Pertimbangan lanjutan untuk SMA (simple moving average) dalam analisis teknikal forex

Definisi dan sudut pandang “lanjutan”

SMA adalah singkatan dari Simple Moving Average. Ini adalah garis yang dihitung dengan mengambil rata-rata aritmetika dari N observasi terbaru dari rangkaian input yang dipilih (paling umum adalah harga). “Sederhana” berarti setiap observasi dalam jendela lookback memiliki bobot yang sama.

Pertimbangan lanjutan bukanlah bahwa SMA secara matematis rumit, tetapi bahwa interpretasi yang benar bergantung pada apa persisnya yang Anda masukkan ke dalamnya, bagaimana Anda mengambil sampel waktu, dan asumsi apa yang Anda buat ketika Anda membandingkan SMA dengan harga atau indikator lainnya. Dengan kata lain: mekanika SMA stabil; hasil praktis sensitif terhadap detail implementasi dan konteks pasar.

SMA dapat ditulis sebagai:

• SMA pada waktu t = (x[t] + x[t−1] + … + x[t−(N−1)]) / N di mana x adalah rangkaian input (misalnya, harga penutupan). Output pada waktu paling awal tidak terdefinisi sampai setidaknya ada N observasi.

Bagaimana SMA bekerja dalam praktik: input, windowing, dan dependensi

1) Rangkaian input adalah bagian dari definisi

Kesalahan umum adalah mengasumsikan “SMA harga” itu unik. Pada kenyataannya, SMA bergantung pada rangkaian yang dipilih:

• SMA berbasis penutupan menggunakan nilai penutupan setiap bar.
• Harga tipikal atau komposit lainnya akan merata-ratakan input yang berbeda.
• Beberapa platform menghitung nilai dari feed data yang dapat berbeda sedikit dalam konstruksi bar.

Kesimpulan lanjutan: ketika menjelaskan SMA kepada orang lain, selalu nyatakan rangkaian input (misalnya, penutupan) dan timeframe yang digunakan untuk membentuk bar.

2) Panjang jendela (N) mengubah penghalusan dan responsivitas

Panjang lookback N adalah parameter desain utama. N yang lebih kecil bereaksi lebih cepat terhadap perubahan terbaru; N yang lebih besar menghaluskan lebih banyak tetapi menunda responsivitas. Ini menciptakan trade-off yang penting:

• Dengan N kecil, SMA dapat mengikuti noise lebih dekat.
• Dengan N besar, SMA dapat tertinggal di belakang titik balik.

Ini bukan jaminan kinerja; ini adalah efek deterministik dari jendela rata-rata pada sensitivitas garis terhadap observasi baru.

3) Penyelarasan waktu dan “waktu bar”

Nilai SMA dihitung pada penutupan bar dalam implementasi tipikal (karena Anda membutuhkan N observasi tertutup terakhir). Jika Anda membandingkan SMA dengan sinyal atau peristiwa yang terjadi intrabar (misalnya, ketika harga sementara melintasi garis di tengah lilin), Anda dapat menciptakan interpretasi yang menyesatkan.

Pertimbangan lanjutan: tentukan apakah perbandingan dibuat menggunakan:

• hanya nilai penutupan bar, atau
• intrabar (yang membutuhkan aliran data berbeda dan mengubah apa arti “persilangan”).

4) Metode komputasi dan detail numerik

Rumus inti sederhana, tetapi cara penerapannya tetap dapat menjadi penting:

• Pembaruan rolling-sum dapat mengurangi biaya komputasi dibandingkan dengan menjumlahkan ulang setiap jendela.
• Pengaturan pembulatan dan presisi dapat mengubah desimal yang ditampilkan.

Perbedaan ini biasanya menjadi terlihat ketika Anda membandingkan nilai persis di seluruh platform atau mereproduksi hasil secara independen.

5) Data yang hilang, celah, dan bar yang tidak biasa

Jika dataset yang mendasarinya memiliki lilin yang hilang, timestamp yang rusak, atau celah yang tidak teratur, kumpulan efektif N observasi mungkin tidak sesuai dengan ekspektasi Anda. Bahkan jika rumus SMA tidak berubah, komposisi jendela input dapat berbeda.

Mode kegagalan material: SMA yang dihitung pada dataset dengan bar yang hilang dapat bergeser dibandingkan dengan SMA yang dihitung pada rangkaian kontinu.

Contoh dan “bukti” yang dapat Anda verifikasi tanpa prediksi

Untuk menjaga diskusi tetap mandiri, pertimbangkan rangkaian hipotetis harga penutupan di mana Anda mengetahui nilainya secara persis.

Asumsikan N = 3 dan penutupan terbaru adalah:

• x[t] = 1.2000
• x[t−1] = 1.1980
• x[t−2] = 1.1960

Maka:

• SMA[t] = (1.2000 + 1.1980 + 1.1960) / 3
• SMA[t] = 1.1980

Ini memverifikasi definisi secara langsung. Bagian “lanjutan” adalah memperluas pemeriksaan:

1. Hitung ulang SMA untuk waktu berikutnya t+1 menggunakan jendela yang diperbarui dan konfirmasi pergeserannya.
2. Ulangi dengan N yang berbeda (misalnya, N=5) untuk mengamati keterlambatan dan peningkatan penghalusan.
3. Konfirmasi bahwa Anda hanya menghitung SMA ketika N observasi tersedia.

Jika Anda mengubah timeframe atau rangkaian input (penutupan vs rangkaian lain), Anda dapat memverifikasi bahwa garis SMA berubah bahkan jika rumus rata-rata tetap sama.

Keterbatasan dan risiko: apa yang tidak dapat dijamin oleh SMA

1) Rata-rata historis tidak menetapkan perilaku masa depan

SMA adalah filter rata-rata atas observasi masa lalu. Meskipun dapat menggambarkan tren masa lalu dan mengurangi volatilitas dalam garis yang ditampilkan, hubungan statistik masa lalu tidak menjamin hasil masa depan. Ini benar bahkan jika SMA tampak “berfungsi” selama periode tertentu.

2) Perubahan rezim dan break struktural

Pasar dapat bergeser dengan cara yang memengaruhi dinamika harga: volatilitas dapat naik atau turun, dan persistensi tren dapat berubah. Responsivitas SMA ditentukan oleh N, sehingga garis yang cocok untuk satu rezim mungkin terlalu lambat (atau terlalu bising) di rezim lain.

Cara praktis untuk memikirkan keterbatasan ini adalah: SMA tidak mendeteksi “rezim”; ia hanya mencerminkan N observasi terakhir.

3) Biaya, waktu eksekusi, dan kesenjangan interpretatif

Bahkan jika seseorang menggunakan SMA sebagai bagian dari proses pengambilan keputusan (tanpa kita membahas pengaturan trading apa pun), evaluasi dunia nyata apa pun harus mempertimbangkan waktu eksekusi, biaya transaksi, dan perbedaan antara perhitungan penutupan bar dan waktu tindakan. Faktor-faktor ini dapat memutus hubungan yang mungkin Anda amati dalam backtest yang disederhanakan dan diidealkan.

4) Kasus tepi: jendela datar dan perilaku batas

SMA dapat berperilaku tidak terduga di sekitar batas:

• Di awal grafik, tidak ada SMA sampai N bar tersedia.
• Jika harga konstan atau hampir konstan, SMA menjadi datar; perbedaan data kecil masih dapat menghasilkan lengkungan kecil.
• Dalam dataset dengan celah, jendela rata-rata efektif dapat berbeda.

5) Perbedaan implementasi khusus platform

Perangkat lunak yang berbeda dapat membangun bar secara berbeda (terutama untuk feed yang disesuaikan), yang mengubah rangkaian input. Jika Anda mencoba memverifikasi nilai SMA secara independen di seluruh alat, Anda mungkin melihat perbedaan yang disebabkan oleh:

• aturan pembentukan lilin yang berbeda,
• penanganan data yang hilang yang berbeda,
• pembulatan yang berbeda.

Rumus indikator tetap sama, tetapi reproduktifitas membutuhkan pencocokan detail implementasi.

Verifikasi dan pertanyaan berikutnya untuk dieksplorasi secara independen

Untuk menjelaskan SMA secara akurat dan memverifikasi fakta sendiri, fokuslah pada pemeriksaan ini:

1. Tuliskan rumus persis untuk SMA dan identifikasi N.
2. Tentukan rangkaian input (misalnya, penutupan) dan timeframe yang mendefinisikan setiap bar.
3. Hitung ulang beberapa titik SMA secara manual dari nilai yang diketahui untuk mengonfirmasi pemahaman.
4. Konfirmasi perilaku batas: pastikan Anda hanya mulai membandingkan setelah N bar tersedia.
5. Jika Anda membandingkan hasil di seluruh platform, dokumentasikan perbedaan dalam feed data, pembulatan, dan konstruksi lilin.