Portofolio Optimal Dengan Mempertimbangkan Prediksi Return Menggunakan Metode Support Vector Regression (SVR)

Authors

  • Afifa Rahmi Program Studi Matematika, Universitas Negeri Padang, Indonesia
  • Helma Helma Program Studi Matematika, Universitas Negeri Padang, Indonesia

DOI:

https://doi.org/10.31004/jptam.v7i3.10380

Keywords:

Support Vector Regression, Prediksi Saham, Portofolio Saham

Abstract

Peramalan data saham menjadi sangat penting karena pergerakan harga saham yang kompleks dan berubah-ubah, sehingga mengakibatkan ketidakstabilan saham dalam jangka waktu tertentu. Untuk mengurangi risiko tersebut, investor perlu membentuk portofolio yang optimal. Memprediksi harga saham dapat menjadi panduan bagi investor dalam menentukan aset yang akan diinvestasikan dan membentuk portofolio yang optimal. Metode Support Vector Regression dapat digunakan untuk mempredikisi data deret waktu seperti data saham. Untuk membuat portofolio yang optimal dapat menggunakan Model Markowitz juga dikenal sebagai model Mean Variance. Berdasarkan analisis yang dilakukan terdapat 5 saham yang akan dikombinasikan dalam portofolio, antaranya saham ADRO, AMRT, BFIN, BBCA, dan ARTO. Berdasarkan perhitungan Mean-Variance didapatkan kombinasi saham penyusun portofolio dengan bobot dana masing saham adalah 25,53%, BBCA 10,8 %, MDKA 32,79%, dan EXCL 5,31% dan rasio portofolio yang ditanggung investor sebanyak 0,076963%.

References

Adnyana, M. (2020). Manajemen Investasi dan Portofolio. Jakarta Selatan: Lembaga Penerbitan Universitas Nasional (LPU-UNAS).

Amanda, R., Dkk,. (2014). Analisis Support Vector Regression (SVR) dalam Memprediksi Kurs Rupiah Terhadap Dollar Amerika. Jurnal Gaussian, 849-857.

Award, M., & Rahul , K. (2015). Effcient Learning Machines. Lebanon: Appress Media.

Chaweewanchon, A., & Chaysiri (2022). Markowitz Mean-Variance Portfolio Optimization with. MDPI, 19.

Darmatya, V. P., Saepudin , D., & Gunawan, P. H. (2021). Optimasi Portofolio Saham LQ45 dengan mempertimbangkan prediksi return . e-Proceeding of Engineering, 1078.

Edianti, E. S. (2019, januari). Peramalan Harga Saham dengan Menggunakan Metode Support Vector Regression (SVR).

Fadhila, S. N., & Zuliana, S. U. (2023). Optimasi Portofolio Saham Menggunakan Model. ejournal.uin.suska, 35-40.

Fitria, I. (2016). Optimasi Portofolio dalam Manajemen Investasi Saham Bedasarkan Pada Prediksi Harga Saham. ITS Journal, 197.

Fitriyanti, I., & Sari, M. M. (2013). Analisis Januari Effect pada Kelompok Saham Indeks LQ-45 di Bursa Efek Indonesia Tahun 2009-2011. E-Jurnal Akuntansi Universitas Udayana, 427.

Herliyanto, D. (2017). Teori Portofolio dan Analisis Investasi. Yogyakarta: Wimaya Press UPN veteran Yogyakarta.

Lubis, T. A. (2016). Manajemen Investasi dan Perilaku Keuangan. Jambi: Salim Media Indonesia.

Patriya, E. (202). Implementasi Support Vector Machine Pada Prediksi Harga Saham Gabubnag (IHSG). Jurnal ilmiah Teknolog dan Rekayasa , 24.

Tandelin, E. (2010). Portofolio dan Investasi. Yogyakarta: Kanisius.

Wahyono, T. (2018). Pyton for Machine Learning . Yogyakarta: Gava Media Yogyakarta.

Wulandari, D., Ispriyanti, D., & Hoyyi, A. (2018). Optimasi Portofolio Saham Menggunakan Metode Mean Absolute Deviation dan Single Index Model ada Saham Indeks LQ_45. Jurnal Gaussian, 121.

Yudhawan, D. H. (2020). Implementasi Support Vector Regression untuk Peramalan Harga Saham Perusahaan Pertambangan di Indonesia. UII Journal, 21.

Zahroh, A. (2015). Instrumen Pasar Modal. Jurnal Ekonomi Islam, 52.

Downloads

Published

30-10-2023

How to Cite

Rahmi, A., & Helma, H. (2023). Portofolio Optimal Dengan Mempertimbangkan Prediksi Return Menggunakan Metode Support Vector Regression (SVR) . Jurnal Pendidikan Tambusai, 7(3), 23745–23753. https://doi.org/10.31004/jptam.v7i3.10380

Issue

Vol. 7 No. 3 (2023): Desember 2023

Section

Articles of Research

Citation Check

License

Copyright (c) 2023 Afifa Rahmi, Helma Helma

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Authors who publish with this journal agree to the following terms:

  • Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work’s authorship and initial publication in this journal.
  • Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
  • Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).