Bagaimana pengaturan mengubah R Squared dalam analisis teknis forex

Jawaban langsung

R Squared berubah ketika Anda mengubah cara Anda menghitungnya. Dalam pembuatan grafik praktis, “pengaturan” biasanya berarti pilihan seperti panjang jendela lookback, titik data mana yang disertakan, dan terkadang variabel apa yang diregresikan terhadap apa. Pilihan-pilihan tersebut mengubah seberapa sensitif ukuran kecocokan tersebut dan seberapa banyak ia menghaluskan atau membesar-besarkan pergeseran jangka pendek.

Mekanisme dan definisi

R Squared (sering ditulis sebagai R²) menggambarkan seberapa kuat satu variabel dapat dijelaskan oleh variabel lain menggunakan model regresi. Dalam interpretasi sederhana, R² yang lebih tinggi berarti titik-titik yang diamati lebih dekat dengan hubungan garis lurus di bawah regresi yang Anda gunakan; R² yang lebih rendah berarti hubungannya lebih lemah atau lebih tersebar.

Yang berubah ketika Anda menyesuaikan pengaturan bukanlah “R² itu sendiri,” melainkan kumpulan data dan/atau pengaturan regresi yang menghasilkan angka tersebut. Misalnya:

• Panjang jendela lookback: Jendela yang lebih panjang merata-ratakan lebih banyak sejarah. Ini biasanya membuat R² tidak mudah melonjak karena regresi melihat campuran perilaku pasar yang lebih luas. Jendela yang lebih pendek dapat membuat R² merespons dengan cepat terhadap pergeseran rezim, tetapi juga dapat lebih berfluktuasi.
• Frekuensi dan pengambilan sampel data: Menggunakan ukuran batang yang berbeda (misalnya, menit vs. jam) mengubah observasi mana yang Anda masukkan ke dalam regresi. Pasar yang sama dapat terlihat lebih atau kurang linear tergantung pada pengambilan sampel.
• Seri mana yang Anda regresikan: Beberapa implementasi pembuatan grafik menghitung R² untuk kecocokan garis tren, sementara yang lain meregresikan satu seri yang ditransformasikan terhadap seri lainnya. Jika variabel dependen dan independen berubah, makna R² yang dihasilkan juga berubah.

Model sederhana dari sensitivitas ini adalah: R² adalah statistik yang dihitung dari jendela saat ini. Ganti jendela atau seri input, dan kecocokan yang dihitung dapat berubah bahkan jika pasar “sama” secara real-time.

Bukti atau contoh (dengan asumsi yang dinyatakan)

Asumsikan Anda menghitung R² dari regresi atas N harga penutupan terbaru terhadap garis tren lurus.

• Skenario A: N yang lebih kecil (misalnya, 50 batang). Jika 50 batang terakhir mencakup pergerakan arah yang tajam, titik-titik dapat mengelompok lebih erat di sekitar garis, menaikkan R². Jika pergerakan itu berakhir, R² dapat turun dengan cepat karena batang berikutnya membentuk ulang jendela.
• Skenario B: N yang lebih besar (misalnya, 200 batang). Jika grafik yang sama memiliki perilaku campuran di seluruh 200 batang tersebut (tren diikuti oleh aksi sideways), kecocokan terhadap satu garis lurus akan lebih lemah rata-rata, sehingga R² mungkin lebih rendah dan berubah lebih lambat.

Ini menunjukkan trade-off: jendela yang lebih pendek sering membuat R² lebih responsif terhadap perubahan lokal, sementara jendela yang lebih panjang sering membuatnya lebih stabil. Tidak ada pilihan yang secara inheren “lebih baik” karena keduanya mengukur jendela yang berbeda dan oleh karena itu hubungan lokal yang berbeda.

Keterbatasan dan risiko (dan apa yang bisa gagal)

Beberapa mode kegagalan dapat terjadi ketika orang memperlakukan R² sebagai variabel keputusan yang dapat diandalkan:

1. Mengubah pengaturan merusak keterbandingan: R² yang tinggi yang dihitung atas jendela pendek tidak dapat langsung dibandingkan dengan R² yang tinggi yang dihitung atas jendela panjang karena keduanya mencerminkan kumpulan data dan konteks regresi yang berbeda.
2. Pergeseran rezim dapat membuat kecocokan menjadi basi: R² menggambarkan kecocokan di dalam jendela saat ini. Jika perilaku pasar berubah (volatilitas, persistensi tren, atau struktur), linearitas historis dapat hilang, dan R² dapat turun dengan cepat.
3. Perbedaan data dan implementasi penting: Jika dua platform menggunakan transformasi yang berbeda (harga vs. return), target regresi yang berbeda, atau penanganan data yang hilang yang berbeda, R² yang dihasilkan dapat berbeda bahkan dengan “pengaturan” yang sama namanya.
4. Biaya dan eksekusi tidak disertakan: R² adalah ukuran kecocokan statistik dari suatu hubungan dalam data, bukan ukuran keterdagangan. Biaya transaksi, spread, dan kualitas eksekusi dapat mendominasi hasil nyata, tetapi hal-hal tersebut tidak muncul dalam perhitungan R².

Risiko-risiko ini berarti R² harus dipahami sebagai statistik deskriptif dari hubungan jendela saat ini, bukan jaminan berdiri sendiri tentang perilaku masa depan.

Verifikasi dan pertanyaan berikutnya

Untuk memverifikasi secara independen bagaimana pengaturan mengubah R², lakukan hal berikut:

• Identifikasi input yang tepat: Seri apa yang diregresikan (harga mentah, return, atau transformasi lainnya)? Apa variabel dependen vs. independen? - Ubah satu pengaturan pada satu waktu: Sesuaikan hanya jendela lookback (atau hanya frekuensi pengambilan sampel) dan amati apakah R² menjadi lebih responsif atau lebih stabil.