Apa Arti Average Win Loss dalam Forex
Average Win Loss adalah ukuran deskriptif sederhana yang membandingkan ukuran tipikal trade yang menang dengan ukuran tipikal trade yang kalah. Dalam forex, biasanya ini menjawab pertanyaan seperti: “Ketika trade adalah pemenang, seberapa besar para pemenang itu secara rata-rata dibandingkan dengan yang kalah secara rata-rata?”
Agar konsepnya bisa dicek, Anda perlu memisahkan pengukuran dari interpretasi apa pun. Pengukurannya bersifat mekanis: ia menggunakan hasil trade yang tercatat. Interpretasinya bersifat kondisional: ia bergantung pada bagaimana Anda mendefinisikan win dan loss, bagaimana Anda mengukur hasil trade, serta periode dan dataset apa yang Anda gunakan.
Poin pentingnya adalah bahwa “average win loss” tidak sama dengan memprediksi hasil di masa depan. Ia merangkum apa yang sudah terjadi dalam sampel yang dipilih. Hubungan historis bisa melemah ketika kondisi pasar, kualitas eksekusi, atau biaya trading berubah.
Model Sederhana untuk Perhitungan
Cara praktis untuk mendefinisikan metrik adalah menghitung dua rata-rata dari daftar trade:
- Average Win (AW): nilai rata-rata dari hasil di antara semua trade yang menang.
- Average Loss (AL): nilai rata-rata dari hasil di antara semua trade yang kalah.
Lalu Average Win Loss sering dinyatakan sebagai salah satu dari rasio berikut (penulis yang berbeda memakai format yang berbeda):
- AW/|AL|: rata-rata win dibagi dengan nilai absolut dari rata-rata loss.
- AL/AW atau AW−AL: kurang umum, tetapi kadang digunakan tergantung apakah tujuannya perbandingan atau selisih.
Karena definisinya bervariasi, “input” yang paling penting adalah aturan persis Anda untuk menghitung jumlah win dan loss.
Definisikan apa yang dimaksud dengan “outcome”
Untuk setiap trade, Anda harus memutuskan angka apa yang Anda sebut sebagai outcome. Pilihan umum meliputi:
- Net profit/loss setelah biaya (lebih disukai untuk realisme ketika Anda memiliki data biaya yang andal).
- Gross profit/loss sebelum biaya (bisa melebihkan hasil ketika spread atau komisi berpengaruh).
- Pergerakan pip vs nilai mata uang akun (pip tidak selalu bisa dibandingkan lintas ukuran posisi).
Apa pun yang Anda pilih, gunakan basis yang sama untuk setiap trade dalam sampel.
Gunakan konvensi tanda yang konsisten
Trade yang menang biasanya dicatat sebagai outcome positif, dan trade yang kalah sebagai outcome negatif. Saat Anda menghitung AL, Anda sering mengambil rata-rata dari angka-angka negatif tersebut lalu menggunakan nilai absolutnya nanti (|AL|) agar rasio seperti AW/|AL| tetap bisa diinterpretasikan.
Asumsi untuk contoh
Agar setiap contoh bisa diverifikasi, Anda harus menyatakan asumsi seperti:
- Apakah biaya disertakan.
- Apakah partial close diperlakukan sebagai trade terpisah atau sebagai bagian dari satu outcome.
- Apakah Anda mengecualikan trade break-even (outcome nol) atau memasukkannya ke dalam himpunan win/loss.
Jika Anda tidak menyatakannya, dua orang bisa menghitung “average win loss” dan mendapatkan jawaban yang berbeda dari log trading mentah yang sama.
Input, Output, dan Urutan untuk Menghitungnya
Berikut adalah urutan yang bisa dicek dan tidak mengasumsikan platform atau indikator tertentu.
Inputs
Anda perlu sebuah dataset trade yang sudah selesai, di mana setiap trade memiliki setidaknya:
- Nilai outcome trade (dalam satuan yang konsisten).
- Label untuk win vs. loss berdasarkan aturan Anda (mis., outcome > 0 adalah win; outcome < 0 adalah loss).
- Opsional tetapi membantu: ukuran trade atau basis yang Anda gunakan untuk menghitung profit/loss.
Langkah demi langkah untuk menghasilkan output
- Pilih jendela waktu dan hanya sertakan trade yang sudah selesai dari jendela tersebut.
- Pisahkan trade menjadi dua kelompok:
- Wins: outcome di atas nol (sesuai definisi Anda).
- Losses: outcome di bawah nol.
- Hitung AW sebagai rata-rata aritmetika dari outcome win.
- Hitung AL sebagai rata-rata aritmetika dari outcome loss.
- Hitung Average Win Loss sebagai perbandingan yang dipilih, umumnya AW/|AL|.
Apa yang diwakili oleh angkanya
Jika AW/|AL| lebih besar dari 1, itu menunjukkan bahwa trade yang menang rata-rata lebih besar daripada trade yang kalah dalam besarnya (berdasarkan aturan pengukuran Anda). Jika kurang dari 1, rata-rata loss lebih besar dalam besarnya daripada rata-rata win.
Ini tidak menunjukkan “bagus” atau “buruk” dengan sendirinya. Sebuah strategi bisa memiliki average wins yang lebih kecil daripada average losses dan tetap menghasilkan hasil net yang positif jika win rate cukup tinggi, atau jika loss dikendalikan di tempat lain. Average win loss hanya satu bagian dari gambaran yang lebih besar.
Bukti Melalui Contoh yang Dikerjakan (Dengan Asumsi yang Jelas)
Asumsikan dataset berisi 10 trade yang sudah selesai, dan Anda mengukur outcome setiap trade sebagai net profit/loss dalam mata uang akun, setelah spread dan komisi. Juga asumsikan:
- Wins adalah trade dengan outcome > 0.
- Losses adalah trade dengan outcome < 0.
- Outcome nol (jika ada) dikecualikan dari kedua rata-rata.
Misalkan lima outcome winning adalah: 6, 4, 8, 5, 7 (dalam mata uang akun).
- AW = (6+4+8+5+7)/5 = 30/5 = 6.
Misalkan lima outcome losing adalah: -3, -4, -2, -5, -4.
- AL = (-3-4-2-5-4)/5 = -18/5 = -3.6.
Maka AW/|AL| = 6 / 3.6 = 1.67.
Nilai ini berarti: secara rata-rata, kemenangan sekitar 1.67 kali lebih besar daripada kekalahan dalam besarnya, menggunakan definisi net-outcome yang dinyatakan. Orang kedua yang menghitung metrik yang sama dengan asumsi berbeda—seperti gross outcome sebelum biaya, penyertaan break-even trades yang berbeda, atau outcome berbasis pip dengan ukuran posisi yang bervariasi—dapat mencapai hasil yang berbeda meskipun dari trade yang mendasarinya sama.
Itulah mengapa perhitungan ini adalah “mekanika,” sementara interpretasinya bergantung pada asumsi.
Keterbatasan dan Mode Kegagalan yang Umum
Average win loss berguna untuk mendeskripsikan bentuk hasil historis, tetapi memiliki keterbatasan yang material.
1) Ukuran sampel dan ketidakstabilan
Dengan sedikit trade, AW dan AL bisa berubah banyak karena variasi acak. Metrik bisa terlihat stabil pada satu periode dan berubah secara signifikan pada periode lain.
2) Biaya dan eksekusi yang berubah
Jika spread, komisi, atau kualitas eksekusi bervariasi dari waktu ke waktu, dan Anda menggunakan net atau gross outcome secara tidak konsisten, metrik bisa mencerminkan perbedaan biaya, bukan perilaku trade.
3) Selection bias pada apa yang Anda sertakan
Jika Anda mengecualikan trade tertentu (misalnya, yang dieksekusi dalam kondisi yang tidak biasa) atau jika Anda hanya mencatat trade yang “cocok” dengan suatu aturan, rata-rata mungkin tidak mewakili semua outcome.
4) Model risiko campuran
Jika ukuran posisi atau aturan risiko bervariasi antar trade, maka “rata-rata” outcome bisa mencampur tingkat eksposur yang berbeda. Metrik kemudian bisa lebih mencerminkan perubahan pada sizing daripada perubahan pada kualitas keputusan.
5) “Average” bisa menyembunyikan distribusi
Dua dataset bisa memiliki rasio AW/|AL| yang sama tetapi memiliki distribusi outcome yang sangat berbeda (misalnya, sesekali loss yang besar vs.