Perpustakaan Digital ITB

Manajemen portofolio saham di pasar negara berkembang seperti Indonesia menghadapi tantangan volatilitas tinggi dan perubahan rezim pasar yang cepat. Pendekatan Reinforcement Learning (RL) agen tunggal seringkali kesulitan menyeimbangkan agresivitas saat pasar naik dengan proteksi modal saat pasar turun. Penelitian ini mengembangkan sistem Multi- Agent Reinforcement Learning (MARL) untuk manajemen portofolio swing trading pada saham LQ45, yang mendekomposisi tugas ke dalam tiga agen spesialis — Stock Picker, Risk Manager, dan Portfolio/Execution Agent — yang dilatih secara simultan dengan critic berobservasi asimetris. Sistem dilengkapi Market Regime Detector berbasis Gaussian Hidden Markov Model dan Risk Profile Synthesizer yang sadar rezim, serta menegakkan batasan mikrostruktur Bursa Efek Indonesia. Pengujian menggunakan walk-forward validation pada data LQ45 berfrekuensi 5-menit untuk dua periode pasar berlawanan arah. Pada periode bullish, sistem mencatat return +8,67% (LQ45: +3,05%); pada periode bearish (LQ45 turun ?21,48%), kerugiannya hanya ?2,52% dengan Maximum Drawdown kurang dari setengah drawdown benchmark. Sistem mengungguli seluruh strategi single-agent pada kedua periode, dan selisihnya signifikan secara statistik pada periode bullish. Analisis mendalam mengungkap tiga temuan yang menuntut kehati-hatian dalam menafsirkan angka tersebut. Pertama, kev unggulan atas agen tunggal hampir seluruhnya bersumber dari pengendalian turnover: sistem MARL menahan posisi rata-rata 7,7–8,8 hari dan membayar biaya transaksi 4,35% dari modal, sedangkan agen tunggal menutup posisi dalam median satu hari dan membayar 14– 16%. Kedua, excess return +18,97% sebagian besar merupakan premi pembobotan merata, bukan alpha sistem: strategi equal-weight yang naif memperoleh +16,94%, dan keunggulan sistem atas baseline konvensional (sekitar +2 poin persentase) tidak signifikan secara statistik. Ketiga, meskipun detektor rezim bekerja akurat (pbear rata-rata 0,788 saat bearish), rasio alokasi saham praktis identik antar rezim (78,5% vs 78,6%) karena multiplier risiko menskala aksi beli dan jual secara simetris sehingga membekukan portofolio alih-alih memindahkannya ke kas. Penelitian ini karenanya menyimpulkan bahwa dekomposisi multi-agen dengan lapisan risiko sadar-rezim efektif meredam churn biaya transaksi yang menjadi kelemahan utama agen RL monolitik pada data intraday, sementara kemampuan adaptasi rezim yang sesungguhnya menuntut perbaikan rancangan yang diuraikan pada bab penutup.