Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada model hidden Markov (HMM), keadaan saat ini hanya bergantung pada keadaan tepat sebelumnya tetapi tidak bergantung pada observasi tepat sebelumnya. Pada skripsi ini dibahas mengenai tipe lain dari HMM yang disebut sebagai model hidden Markov dengan keadaan yang bergantung kepada observasi( Hidden Markov Model with States Sepending on Observations atau HMMSDO). Pada HMMSDO, keadaan saat ini bergantung pada keadaan dan observasi yang terjadi tepat sebelumnya dengan barisan keadaan tetap memenuhi sifat Markov. Tiga masalah pada HMMSDO, yaitu masalah evaluasi model, optimisasi barisan keadaan, dan estimasi parameter. Pada skripsi ini akan dibahas mengenai HMMSDO, penggunaannya dalam prediksi struktur protein sekunder, beserta analisa implementasinya. Tiga prosedur dalam implementasi adalah estimasi parameter, menghitung likelihood, dan memprediksi barisan struktur protein sekunder. Hasil implementasi menunjukkan adanya pengaruhi nilai awal prosentase keakuratan prediksi dan semakin besar jumlah data training, semakin baik prosentase keakuratan yang dihasilkan. Data yang digunakan adalah data protein immunoglobin dan dapat diunduh pada http://swift.cmbi.ru.nl/gv/pdbfinder/.

---

In the standard hidden Markov model (HMM), the current state depends only on the immediately preceeding state, but does not depend on the immediately preceeding observation. This skripsi presents a new type of hidden Markov model which is called hidden Markov model with states depending on observations (HMMSDO). In HMMSDO, the current state depends on the immediately preceeding state and observation, and the state sequence has Markov property. Three problems in HMMSDO, which are model evaluation, state sequence optimization, and parameter estimation.

This skripsi will gives explanation regarding HMMSDO, the implementation of it in predicting protein secondary structures, and analization of the implementation. Three procedures in the implementation are parameter estimation, computation of likelihood, and prediction of protein secondary structure. The implementation shows that initial parameter value affect the percentage accuracy of predicition and the bigger amount data training used will give better percentage accuracy of prediction. Data that is used is protein from immunoglobin and can be downloaded at http://swift.cmbi.ru.nl/gv/pdbfinder/."

"ABSTRAKCatastrophe CAT bond adalah instrumen keuangan yang mengalihkan kerugian finansial akibat bencana alam dari penerbit obligasi kepada investor. Arus kas yang diterima oleh investor bergantung kepada kejadian pemicu yang berkaitan dengan bencana alam. Apabila kejadian pemicu ini terjadi, investor dapat kehilangan sebagian atau seluruh kupon dan nilai pokok. Tesis ini membahas mengenai metode valuasi CAT bond atas gempa bumi berdasarkan equilibirium pricing theory dengan variabel risiko keuangan berupa suku bunga mengambang JIBOR dan variabel risiko gempa bumi berupa kedalaman dan kekuatan gempa. Metode valuasi tersebut akan diaplikasikan pada data gempa bumi di Indonesia di mana dalam tesis ini, data yang digunakan sebagai ilustrasi adalah data di Sumatera Utara. Terdapat dua tahapan dalam mengaplikasikan metode valuasi. Tahapan pertama adalah memodelkan variabel risiko gempa bumi menggunakan extreme value theory dan variabel keuangan JIBOR menggunakan model suku bunga Cox-Ingersoll-Ross CIR . Tahapan kedua adalah mensimulasikan skenario-skenario arus kas berdasarkan variabel-variabel risiko yang dimodelkan sebelumnya. Hasil aplikasi berupa harga dari CAT bond didapatkan menggunakan simulasi Monte Carlo. Harga CAT bond hasil simulasi menunjukkan volatilitas yang rendah sehingga dapat dikatakan bahwa model yang dibuat telah konsisten. CAT bond ini hanya memiliki 8 kemungkinan investor kehilangan investasinya. Ditambah dengan kupon yang cukup besar, CAT bond dapat menjadi pilihan investasi yang menarik bagi investor.

---

ABSTRACTCatastrophe CAT bond is a financial instrument that provides a mechanism for direct transfer of financial consequences due to catastrophic event from the issuer to capital market investors. The cash flows received are conditional on the catastrophic event as the trigger. If the triggering event happens, investors could lose part or all of their coupons or principal. This paper simulates CAT bond valuation based on equilibrium pricing theory which is applied to historical data of the earthquakes in North Sumatera, Indonesia. Firstly, we model the risk dynamics of earthquakes using extreme value theory and model the JIBOR interest rate dynamics using Cox Ingersoll Ross CIR interest rate model. Finally, we simulate the bond rsquo s payoff using Monte Carlo simulation. The generated CAT bond prices yield low volatility, suggesting that our model is consistent. We find that the probability to start losing CAT bond principal is only 8 . In other words, there is 92 probability that investors will still receive principal payment which could be attractive to investors."