Perpustakaan Digital ITB

Harga aset di pasar finansial yang sulit diprediksi secara akurat menunjukkan bahwa penggunaan rata-rata imbal hasil historis seringkali tidak memadai untuk merepresentasikan ekspektasi imbal hasil periode berikutnya, terutama dalam menghadapi dinamika pasar dan berita makroekonomi. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi sebuah kerangka kerja optimisasi portofolio yang mengintegrasikan prediksi imbal hasil menggunakan Support Vector Regression (SVR) dengan optimisasi multi-objektif dan metode pemilihan interaktif untuk portofolio yang terdiri dari aset saham dan mata uang kripto. Metodologi penelitian mencakup prediksi imbal hasil aset menggunakan SVR dengan fitur-fitur seperti sentimen pasar dan indikator teknikal, diikuti dengan optimisasi portofolio untuk memaksimumkan ekspektasi imbal hasil berdasarkan prediksi SVR dan meminimumkan risiko menggunakan algoritma evolusioner NSGA-II dengan mempertimbangkan kendala seperti masalah short selling, leverage, buy-in threshold, dan batasan kardinalitas. Pemilihan portofolio final dari efficient frontier yang dihasilkan dilakukan melalui metode interaktif NIMBUS dalam framework DESDEO. Kinerja portofolio dievaluasi berdasarkan persentase keuntungan aktual selama bulan Maret 2025, di mana kondisi pasar sedang mengalami penurunan. Hasil penelitian menunjukkan model SVR dapat memprediksi arah pergerakan imbal hasil dengan baik dan penggunaan prediksi imbal hasil dari SVR dapat menghasilkan portofolio yang lebih baik dari penggunaan rata-rata imbal hasil historis. Selain itu, metode pemilihan interaktif NIMBUS memungkinkan investor untuk memilih portofolio yang sesuai dengan preferensi risiko dan imbal hasil subjektifnya dan menunjukkan potensi untuk menghasilkan keuntungan aktual yang kompetitif.