Apa Itu Indeks Dimensi Fraktal?

Definisi dan tujuan

Indeks Dimensi Fraktal (FDI) adalah label yang digunakan untuk statistik berbasis fraktal yang bertujuan mengukur kompleksitas deret waktu dengan melihat bagaimana detail yang tampak berubah ketika Anda melihatnya pada skala yang berbeda. Dalam riset forex praktis, “input” biasanya berupa data mirip harga (misalnya, urutan nilai yang diamati dari waktu ke waktu), dan “output” adalah satu angka yang dimaksudkan untuk merangkum kekasaran atau perilaku yang bergantung pada skala dari deret tersebut.

FDI bukanlah hal yang sama dengan aturan trading. FDI tidak secara inheren memberi tahu Anda apa yang akan dilakukan candle berikutnya. Sebaliknya, FDI dapat digunakan untuk mengkarakterisasi apakah suatu deret tampak lebih atau kurang kompleks di berbagai skala—berguna untuk deskripsi, perbandingan, atau untuk membangun model lain yang membutuhkan fitur kompleksitas.

Cara kerja Indeks Dimensi Fraktal (model sederhana)

Cara sederhana untuk memikirkan konsep ini adalah: dua urutan sama-sama dapat “bergerak”, tetapi satu dapat terlihat halus di banyak tingkat zoom sementara yang lain terlihat bergerigi atau tidak beraturan. Pendekatan fraktal memperkirakan dimensi yang mencerminkan ketidakteraturan multi-skala tersebut.

Alur kerja umum dalam penggunaan bergaya indikator adalah:

1. Pilih deret waktu yang ingin Anda ukur (misalnya, urutan harga atau return historis).
2. Pilih pendekatan perhitungan dan parameter (misalnya, cara membagi deret menjadi skala/jendela dan transformasi apa yang akan diterapkan).
3. Perkirakan statistik terkait fraktal yang menjadi nilai FDI.

Karena istilah “Indeks Dimensi Fraktal” dapat digunakan di berbagai implementasi, perhitungan pastinya dapat bervariasi. Asumsi utamanya adalah data mengandung struktur yang bergantung pada skala yang layak diperkirakan, dan metode estimasi sesuai dengan panjang sampel dan tingkat noise.

Asumsi untuk perhitungan apa pun

Ketika orang menghitung FDI, mereka secara implisit berasumsi:

• Jendela historis cukup panjang untuk memperkirakan perilaku skala.
• Frekuensi data dan prapemrosesan (seperti apakah Anda menggunakan harga versus return) sesuai dengan pertanyaan yang Anda ajukan.
• Kekasaran yang diamati tidak sepenuhnya didominasi oleh noise pengukuran atau efek struktur mikro.

Bukti dan contoh (apa yang perlu diverifikasi)

Karena hasil bergantung pada pilihan implementasi, “bukti” paling independen yang dapat Anda periksa adalah konsistensi internal:

• Hitung ulang indeks menggunakan metode yang sama pada jenis deret yang sama.
• Ubah satu asumsi pada satu waktu (seperti panjang jendela atau transformasi data) dan amati seberapa stabil hasilnya.

Contoh ilustratif sederhana (bukan kutipan langsung atau perkiraan):

• Misalkan Anda menghitung FDI pada segmen historis di mana deret harga secara visual tampak halus dan segmen lain di mana tampak bergerigi.
• Jika metode menangkap kekasaran yang bergantung pada skala, Anda akan mengharapkan FDI untuk segmen bergerigi berbeda dari segmen halus.

Namun, “mengharapkan” di sini berarti “mungkin”, bukan “pasti”. Estimasi dapat menghasilkan nilai yang berlawanan dengan intuisi jika sampel pendek, jika deret mengandung outlier, atau jika skala yang dipilih tidak secara bermakna mewakili perilaku yang mendasarinya.

Keterbatasan dan mode kegagalan

Beberapa keterbatasan umumnya memengaruhi indikator bergaya dimensi fraktal:

1. Sensitivitas estimasi: Algoritme, pengaturan parameter, dan langkah prapemrosesan yang berbeda dapat menghasilkan hasil numerik yang berbeda dari data dasar yang sama.
2. Panjang sampel: Dengan terlalu sedikit riwayat, hubungan multi-skala diperkirakan dengan buruk, yang dapat membuat FDI tidak stabil.
3. Noise dan struktur mikro: Perilaku harga jangka sangat pendek dapat mencerminkan friksi trading, spread, dan efek eksekusi daripada kompleksitas yang lebih luas yang ingin diukur oleh metode.
4. Non-stasioneritas: Jika sifat statistik deret berubah seiring waktu, satu nilai FDI yang dihitung pada satu jendela mungkin tidak mewakili jendela berikutnya.

Juga, bahkan jika Anda mengamati hubungan historis antara “FDI yang lebih tinggi” dan hasil masa lalu, itu tidak menetapkan kekuatan prediktif di masa depan. Hubungan dapat rusak karena pergeseran rezim pasar, biaya, dan perubahan dalam cara data diproduksi.

Verifikasi dan pertanyaan berikutnya

Untuk memverifikasi klaim FDI dalam konteks forex apa pun, fokuslah pada apa yang dapat diperiksa:

• Definisi dan metode perhitungan pasti apa yang digunakan (implementasinya penting).
• Data input apa yang digunakan (harga vs return; kerangka waktu; prapemrosesan).
• Panjang jendela dan pemilihan skala apa yang diasumsikan.
• Seberapa stabil indeks di bawah perubahan kecil pada asumsi tersebut.

Jika Anda mengevaluasi bagan atau laporan tertentu, langkah berikutnya yang berguna adalah bertanya: “Metode mana yang mendefinisikan Indeks Dimensi Fraktal ini, dan asumsi apa yang digunakannya untuk penskalaan dan prapemrosesan?”