Apa itu R Squared?

Jawaban langsung

R Squared (R²) adalah metrik statistik yang menggambarkan seberapa dekat data mengikuti model yang dipilih, paling umum hubungan linear. Ini adalah ukuran “kecocokan”: metrik ini merangkum seberapa banyak variasi dalam variabel target yang dapat dijelaskan oleh model Anda, mengingat cara spesifik Anda mendefinisikan input dan menyesuaikan model.

Dalam riset forex, orang terkadang menghitung R² untuk menilai apakah hubungan linear yang diusulkan antara dua kuantitas tampak mengikuti pergerakan historis. R² itu sendiri tidak menunjukkan arah harga di masa depan, tidak mengendalikan biaya trading, dan tidak dapat memastikan bahwa hubungan tersebut akan tetap stabil.

Definisi dan model sederhana

Dalam model linear dasar, Anda menghubungkan variabel dependen (sering ditulis y) dengan satu atau lebih variabel independen (sering ditulis x). Untuk regresi linear dengan satu fitur, model mengambil bentuk seperti:

• y ≈ a + b·x

R² mengukur fraksi dari total variasi dalam y yang dijelaskan oleh model yang disesuaikan. Secara konseptual:

• Jika model Anda menjelaskan sedikit variabilitas y, R² rendah.
• Jika model Anda menjelaskan sebagian besar variabilitas y, R² tinggi.

Keterbatasan utama adalah bahwa R² hanya bermakna relatif terhadap pengaturan pemodelan yang tepat: variabel mana yang Anda gunakan, apakah Anda menggunakan level atau return, bagaimana Anda menangani nilai yang hilang, dan apakah Anda menyesuaikan pada semua data yang tersedia atau menggunakan pembagian pelatihan/validasi.

Bagaimana ini dapat digunakan dalam forex (dan apa yang perlu diperhatikan)

Penggunaan forex yang umum adalah membandingkan seberapa kuat perubahan historis dalam satu kuantitas terkait dengan perubahan kuantitas lain di bawah asumsi linear, dengan menghitung R² untuk hubungan tersebut.

Contoh dengan asumsi yang jelas (tanpa harga langsung):

• Asumsikan Anda memilih seri y dan seri x yang disejajarkan berdasarkan waktu.
• Asumsikan Anda menyesuaikan regresi linear y ≈ a + b·x menggunakan observasi historis.
• Asumsikan Anda menghitung R² dari garis yang disesuaikan.

Menafsirkan hasil:

• R² dalam sampel yang lebih tinggi berarti garis yang disesuaikan melacak nilai y yang dipilih lebih baik pada data yang digunakan untuk menyesuaikan.
• R² yang lebih rendah berarti hubungan lebih lemah di bawah bentuk linear tersebut.

Keterbatasan material dan mode kegagalan:

1. Overfitting pada noise historis: Hubungan bisa terlihat kuat dalam satu periode dan runtuh kemudian.
2. Perubahan rezim: Perilaku pasar dapat berubah, mengubah hubungan yang mendasarinya.
3. Biaya dan efek eksekusi yang berbeda: Bahkan jika y “dijelaskan” oleh x secara historis, hasil trading nyata bergantung pada spread, slippage, dan latensi.
4. Non-stasioneritas: Properti statistik dapat berubah seiring waktu, membuat “variasi yang dijelaskan” menjadi tidak stabil.
5. Ketergantungan pada bentuk model: R² mencerminkan kecocokan dari keluarga model tertentu (misalnya, linear). Bentuk fungsional yang berbeda mungkin cocok secara berbeda.

Karena masalah ini, R² historis saja bukan jaminan yang dapat diandalkan untuk kegunaan di masa depan.

Keterbatasan dan risiko, plus cara memverifikasi

R² adalah statistik deskriptif. Ini tidak mengonfirmasi kausalitas, tidak memvalidasi bahwa hubungan akan menggeneralisasi, dan tidak diterjemahkan langsung menjadi kinerja trading.

Daftar periksa verifikasi yang dapat Anda terapkan secara independen:

• Gunakan evaluasi di luar sampel: Hitung R² pada data yang tidak digunakan untuk penyesuaian.
• Uji sensitivitas terhadap input: Hitung ulang R² saat mengubah prapemrosesan (misalnya, return vs. level) dan pilihan penyelarasan.
• Periksa stabilitas di seluruh jendela waktu: Bandingkan R² di berbagai segmen historis untuk melihat apakah itu bertahan.
• Pertimbangkan apakah asumsi linear cocok dengan pertanyaan: Jika hubungan jelas non-linear, R² linear dapat menyesatkan.

Pertanyaan berikutnya untuk dieksplorasi: Saat Anda menghitung R² untuk variabel terkait forex Anda, apa definisi x dan y Anda, aturan penyelarasan waktu Anda, dan metode evaluasi Anda (dalam sampel vs. di luar sampel)? Pilihan-pilihan itu sering menentukan apa yang sebenarnya diukur oleh R².