Bagaimana Rasio Efisiensi Kaufman dihitung? (Rumus, input, dan keterbatasan)
Jawaban langsung: rumus Rasio Efisiensi Kaufman
Rasio Efisiensi Kaufman (sering disingkat ER) dihitung sebagai rasio pergerakan harga bersih terhadap pergerakan harga total selama jendela lookback yang dipilih.
Bentuk umumnya adalah:
ER = ( |Hargaₜ − Hargaₜ−n| ) / ( Σᵢ=1→n |Hargaₜ−(n−i+1) − Hargaₜ−(n−i)| )
Di mana:
- Harga adalah deret harga numerik yang Anda ukur (misalnya, deret harga penutupan).
- t adalah indeks akhir dari jendela.
- n adalah panjang lookback dalam bar (jumlah interval yang disertakan).
- Pembilang adalah selisih absolut antara awal dan akhir jendela (pergerakan bersih).
- Penyebut menjumlahkan perubahan absolut langkah-demi-langkah di seluruh jendela (pergerakan total).
Jika penyebutnya 0, ER tidak terdefinisi; implementasi biasanya menangani ini sebagai kasus tepi.
Mekanisme atau definisi: apa yang diukur oleh rasio ini
ER membandingkan dua kuantitas untuk jendela lookback yang sama:
-
Pergerakan bersih (pembilang)
- Pergerakan bersih hanya menggunakan titik awal dan akhir jendela.
- Jika harga berakhir jauh dari titik awalnya, pergerakan bersihnya besar.
- Jika harga berakhir dekat dengan titik awalnya, pergerakan bersihnya kecil.
-
Pergerakan total (penyebut)
- Pergerakan total menjumlahkan perubahan absolut antara sampel yang berurutan.
- Jika harga bergerak dalam jalur lurus (sedikit ayunan bolak-balik), pergerakan total mendekati pergerakan bersih.
- Jika harga berayun (bolak-balik), pergerakan total menjadi jauh lebih besar daripada pergerakan bersih.
Secara konseptual, ER adalah ukuran efisiensi jalur:
- ER tinggi menunjukkan harga melintasi jendela dengan pembatalan yang relatif sedikit (lebih sedikit bolak-balik).
- ER rendah menunjukkan harga bergerak banyak tetapi berakhir dekat dengan titik awalnya karena pembalikan atau noise.
Bukti atau contoh: menghitung ER langkah demi langkah (dengan asumsi eksplisit)
Asumsikan Anda mengambil sampel deret harga pada interval reguler (misalnya, setiap bar adalah satu jam), dan Anda memilih:
- Panjang lookback n = 4 bar.
- Anda menggunakan Harga = penutupan (pilihan spesifik jenis harga penting; input ER adalah deret yang Anda pilih).
Biarkan empat harga berurutan dalam jendela menjadi:
- Hargaₜ−4 = 100
- Hargaₜ−3 = 101
- Hargaₜ−2 = 100
- Hargaₜ−1 = 103
- Hargaₜ = 104
1) Pergerakan bersih
Pergerakan bersih hanya menggunakan awal dan akhir:
- |Hargaₜ − Hargaₜ−4| = |104 − 100| = 4
2) Pergerakan total
Pergerakan total menjumlahkan perubahan langkah absolut:
- |101 − 100| = 1
- |100 − 101| = 1
- |103 − 100| = 3
- |104 − 103| = 1
Pergerakan total = 1 + 1 + 3 + 1 = 6
3) ER
ER = 4 / 6 ≈ 0,667
Interpretasi (umum, bukan prediktif):
- Ini lebih tinggi dari 0, yang menunjukkan perpindahan bersih relatif besar dibandingkan dengan jarak perjalanan keseluruhan.
- Ini tidak “sempurna efisien” karena pergerakan total melebihi pergerakan bersih, menyiratkan beberapa pembalikan.
Keterbatasan dan risiko: apa yang bisa salah atau menyesatkan Anda
Meskipun perhitungannya deterministik setelah input dipilih, makna dan keandalannya bergantung pada bagaimana Anda mengaturnya.
1) Pembagian dengan nol ketika pergerakan total adalah nol
Jika penyebut (pergerakan total) sama dengan 0, maka semua harga berurutan dalam jendela identik (tidak ada pergerakan antara titik sampel). Dalam kasus itu, ER tidak dapat dihitung dalam bentuk rasio standar.
Implementasi yang hati-hati harus mendefinisikan perilaku untuk kasus tepi ini (misalnya, mengembalikan nilai khusus atau melewati titik tersebut). Penanganan yang benar bergantung pada alur kerja analisis Anda.
2) Sensitivitas terhadap panjang lookback yang dipilih (n)
ER menggunakan n interval terakhir. Mengubah n dapat mengubah ER secara material karena:
- Jendela yang lebih panjang mencakup lebih banyak pergerakan dan lebih banyak peluang pembalikan.
- Jendela yang lebih pendek berfokus pada jalur yang lebih sempit, yang dapat membesar-besarkan noise.
Jadi ER bukan “satu ukuran untuk semua”; ini merangkum efisiensi jendela spesifik yang Anda minta.
3) Ketergantungan pada pengambilan sampel harga dan jenis harga
Input ER adalah deret harga spesifik yang diambil sampelnya pada jadwal spesifik.
- Menggunakan harga penutupan vs. harga tipikal vs. deret turunan lainnya mengubah nilai langkah-demi-langkah.
- Menggunakan ukuran bar yang berbeda (lebih banyak atau lebih sedikit sampel per unit waktu) mengubah jalur dan pergerakan total.
Oleh karena itu, dua perhitungan ER yang menggunakan pilihan data berbeda tidak dapat dibandingkan secara langsung.
4) Kerentanan terhadap data berisik dan efek mikro-struktur
Karena penyebut menggunakan selisih absolut antara sampel yang berurutan, ER dapat dipengaruhi oleh:
- Fluktuasi kecil dan noise
- Efek terkait bid–ask dalam konteks tertentu
- Artefak terkait eksekusi dalam data yang digerakkan oleh peristiwa
Ini tidak membuat rumus menjadi “salah”, tetapi dapat membuat ER yang dihitung mencerminkan noise perdagangan daripada pergerakan arah yang mulus.
5) Hubungan historis tidak menyiratkan hasil masa depan
ER adalah statistik deskriptif dari efisiensi pergerakan terbaru. Ini bukan perkiraan dengan sendirinya.
- ER tinggi atau rendah di masa lalu tidak menetapkan apa yang akan terjadi selanjutnya.
- Interpretasi apa pun yang mengasumsikan prediktabilitas adalah langkah tambahan di luar perhitungan.
Verifikasi atau pertanyaan berikutnya: cara memeriksa hasil secara independen
Untuk memverifikasi perhitungan ER sendiri:
- Tuliskan jendela yang tepat yang Anda gunakan (indeks mana yang t, dan berapa n).
- Konfirmasikan deret harga yang tepat yang digunakan untuk Harga (misalnya, penutupan).
- Hitung ulang pembilang hanya menggunakan harga awal dan akhir jendela.
- Hitung ulang penyebut dengan menjumlahkan selisih absolut antara setiap pasangan berurutan di dalam jendela.
- Periksa kasus tepi di mana pergerakan total adalah 0.
- Ulangi setelah mengubah satu input (seperti n) untuk melihat seberapa sensitif ER terhadap pilihan itu.
Jika Anda ingin melangkah lebih jauh, pertanyaan berikutnya yang berguna adalah bagaimana mengubah input (panjang lookback dan pengambilan sampel data) mengubah perilaku numerik ER, dan interpretasi umum apa yang sesuai untuk metrik efisiensi deskriptif.