Analisis Korelasi antar Saham dalam indeks

NASDAQ dan NYSE

Jeremy David Dipahotma, Rafsan Shivaduta

10219036, 10218030

Mata Kuliah Ekonofisika, Program Studi Fisika

jeredav24@gmail.com, rafsanss.30@gmail.com,

ABSTRAK

Dalam teori probabilitas dan fisika matematika, Random Matrix Theory (RMT) adalah variabel acak
layak-matriks—yaitu, matriks di mana beberapa atau semua elemennya adalah variabel acak. Banyak
sifat penting dari sistem fisik dapat direpresentasikan secara matematis sebagai masalah matriks. RMT
banyak digunakan karena kegunaannya yang mampu menganalisa berbagai perilaku perilaku complex
dengan jumlah set data yang banyak/data besar (Big Data). RMT seringkali dianggap sebagai
“hipotesis informasi nol''. RMT juga menggambarkan perilaku generik dari kelas sistem yang berbeda,
sementara penyimpangan dari prediksi universal memungkinkan untuk mengidentifikasi properti
khusus sistem. Kami menggunakan metode RMT untuk menganalisis matriks korelasi dari perubahan
harga saham dari Nasdaq & NYSE. Selain kepentingan ilmiahnya, studi korelasi antara pengembalian
saham yang berbeda juga relevansi praktis dalam mengukur risiko portofolio saham tertentu dan
kemudian didapatkan bahwa saham-saham pada pasar NASDAQ lebih berkorelasi satu dengan yang
lain dibandingkan pada saham-saham pada pasar NYSE.

PENDAHULUAN

Untuk sistem kompleks, prediksi RMT mewakili rata-rata dari semua kemungkinan interaksi.
Deviasi dari prediksi RMT mengidentifikasi sifat non-random dari sistem yang sedang
dipertimbangkan, memberikan petunjuk tentang interaksi yang mendasarinya. Nilai eigen dari matriks
korelasi silang akan dibandingkan dengan nilai eigen dari matriks acak, dan akan ditemukan bahwa
beberapa nilai eigen berdeviasi dari prediksi RMT. Nilai eigen terbesar dan yang sesuai komponen
vektor eigen mewakili 'respons' kolektif dari seluruh pasar terhadap rangsangan.

Dalam naskah ini, akan dibahas kinerja portofolio yang akan dibangun dari dua jenis
pasar saham yaitu Nasdaq and NYSE, kedua portofolio akan dibandingkan menggunakan RMT untuk
mengevaluasi portofolio.
RANDOM MATRIX THEORY (RMT)

Teori matriks acak pertama kali diperkenalkan ke matematika statistik oleh Wishart pada tahun
1928, kemudian Wigner memperkenalkan konsep distribusi statistik tingkat energi nuklir pada tahun
1950. Namun, baru pada tahun 1955 Wigner memperkenalkan himpunan matriks acak. Gagasan matriks
acak dengan himpunan invarian diperkenalkan ke fisika oleh Porter dan Rosenzweig, yang sebelumnya
telah diperkenalkan dalam literatur matematika. Gaudin dan Mehta memperkenalkan analisis
matematis ketat pertama dari distribusi spasial. Untuk menganalisis kerapatan nilai eigen, Mehta
menemukan metode polinomial orthogonal.
Dasar matematika dari teori matriks acak diterbitkan dengan baik dalam sebuah artikel oleh
Dyson. Dia memperkenalkan klasifikasi himpunan teori matriks acak berdasarkan sifat invariansinya.
Artikel penting lainnya oleh Dyson adalah hubungan antara teori matriks acak dan teori sistem
terintegrasi tertentu, misalnya fungsi partisi dari himpunan matriks acak setara dengan fungsi partisi
dari potensi logaritmik gas Coulomb dalam satu dimensi.
Dalam sumber lain ia mengatakan bahwa teori matriks acak dijelaskan oleh Mehta (1991)
sebagai representasi matriks dari rata-rata Interaksi inti. Array ini berisi komponen korelasi silang
antara objek yang diidentifikasi. Korelasi silang adalah korelasi atau ukuran hubungan antara dua
variabel acak, yang dapat dianalogikan dengan kovarians dua atau lebih variabel acak. Dalam matriks
acak ini, informasi korelasi silang yang sebenarnya disembunyikan dalam matriks korelasi silang yang
masih penuh dengan noise.
Untuk membuat matriks korelasi, pertama kita akan menghitung return dari tiap saham pada
waktu t, 𝐺𝑖 (𝑡) pada saham ke i = 1,..., N dari harga saham pada deret waktu 𝑆𝑖 (𝑡), pada selang waktu
delta t.

𝐺𝑖 (𝑡) ≡ ln(𝑆𝑖 (𝑡 + ∆𝑡)) − ln⁡(𝑆𝑖 (𝑡)), (1)

Pada persamaan (1) digunakan logaritma natural untuk menghitung return dari saham agar data
terdistribusi normal. Langkah berikutnya menghitung return yang ternormalisasi dengan persamaan:
𝐺𝑖 (𝑡)−〈𝐺𝑖 (𝑡)〉
𝑔𝑖 (𝑡) ≡ , (2)
𝜎𝑖

Dengan 𝜎𝑖 ≡ √〈𝐺𝑖2 〉 − 〈𝐺𝑖 〉2 adalah standar deviasi dari Gi . Kemudian kita hitung matriks
korelasi dengan menggunakan persamaan :

𝐶𝑖𝑗 ≡ 〈𝑔𝑖 (𝑡)𝑔𝑗 (𝑡)〉, (3)

Langkah berikutnya adalah membentuk matriks acak yang berfungsi sebagai filter supaya dapat
memisahkan data sebenarnya yang bebas dari noise. Secara matematis, pembuatan matriks acak
menggunakan persamaan:
1
𝑅 ≡ 𝐿 𝐴𝐴𝑇 (4)
HASIL

Perhitungan nilai return menggunakan data historis dari dua puluh sampel perusahaan yang memiliki
saham teknologi dan media sosial di pasar NASDAQ dan NYSE. Sebelum kita masuk ke cara
menghitung korelasi saham, mari kita lihat dulu fungsi probability density (PDF) dari masing-masing
pasar saham, seperti terlihat pada gambar di bawah ini:

Gambar 1. PDF Nilai Eigen pasar NASDAQ (gambar kiri) ; PDF Nilai Eigen pasar NYSE (gambar kanan)

Agar terbentuk matriks korelasi, dengan menggunakan MATLAB, kemudian didapatkan hasilnya
sebagai berikut :

Gambar 2. Korelasi saham pada pasar NASDAQ (gambar kiri); Korelasi saham pada pasar NYSE (gambar kanan)

REFERENSI

[1] A. Mahardhika, A. Purqon, Aplikasi Random Matrix Theory dalam Analisis Portofolio dan
Kaitannya dengan Korelasi antar Saham (2015)
[2] M. L. Mehta, Random Matrices (Academic Press, Boston, 1991).
[3] F. J. Dyson and M. L. Mehta, J. Math. Phys. 4, 701 (1963).
[4] M. L. Mehta and F. J. Dyson, J. Math. Phys. 4, 713 (1963).
[5] T. A. Brody, J. Flores, J. B. French, P. A. Mello, A. Pandey and S. S. M. Wong, Rev. Mod. Phys.
53, 385 (1981
[6] Rosenow, Bernd, Random Matrix Theory and Econophysics, APS March Meeting Abstract P5.004
(2000)