Cara Menghitung Rentang Mean Reversion
Jawaban langsung
Rentang Mean Reversion dihitung dengan memilih nilai pusat (titik tengah) dari data terkini, kemudian melebarkannya ke luar dengan ukuran dispersi yang mewakili seberapa besar harga biasanya bervariasi. Bentuk umum yang dapat diperiksa adalah:
Rentang Mean Reversion (pita atas/bawah)
- Titik tengah: (M_t)
- Dispersi: (D_t)
- Batas bawah: (L_t = M_t - k,D_t)
- Batas atas: (U_t = M_t + k,D_t)
Di sini, (k) adalah pengali yang menskalakan lebar pita. Untuk menghitung (M_t) dan (D_t), Anda harus mendefinisikan:
- apa yang dimaksud dengan “data terkini” (jendela lihat ke belakang),
- rangkaian harga mana yang Anda gunakan, dan
- bagaimana Anda mengukur dispersi.
Mekanisme dan definisi: apa arti istilah-istilah tersebut
Untuk menghitung Rentang Mean Reversion, perlakukan ini sebagai “pita” statistik, bukan sebagai sinyal trading.
1) Pilih titik tengah (M_t)
Titik tengah adalah estimasi pusat gravitasi harga selama suatu jendela. Pilihan umum meliputi:
- Rata-rata bergerak sederhana (SMA): rata-rata aritmetika dari (N) observasi terakhir.
- Rata-rata bergerak eksponensial (EMA): rata-rata tertimbang yang bereaksi lebih cepat terhadap perubahan terkini.
- Median (kurang sensitif terhadap pencilan): nilai tengah dari (N) observasi terakhir.
Semua ini adalah definisi titik tengah yang valid, tetapi menghasilkan perilaku pita yang berbeda.
2) Pilih dispersi (D_t)
Dispersi mewakili deviasi tipikal di sekitar titik tengah. Pilihan dispersi yang banyak digunakan adalah standar deviasi:
- Diberikan observasi (x_{t-N+1}, \dots, x_t),
- Standar deviasi: (\sigma_t = \sqrt{\frac{1}{N-1}\sum_{i=0}^{N-1}(x_{t-i}-M_t)^2})
Kemudian Anda menetapkan (D_t = \sigma_t).
Definisi dispersi lain dapat digunakan jika rumus Anda menyatakannya dengan jelas, misalnya:
- Dispersi bergaya Average true range (ATR) (menggunakan hubungan high/low/close, bukan hanya satu rangkaian harga),
- Mean absolute deviation (MAD) (menggunakan jarak absolut rata-rata, seringkali kurang sensitif daripada deviasi kuadrat).
3) Pilih (k), pengali lebar pita
Pengali (k) mengontrol seberapa lebar batas atas dan bawah.
- (k) yang lebih tinggi umumnya menghasilkan pita yang lebih lebar.
- (k) yang lebih rendah umumnya menghasilkan pita yang lebih ketat.
Tidak ada satu nilai universal: nilai yang “tepat” bergantung pada bagaimana ukuran dispersi Anda berperilaku dan apa yang dilakukan panjang jendela Anda.
4) Definisikan rangkaian data (x_t)
Banyak perhitungan bergantung pada harga mana yang Anda masukkan ke dalam (M_t) dan (D_t). Contoh pilihan input:
- Harga penutupan
- Harga tipikal (sering didefinisikan sebagai rata-rata dari high/low/close)
- Harga tengah (sering didasarkan pada bid/ask, jika Anda menggunakan data berbasis kuotasi)
Hasil Anda hanya dapat dibandingkan dengan hasil orang lain jika mereka menggunakan definisi input yang sama.
Contoh perhitungan lengkap dan eksplisit
Asumsikan Anda mendefinisikan:
- (x_t) = harga penutupan pada waktu (t)
- (M_t) = SMA selama (N) penutupan terakhir
- (D_t) = standar deviasi selama jendela yang sama
- (k) = pengali yang dipilih
Maka:
- Hitung (M_t = \frac{1}{N}\sum_{i=0}^{N-1}x_{t-i})
- Hitung (\sigma_t = \sqrt{\frac{1}{N-1}\sum_{i=0}^{N-1}(x_{t-i}-M_t)^2})
- Tetapkan (L_t = M_t - k\sigma_t) dan (U_t = M_t + k\sigma_t)
Ini sepenuhnya deterministik setelah (N), (k), dan rangkaian input ditetapkan.
Bukti atau contoh yang dapat Anda verifikasi secara independen
Karena perhitungannya berbasis rumus, Anda dapat memverifikasinya menggunakan kumpulan data Anda sendiri serta spreadsheet atau kode.
Daftar periksa verifikasi
Untuk mengonfirmasi hasil secara independen, Anda perlu memastikan semua hal berikut cocok:
- Panjang jendela yang sama (N)
- Rangkaian harga yang sama (x_t) (harga penutupan vs harga tipikal vs definisi lainnya)
- Metode titik tengah yang sama (SMA vs EMA vs median)
- Metode dispersi yang sama (standar deviasi vs ukuran lainnya)
- Pengali yang sama (k)
Jika salah satu item berbeda, pita akan berbeda, meskipun struktur rumusnya terlihat serupa.
Mengapa beberapa implementasi berbeda
Dua platform dapat sama-sama menyebut “rentang mean reversion” tetapi menerapkan pilihan praktis yang berbeda:
- Jika satu menggunakan EMA untuk (M_t) dan yang lain menggunakan SMA, pusatnya bergerak secara berbeda.
- Jika satu menggunakan standar deviasi dan yang lain menggunakan ukuran mirip volatilitas, (D_t) berubah.
- Jika satu menggunakan harga penutupan dan yang lain menggunakan harga yang ditransformasi (seperti harga tipikal), inputnya berbeda.
Perbedaan ini bukan sekadar kosmetik; perbedaan ini mengubah pita numerik.
Keterbatasan dan mode kegagalan
Rentang Mean Reversion adalah konstruksi matematis di sekitar pusat dan ukuran dispersi. Keterbatasannya berasal dari pilihan-pilihan tersebut.
1) Panjang jendela bisa tidak stabil
- Jendela pendek dapat bereaksi terlalu cepat terhadap noise.
- Jendela panjang dapat tertinggal terhadap perubahan rezim.
Dalam kedua kasus, pita mungkin berhenti mencerminkan perilaku “tipikal” yang Anda maksudkan.
2) Pencilan dapat mendistorsi dispersi
Standar deviasi mengkuadratkan deviasi, sehingga observasi ekstrem dapat memperlebar (D_t) secara signifikan, membuat pita kurang informatif. Menggunakan dispersi yang lebih robust (seperti MAD) adalah salah satu mitigasi, tetapi itu mengubah makna rentang tersebut.
3) Dispersi tidak menjamin perilaku mean-reverting
Bahkan jika pita dihitung dengan benar, pasar (atau kumpulan data) mungkin tidak menunjukkan mean reversion. Rentang tersebut bukanlah prediksi; rentang tersebut hanyalah pita deskriptif berdasarkan variabilitas masa lalu.
4) Biaya, spread, dan eksekusi bukan bagian dari rumus
Perhitungan rentang mean reversion biasanya mengabaikan biaya trading dan detail eksekusi. Jika Anda kemudian menerapkan angka-angka tersebut pada keputusan dunia nyata, faktor-faktor itu dapat mendominasi hasil. Inilah sebabnya mengapa perhitungan itu sendiri harus dipisahkan dari interpretasi apa pun.
5) Non-stasioneritas: statistik historis mungkin tidak berlaku ke depan
Idenya mengasumsikan bahwa “variasi terkini” adalah proksi yang masuk akal untuk apa yang terjadi selanjutnya. Jika proses pembuatan data berubah, ukuran dispersi berubah terlalu lambat atau terlalu cepat.
Verifikasi atau pertanyaan berikutnya
Langkah berikutnya yang baik adalah menulis ulang versi persis yang ingin Anda hitung dalam bentuk (L_t = M_t - kD_t) dan (U_t = M_t + kD_t), lalu secara eksplisit daftarkan:
- bagaimana Anda mendefinisikan (M_t),
- bagaimana Anda mendefinisikan (D_t),
- jendela yang dipilih (N),
- pengali (k), dan
- harga input (x_t).
Jika Anda melakukan itu, Anda dapat mereproduksi rentang dari data mentah tanpa ambiguitas.
Jika Anda mau, beri tahu saya definisi spesifik Anda untuk titik tengah, dispersi, panjang jendela, dan harga input (misalnya: “titik tengah SMA, dispersi standar deviasi, harga penutupan, N=20”), dan saya dapat menyatakan ulang perhitungannya secara sepenuhnya eksplisit, langkah demi langkah.