Risiko Apa yang Terkait dengan Logaritmik vs Linear?

Jawaban langsung

Risiko utama penggunaan skala logaritmik versus linear adalah kesalahan interpretasi dan perbandingan. Skala log mewakili perubahan dalam bentuk persentase, sementara skala linear mewakili perubahan dalam bentuk harga absolut. Jika Anda berasumsi keduanya berperilaku sama—atau mencampur sumber/pengaturan grafik—Anda dapat salah memahami “ukuran” pergerakan, salah menilai volatilitas, dan membangun kesimpulan yang tidak benar tentang apa yang terjadi.

Dalam konteks informasional non-perdagangan, risiko ini terbagi menjadi empat kategori: operasional (bagaimana grafik dikonfigurasi dan dihitung), pasar (bagaimana perilaku harga riil dan biaya bervariasi), rekanan (bagaimana penyedia mentransformasi atau menyajikan data), dan interpretasi (bagaimana Anda memetakan visual ke keputusan).

Mekanisme atau definisi

Skala linear memplot tingkat harga sehingga jarak yang sama pada grafik sesuai dengan perubahan absolut yang sama (misalnya, jumlah unit harga yang sama).

Skala logaritmik memplot logaritma dari tingkat harga. Dalam praktiknya, ini berarti jarak yang sama sesuai dengan perubahan persentase yang sama. Perbedaan ini paling penting ketika harga bergerak melintasi rentang yang luas.

Karena transformasi bergantung pada input skala, grafik log biasanya memerlukan penanganan unit dan basis yang konsisten (misalnya, apakah nilai dilogaritmakan relatif terhadap referensi). Bahkan ketika dua grafik terlihat serupa, definisi sumbu yang ditransformasi atau pengaturan grafik yang berbeda dapat menghasilkan visual yang berbeda.

Bukti atau contoh

Pertimbangkan dua pergerakan harga yang sama yang diamati pada skala yang berbeda:

• Pergerakan A: dari 100 ke 110 (kenaikan 10%)
• Pergerakan B: dari 50 ke 60 (juga kenaikan 20%)

Pada grafik linear, Pergerakan A mungkin tampak lebih kecil atau lebih besar tergantung pada perubahan absolut (10 dalam kedua kasus). Pada grafik logaritmik, jarak visual dikaitkan dengan perubahan persentase, sehingga Pergerakan B cenderung terlihat lebih besar karena perubahan persentasenya lebih besar.

Sekarang tambahkan risiko operasional yang umum: Anda membandingkan tangkapan layar atau analisis dari penyedia yang berbeda (atau pengaturan yang berbeda) tanpa mengonfirmasi apakah kedua grafik tersebut linear atau logaritmik. Bahkan jika rangkaian harga yang mendasarinya identik, sumbu yang ditransformasi mengubah besaran pergerakan yang tampak. Hal ini dapat menghasilkan kesepakatan palsu (Anda pikir kesimpulan cocok) atau ketidaksepakatan palsu (Anda pikir kesimpulan bertentangan).

Keterbatasan dan risiko

1) Risiko interpretasi

Kesimpulan Anda tentang “seberapa jauh harga bergerak” dapat menjadi bergantung pada skala. Pola yang terlihat meyakinkan di bawah satu skala mungkin tampak terkompresi atau melebar di bawah skala lainnya. Ini tidak berarti salah satu skala “salah,” tetapi berarti interpretasi apa pun harus menyatakan skala yang digunakan dan pemetaan dari jarak visual ke metrik yang mendasarinya (absolut vs persentase).

2) Risiko operasional (pengaturan dan konvensi perhitungan)

Alat pembuat grafik yang berbeda dapat menerapkan penskalaan log dengan opsi tampilan yang berbeda. Jika grafik menggunakan sumbu log tetapi masih menghitung overlay (seperti pengukuran tren) menggunakan asumsi linear—atau sebaliknya—maka kuantitas yang diukur dapat berbeda. Untuk mengurangi risiko ini, konfirmasikan dokumentasi grafik dan perilaku sumbu yang tepat.

3) Risiko pasar (realitas yang tidak seragam)

Visual log dan linear merespons secara berbeda ketika volatilitas berubah seiring waktu, ketika harga tren kuat, atau ketika rentang harga meluas. Keterbatasannya adalah bahwa pergerakan historis dan efek biaya tidak menjamin perilaku masa depan; visual dapat menyebabkan Anda terlalu menggeneralisasi.

4) Risiko rekanan (penyajian data)

Penyedia dapat berbeda dalam cara mereka memperoleh, membersihkan, dan menyajikan data harga. Jika dua pihak menggunakan feed, kerangka waktu, penanganan aksi korporasi, atau aturan pembulatan yang berbeda, rangkaian yang diplot dapat menyimpang. Ketika Anda kemudian menerapkan skala yang berbeda, perbedaan visual dapat diperparah, membuat lebih sulit untuk memisahkan “perbedaan data” dari “efek skala.”

5) Mode kegagalan material: mencampur asumsi

Mode kegagalan yang sering terjadi adalah memperlakukan jarak visual grafik seolah-olah mewakili kuantitas yang sama di seluruh skala (misalnya, dengan asumsi jarak visual yang sama berarti perubahan absolut yang sama). Hal ini dapat mendistorsi penalaran komparatif apa pun, terutama ketika menganalisis rentang waktu yang panjang.

Verifikasi atau pertanyaan berikutnya

Verifikasi perilaku skala secara independen dengan memeriksa deskripsi sumbu grafik: apakah sumbu tersebut mewakili tingkat harga (linear) atau perubahan persentase (logaritmik)? Kemudian konfirmasikan bahwa overlay dan pengukuran dihitung secara konsisten dengan asumsi skala yang sama. Jika Anda membandingkan laporan, standarkan pilihan skala dan kerangka waktu sebelum membandingkan.