Jawaban langsung
Risiko utama menggunakan skala logaritmik versus linear adalah kesalahan interpretasi dan kesalahan perbandingan. Skala log mewakili perubahan dalam istilah persentase, sedangkan skala linear mewakili perubahan dalam istilah harga absolut. Jika Anda mengasumsikan keduanya berperilaku sama—atau mencampur sumber/pengaturan chart—Anda bisa salah memahami “ukuran” pergerakan, keliru menilai volatilitas, dan membangun kesimpulan yang tidak tepat tentang apa yang terjadi.
Dalam konteks informasi yang tidak untuk trading, risiko ini terbagi menjadi empat kelompok: operasional (bagaimana chart dikonfigurasi dan dihitung), pasar (bagaimana perilaku harga nyata dan biaya bervariasi), pihak lawan (bagaimana penyedia mentransformasi atau menyajikan data), dan interpretasi (bagaimana Anda memetakan tampilan visual ke keputusan).
Mekanisme atau definisi
Skala linear memplot level harga sehingga jarak yang sama pada chart sesuai dengan perubahan absolut yang sama (misalnya, jumlah unit harga yang sama).
Skala logaritmik memplot logaritma dari level harga. Dalam praktiknya, ini berarti jarak yang sama sesuai dengan perubahan persentase yang sama. Perbedaan ini paling terasa ketika harga bergerak melewati rentang yang lebar.
Karena transformasi bergantung pada input skala, chart log biasanya memerlukan penanganan yang konsisten terhadap unit dan basis (misalnya, apakah nilai dicatat logaritmakan relatif terhadap referensi). Bahkan ketika dua chart terlihat mirip, definisi yang berbeda untuk sumbu yang ditransformasikan atau pengaturan chart yang berbeda dapat menghasilkan visual yang berbeda.
Bukti atau contoh
Pertimbangkan dua pergerakan harga yang sama yang diamati pada skala berbeda:
- Pergerakan A: dari 100 ke 110 (kenaikan 10%)
- Pergerakan B: dari 50 ke 60 (kenaikan 20% juga)
Pada chart linear, Pergerakan A mungkin terlihat lebih kecil atau lebih besar tergantung pada perubahan absolut (10 pada kedua kasus). Pada chart logaritmik, jarak visual terkait dengan perubahan persentase, sehingga Pergerakan B cenderung terlihat lebih besar karena perubahan persentasenya lebih besar.
Sekarang tambahkan risiko operasional yang umum: Anda membandingkan screenshot atau analisis dari penyedia yang berbeda (atau pengaturan yang berbeda) tanpa memastikan apakah kedua chart linear atau logaritmik. Bahkan jika deret harga yang mendasarinya identik, sumbu yang ditransformasikan mengubah besarnya pergerakan yang tampak. Itu dapat menghasilkan persetujuan semu (Anda mengira kesimpulannya sama) atau ketidaksepakatan semu (Anda mengira keduanya bertentangan).
Keterbatasan dan risiko
1) Risiko interpretasi
Kesimpulan Anda tentang “seberapa jauh harga bergerak” bisa menjadi bergantung pada skala. Pola yang terlihat meyakinkan pada satu skala bisa terlihat terkompresi atau melebar pada skala lainnya. Ini tidak berarti salah satu skala “keliru,” tetapi berarti setiap interpretasi harus menyatakan skala yang digunakan dan pemetaan dari jarak visual ke metrik yang mendasarinya (absolut vs persentase).
2) Risiko operasional (pengaturan dan konvensi perhitungan)
Berbagai alat charting dapat menerapkan penskalaan log dengan opsi tampilan yang berbeda. Jika sebuah chart menggunakan sumbu log tetapi tetap menghitung overlay (seperti pengukuran tren) dengan asumsi linear—atau sebaliknya—maka kuantitas yang diukur bisa berbeda. Untuk mengurangi risiko ini, pastikan dokumentasi chart dan perilaku sumbu yang tepat.
3) Risiko pasar (realitas yang tidak seragam)
Visual log dan linear merespons secara berbeda ketika volatilitas berubah dari waktu ke waktu, ketika harga sedang tren kuat, atau ketika rentang harga melebar. Keterbatasannya adalah pergerakan historis dan efek biaya tidak menjamin perilaku di masa depan; visual dapat membuat Anda terlalu menggeneralisasi.
4) Risiko pihak lawan (penyajian data)
Penyedia bisa berbeda dalam cara mereka mengambil, membersihkan, dan menyajikan data harga. Jika dua pihak menggunakan feed yang berbeda, timeframe yang berbeda, penanganan corporate action yang berbeda, atau aturan pembulatan yang berbeda, deret yang diplot mereka bisa menyimpang. Ketika Anda kemudian menerapkan skala yang berbeda, perbedaan visual dapat diperkuat, sehingga lebih sulit memisahkan “perbedaan data” dari “efek skala.”
5) Mode kegagalan yang material: mencampur asumsi
Mode kegagalan yang sering terjadi adalah memperlakukan jarak visual chart seolah-olah mewakili kuantitas yang sama di seluruh skala (misalnya, mengasumsikan jarak visual yang sama berarti perubahan absolut yang sama). Itu dapat mendistorsikan penalaran perbandingan apa pun, terutama saat menganalisis rentang waktu yang panjang.
Verifikasi atau pertanyaan berikutnya
Verifikasi secara independen perilaku skala dengan memeriksa deskripsi sumbu chart: apakah itu merepresentasikan level harga (linear) atau perubahan persentase (logaritmik)? Lalu pastikan overlay dan pengukuran dihitung secara konsisten dengan asumsi skala yang sama. Jika Anda membandingkan laporan, standarkan pilihan skala dan timeframe sebelum membandingkan.