Optimisasi Portofolio Time-Varying Black-Litterman Berbasis Algoritma Bio-Inspired dan Neural Network pada Saham di IDX80

Deskripsi

Subjektivitas investor dalam membentuk Investor Views dan ketidakstabilan estimasi parameter pasar sering kali menyebabkan alokasi portofolio menjadi tidak optimal, terutama pada pasar berkembang yang memiliki volatilitas tinggi dan perubahan rezim yang cepat. Penelitian ini bertujuan mengevaluasi konstruksi portofolio pada saham konstituen IDX80 menggunakan pendekatan Time-varying Black-Litterman, di mana Investor Views dibentuk secara kuantitatif melalui model WASD-PFN dan BiGRU. Volatilitas kondisional GARCH digunakan sebagai fitur risiko, sedangkan bobot portofolio dioptimisasi menggunakan Two-Stage Beetle Antennae Search dengan cardinality constraint. Kinerja model diuji melalui skema walk-forward backtesting dan dibandingkan dengan Cardinality-Constrained Mean-Variance, Hierarchical Risk Parity, equal weight, serta indeks LQ45. Hasil penelitian menunjukkan bahwa integrasi model prediktif ke dalam Black-Litterman dapat menghasilkan views yang lebih objektif, tetapi tidak menjamin superioritas portofolio pada seluruh kondisi pasar. BiGRU cenderung lebih defensif dalam mengendalikan risiko penurunan, sedangkan CCMV lebih kompetitif pada fase pasar dengan tren yang jelas. Sebaliknya, WASD-PFN menunjukkan sensitivitas tinggi terhadap sinyal harian sehingga performanya dipengaruhi oleh derau pasar, biaya transaksi, dan frekuensi rebalancing. Temuan ini menegaskan bahwa efektivitas model portofolio berbasis machine learning sangat bergantung pada kestabilan fitur, struktur risiko, batasan kardinalitas, dan rezim makroekonomi.