Risiko yang Terkait dengan Data Historis dalam Backtesting Forex

Apa itu data historis dalam konteks forex?

Data historis adalah informasi terekam dari masa lalu yang menggambarkan bagaimana harga bergerak dari waktu ke waktu (misalnya, kutipan harga berstempel waktu atau bar candlestick). Dalam analisis seperti backtesting dan pengujian maju, orang sering memperlakukan kumpulan data ini sebagai pengganti untuk apa yang mungkin terjadi dalam kondisi sebelumnya.

Data historis berguna untuk mempelajari pola dalam data dan untuk mengevaluasi bagaimana suatu pendekatan akan berperilaku dalam asumsi spesifik. Risiko utamanya adalah bahwa kumpulan data tersebut hanyalah perkiraan dari “pasar”, bukan pemutaran ulang yang sempurna dari perdagangan nyata di masa depan.

Bagaimana risiko utama yang terkait dengan data historis bekerja

Risiko data historis biasanya muncul ketika sebuah analisis mengasumsikan bahwa perilaku masa lalu akan berlanjut, atau ketika analisis tersebut mengasumsikan bahwa cara Anda memodelkan biaya dan eksekusi sesuai dengan kenyataan.

Risiko operasional dan kualitas data

Masalah operasional dimulai dari kumpulan data itu sendiri.

• Catatan yang hilang, tertunda, duplikat, atau tidak konsisten dapat mendistorsi perhitungan return dan indikator.
• Kesalahan zona waktu dan penyelarasan bar yang salah dapat membuat strategi tampak bereaksi lebih awal dari yang seharusnya.
• Vendor data dan jenis feed yang berbeda dapat menyiratkan spread, granularitas kutipan, atau urutan kejadian yang berbeda, mengubah hasil bahkan dengan konsep dasar yang sama.

Mode kegagalan yang material adalah “bias look-ahead”, di mana analisis secara tidak sengaja menggunakan informasi yang tidak akan tersedia pada saat pengambilan keputusan.

Risiko pasar dan perubahan rezim

Bahkan jika data historis akurat, pasar dapat berubah.

• Volatilitas, likuiditas, dan perilaku perdagangan dapat bergeser antar periode waktu.
• Friksi perdagangan seperti spread dan slippage sering bervariasi dengan kondisi.
• Eksekusi order dapat berbeda ketika kedalaman pasar atau likuiditas berubah.

Keterbatasan inti adalah bahwa hubungan historis tidak menetapkan hasil masa depan. Pengaturan yang sama dapat berkinerja berbeda ketika kondisi bergerak ke “rezim” lain.

Risiko pihak lawan dan eksekusi

Data historis umumnya mencerminkan harga, belum tentu jalur eksekusi (fill) yang akan Anda terima.

• Jenis order, kebijakan eksekusi, dan posisi antrian menentukan apakah dan bagaimana order dieksekusi.
• Biaya dapat mencakup lebih dari sekadar spread, seperti komisi dan biaya lainnya.

Jika backtest mengasumsikan eksekusi ideal (misalnya, order terisi pada harga yang dikutip tanpa penundaan) sementara eksekusi nyata kurang menguntungkan, perkiraan kinerja bisa menjadi salah secara material.

Risiko interpretasi dan pemodelan

Bagaimana Anda menginterpretasikan dan mentransformasikan data historis dapat menimbulkan risiko tambahan.

• Overfitting adalah hal yang umum: sebuah model dapat menjadi disetel pada noise dalam sampel historis daripada efek yang stabil.
• Memilih parameter berdasarkan kinerja dalam kumpulan data yang sama dapat menciptakan rasa ketahanan yang salah.
• Non-stasioneritas berarti bahwa sifat statistik dapat berubah seiring waktu, sehingga kesimpulan dari satu periode mungkin tidak dapat ditransfer.

Keterbatasan dan cara memverifikasi secara independen apa yang Anda bisa

Untuk memverifikasi klaim tentang hasil analisis, perlakukan setiap perhitungan sebagai bersyarat pada asumsi eksplisit.

Gunakan daftar periksa asumsi yang jelas

Setidaknya, dokumentasikan:

• Definisi yang tepat dari kumpulan data (jenis bar, stempel waktu, penanganan zona waktu, dan langkah pembersihan).
• Asumsi eksekusi (waktu masuk, jenis order, apakah slippage atau biaya dimodelkan, dan bagaimana penerapannya).
• Metode evaluasi (periode mana yang digunakan untuk pemilihan parameter versus evaluasi).

Periksa mode kegagalan yang umum

• Cari kebocoran data dengan mengonfirmasi bahwa setiap keputusan hanya menggunakan informasi yang tersedia pada stempel waktu tersebut.
• Evaluasi sensitivitas dengan mengulangi pengujian di bawah asumsi alternatif yang masuk akal (misalnya, asumsi biaya yang lebih lebar) untuk melihat apakah hasil bergantung pada detail yang rapuh.
• Gunakan beberapa jendela waktu yang tidak tumpang tindih sehingga Anda tidak menarik kesimpulan dari satu periode yang menguntungkan.

Jika hasil berubah drastis ketika Anda mengubah asumsi yang memengaruhi realisme eksekusi, itu adalah tanda bahwa risiko data historis mendominasi.

Pertanyaan berikutnya untuk dipertimbangkan: apa sebenarnya yang diasumsikan?

Pertanyaan kontrol yang berguna adalah: “Realitas masa depan apa yang saya asumsikan sama dengan kumpulan data masa lalu?” Jika jawabannya bergantung pada asumsi yang tidak dinyatakan tentang akurasi data, eksekusi, likuiditas, atau stabilitas hubungan, risiko terkait kemungkinan besar tinggi.

Cara merangkum risiko-risiko tersebut

Data historis adalah alat untuk menguji ide-ide dalam asumsi spesifik, tetapi membawa risiko di empat area:

• Operasional/kualitas data (termasuk penyelarasan dan kebocoran)
• Perubahan pasar/rezim (termasuk friksi yang bergeser)
• Pihak lawan/eksekusi (termasuk eksekusi dan biaya)
• Interpretasi/pemodelan (termasuk overfitting dan hubungan yang tidak stabil)