Bagaimana Data Berdimensi Tinggi Mengubah Cara Kita Memahami Return Saham

✍️ Pendahuluan

Selama puluhan tahun, asset pricing dibangun di atas model-model yang relatif sederhana. CAPM, Fama–French, dan turunannya berangkat dari satu ide besar: return saham mencerminkan kompensasi atas risiko yang terstruktur dan dapat diringkas dalam beberapa faktor.

Namun, dunia keuangan modern bergerak jauh lebih cepat dan lebih kompleks. Informasi mengalir dalam volume besar, karakteristik perusahaan berlapis-lapis, dan kondisi makro berubah secara nonlinier. Dalam konteks ini, muncul pertanyaan mendasar:

Apakah model asset pricing tradisional masih cukup untuk menangkap dinamika return saham?

Di sinilah machine learning (ML) masuk—bukan sebagai pengganti teori ekonomi, tetapi sebagai alat empiris baru untuk membaca pola yang terlalu rumit bagi regresi klasik.

Artikel ini membahas bagaimana pendekatan Empirical Asset Pricing via Machine Learning mereformulasi masalah return saham, sekaligus menjelaskan metode dan model matematisnya dengan cara yang bisa dipahami tanpa kehilangan kedalaman analisis.

🧠 Asset Pricing sebagai Masalah Prediksi

Inti dari asset pricing sebenarnya sederhana:
berapa return yang kita harapkan di masa depan, berdasarkan informasi hari ini?

Secara matematis, ini adalah persoalan ekspektasi kondisional: $\mathbb{E}(R_{t+1} \mid \text{informasi hari ini})$

Pendekatan tradisional biasanya membatasi bentuk hubungan antara informasi dan return misalnya linier, aditif, atau berbasis faktor tertentu.

Pendekatan machine learning mengambil jalan berbeda:

tidak mengunci bentuk fungsi sejak awal,
membiarkan data “mengajari” bagaimana informasi diterjemahkan menjadi return.

Dengan kata lain, asset pricing diperlakukan sebagai masalah prediksi supervised learning.

📊 Data Besar, Masalah Besar

Pendekatan ini menjadi relevan karena skala data yang digunakan sangat besar:

Puluhan ribu saham,
Puluhan tahun observasi bulanan,
Hampir seratus karakteristik saham,
Interaksi karakteristik dengan kondisi makro,
Dummy sektor industri.

Totalnya? Lebih dari 900 variabel prediktor.

Inilah yang disebut high-dimensional data situasi di mana regresi biasa mulai “kewalahan”:

multikolinearitas tinggi,
risiko overfitting besar,
performa out-of-sample sering runtuh.

🧩 Mengapa Regresi Biasa Tidak Cukup?

Bayangkan mencoba memprediksi cuaca dengan 900 sensor, sebagian saling tumpang tindih, sebagian hanya relevan dalam kondisi tertentu.

Regresi linier standar (OLS) akan:

mencoba memberi bobot pada semuanya,
menghasilkan estimasi yang tidak stabil,
terlihat bagus di data lama, tetapi gagal di masa depan.

Machine learning hadir dengan dua ide kunci:

Regularisasi – menahan kompleksitas model,
Fleksibilitas nonlinier – menangkap hubungan yang tidak lurus dan tidak aditif.

🔧 Metode yang Digunakan (Tanpa Jargon Berlebihan)

1️⃣ Model Linear Berpenalti

Elastic Net menggabungkan seleksi variabel dan stabilisasi koefisien. Secara matematis, model ini “menghukum” koefisien yang terlalu besar agar model tidak terlalu percaya diri pada noise.

Ini membuat regresi linier bertahan lebih lama di data besar—meski tetap punya batas.

2️⃣ Reduksi Dimensi

Alih-alih memakai ratusan variabel, metode seperti Principal Component Regression (PCR) dan Partial Least Squares (PLS):

merangkum informasi menjadi beberapa “komponen inti”,
mengorbankan interpretasi individual,
demi prediksi yang lebih stabil.

Ini seperti merangkum ratusan indikator ekonomi menjadi satu indeks kondisi ekonomi.

3️⃣ Model Nonlinier Terbatas

Model spline memungkinkan hubungan melengkung, tetapi masih satu variabel satu arah.
Masalahnya: pasar keuangan jarang bekerja seperti itu.

Efek volatilitas, misalnya, bisa berbeda tergantung momentum, ukuran perusahaan, atau kondisi makro interaksi.

4️⃣ Pohon Keputusan dan Ensemble

Di sinilah model berbasis pohon unggul:

Random Forest dan
Gradient Boosting

Model ini:

membagi ruang data menjadi banyak “rezim” kecil,
secara alami menangkap interaksi antar variabel,
tanpa harus kita tentukan sebelumnya.

5️⃣ Neural Networks

Neural network membawa fleksibilitas paling tinggi:

lapisan demi lapisan transformasi nonlinier,
mampu mempelajari struktur hubungan yang sangat kompleks.

Namun menariknya, hasil empiris menunjukkan:

lebih dalam tidak selalu lebih baik.

Model dengan 2–3 lapisan sering mengalahkan model yang terlalu “deep”. Alasannya sederhana:
sinyal return saham itu kecil, noise-nya besar.

📈 Dari Statistik ke Makna Ekonomi

Keunggulan pendekatan ini tidak hanya di angka statistik, tetapi di implikasi ekonomi nyata:

prediksi digunakan untuk market timing,
membangun portofolio long–short,
meningkatkan Sharpe ratio secara konsisten.

Artinya, model tidak hanya “pintar di atas kertas”, tetapi relevan secara ekonomi.

🔍 Pelajaran Besar dari Pendekatan Ini

Ada tiga pesan utama:

Masalah asset pricing modern adalah masalah data berdimensi tinggi, bukan sekadar spesifikasi faktor.
Interaksi nonlinier adalah sumber utama peningkatan prediksi—bukan sekadar menambah variabel.
Machine learning bukan lawan teori, tetapi alat untuk mengekstrak informasi yang terlalu kompleks bagi model klasik.

✨ Penutup

Machine learning tidak menjawab semua pertanyaan dalam asset pricing. Ia tidak menggantikan teori risiko, perilaku investor, atau institusi pasar.

Namun ia memberi sesuatu yang sangat penting:

cara baru membaca data lama, dengan lensa yang lebih tajam.

Dan mungkin, di situlah masa depan empirical finance sedang dibangun—di persimpangan antara teori ekonomi, data besar, dan algoritma prediktif.

🇬🇧 ENGLISH VERSION

(Ringkas, blog-style, siap ditempel – bisa saya kirim full English jika Anda ingin dipublish terpisah)

Machine Learning and the Future of Asset Pricing
How High-Dimensional Data Reshapes Return Prediction

Asset pricing has long relied on structured risk factors and linear models. Yet modern financial markets generate information far beyond what traditional regressions can efficiently handle.

By reframing expected returns as a conditional prediction problem, machine learning methods allow the data to reveal nonlinearities and interactions that classical models miss.

Using hundreds of firm characteristics, macro interactions, and industry indicators, machine learning transforms asset pricing into a high-dimensional predictive task—where regularization, nonlinear modeling, and out-of-sample discipline become essential.

The key lesson is not that “machines replace theory,” but that nonlinear interactions drive much of the predictive power in returns, and modern tools are better suited to uncover them.

Machine Learning dan Masa Depan Asset Pricing