruh mengenai risiko pasar, kredit, dan likuiditas menjadi sangat penting. Bersama dengan dasbor dan analisa yang komprehensif, keputusan likuiditas dapat ditangani secara efektif.
Solusi Manajemen Risiko Likuiditas
Sales Director PT Elysian NXT Indonesia Yudhistira mengatakan, pihaknya menawarkan platform risiko terintegrasi dengan kemampuan manajemen data yang luas untuk memungkinkan bank memperoleh manfaat dari data yang bersih di semua kategori risiko.
Menurutnya, risiko likuiditas dari Elysian NXT dapat memudahkan pemantauan posisi likuiditas secara real-time, stress-testing yang komprehensif, dan kemampuan analisis skenario melalui tampilan aplikasi yang intuitif.
“Dengan forecasting arus kas yang kuat serta dashboard dan analisa yang intuitif, bank dapat memitigasi risiko likuiditas dan mengelola risiko likuiditas secara efektif,” katanya, dikutip Rabu, 17 Juli 2024.
Lebih lanjut, Elysian NXT sendiri memiliki semuanya dalam platform manajemen risiko terintegrasi, termasuk LCR, NSFR, ALM, Pemantauan Limit, Risk Appetite, Repricing Gap, Rencana Pendanaan, Pemantauan HQLA, Skema Penjaminan Simpanan, Reklasifikasi, Jangka waktu yang dapat diedit, dan Rasio Likuiditas Internal.
“Aplikasi kami telah memiliki Supervisory Dictionary yang terintegrasi berupa seperangkat peraturan bawaan dari setiap pengawas nasional, dalam hal ini dari Otoritas Jasa Keuangan,” bebernya.
Ia merinci, secara khusus berfokus pada risiko likuiditas, repositori ini mencakup semua spesifikasi yang diperlukan terkait Liquidity Coverage Ratio (LCR) dan Net Stable Funding Ratio (NSFR).
Beberapa contoh spesifikasi untuk LCR adalah daftar kelas HQLA dan haircut-nya, kelas arus kas masuk dengan tingkat arus kas masuk dan persyaratan batasnya.
“Untuk NSFR, tersedia General Approach dan Simplified Approach dengan kelas-kelasnya masing-masing dan faktor pencarian berdasarkan sisa jatuh tempo,” terangnya.
Sementara hubungan antara data bank dan spesifikasi telah ditetapkan dalam pengaturan model UI yang mudah digunakan. Supervisory Dictionary pertama kali dihubungkan dalam model LCR atau NSFR. Cakupan dan klasifikasi LCR dan NSFR dapat ditentukan dengan menggunakan atribut data dari bank.
Hal ini dapat dilakukan dengan mudah sebagai ketentuan aturan pada antarmuka pengguna kami. Selain itu, pembuatan arus kas juga tersedia untuk beberapa komponen seperti arus kas keluar atau arus kas masuk.
Terlepas dari persyaratan regulasi, horizon dan ambang batas tambahan untuk LCR dan NSFR dapat diatur dalam model yang nantinya akan ditampilkan di Liquidity Deck.
Liquidity Deck
Dalam satu deck, bank dapat melihat hasil LCR dan NSFR. Hasil ikhtisar dapat digunakan untuk secara aktif memantau tingkat likuiditas terhadap ambang batas peraturan. Rincian untuk setiap kelas juga dapat ditemukan di bawah setiap tab.
Selain itu, hasilnya disimpan di level kontrak individual, sehingga hasil LCR dan NSFR dapat ditemukan untuk semua kontrak. (*)
Editor : Galih Pratama
