Optimasi Portofolio Saham Menggunakan Mean Variance Optimization Dengan Estimasi Risiko Berbasis GARCH

Rahmawati, Nanda Yuni (2025) Optimasi Portofolio Saham Menggunakan Mean Variance Optimization Dengan Estimasi Risiko Berbasis GARCH. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5002211066-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (5MB)

Abstract

Investasi di pasar saham memerlukan strategi pengelolaan risiko yang tepat untuk mencapai tingkat keuntungan yang optimal. Salah satu pendekatan yang umum digunakan adalah Mean Variance Optimization (MVO), namun metode ini memiliki keterbatasan karena mengasumsikan bahwa risiko bersifat konstan. Untuk mengatasi hal tersebut, model Generalized Autoregressive Conditional Heteroskedasticity (GARCH) digunakan sebagai metode estimasi volatilitas yang memperhitungkan perubahan risiko dari waktu ke waktu. Penelitian ini menggunakan data harga penutupan harian saham IDX30 selama periode 1 Desember 2022 hingga 31 Januari 2025. Estimasi volatilitas dari model GARCH dimanfaatkan dalam perhitungan matriks kovarians sebagai input pada proses MVO. Hasil analisis menunjukkan bahwa optimasi portofolio berbasis GARCH menunjukkan performa yang lebih baik dibandingkan MVO tanpa GARCH. Pada target return sebesar 0,0001, optimasi portofolio berbasis GARCH menghasilkan risiko sebesar 0,013340, lebih tinggi dibandingkan optimasi portofolio tanpa GARCH sebesar 0,010260. Pada target return 0,0002 dan 0,0003, risiko pada optimasi portofolio berbasis GARCH masing-masing sebesar 0,013260 dan 0,015480, sedangkan tanpa GARCH sebesar 0,009720 dan 0,014210. Risiko yang lebih tinggi ini disebabkan oleh model GARCH yang menghitung volatilitas secara dinamis dan memperhitungkan perubahan pasar, sehingga estimasi risikonya lebih sensitif dan realistis. Dari sisi sharpe ratio, pada target return 0,0001 dan 0,0002, optimasi portofolio berbasis GARCH menghasilkan nilai yang lebih baik, masing-masing sebesar -0,009460 dan -0,001970, dibandingkan tanpa GARCH yang sebesar -0,012300 dan -0,002690. Pada target return 0,0003, optimasi portofolio tanpa GARCH menghasilkan sharpe ratio sebesar 0,005190 lebih tinggi dibandingkan optimasi portofolio berbasis GARCH sebesar 0,004770. Hasil ini menunjukkan bahwa meskipun optimasi portofolio berbasis GARCH menghasilkan risiko yang lebih besar, pendekatan ini tetap efektif pada target return yang lebih rendah. Pada target return yang lebih tinggi, optimasi portofolio tanpa GARCH memberikan hasil yang lebih baik.
=========================================================================================================================================
Investing in the stock market requires appropriate risk management strategies to achieve optimal returns. One commonly used approach is Mean Variance Optimization (MVO), but this method has limitations due to its assumption of constant risk. To address this issue, the Generalized Autoregressive Conditional Heteroskedasticity (GARCH) model is used as a volatility estimation method that accounts for time varying risk. This study uses daily closing price data of IDX30 stocks from December 1, 2022, to January 31, 2025. Volatility estimates from the GARCH model are utilized to construct the covariance matrix, which serves as input in the MVO process. The results show that portfolio optimization based on GARCH performs better compared to MVO without GARCH. At a target return of 0.0001, portfolio optimization based on GARCH results in a higher risk of 0.013340 compared to 0.010260 from optimization without GARCH. At target returns of 0.0002 and 0.0003, the risks from GARCH based optimization are 0.013260 and 0.015480, respectively, while those from optimization without GARCH are 0.009720 and 0.014210. The higher risk in the GARCH model is due to its dynamic volatility calculation that reflects market changes, resulting in more sensitive and realistic risk estimates. In terms of sharpe ratio, at target returns of 0.0001 and 0.0002, GARCH based portfolio optimization have better values of -0.009460 and -0.001970, compared to -0.012300 and -0.002690 from optimization without GARCH. However, at the target return of 0.0003, portfolio optimization without GARCH yields the highest sharpe ratio of 0.005190, slightly above the GARCH based value of 0.004770. These findings indicate that although GARCH based optimization results in higher risk, it remains effective at lower target returns. Meanwhile, at higher target returns, portfolio optimization without GARCH produces better results.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Optimasi portofolio, saham, risiko, GARCH, MVO, portfolio optimization, stock, risk, GARCH, MVO
Subjects:	H Social Sciences > H Social Sciences (General) H Social Sciences > HA Statistics > HA30.3 Time-series analysis H Social Sciences > HA Statistics > HA31.7 Estimation H Social Sciences > HG Finance > HG4529.5 Portfolio management H Social Sciences > HG Finance > HG4910 Investments
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Nanda Yuni Rahmawati
Date Deposited:	31 Jul 2025 02:33
Last Modified:	31 Jul 2025 02:33
URI:	http://repository.its.ac.id/id/eprint/123844

Actions (login required)

View Item