📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 8 dokumenOPTIMISASI PORTOFOLIO DENGAN PENDEKATAN ANALISIS DATA TOPOLOGI
Portofolio optimal yang dapat memaksimalkan return dan meminimalkan risiko sangat dibutuhkan oleh seluruh investor. Penelitian ini mengusulkan penggunaan pendekatan analisis data topologi (TDA) dalam optimisasi portofolio. Analisis data topologi yang dapat mengekstraksi fitur topologi dari data historis harga saham digunakan dalam penelitian ini untuk menangkap struktur tersembunyi dan hubungan non-linier antar saham. Pada penelitian ini ditemukan bahwa TDA norm dari kelas homologi dimensi 0 dapat merepresentasikan volatilitas saham. Selain itu, kovariansi antar saham juga dapat diperoleh dengan mempergunakan salah satu fitur dalam persistence tools yaitu Wasserstein distance. Kedua hal tersebut (volatilitas dan kovariansi) berperan sangat penting dalam optimisasi portofolio karena digunakan dalam mengukur risiko portofolio. Permasalahan optimisasi portofolio tersebut, dalam penelitian ini, diselesaikan menggunakan NSGA-II untuk menghasilkan solusi-solusi yang mendekati Pareto front. Hasil dari penelitian ini menunjukkan bahwa pendekatan analisis data topologi yang digunakan bekerja dengan sama baiknya dengan metode klasik.
OPTIMISASI PORTOFOLIO ROBUST MEAN-VARIANCE BERBASIS ESG DENGAN TRADE-OFF BASED INTERACTIVE NAVIGATION (TBIN)
Investasi berbasis Environmental, Social, and Governance (ESG) saat ini semakin berkembang sebagai pendekatan yang mempertimbangkan aspek keberlanjutan selain kinerja finansial. Namun, integrasi ESG ke dalam optimisasi portofolio masih menghadapi berbagai tantangan berupa ketidakpastian estimasi parameter dan banyaknya alternatif portofolio optimal. Penelitian ini bertujuan mengimplementasikan model robust mean-variance berbasis ESG dengan estimasi return dan risiko berbasis data serta Trade-Off Based Interactive Navigation (TBIN) sebagai sistem pendukung keputusan investor. Penelitian menggunakan data saham di Bursa Efek Indonesia yang dilengkapi informasi ESG dari Bloomberg. Evaluasi dilakukan melalui backtest rolling window out-of-sample. Hasil penelitian menunjukkan bahwa kualitas prediksi return yang dihasilkan model masih terbatas sehingga pendekatan robust optimization menjadi relevan untuk mengatasi ketidakpastian estimasi. Dibandingkan model mean-variance klasik, portofolio robust ESG menghasilkan kinerja yang lebih stabil dengan risiko penurunan nilai portofolio yang lebih terkendali. Selain itu, peningkatan parameter robustifikasi secara bertahap menggeser solusi dari portofolio mean-variance menuju portofolio ESG, sedangkan implementasi TBIN memungkinkan investor menavigasi trade-off antara return, risiko, dan ESG secara interaktif sesuai preferensinya. Penelitian ini menunjukkan bahwa integrasi ESG sebagai representasi ketidakpastian dalam kerangka robust mean-variance dapat menghasilkan portofolio yang lebih stabil dibandingkan dengan model mean-variance klasik, serta mendukung proses pengambilan keputusan investasi melalui sistem navigasi interaktif.
OPTIMISASI PORTOFOLIO DENGAN REFERENCE VECTOR GUIDED EVOLUTIONARY ALGORITHM (RVEA) DALAM PEMBIAYAAN RISIKO BENCANA
Meningkatnya frekuensi bencana alam di Indonesia menuntut adanya strategi pembiayaan risiko yang terstruktur. Penelitian ini mengusulkan kerangka kerja optimisasi portofolio multiobjektif untuk pengembangan dana melalui investasi. Tujuan utamanya adalah membentuk alokasi aset efisien untuk memenuhi target pembiayaan yang dihitung dari analisis retensi optimal kerugian bencana gempa bumi tektonik. Model Autoregressive Integrated Moving Average (ARIMA) digunakan untuk mendapatkan prakiraan imbal hasil saham bulanan sebagai input pada proses optimisasi. Selanjutnya, optimisasi portofolio dilakukan secara bulanan selama satu tahun menggunakan Reference Vector Guided Evolutionary Algorithm (RVEA) untuk memaksimalkan imbal hasil dan meminimalkan risiko, dengan mempertimbangkan kendala praktis seperti round lot dan buy-in threshold. Dua skenario investasi, tanpa dan adanya alokasi pada deposito, dianalisis menggunakan tiga metode seleksi, yaitu: Sharpe ratio; risiko minimum; dan imbal hasil maksimum. Hasil penelitian menunjukkan bahwa RVEA efektif dalam menghasilkan front Pareto, meskipun menghadapi kesulitan pada bentuk front yang irregular. Setiap skema seleksi secara konsisten menghasilkan portofolio dengan profil risiko-imbal hasil yang berbeda. Meskipun portofolio gabungan mencatat keuntungan positif, total keuntungan selama satu tahun hanya memenuhi 4.03% hingga 4.92% dari target pembiayaan. Temuan ini menegaskan kelayakan investasi dalam pengembangan dana bencana, sekaligus menekankan bahwa pemenuhan target pembiayaan memerlukan strategi jangka panjang yang komprehensif.
OPTIMISASI PORTOFOLIO MENGGUNAKAN MULTI-OBJECTIVE EVOLUTIONARY ALGORITHM BASED ON DECOMPOSITION (MOEA/D) DALAM MEMBIAYAI KERUGIAN AKIBAT GEMPA BUMI TEKTONIK DI INDONESIA
Indonesia merupakan negara rawan bencana, terutama gempa bumi tektonik yang selain dapat mengakibatkan korban jiwa, juga dapat menyebabkan terjadinya kerugian finansial yang besar. Tugas Akhir ini mencoba menunjukkan cara bagaimana membangun suatu dana cadangan dengan berjalannya waktu sehingga diperoleh suatu dana cadangan untuk membiayai kerugian finansial akibat bencana alam gempa bumi tektonik. Untuk membiayai kerugian tersebut, dilakukan prakiraan return saham menggunakan metode autoregressive integrated moving average serta optimisasi multi-objektif untuk menentukan alokasi aset yang optimal dalam portofolio. Penentuan alokasi aset dilakukan dengan menyelesaikan model optimisasi portofolio yang memaksimumkan return dan meminimumkan risiko dengan kendala anggaran, buy-in-threshold, dan roundlot menggunakan multi-objective evolutionary algorithm based on decomposition. Terdapat dua skema optimisasi, yaitu optimisasi pada saham dengan sisa dana disimpan sebagai kas atau diinvestasikan pada deposito, dengan pemilihan solusi berdasarkan Sharpe Ratio, variansi, dan return. Hasil optimisasi menunjukkan bahwa saham BBCA memberikan kontribusi terbesar pada setiap skema investasi dan periode. Investasi selama satu tahun dapat membiayai 21,29% hingga 26,00% dari retensi optimal.
OPTIMALISASI PORTOFOLIO : LIMA BELAS MATA UANG KRIPTO TERPOPULER
Penelitian ini mengkaji penerapan Teori Portofolio Modern (Markowitz) pada 15 mata uang kripto teratas yang telah berdiri minimal lima tahun, dengan menganalisis data historis dari April 2020 hingga April 2025. Di tengah meningkatnya minat investor dan perilaku emosional seperti FOMO dan impulsivitas, pasar kripto tetap sangat fluktuatif dan spekulatif. Penelitian ini bertujuan untuk mengidentifikasi strategi portofolio optimal melalui diversifikasi, analisis risiko dan imbal hasil, serta maksimalisasi rasio Sharpe. Dengan bantuan Microsoft Excel dan Python untuk pengolahan dan visualisasi data, penelitian ini mengevaluasi tiga tipe portofolio: optimal, varian minimum, dan imbal hasil maksimum. Hasilnya menunjukkan bahwa diversifikasi dengan aset seperti LEO dan TRX secara signifikan meningkatkan efisiensi portofolio. Studi ini menyimpulkan bahwa optimalisasi portofolio secara sistematis memberikan kinerja imbal hasil yang lebih baik dibandingkan strategi investasi spekulatif.
OPTIMALISASI PORTOFOLIO PADA SUBSET IDX30 DENGAN INTEGRASI ARUS MODAL ASING MENGGUNAKAN ALGORITMA EVOLUSIONER MULTI- OBJEKTIF UNTUK STRATEGI MOMENTUM DAN DEFENSIF
Studi ini memajukan pendekatan optimisasi portofolio untuk pasar negara berkembang dengan secara eksplisit mengintegrasikan korelasi arus modal asing sebagai variabel desain strategis, di samping tujuan tradisional berupa imbal hasil dan risiko. Dengan memanfaatkan algoritma evolusioner multi-objektif NSGA-II, studi ini mengembangkan model optimisasi pada subset terkurasi dari 16 saham IDX30, membandingkan dua strategi arketipal: flow-following dan flow-hedging. Strategi flow-following, yang menyelaraskan bobot portofolio dengan arus masuk modal asing, menghasilkan frontier Pareto yang luas namun volatil, ditandai dengan trade-off yang curam dan sensitivitas tinggi terhadap pembalikan makroekonomi. Sebaliknya, strategi flow-hedging menghasilkan frontier yang lebih kompak dan terstruktur secara vertikal, dengan kinerja yang stabil dalam ukuran risiko-terkoreksi serta drawdown yang lebih rendah, khususnya selama rezim pasar yang tidak menguntungkan. Temuan empiris menunjukkan bahwa portofolio flow-hedging, terutama yang berada di titik “knee” Pareto, secara konsisten mengungguli indeks IDX30 dan strategi flow-following dalam hal imbal hasil kumulatif, rasio Sharpe, dan risiko penurunan selama periode 2019–2025. Uji ketahanan, termasuk pengujian subperiode dan analisis sensitivitas parameter NSGA-II, mengonfirmasi stabilitas model ini di berbagai konfigurasi komputasi dan kondisi pasar. Studi ini menekankan pentingnya sensitivitas terhadap arus modal asing bukan hanya sebagai risiko eksternal, melainkan sebagai variabel desain internal dalam konstruksi portofolio. Temuan ini menawarkan wawasan praktis bagi investor institusional yang mencari ketahanan di pasar dengan volatilitas tinggi, sekaligus membangun fondasi metodologis untuk model alokasi dinamis yang flow- aware. Kontribusi ini mereformulasi perancangan portofolio di pasar negara berkembang dengan menjembatani dinamika perilaku arus modal dan optimisasi formal, memungkinkan strategi investasi yang lebih adaptif dan tangguh secara struktural.
OPTIMISASI PORTOFOLIO MULTI-PERIODE DENGAN MULTI-STAGE STRATEGY UNTUK LIABILITY DRIVEN INVESTMENT
Investasi pada perusahaan asuransi memiliki peran sangat penting untuk menjaga stabilitas keuangan dan memenuhi kewajiban jangka panjang. Oleh karena itu, optimisasi portofolio diperlukan tidak hanya untuk memaksimalkan keuntungan, tetapi untuk memastikan ketersediaan dana untuk memenuhi kewajiban di masa depan juga, terutama dengan perubahan pendapatan dan liabilitas yang tidak statis. Penelitian ini bertujuan untuk mengembangkan metode optimisasi portofolio multi-periode yang mampu mengakomodasi kontribusi investor yang dinamis untuk memastikan semua liabilitas dapat dibayarkan pada setiap periode serta unsur subsidi sebagai jaring pengaman saat imbal hasil investasi tidak dapat menutupi liabilitas yang besar. Masalah optimisasi portofolio mean-variance multi-periode akan dipecahkan menggunakan pendekatan yang memanfaatkan Particle Swarm Optimization (PSO) dan strategi multi-stage. Penelitian ini mempertimbangkan tiga nstrumen keuangan yaitu saham, obligasi tanpa kupon, dan deposito. Pergerakan harga saham akan dimodelkan dengan Geometric Brownian Motion (GBM) dan obligasi tanpa kupon akan dimodelkan dengan Model Vasicek. Hasil penelitian menunjukkan bahwa metode optimisasi portofolio ini dapat diselesaikan dan menghasilkan alokasi aset yang optimal sambil memenuhi liabilitas yang ada dengan menambahkan subsidi bila diperlukan. Selain itu, penelitian berhasil melakukan optimisasi portofolio dengan tambahan kendala dari peraturan OJK yang membatasi alokasi aset sesuai jenisnya yang dapat dilakukan oleh perusahaan asuransi Indonesia, seperti BPJS Kesehatan.
PENERAPAN SAFETY FIRST RATIO PADA OPTIMISASI PORTOFOLIO INDUSTRI ASURANSI MENGGUNAKAN PARTICLE SWARM OPTIMIZATION
Penelitian ini bertujuan untuk mengatasi kompleksitas optimisasi portofolio pada industri asuransi dengan mempertimbangkan kendala proporsi yang ditetapkan oleh Otoritas Jasa Keuangan (OJK), buy-in threshold (kendala minimum pembelian), dan roundlot (kendala kelipatan pembelian). Penelitian ini mengeksplorasi penerapan metode Particle Swarm Optimization (PSO) dalam menentukan alokasi aset optimal yang memaksimumkan safety first ratio. Safety first ratio adalah pendekatan yang memprioritaskan rasio antara selisih return dengan return minimal yang diharapkan dan risikonya sehingga sangat berguna dalam pengelolaan risiko portofolio yang diperlukan dalam industri asuransi. Dalam penelitian ini, instrumen keuangan yang dipertimbangkan adalah saham, obligasi, dan deposito. Hasil penelitian menunjukkan bahwa optimisasi model safety first ratio menggunakan metode PSO mampu menghasilkan alokasi aset yang optimal dan menunjukkan performa yang baik dalam mengatasi masalah optimisasi yang kompleks. Lebih lanjut, hasil optimisasi portofolio menggunakan safety first ratio juga diperiksa menggunakan efficient frontier model Markowitz dan hasilnya menunjukkan bahwa solusi yang dihasilkan sejalan dengan portofolio optimal menurut model Markowitz, sehingga memberikan validasi tambahan terhadap pendekatan yang digunakan.