Hasil Pencarian  ::  Simpan CSV :: Kembali

"Investasi merupakan salah satu cara untuk menghindari inflasi dan menumbuh-kembangkan kekayaan yang kita miliki_ Saat ini banyak sekall instrumen investasi yang dapat digunakan baik oleh individu maupun perusahaan. Salah satunya adaJah saham. Instrumen ini banyak disukai investor karena saham begitu mudah diperjualbelikan dan saham mampu memberikan tingkat pengembalian yang cukup tinggi. Satu atau sekumpulan sabam yang dibeli investor untuk berinvestasi disebut portofolio. Untuk dapat rnemaksimalkan tingkat pendapatan portofolio dengan tingkat resiko yang tetapdapat dipergunakan metode Mean"Variance, dimana rnetode ini mernakai tingkat pengembalian (pendapatan) atau tingkat resik:o (standar deviasi) saham lalu metode ini akan mengeiuarkan sek:umpulan set portofolio yang akan membentuk sebuah kurva yang disebut efficient frontier. Untuk mernillh portofotio yang optimal dipergunakan Sharpe Ratio terbesar, yaitu rasio tingkat pengembalian terhadap tingkat resiko terbesar. Penelitian ini dilakukan untuk melihat saham apa saja yang Iayak digunakan sebagai sarana berinvestasi. Untuk itu pencJitian ini akan memakai sanam - saham yang tercatat pada LQ-45 pada Bursa Efuk Jakarta dengan memakai data historis selama tiga tahun (Februari :;?.003 ~ Januari 2005). Simulasi Monte Carlo dipergunakan untuk 2 hal yaitu untuk memprediksi kinerja saham di ma.<;a datang dengan mengeluarkan nilal tingkat pcngembalian harlan setiap saham secara acal4 namun masih sesuai dengan poia distribusi tingkat pengembalian saham di masa lalu; dan untuk melihat pola dlstribusi tingkat pengembaJian dan tingkat resiko portofolio yang sudah dibentuk sebagai bentuk evaluasinya. Hasil penelitian ini menunjukkan 3 set portofolio optimal berdasarkan Sharpe Ratio. yang dibentuk berdasarkan data historis satu tahun, dna tahun, dan tiga tahun terakhir. Diluar 3 set tersebut, penelitian ini menernukan 3 saham superior, yang sela1u digunakan untuk mmbcntuk 3 set portofolio tersebuL

---

Investments is one of many metllnds, can be used to minimize the effect of inflation. It can also be used to accumulate your wealth. Nowadays, there are so many instruments for an individual or corporate to invest their riches ia One of them is stock Stock is preffered by many investor because of ifs liquidity and capability to generate much return. One or more stocks purchased by investor is called a portfolio. To generate maximal return for a certain risk of a portfolio, one can use mean-variance method. This method use stock return and standard deviation as an input,. and than generate a set of feasible portfolio as an output. That set of portfolio can be plotted to build a efficient frontier curve. For choosing one of many portfolio generated, Sharpe ratio is used. This research is conducted to select the most feasible stocks for investor to put their money in. Based on stocks listed on LQ-45 in Bursa Efek Jakarta) and using last three years time series data, this research is done. Monte Carlo Simulation is also used here for two purpose, which is for predicting the stock and portfolio performance in the future. For this reason monte carlo simulation will generate random expected return for each stock, based on that stock hilitorical return. Another purpose is for evaluating portfolio's expected return and standard deviation distribution pattern. Result of the research shows 3 sets of optimal portfolio~ based on Sharpe Ratio, constructed using one year, t\vo yearsl three years historical data. This research a)so show 3 superior stocks. which is alyways used in constructing the 3 sets of portfolio above."

"Manusia memiliki kebutuhan untuk melangsungkan hidupnya. Seiring waktu harga-harga kebutuhan akan naik dikarenakan inflasi. Untuk mengantisipasi inflasi, manusia melakukan investasi. Investasi dapat bermacam-macam seperti membeli aset-aset riil (tanah, emas, dsb), ataupun membeli surat-surat berharga (efek) di pasar modal. Saham merupakan jenis efek yang paling sering diperjualbelikan. Dalam melakukan investasi saham, seorang investor memiliki permasalahan untuk memilih saham-saham yang dapat menghasilkan nilai imbal balik yang diharapkan. Permasalahan ini akan coba dijawab oleh Support Vector Machine (SVM) dengan mengklasifikasikan saham-saham apa saja yang menghasilkan imbal hasil ≥1%, dan imbal hasil <1%. Atribut yang digunakan terdapat 22, terdiri dari indikator teknikal dan nilai yang diolah dari data historis saham. Data historis saham yang digunakan adalah data perdagangan harian 30 saham dari indeks IDX30 pada jangka waktu 1 September 2020 hingga 31 Agustus 2021. Data historis saham dari 1 September 2020 hingga 5 Juni 2021 digunakan sebagai data training, dan data historis saham dari 6 Juni 2021 hingga 31 Agustus 2021 digunakan sebagai data testing. Model SVM yang dihasilkan memiliki akurasi sebesar 99,44%. Setelah didapatkan saham-saham yang berpotensi menghasilkan keuntungan yang diharapkan melalui SVM, selanjutnya akan dibuat sebuah portofolio investasi dari kumpulan saham tersebut dengan metode Mean Variance (MV). Bobot tiap saham yang dipilih adalah bobot saham yang meminimalkan variansi dari portofolio. Sebagai pembanding digunakan model pembentukan portofolio Equal Weight Portofolio (EWP) dan kinerja dari indeks IDX30. Imbal hasil dari portofolio yang dibentuk oleh SVM+MV dan SVM+EWP jauh lebih baik dari indeks IDX30. Variansi portofolio dari SVM+MV lebih kecil daripada portofolio dari SVM+EWP.

---

Human must has basic need to survive. The price of basic need will increase over time because the effect of inflation. To anticipate the inflation, human tend to invest. There are two kind of investment, real asset such as land and gold, and securities such as stock and obligation. Stock is the most actively traded. When an investor decide to invest on stock, investor have to choose which stocks that will generate enough return for himself. This problem would be solved by using Support Vector Machines. SVM is one of the machine learning technique for classification, in this case we will classify the the stock based on the return ≥1% or <1%. There are 22 attribute that used for SVM. Data come from historical stock data of 30 stocks from IDX30 index. The range is from 1 September 2020 untill 31 August 2021. Data from 1 September 2020 through 5 June 2021 would be training data and data from 6 June 2021 untill 31 August 2021 would be testing data. The result from SVM model has accuracy of 99,44%. The next thing to fo after we have which stock that will be choose is to build a portofolio from it. The portofolio theory of Mean Variance will be used to build portofolio from the result of prediction stock SVM. Mean Variance method will determine how much the portion of respective stock to be invested that would be maximize returns and also minimize investment risk. For measure how well the model perform, we used Equal Weight Portofolio (EWP) method and return of IDX30 index. The result is SVM+MV model and SVM+EWP model generate more return than the underlying index. The variance of portofolio that generated from SVM+MV are smaller than portofolio generated from SVM+EWP."

"Instrumen derivatif yang terus berkembang pesat menyebabkan portofolio semakin kompleks Nilai portofolia tersebut sangat tergantung pada variabel pasar seperti suku bunga dan nilai tukar. Instrumen derivatif selain digunakan untuk meng-offset (hedging) risiko dapat digunakan juga untuk berspekulasi mencari keuntungan. Pada kenyataannya banyak perusahaan merugi karena praktek tersebut. Hal ini mendorong timbulnya kebutuhan akan pengukuran kuantitatif risiko pasar dan suatu portfolio. Salah satu teknik pengukuran yang tersedia adalah Value at Risk (VaR). VaR merangkum seluruh risiko pasar yang ada pada portofolio dalam I (satu) bilangan. VaR menyatakan jumlah uang yang mungkin hilang akibat perubahan harga di pasar pada tingkat kepercayaan tertentu dalam jangka waktu tertentu. Dalam karya akhir ini, dikaji aspek-aspek praktis perhitungan VaR dengan Metode Simulasi Monte Carlo yang diterapkan pada portofolio FX Forward USD/IDR jangka waktu 1 bulan. Prinsip dari Simulasi Monte Carlo adalah melakukan simulasi berulang ulang untuk menghasilkan berbagai kemungkinan harga portofolio yang membentuk distribusi simulasi. Dari distribusi simulasi tersebut, VaR dapat ditentukan. Hasil perhitungan VaR diuji dengan backtesting untuk mengetahui validitasnya."

"Tugas akhir ini bertujuan menjelaskan cara menghitung VaR untuk opsi call Eropa atas saham tertentu dengan metode simulasi Monte Carlo. Nilai opsi call Eropa atas saham tertentu dipengaruhi oleh faktor-faktor risikonya, yaitu harga exercise, harga saham (underlying asset), suku bunga bebas risiko, dan volatilitas harga saham. Nilai VaR dengan metode simulasi Monte Carlo untuk opsi call Eropa dapat diperoleh dengan mensimulasikan pergerakan dari faktor-faktor risikonya. Akan tetapi, karena faktor-faktor risikonya selain harga saham besarnya konstan, maka hanya pergerakan harga saham saja yang disimulasikan. Dalam skripsi ini pergerakan harga saham (yang menjadi underlying asset) dari opsi call Eropa diasumsikan mengikuti gerak Brown geometrik. Berdasarkan implementasi numerik penghitungan VaR dengan metode simulasi Monte Carlo, diperoleh kesimpulan bahwa makin tinggi harga saham maka makin tinggi harga opsi call Eropanya, sebaliknya makin tinggi harga exercise maka makin rendah harga opsi call Eropanya, dan makin tinggi tingkat kepercayaan yang dipilih maka makin tinggi nilai VaRnya."

"Dalam penelitian ini akan ditunjukkan aplikasi permasalahan pembentukan portofolio berdasarkan model mean-variance Markowitz. Penambahan kendala mninimal lot transaksi pada model Markowitz merubah permasalahan ini menjadi bentuk mixed-integer non linear programming yang teramat sulit untuk dicari solusinya menggunakan pendekatan optimasi klasik. Untuk itu akan ditunjukkan alternatif penyelesaian menggunakan metode komputasi berbasis heuristic, yaitu PSO. Dengan penentuan nilai parameter yang tepat, algoritma PSO dapat secara konvergen menemukan solusi untuk permasalahan ini.

---

We will show in this paper application of portfolio selection problem based on Markowitz’s mean-variance model. The inclusion of minimum transaction lot turn the standard model into a mixed-interger non linear prgormming which is very hard to be solved using classical optimization method. We will show an alternative heuristic based approach, PSO to tack this problem. With the appropriate parameter PSO can find a good solution to this problem"

"Dewasa ini investor mempunyai beberapa alternatif untuk menginvestasikan dananya dalam instrumen investasi. Secara garis besar ada 2 jenis instrumen investasi yang dapat dipilih oleh investor yaitu investasi berisiko (risky assets) dan investasi bebas risiko (risk free assets). Investasi pada risky assets berarti investasi tersebut nempunyai ketidakpastian dalam tingkat pengembalian di masa depan seperti saham dan obligasi. Sedangkan investasi pada risk free assets berarti investasi tersebut mempunyai kepastian tingkat pengembalian di masa depan seperti deposito, SBI dan surat berharga komersial. Namun investor juga dapat memilih risky dan risk free assets sekaligus melalui instrumen investasi yang disebut dengan Reksa Dana.Berdasarkan portofolio investasinya, Reksa Dana yang dipasarkan saat ini oleh Manajer Investasi ada 4 jenis yaitu Reksa Dana pendapatan tetap, Reksa Dana saham, Reksa Dana pasar uang dan Reksa Dana campuran. Dan keempat jenis Reksa Dana tersebut Reksa Dana saham merupakan Reksa Dana dengan nilai pengelolaan terkecil, hal ini dikarenakan risiko yang terdapat pada Reksa Dana saham lebih besar dibandingkan dengan jenis Reksa Dana lainnya. Indikasi tersebut menandakan bahwa tipikal investor Indonesia lebih menyukai investasi dengan risiko seminimal mungkin bahkan kalau bisa tanpa risiko sama sekali. Tetapi dengan kondisi dimana tingkat suku bunga Setifikat Bank Indonesia (SBI) yang semakin tinggi dengan nilai diatas 10%, nilai pengelolaan Reksa Dana yang ada khususnya Reksa Dana pendapatan tetap semakin mengecil dikarenakan banyaknya yang melakukan redemption secara besar-besaran. Dengan melihat kondisi dimana Sertfikat Bank Indonesia (SBI) yang cenderung naik, apakah kemampuan Reksa Dana saham masih dapat memberikan return lebih tinggi bagi investor.Berdasarkan data yang diperoleh dan Biro Pengelolaan Investasi dan Riset (PIR) Bapepam terdapat 16 Reksa Dana saham yang secara aktif diperdagangkan selama 5 tahun berturut-turut yaitu sejak Januari 2001 sampai dengan Desember 2005 dengan nilai average return bulanan positif. Dari ke 16 Reksa Dana saham tersebut akan dibentuk suatu portofolio yang optimal dengan menggunakan Metode Markowitz dimana pembentukan portofolio tersebut untuk mendapatkan return yang sesuai dengan risikonya.Dari hasil penelitian menunjukkan bahwa investor dapat melakukan investasi portofolio sepenuhnya yaitu 100% pada Reksa Dana Schroder Dana Prestasi Plus. Dengan menginvestasikan 100% pada Scroder Dana Prestasi Plus maka akan mendapatkan tingkat return portofolio sebesar 42,33% dengan standard deviasi 23,19% serta indeks Reward to Variability Ratio sebesar 1,2953.Selanjutnya penulis juga akan melakukan pengukuran kinerja Reksa Dana saham dengan menggunakan empat metode, keempat metode adalah metode Sharpe, Traynor, Jensen (Alpha) dan Appraisal Ratio. Setelah rasio keempat pengukuran ini didapat maka untuk pengukuran kinerja apakah buruk atau tidak, akan dibandingkan dengan benchmarknya yaitu kinerja pasarnya (menggunakan keempat pengukuran juga). Jika outperformed terhadap pasar berarti Reksa Dana tersebut baik sedangkan'sebaliknya jika underperformed berarti buruk.Dari hasil penelitian terhadap pengukuran kinerja dengan metode Sharpe, terdapat 7 Reksa Dana saham yang kinerjanya berada di atas pasar. Ketujuh Reksa Dana tersebut adalah Reksa Dana Schroder Dana Prestasi Plus, Si Dana Saham, Rencana Cerdas, Phinisi Dana Saham, Panin Dana Makisma, Citereksadana Ekuitas, dan Bahana. Begitu juga untuk kinerja portfolio yang mempunyai kinerja jauh diatas pasar. Untuk kinerja portofolio memiliki kinerja yang terbaik dibandingkan dengan Reksa Dana saham jika berdiri sendiri-sendiri.

---

Currently, investors have some alternative for investing their fund within investment instrument. Globally, there are two types of investment instruments to be elected by investors those are both risky and risk-free assets. Risky assets means there is uncertainty investment return rate in the future such as stocks and obligation. Whereas, risk-free assets means there is certainty investment return rate in the future such as deposits, SBI and other commercial bonds. But investors may choose both of them simultaneously by investment instruments so called Mutual Fund.

Based on its investment portfolio, Mutual Fund having been marketed by Investment Manager is four types for Fixed Income, Equity, Money Market, and Balancing. From which Mutual Fund for Equity is the smallest one of management values, because its risk is larger than other varied Mutual Fund. Typically, such indication remark that Indonesia investor preferred investment with as minimal as possible investment risk or even without risk. But, as result of condition in which interest rate of Indonesia Bank Certificate (SBI) being increasingly high, i.e. more than 10%, value of Mutual Fund Management specially, for Fixed Income being decreasingly because so many investor had done redemption massively. By such condition in which SBI trend to rise, whether Mutual Fund may remain higher return for their investors.

Based on the data obtained from Bureau of Research and Investment Management (PIR) of Bapepam there are 16 Equity Fund had been dealt actively for five (5) years consecutively, from January 2001 through December 2005 with monthly average return is positive. From those 16 Equity Fund will be formed any optimal portfolio using Markowitz Method in which such portfolio establishment to get return suitable with its risk.

By research result had indicated that investors fully, they may invest to portfolio, i.e. 100% to Equity Fund of Schroder Dana Prestasi Plus. By investing 100% in it, then, investors will get portfolio rate of return is 42,33% with standard of deviation is 23,19% and index Reward to Variability Ratio of 1.2953

Hence, the author also will measure performance of Equity Fund using four methods those are Sharpe, Treynor, Jensen, and Appraisal Ratio. Then, upon obtaining those four measurement ratios, for measuring whether or not that performance is bad, it will be compared with its benchmark, i.e., its market performance (using those four measurements as well). If outperformed against market, it means such Equity Fund is good and conversely, it will be bad if it is underperformed.

From research results of performance by Jensen Method, there are 7 Equity Fund which if performance is above the market. Those are Schroder Dana Prestasi Plus, Si Dana Saham, Rencana Cerdas, Phinisi Dana Saham, Panin Dana Maksima, Citareksadana Ekuitas, and Bahana Dana Prima. As well as portfolio which have performance more above the market. For performance of portfolio which has the best one compared to Equity Fund if it is autonomy."

"Penelitian ini bertujuan untuk memberikan alternatif pembentukan portofolio saham dan obligasi korporasi untuk dapat memperoleh return yang optimal dengan risiko yang dapat diterima. Alternatif model tersebut adalah dengan mengkombinasikan seleksi saham model Graham dengan model pembentukan portofolio optimal yaitu model Markowitz. Hasil seleksi saham menggunakan model Graham portofolio defensif dan portofolio agresif adalah masing-masing 9 dan 13 saham dari 45 saham yang terdapat pada indeks LQ45. Dari saham-saham yang terpilih kemudian dibentuk portofolio optimalnya menggunakan model Markowitz.Dari portofolio optimal yang terbentuk kemudian dilakukan perbandingan kinerja antara keduanya dengan indeks LQ45 sebagai benchmark-nya. Hasil menunjukkan bahwa portofolio hasil optimasi model Markowitz memberikan kinerja (reward to variability ratio) ekspektasi lebih baik dibandingkan portofolio indeks LQ45 dengan selisih pengembalian hasil di kisaran 13,68 – 20,24% pertahun. Dengan demikian model kombinasi pembentukan portofolio optimal bertahap ini layak dipertimbangkan untuk diaplikasikan dengan harapan dapat meningkatkan hasil investasi saham yang optimal.Selanjutnya, hasil seleksi obligasi korporasi untuk portofolio yang optimal menghasilkan 8 obligasi korporasi dengan porsi masing-masing obligasi yaitu Obl Bkljt I Telkom Tahap I Tahun 2015 Seri C 20%, Obl Bkl I Chandra Asri Petrochem. Thp II Th18 Sr C 0%, Obl Bklj I Sarana Multi Infra. Thp I Th2016 Sr C 17,47%, Obl Bklj I Sarana Multi Infra. Thp I Th2016 Sr D 20%, Obligasi Bkljt I Hutama Karya Tahap II Tahun 2017 2,53%, Obligasi Bkljt I Hutama Karya Tahap I Tahun 2016. Portofolio ini dapat menghasilkan tingkat pengembalian sebesar 8,88% pertahun.

---

This study aims to provide an alternative to the formation of portfolios and corporate bonds to obtain optimal returns with acceptable risk. The alternative model is to combine Graham's stock selection model with the formation of an optimal portfolio model, namely the Markowitz model. The results of the selection using the Graham model of defensif portfolio and aggressive portofolio are 9 and 13 stocks, respectively, of the 45 stocks listed on the LQ45 index. From the selected stocks, the optimal portfolio is formed using the Markowitz model.

From the optimal portfolio formed, then the performance comparison between the two with the LQ45 index as the benchmark. The results show that the Markowitz model optimizing portfolio provides a better performance (reward to variability ratio) than the LQ45 portfolio index with a yield difference of 13.68 – 20.24% per year. Thus, the combination model for the formation of a gradual optimal portfolio is worth considering to be applied in the hope of increasing optimal stock investment returns.

Furthermore, the results of the selection of corporate bonds for the optimal portfolio resulted in 8 corporate bonds with a portion of each bond, namely Obl Bkljt I Telkom Phase I 2015 Series C 20%, Obl Bkl I Chandra Asri Petrochem. Thp II Th18 Sr C 0%, Obl Bklj I Multi Infra Infrastructure. Thp I Th2016 Sr C 17.47%, Obl Bklj I Sarana Multi Infra. Thp I 2016 Sr D 20%, Bkljt I Hutama Karya Bonds Phase II 2017 2.53%, Bkljt I Hutama Karya Bonds Phase I 2016. This portfolio can generate rates of 8.88% per annum."