OPTIMISASI PORTOFOLIO MEAN-VARIANCE DENGAN KLASIFIKASI RANDOM FOREST DAN MODEL GARCH

TIMOTHY CHRISTIAN, Prof.Dr Dedi Rosadi, M.sc.

2020 | Skripsi | S1 STATISTIKA

Investasi saham merupakan salah satu instrumen investasi yang menarik, namun sayangnya di Indonesia masih banyak orang belum berinvestasi saham. Ketika seorang investor melakukan investasi saham, investor pada umumnya tidak hanya membeli satu saham saja, untuk mengurangi risiko investor akan melakukan diversifikasi sehingga terbentuklah portofolio saham. Portofolio saham yang dimiliki harusnya merupakan kumpulan dari saham-saham terbaik sehingga dapat memberikan hasil yang baik bagi para investor. Optimisasi portofolio saham adalah proses pemilihan portofolio terbaik dari semua portofolio yang dipertimbangkan, sesuai dengan tujuan investor. Portofolio mean-variance merupakan metode yang paling sering dipakai dalam optimisasi portofolio saham. Teori ini mengasumsikan bahwa investor ingin memaksimalkan return yang bergantung pada jumlah risiko tertentu. Pada penelitian ingin diketahui portofolio mean-variance dengan implementasi machine learning. Machine learning yang digunakan adalah analisis klasifikasi, sebelum melakukan analisis klasifikasi, akan dilakukan perhitungan beberapa indikator yang sudah ditentukan sebagai input dalam analisis klasifikasi. Metode klasifikasi yang digunakan adalah algoritma random forest untuk memprediksi arah pergerakan harga suatu saham apakah bergerak naik atau turun. Model GARCH dipakai untuk melihat volatilitas serta memprediksi return suatu saham, sehingga diharapkan dapat meningkatkan performa dari optimisasi portofolio mean-variance. Untuk membuktikan apakah portofolio mean-variance dengan implementasi random forest dan model GARCH lebih baik maka akan dibuat perbandingannya dengan portofolio mean-variance biasa, lalu hasil dari kedua portofolio akan diukur kinerjanya melalui sharpe ratio. Kesimpulan yang didapat adalah optimisasi portofolio mean-variance dengan klasifikasi random forest dan model GARCH lebih baik dari pada optimisasi portofolio mean-variance biasa.

Stock investment is an attractive investment instrument. Unfortunately not many Indonesians invest in stocks. When investing, stock investors generally diversify their portfolios to minimize potential risks. A stock portfolio should be comprised of the best that promise the best return for investors. Stock portfolio optimization is the process of selecting the best portfolio among all considered portfolios, according to the investor's goals. The mean-variance portfolio is the most frequently used method of optimizing stock portfolios. This theory assumes that investors want to maximize returns relative to the associated risks. This research aim to discover the mean-variance portfolio with the implementation of machine learning. The machine learning utilized in this research is the classification analysis. Indicators that have been determined as inputs will be calculated before the analysis. The classification method used is the random forest algorithm, which will predict the direction of the price movement of a stock, whether it is moving up or down. The GARCH model is used to view volatility and predict the return of a stock, which should improve the performance of the mean-variance portfolio optimization. To determine if the implementation of random forest and the GARCH model improves the mean-variance portfolio, the results will be put against that of a normal mean-variance portfolio through the sharpe ratio. The conclusion is that the mean-variance portfolio optimization with random forest classification and the GARCH model is better than the classic mean-variance portfolio optimization.

Kata Kunci : Random Forest, Classic Mean-Variance, Predicted Mean-Variance, GARCH, Portofolio Performance.