Penerapan Estimasi Fast-MCD dan SOCP dalam Pembentukkan Portofolio Robust Mean Variance
Abstract
Portofolio model Mean Variance (MV) menitikberatkan pada penggunaan vektor rata-rata dan
matriks kovarian dalam pembentukkan portofolio optimal. pembentukkan portofolio menggunakan
model MV menjadi optimal, karena Σ
dan ̂ adalah Maximum Likelihood Estimator bagi Σ dan μ. Pada
kenyataanya data keuangan sering menyimpang dari kenormalan, sehingga pembentukkan portofolio
robust menjadi sangat penting. Pada penelitian ini akan membandingkan portofolio mean variance
melalui pendekatan Fast-MCD dan SOCP (second order cone programming). Hasil studi kasus pada
saham yang terdaftar di Jakarta Islamics Index menunjukkan portofolio dengan pendekatan
optimisasi robust (SOCP) lebih unggul dibandingkan portofolio model MV maupun Fast MCD.
matriks kovarian dalam pembentukkan portofolio optimal. pembentukkan portofolio menggunakan
model MV menjadi optimal, karena Σ
dan ̂ adalah Maximum Likelihood Estimator bagi Σ dan μ. Pada
kenyataanya data keuangan sering menyimpang dari kenormalan, sehingga pembentukkan portofolio
robust menjadi sangat penting. Pada penelitian ini akan membandingkan portofolio mean variance
melalui pendekatan Fast-MCD dan SOCP (second order cone programming). Hasil studi kasus pada
saham yang terdaftar di Jakarta Islamics Index menunjukkan portofolio dengan pendekatan
optimisasi robust (SOCP) lebih unggul dibandingkan portofolio model MV maupun Fast MCD.
Full Text:
PDF (Bahasa Indonesia)DOI: https://doi.org/10.29313/jstat.v14i1.1086
Refbacks
- There are currently no refbacks.
Copyright Notice
STATISTIKA is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.