IPINTERNASIONALIPINTERNASIONAL

International Journal of Community Service (IJCS)International Journal of Community Service (IJCS)

Artikel ini mengusulkan kerangka kerja kuantitatif hibrida yang mengintegrasikan pemodelan deret waktu statistik dan pembelajaran mesin evolusioner untuk optimasi portofolio. Pendekatan ini menggabungkan model ARIMA–GARCH untuk secara bersamaan memperkirakan rata-rata bersyarat dan volatilitas imbal hasil aset dengan Algoritma Genetika (GA) yang mencari bobot portofolio optimal berdasarkan profil risiko-imbal hasil yang tersirat oleh model. Studi ini mengadopsi desain kuantitatif data sekunder, mensintesis bukti dari aplikasi empiris sebelumnya dari peramalan ARIMA–GARCH dan optimasi portofolio berbasis GA di pasar ekuitas, termasuk indeks S&P500 dan konstituen LQ45 Indonesia. Analisis deskriptif mengonfirmasi pengelompokan volatilitas yang kuat dan kurtosis pada imbal hasil saham harian, membenarkan penggunaan model volatilitas tipe GARCH. Hasil empiris dari literatur menunjukkan bahwa model ARIMA–GARCH hibrida secara signifikan mengungguli ARIMA mandiri dan strategi beli-dan-tahan dalam hal kesalahan peramalan dan kinerja yang disesuaikan dengan risiko, sementara portofolio yang dioptimalkan GA mencapai trade-off risiko-imbal hasil yang lebih unggul dibandingkan dengan optimasi varians-rata tradisional. Temuan ini mendukung integrasi konseptual dari perkiraan ARIMA–GARCH dan alokasi berbasis GA sebagai arah yang menjanjikan untuk konstruksi portofolio, khususnya di pasar negara berkembang seperti Indonesia. Artikel ini diakhiri dengan implikasi bagi manajer portofolio, regulator, dan kurikulum pendidikan tinggi dalam keuangan kuantitatif dan investasi berbasis data.

Artikel ini menyimpulkan dengan implikasi bagi manajer portofolio, regulator, dan kurikulum pendidikan tinggi dalam keuangan kuantitatif dan investasi berbasis data.Secara metodologis, artikel ini menguraikan alur kerja konkret untuk mengintegrasikan ekonometrika deret waktu dan pembelajaran mesin dalam kerangka optimasi portofolio terpadu.Pedagogis, artikel ini ditujukan untuk mendukung pengembangan kurikulum di pendidikan tinggi Indonesia, khususnya dalam program yang bertujuan untuk menggabungkan statistik, ilmu komputer, dan keuangan.

Berdasarkan penelitian ini, beberapa saran penelitian lanjutan dapat dipertimbangkan. Pertama, penelitian lebih lanjut dapat mengeksplorasi penerapan kerangka kerja ARIMA–GARCH–GA pada berbagai kelas aset, seperti obligasi dan komoditas, untuk menilai efektivitasnya dalam konteks yang berbeda. Kedua, penelitian dapat menyelidiki integrasi faktor-faktor ESG (Lingkungan, Sosial, dan Tata Kelola) ke dalam fungsi kebugaran GA untuk membangun portofolio yang berkelanjutan dan bertanggung jawab secara sosial. Terakhir, penelitian dapat berfokus pada pengembangan metode untuk mengkalibrasi dan mengoptimalkan parameter model ARIMA–GARCH dan GA secara bersamaan, dengan tujuan meningkatkan akurasi peramalan dan kinerja portofolio.

  1. Integration of Statistical and Machine Learning Models for Time Series Forecasting in Optimizing Decision... jisem-journal.com/index.php/journal/article/view/10399Integration of Statistical and Machine Learning Models for Time Series Forecasting in Optimizing Decision jisem journal index php journal article view 10399
  2. Modeling Volatility for High-Frequency Data of Cryptocurrency Bitcoin Price using Generalized Autoregressive... ijaers.com/detail/modeling-volatility-for-high-frequency-data-of-cryptocurrency-bitcoin-price-using-generalized-autoregressive-conditional-heteroskedasticity-garch-modelModeling Volatility for High Frequency Data of Cryptocurrency Bitcoin Price using Generalized Autoregressive ijaers detail modeling volatility for high frequency data of cryptocurrency bitcoin price using generalized autoregressive conditional heteroskedasticity garch model
  3. Effect of Exchange Rate Volatility on Portfolio Investment Decisions of U.S. Investors | American Journal... doi.org/10.47672/ajf.2800Effect of Exchange Rate Volatility on Portfolio Investment Decisions of U S Investors American Journal doi 10 47672 ajf 2800
  4. Distributed Discrete-Time Convex Optimization With Closed Convex Set Constraints: Linearly Convergent... ieeexplore.ieee.org/document/10122148Distributed Discrete Time Convex Optimization With Closed Convex Set Constraints Linearly Convergent ieeexplore ieee document 10122148
Read online
File size645.8 KB
Pages14
DMCAReport

Related /

ads-block-test