Penelitian ini fokus pada optimasi portofolio dengan menekankan pada pencapaian return tinggi dan risiko rendah. Dibandingkan dengan metode equal weight yang hanya diberikan bobot yang sama tanpa memandang ukuran atau nilai pasar
saham tersebut. Penelitian ini mengusulkan metode Stock Network Portofolio Allocation berbasis Return History (SNPAr).
SNPAr memanfaatkan algoritma untuk menghitung probabilitas transisi berdasarkan akumulasi kekayaan dengan mengalokasikan saham dalam network, mempertimbangkan keterkaitan antar saham. Dengan menggunakan data LQ45 dari
Oktober 2008 hingga Agustus 2023, eksperimen menunjukkan bahwa nilai Threshold 0.4 memberikan kinerja terbaik dengan pertumbuhan nilai return portofolio rata-rata 0,017 dan standar deviasi 0,062. Saat dibandingkan dengan portofolio
equal weight, SNPAr menunjukkan superioritas, dengan return lebih tinggi dan risiko lebih rendah. Ini menegaskan bahwa
SNPAr merupakan metode yang lebih efektif untuk optimasi portofolio jangka panjang.
Authors who publish in this journal agree to the following rules:
- Authors retain copyright and give the journal the right of first publication, with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors may enter separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., posting it to an institutional repository or publishing it in a book), with attribution to the journal's initial publication.
- Authors are permitted and recommended to post their work online (such as in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges as well as earlier and greater citation of published work.
