SECOND ORDER CONE PROGRAMMING UNTUK OPTIMALISASI PEMILIHAN PORTOFOLIO DENGAN KENDALA TRACKING ERROR MENGGUNAKAN METODE STEEPEST ASCENT

Riska, Aulia Erina Putry (2023) SECOND ORDER CONE PROGRAMMING UNTUK OPTIMALISASI PEMILIHAN PORTOFOLIO DENGAN KENDALA TRACKING ERROR MENGGUNAKAN METODE STEEPEST ASCENT. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06111940000011-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 3 October 2025. Download (1MB) | Request a copy

Abstract

Berkembangnya teknologi dan informasi yang begitu pesat saat ini mendorong perubahan dalam ilmu investasi. Untuk mengambil keputusan dan tindakan berinvestasi juga tidak lagi serumit dulu, dengan memanfaatkan teknologi dan informasi terkini, investor dapat dengan mudah melakukan investasi. Dalam hal investasi, tentunya investor selalu ingin memaksimalkan return yang diharapkan dengan tingkat risiko yang kecil. Untuk memenuhi harapan tersebut, seorang investor yang akan menginvestasikan dananya pada pasar modal, harus mengetahui bagaimana kinerja dari portofolio tersebut apakah berkinerja baik atau buruk. Dalam memilih portofolio yang tepat sebagai pilihan investasi, diperlukan analisis yang tepat agar investor dapat menilai portofolio mana yang memberikan imbal hasil tinggi dan meminimalkan risiko yang ada dalam portofolio. Pemilihan portofolio baiknya dilakukan dengan memerhatikan benchmark agar kinerja portofolio yang kita pilih dapat terukur. Pemilihan portofolio dapat dilakukan, salah satunya adalah dengan menggunakan model Mean Variance Optimization (MVO), yang merupakan model optimalisasi yang berupa model pemrograman kuadratik. Model MVO dapat mengatasi masalah optimalisasi portofolio sehingga didapatkan imbal hasil tinggi. Dari model MVO ditambahkan kendala kuadratik tracking error untuk mengukur kinerja portofolio. Penambahan kendala tersebut membentuk model optimalisasi portofolio dengan kendala tracking error. Kendala kuadratik tersebut akan diubah menjadi kendala second order cone dan diselesaikan menggunakan metode Steepest ascent untuk mencari solusi optimal. Adapun sampel yang digunakan pada penelitian ini adalah 5 perusahaan dan 8 perusahaan dari index saham LQ45 dari tahun 2018 – 2022. Hasil simulasi
simulasi antara Second Order Cone Programming (SOCP) dan SOCP menggunakan metode Steepest ascent menunjukkan bahwa portofolio yang direkomendasikan oleh model SOCP menggunakan metode Steepest ascent memiliki return dan tracking error lebih kecil juga waktu yang lebih singkat dibandingkan portofolio menggunakan model SOCP.
===========================================================================================================================
The rapid development of technology and information today drives changes in investment science. To make investment decisions and actions are no longer as complicated as before, by utilizing the latest technology and information, investors can easily make investments. In terms of investment, of course, investors always want to maximize the expected return with a small level of risk. To meet these expectations, an investor who will invest his funds in the capital market, must know how the performance of the portfolio is whether performing well or badly. In choosing the right portfolio, as an investment option, proper analysis is needed so that investors can assess which portfolios provide high returns and minimize the risks involved in the portfolio.Portfolio selection should be done by paying attention to the benchmark so that the performance of the portfolio we choose can be measured. Portfolio selection can be done, one of which is by using the Mean Variance Optimization (MVO) model, which is an optimization model in the form of a quadratic programming model. The MVO model can solve portfolio
optimization problems so that high returns are obtained. From the MVO model, quadratic tracking error constraints are added to measure portfolio performance. The addition of these constraints forms a portfolio optimization model with tracking error constraints. The quadratic constraints will be converted into second order cone constraints and solved using the Steepest ascent method to find the optimal solution.The samples used in this study
were 5 companies and 8 companies from the LQ45 stock index from 2018 - 2022. The simulation results between Second Order Cone Programming (SOCP) and SOCP using the Steepest ascent method show that the portfolio recommended by the SOCP model using the Steepest ascent method has a smaller return and tracking error as well as a shorter time than the portfolio using the SOCP model using the coneprog method.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Optimalisasi Portofolio, Tracking Error, Benchmark, SOCP, Steepest Ascent, Portofolio Optimization, Tracking Error, Benchmark, SOCP, Steepest Ascent
Subjects:	H Social Sciences > HG Finance > HG4529 Investment analysis
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Riska Aulia Erina Putry
Date Deposited:	01 Aug 2023 02:56
Last Modified:	01 Aug 2023 02:56
URI:	http://repository.its.ac.id/id/eprint/100770

Actions (login required)

View Item