Bagaimana Keltner Channels dapat di-backtest secara bertanggung jawab?

Apa itu Keltner Channels, dan apa sebenarnya yang Anda backtest?

Keltner Channels adalah amplop berbasis volatilitas di sekitar rata-rata bergerak. Konstruksi tipikal menggunakan garis tengah (rata-rata bergerak) dan pita atas/bawah berdasarkan ukuran volatilitas seperti Average True Range (ATR), yang diskalakan dengan pengali. Dalam backtest, Anda tidak menguji ide secara umum—Anda menguji definisi algoritme tertentu:

• Jenis rata-rata bergerak (misalnya, sederhana atau eksponensial)
• Panjang lookback untuk rata-rata bergerak
• Ukuran volatilitas dan panjang lookback-nya (biasanya ATR)
• Pengali pita
• Harga yang digunakan untuk input (misalnya, harga penutupan, atau bidang lain yang konsisten)

Karena setiap pilihan ini mengubah deret waktu yang Anda hasilkan, “backtest yang bertanggung jawab” dimulai dengan menuliskan perhitungan indikator Anda yang tepat sebelum membahas kinerja.

Tentukan data dan asumsi sebelum Anda menghitung hasil

Backtest yang bertanggung jawab membuat asumsinya eksplisit. Setidaknya, tentukan:

1. Frekuensi data dan penyelarasan waktu: Putuskan apakah deret Anda dibangun dari data harian, per jam, atau ukuran batang lainnya, dan pastikan pita dihitung menggunakan informasi yang tersedia pada penutupan batang tersebut (atau waktu pengambilan keputusan yang relevan).
2. Pencegahan lookahead: Hindari menggunakan batang masa depan untuk menghitung nilai pita yang tidak akan diketahui pada saat pengambilan keputusan.
3. Nilai parameter: Tetapkan pengaturan indikator yang Anda evaluasi, daripada menyesuaikannya selama evaluasi.
4. Model aturan trading (jika Anda menyertakannya): Bahkan jika tujuan Anda adalah perilaku indikator, Anda harus memperjelas apa yang dimaksud dengan “hasil”, seperti mengukur jarak ke pita, sentuhan, atau waktu yang dihabiskan di luar pita. Jika Anda mengubahnya menjadi keputusan, tentukan logika keputusan tanpa mengubahnya di tengah jalan.

Jika Anda tidak mendefinisikan dengan jelas apa yang diukur, Anda bisa mendapatkan output backtest yang tampak kuat tetapi sebenarnya merupakan artefak dari perhitungan yang tidak konsisten.

Pemodelan biaya dan realisme eksekusi

Backtest sering gagal karena membandingkan ide-ide yang berasal dari indikator dengan asumsi yang terlalu bersih. Pertimbangkan kategori biaya utama dan bagaimana Anda memodelkannya:

• Biaya transaksi: Spread/komisi atau biaya proksi per perdagangan yang dieksekusi.
• Slippage: Perbedaan antara harga eksekusi ideal dan harga pengisian yang masuk akal.
• Waktu order: Apakah order diasumsikan terisi pada pembukaan batang berikutnya, pada penutupan batang yang sama, atau dengan penundaan.

Bahkan tanpa data langsung, Anda dapat memodelkan komponen-komponen ini dengan asumsi eksplisit (misalnya, menggunakan biaya tetap per perdagangan dan aturan slippage sederhana). Kuncinya adalah konsistensi: asumsi biaya Anda harus diterapkan dengan cara yang sama di setiap proses backtest agar perbandingan tetap bermakna.

Kontrol bias: cegah overfitting dan kebocoran informasi

Backtest yang “bertanggung jawab” memperlakukan hasil sebagai hipotesis. Mode kegagalan yang umum meliputi:

• Overfitting: Menyesuaikan parameter secara berulang untuk mencocokkan satu periode historis.
• Bias lookahead: Menggunakan data dengan cara yang tidak akan tersedia pada saat pengambilan keputusan.
• Bias survivorship dan seleksi: Menguji hanya pada pasar atau periode yang dipilih karena terlihat bagus.

Untuk mengurangi risiko ini, gunakan kontrol bias:

1. Pengujian walk-forward (di luar waktu): Sesuaikan atau pilih parameter hanya pada jendela pelatihan, lalu evaluasi pada jendela berikutnya, ulangi.
2. Pembekuan parameter: Setelah Anda memutuskan pengaturan indikator, jangan mengubahnya berdasarkan perilaku jendela pengujian.
3. Beberapa pembagian: Uji di beberapa periode waktu yang tidak tumpang tindih sehingga satu rezim pasar tidak mendominasi kesimpulan.
4. Pengukuran yang sebanding: Pertahankan metrik kinerja dan logika keputusan Anda konstan di seluruh eksperimen.

Gunakan pemeriksaan di luar sampel dan uji ketahanan

Hasil historis dapat bergantung pada rezim. Untuk membuat kesimpulan Anda lebih andal, setidaknya perlukan:

• Evaluasi di luar sampel: Periode holdout akhir yang tidak digunakan untuk pemilihan parameter.
• Pemeriksaan ketahanan: Jalankan ulang definisi indikator yang sama di bawah variasi asumsi yang terkendali (misalnya, penyelarasan batang yang sedikit berbeda, atau pengaturan sumber volatilitas alternatif yang masuk akal) dan lihat apakah hasilnya berubah secara signifikan.

Jika kinerja runtuh ketika asumsi sedikit berubah, itu menunjukkan bahwa backtest mungkin mencerminkan kebetulan historis yang sempit daripada mekanisme yang stabil.

Keterbatasan dan mode kegagalan yang harus Anda akui

Bahkan backtest yang dirancang dengan hati-hati pun memiliki keterbatasan:

• Perilaku saluran di masa lalu tidak menjamin perilaku di masa depan (dinamika pasar dapat berubah).
• Rezim volatilitas dapat bergeser, mengubah seberapa sering harga berinteraksi dengan pita.
• Biaya dan efek eksekusi dapat mendominasi ketika sinyal apa pun sederhana.
• Output indikator bisa sangat sensitif terhadap pilihan parameter, terutama pengali dan panjang lookback.