Data Apa yang Diperlukan untuk Menilai Kesenjangan Likuiditas?

Apa arti “kesenjangan likuiditas” dalam istilah sederhana

Kesenjangan likuiditas adalah kondisi di mana terdapat ketidaksesuaian yang signifikan antara likuiditas beli dan jual yang tersedia di berbagai harga, menciptakan area yang “lebih tipis” di mana transaksi cenderung lebih jarang terjadi pada level-level tersebut. Dalam praktiknya, analis mencari bukti bahwa struktur pasar membuat pergerakan harga lebih sensitif ketika likuiditas langka.

Sebelum memilih data, tentukan mekanisme yang akan Anda nilai. Misalnya, apakah yang Anda maksud adalah (a) lebih sedikit order yang menunggu di seluruh rentang harga, (b) spread efektif yang lebih lebar dan eksekusi yang lebih lambat pada momen-momen tertentu, atau (c) diskontinuitas dalam seberapa cepat harga dapat bertransisi antar level? Setiap interpretasi mengarah pada input yang berbeda.

Jawaban langsung: input data yang Anda perlukan

Untuk menilai kesenjangan likuiditas secara mandiri, kumpulkan data dalam empat kelompok: input definisi, input pasar, input eksekusi/dampak, dan input referensi/konteks.

1. Input definisi (untuk membuat konsep tersebut operasional)

• Pernyataan yang presisi tentang apa yang dimaksud dengan “kesenjangan” dalam kerangka kerja Anda (misalnya, rentang harga di mana ketersediaan order lebih rendah, atau di mana gesekan transaksi efektif meningkat).
• Unit waktu yang akan Anda analisis (mikrodetik, detik, menit). Efek likuiditas bergantung pada waktu.
• Aturan pengelompokan atau pembagian harga (bagaimana Anda mengelompokkan harga ke dalam rentang).

2. Input pasar (observasi likuiditas dan aktivitas perdagangan)

• Kuotasi berstempel waktu dan/atau ukuran turunan order book (misalnya, spread bid-ask, kedalaman di berbagai level harga, atau kedalaman dalam rentang yang ditentukan).
• Data transaksi (trade prints) dengan stempel waktu (sehingga Anda dapat melihat di mana transaksi terkonsentrasi versus di mana transaksi jarang).
• Ukuran dampak pasar atau kualitas eksekusi, seperti selisih harga (slippage) yang terealisasi relatif terhadap harga tengah (mid-price) referensi, jika Anda dapat mengamatinya.

3. Input eksekusi dan biaya (untuk menghindari kekeliruan antara gesekan dengan “ketiadaan”)

• Komponen biaya transaksi yang relevan dengan kumpulan data yang Anda gunakan (biaya eksplisit, biaya dealing yang umum, dan kendala eksekusi yang diketahui).
• Data tentang apakah observasi Anda mencerminkan likuiditas pasif (order yang menunggu) atau likuiditas agresif (market order).

4. Input referensi/konteks (untuk memisahkan mekanisme yang stabil dari kondisi yang bervariasi)

• Konteks rezim pasar untuk stempel waktu yang sama (misalnya, periode volatilitas yang lebih tinggi atau rilis informasi terjadwal jika Anda dapat mendokumentasikannya).
• Pemeriksaan konsistensi lintas venue atau lintas kuotasi: jika Anda hanya memiliki satu aliran data, Anda tidak dapat dengan mudah membedakan antara “penipisan pasar yang sebenarnya” dan artefak feed.

Bukti dan contoh: bagaimana input yang sama mendukung penilaian

Pendekatan umum adalah mengoperasionalkan kesenjangan sebagai “likuiditas yang dapat diamati lebih rendah dalam suatu rentang harga dibandingkan dengan rentang di sekitarnya” dan kemudian menguji konsistensinya dari waktu ke waktu.

Contoh (berbasis asumsi, bukan prediktif):

• Asumsikan Anda mendefinisikan rentang harga dengan lebar B (berdasarkan aturan pengelompokan Anda) dan membandingkan kedalaman likuiditas di rentang i versus rentang i-1 dan i+1.
• Anda kemudian menghitung metrik relatif seperti depth_ratio = kedalaman(rentang i) / rata-rata(kedalaman(rentang i-1, i+1)).
• Anda juga menghitung gesekan efektif dari perilaku transaksi/kuotasi, seperti apakah spread yang terealisasi atau penundaan eksekusi meningkat ketika depth_ratio turun.

Data apa yang memvalidasi ini?

• Kedalaman turunan kuotasi/order book dalam setiap rentang, disejajarkan waktunya dengan stempel waktu transaksi.
• Proksi kualitas eksekusi (slippage, waktu eksekusi, atau spread yang terealisasi) sehingga Anda tidak memperlakukan “order book yang tipis” sebagai satu-satunya penjelasan yang mungkin.
• Aturan ketepatan waktu yang jelas: jika kuotasi tertunda relatif terhadap transaksi, hubungan kedalaman yang Anda simpulkan bisa salah.

Keterbatasan dan risiko (mode kegagalan material)

• Ketidakcocokan waktu data: jika pembaruan kuotasi/order book tiba lebih lambat daripada transaksi, kedalaman mungkin tampak hilang padahal sebenarnya ada.
• Sensitivitas pengelompokan: definisi rentang harga (lebar B, batas bin) dapat menciptakan atau menghilangkan “kesenjangan” secara konstruksi.
• Bias sumber tunggal: mengandalkan satu feed data dapat mengacaukan artefak spesifik penyedia dengan kondisi pasar yang sebenarnya.
• Kebingungan biaya dan eksekusi: spread yang lebih lebar atau eksekusi yang lebih lambat dapat disebabkan oleh biaya, kendala inventaris, atau aturan eksekusi, bukan oleh ketidaksesuaian likuiditas yang sebenarnya.
• Pergeseran rezim: perilaku likuiditas dapat berubah dengan cepat; hubungan historis antara “kesenjangan” dan hasil selanjutnya tidak menetapkan hasil di masa depan.

Verifikasi dan pertanyaan lanjutan

Untuk memverifikasi penilaian Anda secara independen, terapkan daftar periksa:

• Dokumentasikan definisi operasional Anda: apa yang diukur secara tepat, dan di rentang harga mana. - Konfirmasi ketepatan waktu: pastikan semua input menggunakan standar stempel waktu yang sama dan disejajarkan atau di-resample dengan aturan yang eksplisit. - Periksa kualitas: cari segmen yang hilang, lonjakan outlier, dan gangguan feed.