Bagaimana pengaturan mengubah SMA?

Jawaban langsung

Pengaturan mengubah SMA (Simple Moving Average) dengan mengubah seberapa banyak aksi harga terbaru memengaruhi rata-rata. Dalam praktiknya, ini mengubah sensitivitas (daya tanggap) rata-rata, lag-nya (keterlambatan), dan seberapa sering ia tampak “berbelok” selama pergerakan harga yang berisik.

Mekanisme dan definisi

SMA adalah garis yang dihitung dari observasi masa lalu terhadap suatu harga. Pengaturan yang paling umum adalah panjang jendela (sering disebut periode): ini menentukan berapa banyak titik waktu terbaru yang dirata-ratakan.

Cara sederhana untuk melihat mekanismenya adalah dengan menggunakan ukuran langkah tetap (misalnya, setiap langkah adalah satu candle). Jika panjang jendela SMA adalah N, maka pada waktu t, SMA adalah rata-rata dari N harga terakhir yang diamati:

• SMA(t) = (harga(t) + harga(t−1) + … + harga(t−N+1)) / N

Dua implikasi praktis berikut:

1. Daya tanggap: Dengan N yang lebih kecil, SMA bereaksi lebih cepat ketika harga berubah karena lebih sedikit titik data yang mendominasi rata-rata.
2. Kehalusan dan lag: Dengan N yang lebih besar, SMA berubah lebih lambat karena harga yang lebih lama masih memengaruhi rata-rata, yang cenderung mengurangi fluktuasi jangka pendek tetapi meningkatkan keterlambatan relatif terhadap harga terbaru.

Beberapa platform juga mengizinkan pilihan tambahan yang memengaruhi hasil, seperti seri input (close vs. bidang harga lainnya) dan time frame (bagaimana harga dikelompokkan ke dalam interval). Pilihan tersebut tidak mengubah logika rata-rata, tetapi mengubah data yang dirata-ratakan, sehingga garis keluaran dapat terlihat berbeda.

Bukti dan contoh (dengan asumsi eksplisit)

Asumsikan urutan sederhana penutupan harian selama 10 hari: 100, 100, 100, 100, 110, 112, 113, 112, 111, 110.

Sekarang hitung dua SMA pada saat lonjakan dimulai (hari ke-5), menggunakan panjang jendela sebagai satu-satunya perubahan:

• Jendela pendek (N=3): SMA pada hari ke-5 merata-ratakan hari ke-3–5: (100 + 100 + 110) / 3 ≈ 103.3
• Jendela panjang (N=5): SMA pada hari ke-5 merata-ratakan hari ke-1–5: (100 + 100 + 100 + 100 + 110) / 5 = 102

Kedua rata-rata naik, tetapi jendela yang lebih pendek naik lebih banyak karena mencakup lebih sedikit nilai sebelum lonjakan. Jika Anda terus menghitung hingga hari ke-6–10, jendela yang lebih pendek biasanya akan menunjukkan lebih banyak “goyangan,” sementara jendela yang lebih panjang biasanya terlihat lebih halus dan tertinggal dari titik balik.

Ini menggambarkan trade-off umum: pengaturan yang meningkatkan sensitivitas juga dapat meningkatkan jumlah belokan yang tampak selama noise, sementara pengaturan yang lebih menghaluskan dapat menunda respons.

Keterbatasan dan risiko (mode kegagalan material)

Bahkan dengan perhitungan yang benar, pengaturan SMA dapat menghasilkan interpretasi yang menyesatkan:

1. Pergerakan sideways atau terikat rentang: Dalam rentang yang tidak menentu, SMA dapat berulang kali mendatar dan miring naik/turun, menciptakan banyak “perubahan” yang tampak yang tidak mencerminkan pergerakan berkelanjutan.
2. Pergeseran rezim dan breakout: Ketika perilaku yang mendasarinya berubah (misalnya, volatilitas meningkat), lag dari jendela yang lebih panjang dapat menyebabkan SMA mencerminkan rezim baru setelah pergerakan sudah berlangsung.
3. Noise dan observasi yang tumpang tindih: Karena SMA adalah rata-rata, ia dapat menghaluskan detail yang mungkin Anda perlukan untuk memisahkan sinyal dari noise, tergantung pada time frame dan seri input Anda.
4. Biaya dan perbedaan eksekusi: Perbandingan dunia nyata apa pun tentang “apa yang akan terjadi” bergantung pada biaya transaksi, spread, slippage, dan waktu eksekusi. Hubungan historis tidak menetapkan hasil masa depan.

Karena keterbatasan ini, lebih baik memperlakukan keluaran SMA sebagai alat deskriptif daripada prediktor yang berdiri sendiri, dan memverifikasi menggunakan pilihan data spesifik yang Anda rencanakan (time frame, bidang input, panjang jendela) di bawah asumsi Anda sendiri.

Verifikasi dan pertanyaan berikutnya

Untuk memverifikasi secara independen bagaimana pengaturan mengubah SMA, uji beberapa panjang jendela pada kumpulan data historis yang sama dan bandingkan:

• seberapa cepat garis SMA berbelok setelah perubahan harga,
• seberapa banyak ia berfluktuasi selama periode tanpa tren yang berkelanjutan,
• dan seberapa sensitif interpretasi terhadap time frame dan pilihan input.

Jika Anda mau, Anda dapat selanjutnya mengklarifikasi pengaturan mana yang digunakan platform Anda (misalnya, panjang jendela, time frame, dan bidang harga mana yang dirata-ratakan), kemudian kami dapat memetakan pilihan tersebut secara langsung ke bagaimana hal itu memengaruhi lag dan kehalusan.