Bagaimana Fibonacci Fan dapat di-backtest secara bertanggung jawab?

Jawaban langsung

Backtesting yang bertanggung jawab atas pendekatan Fibonacci Fan berarti memperlakukannya sebagai metode yang terukur, bukan sekadar pola visual. Anda menentukan secara tepat bagaimana Fan dikonstruksi, keputusan apa yang dihasilkan darinya (jika ada), dan asumsi apa yang mendorong setiap perhitungan. Kemudian Anda menguji di berbagai rezim pasar menggunakan data out-of-sample, sambil memodelkan biaya dan detail eksekusi yang dapat mengubah hasil secara material.

Apa itu Fibonacci Fan, dan apa yang sebenarnya diuji

Fibonacci Fan adalah sekumpulan level harga (sering kali garis “kipas” tren) yang dibuat dari pasangan jangkar yang dipilih (seperti awal dan akhir ayunan) dan sekumpulan rasio Fibonacci. Poin kunci untuk backtesting adalah bahwa Fan tidak hanya “digambar”—ia memiliki input.

Untuk menguji secara bertanggung jawab, tuliskan:

• Aturan pemilihan jangkar: bagaimana awal dan akhir dipilih (misalnya, aturan ayunan tinggi/rendah). Jika aturannya subjektif, backtest Anda bisa bias.
• Kumpulan rasio yang digunakan: rasio Fibonacci mana yang disertakan.
• Penanganan arah: bagaimana metode berperilaku dalam tren naik versus tren turun.
• Waktu penghitungan ulang: apakah Fan hanya digambar ulang sekali atau diperbarui saat bar baru muncul.
• Pemetaan ke keputusan: jika Anda mengonversi interaksi garis menjadi tindakan, definisikan transformasi itu secara eksplisit (misalnya, “saat harga menyentuh garis Fan tertentu, tandai sebuah peristiwa”).

Ini memisahkan mekanika yang stabil (geometri dan aturan pemetaan) dari faktor variabel (kondisi pasar, biaya, dan eksekusi). Perhatikan bahwa visual historis tidak secara otomatis menyiratkan bahwa konstruksi yang sama akan berfungsi dalam kondisi masa depan.

Bukti dan contoh: bangun alur kerja yang dapat diuji

Alur kerja backtesting yang praktis dapat diekspresikan dalam langkah-langkah yang konsisten:

1. Buat kumpulan data: gunakan bar harga historis yang dapat Anda reproduksi (open/high/low/close dan stempel waktu).
2. Hasilkan instance Fan: terapkan aturan pemilihan jangkar dan konstruksi Fan Anda pada waktu yang tepat.
3. Definisikan hasil dengan jelas: putuskan apa yang Anda ukur—biasanya metrik berbasis peristiwa (misalnya, pengembalian setelah sentuhan) atau metrik kinerja yang terkait dengan aturan eksekusi hipotetis.
4. Modelkan biaya: sertakan setidaknya kategori gesekan utama yang relevan dengan model eksekusi Anda, seperti biaya spread/transaksi, slippage, dan penundaan antara waktu sinyal dan waktu eksekusi.
5. Kontrol asumsi: nyatakan asumsi untuk setiap langkah yang tidak jelas—terutama yang melibatkan waktu bar demi bar atau penempatan pesanan.
6. Lacak ketidakpastian: bandingkan hasil di berbagai jendela waktu dan rezim pasar daripada satu riwayat berkelanjutan.

Contoh sederhana dari pengujian berbasis peristiwa adalah: “Saat harga pertama kali menyentuh garis Fan yang dipilih setelah pembuatan jangkar, hitung pengembalian maju selama cakrawala waktu tetap.” Bahkan jika Anda tidak berdagang, ini tetap memerlukan definisi eksplisit untuk deteksi sentuhan, panjang cakrawala, dan waktu.

Keterbatasan dan risiko (termasuk mode kegagalan)

Bahkan backtest yang cermat pun bisa gagal atau menyesatkan. Keterbatasan material meliputi:

• Bias look-ahead: jika pemilihan jangkar atau deteksi “sentuhan” menggunakan informasi yang tidak akan diketahui pada saat Fan dibuat, hasilnya menjadi meningkat.
• Overfitting: menyetel rasio, pemilihan garis, atau aturan peristiwa untuk memaksimalkan kinerja masa lalu dapat menghasilkan hasil yang rapuh dan tidak dapat digeneralisasi.
• Ketidakcocokan eksekusi: mengabaikan slippage, pelebaran spread, atau waktu pesanan dapat mengubah hasil aktual secara material.
• Pasar yang tidak stasioner: hubungan antara geometri dan pergerakan masa depan dapat berubah dengan rezim volatilitas, likuiditas, dan perilaku pasar yang lebih luas.
• Bias seleksi dari jangkar subjektif: jika jangkar dipilih secara visual, backtest secara efektif mengukur kemampuan Anda untuk menggambar ulang daripada metode itu sendiri.

Verifikasi dan pemeriksaan selanjutnya

Untuk memverifikasi secara bertanggung jawab, gunakan pemeriksaan yang mengurangi bias dan mengukur stabilitas:

• Pengujian out-of-sample: sisihkan periode selanjutnya untuk evaluasi setelah Anda memfinalisasi aturan.
• Validasi walk-forward: berulang kali menyesuaikan/mendefinisikan metode pada satu jendela, lalu menguji pada jendela berikutnya.
• Analisis sensitivitas: variasikan parameter non-kritis dalam batas yang wajar (misalnya, bagaimana Anda mendefinisikan “sentuhan” dalam toleransi kecil) untuk melihat apakah hasil runtuh.
• Pelaporan yang kuat: laporkan tidak hanya rata-rata tetapi juga dispersi antar periode, karena hasil dapat bergantung pada sejumlah kecil interval yang menguntungkan.

Jika Anda ingin memvalidasi lebih lanjut, pertimbangkan untuk membandingkan dengan garis dasar sederhana (misalnya, mengukur pengembalian maju dari pemilihan garis acak yang dibangun dengan prosedur yang sama tetapi tanpa “logika Fan”) untuk melihat apakah efek terukur Anda bertahan di bawah kontrol.