Data Apa yang Diperlukan untuk Menilai Strategi RSI?

Mekanisme dan definisi: apa yang menjadi dasar penilaian “strategi RSI”

RSI (Relative Strength Index) adalah osilator yang mengubah perubahan harga menjadi nilai terikat, umumnya antara 0 dan 100. Sebuah “strategi RSI” bukan hanya nilai RSI; strategi ini juga mencakup aturan yang menghubungkan pembacaan RSI (dan terkadang kondisi tambahan) dengan tindakan dan evaluasi. Untuk menilai strategi RSI, Anda oleh karena itu memerlukan data yang mencakup (1) input indikator, dan (2) input evaluasi aturan.

Deskripsi yang lengkap harus menentukan:

• Panjang lookback RSI yang digunakan untuk menghitung RSI.
• Data harga yang digunakan di dalam RSI (misalnya, bidang harga mana yang digunakan untuk memperoleh keuntungan dan kerugian).
• Kerangka waktu data (misalnya, durasi bar) karena RSI bergantung pada panjang urutan dalam pengambilan sampel tersebut.
• Setiap kondisi tambahan yang digunakan bersama RSI (misalnya, filter berdasarkan tren, volatilitas, sesi, atau batas risiko).

Jawaban langsung: input data, provenansi, ketepatan waktu, dan pemeriksaan kualitas

Untuk menilai strategi RSI dengan cara yang dapat Anda verifikasi secara independen, kumpulkan kategori data berikut.

1) Input untuk perhitungan RSI

Anda memerlukan set input minimum yang sepenuhnya menentukan nilai RSI:

• Rangkaian harga untuk instrumen dan kerangka waktu yang dipilih.
• Parameter RSI (panjang lookback dan varian perhitungan apa pun).
• Pemetaan yang tepat dari data pasar mentah ke rangkaian yang digunakan untuk perhitungan (misalnya, bagaimana bar dibentuk dan apakah aksi korporasi atau rollover simbol ditangani, jika relevan).

Asumsi untuk perhitungan diperlukan. Jika seseorang menggunakan definisi yang berbeda (atau varian RSI khusus platform), nilai RSI dapat berbeda bahkan dengan kerangka waktu dan panjang lookback yang sama. Tanpa transparansi parameter, penilaian menjadi tidak dapat direproduksi.

2) Data evaluasi aturan (apa yang mengubah pembacaan indikator menjadi hasil)

Jika strategi mencakup aturan trading, Anda juga memerlukan data yang digunakan untuk mengevaluasi aturan tersebut:

• Stempel waktu keputusan: kapan strategi memeriksa RSI dan kapan strategi bertindak.
• Model harga eksekusi: harga apa yang diasumsikan untuk entry/exit (misalnya, penutupan bar vs. pembukaan bar berikutnya).
• Asumsi biaya transaksi: spread, komisi, dan selip yang dimodelkan.
• Kendala: apakah posisi ditahan untuk periode tetap, dibalik, ditutup secara kondisional, atau dicegah agar tidak tumpang tindih.

Bahkan untuk analisis informasional, Anda harus dapat menyatakan asumsi dengan cukup jelas untuk menjalankan ulang logika pada rangkaian input yang sama.

3) Provenansi: dari mana data berasal dan bagaimana data diproduksi

Anda memerlukan provenansi untuk menilai apakah hasil dapat mencerminkan artefak:

• Sumber data harga (vendor, feed broker, atau kumpulan data yang diekspor) dan metode pembaruannya.
• Aturan kontinuitas simbol dan kontrak (terutama jika instrumen mengubah pengidentifikasi dari waktu ke waktu).
• Tindakan pembersihan data (bar yang hilang, outlier, celah akhir pekan, atau koreksi) dan bagaimana tindakan tersebut ditangani.

Jika provenansi dan langkah pembersihan tidak dijelaskan, Anda tidak dapat membedakan perilaku strategi dari keanehan data.

4) Pemeriksaan ketepatan waktu dan penyelarasan

RSI dihitung dari urutan historis, sehingga ketidakcocokan waktu dapat menciptakan hasil yang menyesatkan:

• Pastikan strategi tidak “menggunakan masa depan.” Untuk strategi berbasis bar, konfirmasikan apakah nilai RSI yang digunakan pada waktu t dihitung secara ketat dari informasi yang tersedia hingga waktu t.
• Konfirmasikan zona waktu dan penyelarasan bar yang digunakan dalam kumpulan data.

Jika waktu tidak jelas, penilaian tidak dapat diverifikasi secara independen.

5) Pemeriksaan kualitas: ketahanan dan mode kegagalan

Anda harus mencari masalah kualitas yang sering merusak strategi berbasis indikator:

• Overfitting: banyak parameter dan ambang batas RSI yang disetel ke satu periode.
• Perubahan rezim: perilaku RSI dapat berubah ketika volatilitas, kekuatan tren, atau struktur pasar berubah.
• Sensitivitas biaya: perubahan kecil dalam spread atau asumsi eksekusi dapat secara material mengubah hasil bersih.
• Masalah pengambilan sampel: mengubah kerangka waktu atau mengambil sampel ulang bar dapat menghasilkan dinamika RSI yang berbeda.

Sertakan setidaknya satu keterbatasan yang dapat menyebabkan strategi gagal dalam praktik. Misalnya, logika berbasis RSI dapat bereaksi terlambat selama transisi cepat, dan biaya transaksi dapat menghapus keunggulan yang tampak ketika frekuensi trading tinggi.

Bukti dan contoh struktur: apa yang harus dapat direproduksi

Penilaian yang berguna biasanya memberikan informasi yang cukup bagi Anda untuk mereplikasi jalur keputusan:

• Daftarkan parameter RSI dan bidang harga persis yang digunakan.
• Nyatakan bagaimana bar dibuat dan stempel waktu mana yang digunakan untuk pemeriksaan dan eksekusi.
• Berikan asumsi biaya dan eksekusi yang digunakan dalam evaluasi apa pun.
• Tunjukkan setidaknya satu jendela contoh pendek yang dapat dijelaskan di mana logika RSI memicu dan jelaskan alasannya.