Bagaimana RSI dihitung? (Relative Strength Index)

Definisikan RSI sebelum menghitungnya

Relative Strength Index (RSI) adalah osilator momentum yang mengukur kekuatan relatif dari keuntungan harga terkini dibandingkan dengan kerugian harga terkini. Ide utamanya sederhana: selama jendela waktu tertentu, bandingkan seberapa besar harga naik dengan seberapa besar harga turun. RSI kemudian mengubah perbandingan tersebut menjadi angka yang biasanya berkisar antara 0 dan 100.

RSI bukanlah prediksi dengan sendirinya. RSI adalah transformasi dari riwayat perubahan harga menjadi nilai indikator yang terikat. Transformasi tersebut bergantung pada aturan perhitungan tepat yang Anda pilih (terutama panjang lookback dan cara Anda menghaluskan keuntungan dan kerugian).

Perhitungan RSI: rumus dan data yang diperlukan

Untuk menghitung RSI, Anda memerlukan rangkaian harga yang diurutkan berdasarkan waktu. Sebagian besar implementasi RSI menggunakan satu harga per periode (biasanya harga penutupan) dan menghitung perubahan dari satu periode ke periode berikutnya.

Langkah 1: Pilih periode lookback (N)

Pilih panjang jendela N (misalnya, pilihan umum adalah 14). Perhitungan RSI mengacu pada N ini saat merata-ratakan keuntungan dan kerugian.

Langkah 2: Hitung perubahan satu periode

Untuk setiap periode t, hitung perubahan harga:

• Perubahan(t) = Harga(t) − Harga(t−1)

Dari Perubahan(t), bagi menjadi dua komponen non-negatif:

• Keuntungan(t) = maks(Perubahan(t), 0)
• Kerugian(t) = maks(−Perubahan(t), 0)

Jadi hanya perubahan naik yang berkontribusi pada Keuntungan, dan hanya perubahan turun yang berkontribusi pada Kerugian.

Langkah 3: Rata-rata keuntungan dan rata-rata kerugian

RSI membutuhkan rata-rata keuntungan dan rata-rata kerugian selama jendela lookback. Ada berbagai “varian” RSI, tetapi pendekatan yang banyak digunakan menggunakan penghalusan daripada rata-rata sederhana setiap saat.

Metode penghalusan yang umum adalah:

• RataRataKeuntungan = rata-rata penghalusan dari Keuntungan(t) selama N
• RataRataKerugian = rata-rata penghalusan dari Kerugian(t) selama N

Detail penghalusan penting karena RSI akan berbeda jika Anda menggunakan:

• rata-rata bergerak sederhana (menghitung ulang dari awal setiap periode), versus
• penghalusan gaya Wilder (rekursif, menggunakan nilai penghalusan sebelumnya).

Jika Anda menginginkan hasil yang konsisten di berbagai alat, gunakan aturan penghalusan yang persis sama dengan yang diharapkan oleh kalkulator atau kumpulan data Anda.

Langkah 4: Ubah rata-rata menjadi RS, lalu RSI

Hitung rasio kekuatan relatif:

• RS = RataRataKeuntungan / RataRataKerugian

Kemudian ubah menjadi RSI:

• RSI = 100 − (100 / (1 + RS))

Dua kasus khusus perlu dinyatakan secara eksplisit:

• Jika RataRataKerugian adalah 0 (tidak ada kerugian baru-baru ini dalam jendela rata-rata), RS menjadi sangat besar. Dalam praktiknya, RSI mendekati 100.
• Jika RataRataKeuntungan adalah 0 (tidak ada keuntungan baru-baru ini), RS menjadi 0. Dalam praktiknya, RSI menjadi 0.

Bagaimana RSI “bekerja” secara matematis

RSI membandingkan dua kuantitas rata-rata yang berasal dari rangkaian harga dasar yang sama:

• Ketika periode terkini mengandung lebih banyak keuntungan daripada kerugian (dalam arti rata-rata penghalusan), RataRataKeuntungan relatif besar dibandingkan dengan RataRataKerugian, membuat RS besar dan RSI tinggi.
• Ketika periode terkini mengandung lebih banyak kerugian daripada keuntungan, RataRataKerugian mendominasi, RS kecil, dan RSI turun.

Keluaran yang terikat (kira-kira 0 hingga 100) adalah konversi dari rasio RataRataKeuntungan/RataRataKerugian ke dalam skala yang cenderung menekankan perubahan dalam keseimbangan antara pergerakan naik dan turun.

Yang penting, RSI sensitif terhadap bagaimana Anda mendefinisikan “perubahan” (input harga dan frekuensi pengambilan sampel). Rangkaian penutupan per menit dan rangkaian penutupan harian dapat menghasilkan kurva RSI yang berbeda bahkan jika “rumus perhitungannya” identik.

Bukti atau contoh yang dapat Anda reproduksi

Di bawah ini adalah contoh kecil yang mandiri. Tujuannya bukan untuk mencocokkan platform tertentu, tetapi untuk menunjukkan input yang diperlukan dan nilai antara.

Asumsi:

• Gunakan perubahan close-to-close.
• Pilih N = 5.
• Gunakan metode penghalusan yang konsisten dengan implementasi referensi Anda.

Anda mulai dengan harga untuk periode 0 hingga 5 (total enam harga). Untuk setiap t dari 1 hingga 5:

1. Hitung Perubahan(t) = Harga(t) − Harga(t−1).
2. Hitung Keuntungan(t) dan Kerugian(t) sebagai maks(Perubahan, 0) dan maks(−Perubahan, 0).
3. Hitung RataRataKeuntungan dan RataRataKerugian menggunakan metode rata-rata pilihan Anda selama N periode terakhir.
4. Hitung RS = RataRataKeuntungan / RataRataKerugian.
5. Hitung RSI = 100 − (100 / (1 + RS)).

Untuk mereproduksi hasil secara mandiri, lakukan perhitungan yang sama dengan N dan aturan penghalusan yang sama. Jika RSI Anda berbeda dari alat yang Anda bandingkan, ketidakcocokan hampir selalu berasal dari salah satu pilihan ini:

• Nilai N (panjang lookback)
• input rangkaian harga (penutupan vs sumber lain)
• penanganan periode awal sebelum data N tersedia
• metode penghalusan (sederhana vs rekursif)
• penanganan kasus tepi ketika RataRataKerugian atau RataRataKeuntungan adalah 0

Keterbatasan dan mode kegagalan yang perlu dipertimbangkan

Meskipun RSI memiliki rumus yang jelas, RSI dapat menghasilkan interpretasi yang menyesatkan ketika asumsi yang mendasarinya tidak stabil.

Keterbatasan 1: RSI bergantung pada N dan penghalusan yang dipilih

Mengubah N mengubah bagian riwayat terkini yang memengaruhi rata-rata. Mengubah metode rata-rata/penghalusan mengubah bobot keuntungan dan kerugian yang lebih lama versus yang lebih baru. Akibatnya, dua rangkaian RSI yang dihitung dari harga yang sama dapat berbeda.

Keterbatasan 2: Kualitas data dan definisi rangkaian itu penting

Jika rangkaian harga Anda memiliki diskontinuitas (misalnya, gap karena periode non-perdagangan) atau jika Anda mengganti sumber data di tengah jalan, keuntungan dan kerugian yang dihitung berubah. Karena RSI didorong oleh perbedaan antar periode, bahkan perubahan kecil pada input dapat mengubah RSI.

Keterbatasan 3: Kasus tepi dapat mendistorsi intuisi

Ketika RataRataKerugian sangat kecil, RS menjadi sangat besar, mendorong RSI menuju batas atas. Ini dapat terjadi selama pergerakan naik yang persisten, tetapi juga dapat terjadi ketika data kerugian dalam jendela menjadi hampir nol. Demikian pula, pergerakan datar yang persisten dapat membuat interpretasi kurang intuitif karena keuntungan dan kerugian bisa keduanya mendekati nol tergantung pada detail implementasi.

Keterbatasan 4: RSI tidak menjamin akurasi prediktif

RSI diturunkan dari perubahan historis. Hubungan historis antara pergerakan RSI dan hasil masa depan tidak menjamin apa pun tentang perilaku masa depan. Biaya, waktu eksekusi, dan struktur pasar yang berubah semuanya dapat memengaruhi seperti apa “hasil masa depan” dibandingkan dengan apa yang secara historis disarankan oleh indikator.

Verifikasi dan apa yang harus diperiksa selanjutnya

Untuk memverifikasi perhitungan RSI secara mandiri, fokuslah pada reproduktibilitas daripada interpretasi:

1. Konfirmasi input harga yang tepat yang digunakan dalam perhitungan Anda (harga mana per periode).
2. Konfirmasi N (periode lookback).
3. Konfirmasi metode rata-rata/penghalusan yang digunakan untuk menghitung RataRataKeuntungan dan RataRataKerugian.
4. Konfirmasi bagaimana nilai RSI pertama ditangani sebelum jendela penuh ada.
5. Konfirmasi bagaimana implementasi menangani kasus di mana RataRataKerugian adalah 0 atau RataRataKeuntungan adalah 0.