Cara Indeks Random Walk Dihitung

Jawaban langsung

Indeks Random Walk dihitung dengan mengubah deret harga menjadi ukuran standar seberapa “mirip random walk”-nya pergerakan yang diamati dalam jendela waktu (lookback) yang dipilih. Dalam praktiknya, Anda menghitung statistik dari urutan return (atau perubahan harga) terbaru, membandingkannya dengan garis dasar (baseline) yang diharapkan yang digunakan dalam definisi indeks, dan mengubah hasilnya menjadi nilai indeks. Rumus pastinya bervariasi tergantung implementasinya, jadi verifikasi yang akurat mensyaratkan penyebutan definisi spesifik yang digunakan sumber Anda (panjang jendela, definisi return, dan transformasinya).

Mekanisme dan definisi (apa yang dibutuhkan perhitungan)

Sebelum membahas implikasinya, definisikan data dan komponen dasar penyusunnya.

1) Pilih deret harga input

Anda mulai dengan urutan yang diurutkan berdasarkan waktu:

• Harga: (P_t) untuk (t = 1,2,\dots)
• Frekuensi pengambilan sampel: misalnya, setiap bar di kumpulan data Anda (menit, 1 jam, 1 hari). Indeks tidak bermakna kecuali aturan pengambilan sampel Anda ditetapkan.

Persyaratan utamanya adalah konsistensi: perhitungan mengasumsikan deret tersebut berurutan dan menggunakan interval pengambilan sampel yang sama dengan definisi metode.

2) Definisikan “return” atau perubahan harga

Sebagian besar implementasi bekerja dari salah satu:

• Return sederhana: (r_t = \frac{P_t - P_{t-1}}{P_{t-1}})
• Atau return logaritmik: (r_t = \ln(P_t) - \ln(P_{t-1}))

Beberapa versi menggunakan perubahan harga berskala (scaled price changes) alih-alih return. Definisi yang Anda pilih harus sesuai dengan definisi yang terkait dengan Indeks Random Walk yang ingin Anda reproduksi.

3) Pilih jendela bergulir (rolling window)

Ukuran tipe random-walk biasanya dihitung dalam jendela lookback dengan panjang (N). Untuk setiap waktu (t), Anda mengambil (N) return (atau perubahan) terakhir:

• (r_{t-N+1}, \dots, r_t)

Mengubah (N) mengubah daya tanggap dan stabilitas indeks.

4) Hitung statistik yang mengukur deviasi dari perilaku random walk

Indeks secara konseptual membandingkan karakteristik pergerakan yang diamati dengan yang diharapkan dalam asumsi random walk (di mana kenaikan berperilaku seperti langkah-langkah independen dan terdistribusi identik).

Pola umum untuk indeks semacam itu adalah:

1. Hitung ukuran dari urutan (N)-langkah (misalnya, sebaran yang dinormalisasi, variabilitas, atau rasio variabilitas aktual terhadap variabilitas yang diharapkan).
2. Ubah ukuran tersebut menjadi skor tanpa dimensi.

Karena implementasinya berbeda, Anda harus memperlakukan nama “Indeks Random Walk” sebagai sesuatu yang memerlukan rumus konkret dari definisi spesifik yang ingin Anda reproduksi.

5) Terapkan transformasi untuk menghasilkan nilai indeks

Untuk membuat statistik dapat dibandingkan antar waktu (dan terkadang antar aset), sebuah indeks sering kali menggunakan langkah penskalaan atau normalisasi, seperti:

• membagi dengan kuantitas dasar yang tersirat oleh asumsi random walk,
• atau memetakan statistik melalui transformasi monotonik.

Sekali lagi, transformasi ini spesifik terhadap definisi.

Contoh alur kerja perhitungan yang dapat diperiksa sendiri (dengan asumsi eksplisit)

Karena rumus “Indeks Random Walk” yang tepat dapat berbeda antar sumber, cara teraman untuk memverifikasi adalah dengan mengikuti alur kerja yang dapat direproduksi setelah Anda menetapkan definisinya.

Berikut adalah alur kerja verifikasi yang dapat Anda gunakan dengan rumus Indeks Random Walk spesifik apa pun setelah Anda menuliskannya.

Langkah A: Tetapkan definisi

Tuliskan rumus Anda secara eksplisit, termasuk:

• bagaimana Anda mendefinisikan return (sederhana vs log vs selisih mentah),
• panjang jendela (N),
• statistik yang digunakan di dalam indeks (bagian yang dihitung dari (N) return),
• langkah normalisasi atau transformasi.

Jika sebuah rumus merujuk pada nilai “yang diharapkan” dalam asumsi random walk, Anda harus mengetahui ekspektasi mana yang digunakan (misalnya, apakah mengasumsikan model varians tertentu).

Langkah B: Hitung return untuk titik data yang tepat

Dengan menggunakan frekuensi pengambilan sampel yang ditetapkan, hitung (r_t) untuk semua stempel waktu yang diperlukan.

Hindari perubahan tersembunyi seperti:

• menggunakan harga yang diisi ke depan (forward-filled) untuk bar yang hilang,
• berpindah dari harga bid ke harga mid tanpa menyatakannya,
• mencampur zona waktu atau sesi perdagangan.

Langkah C: Gulirkan jendela dan hitung statistiknya

Untuk setiap (t \ge N):

• ambil vektor (r_{t-N+1}, \dots, r_t),
• hitung statistik persis seperti yang didefinisikan,
• terapkan normalisasi/transformasi untuk mendapatkan nilai indeks pada waktu (t).

Langkah D: Reproduksi secara independen satu atau dua titik indeks

Pilih satu stempel waktu (t_0) dan hitung nilai indeks secara manual (atau dalam skrip kecil) dari data mentah. Kemudian bandingkan dengan keluaran dari implementasi yang Anda uji.

Jika hasilnya berbeda, ketidakcocokan biasanya disebabkan oleh:

• definisi return yang berbeda,
• penanganan (P_{t-1}) yang berbeda saat data dimulai,
• penyelarasan jendela yang berbeda (apakah jendela bersifat inklusif/eksklusif),
• konstanta normalisasi yang berbeda.

Keterbatasan dan mode kegagalan

Indeks bergaya random-walk sensitif karena mereka menerjemahkan asumsi tentang keacakan menjadi perhitungan deterministik pada sampel yang terbatas.

1) Sensitivitas parameter

Mengubah (N) atau definisi return dapat secara material mengubah nilai indeks. Jika Anda berpindah implementasi, Anda mungkin membandingkan objek yang berbeda meskipun namanya sama.

2) Perilaku tidak stasioner

Pasar sering mengubah properti statistiknya seiring waktu (rezim volatilitas, efek mikro-struktur). Asumsi random walk adalah idealisasi; indeks mengukur deviasi dalam asumsi tersebut, sehingga dapat bergerak karena alasan yang tidak terkait dengan “kualitas sinyal.”

3) Penanganan data dan efek pengambilan sampel

Nilai indeks bergantung pada:

• frekuensi pengambilan sampel (intraday vs harian),
• perlakuan data yang hilang,
• aksi korporasi pada ekuitas (tidak relevan dengan FX dengan cara yang sama, tetapi penyesuaian lain dapat terjadi di kumpulan data mana pun),
• apakah harga disesuaikan untuk sesuatu.

Perbedaan kecil dalam prapemrosesan data dapat menciptakan perbedaan numerik yang besar dalam perhitungan bergulir.

4) Ketidakstabilan sampel terbatas

Dalam jendela pendek, perkiraan kuantitas bisa berisik. Dalam jendela yang lebih panjang, indeks mungkin bereaksi lambat.

5) Salah tafsir sebagai sinyal mandiri

Nilai indeks saja bukan jaminan arah atau kinerja masa depan. Ini adalah statistik deskriptif dalam kerangka asumsi tertentu.

Verifikasi dan pertanyaan lanjutan

Untuk memverifikasi secara independen perhitungan Indeks Random Walk:

1. Catat rumus persis yang Anda gunakan (termasuk (N), definisi return, dan normalisasi).
2. Gunakan deret harga dan frekuensi pengambilan sampel yang tetap.
3. Hitung ulang setidaknya satu hasil jendela bergulir dari input mentah.
4. Periksa bahwa penyelarasan jendela sesuai dengan definisi.

Langkah selanjutnya yang berguna adalah mengklarifikasi bagaimana Indeks Random Walk spesifik Anda berbeda dari konsep “random walk” atau “rasio efisiensi” terkait, karena banyak metrik dengan nama serupa berbagi bagian dari alur kerja tetapi berbeda dalam statistik atau garis dasarnya.

Jika Anda mau, bagikan definisi persisnya (teks rumus) yang sedang Anda kerjakan (termasuk nama parameter), dan langkah-langkah perhitungan dapat disesuaikan dengan definisi tersebut untuk reproduksi yang akurat.