Jawaban langsung
Contoh teruji (worked example) dari kekuatan tren adalah skenario yang sepenuhnya numerik di mana Anda memilih definisi yang konkret, mengasumsikan sekumpulan langkah harga, menghitung nilai-nilai antara, lalu menghitung skor “kekuatan” akhir. Dalam praktiknya, kekuatan tren adalah cara untuk mengubah pergerakan terarah yang teramati menjadi satu ukuran sehingga Anda bisa membandingkan seberapa terarah suatu pergerakan di berbagai jendela waktu.
Karena berbagai alat menggunakan rumus yang berbeda, kunci agar contoh teruji bisa diverifikasi adalah: definisikan metode yang tepat terlebih dahulu, lalu tunjukkan aritmetika dengan asumsi yang dinyatakan.
Mekanisme dan definisi
“Trend strength” biasanya berarti arah (directionality) plus besaran (magnitude) dalam jendela lookback yang dipilih. Bagian arah menanyakan apakah perubahan sebagian besar bergerak naik (bullish) atau turun (bearish). Bagian besaran menanyakan apakah perubahan-perubahan itu besar dibanding variasi yang umum.
Agar contoh dapat dicek secara independen, kita menggunakan konstruksi sederhana yang masuk akal berdasarkan hanya perubahan close-to-close yang diasumsikan:
- Pilih jendela lookback 5 langkah.
- Hitung perubahan bertanda untuk setiap langkah: (\Delta_i = Close_{i} - Close_{i-1}).
- Hitung jarak arah total: (D = \sum |\Delta_i|).
- Hitung jarak arah bersih: (N = \left|\sum \Delta_i\right|).
- Definisikan skor kekuatan tren sebagai (TS = N / D).
Interpretasi: jika semua perubahan sebagian besar mengarah ke arah yang sama, maka (N) mendekati (D), sehingga (TS) mendekati 1. Jika perubahan sering saling meniadakan, (N) menjadi kecil relatif terhadap (D), sehingga (TS) mendekati 0.
Mekanisme yang stabil vs kondisi yang bervariasi:
- Mekanisme stabil: skor hanya bergantung pada nilai (\Delta) yang Anda asumsikan dan rumus yang dipilih.
- Kondisi bervariasi: data pasar nyata berbeda menurut timeframe, sesi, rezim volatilitas, dan bagaimana harga dicatat (misalnya bid/ask, konvensi close).
Contoh numerik teruji (asumsi dinyatakan sepenuhnya)
Asumsi
- Kita mempertimbangkan satu deret harga selama 5 langkah.
- Kita hanya menggunakan perubahan close-to-close.
- Kita mengasumsikan harga Close berikut (unit sewenang-wenang): 100, 102, 101, 105, 106, 104.
- Kita menerapkan rumus (TS = N/D) dengan (N=|\sum \Delta_i|) dan (D=\sum |\Delta_i|).
- Tidak ada spread, biaya, slippage, atau timing eksekusi yang disertakan, karena ini contoh konsep.
Langkah 1: hitung perubahan close-to-close
Misalkan (\Delta_1) sampai (\Delta_5) adalah:
- (\Delta_1 = 102 - 100 = +2)
- (\Delta_2 = 101 - 102 = -1)
- (\Delta_3 = 105 - 101 = +4)
- (\Delta_4 = 106 - 105 = +1)
- (\Delta_5 = 104 - 106 = -2)
Langkah 2: hitung jarak arah bersih (N)
(\sum \Delta_i = (+2) + (-1) + (+4) + (+1) + (-2) = +4)
Jadi (N = |+4| = 4).
Langkah 3: hitung jarak arah total (D)
(D = |+2| + |-1| + |+4| + |+1| + |-2| = 2 + 1 + 4 + 1 + 2 = 10).
Langkah 4: hitung kekuatan tren (TS)
(TS = N/D = 4/10 = 0.40).
Cara memverifikasi secara independen
Siapa pun bisa mengecek ulang dengan mengulang close yang diasumsikan yang sama, lalu menghitung ulang (\Delta_i), kemudian (N) dan (D). Jika Anda mengubah harga yang diasumsikan atau panjang lookback, skor dapat berubah.
Satu skenario pembanding (panjang sama, arah berbeda)
Asumsikan close: 100, 102, 104, 106, 108, 110.
- Perubahan: +2, +2, +2, +2, +2
- Jumlah bersih (= +10), sehingga (N=10)
- Jarak total (D=10)
- (TS=10/10=1.00)
Ini menunjukkan bagaimana skor meningkat ketika semua langkah bergerak dalam arah yang sama.
Keterbatasan dan risiko (mode kegagalan yang material)
- Ketergantungan timeframe: Kekuatan tren bergantung pada jendela yang dipilih. Pasar yang sama bisa menunjukkan kekuatan yang berbeda pada horizon waktu pendek vs panjang.
- Ambiguitas definisi: Indikator yang berbeda mendefinisikan “kekuatan” secara berbeda (misalnya menggunakan smoothing, regresi, normalisasi volatilitas, atau moving averages). Contoh teruji di atas adalah satu definisi, bukan standar universal.
- Kebingungan volatilitas vs arah: Pergerakan besar yang berbalik dengan cepat dapat menghasilkan nilai absolut (|\Delta|) yang besar dan tetap menghasilkan (N) yang rendah, sehingga menurunkan (TS) meskipun harga “terasa” kuat.
- Efek saling meniadakan (cancellation): Bahkan dengan beberapa langkah yang searah, beberapa langkah yang berlawanan dapat secara material mengurangi (N) karena jumlah bersih saling meniadakan.
Yang tidak bisa Anda simpulkan hanya dari kekuatan tren:
- Ini tidak menentukan kapan pembalikan atau kelanjutan akan terjadi.
- Ini tidak otomatis memperhitungkan realitas eksekusi seperti transaction costs, bid/ask spread, atau likuiditas.
- Pola historis pada nilai (TS) tidak menjamin apa pun tentang perilaku harga di masa depan.
Verifikasi dan pertanyaan berikutnya
Untuk memverifikasi kekuatan tren dalam kondisi apa pun, tuliskan definisi persis Anda (rumus), nyatakan konvensi input data (harga mana dan timeframe mana), lalu reproduksi aritmetikanya.