dc.description.abstract |
Penentuan harga opsi Asia dengan rata-rata aritmetik menarik untuk diteliti karena tidak adanya solusi analitik. Biasanya, penentuan barga opsi tersebut menggtmakan metode numerik, salah satu yang umum digunakan adalah metode Monte Carlo. Kelemahan metode ini adalah lamanya waktu komputasi karena harus memba.ngkitkan banyak lintasan pergerakan harga aset. Skripsi ini menggunakan pendekatan berbasis data melalui metode Artificial Ne1tml Network (ANN) yang dapat mempercepat waktu komputasi. Metode ANN memerlukan set data berupa masukan dan target yang diperoleh dari solusi hampiran Levy, Monte Carlo dengan variabel a.ntitetik, dan Quasi Monte Carlo. Dari ketiga set data tersebut, metode ANN mempelajari data sehingga terbentuk masing-masing model yang dapat menerima masukan parameter opsi untuk menentukan ha.rga opsi. Ha.l terpenting pada model ANN adalah arsitektur model, seperti penentuan banya.knya neuron, lapisan, serta penggunaan fungsi aktiv-.1.si. Skripsi ini menarnpilkan beberapa sirnulasi untuk menentukan arsitektur model terbaik berdasarkan Mean Sq uared Error (MSE) terkecil. Sela.in itu, evaluasi ketiga model ANN yang telah dibangun menunjukkan bahwa masing-masing model suclah opt.imal berclasarkan MSE terkecil clan koefisien determinasi yang mendekati 1. Skripsi ini jnga meroperlihatkan bahwa penentuan harga opsi menggunakan metode ANN lebih efisien dibandingkan dengan metode Monte Carlo. |
en_US |