Optimization of Technical Indicators Based on Genetic Algorithm in Stock Exchange.

Abstract

Stock trading is become popular in Indonesia. The generation of profitable trading rules for stock exchange investments is a difficult but popular problem. The use of Machine Learning in this problem is to obtain objective results by using information in the past market behavior. In this research, genetic algorithm is used to automatically generate trading rules based on Technical Indicators. The method in this research used Hirabayashi (2009) model and also modification model of Hirabayashi by adding 2 additional technical indicators. The results shows that Hirabayashi Model and Modification Model generate better profit result compare with buy and hold strategy in small capitalization stock or big capitalization stocks in Indonesian Stock Exchange. By using Genetic Algorithm, some of the technical indicators could be ignored. It’s also found that modification model could adapt the price trend better than Hirabayashi Model.

Pasar modal merupakan area yang menjadi alternatif bagi perusahaan atau investor perorangan untuk menanamkan modalnya dalam mendapatkan keuntungan. Area ini sangat luas dan sangat dipengaruhi oleh lingkungan perekonomian seperti suku bunga, kekuatan perusahaan dan perubahan yang terjadi setiap harinya. Oleh karena itu pergerakan harga saham sangat dinamis dan menjadikan investor atau pun para trader di bursa saham berusaha memahami pergerakan harga tersebut untuk memperoleh keuntungan. Salah satu alat yang sering digunakan untuk memahami dan mengantisipasi pergerakan harga saham adalah penggunaan indikator teknis. Indikator teknis merupakan formula atau teknik untuk memberikan sinyal beli dan jual saham kepada investor atau pun trader. Namun seringkali kali penggunaan inidkator teknis tersebut memberikan sinyal jual dan beli secara berbeda. Oleh karena itu diperlukan proses optimasi terhadap indikator teknis sehingga dapat memberikan sinyal jual dan beli secara optimal. Salah satu metode untuk melakukan proses optimasi adalah dengan menggunakan algoritme genetika. Pada penelitian ini dilakukan proses optimasi berbasis algoritme genetika dengan menggunakan model Hirabayashi (2009) dan kemudian melakukan modifikasi dengan penambahan dua indikator teknis tambahan yaitu ADX dan William%R. Data yang digunakan dalam penelitian ini menggunakan data saham harian tahun 2007-2008 yang terdiri dari saham PT. Bayu Buana Tbk mewakili saham berkapitalisasi kecil dan saham PT. Bumi Resources Tbk mewakili saham berkapitalisasi besar.