Jawaban langsung: kesalahan yang paling umum
Average Win Loss (sering dibahas sebagai “average win versus average loss”) sering disalahgunakan dalam tiga cara: orang menganggapnya prediktif padahal deskriptif, menghitungnya dengan definisi yang tidak konsisten, dan mengabaikan kondisi material seperti biaya dan detail eksekusi. Kesalahan-kesalahan ini dapat menyebabkan kesimpulan yang terlalu percaya diri dan salah paham tentang apa yang bisa dan tidak bisa diberitahukan oleh metrik tersebut.
Mekanisme atau definisi: apa sebenarnya Average Win Loss
Cara umum untuk menghitung konsep ini adalah:
- Average win = total profit dari trade yang menang ÷ jumlah trade yang menang
- Average loss = total besar kerugian dari trade yang kalah ÷ jumlah trade yang kalah
- Average Win Loss (ratio) = Average win ÷ Average loss (atau kadang selisih, tergantung definisi yang digunakan)
Asumsi kunci: Anda harus memakai definisi “win” dan “loss” yang sama untuk setiap perhitungan. Misalnya, Anda perlu aturan yang konsisten untuk apa yang dihitung sebagai win (profit setelah biaya) versus loss (kerugian setelah biaya). Jika dataset Anda mencampur hasil kotor dengan hasil bersih, atau memasukkan partial fill dengan cara yang berbeda, nilai yang dihitung mungkin tidak mencerminkan apa yang Anda kira ia mencerminkan.
Bukti atau contoh: di mana kesalahan muncul pada perhitungan nyata
1) Mencampur hasil bersih dan kotor
Salah paham yang umum adalah memakai profit berbasis candle atau pergerakan harga untuk “wins” dan “losses”, sementara eksekusi Anda yang sebenarnya memiliki spread, komisi, dan biaya. Jika metrik dihitung dari perubahan harga kotor tetapi Anda menafsirkannya sebagai performa bersih, Anda bisa mengira profil win/loss yang menguntungkan padahal setelah biaya justru akan menyusut.
2) Menggunakan ambang yang tidak konsisten untuk wins dan losses
Kesalahan lain adalah mengubah apa yang dihitung sebagai “win” atau “loss”. Misalnya, memperlakukan trade “breakeven” secara tidak konsisten (baik sebagai wins, losses, atau dikecualikan) mengubah kedua rata-rata tersebut. Perubahan definisi yang kecil pun dapat menggeser rasio secara material.
3) Bias sampling: memilih hanya trade yang Anda percaya
Orang kadang menghitung statistik ini pada subset yang dikurasi (misalnya, trade yang terlihat “bersih” atau milik sesi tertentu). Ini dapat menghasilkan “Average Win Loss” yang tidak mewakili proses pengambilan keputusan secara keseluruhan. Mode kegagalan di sini bukan karena matematikanya salah; melainkan sampelnya bukan populasi yang ingin Anda gambarkan.
4) Mengabaikan bentuk distribusi
Nilai rata-rata menyembunyikan variasi. Dua strategi bisa memiliki Average win dan Average loss yang sama, tetapi memiliki perilaku ekor (tail) yang sangat berbeda—kerugian besar yang jarang terjadi versus kerugian kecil yang sering terjadi. Metrik bisa terlihat stabil sementara profil risiko yang mendasarinya berubah.
Keterbatasan dan risiko: mode kegagalan material yang perlu diwaspadai
Keterbatasan 1: tidak memasukkan frekuensi dengan sendirinya
Average Win Loss berfokus pada ukuran, bukan seberapa sering wins dan losses terjadi. Rasio yang terlihat bagus (wins lebih besar daripada losses) tetap bisa menghasilkan hasil yang lemah jika losses terjadi jauh lebih sering.
Keterbatasan 2: hubungan historis tidak memastikan hasil masa depan
Bahkan ketika dihitung dengan benar dari trade-trade masa lalu, hubungan tersebut bisa berubah seiring kondisi pasar, rezim volatilitas, dan kualitas eksekusi. Ini adalah keterbatasan ketidakpastian yang umum: rata-rata tidak menjamin keterulangan.
Keterbatasan 3: eksekusi dan biaya bisa mendominasi
Biaya memengaruhi besaran win dan loss. Jika biaya bersifat variabel (misalnya, spread lebih lebar pada jam-jam tertentu), maka “average” bisa menyesatkan kecuali Anda menghitung metrik secara konsisten dengan model biaya yang sama.
Rode vlaggen dan klaarcriterium (neutral checks)
- Rode vlaggen: memakai angka gross/net yang tercampur, mengubah cara memperlakukan breakeven, menghitung pada subset yang difilter tanpa menyatakannya, atau menafsirkan rasio sebagai prediktif.
- Klaarcriterium: Anda bisa mengambil daftar trade yang sama, menerapkan aturan win/loss yang dinyatakan dengan jelas, lalu menghitung ulang rata-ratanya untuk memperoleh nilai yang sama.
Verifikasi atau pertanyaan berikutnya: cara memverifikasi secara independen
- Hitung ulang dari daftar trade mentah: nyatakan apakah profit dan loss adalah net dari komisi/biaya dan apakah trade breakeven disertakan, dikecualikan, atau diklasifikasikan. 2) Kunci definisi: pastikan aturan persis untuk “win” dan “loss” serta apakah partial exit dihitung sebagai trade terpisah. 3) Dokumentasikan asumsi: jika Anda menghitung metrik menggunakan timeframe, versi strategi, atau asumsi biaya tertentu, tuliskan agar Anda bisa mereplikasinya.
DOCUMENT END