Pertimbangan lanjutan untuk Likuiditas Berdasarkan Sesi

Likuiditas berdasarkan sesi, didefinisikan

Likuiditas berdasarkan sesi adalah cara berbasis jendela waktu untuk menggambarkan kapan kedalaman pasar dan aktivitas perdagangan cenderung lebih tinggi atau lebih rendah. “Sesi” dapat berarti jam operasional yang umum diamati di pasar (sering kali selaras dengan pusat perdagangan regional utama) atau blok waktu khusus yang Anda pilih untuk analisis.

Gagasan intinya sederhana: likuiditas tidak konstan sepanjang hari. Likuiditas sering berubah ketika tipe partisipan masuk atau keluar dari pasar, dan ketika jam perdagangan yang saling tumpang tindih meningkatkan jumlah partisipan aktif.

Mekanisme lanjutan: apa yang perlu diukur, dan apa yang tetap sama

Untuk menggunakan konsep ini di luar deskripsi dasar, Anda perlu model pengukuran yang eksplisit. “Likuiditas” dapat berarti hal yang berbeda, dan pilihan Anda akan memengaruhi hasil.

Salah satu pendekatan yang sederhana dan dapat dicek adalah melacak proksi likuiditas per sesi, seperti:

Perilaku typical bid/ask spread (proksi biaya).
Kedalaman rata-rata di dekat harga saat ini (jika Anda memiliki data level-2).
Distribusi kedatangan order atau volume yang diperdagangkan (proksi aktivitas).

Pemisahan “stabil vs variabel” yang praktis membantu:

Mekanisme stabil (yang Anda kendalikan): cara Anda mendefinisikan jendela sesi, cara Anda menyelaraskan zona waktu, serta cara Anda membersihkan dan memfilter data Anda.
Kondisi variabel (yang tidak sepenuhnya Anda kendalikan): waktu berita makro, perubahan rezim volatilitas, dan cara venue eksekusi spesifik Anda mencerminkan likuiditas yang tersedia.

Model minimal mungkin mengasumsikan Anda mengevaluasi pasar selama banyak hari dan menghitung statistik ringkasan untuk setiap jendela sesi. Bahkan jika mekanisme Anda stabil, pasar bisa berubah, jadi kesimpulan Anda harus diperlakukan sebagai bersyarat pada lingkungan yang Anda ukur.

Cara kerjanya: model explain-to-check di seluruh jendela waktu

Model mental yang jelas adalah:

Pilih jendela sesi (misalnya, jam regional yang berbeda atau blok khusus).
Untuk setiap jendela, hitung proksi likuiditas.
Bandingkan antar-jendela untuk melihat di mana likuiditas biasanya lebih tinggi atau biaya biasanya lebih rendah.
Perlakukan hasil sebagai deskripsi kondisi historis, bukan jaminan kondisi masa depan.

Agar model ini dapat diverifikasi, tetapkan asumsi untuk setiap perhitungan atau contoh. Misalnya:

Asumsi penyelarasan zona waktu: batas sesi didefinisikan dalam standar waktu yang konsisten.
Asumsi data: dataset Anda mencakup cukup banyak observasi per sesi untuk menghindari rata-rata yang menyesatkan.
Asumsi biaya: jika Anda menggunakan spread, Anda menerima bahwa spread yang teramati mungkin mencerminkan sumber data dan kondisi eksekusi Anda, bukan “kedalaman” pasar yang sebenarnya.

Pertimbangan lanjutan yang umum adalah tumpang tindih sesi. Ketika dua wilayah saling tumpang tindih, likuiditas dapat meningkat karena lebih banyak tipe partisipan mungkin aktif pada waktu yang sama. Jika Anda menggunakan jendela yang tidak saling tumpang tindih, Anda bisa mengaburkan efek ini dan mendapatkan pembedaan yang lebih lemah.

Kasus tepi dan pengecualian yang merusak asumsi naif

Beberapa kasus tepi sering menyebabkan kesimpulan yang menyesatkan ketika menggunakan likuiditas berdasarkan sesi.

Lonjakan dan celah yang dipicu peristiwa Peristiwa besar yang dijadwalkan (rilis ekonomi, pengumuman bank sentral) dapat mengubah perilaku likuiditas secara tiba-tiba. Selama dan tepat setelah momen-momen tersebut, spread dan proksi kedalaman dapat menyimpang dari pola sesi yang biasa.
Perubahan rezim Jendela sesi yang secara historis “likuid” dapat menjadi “kurang likuid” selama pergeseran volatilitas, tekanan pasar, atau perubahan dalam partisipasi. Hubungan likuiditas bisa melemah atau berbalik.
Ketidakcocokan sumber data Jika proksi likuiditas Anda berasal dari feed data dengan sampling dan pelaporan sendiri, proksi tersebut mungkin tidak sesuai dengan likuiditas yang Anda alami saat eksekusi. Bahkan ketika proksi likuiditas membaik, biaya eksekusi Anda masih bisa memburuk karena routing, latensi, atau pelebaran celah antara kuotasi dan transaksi.
Kesalahan zona waktu dan batas Kesalahan kecil pada waktu (misalnya, mendefinisikan awal/akhir sesi dalam waktu lokal alih-alih standar yang dimaksud) dapat memindahkan observasi ke jendela yang salah. Ini adalah mode kegagalan yang sering terjadi dan tidak terlihat.
Sesi dengan sampel tipis Beberapa definisi sesi mungkin berisi lebih sedikit observasi dalam dataset Anda. Rata-rata dan peringkat dapat menjadi tidak stabil, terutama ketika Anda membandingkan banyak jendela.

Keterbatasan dan risiko: apa yang bisa salah dalam implementasi

Likuiditas berdasarkan sesi adalah kerangka deskriptif, dan beberapa keterbatasan memengaruhi seberapa akurat Anda dapat menerapkannya.

Keterbatasan pengukuran

Masalah proksi: spread, kedalaman, dan volume mencerminkan aspek likuiditas yang berbeda. Nilai “lebih baik” pada satu proksi mungkin tidak berarti hal yang sama pada proksi lain.
Ketergantungan venue: likuiditas yang dialami dalam praktik dapat berbeda di berbagai venue eksekusi dan tipe order.

Risiko eksekusi dan operasional

Sensitivitas biaya: bahkan dengan rata-rata yang stabil, hasil yang terealisasi dapat bervariasi karena kondisi eksekusi berubah pada level mikro.
Efek seperti slippage: jika likuiditas menipis dengan cepat dalam sebuah jendela, satu statistik ringkasan dapat meremehkan risikonya.
Keterlambatan data dan filtering: jika timestamp dibulatkan, di-sampling, atau difilter, Anda dapat mendistorsikan profil sesi.

Risiko statistik

Overfitting: jika Anda menyetel jendela sesi ke data masa lalu, Anda mungkin menangkap noise, bukan pola yang tahan lama.
Non-stasioneritas: hubungan historis mungkin tidak bertahan setelah perubahan struktural dalam partisipasi atau perilaku perdagangan.

Mode kegagalan yang material adalah memperlakukan peringkat sesi historis sebagai stabil. Likuiditas dapat berubah karena alasan yang tidak terkait dengan jam. Ketika lingkungan bergeser, ekspektasi berbasis sesi bisa menjadi tidak dapat diandalkan.

Verifikasi: cara memeriksa secara independen apakah asumsi Anda berlaku

Verifikasi secara independen kesimpulan likuiditas-bersesi Anda dengan menggabungkan pemeriksaan internal:

Hitung ulang proksi di beberapa periode waktu dan bandingkan kestabilan peringkat sesi.
Gunakan uji sensitivitas: geser sedikit batas sesi dan lihat apakah hasil Anda berubah secara bermakna.
Validasi konsistensi proksi: periksa apakah temuan berbasis spread searah dengan proksi volume atau kedalaman.
Uji stres di sekitar periode yang diketahui mengganggu (tanpa mengasumsikan hasil): amati bagaimana proksi berperilaku mendekati waktu peristiwa besar.

Jika Anda tidak dapat memverifikasi kestabilan pengukuran Anda, pernyataan paling akurat yang bisa Anda buat adalah bahwa likuiditas bersifat berubah terhadap waktu dan efek sesi yang Anda amati bersyarat pada dataset serta definisi yang Anda gunakan.

Pertanyaan berikutnya untuk memperjelas use case Anda

Untuk menerapkan likuiditas berdasarkan sesi dengan cara yang dapat Anda verifikasi, jelaskan tiga pilihan:

Apa yang Anda maksud dengan “sesi” (jam pasar vs jendela khusus).
Proksi likuiditas mana yang akan Anda gunakan dan mengapa.
Bagaimana Anda akan menangani periode yang dipicu peristiwa dan penyelarasan zona waktu.

Jika Anda mau, bagikan definisi “sesi” yang Anda rencanakan dan proksi likuiditas yang akan Anda gunakan (spread, depth, volume). Lalu Anda dapat meninjau apakah model pengukuran Anda memiliki asumsi yang jelas dan mode kegagalan yang masih dapat dikelola.