No abstract

Stock is one of the investment assets that has its charm for investors. It is very liquid and has a high rate of return, but it has a high risk. The strategy commonly used to minimize investment risk is to diversify through portfolio formation. A good allocation of funds must be determined in forming an optimal portfolio. In addition, the method of stock selection needs to be considered so the stocks are well diversified and the portfolio developed has good performance. This study aims to compare stock selection between K-Means and Average Linkage clustering approaches in forming an investment portfolio. Clustering analysis is used to group IDX80 stocks based on their attributes. In forming a portfolio with the Mean-VaR model, the stock selection decision criteria used are by selecting stocks with the highest positive returns from each cluster. As a result, the two clustering techniques show the superiority of the Silhouette score for a certain number of clusters, but there are still more advantages in Average Linkage. The portfolio approached by Average Linkage resulted in a better performance than the portfolio approached by K-Means. Therefore, Average Linkage clustering can be used as a better recommendation in decision-making to select stocks so as to produce optimal portfolio performance.

Saham merupakan surat berharga sebagai bukti penyertaan atau kepemilikan individu maupun instansi dalam suatu perusahaaan. Keuntungan berinvestasi saham dapat dilihat dari besarnya return saham. Model matematis dapat diterapkan untuk memodelkan pergerakan harga saham agar investor memiliki pengetahuan untuk memprediksi harga saham di masa mendatang. Salah satu pemodelan yang dapat digunakan untuk melihat pergerakan harga saham yaitu dengan model gerak Brown geometrik. Penelitian ini bertujuan untuk mengetahui tingkat akurasi prediksi pergerakan harga saham menggunakan gerak Brown geometrik. Gerak Brown merupakan sebuah proses stokastik yang bersifat kontinu dan sering disebut sebagai proses Wiener. Gerak Brown dapat dibentuk dari sebuah Random Walk yang simetris, yaitu dengan mencari nilai limit dari distribusi Random Walk tersebut. Model Gerak Brown Geometrik merupakan modifikasi dari gerak Brown dimana perubahan relatifnya berbentuk kombinasi dari pertumbuhan deterministik ditambah dengan perubahan acak yang berdistribusi normal. Metode penelitian menggunakan studi literatur dan studi eksperimental melalui simulasi pada data sekunder berupa data harian harga saham suatu perusahaan dari tanggal 4 Mei 2020 sampai 30 April 2021. Simulasi data menggunakan gerak Brown geometrik dengan R Studio menunjukkan bahwa data return saham berdistribusi normal serta menghasilkan prediksi pergerakan harga saham dengan tingkat akurasi yang baik. Hal ini ditunjukkan dengan nilai rata-rata MAPE dari 20 kali percobaan simulasi menggunakan R Studio, yaitu sebesar 13,904 %. Oleh karena itu, model gerak Brown geometrik dapat digunakan oleh para investor atau manager investasi untuk memprediksi pergerakan harga saham suatu perusahaan dalam rentang waktu tertentu