Bagaimana Mean Reversion Range dapat di-backtest secara bertanggung jawab?

Definisikan konsepnya sebelum Anda mengujinya

Mean Reversion Range adalah ide backtesting di mana Anda mencari situasi di mana harga tampak “terlalu jauh” dari kecenderungan sentral dan mungkin nantinya akan bergerak kembali ke arahnya. “Range” adalah pita terukur yang mendefinisikan “terlalu jauh” dan “kembali ke dalam.” Contoh definisi terukur mencakup pita di sekitar moving average, saluran dengan lebar tetap, atau pita berdasarkan dispersi.

Backtesting yang bertanggung jawab dimulai dengan menuliskan aturan pasti yang mengubah data pasar menjadi tiga keadaan: (1) ketika harga berada di luar pita, (2) apa arti “target” di dalam pita, dan (3) apa yang dianggap sebagai exit. Tanpa definisi yang presisi, dua orang dapat menjalankan pengujian yang “sama” dan mendapatkan hasil yang tidak kompatibel.

Tentukan input, asumsi, dan biaya secara eksplisit

Backtest sering gagal karena mengasumsikan hilangnya friksi-friksi penting. Untuk membuat hasil dapat diverifikasi secara independen, daftarkan setiap asumsi yang digunakan dalam perhitungan Anda.

Kategori asumsi umum:

• Resolusi data dan timestamp: Apakah Anda menggunakan data tick, bar menit, atau bar harian? Apakah Anda menggunakan close-to-close, open-to-open, atau estimasi intrabar?
• Harga yang digunakan untuk keputusan vs. eksekusi: Jika aturan memicu di akhir bar, Anda tidak dapat juga berasumsi bahwa Anda mengeksekusi pada harga terbaik di bar yang sama. Anda harus mendefinisikan waktu eksekusi.
• Biaya (kostensoorten): Sertakan setidaknya biaya transaksi yang relevan dengan lingkungan Anda, seperti spread, komisi, dan biaya lainnya. Jika Anda tidak dapat memperolehnya, jalankan rentang sensitivitas alih-alih menggunakan satu angka optimis.
• Slippage dan batas likuiditas: Jika pita Anda ketat, perbedaan eksekusi kecil dapat mendominasi hasil. Modelkan slippage sebagai parameter, bukan sebagai pemikiran belakangan.

Ketika Anda mengubah asumsi apa pun, jalankan ulang backtest dan catat bagaimana hasilnya bergerak. Ini membantu memisahkan mekanisme yang stabil dari kondisi pasar atau penyedia yang bervariasi.

Kontrol bias dengan pengujian yang disiplin (pola pikir aannames dan controlebron)

Backtest yang bertanggung jawab memperlakukan kinerja sebagai hipotesis, bukan kesimpulan. Bias dapat diperkenalkan oleh cara Anda memilih parameter, cara Anda membersihkan data, atau cara Anda memilih periode waktu yang digunakan untuk membangun aturan.

Kontrol bias praktis:

• Pemisahan penyesuaian parameter: Jika Anda menyesuaikan lebar pita atau panjang kecenderungan sentral, lakukan hanya pada periode pelatihan. Jangan gunakan kembali periode yang sama untuk mengklaim kinerja final.
• Validasi walk-forward: Sesuaikan kembali atau pilih ulang parameter hanya pada titik waktu yang ditentukan, lalu uji pada segmen berikutnya. Ini mengurangi bias look-ahead.
• Beberapa rezim: Uji pada kondisi volatilitas dan tren yang berbeda. Perilaku mean reversion dapat bervariasi dengan rezim; aturan yang berhasil di satu rezim dapat gagal di rezim lain.

Dalam konteks ini, “controlebron” adalah segmen validasi yang tidak Anda gunakan untuk seleksi. Jika aturan hanya berkinerja di tempat ia disetel, hasilnya kemungkinan besar overfit.

Evaluasi menggunakan pemeriksaan out-of-sample dan mode kegagalan

Hubungan historis tidak menetapkan hasil masa depan. Oleh karena itu, pertanyaan kuncinya bukan hanya “berapa return-nya,” tetapi “apakah perilaku tersebut bertahan ketika kondisi berubah?”

Gunakan pemeriksaan out-of-sample:

• Periode holdout: Cadangkan segmen yang tidak pernah digunakan untuk seleksi parameter.
• Jendela bergulir: Evaluasi kinerja dalam jendela berturut-turut untuk melihat apakah kinerja menurun.
• Ketahanan terhadap perubahan dispersi: Jika pita Anda didasarkan pada dispersi, coba ukuran dispersi alternatif dan verifikasi apakah kesimpulan tetap konsisten.

Laporkan juga setidaknya satu keterbatasan material atau mode kegagalan. Contohnya meliputi:

• Pergeseran rezim: Jika harga berhenti berosilasi di sekitar kecenderungan sentral, “terlalu jauh” dapat terus bergerak lebih jauh.
• Ketidakcocokan pita: Jika lebar pita Anda terlalu sempit, eksekusi dapat didominasi oleh noise dan biaya (kostensoorten).
• Artefak resolusi bar: Dengan data kasar, Anda mungkin melewatkan bahwa aturan akan keluar lebih awal menggunakan timestamp yang lebih halus.

Apa yang harus didokumentasikan agar orang lain dapat mereproduksi penalaran Anda

Untuk memverifikasi fakta-fakta yang relevan secara independen, buatlah “spesifikasi pengujian” yang ringkas yang mencakup:

• Aturan pita yang tepat (definisi di luar/di dalam, kecenderungan sentral, dan lebar range).
• Aturan waktu keputusan dan eksekusi.
• Model biaya dengan rentang parameter untuk item yang tidak pasti.
• Cakupan dataset (tanggal, universe instrumen, dan frekuensi data).
• Metode pembagian untuk pelatihan vs. out-of-sample.
• Metrik ringkasan dan bagaimana metrik tersebut dihitung.

Terakhir, perlakukan hasil sebagai bukti tentang mekanisme di bawah asumsi spesifik Anda—bukan sebagai jaminan. Hasil bervariasi dengan kondisi pasar, biaya, eksekusi, dan faktor variabel lain yang mungkin tidak sepenuhnya ditangkap oleh backtest.