PENDEKATAN METODE MARKOWITZ UNTUK OPTIMALISASI PORTOFOLIO DENGAN RISIKO EXPECTED SHORTFALL (ES) PADA SAHAM SYARIAH DILENGKAPI GUI MATLAB

A portfolio is a combination of two or more securities as investment targets for a certain period of time with certain conditions. The Markowitz method is a method that emphasizes efforts to maximize return expectations and can minimize stock risk. One method that can be used to measure risk is Expected Shortfall (ES). ES is an expected measure of risk whose value is above Value-at-Risk (VaR). To make it easier to calculate optimal portfolios with the Markowitz method and risk analysis with ES, an application was made using the Matlab GUI. The data used in this study consisted of three JII stocks including CPIN, CTRA, and BSDE stocks. The results of the portfolio formation with the Markowitz method obtained an optimal portfolio, namely the combination of CPIN = 34.7% and BSDE = 65.3% stocks. At the 95% confidence level, the ES value of 0.206727 is greater than the VaR value (0.15512).

Hazard and risk analysis in the logistics safety system based on international quality requirements

Publikacja prezentuje analizę zagrożeń i ryzyka w systemie bezpieczeństwa logistycznego prowadzonego na podstawie międzynarodowych wymagań jakościowych. Określono problem badawczy oraz pytania badawcze. Wskazano także cel badań, hipotezy badawcze, przedmiot i obszar badań oraz określono próbę badawczą. Przedstawione zostały definicje zagrożenia i ryzyka oraz metodyka analizy i procesu zarządzania nimi w przedsiębiorstwie. W dalszej części artykułu zaprezentowano miejsce analizy zagrożeń i ryzyka w międzynarodowych standardach jakościowych. Przybliżono mechanizm analizy ryzyka jako narzędzia zapewnienia jakości w brytyjskich, amerykańskich i polskich procedurach obronnych. Na koniec przedstawiono przykład wdrażania wymagań systemu zarządzania jakością dla przemysłu lotniczego, kosmicznego i obronnego w polskim przedsiębiorstwie. Analiza zagrożeń i ryzyka z nimi związanego na przykładzie i w oparciu o standardy międzynarodowe ma na celu uzasadnienie postawionych hipotez dotyczących wpływu analizy ryzyka na procesy decyzyjne w przedsiębiorstwie. Metody badawcze zastosowane to analiza przyczynowo - skutkowa, synteza informacji z zastosowaniem kojarzenia numerycznego i logicznego celem zebrania uporządkowanego materiału dowodowego. Rezultatem badań jest potwierdzenie postawionych hipotez dla procesu zarządzania ryzykiem. Proces zarządzania ryzykiem jest procesem ciągłym i wpływa na osiąganie celów strategicznych przedsiębiorstwa. Kluczowym czynnikiem dla faktycznego wdrożenia analizy zagrożeń i ryzyka w przedsiębiorstwie jest przeszkolony personel stosownie do zajmowanych stanowisk. Dodatkowym czynnikiem jest sposób zrozumienie i wdrożenie procesu zarządzania ryzykiem w przedsiębiorstwie.

Construction schedule risk analysis – a hybrid machine learning approach

The UK commissions about £100 billion in infrastructure construction works every year. More than 50% of them finish later than planned, causing damage to the interests of stakeholders. The estimation of time-risk on construction projects is currently done subjectively, largely by experience despite there are many existing techniques available to analyse risk on the construction schedules. Unlike conventional methods that tend to depend on the accurate estimation of risk boundaries for each task, this research aims to proposes a hybrid method to assist planners in undertaking risk analysis using baseline schedules with improved accuracy. The proposed method is endowed with machine intelligence and is trained using a database of 293,263 tasks from a diverse sample of 302 completed infrastructure construction projects in the UK. It combines a Gaussian Mixture Modelling-based Empirical Bayesian Network and a Support Vector Machine followed by performing a Monte Carlo risk simulation. The former is used to investigate the uncertainty, correlated risk factors, and predict task duration deviations while the latter is used to return a time-risk simulated prediction. This study randomly selected 10 projects as case studies followed by comparing their results of the proposed hybrid method with Monte Carlo Simulation. Results indicated 54.4% more accurate prediction on project delays.