📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 6 dokumenINTEGRASI PANDANGAN INVESTOR BERBASIS DERET WAKTU DALAM PORTOFOLIO OPTIMAL MODEL BLACK-LITTERMAN
Pasar modal Indonesia beberapa tahun terakhir menunjukkan dinamika yang tinggi akibat berbagai faktor global dan domestik, seperti pandemi COVID-19, kebijakan moneter, serta fluktuasi harga komoditas dan nilai tukar, yang berdampak pada meningkatnya volatilitas pasar dan ketidakpastian dalam pengambilan keputusan investasi. Model Black-Litterman (BL) relevan dengan kondisi tersebut karena mampu mengintegrasikan informasi pasar dengan pandangan investor. Namun, model ini tidak memiliki aturan dalam pembentukan pandangan investor, sehingga model dapat dikembangkan dengan membentuk pandangan investor berbasis data menggunakan pendekatan deret waktu yang adaptif terhadap dinamika pasar. Penelitian ini bertujuan mengintegrasikan pandangan investor berbasis deret waktu ke dalam pembentukan portofolio optimal menggunakan model BL. Pendekatan ini mengombinasikan imbal hasil ekuilibrium dari Capital Asset Pricing Model (CAPM) dengan pandangan investor yang dibangun secara kuantitatif melalui model ARMA-GARCH/EGARCH. Hasil prediksi beserta selang kepercayaan digunakan untuk membentuk pandangan investor (????) dan matriks ketidakpastian (????) berupa batas atas (upper), titik estimasi (point forecast), dan batas bawah (lower) yang selanjutnya menghasilkan sembilan skenario pandangan investor. Nilai ???? divariasikan untuk menganalisis pengaruh antara informasi pasar dan pandangan investor terhadap hasil ekspektasi imbal hasil BL. Hasil menunjukkan bahwa arah ekspektasi imbal hasil sangat ditentukan oleh pandangan investor, sementara ketidakpastian pandangan memengaruhi tingkat ekstremitas imbal hasil. Peningkatan nilai ? memperkuat pengaruh pandangan investor terhadap ekspektasi imbal hasil dan komposisi portofolio. Pada tahap optimasi, skenario ekstrem menghasilkan portofolio yang lebih terkonsentrasi, sedangkan skenario moderat menghasilkan portofolio yang lebih terdiversifikasi. Evaluasi menggunakan Sharpe Ratio menunjukkan skenario ekstrem dengan keyakinan tinggi menghasilkan kinerja terbaik dengan nilai maksimum sebesar 1,7034 pada ???? = 1,00. Integrasi pandangan investor berbasis deret waktu dalam model BL mampu menghasilkan estimasi ekspektasi imbal hasil yang lebih adaptif, struktur portofolio yang fleksibel terhadap perubahan pandangan pasar, serta kinerja portofolio yang lebih optimal dibandingkan pendekatan konvensional.
USULAN MODEL ALOKASI PORTOFOLIO DAN RENCANA PENEMPATAN INSTRUMEN INVESTASI UNTUK BADAN PENGELOLA USAHA DAN DANA LESTARI INSTITUT TEKNOLOGI BANDUNG
Badan Pengelola Usaha dan Dana Lestari Institut Teknologi Bandung (BPUDL ITB) menghadapi tantangan dalam menentukan alokasi portofolio investasi yang sesuai dengan profil risiko serta kondisi arus kas yang dinamis untuk Dana Lestari (endowment fund). Penelitian ini bertujuan untuk memberikan usulan alokasi portofolio investasi tahunan, menentukan rencana penempatan investasi bulanan, serta mengidentifikasi instrumen investasi yang sesuai untuk lima tahun ke depan. Instrumen investasi yang dianalisis meliputi deposito, obligasi pemerintah, obligasi swasta, reksa dana pendapatan tetap, reksa dana campuran, reksa dana saham, dan saham. Data yang digunakan berupa data historis indeks instrumen investasi, data arus kas BPUDL ITB, serta data pendukung eksternal. Metode yang digunakan dalam penelitian ini adalah peramalan time series menggunakan ARIMAX dan SARIMAX, optimasi portofolio menggunakan model Markowitz, serta simulasi Monte Carlo untuk melihat kemungkinan pengembalian portofolio di masa depan. Analisis dilakukan dengan mempertimbangkan profil risiko BPUDL ITB yang cenderung konservatif dan memiliki orientasi investasi jangka panjang. Hasil penelitian menunjukkan bahwa deposito dan obligasi swasta menjadi instrumen dengan proporsi dominan karena memberikan keseimbangan optimal antara tingkat risiko yang rendah dan pengembalian yang stabil sesuai profil risiko BPUDL ITB. Selain itu, simulasi menunjukkan bahwa portofolio yang diusulkan mampu memberikan pengembalian di atas target 3% per tahun dengan tingkat risiko yang masih sesuai dengan karakteristik BPUDL ITB. Penelitian ini juga menghasilkan laman dinamis berbasis spreadsheet yang dapat digunakan BPUDL ITB untuk menghitung estimasi pengembalian secara langsung berdasarkan nominal dan tanggal penempatan dan pencairan aktual.
OPTIMISASI PORTOFOLIO INVESTASI BPJS KESEHATAN DENGAN PENDEKATAN LIABILITY-DRIVEN INVESTMENT
Dana Jaminan Sosial (DJS) BPJS Kesehatan menghadapi risiko asset-liability mismatch akibat ketidakselarasan jadwal jatuh tempo aset dan pola kewajiban klaim yang fluktuatif. Penelitian ini membangun kerangka optimisasi portofolio berbasis Liability-Driven Investment (LDI) dengan pendekatan Asset Liability Management (ALM) dua lapis dalam koridor PP No. 53 Tahun 2018. Lapisan pertama adalah model Strategic Asset Allocation (SAA) berupa program kuadratik multi-objektif dengan kendala duration matching, diselesaikan menggunakan SLSQP untuk beberapa skenario faktor pengali durasi ????. Evaluasi likuiditas menunjukkan bahwa hasil SAA masih menghasilkan kegagalan kas akibat timing mismatch, menegaskan bahwa optimisasi strategis saja tidak memadai. Lapisan kedua adalah dua varian model Tactical ALM berupa program linear: T1 menggunakan mekanisme repo SBN, sedangkan T2 menambahkan opsi penjualan dini deposito. Kedua model berhasil mengeliminasi seluruh kegagalan likuiditas dengan biaya taktis yang sangat kecil relatif terhadap skala dana yang dikelola. T2 unggul secara finansial dengan NAV akhir lebih tinggi, sementara T1 lebih sederhana secara operasional. Penelitian ini merekomendasikan penerapan kerangka ALM dua lapis dengan SAA sebagai alokasi strategis dikombinasikan dengan model taktis yang disesuaikan dengan kapasitas operasional pengelola.
OPTIMISASI PORTOFOLIO MULTIPERIODE MENGGUNAKAN HYBRID MACHINE LEARNING DAN NON-DOMINATED SORTING GENETIC ALGORITHM III (NSGA-III)
Investasi saham menawarkan potensi keuntungan yang tinggi dengan ketidakpastian dan risiko yang signifikan. Metode optimisasi portofolio konvensional seringkali kurang efektif karena asumsis statis satu periode dan ketidakmampuan menangani kendala pasar yang realistis. Tugas akhir ini mengusulkan kerangka kerja yang mengintegrasikan prediksi harga saham dengan optimisasi portofolio multiperiode. Pada tahap pertama, model hybrid machine learning BiLSTM-BO-LightGBM digunakan untuk memprediksi harga saham harian tahun 2024 dari 44 emiten terpilih. Pada tahap kedua, masalah diformulasikan sebagai many-objective optimization problem dengan tiga fungsi tujuan: memaksimalkan imbal hasil terminal, meminimalkan nilai absolut maximum drawdown (MDD), dan memaksimalkan diversitas (entropi Shannon). Model ini secara eksplisit memperhitungkan kendala round lot, batasan kardinalitas, biaya transaksi, serta mekanisme deposito bank untuk menampung sisa dana. Algoritma Non-dominated Sorting Genetic Algorithm III (NSGA-III) diterapkan untuk menyelesaikan permasalahan kompleks tersebut. Hasil eksprimen menunjukkan bahwa batasan kardinalitas penting untuk menegasi kelemahan entropi Shannon yang memaksakan seluruh saham masuk ke dalam portofolio. Selain itu, frekuensi penyesuaian portofolio dwibulanan menghasilkan potensi imbal hasil tertinggi (267.476%) dengan risiko penurunan yang tinggi. Sedangkan, frekuensi penyesuaian portofolio bulanan dinilai kurang optimal akibat akumulasi biaya transaksi yang menggerus imbal hasil bersih. Tugas akhir ini menemukan bahwa integrasi hybrid machine learning dan NSGA-III mampu menghasilkan strategi investasi adaptif yang unggul dibandingkan strategi pasif.
PORTOFOLIO SAHAM–ASET DEFENSIF OPTIMAL DI SIKLUS PASAR FLUKTUATIF INDONESIA: PENDEKATAN PERAMALAN DAN OPTIMISASI MARKOWITZ (2021–2025)
Pasar modal Indonesia mengalami fase penguatan dan pelemahan di tahun 20212025. Pemulihan pascapandemi, tekanan inflasi, perubahan suku bunga, dan ketidakpastian geopolitik termasuk hal yang memicu fase tersebut. Investor menjadi kesulitan untuk mengelola risiko yang setara dengan imbal hasil yang positif karena siklus pasar yang volatile. Secara umum pasar saham dapat memberikan potensi keuntungan tetapi juga memiliki volatilitas yang relative tinggi. Di sisi lain, aset defensif seperti emas dan deposito berjangka bank menawarkan perlindungan modal dan kestabilan. Strategi investasi dengan menggabungkan keduanya dalam satu portofolio memungkinkan investor untuk memanfaatkan peluang sekaligus meminimalisir risiko. Riset ini menganalisis empat belas saham dari Indeks LQ45 di berbagai sektor seperti perbankan, telekomunikasi, barang konsumen, properti, infrastruktur, energi, pertambangan, kesehatan, dan ritel, juga menyertakan emas dan deposito bank sebagai komponen defensif. Data bulanan dari Januari 2021 hingga Agustus 2025 digunakan untuk menangkap kondisi tren naik dan turunnya harga. Pendekatan Exponential Smoothing, khususnya metode Holt-Winters digunakan untuk memprediksikan imbal hasil tiap bulan dari setiap aset sampai Desember 2025. Model ini menangkap tren dan musiman untuk mengestimasi prospektif. Hasil peramalan digabungkan dengan data varians dan kovarians dalam kerangka Optimisasi Mean-Variance Markowitz untuk menentukan alokasi aset optimal. Optimisasi dilakukan satu langkah dengan pengintegrasian saham dan aset defensif ke dalam satu portofolio. Pendekatan ini memastikan keputusan alokasi dengan pertimbangan korelasi antar aset dan resiko-imbal hasil portofolio secara menyeluruh, dengan tujuan memaksimalkan rasio Sharpe. Studi ini bertujuan mengembangkan strategi alokasi investasi yang praktis dan berbasis data untuk mendapatkan resiko dan imbal hasil yang optimum dengan mengombinasikan peramalan ETS dan optimisasi portofolio Markowitz, dengan menawarkan kerangka terstruktur bagi investor yang mencari pertumbuhan sekaligus ketahanan di tengah volatilitas pasar.
OPTIMISASI PORTFOLIO INVESTASI BERBASIS LIABILITAS (LIABILITY-DRIVEN INVESTMENT) PADA PERUSAHAANASURANSI
Investasi berbasis liabilitas (LDI) adalah strategi investasi yang bertujuan tidak untuk memaksimumkan imbal hasil portfolio aset, tetapi memaksimumkan kinerja aset relatif terhadap liabilitas. Salah satu model optimisasi LDI yang dapat digunakan adalah model untuk menentukan proporsi kelas aset yang memaksimumkan rasio antara ekspektasi dan standar deviasi dari net asset value (NAV), yaitu selisih antara nilai pasar aset dan total liabilitas sebuah perusahaan. Total rasio antara ekspektasi dan standar deviasi dari NAV pada setiap periode dapat digunakan sebagai fungsi objektif untuk mengoptimisasi proporsi kelas aset pada setiap periode dalam suatu horizon investasi. Kendala pada model optimisasi diformulasikan sesuai dengan Peraturan OJK tentang Kesehatan Keuangan Perusahaan Asuransi dan Reasuransi agar perusahaan berjalan sesuai dengan peraturan yang berlaku. Metode metaheuristik algoritma genetika digunakan pada implementasi model untuk memperoleh solusi optimal. Optimisasi pada sebuah perusahaan asuransi spekulatif menunjukkan bahwa model ini memiliki keterbatasan dalam menghasilkan solusi optimal dan cenderung mengalokasikan aset secara dominan pada instrumen bebas risiko untuk memaksimalkan fungsi objektif. Alokasi aset yang dominan pada instrumen bebas risiko berpotensi menyebabkan ketidakstabilan komputasi. Oleh karena itu, diperlukan penambahan kendala batas bawah proporsi investasi untuk setiap kelas aset yang berisiko di setiap periode agar solusi optimal yang stabil dapat dihasilkan. Model dengan tambahan kendala ini dapat digunakan untuk mengoptimisasi portfolio investasi berbasis liabilitas bagi perusahaan asuransi di Indonesia.