Optimasi Portofolio Saham IDX30 Menggunakan Metode Mean-Variance dengan Shrinkage dan L1-Regularization

Authors

  • Reihan Muhamad Aziz Telkom University
  • Deni Saepudin Telkom University

Abstract

Abstrak— Portofolio adalah sekumpulan aset yang dimiliki oleh individu atau kelompok untuk suatu tujuan ekonomi tertentu. Untuk membangun sebuah portofolio yang optimum ada dua hal yang harus diperhatikan yaitu return dan risiko. Dengan optimasi portofolio diharapkan akan menghasilkan portofolio dengan return yang tinggi dan risiko yang rendah. Untuk mendapatkan portofolio yang optimum sebelumnya digunakan metode Mean-Variance, namun setelah di analisis ternyata performa yang dihasilkan masih kurang memuaskan. Hal tersebut disebabkan karena kesalahan pada estimasi covariance matrix dan mean return. Seiring berjalannya waktu banyak metode yang digunakan untuk memperbaiki performa metode Mean- Variance. Salah satu cara untuk memperbaiki performa metode Mean-Variance adalah dengan menerapkan metode regularisasi pada fungsi objektif dari metode Mean-Variance dan menerapkan metode Shrinkage untuk mengestimasi covariance matrix. Oleh karena itu dalam tugas akhir ini dibangun portfolio saham menggunakan metode Mean-Variance dengan L1-regularization dan Shrinkage. Berdasarkan hasil pengujian yang telah dilakukan, dapat disimpulkan bahwa dengan menerapkan L1- regularization dan Shrinkage pada metode Mean-Variance dapat meningkatkan performa yang dihasilkan yaitu dengan menghasilkan nilai sharpe ratio yang lebih tinggi dengan nilai 0.63. Sedangkan portfolio yang dihasilkan oleh metode MeanVariance yang tidak menggunakan L1-regularization dan Shrinkage menghasilkan nilai sharpe ratio yang lebih buruk yaitu dengan nilai 0.38.

Kata Kunci— portofolio, saham, mean-variance, regularisasi, shrinkage, IDX30

References

REFRENCES

Patel, Jayeshkumar & Chawda, Bharat. (2015). Stock

Market Portfolio Management A Walk-through. 3. 4136 -

Z. Dai and J. Kang, "Some new efficient mean-variance

portfolio selection models", International Journal of

Finance & Economics, 2021. Available:

1002/ijfe.2400.[3] Z. Dai and F. Wang, "Sparse and robust mean-variance

portfolio optimization problems", Physica A: Statistical

Mechanics and its Applications, vol. 523, pp. 1371-1378,

Available: 10.1016/j.physa.2019.04.151.

A. Paskaramoorthy, T. Gebbie, and T. van Zyl, The

efficient frontiers of mean-variance portfolio rules under

distribution misspecification. 2021.

B. Bruder, N. Gaussel, J. Richard and T. Roncalli,

"Regularization of Portfolio Allocation", SSRN Electronic

Journal, 2013. Available: 10.2139/ssrn.2767358.

Y. LIU, N. CHAN, C. NG and S. WONG, "SHRINKAGE

ESTIMATION OF MEAN-VARIANCE PORTFOLIO",

International Journal of Theoretical and Applied Finance,

vol. 19, no. 01, p. 1650003, 2016. Available:

1142/s0219024916500035.

P. Kremer, S. Lee, M. Bogdan and S. Paterlini, "Sparse

portfolio selection via the sorted _1-Norm", Journal of

Banking & Finance, vol. 110, p. 105687, 2020. Available:

1016/j.jbankfin.2019.105687.

S. Suhadak, K. Kurniaty, S. Handayani and S. Rahayu,

"Stock return and financial performance as moderation

variable in influence of good corporate governance

towards corporate value", Asian Journal of Accounting

Research, vol. 4, no. 1, pp. 18-34, 2019. Available:

1108/ajar-07-2018-0021.

www.idx.co.id. 2021. IDX30 Index Fact Sheet. [online]

Available at:

<https://www.idx.co.id/media/8198/factsheet_20191230_04_idx30.pdf> [Accessed 26 November

.

R. Yanushevsky and D. Yanushevsky's, "An

approach to improve mean-variance portfolio optimization

model", Journal of Aset Management, vol. 16, no. 3, pp.

-219, 2015. Available: 10.1057/jam.2015.13.

Wittig S, Shrinkage Theory for Portfolio

Optimization with Correlated Geometric Brownian

Motion. 2015.

Z. Dai and F. Wen, "A generalized approach to

sparse and stable portfolio optimization problem", Journal

of Industrial & Management Optimization, vol. 14, no. 4,

pp. 1651-1666, 2018. Available: 10.3934/jimo.2018025.

Bhowmik R, Wang S. Stock Market Volatility and

Return Analysis: A Systematic Literature Review. Entropy

(Basel). 2020 May 4;22(5):522. doi: 10.3390/e22050522.

PMID: 33286294; PMCID: PMC7517016.

Martin, R. A.. PyPortfolioOpt: portfolio optimization in

Python. Journal of Open Source Software, 2021, 6(61),

, https://doi.org/10.21105/joss.03066

Downloads

Published

2023-11-01

Issue

Section

Program Studi S1 Informatika