Perpustakaan Digital ITB

Aset kripto merupakan kelas aset investasi yang dikenal memiliki volatilitas tinggi dan sangat dipengaruhi oleh sentimen pasar, bukan hanya fundamental ekonomi. Optimisasi portofolio konvensional, seperti Mean-Variance Optimization (MVO), umumnya menggunakan rata-rata imbal hasil historis sebagai ekspektasi imbal hasil, sehingga gagal menangkap dinamika pasar yang didorong oleh sentimen. Penelitian ini mengusulkan sebuah kerangka kerja untuk mengoptimalkan portofolio aset kripto dengan mengintegrasikan sentimen pasar. Metode yang digunakan adalah mengganti ekspektasi imbal hasil historis dengan nilai prediksi dari model Support Vector Regression (SVR). Model SVR ini dilatih menggunakan tiga prediktor utama: imbal hasil historis (lagged return), skor sentimen mingguan dari platform Reddit yang dianalisis menggunakan Valence Aware Dictionary and sentiment Reasoner (VADER), dan skor tren dari Google Trends. Portofolio optimal pada Pareto front, yang dihasilkan oleh Nondominated Sorting Genetic Algorithm II (NSGA-II), kemudian dipilih berdasarkan nilai Sharpe ratio maksimum. Hasil penelitian menunjukkan bahwa model SVR berhasil memprediksi tren pasar negatif secara lebih akurat dibandingkan rata-rata historis. Pada periode investasi satu minggu, portofolio berbasis SVR secara signifikan mengungguli portofolio historis, terutama pada kasus long only di mana pendekatan SVR berhasil mencegah kerugian sebesar 19,55% dengan tidak melakukan investasi. Untuk periode satu bulan, portofolio SVR tetap unggul dalam skenario long & short, namun menunjukkan kinerja yang lebih buruk pada kasus long only akibat konsentrasi risiko. Penelitian ini menyimpulkan bahwa penggunaan prediksi SVR berbasis sentimen merupakan pendekatan yang lebih adaptif dan berpotensi memberikan keuntungan superior dalam alokasi aset kripto, terutama untuk strategi yang mengizinkan short selling.