Perpustakaan Digital ITB

Optimisasi portofolio adalah tantangan umum dalam keuangan modern, terutama di tengah ketidakpastian pasar yang kompleks dan dinamis. Penelitian ini mengembangkan pendekatan baru untuk optimisasi portofolio multi-periode dengan menggunakan strategi multi-stage yang mengintegrasikan algoritma Particle Swarm Optimization (PSO). Strategi multi-stage ini memandang portofolio multi-periode sebagai proses panjang dengan tahapan investasi yang berbeda, di mana terjadi realokasi aset sebagai respons terhadap kondisi pasar yang mungkin terjadi. Dalam penelitian ini, dibahas dua kendala yang sering terjadi dalam praktik investasi, yaitu kendala bounded control yang membatasi alokasi aset, dan kendala nobankcruptcy yang memastikan keberlanjutan portofolio tanpa risiko kebangkrutan. Kedua kendala ini menambah kompleksitas pada model optimisasi portofolio multi-periode, yang dapat diselesaikan secara efisien menggunakan PSO. PSO dipilih karena kemampuannya dalam mengatasi masalah optimisasi non-linear dan multi-dimensi, serta fleksibilitasnya dalam mengeksplorasi solusi optimal di ruang pencarian yang kompleks. Hasil penelitian menunjukkan bahwa PSO efektif digunakan untuk optimisasi portofolio multi-periode dengan strategi multi-stage, memungkinkan penanganan portofolio dengan jumlah aset yang besar, horizon waktu yang panjang, dan skema performa return aset yang dinamis. Selain itu, penelitian ini menyoroti bagaimana kendala dapat mempengaruhi ekspektasi return investor, sehingga memberikan wawasan yang berharga bagi praktisi dan akademisi di bidang keuangan. Dengan demikian, penggunaan PSO dalam konteks ini tidak hanya mengoptimalkan alokasi aset secara efisien, tetapi juga menghadirkan solusi untuk mengatasi kompleksitas dalam optimisasi portofolio multi-periode dengan mempertimbangkan kendala-kendala yang relevan dalam praktik keuangan seharihari.