Optimasi Portofolio Saham Menggunakan Particle Swarm Optimization (PSO) berbasis Reinforcement Learning

Angelina, Maya (2025) Optimasi Portofolio Saham Menggunakan Particle Swarm Optimization (PSO) berbasis Reinforcement Learning. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5002211038-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Investasi saham merupakan komitmen yang bertujuan untuk memperoleh keuntungan di masa mendatang, namun tetap memperhatikan risiko yang mungkin terjadi. Penting bagi para calon investor untuk menyusun strategi investasi yang tepat untuk meminimalkan kerugian dan memaksimalkan keuntungan. Salah satu strategi untuk mencapai tujuan tersebut adalah dengan mengelola risiko secara efektif melalui optimasi portofolio. Pengelolaan risiko dapat dilakukan dengan mengoptimalkan hubungan antara return dan risiko yang terdapat dalam kombinasi berbagai aset melalui Minimum Variance Optimization (MinVar). Namun, meskipun MinVar efektif dalam meminimalkan risiko, model ini memiliki keterbatasan dalam menangani pasar yang dinamis dan kompleks. Untuk mengatasi hal tersebut, Policy Gradient-Particle Swarm Optimization (PG-PSO) dikembangkan untuk menyesuaikan parameter risiko secara lebih adaptif dan meningkatkan kinerja optimasi portofolio. PG-PSO menggabungkan teknik Policy Gradient dari Reinforcement Learning untuk mengatasi kesulitan pengaturan parameter secara manual dengan menyesuaikan parameter secara otomatis untuk meningkatkan kinerja dari optimasi. Data yang digunakan mencakup harga penutupan saham harian dari perusahaan yang tergabung dalam ”50 Biggest Market Capitalization” pada Bursa Efek Indonesia (BEI) selama periode Januari 2023 hingga Desember 2024. Tugas Akhir ini memiliki tujuan untuk mengoptimalkan portofolio saham dengan menggunakan model optimasi Minimum-Variance (MinVar) dan juga Policy Gradient-Particle Swarm Optimization (PG-PSO). Hasil Tugas Akhir ini menunjukkan bahwa metode PG-PSO mampu menghasilkan portofolio optimal dengan return yang lebih tinggi dan risiko yang lebih rendah dibandingkan metode MinVar, serta memberikan performa yang lebih unggul berdasarkan metrik Sharpe Ratio, return, dan risiko. Simulasi pembelian saham dengan modal awal Rp10.000.000 dan Rp100.000.000 juga memperkuat keefektifan PG-PSO dalam penerapan nyata optimasi portofolio saham di pasar modal Indonesia.
====================================================================================================================================
Stock investment is a commitment aimed at generating returns in the future, while considering the risks that may occur. Investors should develop an appropriate investment strategy to minimize losses and maximize returns. One strategy to achieve this goal is through effective risk management through portfolio optimization. Risk management can be performed by optimizing the relationship between return and risk in a combination of various assets using Minimum Variance Optimization (MinVar). However, while MinVar is effective in minimizing risk, it has limitations in handling dynamic and complex markets. To overcome this, Policy Gradient-Particle Swarm Optimization (PG-PSO) has been developed to more adaptively adjust risk parameters and improve portfolio optimization performance. PG-PSO combines the Policy Gradient technique from Reinforcement Learning to address the difficulty of manual parameter adjustment by automatically tuning the parameters to enhance optimization performance. The data used in this study include daily stock closing prices of companies listed in the ”50 Biggest Market Capitalization” on the Indonesia Stock Exchange (IDX) during the period from January 2023 to December 2024. This final project aims to optimize stock portfolios using the Minimum-Variance (MinVar) optimization model and Policy Gradient-Particle Swarm Optimization (PG-PSO). The results demonstrate that the PG-PSO method generates an optimal portfolio with higher returns and lower risk compared to the MinVar model, while outperforming it in terms of Sharpe ratio, returns, and risk metrics. Simulations of stock purchases with initial capital of Rp10,000,000 and Rp100,000,000 further validate the effectiveness of PG-PSO in the practical application of stock portfolio optimization in the Indonesian capital market.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Investasi, Optimasi Portofolio, Minimum Variance, PG-PSO, Investment, Portfolio Optimization, Minimum Variance, PG-PSO
Subjects:	H Social Sciences > HG Finance > HG4529.5 Portfolio management H Social Sciences > HG Finance > HG4910 Investments Q Science > QA Mathematics > QA336 Artificial Intelligence Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Maya Angelina
Date Deposited:	01 Aug 2025 02:55
Last Modified:	01 Aug 2025 02:55
URI:	http://repository.its.ac.id/id/eprint/125664

Actions (login required)

View Item