Jawaban langsung
Menyesuaikan forex gain/loss yang belum disesuaikan berarti mengubah angka profit-atau-loss dasar yang hanya berdasarkan pergerakan harga menjadi angka yang lebih lengkap yang juga mencerminkan efek lain yang mengubah hasil trade yang terealisasi. Dalam konteks average win loss, biasanya Anda ingin angka gain/loss yang dirata-ratakan dihitung dengan basis yang sama untuk setiap trade, sehingga “ukuran win” dan “ukuran loss” merepresentasikan hasil yang sebanding.
Karena istilah “belum disesuaikan” dapat berarti hal yang berbeda dalam praktiknya, langkah pertama adalah mendefinisikan apa yang termasuk dalam jumlah “belum disesuaikan” Anda (biasanya hanya perubahan harga). Setelah itu, terapkan aturan penyesuaian yang konsisten yang memperhitungkan item-item yang memengaruhi hasil bersih, seperti biaya terkait transaksi dan efek eksekusi, sesuai dengan data yang benar-benar Anda miliki.
Mekanisme: definisikan input dan penyesuaiannya
-
Definisikan “unadjusted gain/loss” Forex unadjusted gain/loss adalah jumlah profit/loss yang dihitung hanya dari perubahan harga. Biasanya ini diturunkan dari harga entry dan exit trade, dan (jika digunakan) ukuran yang diperdagangkan. Ini mengecualikan biaya kecuali biaya tersebut sudah tertanam dalam deret harga atau dalam perhitungan Anda.
-
Tentukan apa yang harus disertakan dalam “adjusted” Kategori umum item yang dapat dikecualikan dari angka yang belum disesuaikan meliputi:
- Biaya transaksi (misalnya spread atau komisi, tergantung bagaimana Anda memodelkan eksekusi)
- Swap/biaya rollover jika dataset Anda mencakup beberapa hari
- Perbedaan lain terkait eksekusi antara fill yang diasumsikan dan yang benar-benar terjadi
Anda tidak perlu mengetahui pendekatan “terbaik”; Anda perlu pendekatan yang sesuai dengan input pelaporan Anda.
- Terapkan metode penyesuaian yang konsisten Gunakan logika penyesuaian yang sama untuk setiap trade dalam sampel Anda. Cara praktis untuk menyatakannya adalah:
- Adjusted gain/loss = unadjusted gain/loss + (net adjustments)
“Net adjustments” adalah total dari komponen apa pun yang tidak ada dalam perhitungan yang belum disesuaikan, dengan tanda yang diterapkan secara konsisten (biaya mengurangi hasil; biaya/kredit memengaruhi hasil sesuai arah/jenisnya).
- Hitung ulang average win dan average loss Setelah Anda menyesuaikan hasil trade, hitung:
- Average win: rata-rata dari adjusted gains pada trade yang diklasifikasikan sebagai win
- Average loss: rata-rata dari adjusted losses pada trade yang diklasifikasikan sebagai losses
Jika metrik average win loss Anda juga memisahkan “count” dan “size,” pertahankan klasifikasi win/loss agar konsisten dengan angka yang sudah disesuaikan (misalnya, trade yang sedikit positif pada unadjusted bisa menjadi negatif setelah menambahkan biaya).
Contoh pemeriksaan: verifikasi penyesuaian secara independen
Anda dapat melakukan pemeriksaan konsistensi tanpa perlu prediksi:
- Pemeriksaan rekonsiliasi: pastikan jumlah hasil yang sudah disesuaikan di seluruh trade sama dengan jumlah hasil yang belum disesuaikan ditambah jumlah net adjustments Anda.
- Pemeriksaan sensitivitas: jika memungkinkan, bandingkan rata-rata yang dihitung dengan dan tanpa penyesuaian; perbedaan besar menunjukkan bahwa basis yang belum disesuaikan secara material kehilangan komponen.
- Pemeriksaan klasifikasi: verifikasi apakah ada trade yang berubah dari win menjadi loss (atau sebaliknya) setelah penyesuaian; ini dapat mengubah average win loss meskipun totalnya tetap mirip.
Pemeriksaan ini membantu memastikan penyesuaian diterapkan secara seragam dan bahwa average win dan average loss mencerminkan hasil bersih yang sebanding.
Keterbatasan dan risiko yang relevan
- Risiko ambiguitas: “unadjusted” dan “adjusted” bukan istilah akuntansi yang universal. Dua dataset dapat menggunakan konvensi yang berbeda, sehingga menghasilkan rata-rata yang berbeda meskipun dengan metode yang sama. - Ketersediaan data: Anda hanya bisa menyesuaikan menggunakan komponen yang Anda miliki. Jika Anda tidak memiliki detail biaya transaksi atau rollover, maka “penyesuaian” apa pun menjadi asumsi, bukan koreksi yang terverifikasi. - Sensitivitas waktu: jika biaya atau kondisi eksekusi berubah selama sampel Anda, satu aturan penyesuaian mungkin tidak mencerminkan kenyataan untuk semua trade. - Tidak ada jaminan perbaikan: penyesuaian membuat angka lebih konsisten, tetapi tidak menyiratkan perubahan performa di masa depan atau bahwa rata-rata menjadi “lebih.