Data Apa yang Diperlukan untuk Menilai Slippage di Sekitar Berita?

Jawaban langsung

Untuk menilai “slippage di sekitar berita” dengan cara yang dapat dipertanggungjawabkan, Anda memerlukan input yang (1) mendefinisikan waktu peristiwa berita, (2) mengukur hasil eksekusi perdagangan, (3) menetapkan harga referensi untuk perbandingan, dan (4) menangkap biaya dan kualitas data. Tujuannya bukan untuk memprediksi hasil, tetapi untuk menghitung perbedaan yang diamati dan memahami dari mana ketidakpastian berasal.

Mekanisme dan definisi

Slippage biasanya berarti selisih antara harga referensi yang dipilih pada (atau mendekati) saat pengajuan order dan harga eksekusi aktual (atau harga rata-rata efektif untuk sebuah fill). Ketika pasar bereaksi terhadap berita, volatilitas dan likuiditas dapat berubah dengan cepat, sehingga selisih antara referensi dan eksekusi dapat melebar.

Penilaian yang lengkap biasanya membedakan mekanisme yang stabil dari kondisi yang bervariasi:

• Pergerakan pasar: perubahan harga yang disebabkan oleh informasi baru.
• Gesekan eksekusi: kendala likuiditas, pelebaran bid–ask spread, fill parsial, dan efek dari routing/penanganan order.
• Biaya: biaya eksplisit (jika ada) dan biaya implisit yang tercermin dalam spread dan fee.

Input data yang perlu dikumpulkan (dan alasannya)

1) Spesifikasi peristiwa berita

Kumpulkan identitas peristiwa dan stempel waktu yang jelas:

• Waktu peristiwa: kapan rilis data dijadwalkan atau kapan Anda mendefinisikan “awal” dari reaksi.
• Standar waktu dan zona waktu: standar yang sama di semua sumber data.
• Jendela peristiwa: aturan untuk apa arti “di sekitar berita” (misalnya, dari X detik sebelum hingga Y detik setelah). Nyatakan aturannya bahkan jika Anda nanti menguji beberapa jendela.

2) Konstruksi harga referensi

Pilih dan dokumentasikan bagaimana Anda mendefinisikan harga referensi yang digunakan untuk slippage:

• Sumber referensi: harga tengah, harga transaksi terakhir, atau titik tengah bid/ask dari venue tertentu.
• Aturan stempel waktu referensi: apakah pada saat pengajuan order, pada tick terdekat, atau disampling pada frekuensi tetap.
• Aturan konsistensi: gunakan metode yang sama untuk setiap observasi.

3) Data eksekusi dan order

Anda memerlukan detail yang cukup untuk merekonstruksi apa yang terjadi:

• Waktu pengajuan order dan parameter order (sisi, jenis order, ukuran).
• Stempel waktu fill dan harga fill (atau setidaknya harga fill rata-rata efektif).
• Indikator fill parsial: apakah posisi dibangun melalui beberapa fill.
• Order yang dibatalkan/kedaluwarsa: untuk menghindari pencampuran “upaya” dan “eksekusi yang berhasil” tanpa pelacakan.

4) Proksi biaya dan likuiditas

Untuk memisahkan gesekan dari pergerakan harga murni, sertakan variabel seperti:

• Bid–ask spread dan deret waktunya di dekat jendela peristiwa.
• Proksi likuiditas/ketersediaan yang tersedia dalam data Anda (misalnya, ukuran kedalaman jika Anda memilikinya).
• Komponen fee atau komisi apa pun yang dapat Anda amati, diterapkan menggunakan aturan akuntansi yang sama.

5) Provenans data dan log transformasi

Buat jejak audit singkat:

• Dari mana setiap bidang berasal (ekspor platform, feed data pasar, sumber kalender).
• Konversi waktu, resampling, atau aturan penyaringan apa pun.
• Bagaimana Anda menangani nilai yang hilang (hapus baris, interpolasi, atau beri label sebagai hilang).

Bukti atau contoh perhitungan (dengan asumsi eksplisit)

Perhitungan umum mendefinisikan slippage per fill sebagai:

• Slippage = (harga eksekusi efektif) − (harga referensi), dengan tanda yang didefinisikan secara konsisten untuk beli vs jual.

Salah satu pendekatan yang dapat diterapkan adalah mengagregasi slippage selama jendela peristiwa:

• Hitung slippage menggunakan harga referensi pada waktu pengajuan order (asumsi).
• Untuk setiap peristiwa, rata-ratakan slippage di semua fill yang berada dalam jendela reaksi Anda (asumsi).
• Hitung juga distribusinya (median dan persentil) karena efek yang didorong berita bisa berekor tebal.

Jika Anda menguji beberapa ukuran jendela, perlakukan pilihan jendela sebagai variabel dan laporkan hasil untuk setiap jendela daripada memilih satu setelah melihat hasilnya.

Keterbatasan dan risiko (mode kegagalan material)

Setidaknya satu keterbatasan material penting untuk sebagian besar studi:

• Ketidakcocokan stempel waktu: waktu peristiwa, stempel waktu data pasar, dan stempel waktu eksekusi mungkin berada di zona waktu yang berbeda atau memiliki latensi yang berbeda. Bahkan kesalahan penyelarasan kecil pun bisa terlihat seperti slippage.
• Bias harga referensi: memilih referensi yang tertinggal atau mendahului momen keputusan sebenarnya dapat melebih-lebihkan atau meremehkan slippage.
• Fill parsial dan perilaku order: jika fill terjadi selama beberapa detik selama lonjakan volatilitas, “slippage” dapat mencampur dampak pasar dengan waktu eksekusi.
• Bias seleksi: menyaring hanya order yang terisi dapat menghilangkan hasil terburuk dan membuat hasil terlihat lebih bersih.
• Non-stasioneritas: hubungan yang diamati secara historis tidak menjamin perilaku serupa di masa depan pada berita atau rezim yang berbeda.

Verifikasi dan pertanyaan lanjutan

Untuk memverifikasi penilaian Anda, terapkan pemeriksaan kualitas sebelum menafsirkan efek:

• Konfirmasi penyelarasan stempel waktu dengan memeriksa apakah spread sebelum peristiwa dan pergerakan harga terlihat masuk akal. - Kuantifikasi kehilangan data (fill yang hilang, kuotasi yang hilang, atau order yang tidak lengkap).