Mekanisme: apa yang diukur oleh “Average Win Loss”
Average Win Loss (sering disingkat AWL) menggambarkan rata-rata ukuran hasil positif dibandingkan hasil negatif dalam sekumpulan trading. Makna yang tepat bergantung pada aturan yang digunakan untuk memberi label hasil.
Sebuah trading biasanya dihitung sebagai kemenangan jika hasil realisasinya di atas nol (atau di atas ambang batas yang dipilih) dan sebagai kekalahan jika berada di bawah nol (atau di bawah ambang batas yang dipilih). “average win” adalah rata-rata ukuran kemenangan; “average loss” adalah rata-rata ukuran kekalahan (kadang dilaporkan sebagai angka negatif, kadang sebagai magnitudo absolut).
Karena Anda harus menentukan label kemenangan/kekalahan dan bagaimana trading ditutup, timeframe menjadi hal yang sentral. Jika Anda mengamati hasil setelah periode holding yang berbeda—menit versus hari, atau dalam jendela kalender yang berbeda—Anda mengubah keduanya:
- periode holding yang digunakan untuk merealisasikan hasil (kapan Anda memutuskan hasil trading), dan
- periode di mana lintasan harga di-sampling (seberapa banyak pergerakan dan variasi yang diberi waktu untuk dialami sebuah trading).
Bagaimana timeframe mengubah statistik kemenangan/kekalahan
Timeframe memengaruhi AWL melalui beberapa kanal umum yang stabil secara mekanis.
-
Waktu lebih lama memungkinkan divergensi lebih besar Dengan periode holding yang lebih panjang, sebuah posisi memiliki lebih banyak kesempatan untuk bergerak menjauh dari entry. Ini dapat meningkatkan peluang baik untuk kemenangan yang lebih besar maupun untuk kekalahan yang lebih besar. Dengan kata lain, distribusi hasil bisa melebar seiring waktu, bahkan jika drift jangka panjang rata-ratanya tidak berubah.
-
Timing hasil mengubah apa yang Anda sebut “win” Jika Anda memendekkan jendela pengukuran, beberapa trading yang pada akhirnya akan berubah menjadi kemenangan bisa dihitung sebagai kekalahan jika aturan Anda menghentikannya lebih awal. Sebaliknya, menunda pengukuran dapat mengklasifikasikan ulang hasil ketika sebuah trading diberi waktu untuk pulih.
-
Biaya dan mikrostruktur lebih berpengaruh pada horizon pendek Pada timeframe yang pendek, friksi kecil (seperti trading costs) dapat menjadi bagian yang lebih besar dari hasil yang terealisasi. Itu dapat menggeser average win dan average loss, terutama ketika banyak trading memiliki pergerakan harga mentah yang kecil.
-
Perubahan rezim dan kejadian langka lebih berpengaruh pada horizon yang lebih panjang Pada timeframe yang lebih panjang, pasar bisa memasuki rezim yang berbeda (misalnya, volatilitas lebih tinggi versus volatilitas lebih rendah). Ini dapat membuat AWL mencerminkan campuran kondisi, bukan satu lingkungan yang stabil. Kejadian langka namun berdampak juga dapat mengubah rata-ratanya.
Contoh skenario dengan asumsi eksplisit
Anggap sebuah proses yang disederhanakan di mana trading dipegang selama 1 jam atau 5 hari, dan setiap hasil trading dicatat pada akhir periode holding-nya. Juga anggap metode entry yang sama digunakan pada kedua kasus, tetapi waktu exit-nya berbeda.
- Dalam 1 jam, banyak trading mungkin ditutup setelah pergerakan yang terbatas. Beberapa trading akan berakhir sedikit positif dan beberapa sedikit negatif, sehingga average win dan average loss keduanya bisa relatif kecil.
- Dalam 5 hari, trading yang sama dapat mengalami pergerakan yang lebih luas. Sebagian mungkin mencapai hasil positif yang jauh lebih besar; yang lain bisa bergerak lebih jauh ke arah negatif. Jadi rata-rata bisa saling menjauh.
Ini mengilustrasikan poin kunci: mengubah holding period mengubah bagian dari lintasan harga yang menjadi hasil realisasi, yang kemudian mengubah AWL yang dihitung.
Keterbatasan, mode kegagalan, dan apa yang bisa Anda verifikasi
Timeframe dapat membuat AWL terlihat lebih baik atau lebih buruk tanpa perubahan apa pun pada skill yang mendasarinya, karena aturan pengukuran berubah.
Keterbatasan / mode kegagalan yang material
- Bias seleksi dari aturan pengukuran: Jika pelabelan win/loss bergantung pada holding time, perbandingan AWL antar timeframe bisa jadi membandingkan “eksperimen” yang berbeda.
- Sensitivitas terhadap biaya: Jika biaya tidak diperhitungkan secara konsisten, AWL horizon pendek bisa menyesatkan.
- Non-stasioneritas: Hubungan historis antara timeframe dan AWL tidak menjamin perilaku di masa depan.
Cara memverifikasi hanya dengan fakta umum Seorang pembaca dapat memverifikasi efek timeframe dengan memeriksa bahwa semua hal berikut konsisten saat membandingkan AWL di berbagai holding period:
- definisi kemenangan dan kekalahan (ambang batas dan titik nol),
- aturan exit yang memfinalisasi hasil yang terealisasi,
- perlakuan biaya yang digunakan dalam dataset (setidaknya secara konseptual, meskipun angka pastinya tidak tersedia), dan
- cakupan sampel (misalnya, apakah kedua timeframe mencakup kondisi pasar yang serupa).
Titik kontrol (pertanyaan penting) Tanyakan: Apakah Anda membandingkan AWL antar timeframe dengan klasifikasi dan logika exit yang sama, hanya mengubah holding period?
DOCUMENT END