Hasil Pencarian  ::  Simpan CSV :: Kembali

"Persamaan Diferensial Stokastik (PDS) atau Stochastic Differential Equations (SDEs) memiliki berbagai manfaat di bidang ilmu pengetahuan, seperti matematika, fisika, biologi, kimia, ekonomi, dan keuangan. Saat model PDS mencakup faktor lonjakan (jump), model PDS disebut sebagai model PDS jump-diffusion (jump-diffusion SDEs). Pada tugas akhir ini akan dibahas metode Taylor order 1.0 yang dapat digunakan untuk mengaproksimasi model PDS jump-diffusion dan sebagai pembanding simulasi akan digunakan metode Euler-Maruyama. Tugas akhir ini juga menguji tingkat konvergensi kuat (strong order of convergence) metode Taylor order 1.0. Hasil simulasi menunjukkan perubahan nilai parameter pada koefisien jump dan batas interval mempengaruhi hasil aproksimasi. Implementasi menunjukkan metode Taylor order 1.0 mengaproksimasi model risky primary security accounts lebih baik dibandingkan metode Euler-Maruyama."

"Model-model Persamaan Diferensial Stokastik (PDS) memiliki peranan yang sangat penting di berbagai bidang industri, misalnya ekonomi, keuangan, biologi, kimia, epidemiologi, juga mikroelektronik (Higham D. J., 2001). Metode numerik seringkali digunakan untuk mengaproksimasi solusi dari suatu model PDS, sehingga dibutuhkan suatu proses komputasi untuk memperoleh solusi dari suatu model PDS tersebut. Model-model PDS biasanya melibatkan data dalam jumlah besar ataupun proses komputasi yang banyak, sehingga berdampak pada waktu komputasi yang semakin lama. Untuk mempercepat waktu komputasi, maka diterapkan komputasi paralel. Komputasi paralel adalah salah satu teknik melakukan komputasi secara bersamaan dengan memanfaatkan beberapa komputer/prosesor pada suatu waktu tertentu.Dalam skripsi ini diberikan algoritma paralel untuk mengaproksimasi solusi dari suatu model PDS. Algoritma-algoritma ini diimplementasikan dalam program yang dijalankan pada mesin multicore dengan MATLAB dan Parallel Computing Toolbox (versi trial). Diberikan juga kinerja algoritma paralel yang diukur dengan speed up dan efisiensi paralel.

---

Stochastic Differential Equations (SDEs) models play a prominent role in a range of application areas, including biology, chemistry, epidemiology, mechanics, microelectronics, economics, and finance (Higham D. J., 2001). Numerical method is usually used to get an approximate solution of SDEs models which often involve huge data or many computation steps, hence need more computation time. Parallel computing is an alternative that can reduce the computation time.

This skripsi discuss some parallel techniques to solve SDEs problems especially in finance models. The parallel techniques is designed to utilize several processors simultaneously. In this case the algorithms run on multicore machine with MATLAB and Parallel Computing Toolbox (trial version). Parallel perfomance of the algorithms are also given which compared the speed up and efficiency of several parallel techniques."

"Dalam mengaproksimasi solusi suatu Persamaan Diferensial Stokastik (PDS), diperlukan metode numerik dengan order konvergensi yang lebih tinggi untuk mendapatkan hasil aproksimasi solusi yang lebih baik. Pada umumnya, ekspansi Taylor yang biasa digunakan untuk suatu metode numerik stokastik Taylor, membutuhkan turunan tingkat yang semakin tinggi untuk mendapatkan order konvergensi yang lebih tinggi. Hal ini menyebabkan kompleksitas perhitungan bertambah. Skema Runge-Kutta PDS merupakan suatu alternatif metode numerik PDS, untuk mendapatkan order konvergensi yang tinggi tanpa turunan tingkat tinggi. Dalam skripsi akan dibahas implementasi skema Runge-Kutta PDS 4-stage dalam bentuk eksplisit pada suatu model pergerakan harga saham. Solusi aproksimasi dari skema ini akan dibandingkan dengan solusi-solusi aproksimasi dari skema Euler-Maruyama dan skema Milstein terhadap solusi eksplisit dari model pergerakan harga saham dan data historis berdasarkan Mc. Donald’s Corporation pada tahun 2005 hingga 2008 yang diambil dari http://www.yahoofinance.com/. Berdasarkan hasil aproksimasi, diperlukan sebuah metode numerik yang memiliki order konvergensi lebih tinggi, besar langkah Δt yang cukup kecil, dan interval aproksimasi [0,T] yang tidak terlalu panjang. Hasil implementasi menunjukkan bahwa solusi aproksimasi pergerakkan harga saham pada suatu tahun, akan lebih baik jika parameter-parameter yang digunakan untuk mengaproksimasi mendekati nilai parameter-parameter yang sebenarnya pada tahun tersebut. Dalam skripsi ini juga akan diprediksi harga saham 2009 yang hasilnya bergantung pada pemilihan parameter yang digunakan."

"A systematic, self-contained treatment of the theory of stochastic differential equations in infinite dimensional spaces. Included is a discussion of Schwartz spaces of distributions in relation to probability theory and infinite dimensional stochastic analysis, as well as the random variables and stochastic processes that take values in infinite dimensional spaces."