Pemeriksaan Metodologi Risiko

Nama : Fabi´an P´erez L´opez.

Tanggal: 26 Januari 2019.
Petunjuk:

■ Ujian harus diselesaikan dalam waktu kurang dari 60 menit.

■ Jawab apa yang ditanyakan pada setiap poin, termasuk asumsi yang digunakan. Jika Anda tidak
mengetahui definisi pertanyaan 4 dan 5, buatlah, definisikan, dan gunakan sesuai definisinya.

■ Suatu bilangan tidak bernilai suatu jawaban jika logika yang digunakan tidak disertakan.

Soal 1 Definisi formal turunan suatu fungsi f. Fungsi f terdiferensiasi dalam if

f(a+h) -f(a) lım

jam→0 H ada.

Dalam hal ini limitnya dinyatakan dengan f (a) dan disebut turunan dari f dalam a. Kita juga mengatakan bahwa f
0

terdiferensiasi jika f dapat terdiferensialkan dalam a untuk semua a dalam domain f.

Pertanyaan 2 Secara intuitif (tidak formal), apa yang diwakili oleh turunan kedua suatu fungsi? Sebagai tinjauan
informal, kita katakan bahwa suatu fungsi f cembung pada suatu interval, jika untuk semua a dan b pada interval
tersebut, ruas bujursangkar yang menghubungkan (a, f (a)) dengan (b, f (b )) adalah di atas grafik f (grafik
berbentuk ∪); Fungsi f cekung jika ruas bujursangkar tersebut berada di bawah grafik f (grafik berbentuk ∩). Jadi,
jika f > 0 berarti f bertambah, dan menurut teorema kalkulus dasar, f cembung. Sebaliknya, jika f < 0, f
00 0 00 0

mengecil sehingga f cekung. Inilah yang diwakili oleh turunan kedua dari suatu fungsi f. Kegunaan penting
turunan kedua dalam mencari nilai maksimum dan minimum adalah teorema berikut, yang kami nyatakan secara
formal.
Misalkan f (a) = 0. Jika f (a) > 0, maka f mempunyai minimum lokal di a; jika f (a) < 0, maka f mempunyai
0 00 00

maksimum lokal di a.

Pertanyaan 3 Apa yang dimaksud dengan fungsi kemungkinan dan apa kegunaannya dalam estimasi parameter?
Sebelum menjawab, pembaca dimasukkan ke dalam konteks untuk lebih memahami definisi yang akan diberikan
segera.
Model F-statistik adalah sekumpulan distribusi (atau kepadatan atau fungsi regresi). Model parametrik adalah
himpunan F yang dapat diparameterisasi dengan sejumlah parameter terbatas. Misalnya jika kita berasumsi
bahwa data berasal dari distribusi nor salah, maka modelnya adalah

F = f (x; µ, σ) = σ√2π exp - 2σ (x-µ)

2
2
: µ ∈ R, σ > 0 .

Ini adalah model dua parameter. Kita telah menuliskan massa jenis sebagai f (x; µ, σ) untuk menunjukkan bahwa
x adalah nilai variabel acak, sedangkan µ dan σ adalah parameter. Secara umum model parametrik berbentuk

F = {f(x; θ) : θ ∈ Θ}

di mana θ adalah parameter (atau vektor parameter) yang tidak diketahui yang dapat mengambil nilai dalam
ruang parameter Θ.
Pada dasarnya, prinsip kemungkinan maksimum mengasumsikan bahwa sampel mewakili populasi dan memilih
sebagai penduga nilai parameter yang memaksimalkan fungsi kepadatan probabilitas (selanjutnya pdf) f(x; θ ). Di

1
bawah ini kami memberikan definisi fungsi kemungkinan.
Misalkan (X 1 , . . . , X n ) vektor acak dengan pdf f (x 1 , . . . , x n ; θ), θ ∈ Θ. Fungsinya

L(θ; x 1 , . . . , xn ) = f(x 1 , . . . , x n ; θ)

dianggap sebagai fungsi dari θ, maka disebut fungsi kemungkinan.

Jika X , . . . , X bebas dan terdistribusi identik (selanjutnya iid) dengan pdf f (x; θ), fungsi kemungkinannya
1 n

adalah

L(θ; x 1 , . . . , x n ) = f(x saya ; θ).

saya=1

Sebaliknya, misalkan Θ ⊆ R dan X = (X , . . . , X ). Fungsi kemungkinan digunakan untuk mencari estimator

k
1 n

Θ(X) yang memaksimalkannya, yaitu mencari fungsi Θ ˆ : R → R yang memenuhi n k

L(θ; x , . . . , x ) = sup L(θ; x , . . . ,x ).

1 n 1 n (1)
θ∈Θ

Konstanta tidak didukung sebagai penduga. Jika ada θ yang memenuhi (1), kami menyebutnya penduga
kemungkinan maksimum (selanjutnya disebut MLE).

Pertanyaan 4 Anda mempunyai portofolio kredit, portofolio tersebut hanya terdiri dari 3 kredit pada tanggal
referensi tertentu f 1 dan Anda mengetahui bahwa semua kredit tersebut memiliki jangka waktu kurang dari atau
sama dengan satu tahun; Portofolio ini dipantau selama 12 bulan setelah tanggal referensi dan distribusi gagal
bayar berikut diamati:

■ Kredit 1 tidak gagal bayar,

■ Kredit 2 gagal bayar di bulan ke 11,

■ Kredit 3 gagal bayar pada bulan ke 4 dan 9 (gagal bayar 2 kali dalam setahun).

Dengan informasi di atas, dapatkan estimasi terbaik mengenai probabilitas suatu pinjaman akan gagal bayar
pada tahun berikutnya.
Seperti disebutkan dalam soal 3, prinsip kemungkinan maksimum mengasumsikan bahwa sampel mewakili
populasi dan memilih nilai parameter yang memaksimalkan af (x; θ) sebagai penduga. Diasumsikan bahwa
pembayaran bulanan setiap kredit bersifat independen.
Misalkan variabel acak X ij = 0 jika pinjaman i gagal bayar pada bulan j (i = 1, . . . , 3, j = 1, . . . , 12) atau X j = 1
i

apabila pinjaman i jatuh tempo pada bulan j; Misalkan p menunjukkan probabilitas pemenuhan atau pembayaran.
Kemudian, kita tuliskan fungsi kemungkinan berdasarkan sampel hasil yang diberikan oleh soal (X = (X 11 . . . , X
3 12 )).

2
 3 12
L(p,X) = YY p x ij
(1 - p) 1-x ij

saya=1 j=1
= hal (1 - hal) hal (1 - hal) hal (1 - hal)
12 0 11 1 10 2

= hal (1 - hal) . 33 3

Mengamati bahwa memaksimalkan L(p, X) sama dengan memaksimalkan log(L(p,

log(L(p, X)) = log(p (1 - p) ) 33 3

= 33 log(p) + 3 log(1 - p).

Karena itu
d
(log(L(p,X)))= 33 - 3

dp hal 1 - hal (2)

Jadi
D
d
(log(L(p, X))) = dp
↔ 0
33 3
P 1 hal
↔
hal = 0
1 hal
↔
33
p=
3

Oleh karena itu, kemungkinan gagal bayar pinjaman tahun depan 11

.
adalah 12
11 1
1-p=1- .
12 12
Untuk memastikan bahwa p = 1
1 adalah maksimum untuk fungsi kemungkinan dan mengacu pada teorema
1
2

yang disebutkan di akhir soal 2, kita menurunkan persamaan (2) sekali lagi.

d
2
33 3
(log(L(p, X))) dp
hal (1 - hal)
2 2

= - / 33 3N
hal 2
(1 - hal) 2

< 0 ∀p ∈ (0, 1).

Khususnya, turunan ini negatif untuk p = , sehingga menegaskan bahwa nilai ini adalah nilai maksimum
1
1
1
2

untuk fungsi kemungkinan yang dinyatakan sebelumnya.

Soal 5 Diketahui peluang pinjaman yang jatuh tempo 6 bulan turun pla dalam 6 bulan ke depan adalah p 1 (0 < p
1 < 1), berapa peluang pinjaman ini gagal bayar pada tahun berikutnya?

Soal 5 Diketahui peluang suatu pinjaman yang jatuh tempo dalam 6 bulan dan gagal bayar dalam 6 bulan
berikutnya adalah p (0 < p < 1). Berapa probabilitas pinjaman ini akan gagal bayar pada tahun depan?
Saya kira ini ada hubungannya dengan masalah kemungkinan gagal bayar; Saya tidak mungkin membuat model
seperti itu.

3
Soal 6 Kita mempunyai 2 vektor x dan y, sehingga

[x 1 , . . . , x n ] [kamu , . . . , dan ]
1 m

dimana m dan n adalah bilangan bulat positif yang berbeda, kedua vektor tersebut diurutkan sedemikian rupa
sehingga x ≤ x 2 ≤ . . . ≤ xn yy 1 ≤ y 2 ≤ . . . ≤ dan m . Buatlah pseudocode untuk menggabungkan kedua vektor
1

menjadi satu vektor w yang berisi kedua vektor yang diurutkan dalam urutan menaik, yaitu w = [w 1 , w 2 , . . . , w
m+n ] sehingga w i merupakan unsur dari x atau i merupakan unsur dari y. Selanjutnya, vektor w harus memenuhi w 1

≤w ≤...
2 . Petunjuk: Menggunakan fakta bahwa kedua vektor diurutkan.
wm+n

Definisikan dan inisialisasi vektor w dengan panjang m+n

w = (0,...,0)

Inisialisasi counter i dan j

saya=1
j=1

while(i <= panjang(x) dan j <= panjang(y))

{
jika(x[i] <= y[j])
{
w[i+j-1] = x[i] Tetapkan nilai pada input i+j-1
i = i + 1 Penghitung kenaikan

jika tidak

w[i+j-1] = y[j] j=j+1

Nilai-nilai yang mungkin tersisa ditambahkan ke w mengingat kedua vektor, x dan y, memiliki panjang yang
berbeda. Karena vektor x dan y sudah diurutkan, nilai sisa ini tidak perlu lagi diurutkan.

sementara(i <= panjang(x))

{
w[i+j-1] = x[i] i=i+1
}

sementara(j <= panjang(y))

{
w[i+j-1] = kamu[j]
j=j+1
}