Dalam Kondisi Pasar Apa R Squared Berperilaku Berbeda?

Definisi dan apa yang dimaksud dengan “perilaku berbeda”

R Squared (R²) adalah ukuran statistik tentang seberapa besar variasi dalam variabel dependen yang dijelaskan oleh variabel independen dalam sebuah model. Secara sederhana: ini menggambarkan seberapa dekat prediksi masa lalu model cocok dengan hasil historis, menggunakan data yang sama yang digunakan untuk menyesuaikan model. Ini tidak secara inheren menunjukkan kinerja trading di masa depan atau kemungkinan pergerakan tertentu.

Jadi ketika orang mengatakan R Squared “berperilaku berbeda” dalam kondisi pasar tertentu, biasanya yang mereka maksud adalah: nilai R² yang dihitung berubah karena hubungan mendasar antara input dan hasil berubah, dan karena kualitas data serta asumsi di balik model berubah.

Mekanisme: mengapa kondisi pasar dapat mengubah R²

R² bergantung pada tiga elemen utama: (1) kekuatan hubungan antara variabel, (2) tingkat noise, dan (3) seberapa stabil hubungan tersebut di seluruh sampel.

1. Kekuatan hubungan (sinyal vs. keacakan) Jika lingkungan pasar menghasilkan hubungan yang lebih kuat dan lebih dapat diulang antara variabel yang Anda modelkan, kurva yang disesuaikan cenderung melacak hasil historis lebih dekat, sehingga menaikkan R². Jika hubungan melemah atau menjadi tidak konsisten, R² dapat turun.

2. Noise dan perubahan struktural Volatilitas tinggi, pergeseran rezim yang tiba-tiba, dan perubahan mikrostruktur dapat meningkatkan noise. Ketika noise mendominasi data, bahkan model yang masuk akal pun mungkin tidak cocok dengan baik, sehingga mengurangi R².

3. Komposisi sampel dan penskalaan R² dihitung dari jendela sampel tertentu dan pilihan variabel. Mengubah kerangka waktu, jumlah data historis yang digunakan, atau transformasi (misalnya, menggunakan return versus harga mentah) dapat mengubah seberapa banyak varians yang ditangkap.

Bukti melalui contoh (dengan asumsi eksplisit)

Pertimbangkan pengaturan pemodelan sederhana: Anda menyesuaikan regresi antara seri input yang dipilih dan seri output menggunakan panjang jendela bergulir yang tetap. Asumsikan Anda mengevaluasi dua rezim pada ukuran sampel yang sebanding.

• Rezim A: pergerakan lebih halus dengan hubungan input-output yang lebih konsisten. Jika kesalahan model lebih kecil pada banyak observasi, varians yang dijelaskan meningkat dan R² cenderung lebih tinggi.
• Rezim B: sering berganti perilaku (misalnya, fase tren dan mean-reverting yang bergantian). Jika hubungan input-output berubah seiring waktu, bentuk model yang sama mungkin cocok dengan sebagian jendela tetapi gagal di bagian lain, meningkatkan residual dan sering kali menurunkan R².

Ini bukan bukti bahwa rezim mana pun “selalu” akan menghasilkan R² yang lebih tinggi atau lebih rendah. Ini hanya mengilustrasikan mekanismenya: R² sensitif terhadap stabilitas dan noise.

Keterbatasan dan mode kegagalan

Keterbatasan utama perlu dipisahkan dari “kondisi pasar”:

• Overfitting pada sampel: Sebuah model dapat mencocokkan data historis dengan baik bahkan jika hubungannya bersifat sementara. R² in-sample yang tinggi dapat menyesatkan tentang perilaku out-of-sample.
• Ketergantungan rezim: Rezim pasar dapat berubah setelah Anda menghitung R². Hubungan historis tidak menjamin hasil di masa depan.
• Ketidakcocokan variabel: Jika variabel independen dan dependen tidak selaras dalam waktu (misalnya, menggunakan input yang tidak sesuai dengan jendela output), R² yang dihitung dapat berubah secara dramatis.
• Efek biaya dan eksekusi: R² yang dihitung pada seri harga mengabaikan biaya trading, slippage, dan kendala eksekusi. Bahkan jika hubungan yang disesuaikan kuat secara statistik, hasil dunia nyata dapat menyimpang.
• Nonlinieritas dan bentuk model: R² terkait dengan struktur model yang dipilih. Jika hubungan sebenarnya nonlinier atau berubah bentuk, R² dapat meremehkan kegunaan atau berfluktuasi.

Verifikasi: cara memeriksa asumsi Anda secara independen

Untuk memverifikasi “kapan R² berubah,” Anda dapat memeriksa bagaimana R² bervariasi di: (1) jendela sampel yang berbeda, (2) kerangka waktu yang berbeda, dan (3) spesifikasi model yang berbeda. Catat apakah R² berubah terutama karena data menjadi lebih berisik, karena hubungan menjadi kurang stabil, atau karena pilihan transformasi Anda mengubah varians.

Pertanyaan berikutnya yang perlu dipertimbangkan adalah: apakah Anda menghitung R² pada jenis seri yang sama (misalnya, return versus harga), dengan penyelarasan dan panjang sampel yang konsisten? Jika tidak, “perilaku berbeda” mungkin berasal dari pengaturan perhitungan, bukan dari pasar itu sendiri.