ANALISIS JURNAL : PENGGUNAAN ALGORITMA GENETIKA UNTUK PEMILIHAN PORTFOLIO SAHAM DALAM MODEL MARKOWITZ

Wawan Taufiq N. dan Silvia Rostianingsih (2005)

Latar Belakang

Tujuan dasar dari investasi adalah untuk mendapatkan return setinggi mungkin dengan resiko yang paling kecil. Oleh karena itu, para investor melakukan diversifikasi investasi untuk menghasilkan kombinasi yang optimal. Diversifikasi ini menjadi dasar bagi berkembangnya portofolio modern yang digagas pertama kali oleh Harry Markowitz. Pendekatan Markowitz dalam memilih portofolio adalah bahwa investor harus mengevaluasi portofolio berdasarkan return yang diharapkan dan resiko yang diukur dari standar deviasi.

Masalah

Apakah perhitungan dari kombinasi portofolio metode Algoritma Genetika menghasilkan solusi yang lebih baik dibanding metode Quadratic Programming?

Tujuan

Untuk mengetahui apakah hasil dari perhitungan solusi kombinasi portofolio metode Algoritma Genetika lebih baik dibanding metode tradisional Quadratic Programming.

Metodologi

Eksperimen dilakukan dengan menggunakan data sampel dari 5 saham, laludibandingkan dengan hasil yang didapatkan dari penggunaan teknik quadratic programming dengan bantuan sebuah software add-in di MS Excel untuk menunjukan keunggulan optimasi secara simultan terhadap resiko and return. Data tersebut didapatkan selama periode 1/1/1994 sampai dengan 31/1/1995. Model Algoritma Genetika yang digunakan adalah:

.............................................................................................(1)

..................................................................................................(2)

.....................................................................(3)

Hasil

Alokasi proporsi yang didapatkan dengan menggunakan perhitungan metode Quadratic Programming mendapatkan tingkat return sebesar 0.17 dengan resiko minimum sebesar 0.435. Sedangkan alokasi proporsi yang didapatkan dengan menggunakan perhitungan metode Algoritma Genetik mendapatkan tingkat return sebesar 0.49 dengan resiko minimum sebesar 0.372. Dapat disimpulkan bahwa dengan memeperbandingkan keduanya, Algoritma Genetik dapat menemukan solusi yang lebih baik dibanding Quadratic Programming dalam pemaksimalan return dan meminimalisasi tingkat resiko.