Data Apa yang Diperlukan untuk Menilai Asumsi Slippage?

Definisi dan ruang lingkup asumsi slippage

Slippage adalah selisih antara harga eksekusi yang diasumsikan (yang diharapkan oleh model, backtest, atau rencana order) dan harga eksekusi aktual (harga yang terisi). “Asumsi slippage” adalah seperangkat aturan numerik dan input yang mengubah selisih ini menjadi sesuatu yang dapat Anda gunakan dalam perhitungan (misalnya, seberapa besar pergerakan yang merugikan yang Anda harapkan antara waktu kuotasi dan waktu pengisian, serta bagaimana biaya digabungkan dengannya). Untuk menilai asumsi slippage, pertama-tama nyatakan basis harga yang tepat dan jendela waktu yang Anda gunakan:

• Harga yang diasumsikan: harga tengah, bid/ask, transaksi terakhir, atau referensi tertentu (dan apakah diambil pada saat pengambilan keputusan).
• Harga eksekusi: harga pengisian, termasuk apakah mencerminkan eksekusi parsial dan bagaimana agregasinya.
• Waktu: penundaan antara stempel waktu harga referensi dan stempel waktu pengisian.
• Arah: pergerakan yang merugikan berbeda untuk pembelian vs penjualan.

Tanpa definisi ini, dua kumpulan data atau model dapat menghasilkan angka “slippage” yang tidak dapat dibandingkan.

Input data inti yang perlu dikumpulkan

Anda umumnya memerlukan data dalam empat kelompok: detail eksekusi, kondisi pasar, komponen biaya, dan metadata untuk asumsi.

1. Data eksekusi dan pengisian (untuk mengukur slippage yang terealisasi)

• Harga pengisian per peristiwa eksekusi (atau pengisian yang digabungkan dengan aturan agregasi yang jelas).
• Stempel waktu pengisian, idealnya dengan resolusi yang cukup untuk mewakili latensi dan waktu pengurutan ulang.
• Arah transaksi (beli/jual) dan pengidentifikasi instrumen.
• Perilaku order: apakah order dapat dieksekusi sebagian, dibatalkan, atau dimodifikasi.

2. Data harga referensi (untuk menghitung perbedaan yang diasumsikan vs yang terealisasi)

• Seri harga referensi yang digunakan oleh backtest atau aturan asumsi (misalnya, spread bid/ask, harga tengah, atau harga terakhir).
• Aturan penyelarasan stempel waktu: waktu pasti kapan harga referensi diambil sampelnya.
• Apakah harga referensi adalah “waktu kuotasi” (saat keputusan dibuat) atau “waktu model” (saat perhitungan mengasumsikan pengisian).

3. Data kondisi pasar (untuk memahami mengapa slippage berubah)

• Proksi volatilitas selama horizon yang relevan (misalnya, rentang atau variabilitas pengembalian yang dihitung dari umpan referensi yang sama).
• Proksi likuiditas seperti lebar spread dan perubahan spread.
• Indikator rezim yang diturunkan dari perilaku harga/kuotasi (bukan informasi masa depan), digunakan untuk menguji apakah asumsi berlaku di berbagai kondisi.

4. Data biaya dan gesekan (untuk menghindari penghitungan ganda)

• Biaya eksplisit: komisi, biaya, atau biaya platform jika merupakan bagian dari kerangka pemodelan Anda.
• Perlakuan spread: apakah asumsi slippage Anda sudah mencakup crossing spread atau apakah spread ditangani secara terpisah.

Jika Anda tidak memisahkan “pergerakan seperti dampak harga” dari “spread dan biaya,” Anda dapat berakhir dengan asumsi yang tidak konsisten secara internal.

Provenansi, ketepatan waktu, dan pemeriksaan kualitas

Menilai asumsi slippage memerlukan pemeriksaan tidak hanya data apa yang Anda miliki, tetapi juga dari mana data itu berasal, seberapa lama data itu relatif terhadap waktu keputusan/pengisian, dan seberapa andalnya data itu.

• Provenansi: catat jenis sumber untuk setiap kumpulan data (umpan bursa/kuotasi, laporan eksekusi broker, ekspor platform). Provenansi harus didokumentasikan agar orang lain dapat mereproduksi pemetaan dari referensi ke pengisian.
• Ketepatan waktu: pastikan stempel waktu dapat diselaraskan. Jika stempel waktu kasar atau tidak konsisten, slippage dapat salah diatribusikan ke “pergerakan pasar” versus “penundaan pengukuran.”
• Konsistensi: seri harga referensi yang digunakan untuk menghitung slippage yang diasumsikan harus berasal dari lingkungan yang sama dengan stempel waktu eksekusi (atau setidaknya diselaraskan melalui pemetaan yang didokumentasikan).
• Kualitas data: periksa data yang hilang, celah stempel waktu, peristiwa duplikat, dan outlier. Outlier dapat mewakili peristiwa eksekusi nyata (misalnya, likuiditas tipis) atau kesalahan pengukuran.

Daftar periksa praktis adalah memverifikasi bahwa distribusi slippage yang Anda hitung stabil ketika Anda sedikit menyesuaikan pengaturan yang tidak material (seperti frekuensi pengambilan sampel ulang) dan bahwa distribusi tersebut berubah dengan cara yang diharapkan ketika Anda mengelompokkan berdasarkan volatilitas atau spread.

Bukti atau contoh tentang apa arti “penilaian”

Pendekatan umum adalah menguji apakah aturan slippage yang diasumsikan dapat mereproduksi properti empiris utama dari slippage yang terealisasi di bawah definisi referensi dan waktu yang sama. Misalnya:

• Bandingkan slippage yang terealisasi (dihitung dari pengisian vs referensi) dengan distribusi yang diasumsikan (rata-rata, median, dan perilaku ekor).
• Kelompokkan berdasarkan arah, lebar spread, dan rezim volatilitas, lalu periksa apakah asumsi secara sistematis meremehkan hasil yang merugikan.
• Konfirmasikan bahwa biaya per transaksi yang tersirat dari asumsi selaras dengan cara biaya dan spread dimodelkan.