Cara Menguji Failed Breakout

Apa arti “Failed Breakout” dalam konteks yang dapat diuji

“Failed Breakout” mengacu pada situasi di mana harga bergerak melampaui level yang telah ditentukan (sebuah “breakout”) tetapi pergerakan tersebut tidak berlanjut ke arah yang diinginkan, dan harga kemudian kembali ke dalam rentang sebelumnya. Untuk menguji konsep ini, Anda harus menerjemahkannya menjadi seperangkat aturan yang dapat diukur.

Definisi yang dapat diuji membutuhkan empat bagian:

1. Level: apa yang sebenarnya “ditetapkan” (misalnya, penutupan tertinggi dalam jendela lookback, atau batas horizontal tertentu).
2. Momen konfirmasi: apa yang dianggap sebagai breakout (misalnya, penutupan pertama di atas level, atau sentuhan intraday pertama plus kondisi penutupan).
3. Kondisi kegagalan: apa yang dianggap sebagai breakout yang “gagal” (misalnya, harga kembali ke dalam level dalam jumlah bar tertentu).
4. Kerangka waktu: horizon apa yang Anda gunakan untuk mengukur kegagalan dan horizon apa yang Anda gunakan untuk mengukur hasil.

Tanpa ini, ide tersebut tidak dapat direproduksi secara independen. Dua analis sama-sama dapat mengatakan bahwa mereka menguji “failed breakout,” tetapi mereka mungkin sebenarnya menguji peristiwa yang berbeda.

Jawaban langsung: cara mengujinya

Anda dapat menguji Failed Breakout menggunakan alur kerja berbasis hipotesis dan aturan yang memisahkan mekanisme stabil dari kondisi variabel.

Langkah 1: Nyatakan hipotesis yang dapat disangkal

Rumuskan pernyataan yang tepat dan dapat disangkal. Contoh struktur (tanpa mengasumsikan profitabilitas):

• Hipotesis: Ketika breakout terjadi melampaui level yang ditentukan, probabilitas kembali ke dalam rentang sebelumnya dalam H bar berbeda dari baseline yang dipilih.

Perhatikan kata-katanya: Anda menguji hubungan (perbedaan probabilitas atau rata-rata pengembalian), bukan mengasumsikan apa yang harus menjadi arahnya.

Langkah 2: Pilih baseline yang menjawab “apakah ini istimewa?”

Baseline mencegah Anda mengira perilaku pasar umum sebagai efek khusus breakout. Opsi baseline umum meliputi:

• Baseline waktu acak: bandingkan jendela kegagalan yang sama setelah waktu yang dipilih secara acak.
• Baseline non-breakout: bandingkan peristiwa yang tidak menembus level tetapi serupa (rezim volatilitas yang sama, waktu hari yang serupa jika relevan).
• Baseline level yang diacak: ubah definisi level sehingga tidak lagi selaras dengan struktur sebelumnya yang sebenarnya.

Baseline Anda harus dinyatakan sebagai aturan, bukan kesan.

Langkah 3: Definisikan asumsi untuk perhitungan apa pun

Bahkan jika Anda tidak menghitung hasil uang, Anda harus mendefinisikan asumsi untuk hasil yang dapat diukur:

• Definisi bar: apakah sinyal didasarkan pada penutupan, tertinggi/terendah intraday, atau keduanya?
• Jendela lookback: seberapa jauh ke belakang Anda menghitung level?
• Horizon kegagalan: berapa banyak bar setelah breakout yang dianggap sebagai “kegagalan”?
• Ukuran hasil: ukur probabilitas kembali ke rentang, rata-rata pergerakan yang merugikan (mean adverse excursion), retracement maksimum, atau waktu hingga kembali.

Jika Anda menghitung hasil seperti trading, maka asumsi harus mencakup friksi:

• Biaya: spread/biaya sebagai perkiraan tetap per peristiwa atau rentang.
• Eksekusi: apakah Anda mengasumsikan fill pada saat level ditembus atau pada saat penutupan bar.

Karena fill nyata bervariasi, perlakukan input biaya/eksekusi sebagai asumsi yang dapat Anda uji stres daripada sebagai fakta.

Pemeriksaan mekanisme: buat dataset peristiwa

Cara praktis untuk menguji Failed Breakout adalah dengan mengubah aturan menjadi dataset peristiwa.

1. Generasi peristiwa: pindai bar historis dan catat setiap kali aturan breakout terpicu.
2. Pelabelan peristiwa: untuk setiap peristiwa, beri label apakah kondisi kegagalan terjadi dalam H bar.
3. Pencatatan fitur (opsional tetapi berguna): simpan variabel konteks seperti ukuran rentang sebelumnya, volatilitas terbaru, atau jarak dari level saat pemicu.

Ini mengubah ide menjadi dataset yang dapat Anda analisis dengan metrik yang jelas.

Pembagian data untuk mengurangi penemuan palsu

Gunakan strategi pembagian yang mencerminkan bagaimana Anda akan membuat keputusan:

• Training (atau pengembangan): pilih parameter (panjang lookback, aturan konfirmasi breakout, horizon kegagalan).
• Testing: pertahankan parameter tetap dan evaluasi hanya sekali.
• Opsional validasi: periode holdout kedua untuk konfirmasi.

Jika Anda berulang kali menyesuaikan parameter berdasarkan kinerja periode pengujian, Anda berisiko overfitting dan tidak dapat mengklaim verifikasi independen.

Biaya dan kondisi variabel: apa yang harus disertakan

Bahkan dalam tes informasional, Anda perlu mencerminkan bahwa hasil bervariasi dengan kondisi pasar dan friksi.

Faktor variabel yang perlu diperhitungkan

• Rezim volatilitas: breakout mungkin berperilaku berbeda selama periode volatilitas tinggi vs rendah.
• Likuiditas dan spread: spread yang lebih lebar dapat mengubah kegunaan ukuran hasil.
• Waktu eksekusi: sinyal berdasarkan pergerakan intrabar mungkin tidak dapat dieksekusi pada penutupan bar.
• Perilaku yurisdiksi dan platform: venue yang berbeda dapat memengaruhi kualitas data dan aturan eksekusi.

Karena tidak ada data real-time yang diasumsikan di sini, langkah kuncinya adalah memodelkan faktor-faktor ini sebagai skenario. Misalnya, jalankan tes yang sama di bawah beberapa tingkat biaya yang masuk akal atau asumsi waktu fill.

Biaya sebagai rentang ketidakpastian

Alih-alih satu biaya “sebenarnya”, buat tabel sensitivitas:

• Asumsi biaya rendah
• Asumsi biaya sedang
• Asumsi biaya tinggi

Kemudian periksa apakah kesimpulan utama Anda sangat bergantung pada satu skenario.

Bukti dan contoh: apa yang harus diukur

Anda dapat mendukung evaluasi Anda dengan menggunakan setidaknya satu dari pengukuran berikut:

1. Tingkat kegagalan: proporsi breakout yang kembali ke dalam rentang dalam H bar.
2. Rata-rata waktu hingga kegagalan: seberapa cepat kegagalan terjadi.
3. Distribusi kedalaman retracement: seberapa jauh harga biasanya kembali.
4. Perbandingan baseline: perbedaan tingkat kegagalan vs set peristiwa baseline.

Contoh evaluasi berbasis aturan (dengan asumsi eksplisit)

Asumsikan:

• Level = penutupan tertinggi selama N bar terakhir.
• Pemicu breakout = penutupan pertama di atas level.
• Kegagalan = harga menutup kembali di bawah level dalam H bar.
• Hasil = label kegagalan (ya/tidak).

Kemudian uji:

• Probabilitas(kegagalan | pemicu breakout) vs probabilitas(kegagalan | pemicu baseline).

Ini mengisolasi mekanismenya: apakah hubungan breakout-ke-kegagalan ada di bawah aturan yang Anda definisikan?

Keterbatasan dan mode kegagalan yang harus Anda atasi

Tes yang benar tidak sama dengan tes yang konklusif. Setidaknya satu keterbatasan material atau mode kegagalan harus dibahas secara eksplisit.

Mode kegagalan umum

• Kebocoran definisi: horizon kegagalan tumpang tindih dengan cara Anda mendefinisikan breakout dengan cara yang menciptakan korelasi artifisial.
• Overfitting parameter: hasil membaik karena parameter disetel pada data yang sama yang digunakan untuk melaporkan kinerja.
• Ketergantungan rezim: efek mungkin hanya ada dalam kondisi volatilitas atau tren tertentu, lalu menghilang di tempat lain.
• Bias survivorship dan seleksi: jika Anda hanya menyimpan peristiwa setelah melihat hasil, Anda membuat bias pada dataset.
• Ketidakcocokan friksi: jika Anda mengabaikan asumsi biaya/eksekusi, tes mungkin menggambarkan hasil yang ideal, bukan yang realistis.

Hasil historis bukanlah jaminan

Bahkan jika suatu hubungan secara statistik terlihat dalam data historis, itu tidak menetapkan hasil masa depan. Pasar berubah, dan aturan yang sama dapat berkinerja berbeda.