Program Stokastik Dinamik Metode Penyelesaian Model Program Stokastik Dinamik

s = Skenario = Peluang skenario s terjadi, = 1 s s=1 , = Tingkat return untuk aset i dalam waktu t dengan skenario s , = Jumlah modal pada aset i dalam waktu t dengan skenario s setelah diseimbangkan rebalanced , = Jumlah modal pada aset i dalam waktu t dengan skenario s sebelum diseimbangkan rebalanced = Kekayaan pada awal periode , = Jumlah aset i yang dibeli pada waktu t dengan skenario s , = Jumlah aset i yang dijual pada waktu t dengan skenario s

3.1. Program Stokastik Dinamik

Sebuah sistem dinamik yang disusun secara acak pada waktunya bergantung pada keputusan dari pengambil keputusan. Pada dasarnya program stokastik dinamik mengikuti prinsip berikut: “Ambil keputusan pada waktu t sehingga jumlah biaya keputusan pada waktu t ditambah biaya harapan dari waktu t+1 sampai T menjadi minimal ”. Program stokastik dinamik efektif digunakan untuk state yang relatif kecil misalnya tiga atau empat state. Batasan ini dikenal dengan istilah “curse of dimensionality ” pada program dinamik. Ide menghitung nilai optimal � −1 , secara rekursif bergerak mundur backward. Maka fungsi optimalnya menjadi: � −1 , = min⁡[ + � +1 , +1 ] Universitas Sumatera Utara dengan � +1 , +1 = Ε ℚ +1 , +1 . Nilai optimal � −1 , bergantung pada keputusan −1 pada tahap sebelumnya dengan keadaan .

3.2. Metode Penyelesaian Model Program Stokastik Dinamik

Penyelesaian model program stokastik memerlukan dua hal penting yaitu membangkitkan skenario dan membentuk pohon keputusan. Salah satu hal yang perlu diketahui dalam pemilihan portfolio adalah gambaran ketidakpastian tingkat return dalam investasi yang biasanya didefenisikan dengan nilai harapan return aset atau sekumpulan skenario dari keacakan tingkat return. Pada model alokasi aset multi-periode, tiap periode waktu merupakan tahap stage dan skenario merupakan representasi dari ketidakpastian keadaan di waktu yang akan datang. Jumlah skenario meningkat secara eksponensial seiring meningkatnya jumlah stage yang diamati dan tiap skenario diberikan nilai peluangnya. Model stokastik multi-tahap diselesaikan dengan membangkitkan skenario tiap tahapnya kemudian membentuk sebuah pohon keputusan. Pembangkit skenario adalah sebuah proses untuk menciptakan sekumpulan skenario terbatas yang dapat melukiskan distribusi parameter acak yang relevan terhadap model optimasi program stokastik. Peubah acak dinotasikan dengan � . Andaikan ξ t ϵ{1,…T] adalah proses stokastik parameter acak dalam periode waktu yang ditentukan. Masing – masing skenario diukur dengan peluang terjadinya peristiwa tersebut. Hal ini berhubungan dengan peramalan tetapi skenario bukan peramalan. Peramalan adalah nilai perkiraan dari peubah acak sedangkan sekumpulan skenario ditunjukkan sebagai sebuah kepadatan peramalan. Metode yang digunakan untuk membangkitkan skenario return aset adalah dengan memanfaatkan data historis. Pada model stokastik multi-tahap, skenario dapat dibentuk dalam sebuah struktur pohon. Universitas Sumatera Utara . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Gambar 3.2.1. Pohon Skenario untuk T tahap Pada tahap pertama atau waktu sekarang data diketahui. Pada tahap kedua terdapat beberapa kemungkinan dan setiap kemungkinan tersebut memberikan hasil yang berbeda pula di tahap ketiga dan seterusnya. Setiap simpul node mempunyai peluang terjadinya skenario yakni dan = 1 S s=1 . Ω 2 ... ... Ω 3 ... ... Ω 4 ... ... ... ... ... ... ... ... Ω Universitas Sumatera Utara

3.3. Pembentukan Model