Definisi dulu: apa arti “Last Look” dalam eksekusi
Last Look dalam Forex umumnya merujuk pada alur eksekusi di mana, setelah sebuah order diterima dan sebelum penerimaan akhir, penyedia likuiditas (atau tempat eksekusi) dapat menerapkan proses keputusan untuk menerima atau menolak order. Untuk menilai Last Look, perlakukan ini sebagai proses dan pipeline data, bukan strategi trading.
Gagasan kuncinya adalah pemisahan:
- Mekanisme yang stabil: langkah apa yang ada (menerima kuotasi/order, menerapkan kriteria penerimaan, lalu mengonfirmasi atau membatalkan).
- Kondisi yang bervariasi: volatilitas pasar, latensi, biaya, serta ketentuan yurisdiksi atau kontraktual.
Karena hasil eksekusi bergantung pada variabel yang mungkin tidak Anda amati, penilaian harus berfokus pada data yang dapat diamati dan dapat Anda verifikasi, serta aturan terdokumentasi yang dapat Anda periksa secara independen.
Data apa yang diperlukan: input, provenance, ketepatan waktu
1) Input alur eksekusi (data apa yang digunakan sistem)
Untuk mengevaluasi apakah Last Look ada dan bagaimana perilakunya, Anda perlu input yang mencerminkan keputusan penerimaan. Bergantung pada dokumentasi yang dapat Anda akses, biasanya ini mencakup:
- Timestamps siklus hidup order/kuotasi (waktu order diterima, waktu kuotasi/respons dikirim, waktu penerimaan atau penolakan).
- Identifier yang mempertahankan provenance (order ID, quote ID, identifier venue/penyedia).
- Field hasil eksekusi (accepted, rejected/cancelled, indikator partial fill).
- Field terkait harga (level harga yang digunakan untuk pengambilan keputusan dan harga akhir yang dikonfirmasi, jika tersedia).
Jika Anda hanya memiliki hasil akhir (fills vs. tidak ada fills), biasanya Anda tidak dapat membedakan Last Look dari mekanisme lain seperti kedaluwarsa kuotasi secara umum, ketidaktersediaan likuiditas, atau kontrol risiko.
2) Provenance (dari mana setiap elemen data berasal)
Pemeriksaan provenance memastikan bahwa “apa yang Anda pikir terjadi” sesuai dengan “apa yang dilaporkan penyedia terjadi.” Kumpulkan data yang menunjukkan:
- Sumber laporan eksekusi (platform trading Anda, FIX gateway, sistem manajemen order, atau pernyataan penyedia).
- Kunci pencocokan di seluruh sistem (ID yang konsisten untuk order yang sama yang dicoba).
- Asumsi jam (clock) (clock sistem mana yang menghasilkan timestamp tertentu).
Salah satu kegagalan yang umum adalah mencampur timestamps dari sistem yang berbeda tanpa mengompensasi skew jam atau perbedaan zona waktu. Hal itu dapat membuat waktu penerimaan/penolakan terlihat tidak konsisten, meskipun alurnya stabil.
3) Ketepatan waktu (apakah data waktu relevan untuk keputusan)
Karena keputusan Last Look dapat terjadi dalam jendela yang singkat, data ketepatan waktu harus sesuai untuk analisis timing. Sertakan:
- Timestamps resolusi tinggi jika tersedia (mis., milidetik).
- Urutan peristiwa yang jelas: waktu penerimaan harus mendahului konfirmasi penerimaan/penolakan.
- Dokumentasi semantik timestamps (kapan waktu dicatat: saat pengiriman, saat penerimaan jaringan, atau saat pembuatan laporan).
Jika informasi ketepatan waktu bersifat kasar atau tidak didefinisikan, Anda mungkin hanya dapat menyimpulkan bahwa hasil ada, bukan apa implikasi timing keputusan tersebut.
Pemeriksaan bukti dan contoh: apa yang harus dicari dalam data
Gunakan checklist bergaya kontrol untuk mengorganisasi bukti:
- AFVINKPUNT (done/not done): Untuk setiap order yang dicoba, apakah Anda memiliki peristiwa acceptance/rejection beserta timestamps dan ID yang sesuai?
- BEWIJS OF DOCUMENT: Apakah Anda memiliki kontrak penyedia, dokumentasi legal/operasional, atau dokumentasi platform yang menjelaskan langkah acceptance setelah penerimaan?
- RODE VLAGGEN (red flags): timestamps yang hilang, ID yang tidak konsisten, atau outcome yang diberi label ulang sehingga mencegah pencocokan upaya dengan keputusan.
- KLAARCRITERIUM (clear criterion): dapatkah Anda menunjukkan urutan peristiwa yang lengkap untuk sampel yang bermakna di mana keputusan acceptance dapat dikaitkan dengan alur kerja yang dinyatakan?
Pendekatan contoh yang terbatas (tanpa mengasumsikan data pasar real-time):
- Ambil order historis yang Anda tempatkan, simpan laporan eksekusi mentah dan identifier-nya.
- Verifikasi bahwa setiap order yang dicoba memiliki field outcome keputusan dan field timing keputusan.
- Konfirmasi bahwa urutan peristiwa konsisten secara internal (tidak ada acceptance yang dilaporkan sebelum receipt dalam dataset Anda).
Jika pemeriksaan ini gagal, dataset Anda tidak cukup untuk penilaian yang andal tentang perilaku Last Look.
Keterbatasan dan risiko: apa yang tidak dapat Anda simpulkan dari data yang tidak lengkap
Bahkan dengan input yang baik, ada keterbatasan material:
- Kondisi pasar yang berbeda dapat mengubah perilaku: kriteria acceptance dapat bervariasi dengan volatilitas atau likuiditas, sehingga hubungan yang diamati secara historis mungkin tidak berlaku nanti. - Biaya dan kualitas eksekusi memengaruhi hasil: spread, biaya, dan partial fills dapat mengubah apa yang Anda amati, bahkan ketika alurnya tidak berubah. - Ketentuan yurisdiksi dan kontrak dapat mengatur interpretasi: dua penyedia dapat memberi label yang berbeda pada alur yang mirip, dan definisi hukum dapat menjadi penting. - Kesenjangan data dapat menyembunyikan mekanismenya: jika penyedia tidak mengekspos field yang Anda butuhkan (e. g.