Prediksi Return Saham dengan Metode Random Forest dan Penerapannya untuk Seleksi Portofolio
Abstract
Abstrak— Portofolio dapat membantu investor untuk memilih saham mana yang terbaik dengan bobot yang optimal. Dalam berinvestasi investor tentu berharap mendapatkan keuntungan tinggi dengan resiko rendah. Pada optimasi portofolio indikator umum yang digunakan yaitu expected return dan resiko, namun mempertimbangkan dua hal itu saja tidak cukup untuk mendapatkan portofolio yang terbaik. Masalah yang dibahas pada tugas akhir ini yaitu seleksi portofolio menggunakan informasi dari prediksi return menggunakan metode Random Forest. Data yang digunakan adalah data indeks LQ45 selama 7 tahun (2015- 2022). Hasil dari tugas akhir ini berupa data kelompok saham dari sektor yang berbeda. Pengujian dilakukan dengan menggunakan prediksi return dan tanpa prediksi return dengan melihat stadar deviasi terkecil dan pertumbuhan portofolio terbesar. Kelima kelompok saham ini dilakukan seleksi portofolio dengan pembobotan equal weight. Hasil dari prediksi return menggunakan metode Random Forest dievaluasi menggunakan Mean Absolute Percentage Error (MAPE) mendapatkan nilai (23.62263) dan MAPE terkecil dari saham MNCN dengan nilai (9.90716). Dari hasil pengujian yang dilakukan portofolio dengan prediksi return menghasilkan standar deviasi lebih besar dan average return kecil, dibanding dengan portofolio tanpa prediksi return menghasilkan portofolio dengan standar deviasi lebih kecil dengan average return besar serta menghasilkan pertumbuhan portofolio lebih baik.
Kata Kunci — Portofolio, Return, LQ45, Random Forest Regression
Downloads
References
Soeryana, E., Fadhlina, N., Rusyaman, E., & Supian, S. (2017, January). Mean-variance portfolio optimization by using time series approaches based on logarithmicutility function. In IOP Conference Series: Materials
Science and Engineering (Vol.166, No. 1, p.. IOP Publishing.
Bangun, D. H., Anantadjaya, S. P., & Lahindah, L. (2012). Portofolio Optimal
Menurut Markowitz Model dan Single Index
Model: Studi Kasus pada Indeks LQ45. Journal of Management Studies, 1(1), 70-93.
Ramadhan, R. D., Handayani, S. R., & Endang,
M. G. W. (2014). Analisis pemilihan portofolio optimal dengan model dan pengembangan dari portofolio Markowitz (studi pada indeks BISNIS-27 di Bursa Efek Indonesia periode -2013). Jurnal Administrasi Bisnis, 14(1).
Zhang, Y., Li, X., & Guo, S. (2018). Portfolio selection problems with Markowitz's mean- variance framework: a review of literature. Fuzzy Optimization and Decision Making, 17, -158.
Capinski, M., & Zastawniak, T. (2003). Mathematics for finance. An Introduction,118-
Darusman, D., & Prasetiono, P. (2012). Analisis pengaruh firm size, book to market ratio, price earning ratio, dan momentum terhadap return portofolio saham. Diponegoro Journal of Management, 1(4), 212- 225.
Rifaldy, A., & Sedana, I. P. (2016). Optimasi portofolio saham indeks bisnis 27 di bursa efek Indonesia (pendekatan model markowitz) (Doctoral dissertation, Udayana University).
Saadah, S., & Salsabila, H. (2021). Prediksi Harga Bitcoin Menggunakan Metode Random Forest:(Studi Kasus: Data Acak Pada Masa Pandemic Covid-19). Jurnal Komputer Terapan, 7(1), 24- 32.
Ma, Y., Han, R., & Wang, W. (2021). Portfolio optimization with return prediction using deep learning and machine learning. Expert Systems with Applications, 165, 113973.
Vijh, M., Chandola, D., Tikkiwal, V. A., & Kumar, A. (2020). Stock closing price prediction using machine learning techniques.
Procedia computer science, 167, 599-606
