Akses terbuka Jurnal
Stock Portfolio Optimization Using Mean-Variance and Mean Absolute Deviation Model Based On K-Medoids Clustering by Dynamic Time Warping
Jurnal Matematika, Statistika dan Komputasi · Vol. 20 No. 1 (2023) · hlm. 164–183
- ISSN
- 2614-8811, 1858-1382
- Terbit
- 2023-09-06
- Penerbit
- Department of Mathematics, Hasanuddin University
- Bahasa
- en
Abstrak
Inggris
The tendency of investors to choose investments with maximum return and minimal risk causes the need for diversification in a portfolio to form an optimal portfolio. A lot of research on stock portfolio optimization has been conducted extensively, but not many have tried to apply machine learning concepts such as clustering analysis to accelerate the establishment of a model that can have a positive effect on the time and cost efficiency of portfolio management. However, clustering is only limited to determining the optimal stock candidate, so it is necessary to add another optimization model to calculate the portfolio weight. Based on these problems, this study carried out portfolio optimization using Mean-Variance (MV) and Mean Absolute Deviation (MAD) model based on K-Medoids Clustering by Dynamic Time Warping approach using Monte Carlo-Expected Tail Loss for risk analysis. Based on the analysis results, the MAD portfolio is more optimal than the MV portfolio by the MAD portfolio consists of five stocks, namely BMRI shares with a weight of 0.06243, UNTR shares of 0.08658, BBRI shares of 0.10285, BBCA of 0.53623, and KLBF shares of 0.21191 are the best optimal portfolios. The optimal portfolio of the MAD model has a rate of return of 87.836% in May 2017 - December 2022 with a portfolio performance of 0.03704, while the resulting risk level based on Carlo-Expected Tail Loss is 2.2416%.
Bahasa Indonesia
Kecenderungan investor untuk memilih investasi dengan return maksimal dan risiko minimal mengakibatkan perlunya diversifikasi dalam suatu portofolio untuk membentuk portofolio optimal. Salah satu alternatif optimasi portofolio dapat dilakukan menggunakan analisis pengelompokan (clustering). Namun, clustering hanya terbatas untuk menentukan kandidat saham optimal, sehingga perlu ditambah metode atau model optimasi lain untuk menghitung bobot portofolio. Model pembentukan portofolio optimal seperti model Mean-Variance (MV) dan Mean Absolute Deviation (MAD) menggunakan asumsi bahwa preferensi investor didasarkan pada tingkat expected return dan risiko dari portofolio, tetapi cara memilih saham untuk model tersebut tidak didiversifikasi secara detail, sehingga dalam penelitian ini, dilakukan penggabungan metode pembentukan portofolio optimal antara model optimasi MV dan MAD dengan analisis pengelompokan (clustering) saham menggunakan metode K-Medoids Clustering dengan pendekatan ukuran jarak Dynamic Time Warping (DTW). Idealnya, dalam pembentukan portofolio optimal juga disertai dengan perhitungan estimasi risiko yang akan diperoleh investor. Alternatif pengestimasian risiko yang digunakan dalam penelitian ini adalah metode Expected Tail Loss (ETL) berdasarkan hasil Simulasi Monte Carlo. Variabel yang digunakan dalam penelitian ini adalah data saham yang konsisten terdaftar dalam Indeks SRI-KEHATI periode 1 Mei 2017 hingga 31 Desember 2022 dan tingkat suku bunga IndONIA sebagai aset bebas risiko (risk free rate). Berdasarkan analisis yang telah dilakukan, portofolio MAD merupakan portofolio yang lebih optimal dibandingkan portofolio MV dengan portofolio MAD yang tersusun atas lima saham yaitu saham BMRI dengan bobot sebesar 0,06243, saham UNTR sebesar 0,08658, saham BBRI sebesar 0,10285, saham BBCA sebesar 0,53623, dan saham KLBF sebesar 0,21191 menjadi portofolio optimal yang terbaik. Portofolio optimal model MAD memiliki tingkat pengembalian (return) sebesar 87,836% dalam kurun waktu Mei 2017 – Desember 2022 dengan kinerja portofolio sebesar 0,03704, sedangkan tingkat risiko yang dihasilkan berdasarkan Monte Carlo-Expected Tail Loss adalah sebesar 2,2416%.
Kata kunci
Jaringan kolaborasi para penulis
7 penulis · 16 tautan kepenulisan bersama · 5 lintas organisasi
Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.
- Institut Teknologi Sepuluh Nopember
- Universiti Malaysia Pahang Al-Sultan Abdullah
- Organisasi berbeda
- Organisasi sama
- Afiliasi tidak diketahui
- Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
| Rekan penulis | Organisasi | Artikel bersama |
|---|---|---|
| Moch. Taufik Hakiki | Institut Teknologi Sepuluh Nopember | 1 |
| Soehardjoepri Djoepri | Institut Teknologi Sepuluh Nopember | 1 |
| Prilyandari Dina Saputri | Institut Teknologi Sepuluh Nopember | 1 |
| Denisha A. E. Ananda | Institut Teknologi Sepuluh Nopember | 1 |
| Roslinazairimah Zakaria | Universiti Malaysia Pahang Al-Sultan Abdullah | 1 |
Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.