optimalisasi portofolio saham dengan bayesian markov …optimalisasi portofolio saham dengan...
TRANSCRIPT
Optimalisasi Portofolio Saham Dengan Bayesian Markov Chain
Monte Carlo Menggunakan Pendekatan Model Mixture of
Mixture
Oleh:
Dina Ristiningtyas(1307 100 033)
Pembimbing:Prof. Drs. Nur Iriawan, M. Ikom., Ph.D.
1
Financial asset
Investasi
Real asset
TabunganDeposito
ReksadanaObligasiSaham
RumahTanahEmas
Pendirian PabrikMembuka Usaha
Portofolio
Latar Belakang
2
Bank Agroniaga, ICB Bumiputera, Capital Indonesia, Ekonomi Raharja, Central Asia, Bukopin, Negara Indonesia, Nusantara Parahyangan, Mutiara, Danamon, Pundi Indonesia, Kesawan, Mandiri (Persero), Bumi Arta, CIMB Niaga, International Ind., Permata, Swadesi, Victoria Int., Artha Graha Internasional, Mayapada, Windu Kentjana Internation, Mega, Pan Indonesia, OCBC NISP, dan Himpunan Saudara 1906.
Saham Bank
3
Astuti(2006)
Pemodelanportofoliooptimal
Mixture dari beberapamixture denganperhitungan resikoPMRM
Penentuan alokasidana terbesar padasaham gajah tunggal33.43%, kemudianunilever 33.38% danades 33.18%.
SartonodanSetiawan(2006)
portofoliooptimal
Perbandingan metodeMarkowitz dan Mean Absolute Deviation dengan perhitunganresiko VaR
Tingkat resiko yang dihasilkan kedua metode optimalisasi berbeda. Standardeviasi tidak cukupbaik sebagai tolok ukurresiko suatu portofolio.
Penelitian sebelumnya
Nama Permasalahan
Metode Hasil
4
Wati(2006)
Tingkat inflasidi Indonesia
Model mixture danReversible Jump MarkovChain Monte Carlo (RJMCMC)
Perbedaan banyakkomponen model mixture tidaksignifikan danmodel yang disarankan untukinflasi yaitu model mixture dengan 2 komponen
Nama Permasalahan Metode Hasil
5
•Bagaimana karakteristik return suatu saham?•Bagaimana distribusi return portofolio dengan pendekatanmodel mixture of mixture?•Bagaimana estimasi parameter model mixture suatu sahamdengan analisis Bayesian MCMC?•Bagaimana estimasi parameter model mixture of mixturepada penyusunan portofolio optimal dengan analisisBayesian MCMC?•Berapa besar resiko investasi dari portofolio optimalberdasarkan model mixture yang diperoleh dari metodePMRM?
Rumusan Masalah
6
•Mengetahui pola return suatu saham.•Memperoleh distribusi return portofolio dengan pendekatanmodel mixture of mixture.•Mendapatkan hasil estimasi parameter model mixture suatusaham dengan analisis Bayesian MCMC.•Mendapatkan hasil estimasi parameter model mixture of mixturepada penyusunan portofolio optimal dengan analisis BayesianMCMC.•Menentukan besar resiko investasi dari portofolio optimalberdasarkan model mixture yang diperoleh dari metode PMRM.
Tujuan Penelitian
7
Dapat memberikan masukan bagi para investor dalammenetapkan portofolio sehingga dapat diperoleh return yangoptimal dan menjadi bahan pertimbangan dalam melakukanjual beli saham.
Menggunakan data 5 saham bank yaitu BCA, BankAgroniaga, BNI, Bank Pan dan Bank CIMB Niaga periodeawal terdaftar di JKSE hingga 18 Maret 2011 dengan analisismodel mixture normal dengan banyaknya komponen tertentu.Untuk penentuan besar resiko saham mengunakan metodePMRM.
Manfaat Penelitian
Batasan Penelitian
8
Saham :BCA, Bank Agroniaga, BNI, Bank Pan dan Bank CIMB Niaga.Data diambil dari JKSE periode awal terdaftar hingga 18 Maret 2011
Metodologi Penelitian
9
Langkah-langkah Penelitian:
1.Melakukan analisis deskriptif data return untuk setiap instrumenmenggunakan histogram untuk menentukan dugaan banyaknya komponenpola distribusi mixture.Memilih model terbaik masing-masing saham dengan strukturperkalian distribusi3..Melakukan perhitungan bayes faktor setiap saham.4.Estimasi model mixture setiap instrumen menggunakan BayesianMCMC.5.Estimasi model mixture of mixture portofolio beberapa instrumen denganBayesian MCMC.6.Menentukan besar resiko investasi saham dalam portofolio optimal hasilanalisis Bayesian MCMC dengan metode PMRM.
10
0
1000
2000
3000
4000
5000
6000
7000
8000
1 76 151
226
301
376
451
526
601
676
751
826
901
976
1051
1126
1201
1276
1351
1426
1501
1576
1651
Close Price BCA
Plot Closing Price dan Return Tiap Saham
0
50
100
150
200
250
1 14 27 40 53 66 79 92 105
118
131
144
157
170
183
196
209
222
235
248
261
274
287
300
313
Close Price Agroniaga
11
0
50
100
150
200
250
1 14 27 40 53 66 79 92 105
118
131
144
157
170
183
196
209
222
235
248
261
274
287
300
313
Close Price Agroniaga
-0.6
-0.5
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
1 76 151
226
301
376
451
526
601
676
751
826
901
976
1051
1126
1201
1276
1351
1426
1501
1576
1651
Axis
Titl
e
return BCA
-0.15
-0.1
-0.05
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
1 14 27 40 53 66 79 92 105
118
131
144
157
170
183
196
209
222
235
248
261
274
287
300
313
Return agroniaga
0500
100015002000250030003500400045005000
1 87 173
259
345
431
517
603
689
775
861
947
1033
1119
1205
1291
1377
1463
1549
1635
1721
1807
1893
1979
2065
Close Price BNI
0
200
400
600
800
1000
1200
1400
1600
1 87 173
259
345
431
517
603
689
775
861
947
1033
1119
1205
1291
1377
1463
1549
1635
1721
1807
1893
1979
2065
Close Price Pan
12
-0.3-0.25
-0.2-0.15
-0.1-0.05
00.05
0.10.15
0.20.25
1 73 145
217
289
361
433
505
577
649
721
793
865
937
1009
1081
1153
1225
1297
1369
1441
1513
1585
1657
1729
Return BNI
-0.25
-0.2
-0.15
-0.1
-0.05
0
0.05
0.1
0.15
0.2
0.25
1 87 173
259
345
431
517
603
689
775
861
947
1033
1119
1205
1291
1377
1463
1549
1635
1721
1807
1893
1979
Return Pan
0
500
1000
1500
2000
2500
3000
1 86 171
256
341
426
511
596
681
766
851
936
1021
1106
1191
1276
1361
1446
1531
1616
1701
1786
1871
1956
2041
Close Price CIMB Niaga
13
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
1 86 171
256
341
426
511
596
681
766
851
936
1021
1106
1191
1276
1361
1446
1531
1616
1701
1786
1871
1956
2041
Return CIMB Niaga
ANALISIS DAN PEMBAHASAN
Deskriptif Return Saham
Saham N Mean StDev Skewness Kurtosis
BCA 1707 0.0011553 0.0265081 -3.78214 75.7888
Agroniaga 315 0.00063383 0.0403574 2.75931 19.5895
BNI 1786 0.0010134 0.029773 0.648404 8.79577
Pan 2133 0.0013463 0.0304082 0.409041 4.49481
CIMB Niaga 2115 0.0013991 0.0333923 0.301443 10.9649
14
Identifikasi dan Uji Distribusi Mixture Return Setiap Saham
0.10.0-0.1-0.2-0.3-0.4-0.5
800
700
600
500
400
300
200
100
0
bca
Fre
qu
en
cy
Histogram of bca
0.3000.2250.1500.0750.000-0.075
160
140
120
100
80
60
40
20
0
agroniagaFr
eq
ue
ncy
Histogram of agroniaga
15
0.180.120.060.00-0.06-0.12-0.18
600
500
400
300
200
100
0
pan
Freq
uenc
yHistogram of pan
0.180.120.060.00-0.06-0.12-0.18-0.24
500
400
300
200
100
0
bni
Fre
qu
en
cy
Histogram of bni
0.240.160.080.00-0.08-0.16-0.24-0.32
800
700
600
500
400
300
200
100
0
niaga
Freq
uenc
y
Histogram of niaga
16
BCADistribusi AD P-value
Normal 51.508 <0.0053-Parameter Lognormal 49.276 *2-Parameter Exponential 658.922 <0.0103-Parameter Weibull 120.621 <0.005Smallest Extreme Value 181.383 <0.010Largest Extreme Value 171.264 <0.0103-Parameter Gamma 49.593 *Logistic 20.358 <0.0053-Parameter Loglogistic 19.157 *
Bank AgroniagaDistribusi AD P-value
Normal 17.414 <0.0053-Parameter Lognormal 13.463 *2-Parameter Exponential 83.199 <0.0103-Parameter Weibull 25.611 <0.005Smallest Extreme Value 53.099 <0.010Largest Extreme Value 20.742 <0.0103-Parameter Gamma 14.08 *Logistic 4.961 <0.0053-Parameter Loglogistic 4.298 *
BNIDistribusi AD P-valueNormal 51.508 <0.0053-Parameter Lognormal 49.276 *2-Parameter Exponential 658.922 <0.0103-Parameter Weibull 120.621 <0.005Smallest Extreme Value 181.383 <0.010Largest Extreme Value 171.264 <0.0103-Parameter Gamma 49.593 *Logistic 20.358 <0.0053-Parameter Loglogistic 19.157 *
Bank PanDistribusi AD P-valueNormal 38.879 <0.0053-Parameter Lognormal 37.145 *2-Parameter Exponential 730.359 <0.0103-Parameter Weibull 84.64 <0.005Smallest Extreme Value 149.004 <0.010Largest Extreme Value 122.198 <0.0103-Parameter Gamma 37.386 *Logistic 21.22 <0.0053-Parameter Loglogistic 20.22 *
17
Bank CIMB NiagaDistribusi AD P-valueNormal 67.345 <0.0053-Parameter Lognormal 66.589 *2-Parameter Exponential 814.573 <0.0103-Parameter Weibull 154.109 <0.005Smallest Extreme Value 217.023 <0.010Largest Extreme Value 260.933 <0.0103-Parameter Gamma 67.451 *Logistic 34.316 <0.0053-Parameter Loglogistic 33.28 *
18
Model Mixture Normal
Misalkan suatu data pengamatan yang mempunyai sebanyak ksub-populasi yang masing-masing berdistribusi Normal, maka fungsi densitas model mixture Normal
Dimanadan j adalah banyaknya komponen mixture suatu saham
19
Deskripsi Statistik Return Setiap Saham Berdasarkan Komponen Penyusun
0.10.0-0.1-0.2-0.3-0.4-0.5
20
15
10
5
0
bca
Den
sity
-0.01507 0.08451 660.001808 0.02090 1641
Mean StDev N
12
2kom
Histogram of bcaNormal
BCA 2 komponen
N Mean St.Dev
1 66 -0.0151 0.0845
2 1641 0.001808 0.020901
0.10.0-0.1-0.2-0.3-0.4-0.5
20
15
10
5
0
bca
De
nsi
ty
-0.01507 0.08451 66-0.0004614 0.03260 123
0.001992 0.01966 1518
Mean StDev N
123
3 kom_1
Histogram of bcaNormal
BCA 3 komponen N Mean St.Dev1 66 -0.0151 0.08452 123 -0.00046 0.032603 1518 0.001992 0.019655
20
0.3000.2250.1500.0750.000-0.075-0.150
25
20
15
10
5
0
agro
Den
sity
0.003479 0.07980 69-0.0001642 0.01781 246
Mean StDev N
12
2 kom
Normal Histogram of agroniaga
Agroniaga 2 komponen
N Mean St.Dev
1 69 0.00348 0.079802 246 -0.00016 0.01781
0.3000.2250.1500.0750.000-0.075-0.150
25
20
15
10
5
0
agro
Den
sity
0.004794 0.08062 67-0.008032 0.02651 12
-0.0001065 0.01756 236
Mean StDev N
123
3komponen_1
Normal Histogram of agroniaga
Agroniaga 3 komponen
N Mean St.Dev
1 67 0.00479 0.080622 12 -0.00803 0.026513 236 -0.00011 0.01756
21
0.180.120.060.00-0.06-0.12-0.18-0.24
20
15
10
5
0
bni
Den
sity
0.009430 0.06218 216-0.0001445 0.02162 1570
Mean StDev N
12
kombni 2
Histogram of bniNormal
BNI 2 komponen N Mean St.Dev
1 216 0.00943 0.06218
2 1570 -0.000145 0.021623
0.180.120.060.00-0.06-0.12-0.18-0.24
20
15
10
5
0
bni
De
nsi
ty
0.01246 0.07191 147-0.004532 0.03203 2820.0009256 0.01941 1357
Mean StDev N
123
kombni 3
Histogram of bniNormal
BNI 3 komponen
N Mean St.Dev
1 147 0.01246 0.07191
2 282 -0.00453 0.03201
3 1357 0.000926 0.019414
22
0.180.120.060.00-0.06-0.12-0.18
18
16
14
12
10
8
6
4
2
0
pan urut
Den
sity
-0.001500 0.06189 2510.001726 0.02319 1882
Mean StDev N
12
kompan 2
Normal Histogram of pan
Pan 2 komponen N Mean St.Dev
1 251 -0.0015 0.06189
2 1882 0.001726 0.02319
0.180.120.060.00-0.06-0.12-0.18
20
15
10
5
0
pan urut
Den
sity
-0.001500 0.06189 2510.007080 0.03681 1750.001177 0.02125 1707
Mean StDev N
123
kompan 3
Normal Histogram of pan
Pan 3 komponen N Mean St.Dev
1 251 -0.0015 0.06189
2 175 0.007708 0.03681
3 1707 0.001177 0.021248
23
0.240.160.080.00-0.08-0.16-0.24-0.32
16
14
12
10
8
6
4
2
0
niaga
Den
sity
0.0008192 0.09336 1250.001436 0.02533 1990
Mean StDev N
12
2 kom_1
Histogram of niagaNormal
CIMB Niaga 2 komponen
N Mean St.Dev
1 125 0.00082 0.093362 1990 0.001436 0.025331
0.240.160.080.00-0.08-0.16-0.24-0.32
18
16
14
12
10
8
6
4
2
0
niaga
Den
sity
0.002161 0.09743 1120.005857 0.04548 1030.001113 0.02396 1900
Mean StDev N
123
3 kom
Histogram of niagaNormal
CIMB Niaga 3 komponen
N Mean St.Dev
1 112 0.00216 0.071912 103 0.00586 0.032013 1900 0.001113 0.023962
24
Struktur Perkalian Distribusi (SPD)Struktur Perkalian Distribusi (SPD) dikembangkan oleh Iriawan (2000a)
sebagai suatu metode pemilihan model terbaik dan menjelaskan cara kerja SPDdengan membentuk distribusi gabungan dari beberapa model denganmenggunakan asas perkalian dan tidak memperhatikan asumsi normalitas padaresidualnya.
( ) ( ) ( )21
21121 ,,,,, θθθθλ λλ xfxfXfSPD−=
25
Bayes FaktorKass dan Raftery (1995) menjelaskan prinsip kerja Bayes sebagai berikut.Misal ada dua model yang sesuai untuk data x, yaitu dan maka penentuanmodel yang paling sesuai untuk data x dilakukan dengan menguji keduamodel tersebut menggunakan hipotesis yaitu.
Untuk lebih dari dua distribusi penyusun dalam SPD
Dimana adalah banyaknya distribusi atau model ke-j; j=1,2,…,myang dapat dibangkitkan dari sebanyak N iterasi MCMC untuk SPD denganm-distribusi penyusun.
( )gjλ
26
Pemilihan Model Terbaik Dengan Struktur Perkalian Distribusi
node mean sdMC
error 2.50% median 97.50% start samplelambda 0.6001 0.2006 0.002144 0.1945 0.6149 0.9308 1 10000
BanyaknyaKomponen Model
Mixture
2 3
2 1 1.50062523 0.6663889 1
Pemilihan Model Terbaik Return Saham BCA Tbk.
Dengan
27
Pemilihan Model Terbaik Return Saham Bank Agroniaga Tbk
node mean sdMC
error 2.50% median 97.50% start sample
lambda 0.6009 0.1976 0.001908 0.1998 0.6148 0.9267 1 10000
Banyaknya KomponenModel Mixture
2 3
2 1 1.50563773 0.66417704 1
Dengan
28
Pemilihan Model Terbaik Return Saham BNI Tbk
node mean sdMC
error 2.50% median 97.50% start sample
lambda 0.3981 0.2 0.00189 0.0663 0.3851 0.8043 1 10000
Banyaknya KomponenModel Mixture
2 3
2 1 0.66140553 1.5119317 1
Dengan
29
Pemilihan Model Terbaik Return Saham Bank Pan Tbk
node mean sdMC
error 2.50% median 97.50% start samplelambda 0.3984 0.201 0.001978 0.07072 0.3825 0.8065 1 10000
BanyaknyaKomponen Model
Mixture
2 3
2 1 0.6622343 1.5100402 1
Dengan
30
Pemilihan Model Terbaik Return Saham Bank CIMB Niaga Tbk.
node mean sdMC
error 2.50% median 97.50% start sample
lambda 0.3995 0.2008 0.001859 0.06839 0.3854 0.8085 1 10000
Banyaknya KomponenModel Mixture
2 3
2 1 0.66527893 1.5031289 1
Dengan
31
Model Mixture of Mixture NormalApabila sebanyak k saham penyusun model mixture portofolioadalah berdistribusi Normal, maka fungsi densitas model berupamixture of mixture Normal adalah sebagai berikut:
Dengan dan k adalah banyaknya saham
Metode Markov Chain Monte Carlo (MCMC) denganGibbs Sampler
Untuk mendapatkan distribusi posterior dari suatu Bayesian yangsangat rumit memerlukan suatu proses integrasi yang sulit dalammenentukan marjinal posterior suatu parameter, sehingga digunakanpendekatan numeric Markov Chain Monte Carlo (MCMC).
32
• Teori Portofolio• Investasi merupakan sebuah cara alternatif yang dapat
digunakan untuk meningkatkan nilai asset. Portofoliomerupakan kombinasi atau gabungan atau sekumpulanaset, baik berupa aset riil maupun aset financial yang dimilikioleh investor. Investasi aset riil dapat dilakukan denganmembeli peralatan, pendirian pabrik, emas, rumah dan lainnyasedangkan investasi pada financial asset yaitu berupa sertifikatdeposito, komersial papper, saham, obligasi, dll.
33
Estimasi densitas return saham BCA Tbk
Estimasi densitas return saham Bank Agroniaga Tbk
Estimasi densitas return saham BNI Tbk
Estimasi densitas return saham Bank Pan Tbk
Estimasi densitas return saham Bank CIMB Niaga Tbk
Estimasi Parameter dan Analisis Model Mixture ReturnSaham
34
Estimasi Parameter dan Analisis Model Mixture of MixtureDalam Portofolio
alokasi dana terbesar yaitu 54.43% untuk saham BCA, 19.64% dialokasikan padasaham Bank CIMB Niaga, 17.51% diinvestasikan untuk saham Bank Pankemudian 7.442% untuk saham BNI dan alokasi terkecil sebesar 0.9701% padasaham Agroniaga.
35
Dengan dan
Dimana :.
Analisis Besarnya Resiko Investasi Saham dalam Portofolio Dengan Metode Partitioned Multiobjective Risk Method (PMRM)
36
5. Hasil analisis besarnya resiko dengan nilai didapatkan nilai dan
artinya bahwa kerugian maksimal yang dapat ditoleransi investor adalah sebesar 5% atau investor akan mengalami kerugian selama 5 hari dalam 100 hari transaksi dengan rata-rata besarnya kerugian sebesar -0.15152965483
37
Astuti, E. Y. 2006. Implementasi Portofolio Optimal DenganBayesian Markov Chain Monte Carlo Menggunakan
model Miture Dari Beberapa Mixture. Tesis, FMIPA-ITS,Surabaya.
Box, G.E.P dan Tiao, G.C., 1973. Bayesian In StatisticalAnalysis, Addison-Weasley Publising Company,Massachusetts.Casella, G., dan George, I.E. 1992. Explaining The Gibbs
Sampler. Journal of The American StatisticianAssociation. 46(3). Hal. 167-174.Fitriana, P. 2009. Pembentukan Portofolio Saham Yang Optimal
Dengan Menggunakan Beberapa Model Analisishttp://artikel.staff.uns.ac.id/2009/01/05/pembentukan-portofolio-saham-yang-optimal-dengan-menggunakan-beberapa-model-analisis/ (diakses tanggal 10 Maret 2011 pukul16.57).
DAFTAR PUSTAKA
38
Iriawan, N. 2000a. Computationally Intensive Approaches toInferences in Neo-Normal Linier Models. Ph.D. Thesis. CUT-Australia.
---------2000b. On Stable and Adaptive Neo Normal Distribution,Proceeding of The South East Asian Mathematical Society(SEAMS), Yogyakarta, hal.384- 389.
---------2001. Pemilihan Model Menggunakan Struktur PerkalianDistribusi. Kappa I(I), hal.37-44.
---------2001a. Penaksiran Model Mixture Normal Univariabel ;Suatu Pendekatan Metode Bayesian dengan MCMC,Prossiding Seminar Nasional dan Konferda VIIMatematika Wilayah DIY dan Jawa Tengah, Yogyakarta.
Hal.105-110.--------- 2003. Teknik Simulasi, Modul Ajar, ITS.Kass, R.E., dan Raftery, A.E. 1995. Bayes Factors, Journal of The
American Statistical Assosiation, 90(430), hal. 774-795.McLachlan, G.J., dan Basford, K. 1988. Mixture Models: Inference and
Application to Clustering, Marcel and Dekker Inc. 39
Noname. 2007. Pengertian/Arti Definisi Saham Biasa Dan SahamPreferen - Ilmu Pengetahuan Dasar Investasi EkonomiKeuangan. http://organisasi.org/pengertian-arti-definisi-saham- biasa-dan-saham-preferen-ilmu-pengetahuan-dasar-investasi- ekonomi-keuangan. (diakses tanggal 10 Maret2011 pukul 20.54).
Rhichardson, S., dan Green, P.J. 1997. On Bayesian Analysis With anUnknown Number of Components, Journal of Royal statisticalSociety, B, 59,No.4, hal.731-792.
Silverman, B. 1986. Density Estimation for Statistics and DataAnalysis, Chapman &Hall, London.
Wati, D.M. 2006. Analisis Bayesian Markov Chain Monte Carlo PadaPemodelan Mixture Normal Dengan Banyak Komponen TidakDiketahui (Studi Kasus Tingkat Inflasi Di Indonesia), Tesis,FMIPA-ITS, Surabaya.
40
Optimalisasi Portofolio Saham Dengan Bayesian Markov Chain Monte Carlo Menggunakan
Pendekatan Model Mixture of Mixture
0.240.160.080.00-0.08-0.16-0.24-0.32
18
16
14
12
10
8
6
4
2
0
niaga
Den
sity
0.002161 0.09743 1120.005857 0.04548 1030.001113 0.02396 1900
Mean StDev N
123
3 kom
Histogram of niagaNormal
41