Bagaimana Rmi dapat di-backtest secara bertanggung jawab?

Tentukan Rmi dan tujuan backtest

Rmi (dalam konteks indikator bergaya momentum) biasanya digunakan sebagai ukuran numerik yang diturunkan dari rangkaian harga historis, yang dimaksudkan untuk merangkum momentum atau perilaku seperti tingkat perubahan. Backtest yang bertanggung jawab dimulai dengan mendefinisikan apa yang dimaksud dengan “Rmi” dalam pengaturan Anda: input harga apa yang Anda gunakan (misalnya, perubahan close-to-close), nilai parameter apa yang Anda terapkan (panjang lookback dan langkah pemulusan apa pun), dan aturan pasti yang memetakan nilai indikator ke dalam kuantitas yang Anda evaluasi (seperti apakah Anda mengukur hubungan prediktif indikator terhadap perubahan harga masa depan, atau Anda mengevaluasi aturan keputusan yang diturunkan darinya).

Yang sama pentingnya adalah memisahkan dua tujuan:

• Memperkirakan sebuah hubungan: Apakah Rmi berkorelasi dengan hasil masa depan berdasarkan asumsi yang dinyatakan?
• Memperkirakan sebuah strategi: Jika Anda mengubah Rmi menjadi keputusan, bagaimana kinerja keputusan tersebut setelah memperhitungkan friksi realistis?

Satu backtest dapat memuat keduanya, tetapi mencampurnya tanpa kejelasan akan memudahkan untuk mengacaukan pola historis sebuah indikator dengan metode yang dapat digunakan di tingkat keputusan.

Mekanisme: daftarkan data, asumsi, dan kalkulasi

Untuk melakukan backtest secara bertanggung jawab, dokumentasikan seluruh rantai dari data mentah hingga hasil.

1. Definisi data Tentukan kumpulan data dan langkah-langkah transformasinya. Misalnya: alam semesta instrumen, kerangka waktu, penanganan jam perdagangan, perlakuan data yang hilang, dan apakah harga disesuaikan (misalnya, untuk aksi korporasi jika berlaku). Jika Anda melakukan resampling atau agregasi bar, nyatakan metodenya.

2. Aturan kalkulasi Rmi Tuliskan rumus yang Anda implementasikan pada setiap langkah waktu. Jika indikator melibatkan pemulusan atau normalisasi, definisikan operasi tersebut. Jika ada beberapa interpretasi yang masuk akal tentang “pengaturan Rmi,” backtest Anda harus memilih satu dan menjaganya tetap tetap.

3. Pemetaan keputusan (jika ada) Jika Anda mengubah Rmi menjadi sebuah aksi, definisikan aturannya secara tepat: waktu masuk/keluar, ambang batas, dan apakah Anda bertindak berdasarkan indikator yang dihitung pada penutupan bar yang sama atau setelah penundaan. Mode kegagalan yang umum adalah perilaku “look-ahead,” di mana backtest secara tidak sengaja menggunakan informasi yang tidak akan tersedia pada saat perdagangan.

4. Biaya dan asumsi eksekusi Backtest harus menyertakan pemodelan friksi yang realistis. Ini bukan hanya tentang komisi; ini juga mencakup asumsi spread, slippage, dan efek dari waktu pesanan. Bahkan ketika Anda kekurangan data level-tick, Anda harus menyatakan asumsi yang konservatif dan konsisten (dan, idealnya, menguji beberapa tingkat biaya). Backtest yang mengasumsikan biaya nol dapat tampak kuat tetapi rapuh dalam praktiknya.

Bukti dan contoh: gunakan validasi out-of-sample

Backtest yang bertanggung jawab memperlakukan hasil historis sebagai bukti, bukan sebagai kepastian. Gunakan desain evaluasi yang membatasi overfitting.

1. Pisahkan garis waktu Lakukan periode in-sample awal untuk mengembangkan metode, lalu simpan periode out-of-sample yang lebih baru tanpa disentuh hingga evaluasi akhir. Lebih baik lagi, gunakan validasi walk-forward (bergulir), di mana parameter tetap dalam setiap jendela dan hanya diperbarui sesuai dengan prosedur yang telah ditentukan sebelumnya.

2. Kontrol jumlah derajat kebebasan Jika Anda mencoba banyak kombinasi parameter, banyak pilihan ambang batas, atau beberapa perlakuan data, Anda secara efektif menyetel ke noise. Untuk mengurangi bias itu, pilih parameter menggunakan pencarian yang dibatasi, dan simpan periode out-of-sample untuk penilaian akhir.

3. Laporkan apa yang Anda ukur Untuk penelitian khusus indikator, Anda dapat mengukur bagaimana nilai Rmi berhubungan dengan return masa depan (dengan horizon yang jelas). Untuk penelitian strategi, Anda mengukur hasil keputusan setelah biaya. Dalam kedua kasus, sertakan metrik yang sadar ketidakpastian, dan hindari menyajikan satu periode yang mengesankan sebagai penentu.

4. Pemeriksaan ketahanan di berbagai rezim Uji apakah hubungan tersebut bertahan ketika perilaku pasar berubah (tren vs sideways, volatilitas tinggi vs rendah). Jika kinerja sepenuhnya bergantung pada satu rezim yang sempit, anggaplah itu sebagai tanda peringatan.

Keterbatasan dan risiko: mode kegagalan utama

Bahkan backtest yang hati-hati pun bisa gagal. Setidaknya satu keterbatasan material harus dipertimbangkan secara eksplisit:

• Non-stasioneritas: Hubungan statistik antara Rmi dan perubahan harga masa depan dapat bergeser ketika struktur pasar berubah. Backtest dapat mencerminkan rezim historis daripada mekanisme yang stabil. - Bias look-ahead: Menggunakan nilai indikator yang dihitung dengan informasi yang tidak tersedia pada saat pengambilan keputusan akan menggelembungkan hasil. - Efek survivorship dan seleksi: Jika kumpulan data Anda mengecualikan instrumen yang hanya tersedia sementara, hasil dapat menjadi bias. - Kesalahan spesifikasi biaya: Asumsi spread/slippage yang salah dapat membalikkan kesimpulan. Evaluasi strategi sangat sensitif terhadap hal ini.