Hasil Pencarian  ::  Simpan CSV :: Kembali

"Model regresi data panel balanced dinamis dengan fixed effect merupakan model regresi data panel yang melibatkan lag dari variabel respon sebagai variabel penjelas. Asumsi model regresi data panel dinamis yang dibahas adalah balanced panel, yaitu tiap individu diamati untuk panjang waktu yang sama. Dengan asumsi fixed effect, heterogenitas dapat terlihat pada intersep model. Metode penaksiran yang digunakan dikenal sebagai LSDV (least square dummy variable) namun taksiran yang dihasilkan bias. Taksiran ini juga tidak konsisten ketika periode waktu berhingga. Oleh karena itu, dibutuhkan metode lain untuk menaksir parameter dalam model. Metode yang dapat digunakan adalah metode bias terkoreksi. Estimasi bias terkoreksi diperoleh dari koreksi bias asimtotik taksiran LSDV dengan bias asimtotik didapat melalui bentuk ketidakkonsistenan penaksir. Secara intuitif, koreksi bias ini menghilangkan bentuk tidak konsistennya taksiran LSDV sehingga menjadi taksiran yang konsisten. Prosedur iteratif digunakan untuk mendapatkan taksiran bias terkoreksi. Teknik bias terkoreksi ini diaplikasikan dalam analisis empiris dari model dinamis tingkat pengangguran di negara bagian Amerika Serikat pada periode 1991-2000.

---

Regression model of balanced dynamic panel data with fixed effect is a regression model of panel data involving lag of response variable as explanatory variable. Assumption regression model of dynamic panel data discussed is balanced panel, that is each individual observed for the same length of time period. Assuming a fixed effect, heterogeneity can be seen on the intercept model. The assessment method used is known as LSDV (least square dummy variable) however the resulting estimates generated bias. These estimators will also inconsistent for finite number of time period. Therefore, other methods are needed to estimate parameters in model. A method that can be used is bias corrected method. Bias corrected estimation is derived from the asymptotic bias correction LSDV estimator which the asymptotic bias obtained through the form of inconsistent of estimator. Intuitively, this bias correction eliminates the form of inconsistent of LSDV estimator so as to be consistent. Iterative procedure are used to obtain this bias corrected estimator. The proposed technique is applied in an empirical analysis of unemployment rate model dynamics at the U.S. state level for the 1991-2000 period."

"Kontrak asuransi jiwa dapat digambarkan dengan model Markov, yaitu multistate model yang melibatkan proses Markov dimana keadaan yang dialami oleh pemegang polis pada masa mendatang hanya bergantung pada keadaan terakhir yang terjadi sebelumnya dan waktu (usia polis asuransi) atau usia pemegang polis. Dipandang dengan model Markov, manfaat asuransi dibedakan menjadi dua yaitu manfaat transisi dan sojourn benefit. Bentuk eksplisit dari cadangan premi dengan menggunakan model Markov dapat diperoleh dari solusi persamaan diferensial Thiele. Pada praktik asuransi, terdapat manfaat asuransi yang bergantung cadangan premi baik manfaat transisi yang bergantung cadangan premi maupun sojourn benefit yang bergantung cadangan premi, contohnya nilai tunai dan biaya pengelolaan cadangan premi. Dengan melakukan modifikasi manfaat pada persamaan diferensial Thiele dan menerapkan teorema Cantelli pada persamaan diferensial tersebut, dapat diperoleh bentuk eksplisit dari cadangan premi untuk manfaat yang bergantung cadangan premi.

---

Life insurance contract can be described using Markovian model, that is multistate model which involve Markovian process in which state experienced by policy holder in the future depends only on last state which happen previously and time (policy's age) or policy holder's age. To be regarded with Markovian model, insurance benefits are divided into transition benefit and sojourn benefit. Explicit form from premium reserve with using Markovian model can be attained from the solution of Thiele differential equation. In the real insurance practice, there are premium reserve-dependent benefits, both premium reserve-dependent transition benefits and premium reserve-dependent sojourn benefits, as example: cash value and premium reserve management cost. By doing certain benefit modification on Thiele differential equation and by applying Cantelli theorem on that differential equation, can be attained explicit form from premium reserve for premium reserve-dependent benefits."

"Value at Risk (VaR) adalah salah satu metode dalam manajemen risiko yang digunakan untuk mengkuantifikasi risiko terburuk yang disebabkan oleh perubahan harga saham. Dua hal yang dilibatkan dalam menghitung VaR adalah estimasi volatilitas dan perhitungan kuantil dari proses return. Secara umum, estimasi volatilitas dari proses return dapat menggunakan dua metode, yaitu metode parametrik dan metode nonparametrik. Akan tetapi, dengan mempertimbangkan kelebihan dan kekurangan kedua metode tersebut diajukan sebuah metode baru yang disebut metode semiparametrik. Pada skripsi ini, akan dibahas mengenai estimasi volatilitas dari proses return dengan menggunakan estimator kernel, pseudo maximum likelihood estimator, Newton Rhapson, ternary search. Setelah, mendapatkan volatilitas dan kuantil dari proses return, VaR dapat dihitung dengan mengalikan volatilitas dengan kuantil yang bersesuaian. Metode perhitungan VaR yang dibahas pada skripsi ini diaplikasikan dalam perhitungan VaR dari Indeks Harga Saham Gabungan (IHSG).

---

Value at Risk (VaR) is one of methods in risk management to quantify worst loss which is caused by changes in stock prices. Volatility estimation and quantile computing of return process are two things which is used to compute VaR. In general, there are two methods in volatility estimation, there are parametric and nonparametric method. Nevertheless, considering advantage and disadvantage of those methods, a new method which is called semiparametric method is proposed. This skripsi firstly will describe about volatility estimation of return process with using kernel estimator, pseudo maximum likelihood estimator, Newton Rhapson, ternary search. After getting volatility estimation dan quantile of return process. Value at risk can be computed by multiplying volatility with corresponding quantile of return process. This computing method of VaR is used in computing VaR of Jakarta Composite Index or Indeks Harga Saham Gabungan (IHSG)."

"Untuk menggambarkan variansi bersyarat dari runtun waktu keuangan dapat dimodelkan menggunakan Generalized Autoregressive Conditional Heteroscedasticity (GARCH). Model multivariate dikembangkan untuk mengetahui hubungan antar beberapa data runtun waktu keuangan dan mengetahui variansi kovariansi dari data runtunnya, salah satunya adalah model full-factor multivariate GARCH. Salah satu karakteristik runtun waktu keuangan adalah memiliki ekor gemuk, karakteristik ini dapat dijelaskan oleh distribusi yang memiliki ekor gemuk contohnya distribusi student-t. Pada tulisan ini, akan dibahas mengenai estimasi parameter pada model full-factor multivariate GARCH dengan asumsi error berdistribusi multivariate student-t. Pembahasan akan difokuskan pada tahap estimasi parameter model full-factor student-t multivariate GARCH dengan metode estimasi maksimum likelihood. Namun estimasi secara analitik tidak dapat digunakan untuk mengestimasi parameter dalam model, maka digunakan penyelesaian secara numerik menggunakan algoritma quasi-Newton BFGS. Data yang digunakan pada tulisan ini adalah data return harian delapan saham pada pasar di Amerika Serikat dari tanggal 1 Januari 2006 sampai dengan 1 Januari 2015.

---

To describe the conditional variance of financial time series, Generalized Autoregressive Conditional Heteroscedasticity models (GARCH) has been widely used. Multivariate models were developed to capture the relationship between several financial time series datas, and to describe the conditional variance and covarianse of time series. In this paper we consider full-factor multivariate GARCH model. One of the characteristics of financial time series is fat tails in the conditional distribution, these characteristic can be explained by the distribution that has fat tails, for example student-t distribution. In this paper, we will discuss full-factor multivariate GARCH model assuming the error has multivariate student-t distribution. The discussion will focus on parameter estimation for full-factor multivariate student-t GARCH model with maximum likelihood estimation method. But in this model don’t have the closed form, so we used numerically method i.e quasi-Newton BFGS algorithm. The data used in this paper are returns from eight stocks on the US market from January 1st 2006 until January 1st 2015."

"Investasi saham menjanjikan imbal hasil yang cukup tinggi, namun mengandung risiko yang juga cukup tinggi. Untuk mengantisipasi tingginya risiko tersebut, banyak investor melakukan perlindungan nilai (hedging) saham mereka dengan cara membeli opsi terhadap saham yang mereka miliki. Salah satu jenis opsi adalah opsi put Amerika, dengan opsi ini, pemegang opsi (holder) memiliki hak untuk menjual saham pada harga tertentu dalam jangka waktu tertentu. Ciri khusus opsi ini adalah, holder bebas menjual pada saat sebelum atau ketika jatuh tempo. Karena itu penentuan harga opsi merupakan hal yang penting dalam perdagangan opsi.Salah satu metode untuk menentukan nilai opsi adalah metode Least-Square Monte Carlo (LSM) yang dikemukakan oleh Longstaff dan Schwartz (2001). Metode ini bertujuan untuk menentukan waktu eksekusi optimal opsi put Amerika dengan cara simulasi. Metode LSM ini akan diimplementasikan untuk menilai harga opsi put saham Microsoft."

"Tugas akhir ini secara umum bertujuan untuk membahas latent class model yaitu suatu model yang menghubungkan probabilitas respon suatu individu untuk variabel-variabel indikator dengan suatu variabel laten yang bersifat kategorik. Penaksiran parameter dalam latent class model menggunakan taksiran Maximum Likelihood, yang dicari melalui algoritma EM (Expectation-Maximization). Kecocokan model diuji dengan uji rasio likelihood. Model terbaik dengan banyak kelas optimal dipilih berdasarkan reduksi 2 L , dimana 2 L adalah nilai statistik uji untuk banyak kelas terkait. Berdasarkan banyak kelas yang terbentuk pada model terbaik ini, individu-individu akan dikelompokkan ke dalam kelas-kelas tersebut. Metode tersebut akan diterapkan untuk mencari latent class model dengan tingkatan gejala pasien demam berdarah sebagai variabel laten kategorik yang dibentuk dari 5 variabel indikator kategorik, yaitu transfusi, nadi, tekanan darah, hb darah, dan trombosit. Hasil analisis data menunjukkan bahwa tingkatan gejala demam berdarah dapat dikategorikan menjadi 3 kelas."

"Opsi Asia dengan European style adalah opsi yang payoff-nya bergantung pada rata-rata harga aset selama masa hidup opsi dan hanya dapat dieksekusi pada saat jatuh tempo saja. Tujuan dari penulisan tugas akhir ini adalah menentukan harga opsi Asia menggunakan rata-rata geometrik dan rata-rata aritmatik melalui pendekatan terhadap rata-rata geometrik. Untuk menentukan harga opsi Asia menggunakan rata-rata geometrik dapat dilakukan dengan didekati ke kerangka Black-Scholes sehingga didapat formula Black-Scholes untuk opsi call Asia dan opsi put Asia. Sedangkan untuk menentukan harga opsi Asia menggunakan rata-rata aritmatik, dilakukan melalui pendekatan terhadap rata-rata geometrik yang dikemukakan oleh Michael Curran."

"Nilai aset finansial dipengaruhi antara lain oleh tingkat bunga, risiko dan lainlain. Tugas akhir ini membahas pengaruh tingkat bunga pada aset finansial, khususnya tingkat bunga yang diasumsikan memenuhi model tingkat bunga Hull-White Dua Faktor dengan aset finansial berupa zero-coupon bond. Model Hull-White Dua Faktor adalah model tingkat bunga yang memiliki mean-reversion level dengan komponen stokastik. Untuk melihat pengaruh tingkat bunga pada aset finansial akan dibandingkan tingkat bunga hasil aproksimasi dengan tingkat bunga pada pasar. Begitu pula dengan zero-coupon bond, harga hasil aproksimasi akan dibandingkan dengan harga pada pasar. Aproksimasi parameter model tingkat bunga akan dilakukan dengan metode Newton-Raphson dan skema Euler-Maruyama. Sementara aproksimasi tingkat bunga menggunakan skema Euler-Maruyama dan simulasi Monte Carlo. Data yang digunakan adalah data tingkat bunga di www.bankofengland.co.uk. Simulasi hasil implementasi menunjukkan bahwa aproksimasi tingkat bunga model Hull-White Dua Faktor memiliki pola yang sama dengan tingkat bunga pada pasar. Sedangkan aproksimasi harga zero-coupon bond dapat memberikan informasi bagi pemegang bond untuk mempertahankan atau melepas investasinya."