ESTIMASI PARAMETER DISTRIBUSI MIXTURE NORMAL DENGAN ALGORITMA MCMC UNTUK OPTIMASI PORTOFOLIO

Abstract

Pembentukan portofolio optimal dengan diversifikasi saham dapat dilakukan menggunakan metode Mean Variance dengan tujuan memaksimumkan meminimumkan tingkat risiko suatu portofolio dan membutuhkan estimasi return dengan asumsi berdistribusi normal. Asumsi distribusi normal tidak selalu terpenuhi dalam data estimasi return saham yang sebenarnya, sehingga dibutuhkan pembentukan model mixture normal. Pada penelitian ini digunakan algotima MCMC untuk mengestimasi parameter distribusi mixture normal. Data yang digunakan yaitu data saham Bisnis-27 periode 1 Januari 2020 s.d. 31 Desember 2022 yang akan dipilih beberapa melalui klasterisasi K-means. Langkah-langkah yang dilakukan dalam penelitian ini yaitu pertama klasterisasi menggunakan data rasio keuangan saham, kedua estimasi parameter dengan algoritma MCMC Metropolis Hasting, ketiga pembentukan portofolio optimal melalui mean-variance, keempat pengukuran kinerja portofolio melalui backtesting. Penelitian ini menghasilkan portofolio yang disusun dari 4 saham dari langkah klasterisasi yaitu saham dengan jarak terdekat terhadap pusat klaster. Hasil dari pembentukan portofolio optimal berdasarkan estimasi parameter distribusi mixture normal dengan algortima MH dan perhitungan bobot melalui metode MV yaitu portofolio yang terdiri dari 23.12% saham Charoen Pokphand Indonesia, 21.27% saham Kalbe Farma, 25.93% saham Tower Bersama Infrastructure, dan 29.68% perusahaan Sumber Alfaria Trijaya. Portofolio optimal tersebut memiliki kinerja yang baik berdasarkan hasil penerapan metode backtesting dalam 4 jenis pengukuran.