Perpustakaan Digital ITB

Optimasi portofolio multi-periode memungkinkan komposisi portofolio disesuaikan secara berkala mengikuti perubahan kondisi pasar. Penelitian ini mengembangkan kerangka optimasi portofolio multi-periode pada pasar saham Indonesia dengan mengintegrasikan prediksi harga berbasis Long Short-Term Memory (LSTM) dan optimasi menggunakan NSGA-III. Data yang digunakan berupa harga saham harian perusahaan yang tergabung dalam indeks IDX100 selama periode 2014–2025. Model dirumuskan sesuai dengan karakteristik perdagangan di Bursa Efek Indonesia dengan mempertimbangkan satuan lot, larangan short selling, biaya transaksi, serta penempatan sisa dana pada aset bebas risiko. Empat fungsi objektif dioptimalkan secara simultan, yaitu memaksimumkan kekayaan akhir dan skewness, serta meminimumkan varians dan kurtosis. Hasil evaluasi menunjukkan bahwa model LSTM menghasilkan prediksi yang memenuhi kriteria seleksi pada 40 dari 73 saham, dengan rata-rata MAPE sebesar 2,46% dan rata-rata R2 sebesar 0,944. NSGA-III menghasilkan himpunan solusi tidak terdominasi yang merepresentasikan berbagai kompromi antarfungsi objektif. Tidak terdapat satu portofolio yang memberikan nilai terbaik pada seluruh fungsi objektif secara bersamaan. Varians dan kurtosis cenderung saling mendukung, sedangkan peningkatan skewness umumnya disertai oleh peningkatan kedua ukuran risiko tersebut. Interval rebalancing yang lebih pendek secara umum menghasilkan kekayaan akhir yang lebih tinggi serta varians dan kurtosis yang lebih rendah, tetapi diikuti oleh peningkatan biaya transaksi dan penurunan skewness. Peningkatan frekuensi rebalancing juga diikuti oleh penurunan konsentrasi alokasi saham, yang ditunjukkan oleh penurunan HHI dan peningkatan jumlah saham efektif. Dengan demikian, pemilihan frekuensi rebalancing perlu disesuaikan dengan preferensi investor terhadap pertumbuhan kekayaan, pengendalian risiko, biaya transaksi, dan tingkat konsentrasi portofolio.