Input apa saja yang digunakan oleh False Breakout Filtering?

Jawaban langsung

False breakout filtering menggunakan serangkaian input aturan yang mengubah informasi pasar mentah menjadi label ya/tidak untuk menentukan apakah sebuah breakout kemungkinan besar palsu. Input kuncinya adalah level harga yang mendefinisikan range sebelumnya, aturan yang mendefinisikan “breakout,” dan jendela observasi lanjutan yang memutuskan apakah harga dengan cepat kembali ke dalam range tersebut.

Karena “False Breakout Filtering” dapat diimplementasikan dengan berbagai cara, Anda harus memperlakukan inputnya sebagai parameter dari kumpulan aturan spesifik yang Anda gunakan. Konsep yang stabil adalah: bandingkan upaya breakout terhadap range referensi sebelumnya, lalu minta konfirmasi selanjutnya bahwa harga tidak bertahan di luar range.

Mekanisme dan definisi (input apa yang digunakan)

Pada tingkat tinggi, filter false breakout membutuhkan tiga kelompok input.

1. Input range referensi (apa yang Anda filter)

• Jendela lookback: jumlah bar/satuan waktu yang digunakan untuk mendefinisikan wilayah “sebelumnya”.
• Definisi range: apa yang dianggap sebagai batas atas dan bawah (misalnya, high tertinggi dan low terendah terbaru, atau pita yang lebih ketat menggunakan titik swing).
• Jenis harga referensi: apakah range didefinisikan menggunakan high/low, close, atau metode konsisten lainnya.

2. Input deteksi breakout (kapan Anda memberi label pada upaya)

• Ambang batas breakout: aturan untuk “di luar range” (misalnya, menembus di atas batas atas, atau menutup di atasnya).
• Aturan pengambilan sampel harga: apakah Anda mensyaratkan kondisi intrabar (sentuh/silang) atau berdasarkan penutupan bar.
• Buffer opsional: terkadang offset kecil digunakan untuk mengurangi sensitivitas terhadap pelanggaran batas kecil.

3. **Input konfirmasi false (bagaimana Anda memutuskan bahwa itu “palsu”)

• Jendela konfirmasi: berapa banyak bar berikutnya yang Anda amati setelah upaya breakout.
• Kondisi masuk kembali: aturan yang mendefinisikan “kegagalan,” seperti kembali ke dalam range asli pada saat penutupan.
• Jenis harga konfirmasi: sekali lagi, apakah masuk kembali harus diukur dengan close, low/high, atau pilihan konsisten lainnya.

Sederhananya: filter mengkonsumsi (a) harga historis untuk menetapkan batas, (b) harga saat ini untuk mendeteksi upaya breakout, dan (c) perilaku harga masa depan untuk menilai apakah upaya tersebut gagal dengan cepat.

Bukti atau contoh (kumpulan aturan konkret yang dapat diperiksa)

Contoh kumpulan input yang sepenuhnya ditentukan (tanpa asumsi data real-time):

• Data: urutan bar dengan high, low, dan close.
• Jendela lookback: 20 bar digunakan untuk menghitung batas atas dan batas bawah dari range.
• Definisi breakout: upaya breakout terjadi ketika close berada di atas batas atas.
• Jendela konfirmasi: 5 bar berikutnya.
• Kondisi false: upaya breakout diberi label “palsu” jika salah satu dari 5 bar tersebut menutup kembali ke dalam range asli (misalnya, close turun di bawah atau sama dengan batas atas dan di atas atau sama dengan batas bawah, tergantung pada aturan persis Anda).

Dalam contoh ini, input dan parameter bersifat eksplisit: lookback 20 bar, breakout berbasis close, jendela konfirmasi 5 bar, dan aturan masuk kembali berbasis close.

Detail penting adalah bahwa input bergantung pada penanganan data yang konsisten. Jika satu implementasi menggunakan high/low untuk range dan yang lain menggunakan close, atau jika satu memeriksa breakout pada sentuhan intrabar sementara yang lain hanya memeriksa close, maka keduanya adalah filter yang berbeda meskipun keduanya digambarkan sebagai “false breakout filtering.”

Keterbatasan dan risiko (apa yang bisa salah)

Setidaknya empat keterbatasan umumnya mempengaruhi false breakout filtering:

1. Sensitivitas parameter Perubahan kecil pada jendela lookback, ambang batas, atau waktu konfirmasi dapat mengubah label secara dramatis. Itu berarti “filter” bukanlah satu kumpulan input universal; ini adalah keluarga aturan.

2. Perubahan rezim pasar Metode yang mengasumsikan perilaku seperti range mungkin berkinerja buruk ketika struktur volatilitas berubah (misalnya, ketika pasar tren kuat daripada berosilasi dalam batas).

3. Asumsi eksekusi dan biaya Evaluasi historis bisa menyesatkan jika biaya diabaikan. Bahkan jika logika Anda hanya menggunakan harga, hasil nyata bergantung pada spread, slippage, dan bagaimana order akan dieksekusi.

4. Perilaku batas yang ambigu Jika pasar berulang kali melayang di dekat batas range, filter dapat berosilasi antara label “breakout” dan “false” berdasarkan perbedaan kecil dalam waktu penutupan bar.

Perlu dicatat juga: hubungan historis tidak menetapkan hasil masa depan. Perlakukan setiap keunggulan yang diamati sebagai kondisional pada input dan kondisi persis yang digunakan dalam pengujian.