Analisis Risiko Portofolio Menggunakan Simulasi Monte Carlo-Expected Tail Loss (MC-ETL) Berdasarkan Model Backpropagation Neural Network

Safitri, Ika (2023) Analisis Risiko Portofolio Menggunakan Simulasi Monte Carlo-Expected Tail Loss (MC-ETL) Berdasarkan Model Backpropagation Neural Network. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06311940000024-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2025. Download (2MB) | Request a copy

Abstract

Investasi merupakan kegiatan yang dilakukan pada saat ini atas dana yang dimiliki dengan tujuan untuk mengembangkan harta sehingga dapat diperoleh keuntungan di masa mendatang. Saham merupakan salah satu jenis investasi yang populer dan memiliki tingkat return yang tinggi namun juga risiko yang tinggi. Dalam meminimalisir risiko dan mengoptimalkan return investasi maka dapat dilakukan melalui pembentukan portofolio. Sehubungan dengan pengambilan keputusan oleh investor dalam pembentukan portofolio dan berinvestasi di kemudian hari, maka perlu dilakukan suatu pemodelan untuk memprediksi harga serta perhitungan estimasi risiko sehingga pada penelitian ini dilakukan analisis risiko pada portofolio optimal Single Index Model menggunakan Simulasi Monte Carlo-Expected Tail Loss (MC-ETL) berdasarkan model Backpropagation Neural Network. Data yang digunakan merupakan data saham selama lima tahun yang berturut-turut tergabung dalam indeks LQ45 periode Februari 2017-Juli 2022. Portofolio Single Index Model memberikan hasil bahwa portofolio terbentuk dari sembilan saham penyusun yaitu ADRO, ANTM, BBCA, BBNI, BBRI, BMRI, INCO, PTBA, dan UNTR. Kemudian pemodelan menggunakan BPNN memberikan hasil bahwa model terbaik adalah pada BPNN (5-2-1) dengan MAPE sebesar 1,381% pada data training dan validasi model pada data testing dengan MAPE sebesar 1,224%. Hasil prediksi harga portofolio optimal berdasarkan model BPNN terbaik kemudian digunakan dalam perhitungan estimasi risiko yang mungkin dapat terjadi. Hasil perhitungan estimasi risiko berdasarkan MC-ETL didapatkan bahwa dengan tingkat kepercayaan sebesar 95% kerugian yang akan diperoleh investor tidak akan melebihi 2,26% dalam jangka waktu satu hari. Tingkat risiko portofolio yang didapatkan ini merupakan nilai terendah jika dibandingkan dengan saham penyusunnya serta grafik return portofolio yang memiliki kecenderungan meningkat dengan nilai total return sebesar 69,68% sehingga hal ini membuktikan bahwa pembentukan portofolio mampu meminimalisir risiko dan mengoptimalkan return
=====================================================================================================================================
Investment is an activity carried out on the funds owned to develop assets so that profits can be obtained in the future. Stocks are a popular type of investment with a high return rate but also a high risk. Minimizing risk and optimizing investment returns, it can be done through the formation of a portfolio. In connection with decision-making by investors in forming portfolios and investing in the future, it is necessary to do a modeling to predict prices and calculate risk estimates so that in this study, risk analysis is carried out on the optimal portfolio Single Index Model using Monte Carlo-Expected Tail Loss (MC-ETL) Simulation based on the Backpropagation Neural Network model. The data used is stock data for five consecutive years incorporated into the LQ45 index for February 2017-July 2022. The Portfolio Single Index Model shows that the portfolio comprises nine constituent stocks, namely ADRO, ANTM, BBCA, BBNI, BBRI, BMRI, INCO, PTBA, and UNTR. Then modeling using BPNN gives the result that the best model is BPNN (5-2-1) with a MAPE of 1.381% on training data and model validation on data testing with a MAPE of 1.224%. The results of the optimal portfolio price prediction based on the best BPNN model are then used in calculating the estimated risk that might occur. Calculating the estimated risk based on MC-ETL shows that with a confidence level of 95%, the loss that investors will get will be 2.26% within one day. The portfolio risk level obtained is the lowest value when compared to the constituent stocks and portfolio return graphs which tend to increase with a total return value of 69.68%, so this proves that portfolio formation can minimize risk and optimize returns

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Backpropagation Neural Network, Expected Tail Loss, Monte Carlo, Single Index Model
Subjects:	Q Science > QA Mathematics > QA276 Mathematical statistics. Time-series analysis. Failure time data analysis. Survival analysis (Biometry) 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) > Actuaria > 94203-(S1) Undergraduate Thesis
Depositing User:	Ika Safitri
Date Deposited:	24 Jan 2023 06:10
Last Modified:	24 Jan 2023 06:10
URI:	http://repository.its.ac.id/id/eprint/95582

Actions (login required)

View Item