BAB II TINJAUAN PUSTAKA. komoditas, model pergerakan harga komoditas, rantai Markov, simulasi Standard
|
|
- Agus Lie
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB II TINJAUAN PUSTAKA Pada bab ini akan dibahas beberapa tinjauan mengenai teori yang diperlukan dalam pembahasan bab-bab selanjutnya antara lain tentang kontrak berjangka komoditas, model pergerakan harga komoditas, rantai Markov, simulasi Standard Monte Carlo, dan metode Markov Chain Monte Carlo dengan penggunaan algoritma hit-and-run sampler. 2.1 Kontrak Berjangka Komoditas Terdapat dua jenis kontrak berjangka yang berlaku di Indonesia, yaitu kontrak berjangka (futures contract) dan kontrak penyerahan kemudian (forward contract). Kontrak berjangka (futures contract) adalah perjanjian untuk membeli atau menjual aset pada periode waktu tertentu pada masa yang akan datang dengan kepastian harga yang telah disepakati sebelumnya (Hull, 2002, p. 1). Begitu pula dengan kontrak berjangka (forward contract), Hull (2002) menyatakan kontrak penyerahan kemudian (forward contract) hampir sama dengan kontrak futures pada perjanjian untuk membeli atau menjual aset pada waktu tertentu pada masa yang akan datang dengan harga tertentu. Namun yang membedakan adalah kontrak futures diperdagangkan pada lantai bursa yang sudah terorganisasi dan bersifat baku, sedangkan kontrak forward diperdagangkan pada pasar di luar bursa (over-the-counter market). 6
2 7 Pada awalnya bursa berjangka digunakan untuk mempertemukan kebutuhan antara petani dengan pedagang. Ketidakpastian harga panen merupakan alasan utama didirikannya bursa berjangka. Bursa berjangka merupakan alternatif pasar yang dapat dimanfaatkan untuk mengubah tingkat risiko suatu aktiva pada saat diperoleh suatu informasi baru (Hull, 2002, p. 2). Harga kontrak berjangka secara matematis saling terkait dengan harga tunai komoditas induk yang dijadikan sebagai objek dalam kontrak (Siahaan, 2008, p. 165). Arbitrase (arbitrage) merupakan jembatan yang menghubungkan jurang pemisah antara kedua pasar untuk mencegah harga kontrak berjangka menjauh dari nilai teoritis relatif dengan harga tunai komoditas yang dijadikan sebagai aktiva induk (underlying asset). Misalkan pengarbitrase (arbitrager) membeli satu kontrak komoditas di pasar tunai pada harga tertentu ( ) dan melakukan transaksi di kontrak berjangka serta menjualnya pada suatu harga tertentu ( ) sepanjang umur kontrak (selama kontrak belum jatuh tempo) dengan adalah risk free rate. Definisikan harga kontrak pada waktu dan harga komoditas pada waktu. Hubungan antara kontrak berjangka ( ) dan harga komoditas induk ( ) adalah. (2.1) Jika diperoleh maka arbitrager akan menjual kontrak berjangka (sort the futures) dan membeli komoditas induk. Namun jika diperoleh maka arbitrager akan membeli kontrak berjangka dan menjual komoditas induk (Hull, 2009, p. 103).
3 8 Kondisi lain mengakibatkan arbitrager harus memiliki/menahan komoditas yang dibeli di pasar tunai sepanjang kontrak belum jatuh tempo. Hal ini dilakukan agar arbitrager benar-benar tidak memiliki risiko, tetapi hal ini akan mengandung biaya sebab secara fisik komoditas harus disimpan dan diasuransikan jangan sampai hilang (Siahaan, 2008, p. 178). Misalkan biaya penyimpanan (biaya gudang) dan biaya asuransi komoditas dari nilai komoditas. Dalam kondisi seperti ini, nilai dari futures contract adalah. (2.2) 2.2 Model Pergerakan Harga Komoditas Model pergerakan harga komoditas mengikuti bentuk persamaan diferensial stokastik. Pergerakan harga komoditas dikatakan memenuhi proses stokastik karena nilainya berubah terhadap waktu dengan pola yang tidak terduga. Proses Markov merupakan salah satu jenis proses stokastik yang hanya menggunakan nilai sekarang dari variabel yang relevan untuk memprediksi masa depan (Hull, 2009, p. 259). Misalkan adalah harga komoditas pada saat dan merupakan ekspektasi tingkat pengembalian (return) harga komoditas per satuan waktu yang dinyatakan dalam desimal, maka besar return yang diharapkan dari harga komoditas sebesar, artinya untuk selang waktu yang cukup kecil, ekspektasi kenaikan harga komoditas S adalah. Jika volatilitas harga komoditas selalu nol, maka model pergerakan harga komoditas adalah. (2.3)
4 9 Untuk, maka persamaan (2.3) dapat ditulis menjadi atau. (2.4) Jika persamaan (2.4) diintegralkan pada interval [0,T], diperoleh (2.5) dengan dan adalah harga saham pada waktu dan. Pada keadaan sebenarnya, volatilitas akan muncul pada pergerakan harga komoditas. Dalam jangka waktu yang pendek, diasumsikan perubahan tingkat pengembalian adalah sama, terlepas dari seberapa besar harga komoditasnya. Akibatnya, dapat diasumsikan bahwa standar deviasi perubahan harga komoditas pada selang waktu haruslah proporsional dengan harga komoditas. Dengan demikian model persamaan (2.3) dengan adanya volatilitas dapat diubah menjadi atau dapat ditulis (2.6) (2.7) dengan adalah ekspektasi tingkat pengembalian per satuan waktu, mempresentasikan volatilitas harga saham, dan Z adalah proses Wiener (Hull, 2009, p. 265).
5 10 Secara umum, variabel Z mengalami proses Wiener jika memiliki dua sifat berikut (Hull, 2009, p. 261): 1. Perubahan sepanjang periode yang kecil adalah dengan adalah bilangan acak yang berdistribusi normal standar. 2. Nilai pada waktu bersifat independen. Sehingga persamaan (2.5) untuk dapat ditulis sebagai. (2.8) Menggunakan lemma Ito (Hull, 2009, p. 269) dari persamaan (2.7) akan diperoleh ( ). (2.9) Persamaan (2.9) akan menghasilkan solusi model yang disebut dengan model geometric brownian motion untuk harga komoditas berjangka, ( ) (2.10) dengan adalah harga komoditas pada saat mendatang. 2.3 Rantai Markov Model rantai Markov dikembangkan oleh seorang ahli Rusia A.A. Markov pada tahun Analisis Markov menghasilkan suatu informasi probabilistik yang dapat digunakan untuk membantu pembuatan keputusan. Jadi, analisis ini bukan merupakan suatu teknik optimisasi melainkan suatu teknik deskriptif. Analisis Markov merupakan bentuk khusus dari model probabilistik yang lebih umum dikenal sebagai proses stokastik (stochastic process).
6 11 Konsep dasar analisis Markov adalah apabila diketahui proses berada dalam suatu keadaan tertentu, maka peluang berkembangnya proses pada masa mendatang hanya tergantung pada keadaan saat ini. Dengan kata lain rantai Markov adalah rangkaian proses kejadian dengan peluang bersyarat kejadian yang akan datang tergantung pada kejadian sekarang. Suatu proses stokastik { } dikatakan memiliki sifat Markov (Markov property), apabila untuk sebarang dan, distribusi bersyarat diketahui sama dengan distribusi bersyarat bila diketahui saja. Sebuah proses yang memiliki sifat Markov disebut juga proses Markov. Jika ruang state dari proses Markov dapat dihitung, maka proses Markov dapat disebut juga rantai Markov (Bhattacharya & Waymire, 1990). Dengan kata lain, (2.11) Peluang bersyarat disebut peluang transisi untuk rantai Markov. Ketika peluang transisi tidak terikat oleh variabel waktu, dapat dikatakan bahwa rantai Markov memiliki peluang transisi stasioner (Karlin & Taylor, 1975). Kernel transisi adalah fungsi peluang yang memenuhi untuk sebarang, untuk setiap anggota dari ruang state yang diberikan, terdapat anggota dari ruang state yang diberikan sedemikian sehingga (2.12) (Gilks, et. al., 1996).
7 12 Beberapa sifat yang dimiliki rantai Markov: 1. Irreducible, suatu rantai Markov dikatakan irreducible jika semua state dapat dihubungkan satu sama lain dan dikatakan reducible jika sebaliknya terdapat state yang tidak dapat dihubungkan satu sama lain. 2. Periodic, suatu kondisi ketika periode dari suatu state lebih dari satu. Jika periode suatu state sama dengan satu, maka disebut aperiodic. 3. Recurrent, suatu state dikatakan recurrent jika dan hanya jika, peluang untuk mulai dari state kembali ke state setelah waktu yang berhingga adalah satu. State yang tidak recurrent disebut transient. 4. Positive recurrent, suatu state dikatakan positive recurrent apabila diketahui rata-rata langkah yang diperlukan untuk kembali ke state adalah kurang dari tak berhingga banyaknya. 5. Absorbing, state dikatakan absorbing jika dan hanya jika dan dengan. 6. Ergodic, suatu rantai Markov dikatakan ergodic jika irreducible, aperiodic dan positive recurrent. 2.4 Barisan Bilangan Acak Banyak kejadian yang ditemui dalam masalah finansial mengikuti sifat dari barisan bilangan acak. Misalkan { } adalah barisan variabel acak yang independen dan berdistribusi identik jika semua variabel memiliki kesamaan fungsi probabilitas dan setiap jumlah variabel membentuk sebuah vektor acak yang independen diperoleh
8 13 dan Ketika jumlah percobaan yang dilakukan menjadi sangat besar, frekuensi relatif akan berkumpul pada fungsi probabilitas peristiwa yang terjadi. Hubungan ini dapat ditunjukkan dengan hukum bilangan besar. Hukum Bilangan Besar menggambarkan stabilitas dari peubah-peubah acak dalam jumlah besar. Dalam Hukum Bilangan Besar dinyatakan bahwa jika diberikan suatu sampel acak dari suatu sebaran dengan mean dan variansnya terbatas, maka rata-rata sampel akan mendekati rata-rata populasi. Hukum bilangan besar menjelaskan tentang jenis kekonvergenen yang lemah dengan menyatakan bahwa rataan sampel akan konvergen dalam peluang. Ketidaksamaan Chebyshev merupakan salah satu cara untuk membuktikan kekonvergenan yang lemah. Misalkan variabel acak dengan nilai harapan dan nilai varians, untuk setiap bilangan positif k diperoleh atau Misalkan menyatakan nilai mean dan menyatakan nilai varians, sehingga
9 14 dapat didefinisikan sebagai [ ] Teorema limit pusat menyatakan bahwa ketika mendekati tak terhingga, variabel acak konvergen pada arah distribusi Gauss dengan nilai rata-rata nol dan varians unit. 2.5 Simulasi Monte Carlo Simulasi Monte Carlo merupakan suatu metode yang digunakan untuk mengevaluasi suatu model deterministik yang melibatkan bilangan acak sebagai salah satu input. Metode ini sering digunakan jika model yang digunakan cukup kompleks, nonlinear atau melibatkan lebih dari sepasang parameter tidak pasti. Suatu model memerlukan parameter input dan beberapa persamaan yang digunakan untuk menghasilkan output (atau variabel respon). Jika parameter input berupa bilangan acak digunakan, hal ini dapat mengubah suatu model deterministik menjadi model stokastik. Model deterministik merupakan suatu model pendekatan yang diketahui dengan pasti sedangkan model stokastik tidak diketahui secara pasti (Rubinstein & Kroese, 2008, p. 82). Simulasi Monte Carlo adalah metode untuk menganalisis ketidakpastian yang bertujuan untuk menentukan bagaimana variasi acak atau galat dapat mempengaruhi sensitivitas, kinerja atau reliabilitas dari sistem yang sedang dimodelkan. Simulasi Monte Carlo digolongkan sebagai metode pengambilan sampel karena input dibangkitkan secara acak dari suatu distribusi probabilitas
10 15 untuk proses sampling dari suatu populasi nyata. Oleh karena itu, suatu model harus memilih suatu distribusi input yang paling mendekati data yang dimiliki (Rubinstein & Kroese, 2008, p. 84). Misalkan adalah data dari suatu percobaan simulasi yang bersifat independen dan berdistribusi identik dengan suatu fungsi densitas peluang. Data diperoleh dengan menjalankan simulasi sebanyak kali yang independen untuk menghasilkan output pada langkah ke-. Misalkan akan ditentukan nilai harapan [ ] (2.13) dengan berdistribusi yang dapat ditulis dengan notasi. Estimator yang tidak bias untuk adalah rataan sampel dari himpunan { } sebagai berikut (2.14) Metode Monte Carlo merupakan sebuah metode untuk menghasilkan sampel yang saling bebas, dan berdistribusi identik. Perhitungan harga dilakukan berdasarkan harga komoditas sebelumnya, perhitungan harga juga dapat dilakukan berdasarkan harga saham awal. Untuk melakukan perhitungan harga komoditas dilakukan dengan model geometric brownian motion (( ) ). (2.15) Model pada simulasi Monte Carlo menyatakan bahwa harga komoditas saat ini dipengaruhi oleh harga saham sebelumnya. Apabila waktu pergerakan
11 16 harga komoditas dipartisi menjadi N buah ( ), untuk mendapatkan harga pada waktu T diperlukan perhitungan harga komoditas sebanyak N buah. 2.6 Metode Markov Chain Monte Carlo Markov Chain Monte Carlo (MCMC) adalah metode untuk membangkitkan peubah-peubah acak yang didasarkan pada rantai Markov. Untuk sebarang titik awal, rantai Markov akan konvergen ke suatu distribusi invarian (Andrieu, et. al., 2003). Misalnya akan dijabarkan yang sangat sulit untuk dilakukan pengambilan sampelnya, oleh karena itu diperlukan teknik pengambilan sampel dengan menggunakan metode MCMC. Dalam hal ini MCMC adalah metode yang dapat digunakan untuk memenuhi tujuan pengambilan sampel yang diperlukan. Gagasan utamanya adalah untuk membangun rantai Markov { } sehingga (2.16) Rantai Markov didefinisikan oleh nilai keadaan awal dan kernel transisi. Kernel transisi digunakan sebagai pembaruan masing-masing subvektor secara bergantian dari distribusi bersyarat dan diberikan semua subvektor lainnya. Ketika peluang transisi tidak terikat oleh variabel waktu, dapat dikatakan rantai Markov memiliki peluang transisi stasioner. Distribusi stasioner bernilai tunggal jika rantainya ergodic. Berdasarkan hal tersebut diperoleh (2.17)
12 17 dengan merupakan ruang state dari distribusi sampel. Persamaan (2.17) dapat ditulis sebagai suatu sistem persamaan linear yang terdiri dari buah persamaan: { (2.18) dengan yang merupakan banyaknya anggota ruang state. Sistem persamaan (2.18) terdiri atas sejumlah total persamaan dan peluang transisi ( ). Dengan demikian untuk suatu ruang state yang tak berhingga maka akan diperoleh juga kernel transisi yang tak berhingga. Oleh karena kernel transisi merupakan suatu fungsi dengan daerah asal ruang state yang tak berhingga. Hal ini berarti memenuhi pernyataan bahwa, sehingga diperoleh distribusi stasioner dari rantai Markov adalah. (Landauskas & Valakevicius, 2011, p. 245) Metode MCMC merupakan sebuah alat untuk menghasilkan sampel yang tidak saling bebas. Hal ini sesuai dengan sifat data finansial yang merupakan suatu kelompok data tertentu yang terdiri dari urutan kejadian yang saling dependent. Pertimbangkan harga saham lintasan digunakan dalam penentuan harga kontrak. ({ } ) (2.19) dengan,, dan yang diperoleh dari rantai Markov sebagai sampel Monte Carlo. Dalam hal ini, adalah
13 18 parameter yang diberikan untuk menentukan nilai dari sebuah harga komoditas dengan menggunakan metode MCMC. 2.7 Algoritma Hit-and-Run Sampler Algoritma hit-and-run sampler yang dipelopori oleh R. L. Smith adalah salah satu teknik pengambilan sampel MCMC pertama dalam kategori pengambilan sampel baris. Langkah-langkah yang dilakukan untuk membangkitkan sampel dengan menggunakan algoritma hit-and-run sampler (Kroese, et. al., 2011) adalah sebagai berikut: 1. Diberikan kondisi awal dan t = Bangkitkan bilangan acak menurut distribusi seragam pada unit hypersphere dimensi. Dengan kata lain, bilangan acak yang dihasilkan adalah: ( ) dengan 3. Bangkitkan dari densitas proposal (proposal density) yang memenuhi kondisi keseimbangan sebagai berikut: ( ) ( ) Densitas proposal yang memenuhi kondisi keseimbangan dapat dikatakan sebagai proposal yang layak, sehingga pada iterasi diperoleh { } 4. Ambil dan misalkan
14 19 { dengan merupakan peluang penerimaan (acceptance probability) { } (2.20) nilai untuk dan untuk. 5. Jika kriteria konvergensi terpenuhi, maka algoritma selesai. Jika tidak, maka naikkan dan ulangi dari langkah 2.
IMPLEMENTASI METODE MARKOV CHAIN MONTE CARLO DALAM PENENTUAN HARGA KONTRAK BERJANGKA KOMODITAS
E-Jurnal Matematika Vol. 4 (3), Agustus 2015, pp. 122-126 ISSN: 2303-1751 IMPLEMENTASI METODE MARKOV CHAIN MONTE CARLO DALAM PENENTUAN HARGA KONTRAK BERJANGKA KOMODITAS Putu Amanda Setiawani 1, Komang
Lebih terperinciBAB V IMPLEMENTASI SIMULASI MONTE CARLO UNTUK PENILAIAN OPSI PUT AMERIKA
BAB V IMPLEMENTASI SIMULASI MONTE CARLO UNTUK PENILAIAN OPSI PUT AMERIKA 5.1 Harga Saham ( ( )) Seperti yang telah diketahui sebelumnya bahwa opsi Amerika dapat dieksekusi kapan saja saat dimulainya kontrak
Lebih terperinciBAB I PENDAHULUAN. Pasar keuangan yang berkembang dengan sangat pesat menyebabkan
BAB I PENDAHULUAN 1.1 Latar Belakang Pasar keuangan yang berkembang dengan sangat pesat menyebabkan terjadinya perubahan situasi dan kondisi pasar yang cenderung menimbulkan risiko bagi para investor.
Lebih terperinciBAB III METODE PENELITIAN
18 BAB III METODE PENELITIAN Pada bab ini akan dikemukakan metode-metode yang akan digunakan pada bab selanjutnya. Metode-metode pada bab ini yaitu metode Value at Risk dengan pendekatan distribusi normal
Lebih terperinciBAB V PENUTUP ( ( ) )
BAB V PENUTUP 5.1 Kesimpulan Penentuan harga opsi Asia menggunakan rata-rata Aritmatik melalui Simulasi Monte Carlo dapat dinyatakan sebagai berikut. ( ( ) ) ( ( ) ) dimana merupakan harga opsi Call Asia
Lebih terperinciBAB III METODE MONTE CARLO
BAB III METODE MONTE CARLO 3.1 Metode Monte Carlo Metode Monte Carlo adalah algoritma komputasi untuk mensimulasikan berbagai perilaku sistem fisika dan matematika. Penggunaan klasik metode ini adalah
Lebih terperinciLEMBAR PENGESAHAN LEMBAR PERNYATAAN ABSTRAK KATA PENGANTAR UCAPAN TERIMA KASIH DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN
DAFTAR ISI LEMBAR PENGESAHAN LEMBAR PERNYATAAN ABSTRAK... i KATA PENGANTAR... iii UCAPAN TERIMA KASIH... iv DAFTAR ISI... vi DAFTAR TABEL... viii DAFTAR GAMBAR... ix DAFTAR LAMPIRAN... x BAB I PENDAHULUAN...
Lebih terperinciABSTRAK SIMULASI MONTE CARLO DALAM PENENTUAN HARGA OPSI BARRIER
ABSTRAK SIMULASI MONTE CARLO DALAM PENENTUAN HARGA OPSI BARRIER Djaffar Lessy, Dosen Pendidikan Matematika Fakultas Tarbiyah dan Keguruan, IAIN Ambon 081343357498, E-mail: Djefles79@yahoo.com Opsi yang
Lebih terperinciII. LANDASAN TEORI. Pada bagian ini akan diuraikan beberapa definisi dan teori penunjang yang akan digunakan di dalam pembahasan.
II. LANDASAN TEORI Pada bagian ini akan diuraikan beberapa definisi dan teori penunjang yang akan digunakan di dalam pembahasan. 2.1 Istilah Ekonomi dan Keuangan Definisi 1 (Investasi) Dalam keuangan,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengantar Pada bab ini akan diuraikan beberapa landasan teori untuk menunjang penulisan skripsi ini. Uraian ini terdiri dari beberapa bagian yang akan dipaparkan secara terperinci
Lebih terperinciBAB I PENDAHULUAN. yang telah go public. Perusahaan yang tergolong perusahan go public ialah
BAB I PENDAHULUAN 1.1 Latar Belakang Saham merupakan surat berharga sebagai bukti penyertaan atau pemilikan individu maupun badan hukum dalam suatu perusahaan, khususnya perusahaan yang telah go public.
Lebih terperinciRANTAI MARKOV ( MARKOV CHAIN )
RANTAI MARKOV ( MARKOV CHAIN ) 2.1 Tujuan Praktikum Rantai markov (Markov Chain ) merupakan salah satu materi yang akan dipelajari dalam praktikum stokastik. Berikut ini terdapat beberapa tujuan yang akan
Lebih terperinciBAB II TINJAUAN PUSTAKA. Opsi adalah suatu hak (bukan kewajiban) untuk pembeli opsi untuk membeli
BAB II TINJAUAN PUSTAKA 2.1 Opsi Opsi adalah suatu hak (bukan kewajiban) untuk pembeli opsi untuk membeli atau menjual aset kepada penjual opsi pada harga tertentu dan dalam jangka waktu yang telah ditentukan
Lebih terperinci2.5.1 Penentuan Nilai Return Saham Penentuan Volatilitas Saham Dasar- dasar Simulasi Monte Carlo Bilangan Acak...
Judul Nama Pembimbing : Penentuan Harga Opsi Beli Tipe Asia dengan Metode Monte Carlo-Control Variate : Ni Nyoman Ayu Artanadi : 1. Ir. Komang Dharmawan, M.Math, Ph.D. 2. Drs. Ketut Jayanegara, M.Si. ABSTRAK
Lebih terperinciLEMBAR PENGESAHAN LEMBAR PERNYATAAN ABSTRAK KATA PENGANTAR UCAPAN TERIMA KASIH DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN
DAFTAR ISI LEMBAR PENGESAHAN LEMBAR PERNYATAAN ABSTRAK... i KATA PENGANTAR... iii UCAPAN TERIMA KASIH... iv DAFTAR ISI... v DAFTAR TABEL... vii DAFTAR GAMBAR... viii DAFTAR LAMPIRAN... x BAB I PENDAHULUAN...
Lebih terperinciPr { +h =1 = } lim. Suatu fungsi dikatakan h apabila lim =0. Dapat dilihat bahwa besarnya. probabilitas independen dari.
6.. Proses Kelahiran Murni Dalam bab ini, akan dibahas beberapa contoh penting dari waktu kontinu, state diskrit, proses Markov. Khususnya, dengan kumpulan dari variabel acak {;0 } di mana nilai yang mungkin
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH SIMULASI (KB) KODE / SKS : KK / 3 SKS
KODE / SKS : KK-01333 / 3 SKS 1 Pengertian dan tujuan 1. Klasifikasi Model 1 Simulasi. Perbedaan penyelesaian problem Dapat menjelaskan klasifikasi model dari matematis secara analitis dan numeris suatu
Lebih terperinciPENENTUAN HARGA OPSI BELI TIPE ASIA DENGAN METODE MONTE CARLO-CONTROL VARIATE
E-Jurnal Matematika Vol. 6 (1), Januari 2017, pp. 29-36 ISSN: 2303-1751 PENENTUAN HARGA OPSI BELI TIPE ASIA DENGAN METODE MONTE CARLO-CONTROL VARIATE Ni Nyoman Ayu Artanadi 1, Komang Dharmawan 2, Ketut
Lebih terperinciBab 2 LANDASAN TEORI. 2.1 Pengantar Proses Stokastik
Bab 2 LANDASAN TEORI Pada bab ini akan diberikan penjelasan singkat mengenai pengantar proses stokastik dan rantai Markov, yang akan digunakan untuk analisis pada bab-bab selanjutnya. 2.1 Pengantar Proses
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Salah satu instrumen derivatif yang mempunyai potensi untuk dikembangkan adalah opsi. Opsi adalah suatu kontrak antara dua pihak, salah satu pihak (sebagai pembeli) mempunyai hak
Lebih terperinciII. TINJAUAN PUSTAKA. real. T dinamakan himpunan indeks dari proses atau ruang parameter yang
II. TINJAUAN PUSTAKA 2.1 Proses Stokastik Stokastik proses = { ( ), } adalah kumpulan dari variabel acak yang didefinisikan pada ruang peluang (Ω, ς, P) yang nilai-nilainya pada bilangan real. T dinamakan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Teori Peluang Definisi 2.1.1 Percobaan Acak (Ross 2000) Suatu percobaan yang dapat diulang dalam kondisi yang sama dan semua kemungkinan hasil yang muncul dapat diketahui tetapi
Lebih terperinciII. LANDASAN TEORI. 2. P bersifat aditif tak hingga, yaitu jika dengan. 2.1 Ruang Contoh, Kejadian dan Peluang
II. LANDASAN TEORI 2.1 Ruang Contoh, Kejadian dan Peluang Dalam suatu percobaan sering kali diperlukan pengulangan yang dilakukan dalam kondisi yang sama. Semua kemungkinan hasil yang akan muncul akan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Noviandhini Puji Gumati, 2013
BAB I PENDAHULUAN 1.1 Latar Belakang Bursa saham merupakan suatu hal yang sangat penting di era globalisasi saat ini. Perdagangan yang mulai merambah pada segala bidang memicu banyak pihak untuk menginvestasikan
Lebih terperinciBAB III MODEL HIDDEN MARKOV KONTINU DENGAN PROSES OBSERVASI ZERO DELAY
BAB III MODEL HIDDEN MARKOV KONTINU DENGAN PROSES OBSERVASI ZERO DELAY 3.1 State dan Proses Observasi Semua proses didefinisikan pada ruang peluang Ω,,. Misalkan ; adalah rantai Markov dengan state berhingga
Lebih terperinciSilabus. Proses Stokastik (MMM 5403) Proses Stokastik. Contoh
Silabus Proses Stokastik (MMM 5403) Status: Wajib Minat Statistika Rantai Markov, klasifikasi rantai Markov. Limit rantai Markov dan aplikasinya. Rantai Markov kontinu, contoh-contoh klasik. Proses renewal,
Lebih terperinciBAB III METODE MONTE CARLO
BAB III ETODE ONTE CARLO 3.1 etode onte Carlo etode onte Carlo pertama kali ditemukan oleh Enrico Fermi pada tahun 1930-an. etode ini diawali dengan adanya penelitian mengenai pemeriksaan radiasi dan jarak
Lebih terperinciBab 6 Minggu ke 10 Lemma Ito & Simulasi Monte Carlo
Bab 6 Minggu ke 10 Lemma Ito & Simulasi Monte Carlo Tujuan Pembelajaran Setelah menyelesaikan perkuliahan minggu ini, mahasiswa bisa : Menjelaskan tentang Model matematis harga Saham Membuat simulasi harga
Lebih terperinciPenelitian Operasional II Rantai Markov RANTAI MARKOV
Penelitian Operasional II Rantai Markov 49 4. RANTAI MARKOV 4. PENDAHULUAN Dalam masalah pengambilan suatu keputusan, seringkali kita diperhadapkan dengan suatu ketidakpastian. Permasalahan ini dapat dimodelkan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peluang Peluang mempunyai banyak persamaan arti, seperti kemungkinan, kesempatan dan kecenderungan. Peluang menunjukkan kemungkinan terjadinya suatu kejadian yang bersifat acak.
Lebih terperinciBAB II KAJIAN TEORI. hasil percobaan yang berbeda dan masing-masing mempunyai. itu menyusun kejadian, maka probabilitas kejadian
BAB II KAJIAN TEORI A. Probabilitas Teorema 2.1 (Walpole, 1992) Probabilitas menunjukan suatu percobaan mempunyai hasil percobaan yang berbeda dan masing-masing mempunyai kemungkinan yang sama untuk terjadi,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Saham Menurut Anoraga dan Parkanti [1], saham dapat didefinisikan sebagai surat berharga yang dikeluarkan perusahaan atau perseroan terbatas ke masyarakat agar sesesorang dapat
Lebih terperinciII LANDASAN TEORI. 2.1 Ruang Contoh, Kejadian dan Peluang. 2.2 Peubah Acak dan Fungsi Sebaran
II LANDASAN TEORI 2.1 Ruang Contoh, Kejadian dan Peluang Dalam suatu percobaan sering kali diperlukan pengulangan yang dilakukan dalam kondisi yang sama. Semua kemungkinan hasil yang akan muncul akan diketahui
Lebih terperinciPENDAHULUAN LANDASAN TEORI
1 PENDAHULUAN Latar Belakang Dalam kehidupan sehari-hari, banyak permasalahan yang dapat dimodelkan dengan proses stokastik. Proses stokastik dapat dibedakan menjadi dua yaitu proses stokastik dengan waktu
Lebih terperinciII. TINJAUAN PUSTAKA. Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data
5 II. TINJAUAN PUSTAKA Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data panel ini, penulis menggunakan definisi, teorema dan konsep dasar yang berkaitan dengan pendugaan parameter,
Lebih terperinciBAB I PENDAHULUAN. kemampuan infrastruktur pasar. Secara tradisional, dikenal adanya dua
BAB I PENDAHULUAN 1.1 Latar Belakang Produk pasar modal selalu berkembang sesuai dengan kebutuhan dan kemampuan infrastruktur pasar. Secara tradisional, dikenal adanya dua instrumen investasi utama pasar
Lebih terperinciBAB II LANDASAN TEORI
15 BAB II LANDASAN TEORI Pada bab ini diberikan tinjauan pustaka, teori penunjang dan kerangka pemikiran. Tinjauan pustaka terdiri dari penelitian-penelitian sebelumnya yang mendasari skripsi ini, teori
Lebih terperinciBAB I PENDAHULUAN. seperti; saham, obligasi, mata uang dan lain-lain. Seiring dengan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam dunia pasar modal, terdapat berbagai macam aset yang diperjualbelikan seperti; saham, obligasi, mata uang dan lain-lain. Seiring dengan perkembangan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN Dalam pembahasan ini dikaji mengenai nilai ekspektasi saham pada jatuh tempo, persamaan nilai portofolio, penentuan model Black-Scholes harga opsi beli tipe Eropa,
Lebih terperinciStudi dan Implementasi Integrasi Monte Carlo
Studi dan Implementasi Integrasi Monte Carlo Firdi Mulia - 13507045 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia
Lebih terperinciSIMULASI PERGERAKAN HARGA SAHAM MENGGUNAKAN PENDEKATAN METODE MONTE CARLO
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 07, No. (018), hal 119 16. SIMULASI PERGERAKAN HARGA SAHAM MENGGUNAKAN PENDEKATAN METODE MONTE CARLO Lusiana, Shantika Martha, Setyo Wira Rizki
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2. Pengertian Distribusi Eksponensial Distribusi eksponensial adalah distribusi yang paling penting dan paling sederhana kegagalan mesin penghitung otomatis dan kegagalan komponen
Lebih terperinciBab 2. Landasan Teori. 2.1 Fungsi Convex
Bab 2 Landasan Teori Salah satu hal yang menarik dari topik tugas akhir ini adalah penggunaan sebuah ilmu dari dunia insurance (teori comonotonic) ke dunia matematika keuangan. Oleh karena itu untuk memahaminya
Lebih terperinciFIKA DARA NURINA FIRDAUS,
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam pasar modal, terdapat berbagai aset pokok yang dapat diperjualbelikan, diantaranya adalah mata uang, sepaket saham, dan komoditas. Seiring dengan berkembangnya
Lebih terperinciPENDEKATAN PERSAMAAN CHAPMAN-KOLMOGOROV UNTUK MENGUKUR RISIKO KREDIT. Chairunisah
PENDEKATAN PERSAMAAN CHAPMAN-KOLMOGOROV UNTUK MENGUKUR RISIKO KREDIT Chairunisah denisa0105@yahoo.com Abstrak Banyak permasalahan yang dapat dimodelkan dengan menggunakan program matematika yang bertujuan
Lebih terperinciLEMBAR PENGESAHAN LEMBAR PERNYATAAN ABSTRAK KATA PENGANTAR UCAPAN TERIMA KASIH DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN
DAFTAR ISI LEMBAR PENGESAHAN LEMBAR PERNYATAAN ABSTRAK... i KATA PENGANTAR... iii UCAPAN TERIMA KASIH... iv DAFTAR ISI... v DAFTAR TABEL... vii DAFTAR GAMBAR... viii DAFTAR LAMPIRAN... xi BAB I PENDAHULUAN...
Lebih terperinciBAB III PROSES POISSON MAJEMUK
BAB III PROSES POISSON MAJEMUK Pada bab ini membahas tentang proses stokastik, proses Poisson dan proses Poisson majemuk yang akan diaplikasikan pada bab selanjutnya. 3.1 Proses Stokastik Koleksi atau
Lebih terperinciPEMODELAN HARGA OBLIGASI DENGAN BUNGA BERFLUKTUASI MENGGUNAKAN MODEL VASICEK JANGKA PENDEK
PEMODELAN HARGA OBLIGASI DENGAN BUNGA BERFLUKTUASI MENGGUNAKAN MODEL VASICEK JANGKA PENDEK Diani Sarah Kamilia1, Deni Saepudin 2, Irma Palupi.3 1,2,3Prodi Ilmu Komputasi Telkom University, Bandung 1dianisarahkamilia@gmail.com,
Lebih terperinciBAB I PENDAHULUAN. Dalam dunia keuangan, dikenal adanya pasar keuangan (financial market)
1 BAB I PENDAHULUAN 1.1 Latar Belakang Dalam dunia keuangan, dikenal adanya pasar keuangan (financial market) yang terdiri atas pasar uang ( money market) dan pasar modal ( capital market). Pada pasar
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini akan dibahas tinjauan pustaka yang akan digunakan untuk tesis ini, yang selanjutnya akan diperlukan pada bab 3. Yang akan dibahas dalam bab ini adalah metode bootstrap
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan diuraikan beberapa teori dasar yang digunakan untuk menetapkan harga premi pada polis partisipasi asuransi jiwa endowmen yang terdapat opsi surrender dalam kontraknya,
Lebih terperinciSISTEM PENGOLAHAN ISYARAT. Kuliah 2 Sinyal Acak
TK 403 SISTM PNGOLAHAN ISYARAT Kuliah Sinyal Acak Indah Susilawati, S.T., M.ng. Program Studi Teknik lektro Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana Yogyakarta 009 KULIAH SISTM PNGOLAHAN
Lebih terperinciBAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol
BAB II TINJAUAN PUSTAKA A. Regresi Regresi adalah suatu studi statistik untuk menjelaskan hubungan dua variabel atau lebih yang dinyatakan dalam bentuk persamaan. Salah satu variabel merupakan variabel
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi adalah suatu metode yang digunakan untuk menganalisa hubungan antara variabel respon dan variabel prediktor. Pada umumnya analisis regresi
Lebih terperinciKONSISTENSI ESTIMATOR
KONSISTENSI ESTIMATOR TUGAS STATISTIKA MATEMATIKA II Oleh 1. Wahyu Nikmatus S. (121810101010) 2. Vivie Aisyafi F. (121810101050) 3. Rere Figurani A. (121810101052) 4. Dwindah Setiari W. (121810101054)
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA Dalam bab ini dijelaskan beberapa definisi dan teorema yang digunakan dalam pembahasan selanjutnya. 2.1 Teori Peluang Definisi 2.1.1 (Percobaan Acak) (Ross 2000) Suatu percobaan
Lebih terperinciPENERAPAN KALKULUS STOKASTIK PADA MODEL OPSI
PENERAPAN KALKULUS STOKASTIK PADA MODEL OPSI Nizaruddin Program Studi Pendidikan Matematika FPMIPA IKIP PGRI Semarang Jl. Sidodadi Timur 24 Semarang Abstrak Opsi merupakan salah satu pilihan investasi
Lebih terperinciPENGGUNAAN MODEL BLACK SCHOLES UNTUK PENENTUAN HARGA OPSI JUAL TIPE EROPA
Buletin Ilmiah Math. Stat. Dan Terapannya (Bimaster) Volume 02 no. 1 (2013), hal 13 20 PENGGUNAAN MODEL BLACK SCHOLES UNTUK PENENTUAN HARGA OPSI JUAL TIPE EROPA Widyawati, Neva Satyahadewi, Evy Sulistianingsih
Lebih terperinciABSTRAK PENENTUAN HARGA OPSI EROPA DENGAN MODEL BINOMIAL
ABSTRAK PENENTUAN HARGA OPSI EROPA DENGAN MODEL BINOMIAL Djaffar Lessy, Dosen Pendidikan Matematika Fakultas Tarbiyah dan Keguruan, IAIN Ambon 081343357498, E-mail: Djefles79@yahoo.om Banyak model telah
Lebih terperinciSEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN
SEKOLAH TINGGI MANAJEMEN INFORMAA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN Mata : SIMULASI DAN PERMODELAN Kode Mata : MI 1302 Jurusan / Jenjang : S1 SISTEM KOMPUTER Tujuan Instruksional Umum :
Lebih terperinciPEMBANGKIT RANDOM VARIATE
PEMBANGKIT RANDOM VARIATE Mata Kuliah Pemodelan & Simulasi JurusanTeknik Informatika Universitas Komputer Indonesia 1 Pendahuluan (1) Sifat probalitistik pada sistem nyata mempunyai pola distribusi probabilistik
Lebih terperinciIII PEMBAHASAN. untuk setiap di dan untuk setiap, dengan. (Peressini et al. 1988)
4 untuk setiap di dan untuk setiap (Peressini et al 1988) Definisi 22 Teorema Deret Taylor Nilai hampiran f di x untuk fungsi di a (atau sekitar a atau berpusat di a) didefinisikan (Stewart 1999) 24 Kontrol
Lebih terperinciPENENTUAN HARGA OPSI TIPE EROPA DENGAN METODE BINOMIAL
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 07, No. 2 (2018), hal 127 134. PENENTUAN HARGA OPSI TIPE EROPA DENGAN METODE BINOMIAL Syarifah Nadia, Evy Sulistianingsih, Nurfitri Imro ah INTISARI
Lebih terperinciPERHITUNGAN HARGA OPSI TIPE ARITMATIK CALL ASIA DENGAN SIMULASI MONTE CARLO
PERHITUNGAN HARGA OPSI TIPE ARITMATIK CALL ASIA DENGAN SIMULASI MONTE CARLO Ardhia Pringgowati 1 1 Prodi Ilmu Komputasi Telkom University, Bandung 1 ardya.p@gmail.com Abstrak Pada penelitian ini berhubungan
Lebih terperinciIII. HASIL DAN PEMBAHASAN
III. HASIL DAN PEMBAHASAN 3.1 Perumusan Masalah Misalkan adalah proses Poisson nonhomogen pada interval dengan fungsi intensitas yang tidak diketahui. Fungsi intensitas diasumsikan terintegralkan lokal
Lebih terperinciMENENTUKAN HARGA KONTRAK BERJANGKA KOMODITAS KEDELAI MENGGUNAKAN MODEL MEAN REVERSION
E-Jurnal Matematika Vol. 5 (4), November 2016, pp. 170-175 ISSN: 2303-1751 MENENTUKAN HARGA KONTRAK BERJANGKA KOMODITAS KEDELAI MENGGUNAKAN MODEL MEAN REVERSION Wirya Sedana 1, Komang Dharmawan 2, Ni Made
Lebih terperinciBAB I PENDAHULUAN Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Di dalam statistika, sebuah estimator adalah hasil perhitungan suatu estimasi terhadap kuantitas tertentu berdasarkan pada data terobservasi atau
Lebih terperinciLANDASAN TEORI. Dalam proses penelitian pendugaan parameter dari suatu distribusi diperlukan
II. LANDASAN TEORI Dalam proses penelitian pendugaan parameter dari suatu distribusi diperlukan beberapa konsep dan teori yang mendukung dari ilmu statistika. Berikut akan dijelaskan beberapa konsep dan
Lebih terperinciESTIMASI PARAMETER DALAM MODEL RETURN STOKASTIK DENGAN LOMPATAN MENGGUNAKAN METODE MARKOV CHAIN MONTE CARLO
ESTIMASI PARAMETER DALAM MODEL RETURN STOKASTIK DENGAN LOMPATAN MENGGUNAKAN METODE MARKOV CHAIN MONTE CARLO Yessy Okvita 1), Bambang Susanto 2), dan Hanna Arini Parhusip 3) 1) Mahasiswa Program Studi Matematika
Lebih terperinciPROSES MARKOV KONTINYU (CONTINOUS MARKOV PROCESSES)
#11 PROSES MARKOV KONTINYU (CONTINOUS MARKOV PROCESSES) 11.1. Pendahuluan Masalah keandalan yang berhubungan dengan sistem secara normal adalah space memiliki sifat diskrit yaitu sistem tersebut dapat
Lebih terperinciBAB 3 PEMBANGUNAN MODEL SIMULASI MONTE CARLO. Simulasi Monte Carlo merupakan salah satu metode simulasi sederhana yang
BAB 3 PEMBANGUNAN MODEL SIMULASI MONTE CARLO 3. Simulasi Monte Carlo Simulasi Monte Carlo merupakan salah satu metode simulasi sederhana yang dapat dibangun secara cepat menggunakan spreadsheet. Penggunaan
Lebih terperinciMata Kuliah Pemodelan & Simulasi. Riani Lubis. Program Studi Teknik Informatika Universitas Komputer Indonesia
Mata Kuliah Pemodelan & Simulasi Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia Teori Inventori Inventory merupakan pengumpulan atau penyimpanan komoditas yang akan digunakan
Lebih terperinciBAB II TINJAUAN PUSTAKA. pembeli opsi untuk menjual atau membeli suatu sekuritas tertentu pada waktu dan
BAB II TINJAUAN PUSTAKA 2.1 Kontrak Opsi Kontrak opsi merupakan suatu perjanjian atau kontrak antara penjual opsi dengan pembeli opsi, penjual opsi memberikan hak dan bukan kewajiban kepada pembeli opsi
Lebih terperinciPertemuan 5 ANALISIS RANTAI MARKOV
Pertemuan 5 ANALISIS RANTAI MARKOV Objektif: 1. Mahasiswa dapat merumuskan masalah dalam analisis rantai markov 2. Mahasiswa dapat mencari penyelesaian masalah dalam prorses perhitungan probabilitas dengan
Lebih terperinciSUATU MODEL HARGA OBLIGASI. Lienda Noviyanti* *Staf pengajar jurusan Statistika FMIPA - Universitas Padjadjaran, Bandung.
SUATU MODEL HARGA OBLIGASI S-31 Lienda Noviyanti* *Staf pengajar jurusan Statistika FMIPA - Universitas Padjadjaran, Bandung. Uang merupakan sebuah komoditas, sedangkan tingkat bunga adalah biaya dari
Lebih terperinciII. TINJAUAN PUSTAKA. 2.1 Fungsi Keberlangsungan Hidup (Survival Function) Misalkan adalah usia seseorang saat menutup polis asuransi, sehingga adalah
II. TINJAUAN PUSTAKA 2.1 Fungsi Keberlangsungan Hidup (Survival Function) Misalkan adalah usia seseorang saat menutup polis asuransi, sehingga adalah peubah acak waktu meninggal. Fungsi distribusi dinyatakan
Lebih terperinciBAB III. Hidden Markov Models (HMM) Namun pada beberapa situasi tertentu yang ditemukan di kehidupan nyata,
BAB III Hidden Markov Models (HMM) 3.1 Pendahuluan Rantai Markov mempunyai state yang dapat diobservasi secara langsung. Namun pada beberapa situasi tertentu yang ditemukan di kehidupan nyata, beberapa
Lebih terperinciMata Kuliah Pemodelan & Simulasi. Universitas Komputer Indonesia
MODEL INVENTORY Mata Kuliah Pemodelan & Simulasi Jurusan Teknik Informatika Universitas Komputer Indonesia Pendahuluan Inventory merupakan pengumpulan atau penyimpanan komoditas yang akan digunakan untuk
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Investasi pada hakekatnya merupakan penempatan sejumlah uang atau dana yang dilakukan pada saat ini dengan harapan memperoleh keuntungan di masa mendatang (Halim,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Ruang Contoh, Kejadian dan Peluang Dalam suatu percobaan seringkali dilakukan pengulangan yang biasanya dilakukan dalam kondisi yang sama. Semua kemungkinan hasil yang akan muncul
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Secara umum dengan berkembangnya industri keuangan dunia berbagai instrumen keuangan pun dikembangkan oleh banyak orang guna menunjang perkembangan pasar modal. Salah
Lebih terperinciMETODE BEDA HINGGA UNTUK MENENTUKAN HARGA OPSI SAHAM TIPE EROPA DENGAN PEMBAGIAN DIVIDEN. Lidya Krisna Andani ABSTRACT
METODE BEDA HINGGA UNTUK MENENTUKAN HARGA OPSI SAHAM TIPE EROPA DENGAN PEMBAGIAN DIVIDEN Lidya Krisna Andani Mahasiswa Program Studi S1 Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciPENARIKAN SAMPEL & PENDUGAAN PARAMETER
PENARIKAN SAMPEL & PENDUGAAN PARAMETER Arti Penarikan Sampel Populasi ( Universe) adalah totalitas dari semua objek atau individu yang memiliki karakteristik tertentu, jelas dan lengkap yang akan diteliti
Lebih terperinciBAB II TINJAUAN PUSTAKA. return, mean, standard deviation, skewness, kurtosis, ACF, korelasi, GPD, copula,
BAB II TINJAUAN PUSTAKA Pada bab ini akan dibahas semua konsep yang mendasari penelitian ini yaitu return, mean, standard deviation, skewness, kurtosis, ACF, korelasi, GPD, copula, VaR, estimasi VaR dengan
Lebih terperinciBAB I PENDAHULUAN. Dalam kehidupan sehari-hari, sering dijumpai peristiwa-peristiwa yang terjadi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam kehidupan sehari-hari, sering dijumpai peristiwa-peristiwa yang terjadi secara beruntun dan dengan kemungkinan yang berbeda-beda. Sebagai contoh sekarang
Lebih terperinciPERHITUNGAN VALUE AT RISK PORTOFOLIO SAHAM MENGGUNAKAN METODE SIMULASI MONTE CARLO
PERHITUNGAN VALUE AT RISK PORTOFOLIO SAHAM MENGGUNAKAN METODE SIMULASI MONTE CARLO Adilla Chandra 1*, Johannes Kho 2, Musraini M 2 1 Mahasiswa Program S1 Matematika 2 Dosen Jurusan Matematika Fakultas
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Perkembangan bisnis asuransi semakin hari semakin menjanjikan, hal ini dikarenakan hampir semua bidang kehidupan mempunyai resiko, antara lain, kematian,
Lebih terperinciPENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL
PENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL Vania Mutiarani 1, Adi Setiawan, Hanna Arini Parhusip 3 1 Mahasiswa Program Studi Matematika FSM UKSW, 3 Dosen
Lebih terperinciSIMULASI MONTE CARLO PADA PENENTUAN PERUBAHAN HARGA SAHAM ADHI.JK MELALUI PENDEKATAN PROSES WIENER DAN LEMMA ITÔ
Prosiding Seminar Nasional Volume 02, Nomor 1 ISSN 2443-1109 SIMULASI MONTE CARLO PADA PENENTUAN PERUBAHAN HARGA SAHAM ADHI.JK MELALUI PENDEKATAN PROSES WIENER DAN LEMMA ITÔ Zulfiqar Busrah 1, Budyanita
Lebih terperinciMarkov o C ha h in i s
MCMC Markov Chains. Menaksir Parameter The basic paradigm: Model Parameters: Θ Data set MLE / bayesian approach Input data: terdapat t observasi sbb :X 1, X 2 X t -dengan asumsi i.i.d (independent identical
Lebih terperinciBAB III REGRESI PADA DATA SIRKULAR
BAB III REGRESI PADA DATA SIRKULAR Variabel dalam suatu regresi secara umum terdiri atas variabel bebas (independent variable dan variabel terikat (dependent variable. Jenis data pada variabel-variabel
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Di zaman sekarang, kemajuan sains dan teknologi sangat berkembang pesat. Salah satu ilmu yang berkembang adalah matematika yang merupakan induk dari semua ilmu
Lebih terperinciLampiran A. Beberapa Definisi dan Lema Teknis
LAMPIRAN 33 Lampiran A. Beberapa Definisi dan Lema Teknis Ruang Contoh, Kejadian dan Peluang Definisi A.1 (Ruang contoh dan kejadian) Suatu percobaan yang dapat diulang dalam kondisi yang sama, yang hasilnya
Lebih terperinciBAB I PENDAHULUAN. yang dilakukan pada saat ini, dengan tujuan memperoleh sejumlah keuntungan
BAB I PENDAHULUAN 1.1 Latar Belakang Investasi adalah komitmen atas sejumlah dana atau sumber daya lainnya yang dilakukan pada saat ini, dengan tujuan memperoleh sejumlah keuntungan di masa datang. Investasi
Lebih terperinciPERBANDINGAN HASIL PERHITUNGAN PREMI ASURANSI JIWA ENDOWMENT SUKU BUNGA VASICEK DENGAN DAN TANPA SIMULASI MONTE CARLO
E-Jurnal Matematika Vol. 6 (1), Januari 2017, pp. 74-82 ISSN: 2303-1751 PERBANDINGAN HASIL PERHITUNGAN PREMI ASURANSI JIWA ENDOWMENT SUKU BUNGA VASICEK DENGAN DAN TANPA SIMULASI MONTE CARLO Desi Kurnia
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Matriks Matriks adalah himpunan bilangan real yang disusun secara empat persegi panjang, mempunyai baris dan kolom dengan bentuk umum : Tiap-tiap bilangan yang berada didalam
Lebih terperinciCatatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 Tentang MA4181 (Pengantar)
Lebih terperinciESTIMASI VOLATILITY (σ) DARI MODEL AR(p) MENGGUNAKAN METODE MARKOV CHAIN MONTE CARLO (MCMC)
ESTIMASI VOLATILITY (σ) DARI MODEL AR(p) MENGGUNAKAN METODE MARKOV CHAIN MONTE CARLO (MCMC) Radite Astana Murti 1), Bambang Susanto 2), dan Hanna Arini Parhusip 3) 1) Mahasiswa Program Studi Matematika
Lebih terperinciPENGUKURAN VALUE AT RISK PADA PORTOFOLIO SAHAM DENGAN METODE SIMULASI BOOTSTRAPPING
PENGUKURAN VALUE AT RISK PADA PORTOFOLIO SAHAM DENGAN METODE SIMULASI BOOTSTRAPPING SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk memenuhi sebagian
Lebih terperinciRantai Markov Diskrit (Discrete Markov Chain)
#10 Rantai Markov Diskrit (Discrete Markov Chain) 10.1. Pendahuluan Berbagai teknik analitis untuk mengevaluasi reliability dari suatu sistem telah diuraikan pada bab terdahulu. Teknik analitis ini mengasumsikan
Lebih terperinci