Deskripsi
Hybrid Portfolio Optimizer Menggunakan Algoritma Ensemble Dinamis LSTM-XGBoost Berbasis XAI dan Walk-Forward Backtesting untuk prediksi return saham dan optimasi portofolio. Sistem menggabungkan LSTM untuk menangkap dependensi temporal dan XGBoost untuk menangkap pola non-linear, dengan ensemble weight dinamis berdasarkan performa validasi masing-masing model. Model dilatih secara walk-forward tanpa kebocoran data masa depan selama 22 periode rebalancing (2020-2025). Komponen Explainable AI (XAI) memberikan transparansi melalui hybrid feature importance dan penjelasan per saham terpilih. Fitur Utama Sistem: 1. Prediksi return 21 hari ke depan (ensemble LSTM + XGBoost) 2. Walk-forward backtesting 5 tahun, 22 periode rebalancing 3. Optimasi portofolio Sharpe maximization via SLSQP 4. Trailing stop-loss dinamis berbasis volatilitas (range 5%–12%) 5. Diversifikasi sektoral otomatis (maks 30% sektor, 20% per saham) 6. XAI hybrid: XGBoost gain-based + LSTM gradient saliency 7. Biaya transaksi: 0,2% beli + 0,2% jual Nilai Utama & Keunikan: 1. Kombinasi LSTM dan XGBoost dengan ensemble dinamis. 2. Menggunakan XAI untuk menggabungkan feature importance kedua model. 3. Evaluasi walk-forward tanpa data leakage. 4. Fokus pada saham berkapitalisasi besar dan likuid. 5. Trailing stop-loss adaptif berbasis volatilitas.
