Bagaimana cara kerja backtesting EA dalam forex?

Jawaban langsung

Backtesting EA dalam forex adalah proses memutar ulang data pasar historis melalui aturan trading penasihat ahli untuk melihat trade apa yang akan ditempatkan berdasarkan asumsi tertentu. Ini tidak membuktikan kinerja masa depan dengan sendirinya; ini adalah cara terstruktur untuk mengevaluasi apakah logika EA dan aturan risiko berperilaku konsisten sepanjang periode historis yang dipilih.

Mekanisme: definisi dan urutan umum

EA (penasihat ahli) adalah sistem trading otomatis yang mengikuti aturan terprogram untuk entry, exit, penentuan ukuran risiko, dan manajemen order. Dalam backtesting, aturan-aturan tersebut diterapkan langkah demi langkah pada informasi harga historis.

Cara sederhana untuk memahami alur kerjanya adalah:

1. Pilih input backtest

   • Seri harga historis: bar OHLC dan/atau data tick (tergantung pada platform dan pengaturan).
   • Parameter EA: nilai-nilai yang mengontrol logika strategi dan manajemen risiko.
   • Asumsi eksekusi: bagaimana order dipenuhi, termasuk kapan dalam satu bar suatu pemicu terdeteksi.
   • Model biaya trading: spread, komisi, dan kemungkinan asumsi slippage.
   • Batasan akun: saldo awal, batas leverage (jika dimodelkan), aturan margin (jika dimodelkan), dan apakah EA dapat trading dalam semua kondisi.

2. Buat ulang keputusan dari masa lalu Pada setiap langkah waktu yang disimulasikan, backtester menghitung indikator dan variabel status yang akan diandalkan oleh EA, lalu memeriksa kondisi aturan EA.

3. Simulasikan siklus hidup order Jika kondisi entry terpenuhi, backtester membuat order dan kemudian memutuskan bagaimana order tersebut akan dipenuhi menggunakan model eksekusi yang dipilih. Ini juga mensimulasikan exit (take-profit/stop-loss tetap, exit berbasis waktu, atau exit berbasis aturan).

4. Hitung output Output backtest biasanya merangkum hasil trade (misalnya, jumlah trade, jumlah menang/kalah), drawdown, perilaku kurva ekuitas, dan metrik yang sensitif terhadap biaya. Bahkan ketika metrik ini dihitung dengan benar, metrik tersebut dapat lebih mencerminkan asumsi daripada “keunggulan” yang mendasarinya.

Input dan output: apa yang perlu diperiksa

Input (hal-hal yang dapat mengubah jawaban)

Backtesting sangat sensitif terhadap apa yang Anda masukkan dan bagaimana Anda memodelkan “trading nyata.” Input yang material meliputi:

• Kualitas dan granularitas data: riwayat berbasis bar mungkin menyembunyikan waktu pergerakan harga dibandingkan dengan data level tick.
• Penyelarasan waktu: apakah sinyal dievaluasi pada penutupan bar vs waktu intrabar.
• Biaya: spread dan komisi, dan apakah biaya tersebut diterapkan secara konsisten selama pengujian.
• Realisme eksekusi: penanganan slippage, fill parsial, dan apakah order diasumsikan terisi pada harga tertentu.
• Pembatasan trading: filter sesi trading, batas spread maksimum, atau logika “jangan trading” apa pun yang dimiliki EA.

Output (apa yang dilaporkan backtester)

Output adalah ringkasan dari perilaku yang disimulasikan, seperti:

• Riwayat trade per trade (entry, exit, harga order yang digunakan oleh model).
• Ringkasan kinerja agregat (total laba/rugi, metrik rata-rata per trade).
• Perilaku risiko (drawdown puncak-ke-lembah terbesar dalam simulasi).

Poin kuncinya: output hanya dapat dipercaya jika asumsi yang digunakan untuk menghasilkannya juga dapat dipercaya.

Bukti atau contoh: panduan gaya daftar periksa

Pertimbangkan sebuah EA yang masuk ketika sebuah aturan menjadi benar dan keluar menggunakan jarak stop-loss dan take-profit yang telah ditentukan. Dalam backtesting, Anda dapat memverifikasi alur logika secara independen dengan memeriksa tiga hal untuk beberapa periode sampel:

1. Waktu evaluasi sinyal Konfirmasikan apakah aturan akan memicu pada titik waktu yang sama dengan yang diharapkan oleh logika EA Anda (misalnya, pada penutupan bar). Jika backtest menggunakan konvensi waktu yang berbeda, entry dan exit yang disimulasikan akan bergeser.

2. Perhitungan harga pengisian order Periksa harga apa yang digunakan model untuk penempatan dan pengisian order. Jika model mengasumsikan pengisian pada harga tengah sementara trading nyata menggunakan bid/ask ditambah spread, hasilnya dapat berbeda.

3. Keterjangkauan stop-loss dan take-profit Dengan data bar, “apakah harga mencapai level tersebut” bisa menjadi ambigu karena sebuah bar hanya menunjukkan rentang tertinggi/terendah. Backtest harus mengasumsikan urutan intrabar, dan asumsi itu dapat secara material mengubah hasil.

Jenis verifikasi yang ditargetkan ini tidak memerlukan pembuktian profitabilitas; ini membantu menentukan apakah backtest menerapkan aturan dan interaksi pasar dengan cara yang konsisten dan dapat diperiksa.

Keterbatasan dan mode kegagalan (apa yang bisa salah)

Setidaknya satu keterbatasan material adalah bahwa backtesting sering kali tidak menciptakan kembali eksekusi nyata. Mode kegagalan umum meliputi:

• Overfitting Parameter EA mungkin disetel untuk menyesuaikan keanehan historis. Overfitting dapat membuat hasil terlihat kuat pada periode backtest sementara berperilaku berbeda di tempat lain.

• Ketidakcocokan data dan pemodelan Perbedaan tick vs bar, efek likuiditas yang hilang, atau asumsi spread/slippage yang disederhanakan dapat membuat hasil order yang disimulasikan menjadi tidak realistis.

• Asumsi eksekusi yang terlalu optimis Jika pengisian diasumsikan terjadi pada harga ideal tanpa slippage yang berarti atau jika urutan intrabar ditangani secara tidak realistis, kinerja yang disimulasikan mungkin dilebih-lebihkan.

• Pasar yang tidak stasioner dan perubahan rezim Hubungan forex dapat berubah seiring waktu karena kondisi makro, pergeseran volatilitas, dan perubahan perilaku trading. Perilaku historis tidak menjamin kesamaan di masa depan.

• Kendala operasional yang tidak dimodelkan Beberapa EA berperilaku berbeda dalam kondisi nyata (misalnya, masalah koneksi, penghentian trading, atau perilaku eksekusi khusus broker). Jika backtest tidak memodelkan hal-hal ini, perbandingan menjadi kurang dapat diandalkan.

Verifikasi dan pertanyaan lanjutan

Untuk memverifikasi klaim backtesting EA secara independen, fokuslah pada apakah Anda dapat mereproduksi urutan trade yang sama di bawah asumsi yang sama, dan apakah hasil bertahan di berbagai segmen historis.

Pertanyaan lanjutan yang praktis untuk diajukan adalah: Model eksekusi dan waktu spesifik apa yang digunakan backtester untuk deteksi entry dan pengisian order (penutupan bar vs intrabar, penanganan spread, dan asumsi slippage)? Mengubah detail-detail tersebut dapat mengubah kurva ekuitas yang disimulasikan bahkan jika aturan EA tidak berubah.