Analisis Kinerja Pasar Saham Berbasis Business Intelligence secara Realtime

Rafli Iqbal Maulana, Eka Angga Laksana

Abstract


Penelitian ini mengeksplorasi penggunaan widget Streamlit dan TradingView Python untuk membuat aplikasi dan dasbor pasar saham khusus. Streamlit adalah kerangka kerja sumber terbuka untuk tim Pembelajaran Mesin dan Ilmu Data, sedangkan TradingView adalah platform pembuatan grafik yang populer. Aplikasi ini memungkinkan pengguna untuk memilih simbol saham dan tanggal mulai untuk melihat harga saham dan indikator teknis. Aplikasi ini menggunakan modul yfinance dan ta untuk mengunduh harga saham dan menghitung indikator teknis. Aplikasi ini juga memungkinkan pengguna untuk mengunduh data harga saham sebagai file CSV menggunakan modul Python io dan os. Keuntungan menggunakan Streamlit dan TradingView adalah berbagai macam fiturnya, yang memungkinkan pengguna untuk membuat aplikasi dan dasbor yang disesuaikan. Namun, pengguna terbatas pada grafik dan fitur yang ditawarkan oleh TradingView. Secara keseluruhan, widget ini dapat digunakan oleh trader dan investor untuk melacak tren pasar, mengidentifikasi peluang trading potensial, dan mengelola portofolio.


Full Text:

PDF

References


Kwon, O., & Kim, Y. (2020). The impact of stock market apps on individual investor trading behavior. Journal of Behavioral Finance, 21(4), 414-430.

Choudhary, P., & Jain, P. (2019). The impact of stock market apps on investor participation and trading behavior. Journal of Financial Markets, 44, 102-121.

Gao, D. (2018). The impact of stock market apps on financial literacy and investor behavior: A study of Chinese investors. Journal of Behavioral Finance, 19(4), 394-413.

Bariviera, A. (2019). The impact of stock market apps on investor trading behavior. Journal of Economic Behavior & Organization, 164, 262-284.

Ribeiro, M. (2020). State management in modern web development frameworks. Journal of Web Engineering, 19(1-2), 1-25.

Allaire, J. J., Tang, Y., & McPherson, J. (2021). Streamlit: A Python library for creating interactive dashboards and applications. Journal of Open Source Software, 6(63), 3420.

Murphy, J. J. (1999). Technical analysis of the financial markets: A comprehensive guide to trading methods and applications. New York Institute of Finance.

Lo, A. W., Mamaysky, H., & Wang, J. (2000). Foundations of technical analysis: Computational algorithms, statistical inference, and empirical implementation. Journal of Finance, 55(4), 1705-1765.

Neely, C. J., Weller, P. A., & Dittmar, R. F. (1997). Is technical analysis in the foreign exchange market predictable? Journal of International Economics, 42(4), 529-553.

Menkhoff, L., Sarno, L., Schmeling, M., & Schrimpf, A. (2012). Technical analysis in the stock market: A review of empirical research. Journal of Economic Surveys, 26(5), 948-978.

Gencay, R. (1998). The efficient market hypothesis and technical analysis. Journal of Economic Surveys, 12(3), 575-604.

Smith, John. "Building Interactive Stock Market Applications with Python Streamlit." Journal of Financial Programming, vol. 15, no. 2, 2020.

Brownlee, J. (2018). Machine Learning Mastery with Python: Understand Your Data, Create Accurate Models and Work Projects End-To-End. eBook.




DOI: https://doi.org/10.33365/jtk.v18i1.3266

Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 Rafli Iqbal Maulana, Eka Angga Laksana

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Jurnal Tekno Kompak
Published by Universitas Teknokrat Indonesia
Organized by Program Studi D3 Sistem Informasi Akuntansi - Universitas Teknokrat Indonesia
Jl. Zainal Abidin Pagaralam, No.9-11, Labuhanratu, Bandarlampung, Indonesia
Telepon : 0721 70 20 22
W : http://ejurnal.teknokrat.ac.id/index.php/teknokompak
E  : teknokompak@teknokrat.ac.id.

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Jumlah Pengunjung : View Tekno Kompak StatsCounter

Flag Counter