PENENTUAN PORTOFOLIO SAHAM OPTIMAL MENGGUNAKAN ALGORITMA GENETIKA

E. Lestari, Evy Sulistianingsih., Nurfitri Imro’ah
{"title":"PENENTUAN PORTOFOLIO SAHAM OPTIMAL MENGGUNAKAN ALGORITMA GENETIKA","authors":"E. Lestari, Evy Sulistianingsih., Nurfitri Imro’ah","doi":"10.26418/bbimst.v8i2.31534","DOIUrl":null,"url":null,"abstract":"Investor akan dihadapkan oleh keuntungan dan risiko dalam melakukan investasi. Untuk mengurangi risiko tersebut, investor dapat melakukan diversifikasi yaitu mengalokasikan dana ke beberapa saham sehingga terbentuk portofolio saham. Algoritma Genetika merupakan teknik yang diadopsi dari proses evolusi alam yang digunakan untuk melakukan pencarian penyelesaian optimal atas sejumlah penyelesaian masalah yang mungkin. Penelitian ini, mengimplementasikan Algoritma Genetika untuk memperoleh portofolio saham yang dapat memberikan keuntungan yang maksimal dan risiko tertentu. Parameter yang digunakan dalam Algoritma Genetika yaitu ukuran populasi (pop size) sebanyak 50 kromosom, probabilitas crossover 60% dan probabilitas mutasi sebesar 10%. Data yang digunakan adalah data penutupan harga saham bulanan indeks LQ 45 periode Januari 2010 sampai Juni 2018. Berdasarkan hasil analisis, Algoritma Genetika lebih optimal dibandingkan dengan perhitungan manual menggunakan Single Index Model dalam menentukan portofolio saham karena keuntungan yang diperoleh lebih besar dan risiko lebih kecil. Fitness terbesar dari tiga generasi diperoleh sebesar 0,1122 dengan keuntungan 0,0081 dan risiko 0,0719. Sedangkan keuntungan dan risiko berdasarkan perhitungan manual menggunakan Single Index Model diperoleh yaitu 0,0075 dan 0,0746.Kata Kunci: Algoritma Genetika, Offspring, Crossover, Mutasi, Single Index Model","PeriodicalId":265420,"journal":{"name":"Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya","volume":"12 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2019-04-03","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"3","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.26418/bbimst.v8i2.31534","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 3

Abstract

Investor akan dihadapkan oleh keuntungan dan risiko dalam melakukan investasi. Untuk mengurangi risiko tersebut, investor dapat melakukan diversifikasi yaitu mengalokasikan dana ke beberapa saham sehingga terbentuk portofolio saham. Algoritma Genetika merupakan teknik yang diadopsi dari proses evolusi alam yang digunakan untuk melakukan pencarian penyelesaian optimal atas sejumlah penyelesaian masalah yang mungkin. Penelitian ini, mengimplementasikan Algoritma Genetika untuk memperoleh portofolio saham yang dapat memberikan keuntungan yang maksimal dan risiko tertentu. Parameter yang digunakan dalam Algoritma Genetika yaitu ukuran populasi (pop size) sebanyak 50 kromosom, probabilitas crossover 60% dan probabilitas mutasi sebesar 10%. Data yang digunakan adalah data penutupan harga saham bulanan indeks LQ 45 periode Januari 2010 sampai Juni 2018. Berdasarkan hasil analisis, Algoritma Genetika lebih optimal dibandingkan dengan perhitungan manual menggunakan Single Index Model dalam menentukan portofolio saham karena keuntungan yang diperoleh lebih besar dan risiko lebih kecil. Fitness terbesar dari tiga generasi diperoleh sebesar 0,1122 dengan keuntungan 0,0081 dan risiko 0,0719. Sedangkan keuntungan dan risiko berdasarkan perhitungan manual menggunakan Single Index Model diperoleh yaitu 0,0075 dan 0,0746.Kata Kunci: Algoritma Genetika, Offspring, Crossover, Mutasi, Single Index Model
通过基因算法确定股票投资组合的最佳选择
投资者将面临投资的利润和风险。为了减少风险,投资者可以通过将资金分配到不同的股票组合中来实现多样化。基因算法是一种从自然进化过程中采用的技术,用来对许多可能的问题进行最佳的解决。本研究采用基因算法,获得能提供最大利润和某些风险的股票组合。基因算法使用的参数是50条染色体的总体大小,交叉概率为60%,突变概率为10%。所使用的数据是,从2010年1月到2018年6月,股价每月关闭的数据。根据分析结果,基因算法比手册计算使用单一指数模型来决定股票投资组合,因为它获得的利润更大,风险更小。三代人中最伟大的健身是0.1122,利润为0.0081,风险为0.0719。而基于手册计算的利润和风险使用单指标模型获得的是0.0075和0.0746。关键词:基因算法,后代,交叉,突变,单索引模型
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信