Optimasi Expected End Value Portofolio Saham Konstituen IDX30 Berbasis Linear Programming dengan Kendala Conditional Value-at-Risk

Abstract

Fluktuasi pasar saham Indonesia menunjukkan distribusi return yang tidak simetris dan berekor tebal, sehingga diperlukan pengukuran risiko ekstrem yang lebih akurat. Penelitian ini bertujuan memaksimalkan expected end value portofolio dengan menerapkan kendala risiko Conditional Value-at-Risk (CVaR) melalui model optimasi Linear Programming. Data yang digunakan berupa adjusted closing prices 22 saham konstituen IDX30 selama periode Februari 2023 hingga Februari 2025. Model disimulasikan pada 81 kombinasi parameter menggunakan 483 skenario historis yang dibentuk melalui metode overlapping window dengan horizon investasi 10 hari kerja. Hasil penelitian menunjukkan bahwa 52 kombinasi menghasilkan solusi portofolio yang feasible. Batas toleransi risiko yang semakin ketat serta adanya biaya transaksi menurunkan expected end value dan pada kondisi tertentu menyebabkan model menjadi infeasible. Meskipun tingkat kepercayaan divariasikan (90%, 95%, dan 99%), komposisi portofolio relatif stabil dengan dominasi saham sektor energi, sedangkan sisa dana dialokasikan pada saham berisiko lebih rendah untuk menjaga stabilitas portofolio.

The Indonesian stock market exhibits asymmetric and fat-tailed return distributions, highlighting the need for a more accurate measure of extreme risk. This study aims to maximize the expected end value of a stock portfolio by incorporating a Conditional Value-at-Risk (CVaR) constraint within a Linear Programming optimization model. The analysis uses adjusted closing prices of 22 IDX30 constituent stocks from February 2023 to February 2025. The model is evaluated under 81 parameter combinations using 483 historical scenarios generated through the overlapping window method with a 10-day investment horizon. The results show that 52 parameter combinations produce feasible portfolio solutions. Stricter risk tolerance limits and transaction costs reduce the expected end value and, in some cases, render the optimization model infeasible. Although confidence levels vary across 90%, 95%, and 99%, the optimal portfolio composition remains relatively stable, emphasizing energy-sector stocks while allocating the remaining funds to lower-risk stocks for portfolio stability.