Perpustakaan Digital ITB

Optimasi portofolio saham dengan menggunakan metode diversifikasi tradisional memiliki keterbatasan sehingga portofolio yang dihasilkan tidak begitu maksimal. Keterbatasan ini disebabkan oleh diversifikasi yang hanya menggunakan data harga saham historis. Oleh karena itu, pada tugas akhir ini, dikembangkan pendekatan modular untuk mengatasi keterbatasan tersebut dengan memberikan harga saham hasil prediksi sebagai masukan metode diversifikasi. Pendekatan ini terdiri atas beberapa modul utama, yaitu modul analisis sentimen, modul prediksi harga saham, dan modul diversifikasi portofolio. Analisis sentimen dilakukan terhadap lima aspek finansial, yaitu growth, profit, debt, dividend, dan liquidity, digunakan untuk meningkatkan akurasi prediksi harga saham. Pada modul analisis sentimen, model terbaik yang dihasilkan adalah XLM-RoBERTa dengan rata-rata macro average F1-Score sebesar 0,7099 (70,99%). Pada modul prediksi harga saham, model terbaik yang dihasilkan adalah Bi-LSTM yang memanfaatkan fitur sentimen dengan MAPE sebesar 0,0126 (1,26%). Melalui konstruksi portofolio dengan metode mean-variance, potensi terbaik pendekatan yang diusulkan menghasilkan portofolio dengan rata-rata imbal hasil yang disetahunkan sebesar 61,20%, memanfaatkan label ground truth sebagai fitur sentimen prediksi harga saham. Hasil ini jauh mengungguli pendekatan tradisional (-34,64%) ataupun pendekatan yang hanya menggunakan prediksi harga saham tanpa sentimen (53,78%). Untuk alur solusi utama pendekatan yang diusulkan, yang memanfaatkan label hasil model analisis sentimen sebagai fitur sentimen prediksi harga saham, menghasilkan portofolio dengan rata-rata imbal hasil yang disetahunkan sebesar 47,75%, sedikit di bawah pendekatan yang menggunakan prediksi harga saham tanpa sentimen namun masih jauh lebih tinggi dibandingkan pendekatan tradisional.