Analisis Perbandingan Metode Biseksi dan Algoritma Genetika untuk Mengestimasi Implied Volatility Opsi Put Basket

Jati, Ghana Mahayana (2025) Analisis Perbandingan Metode Biseksi dan Algoritma Genetika untuk Mengestimasi Implied Volatility Opsi Put Basket. Other thesis, Institut Teknologi Sepuluh Nopember.

This is the latest version of this item.

[thumbnail of 5002211074-Undergraduate_Thesis.pdf] Text
5002211074-Undergraduate_Thesis.pdf - Accepted Version
Restricted to Repository staff only
Download (2MB)

Abstract

Produk derivatif keuangan merupakan instrumen keuangan yang nilainya bergantung pada aset dasar. Salah satu jenis produk derivatif keuangan, yaitu opsi yang merupakan kontrak di mana pemegangnya memiliki hak untuk membeli atau menjual aset tertentu pada harga yang disepakati sebelum atau pada tanggal jatuh tempo. Opsi standar hanya memiliki satu aset dasar, tetapi opsi multi-aset memiliki lebih dari satu aset dasar, seperti opsi Basket. Salah satu aspek dalam analisis harga opsi adalah volatilitas. Volatilitas terdiri atas historical volatility dan implied volatility. Penelitian ini bertujuan untuk mengestimasi implied volatility opsi put Basket tipe Eropa berdasarkan akurasi estimasi dan kecepatan konvergensi dengan menggunakan metode Biseksi dan algoritma genetika. Metode Biseksi merupakan pendekatan numerik yang sederhana dan konvergen, sementara algoritma genetika merupakan metode optimasi berbasis populasi yang mampu mengeksplorasi ruang pencarian yang lebih luas. Estimasi implied volatility dilakukan berdasarkan harga pasar opsi dan dibandingkan dengan nilai teoritis yang dihitung menggunakan model Black-Scholes. Hasil penelitian menunjukkan bahwa kedua metode terbukti akurat dalam memberikan hasil akhir. Perbedaan utamanya terletak pada kecepatan konvergensi dan cara kerja. Metode Biseksi yang diadaptasi menunjukkan konvergensi yang lebih cepat, namun bergantung pada penetapan batas domain pencarian dan konfigurasi partisi grid awal. Algoritma genetika memerlukan jumlah generasi yang lebih banyak karena kemampuan eksplorasi ruang solusinya yang lebih luas. Disimpulkan bahwa adaptasi metode Biseksi unggul dalam efisiensi waktu, sedangkan algoritma genetika merupakan pilihan yang andal karena kemampuan eksplorasinya yang luas untuk menghasilkan estimasi volatilitas berakurasi tinggi.
===================================================================================================================================
Financial derivative products are financial instruments whose value depends on the underlying asset. One type of financial derivative product is an option, which is a contract in which the holder has the right to buy or sell a specific asset at an agreed price before or on the expiration date. Standard options have only one underlying asset, but multi-asset options have more than one underlying asset, such as Basket options. One aspect of option price analysis is volatility. Volatility consists of historical volatility and implied volatility. This study aims to estimate the implied volatility of European Basket put options based on estimation accuracy and convergence speed using the Bisection method and genetic algorithms. Bisection method is a simple and convergent numerical approach, while genetic algorithms are population-based optimization methods capable of exploring a wider search space. Implied volatility estimation is based on option market prices and compared with the theoretical value calculated using the Black-Scholes model. The research results show that both methods are accurate in providing final results. The main difference lies in convergence speed and operational mechanisms. The adapted Bisection Method demonstrates faster convergence but depends on the setting of search domain boundaries and initial grid partition configuration. The genetic algorithm requires a larger number of generations due to its broader solution space exploration capability. It is concluded that the adapted Bisection method excels in time efficiency, while the genetic algorithm is a reliable choice due to its extensive exploration capability for generating high-accuracy volatility estimates.

Item Type: Thesis (Other)
Uncontrolled Keywords: Implied Volatility, Basket Put Option, Metode Biseksi, Algoritma Genetika, Black-Scholes. Implied Volatility, Basket Put Option, Bisection Method, Genetic Algorithm, Black-Scholes.
Subjects: H Social Sciences > HG Finance > HG4910 Investments
Q Science > QA Mathematics > QA371 Differential equations--Numerical solutions
Q Science > QA Mathematics > QA402.5 Genetic algorithms. Interior-point methods.
Divisions: Faculty of Mathematics and Science > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User: Ghana Mahayana Jati
Date Deposited: 01 Aug 2025 01:43
Last Modified: 01 Aug 2025 01:43
URI: http://repository.its.ac.id/id/eprint/125416

Available Versions of this Item

Actions (login required)

View Item View Item