Path: Top > S1-Final Project > Informatics-Computer Science-STEI > 2017

IMPLEMENTASI HIGH-FREQUENCY TRADING DENGAN PREDIKSI HARGA SAHAM

HIGH-FREQUENCY TRADING IMPLEMENTATION WITH STOCK PRICE PREDICTION

Undergraduate Theses from JBPTITBPP / 2017-10-09 10:28:07
Oleh : BAYU RASYADI PUTRAUTAMA (NIM : 13513046), S1 - Informatics-STEI
Dibuat : 2017-09-29, dengan 1 file

Keyword : trading, HFT, pembelajaran mesin, pencocokan pola, analisis teknikal

High-Frequency Trading (HFT) merupakan pengembangan dari algorithmic trading yang memanfaatkan kecepatan komputer untuk melakukan transaksi dengan frekuensi yang tinggi dengan selang waktu kurang dari 1 detik. Perusahaan-perusahaan yang menggunakan HFT tidak menyediakan dokumentasi yang terbuka untuk umum. HFT sederhana yang terdokumentasi yang telah diimplementasikan memiliki Sharpe Ratio di bawah 1 sehingga perlu dikembangkan lebih lanjut, salah satunya dengan menggunakan prediksi harga saham. Tujuan utama dari tugas akhir ini adalah terbentuknya metode prediksi yang meningkatkan kinerja HFT dan HFT yang dibentuk memiliki Sharpe Ratio di atas 1.


Penelitian dimulai dengan eksplorasi metode prediksi harga saham yang akan digunakan. Selanjutnya dilakukan analisis terhadap data yang telah dikumpulkan serta studi literatur untuk membentuk rancangan solusi yang akan dibentuk. Tiap solusi yang diajukan kemudian diuji untuk mendapatkan solusi sistem yang paling optimal.


Terpilih 3 metode prediksi saham yang digunakan pada simulasi HFT, prediksi menggunakan pembelajaran mesin, yaitu support vector machine (SVM) dan artificial neural network (ANN), dan prediksi menggunakan pencocokan pola untuk menentukan waktu terbaik untuk menjual maupun membeli. Hasil uji dari simulasi dengan prediksi memperlihatkan kinerja yang lebih baik dibandingkan dengan simulasi tanpa prediksi, terutama gabungan SVM dan pencocokan pola, meskipun demikian indikator teknikal yang dipilih untuk implementasi HFT sederhana masih kurang memadai.

Deskripsi Alternatif :

High-Frequency Trading (HFT) is a form of algorithmic trading which utilizes computer speed to perform large amount of orders within 1 second. Institutions that use HFT don’t publicly provide documentations of their program. Documented simple HFT that has been implemented has a Sharpe Ratio below 1 which needs to be developed further and one way to do that is by predicting stock price. The main purpose of this final assignment is creating a prediction method that could improve the performance of HFT and also creating a HFT with a Sharpe Ratio above 1.


Research started with exploring prediction methods which will be used, then the collected data analyzed followed by literature study to develop the solution’s designs. Each proposed solutions was then tested to obtain the most optimal solution for the system.


Three prediction methods was selected to be used in the simulation, which are predictions using machine learning, support vector machine (SVM) and artificial neural network (ANN), and prediction using pattern matching which are used to determine the best time to buy or sell. Results from simulations with predictions shows better performance compared to simulations without predictions, especially the combination of SVM and pattern matching. Regardless, the technical indicators which are chosen for the simple HFT implementation are still inadequate.

Copyrights : Copyright (c) 2001 by Perpustakaan Digital ITB. Verbatim copying and distribution of this entire article is permitted by author in any medium, provided this notice is preserved.

Beri Komentar ?#(0) | Bookmark

PropertiNilai Properti
ID PublisherJBPTITBPP
OrganisasiS
Nama KontakUPT Perpustakaan ITB
AlamatJl. Ganesha 10
KotaBandung
DaerahJawa Barat
NegaraIndonesia
Telepon62-22-2509118, 2500089
Fax62-22-2500089
E-mail Administratordigilib@lib.itb.ac.id
E-mail CKOinfo@lib.itb.ac.id

Print ...

Kontributor...

  • Pembimbing :


    Prof. Ir. Dwi Hendratmo W., M.Sc., Ph.D.


    Ir. Windy Gambetta., Editor: Alice Diniarti

File PDF...