Hasil Pencarian  ::  Simpan CSV :: Kembali

"Di era zaman modern ini, manusia dituntut untuk lebih bekerja keras dalam memenuhikebutuhan dan keinginan mereka. Salah satunya dengan cara berinvestasi. Investasiadalah suatu tindakan dimana seseorang membeli saham, obligasi, atau surat pernyataanlainnya. Salah satu jenis investasi adalah Exchange-Traded Funds (ETF) yang dimanainvestor dapat melihat pergerakan saham didalamnya dan membuat keputusan untukmembeli atau menjual saham yang disebut sebagai trading. Pada skripsi ini, ditunjukkanbahwa algoritma trading berdasarkan teori kontrol dapat membantu investor dalammembuat keputusan tersebut untuk mendapatkan nilai portofolio yang optimal dalamtransaksi ETF. Hasil implementasi pada tiga saham, menunjukkan bahwa terdapat sahamdan kombinasi saham tertentu yang memiliki nilai portofolio optimal. Nilai portofoliooptimal ditentukan oleh kecepatan nilai portofolio tersebut mencapai target dan besarnya nilai portofolio tersebut pada akhir periode.(

---

)In this modern era, humans are required to work harder in fulfilling their needs and

desires. One of them is by investing. Investment is any action in which someone buy

shares, bonds, or other. One type of investment is Exchange-Traded Funds (ETF) where

investors can see the movement of shares in it and make the decision to buy or sell shares

called trading. In this thesis, it is shown that trading algorithms based on control theory

can help investors make these decisions to get optimal portfolio values in ETF

transactions. The results of the implementation of three stocks indicate that there are

certain stocks and stock combinations that have optimal portfolio values. The optimal

portfolio value is determined by the speed at which the portfolio value reaches the target

and the value of the portfolio at the end of the period."

"ABSTRAKOptimalisasi portofolio bertujuan agar investor mendapatkan return tertinggi dan mendapatkan risiko terendah. Untuk mencapai tujuan ini, investor melakukan diversifikasi untuk meningkatkan kinerja portofolio dengan meminimalkan risiko portofolio. Pada penelitian ini digunakan algoritma Iterative K-Means -+ sebagai metode clustering dan Ant Colony Optimization (ACO). Pengelompokan digunakan untuk diversifikasi portofolio berdasarkan rasio keuangan masing-masing saham. K-Means berulang -+ ini memperbaiki solusi dari K-Means dengan menghapus 1 cluster (minus), membagi 1 cluster (plus) dan re-clustering di setiap iterasi. Setelah pengelompokan, beberapa saham dipilih dan bobotnya ditentukan dengan metode metaheuristik, yaitu:Algoritma Ant Colony Optimization (ACO). Hasil numerik dari metode ini dievaluasi dengan data yang sebenarnya.ABSTRACTPortfolio optimization aims for investors to get the highest return and get the lowest risk. To achieve this goal, investors diversify to improve portfolio performance by minimizing portfolio risk. In this study, the Iterative K-Means -+ algorithm was used as a clustering method and Ant Colony Optimization (ACO). Grouping is used to diversify the portfolio based on the financial ratios of each stock. Iterative K-Means --+ this improves the solution of K-Means by removing 1 cluster (minus), dividing 1 cluster (plus) and re-clustering in each iteration. After grouping, several stocks are selected and their weights are determined by the metaheuristic method, namely:Ant Colony Optimization (ACO) Algorithm. The numerical results of this method are evaluated with actual data."

"Masalah optimisasi portofolio adalah masalah untuk mencari portofolio dengan return maksimal dan risiko minimal. Pada skripsi ini, digunakan model optimisasi portofolio multi objektif. Algoritma Multi-objective Co-variance based Artificial Bee Colony M-CABC digunakan untuk menyelesaikan masalah optimisasi portofolio. Algoritma M-CABC merupakan pengembangan dari algoritma Artificial Bee Colony ABC menggunakan konsep kovariansi statistik dan dipakai untuk masalah optimisasi portofolio. Implementasi dilakukan dengan menggunakan lima sampel data OR-Lib; port1, port2, port3, port4, dan port5. Hasil yang didapat dibandingkan dengan unconstrained efficient frontier dari lima sampel data. Dari hasil simulasi, Algoritma M-CABC menghasilkan solusi yang cukup dekat dengan solusi pada unconstrained efficient frontier.

---

Portfolio optimization problem is a problem to find portfolio with maximum return and minimum risk. In this skripsi, multi objective portfolio optimization model is used. Multi objective Co variance based Artificial Bee Colony M CABC algorithm is used to solve porto folio optimization problem. M CABC algorithm is developed from Artificial Bee Colony ABC algorithm using statistical co variance concept and is used for portfolio optimization problem. Implementation is done using five OR Lib data samples port1, port2, port3, port4, dan port5. Obtained results is compared with unconstrained efficient frontier of five data samples. From simulation results, M CABC algorithm gives solutions that is near solutions on the unconstrained efficient frontier."

"Penelitian ini membahas mengenai optimalisasi portofolio empat instrument investasi utama pada Program JHT BPJS Ketenagakerjaan yaitu deposito, obligasi, saham dan reksadana. Riset dimulai dengan mengumpulkan data mengenai maksimal penjaminan bunga deposito, yield obligasi pemerintah seri benchmark, indeks LQ 45, dan indeks reksadana saham. Analisis dilakukan melalui tahap-tahap menghitung return dan standar deviasi masing-masing instrumen investasi, mencari korelasi dan kovarian, menentukan portofolio optimal dan menentukan kurva efficient frontier. Langkah selanjutnya adalah menentukan bobot dari masing- masing instrumen investasi yang akan dimasukkan dalam portofolio. Berdasarkan hasil perhitungan (return) dan risiko (risk), maka portofolio yang optimal bagi program JHT adalah dengan melakukan perubahan komposisi dari keempat instrumen yang membentuk portofolio. Terjadinya perubahan komposisi sehingga porsi deposito menjadi 34,69%, saham menjadi 21,68%, obligasi menjadi 39,45%, dan reksadana menjadi 4,18%. Dengan kombinasi portofolio optimal tersebut akan menurunkan risiko dari 6,12% menjadi 2,69% dan imbal hasil (return) menurun dari 10,34% menjadi 10,23%.

---

This study discusses the optimization of a portfolio of four main investment instrument at JHT Program in BPJS Ketenagakrjaan ; deposits, bonds, stocks and mutual funds. Research begins with collecting data on the maximum guarantee on deposits, government bond yield benchmark series, LQ 45, and index mutual fund shares. The analysis was conducted through the stages of calculating return and standard deviation of each investment instrument, looking for correlation and covariance, determine the optimal portfolio and determine the efficient frontier curve. The next step is to determine the weight of each investment instrument that will be included in the portfolio. Based on the calculation (returns) and risk (risk), then the optimal portfolio for JHT program is making changes to the composition of the four instruments that make up the portfolio. Changes in the composition so that the portion of deposits to 34.69%, 21.68% shares to bonds be 39.45%, and mutual funds to 4.18%. With the combination of optimal portfolio will reduce risk of 6.12% to 2.69% and the yield (return) decreased from 10.34% to 10.23%."

"Penelitian ini bertujuan untuk menganalisis bagaiaman portofolio optimal saham-saham ESG terbentuk dari indeks ESG Leaders dan selanjutnya dibandingkan portofolio optimal saham-saham indeks LQ45 menggunakan dua metode, yaitu Model Single Indeks dan Model Markowitz, di mana Single Indeks Model menggunakan satu indeks sebagai dasar pembentukan portofolio optimal, sedangkan Model Markowitz mengoptimalkan diversifikasi portofolio dengan mempertimbangkan hubungan antara saham-saham yang ada. Hasil penelitian menunjukan, untuk portofolio ESG Leaders dalam Model Single Indeks, komposisinya terdiri dari TBIG (13,41%), BBCA (79,33%), dan TOWR (7,26%), dengan return yang diharapkan sebesar 1,23% per bulan atau 15,7% per tahun, dan standar deviasi sebesar 5,21% per bulan atau 18,0% per tahun. Nilai Sharpe Ratio adalah 0,1624. Sementara itu, komposisi portofolio LQ45 mencakup ICBP (2,85%), SSMS (3,69%), ADRO (10,94%), ITMG (11,71%), PTBA (8,66%), dan BBCA (62,15%), menghasilkan return yang diharapkan sebesar 1,27% per bulan atau 16,4% per tahun, dengan standar deviasi sebesar 5,16% per bulan atau 17,9% per tahun. Nilai Sharpe Ratio adalah 0,1729. Untuk Model Markowitz, portofolio optimal ESG Leaders memiliki komposisi BBCA (74,11%), TBIG (12,34%), dan TOWR (13,55%), dengan return yang diharapkan sebesar 1,212% per bulan atau 15,56% per tahun, dan standar deviasi sebesar 4,9% per bulan atau 15,6% per tahun. Nilai Sharpe Ratio adalah 0,167. Komposisi portofolio optimal LQ45 terdiri dari ADRO (5,1%), BBCA (69,0%), ICBP (5,6%), ITMG (12,0%), KLBF (4,8%), SSMS (1,7%), dan TPIA (1,8%), dengan return yang diharapkan sebesar 1,2225% per bulan atau 15,70% per tahun, dan standar deviasi sebesar 5,1% per bulan atau 17,7% per tahun. Nilai Sharpe Ratio adalah 0,165. Berdasarkan hasil penelitian, dapat disimpulkan bahwa saham-saham ESG Leaders dan LQ45 memiliki komposisi portofolio yang berbeda dalam kedua model yang digunakan. Meskipun terdapat perbedaan dalam kinerja portofolio, keduanya menunjukkan potensi untuk menghasilkan kinerja yang baik. Implikasi praktis dari penelitian ini adalah adanya pilihan strategi investasi yang beragam bagi investor yang tertarik pada saham-saham ESG Leaders dan LQ45. Pemilihan model yang sesuai akan membantu investor dalam membentuk portofolio yang optimal sesuai dengan tujuan dan preferensi mereka.

---

This study aims to analyze how optimal portfolios of ESG stocks are formed from the ESG Leaders index and then compare them with the optimal portfolios of stocks from the LQ45 index using two methods, namely the Single Index Model and the Markowitz Model, where the Single Index Model uses a single index as the basis for forming the optimal portfolio, while the Markowitz Model optimizes portfolio diversification by considering the relationships between the stocks. The results of the study show that for the ESG Leaders portfolio in the Single Index Model, the composition consists of TBIG (13.41%), BBCA (79.33%), and TOWR (7.26%), with an expected return of 1.23% per month or 15.7% per year, and a standard deviation of 5.21% per month or 18.0% per year. The Sharpe Ratio value is 0.1624. On the other hand, the LQ45 portfolio composition includes ICBP (2.85%), SSMS (3.69%), ADRO (10.94%), ITMG (11.71%), PTBA (8.66%), and BBCA (62.15%), resulting in an expected return of 1.27% per month or 16.4% per year, with a standard deviation of 5.16% per month or 17.9% per year. The Sharpe Ratio value is 0.1729. For the Markowitz Model, the optimal ESG Leaders portfolio consists of BBCA (74.11%), TBIG (12.34%), and TOWR (13.55%), with an expected return of 1.212% per month or 15.56% per year, and a standard deviation of 4.9% per month or 15.6% per year. The Sharpe Ratio value is 0.167. The optimal LQ45 portfolio composition includes ADRO (5.1%), BBCA (69.0%), ICBP (5.6%), ITMG (12.0%), KLBF (4.8%), SSMS (1.7%), and TPIA (1.8%), with an expected return of 1.2225% per month or 15.70% per year, and a standard deviation of 5.1% per month or 17.7% per year. The Sharpe Ratio value is 0.165. Based on the results of the study, it can be concluded that ESG Leaders stocks and LQ45 stocks have different portfolio compositions in both models used. Although there are differences in portfolio performance, both show potential for achieving good performance. The practical implication of this research is the availability of diverse investment strategy options for investors interested in ESG Leaders and LQ45 stocks. Choosing the appropriate model will assist investors in forming an optimal portfolio according to their goals and preferences."

"Tesis ini membahas tentang optimalisasi kinerja suatu portofolio investasi di Indonesia. Dalam melakukan investasi, investor disarankan untuk tidak melakukan spekulasi dan mempunyai pengetahuan yang cukup tentang berbagai instrumen investasi. Dengan memahami prinsip ?jangan menaruh telur dalam satu keranjang?, dengan maksud agar investor jangan menempatkan dana yang akan diinvestasikan ke dalam satu aset investasi saja tapi lebih dari satu, diharapkan investor dapat mengurangi risiko investasinya. Dengan melakukan seleksi instrumen investasi model Markowitz, diperoleh hasil portofolio yang optimal yang dapat digunakan investor sebagai strategi dalam berinvestasi.

---

This thesis is presenting optimize the performance of investment portfolio in Indonesia. In investing, investor should not to speculate and they should have knowledge widely about various investment instruments. By knowing principle of ?don?t put the eggs in one basket?, in other words, when investor invest their funds, invest them in many investment forms, by expecting investor could reduce their investement risks. By selecting instrument of Markowitz investment?s model, resulted optimum portfolio that investor could use as strategy in investment."

"Pemilihan portofolio adalah salah satu bidang penelitian yang menarik dan penting di bidang keuangan karena masa depan dan ketidak beraturan pasar keuangan yang tidak dapat diprediksi. Setiap investor berharap mendapatkan tingkat pengembalian yang tinggi untuk portofolio mereka dengan risiko sekecil mungkin dan hal ini sulit dicapai, sehingga investor mencoba menyeimbangkan kinerja dan risiko portofolio melalui diversifikasi. Tujuan penelitian ini adalah untuk menyelidiki strategi pemilihan portofolio melalui metode clustering dan Genetic Algorithm. Clustering digunakan untuk diversifikasi portofolio dengan membentuk sekelompok aset homogen berdasarkan karakteristik rasio keuangan mereka. Ada tujuh rasio keuangan yang akan digunakan, yaitu EPS, PER, PEG, ROE, DER, Current Ratio, dan Profit Margin. Dalam skripsi ini digunakan algoritma Density Based Clustering of Application with Noise sebagai metode clustering DBSCAN. Setelah fase clustering, Genetic Algorithm digunakan untuk membentuk portofolio optimum. Genetic Algorithm secara otomatis memilih portofolio dengan risiko dan pengembalian yang optimal berdasarkan hasil clustering dengan memutuskan aset dan bobot masing-masing yang akan dimasukkan dalam portofolio. Algoritma genetika didasarkan pada model Mean Variance Cardinality Constrained Portofolio Optimization MVCCPO dan disebut metode Genetic Algorithm dengan kendala. Metode ini berhasil memberikan tingkat pengembalian dan Sharpe ratio yang lebih tinggi 25,35 dan 17,20 dibandingkan dengan indeks S P 500 pada periode waktu yang sama dengan tingkat pengembalian dan Sharpe ratio masing-masing 12,34 dan 2,7.

---

Portfolio selection is one of the interesting and important fields of research in finance because of the unpredictable future and randomness of the financial market. Every investor is hoping to get a high rate of return for their portfolio with as little risk as possible, which is hard to achieve, so investors try to balance the performance and risk of the portfolio through diversification. The motivation of this research is to investigate the portfolio selection strategies through clustering method and application of genetic algorithm. Clustering is used to diversify the portfolio by forming a homogenous cluster of assets with respect to their financial ratios characteristic. There are seven financial ratio characteristics that is used, they are EPS, PER, PEG, ROE, DER, Current Ratio and Profit Margin.

In this thesis, Density Based Clustering Algorithm with Application of Noise used as the clustering method DBSCAN. After the clustering phase, genetic algorithm used for portfolio selection. Genetic Algorithm automatically select the optimum risk and return portfolio based on the clustered asset by deciding which assets and their respective weights included in the portfolio. The genetic algorithm is based on the Mean Variance Cardinality Constrained Portofolio Optimization MVCCPO model and called a Constrained Genetic Algorithm. The method succesfully give a higher level of return 25,35 and Sharpe ratio 17,20 compared to S P 500 index in the same period of time 12.34 and 2.7 respectively."

"An excellent resource for investors, Modern Portfolio Theory and Investment Analysis, 9th Edition examines the characteristics and analysis of individual securities as well as the theory and practice of optimally combining securities into portfolios. A chapter on behavioral finance is included, aimed to explore the nature of individual decision making. A chapter on forecasting expected returns, a key input to portfolio management, is also included. In addition, investors will find material on value at risk and the use of simulation to enhance their understanding of the field."