Input apa saja yang digunakan Swing Highs Lows?
Jawaban langsung
Swing Highs Lows menggunakan input grafik yang berasal dari harga itu sendiri: urutan titik swing high dan titik swing low yang Anda identifikasi pada grafik harga. Dengan kata lain, “input” tersebut secara default bukanlah indikator eksternal; melainkan koordinat high/low terpilih yang dihasilkan oleh definisi titik swing Anda.
Karena istilah “Swing Highs Lows” dapat diimplementasikan dengan aturan identifikasi swing yang berbeda-beda, satu-satunya cara yang benar dan andal untuk menjawab pertanyaan ini adalah dengan mendaftar input yang harus Anda definisikan untuk versi Anda: (1) rangkaian harga yang Anda tandai (misalnya, nilai high/low), (2) aturan untuk mendeteksi swing (definisi yang material), dan (3) cakupan grafik (jendela waktu dan granularitas bar/tick).
Mekanisme dan definisi
Swing high adalah puncak lokal dalam struktur harga menurut aturan yang dipilih; swing low adalah lembah lokal menurut aturan yang sejenis. Setelah Anda memiliki titik-titik tersebut, “Swing Highs Lows” biasanya merujuk pada penalaran tentang urutan dan posisi relatif dari titik-titik tersebut—seperti apakah high baru lebih tinggi/lebih rendah dari high sebelumnya, dan apakah low baru lebih tinggi/lebih rendah dari low sebelumnya.
Untuk membuatnya presisi, input Anda biasanya termasuk dalam kategori berikut:
- Data harga: nilai yang diperlukan untuk menandai high dan low (biasanya high dan low pada bar, atau high/low yang relevan dari feed data grafik apa pun yang Anda gunakan).
- Aturan deteksi swing: kondisi deterministik yang memutuskan apakah sebuah bar (atau timestamp) memenuhi syarat sebagai swing high/low. Misalnya, banyak implementasi mensyaratkan titik kandidat lebih tinggi dari titik-titik di sekitarnya untuk swing high, dan lebih rendah dari titik-titik di sekitarnya untuk swing low.
- Jendela lookback/lookaround (ketergantungan): berapa banyak bar di sekitar kandidat yang dipertimbangkan saat menilai apakah titik tersebut “lebih tinggi/lebih rendah dari tetangganya.”
- Granularitas grafik dan jendela waktu: timeframe (misalnya, menit vs. harian) dan rentang riwayat yang digunakan untuk menandai swing.
- Asumsi konsistensi data: apakah Anda menggunakan perlakuan data sesi yang sama sepanjang waktu (misalnya, kontinu vs. jeda sesi), karena hal ini dapat mengubah posisi kemunculan swing.
Dengan input tersebut terdefinisi, mekanismenya sederhana: Anda menghasilkan daftar terurut dari swing high dan swing low dari grafik, dan kemudian analisis lebih lanjut diturunkan dari daftar tersebut (misalnya, membandingkan posisi relatif dari swing-swing yang berurutan).
Bukti atau contoh (dengan asumsi eksplisit)
Asumsikan Anda menganalisis grafik yang dibangun dari bar, di mana setiap bar memiliki H (high) dan L (low). Misalkan aturan swing Anda adalah: sebuah bar memenuhi syarat sebagai swing high jika high H-nya lebih besar dari high sejumlah bar tetangga tetap di kedua sisinya; sebuah bar memenuhi syarat sebagai swing low jika low L-nya lebih kecil dari low bar-bar tetangga di kedua sisinya.
Berdasarkan asumsi ini, “input” untuk langkah deteksi swing-high adalah:
- urutan nilai H untuk setiap bar dalam timeframe yang Anda pilih,
- jumlah tetangga (jendela lookaround Anda),
- indeks bar kandidat.
Demikian pula, “input” untuk langkah swing-low adalah:
- urutan nilai L dalam timeframe yang sama,
- logika jumlah tetangga yang sama.
Setelah Anda memiliki titik-titik swing, perbandingan struktural apa pun yang Anda lakukan (seperti membandingkan tinggi relatif swing high berikutnya dengan swing high sebelumnya) bergantung pada titik-titik yang ditandai secara tepat tersebut. Jika Anda mengubah jumlah tetangga atau timeframe, daftar swing yang ditandai dapat berubah, dan kesimpulan selanjutnya pun ikut berubah.
Keterbatasan dan risiko
Keterbatasan utama adalah bahwa Swing Highs Lows hanya konsisten sejauh aturan identifikasi swing dan cakupan grafik yang Anda pilih. Mode kegagalan umum meliputi:
- Ambiguitas di dekat ambang batas: jika dua bar terdekat memiliki high/low yang serupa, perubahan kecil dalam resolusi data dapat mengubah status kelayakan sebuah titik.
- Parameter yang tidak konsisten: menggunakan satu jendela lookaround untuk beberapa pengamatan dan jendela lain untuk pengamatan lainnya dapat menciptakan kesan “struktur” yang menyesatkan.
- Overfitting terhadap masa lalu: menyetel aturan swing agar contoh historis terlihat rapi dapat mengurangi keandalan pada grafik baru.
- Kondisi yang tidak stasioner: hubungan historis antara titik swing dan perilaku harga selanjutnya tidak menjamin perilaku serupa di masa depan; pasar dapat berubah rezim, volatilitas, dan mikrostrukturnya.