Laporkan Masalah

OPTIMASI PORTOFOLIO ASET KRIPTO BERBASIS MEAN-CVAR DAN MEAN-VARIANCE OPTIMIZATION

Pramana Cahya Girindra, Dr. Dwi Ertiningsih, S.Si., M.Si

2025 | Skripsi | STATISTIKA

Dalam skripsi ini akan dibahas tentang perbandingan performa optimasi


portofolio aset kripto menggunakan dua pendekatan, yaitu Mean-CVaR yang


mengintegrasikan model GARCH dan EVT dan Mean-Variance Optimization


(MVO). Data historis harga penutupan harian empat aset yaitu BTC-USD, ETH-USD,


BNB-USD, dan ADA-USD dari 2018 hingga 2023 dianalisis untuk mengukur


return, risiko, dan volatilitas. Hasil analisa menunjukkan bahwa portofolio MVO


menghasilkan return yang lebih tinggi meskipun volatilitasnya lebih besar, sedangkan


portofolio Mean-CVaR lebih efektif mengurangi risiko ekstrem, seperti yang


tercermin dari maximum drawdown yang lebih kecil. Hasil ini menegaskan bahwa


pilihan metode optimasi harus disesuaikan dengan profil risiko investor dan


memberikan kontribusi penting dalam pengembangan strategi manajemen risiko di


pasar kripto.

In this undergraduate thesis will be discussed about the comparison


performance of cryptocurrency portfolio optimization using two approaches.


Mean-CVaR, which integrates the GARCH and EVT models, and Mean-Variance


Optimization (MVO). Historical daily closing price data of four assets BTC-USD,


ETH-USD, BNB-USD, and ADA-USD from 2018 to 2023 are analyzed to measure


return, risk, and volatility. The analysis shows that the MVO portfolio yields higher


returns despite greater volatility, whereas the Mean-CVaR portfolio is more effective


in mitigating extreme risk, as reflected by a smaller maximum drawdown. These


results emphasize that the choice of optimization method should be aligned with


the investor’s risk profile and contribute significantly to the development of risk


management strategies in the cryptocurrency market.

Kata Kunci : Optimasi Portofolio, Mean-CVaR, MVO, Aset Kripto, Manajemen Risiko.

  1. S1-2025-479923-abstract.pdf  
  2. S1-2025-479923-bibliography.pdf  
  3. S1-2025-479923-tableofcontent.pdf  
  4. S1-2025-479923-title.pdf