Apa Itu Contoh Kerja Identifikasi Tren?

Definisi dan tujuan

Contoh kerja identifikasi tren adalah skenario yang dijelaskan secara lengkap di mana Anda menerapkan seperangkat aturan yang konsisten pada observasi harga historis, memberi label arah (tren vs rentang), dan menunjukkan langkah-langkah perantaranya. Tujuannya bukan untuk memprediksi masa depan; tujuannya adalah untuk membantu pembaca memahami mekanisme dalam memutuskan perilaku saat ini yang paling mirip dengan apa, dan untuk dapat mengulangi proses pengambilan keputusan tersebut.

Identifikasi tren biasanya mengandalkan perbandingan “higher high” dan “higher low” untuk tren naik, atau “lower high” dan “lower low” untuk tren turun, dengan kemungkinan ketiga: rentang, di mana hubungan tersebut tidak berlaku selama periode jendela yang dipilih. Apa yang Anda sebut sebagai “high” atau “low,” dan seberapa besar pergerakan agar dapat dihitung, adalah pilihan aturan dan oleh karena itu merupakan asumsi.

Cara kerja contoh (mekanisme)

Di bawah ini adalah satu pendekatan sederhana berbasis aturan yang dapat Anda verifikasi secara manual. Pendekatan ini memisahkan mekanisme yang stabil (logika) dari kondisi yang bervariasi (jendela data dan ambang batas).

Aturan kerja (asumsi yang dinyatakan):

1. Anda mengamati harga untuk 10 titik waktu yang diberi label T1–T10.
2. Anda memilih aturan “pivot”: pivot high adalah maksimum lokal di antara 3 titik terakhir; pivot low adalah minimum lokal di antara 3 titik terakhir.
3. Anda memberi label pada setiap pivot dan kemudian menerapkan logika tren:
   • Tren naik: setidaknya dua pivot low berurutan lebih tinggi dari pivot low sebelumnya, dan pivot high juga lebih tinggi.
   • Tren turun: setidaknya dua pivot high berurutan lebih rendah dari pivot high sebelumnya, dan pivot low juga lebih rendah.
   • Selain itu: klasifikasikan sebagai rentang/tidak jelas.
4. Anda menggunakan harga penutupan sebagai satu-satunya input.

Data input (asumsi yang dinyatakan): Asumsikan harga penutupan berikut:

• T1: 100, T2: 103, T3: 101, T4: 106, T5: 104, T6: 110, T7: 107, T8: 112, T9: 109, T10: 111.

Identifikasi pivot langkah demi langkah:

• Pivot high (maksimum lokal): T2 (103) vs T1/T3, T4 (106) vs T3/T5, T6 (110) vs T5/T7, T8 (112) vs T7/T9.
• Pivot low (minimum lokal): T3 (101) vs T2/T4, T5 (104) vs T4/T6, T7 (107) vs T6/T8, T9 (109) vs T8/T10.

Terapkan logika tren:

• Pivot high: 103 → 106 → 110 → 112 (masing-masing lebih tinggi dari sebelumnya).
• Pivot low: 101 → 104 → 107 → 109 (masing-masing lebih tinggi dari sebelumnya).
• Hasil berdasarkan aturan yang dinyatakan: tren naik.

Perhatikan bahwa mekanismenya bersifat deterministik berdasarkan aturan dan rangkaian input. Jika Anda mengubah definisi pivot (misalnya, mensyaratkan higher/low melebihi jarak minimum), label dapat berubah bahkan dengan harga dasar yang sama.

Bukti atau perbandingan contoh (dua hasil dari ide yang sama)

Contoh kerja juga harus menunjukkan bagaimana asumsi alternatif mengubah keluaran.

Ambang batas pivot low alternatif (perubahan asumsi): Misalkan Anda menambahkan aturan (asumsi baru): pivot low harus setidaknya 3 unit lebih tinggi dari pivot low sebelumnya agar “dihitung” sebagai higher low; jika tidak, Anda memperlakukannya sebagai fluktuasi kecil.

Dengan menggunakan data yang sama, pivot low adalah 101, 104, 107, 109. Berdasarkan aturan baru:

• 104 vs 101 adalah +3 → dihitung.
• 107 vs 104 adalah +3 → dihitung.
• 109 vs 107 adalah +2 → tidak dihitung.

Dengan hanya dua higher low berurutan yang dihitung (101→104→107) dan tergantung pada apakah Anda juga menerapkan ambang batas serupa pada pivot high, klasifikasi Anda dapat tetap “tren naik” atau menjadi “tidak jelas” jika keputusan pasti Anda mensyaratkan beberapa pivot yang dihitung. Ini menggambarkan mengapa verifikasi independen harus menyertakan aturan yang tepat.

Keterbatasan dan mode kegagalan

Beberapa keterbatasan umum terjadi dan sebagian besar tidak bergantung pada alat pembuatan grafik tertentu.

1. Sensitivitas aturan (asumsi mengubah label): Ukuran jendela untuk maksimum/minimum “lokal” dan ambang batas untuk apa yang dianggap sebagai pergerakan yang berarti dapat membalikkan hasil. 2. Whipsaw selama rentang: Dalam kondisi sideways atau choppy, maksimum/minimum lokal sering terjadi. Anda mungkin mengamati higher low dan higher high yang berselang-seling yang terlihat seperti tren, tetapi urutannya mungkin tidak bertahan. 3. Klasifikasi yang tidak konsisten antar orang: Dua analis yang menggunakan aturan pivot berbeda dapat menghasilkan label tren yang berbeda bahkan ketika keduanya “masuk akal. “
2. Tidak ada jaminan ke depan: Hubungan historis tidak menetapkan hasil masa depan.