Indrayana, Muhammad Farhan (2023) Pembentukan Portofolio Optimal Dengan Menggunakan Metode Hrp Dan Herc Pada Saham-Saham Idx30 Yang Memiliki Sentimen Positif Pada Twitter. Other thesis, Institut Teknologi Sepuluh Nopember.
Text
06311840000055-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2025. Download (2MB) | Request a copy |
Abstract
Investasi merupakan kegiatan untuk mempertahankan atau menambah kekayaan, dengan pengambilan keputusan pada umumnya didasarkan pada keputusan subjektif investor. Keputusan subjektif investor dalam hal ini dapat meliputi preferensi saham yang digunakan untuk berinvestasi, maupun preferensi risiko dan tingkat imbal hasil yang ingin diperoleh. Pada Tugas Akhir ini, dikaji terkait penyusunan portofolio yang didasarkan pada hasil analisis sentimen di Twitter pada saham-saham yang ada di IDX30. Analisis sentimen berfungsi untuk mempelajari pendapat seseorang melalui media sosial, yang diharapkan, dapat memberikan pilihan saham-saham terbaik yang ada di pasar saham. Berdasarkan analisis yang telah dilakukan didapatkan 14 saham dari indeks IDX30 dengan nilai sentimen positif diatas 60% yaitu ASII.JK, BBCA.JK, BBNI.JK, BBRI.JK, BMRI.JK, BRPT.JK, INCO.JK, KLBF.JK, MDKA.JK, PTBA.JK, TBIG.JK, TLKM.JK, TOWR.JK, dan UNTR.JK. Selanjutnya, saham-saham yang memiliki sentimen positif lebih dari 60%, digunakan dalam penyusunan portofolio optimal yang dibentuk dengan menggunakan metode Hierarchical Risk Parity (HRP) dan Hierarchical Equal Risk Contribution Portfolio (HERC). Selain itu, dilakukan pengukuran kinerja portofolio Beberapa metode yang dapat digunakan untuk mengukur kinerja portofolio adalah Sharpe ratio, Value at Risk (VaR), dan Conditional Value at Risk (CVaR). Hasil yang diperoleh menujukkan bahwa dengan menggunakan metode HERC didapatkan nilai return yang lebih tinggi dan memiliki tingkat sharpe ratio yang lebih baik yaitu 0,0463, sedangkan metode HRP hanya 0,0436. Metode HRP memiliki nilai VaR dan CVaR sebesar 2,01% dan 3,21% lebih baik dibandingkan dengan HERC dengan nilai VaR dan CVaR sebesar 2,10% dan 3,29%
====================================================================================================================================
Investment is an activity to maintain or increase wealth, with decision making generally based on the subjective decisions of investors. Investors' subjective decisions in this case may include stock preferences used to invest, as well as risk preferences and the level of return to be obtained. In this Final Project, we examine the composition of a portfolio based on the results of sentiment analysis on Twitter for IDX30 stocks. Sentiment analysis serves to study a person's opinion through social media, which is expected to provide a choice of the best stocks on the stock market. Based on the analysis that has been done, there are 14 stocks from the IDX30 index with a positive sentiment value above 60%, namely ASII JK, BBCA JK, BBNI JK, BBRI JK. BMRI JK. BRPT JK, INCO JK, KLBF JK, MDKA JK, PIBA JK. TBIG JK. TLKM JK, TOWR JK. and UNTR JK Furthermore, stocks that have positive sentiment of more than 60%, are used in the preparation of optimal portfolios formed using the Hierarchical Risk Parity (HRP) and Hierarchical Equal Risk Contribution Portfolio (HERC) methods. In addition, portfolio performance was measured. Several methods that can be used to measure portfolio performance are the Sharpe ratio, Value at Risk (VaR), and Conditional Value at Risk (CVaR). The results obtained show that by using the HERC method a higher return value and a better sharpe ratio is 0,0463, while the HRP method is only 0.0436. The HRP method has VaR and CVaR values of 2.01% and 3.21% better than HERC with VaR and CVaR values of 2.10% and 3.29%
Item Type: | Thesis (Other) |
---|---|
Uncontrolled Keywords: | Conditional Value at Risk, HERC, HRP, Investment, Sentiment Analysis, Sharpe Ratio, Value at Risk, Analisis Sentimen, Conditional Value at Risk, HERC, HRP, Investasi, Sharpe Ratio, Value at Risk |
Subjects: | H Social Sciences > HG Finance H Social Sciences > HG Finance > HG4529.5 Portfolio management Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines. |
Divisions: | Faculty of Science and Data Analytics (SCIENTICS) > Actuaria > 94203-(S1) Undergraduate Thesis |
Depositing User: | Muhammad Farhan Indrayana |
Date Deposited: | 30 Jan 2023 07:03 |
Last Modified: | 30 Jan 2023 16:04 |
URI: | http://repository.its.ac.id/id/eprint/95788 |
Actions (login required)
View Item |