Bagaimana Stochastic Range Dihitung? Rumus, Input, dan Batasannya

Jawaban langsung

Stochastic Range dihitung dengan mengambil harga “saat ini” yang dipilih dan menempatkannya di dalam jendela lookback berjalan yang ditentukan oleh highest high dan lowest low. Hasilnya diskalakan ke nilai terikat yang menyatakan di mana harga saat ini berada relatif terhadap rentang masa lalu tersebut.

Secara sederhana: ini menjawab, “Dalam N bar terakhir, seberapa dekat harga hari ini dengan puncak rentang yang diamati, dan seberapa jauh dari dasarnya?”

Mekanisme dan definisi

Perhitungan Stochastic Range yang umum mengikuti struktur ini:

1. Pilih panjang jendela lookback, biasanya disebut N.
2. Untuk setiap bar, hitung:

• HighestHigh(N) = nilai maksimum dari harga high yang dipilih selama N bar terakhir
• LowestLow(N) = nilai minimum dari harga low yang dipilih selama N bar terakhir

3. Pilih harga mana yang Anda gunakan sebagai nilai “saat ini”. Pilihan umum adalah close saat ini (tetapi beberapa varian menggunakan komponen harga lain).

Kemudian hitung posisi yang diskalakan:

Stochastic Range (bentuk dasar)

[ KR = \frac{HargaSaatIni - LowestLow(N)}{HighestHigh(N) - LowestLow(N)} ]

Untuk menyatakannya sebagai ukuran seperti persentase, beberapa implementasi mengalikannya dengan 100:

[ SR = 100 \times \frac{HargaSaatIni - LowestLow(N)}{HighestHigh(N) - LowestLow(N)} ]

Interpretasi (tanpa menjanjikan sinyal):

• Jika HargaSaatIni = LowestLow(N), maka KR = 0 (atau SR = 0).
• Jika HargaSaatIni = HighestHigh(N), maka KR = 1 (atau SR = 100).
• Jika HargaSaatIni berada di antara keduanya, nilainya terletak antara 0 dan 1 (atau 0 dan 100).

Persyaratan data

Untuk menghitung hal di atas secara konsisten, Anda memerlukan:

• Deret waktu OHLC (atau setidaknya high, low, dan harga saat ini yang dipilih seperti close).
• Definisi yang jelas tentang batas bar (misalnya, bar harian vs. bar 1 jam), karena high/low berjalan bergantung pada granularitas.
• Panjang lookback tetap N.

Perbedaan varian (mengapa dua grafik bisa berbeda)

Stochastic Range sering dibahas bersama indikator “stochastic” lainnya, dan implementasinya bervariasi. Sumber perbedaan yang paling umum adalah:

• Harga “saat ini” mana yang digunakan (close vs. komponen lain).
• Bagaimana highest high dan lowest low dihitung (misalnya, menggunakan high/low dari OHLC, atau input yang disesuaikan).
• Apakah penghalusan diterapkan (beberapa versi menambahkan langkah moving average sebelum atau sesudah penskalaan).

Karena pilihan-pilihan ini mengubah angka yang dihitung, Anda harus memperlakukan rumus tersebut sebagai bergantung pada definisi implementasi.

Bukti atau contoh (dengan asumsi yang eksplisit)

Berikut adalah contoh konkret menggunakan bentuk dasar tanpa penghalusan, dan dengan asumsi:

• Anda menggunakan HargaSaatIni = Close.
• Anda menggunakan N = 5 bar terakhir.
• Anda menghitung:
  • HighestHigh(5) dari 5 high terbaru
  • LowestLow(5) dari 5 low terbaru

Misalkan selama 5 bar terakhir Anda mengamati:

• HighestHigh(5) = 1.2000
• LowestLow(5) = 1.1800
• HargaSaatIni (close terbaru) = 1.1950

Langkah 1: hitung penyebut (lebar rentang):

• HighestHigh(5) − LowestLow(5) = 1.2000 − 1.1800 = 0.0200

Langkah 2: hitung pembilang (jarak dari dasar):

• HargaSaatIni − LowestLow(5) = 1.1950 − 1.1800 = 0.0150

Langkah 3: skala:

• KR = 0.0150 / 0.0200 = 0.75
• SR = 100 × 0.75 = 75

Jadi nilai Stochastic Range menunjukkan bahwa close berada sekitar 75% di atas rentang high–low 5 bar yang diamati.

Satu pengecualian penting: penyebut nol

Jika HighestHigh(N) = LowestLow(N), penyebut menjadi nol. Ini dapat terjadi ketika high dan low sama di seluruh jendela (misalnya, selama periode tanpa variasi pada input yang relevan atau karena keanehan data).

Dalam kasus seperti itu, implementasi biasanya:

• mengembalikan nilai default (seringkali 0 atau hilang), atau
• mendefinisikan perilaku kasus khusus.

Saat Anda memverifikasi perhitungan, periksa bagaimana metode yang Anda pilih menangani kasus tepi ini.

Keterbatasan dan risiko (apa yang dapat merusak hasil)

1. Pilihan jendela mengubah segalanya Panjang lookback N mengontrol batas high–low. N yang lebih panjang menggunakan rentang yang lebih luas dan sering menghasilkan penskalaan yang lebih halus dan stabil; N yang lebih pendek bereaksi lebih cepat tetapi mungkin lebih sensitif terhadap ekstrem jangka pendek.

2. Granularitas memengaruhi rentang berjalan Jika Anda beralih dari bar harian ke bar per jam, highest high dan lowest low selama “N bar” merujuk pada rentang waktu yang berbeda, sehingga nilai yang dihitung tidak dapat dibandingkan secara langsung.

3. Kualitas data dan konsistensi sumber Karena perhitungan menggunakan ekstrem high dan low, perbedaan kecil dalam feed data atau konstruksi bar dapat menggeser HighestHigh(N) dan LowestLow(N), yang menggeser nilai osilator.

4. Definisi varian dapat membuatnya tampak seperti indikator yang berbeda Jika satu platform menerapkan penghalusan atau menggunakan harga “saat ini” yang berbeda, Stochastic Range yang Anda hitung mungkin berbeda bahkan ketika panjang lookbacknya sama.

5. Tidak ada jaminan prediktif bawaan Bahkan ketika matematikanya benar, posisi yang dihitung dalam rentang historis tidak, dengan sendirinya, menjamin hasil masa depan. Struktur rentang historis dapat berubah, dan tingkat Stochastic Range yang sama dapat terjadi dalam kondisi pasar yang sangat berbeda.

Verifikasi dan pertanyaan lanjutan yang perlu diajukan

Untuk memverifikasi Stochastic Range secara independen:

• Konfirmasi definisi implementasi yang tepat: N, harga mana yang menjadi HargaSaatIni, apakah nilai diskalakan ke 0–1 atau 0–100, dan apakah penghalusan digunakan.
• Hitung HighestHigh(N) dan LowestLow(N) secara langsung dari data OHLC Anda.
• Hitung ulang rumus bar demi bar dan periksa kasus tepi di mana HighestHigh(N) − LowestLow(N) = 0.

Jika Anda menginginkan langkah berikutnya, tanyakan bagaimana pengaturan yang dipilih (terutama N dan penghalusan apa pun) mengubah output. Pertanyaan lanjutan yang umum adalah: Bagaimana pengaturan mengubah stochastic range?