Optimasi Portofolio Menggunakan Metode Splitting And Successively Solving Augmented Lagrangian (SSAL)

Ariana, Mimi (2022) Optimasi Portofolio Menggunakan Metode Splitting And Successively Solving Augmented Lagrangian (SSAL). Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06111840000014-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Portofolio merupakan kumpulan aset investasi yang dimiliki oleh investor. Masalah optimasi portofolio merupakan permasalahan membentuk komposisi dari berbagai aset dalam portofolio sehingga didapatkan keuntungan maksimal dengan risiko minimal. Sering kali, investor membatasi banyaknya jenis aset dalam portofolionya dan memilih untuk tidak berinvestasi daripada berinvestasi dengan proporsi kecil. Karena itu, pada Tugas Akhir ini digunakan model optimasi portofolio yang dibatasi oleh kendala cardinality dan variabel semi-continous. Tugas Akhir ini menggunakan fungsi dari CPLEX dan metode splitting and successively solving augmented Lagrangian (SSAL) untuk menyelesaikan permasalahan optimasi portofolio. Optimasi tersebut menghasilkan proporsi dari banyaknya aset yang terpilih dalam portofolio optimal dengan nilai risiko terkecil serta return maksimum. Simulasi penyelesaian dilakukan dengan software MATLAB menggunakan fungsi CPLEX pada data saham harian dari 6 perusahaan energi. Hasil simulasi menunjukkan bahwa portofolio yang dihasilkan metode SSAL memberikan nilai risiko lebih rendah dengan presentase 41% dan return lebih tinggi 23% dibandingkan dengan portofolio yang dihasilkan CPLEX. Metode SSAL dapat memilih banyaknya aset dalam portofolio secara optimal, yaitu sesuai dengan banyaknya aset yang diinginkan. Apabila dibandingkan dengan CPLEX, semakin banyak aset yang diinginkan maka semakin tinggi pula nilai risiko dan return yang diperoleh. Hal ini menunjukkan bahwa untuk banyaknya aset yang sama dalam portofolio pada kedua metode, metode SSAL lebih optimal dibandingkan dengan CPLEX.
===================================================================================================================================
Portfolio is a collection of investment assets owned by investors. Portfolio optimization problem is a problem to manage various assets in portfolio that maximizes the return and minimizes the risk. Many times, investors limit the number of asset types in their portfolio and prefer not to invest instead of investing in small proportions. Therefore, this Final Project used a portfolio optimization model which is limited by cardinality constraints and semi-continuous variable. This Final Project used the CPLEX function and splitting and successively solving augmented Lagrangian (SSAL) method to solve portfolio optimization problems. The optimization results in a proportion of the number of assets selected in the optimal portfolio with the smallest risk value and maximum return. Simulation completed with software MATLAB using the CPLEX function on daily stock data from 6 energy companies. A simulation result showed that the portfolio produced by the SSAL method provided a lower risk value with a percentage of 41% and a higher return of 23% compared to the portfolio produced by CPLEX. The SSAL method can optimally select the number of assets in the portfolio according to the number of assets. When compared to the CPLEX, the more assets desired made the higher risk and return value. This result shows that for the same number of assets in the portfolio in both methods, the SSAL method is more optimal than CPLEX.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Portofolio, Optimasi Portofolio, Kendala Cardinality, Kendala Variabel Semi-continous, Metode Splitting and Successively Solving Augmented Lagrangian (SSAL).
Subjects:	H Social Sciences > HG Finance > HG4012 Mathematical models
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	22 Oct 2025 07:59
Last Modified:	22 Oct 2025 07:59
URI:	http://repository.its.ac.id/id/eprint/128663

Actions (login required)

View Item