Jawaban langsung: divergensi dalam Average Win Loss
Divergensi dalam Average Win Loss berarti “average win” dan “average loss” berhenti bergerak bersama secara konsisten. Alih-alih sisi kemenangan dan sisi kekalahan berperilaku mirip dengan yang Anda harapkan dari periode sebelumnya, salah satu sisi mengalami pertumbuhan, penyusutan, atau perubahan karakter tipikal, sementara sisi lainnya tidak.
Secara sederhana: Average Win Loss adalah perbandingan dari dua rata-rata dari hasil trading. Divergensi terjadi ketika perbandingan tersebut terlihat berbeda di berbagai segmen waktu, kumpulan data, atau metode perhitungan.
Mekanisme atau definisi: bagaimana rata-rata dibangun
Untuk menjelaskan divergensi, mulai dari cara “Average Win” dan “Average Loss” disusun:
- Average Win biasanya dihitung sebagai mean aritmetika dari ukuran kemenangan (misalnya, jumlah profit) pada sampel yang dipilih.
- Average Loss biasanya dihitung sebagai mean aritmetika dari ukuran kekalahan (misalnya, jumlah loss) pada sampel yang dipilih.
Divergensi kemudian muncul ketika, misalnya:
- Pada satu periode waktu, average win relatif besar sementara average loss relatif kecil, tetapi kemudian polanya berbalik.
- Atau average loss menjadi kurang negatif/lebih negatif sementara average win tetap kurang lebih sama.
Model sederhana dari “apa yang berubah” adalah bahwa baik distribusi hasil berubah, atau cara Anda melakukan sampling dan mengukur hasil berubah. Dua faktor tersebut penting karena menghasilkan interpretasi yang berbeda.
Pilihan pengukuran yang umum yang dapat mengubah rata-rata (tanpa ada sesuatu yang “misterius” terjadi) meliputi:
- jendela waktu yang tepat yang digunakan,
- apakah Anda memasukkan semua trade atau hanya sebagian,
- apakah rata-rata dihitung pada jumlah mentah atau setelah biaya tertentu,
- dan apakah kumpulan data mencakup partial fills atau penyesuaian.
Bukti atau contoh: mengapa divergensi bisa muncul
Pertimbangkan skenario hipotetis seperti backtest dengan asumsi yang jelas:
- Asumsikan Anda menghitung average win dan average loss dari riwayat trade strategi yang sama.
- Asumsikan Anda membagi riwayat tersebut menjadi dua jendela waktu yang sama.
- Asumsikan kualitas eksekusi dan spread/biaya tetap konstan di dalam setiap jendela, tetapi bisa berbeda antar-jendela.
Jika average wins dan average losses bergerak berbeda antara Window 1 dan Window 2, Anda mengamati divergensi.
Divergensi ini dapat dijelaskan oleh setidaknya tiga penyebab yang tidak saling eksklusif:
- Perubahan rezim pasar: jarak tipikal pergerakan harga sebelum sebuah win atau loss berubah.
- Perubahan biaya atau eksekusi: jika biaya meningkat selama Window 2, loss bisa memburuk lebih banyak daripada win (atau sebaliknya), sehingga rata-rata berubah secara berbeda.
- Perbedaan sampling dan perhitungan: jika jendela berikutnya berisi outlier ekstrem yang lebih banyak di salah satu sisi, rata-rata bergeser lebih besar untuk sisi tersebut.
Poin penting adalah bahwa “divergence” adalah deskripsi dari data yang Anda hitung, bukan penjelasan otomatis untuk satu penyebab tunggal.
Keterbatasan dan risiko: batas konfirmasi dan hindsight bias
Ada keterbatasan dan mode kegagalan yang material dalam menafsirkan divergensi:
- Divergence tidak otomatis berarti indikator sedang “bekerja” atau “gagal.” Ini hanya memberi tahu Anda bahwa karakteristik historis average win dan loss berbeda di segmen-segmen yang Anda bandingkan.
- Hindsight bias: jika Anda melihat divergensi terbesar terlebih dahulu, Anda mungkin “menyesuaikan” penjelasan setelah melihat hasilnya, meskipun ekspektasi awal belum jelas.
- Overfitting ke satu periode: divergensi bisa mencerminkan kondisi sementara. Hubungan historis tidak menjamin hasil di masa depan.
- Ketidakpastian dari biaya dan eksekusi: rata-rata sensitif terhadap cara hasil dicatat. Dua kumpulan data yang sedikit berbeda dalam biaya transaksi atau pemodelan eksekusi dapat menunjukkan divergensi yang berbeda.
Verifikasi atau pertanyaan berikutnya: apa yang bisa Anda cek secara independen
Untuk memverifikasi apa arti divergensi dalam konteks Anda, Anda bisa memeriksa apakah divergensi stabil di bawah variasi yang wajar dan telah ditentukan sebelumnya:
- Hitung ulang Average Win dan Average Loss menggunakan aturan yang konsisten (definisi win/loss yang sama, kriteria inklusi yang sama).
- Bandingkan beberapa pembagian waktu (bukan hanya periode ketika divergensi terlihat paling besar).
- Pisahkan efek bila memungkinkan dengan menelaah jumlah hasil sebelum versus setelah biaya yang dinyatakan, jika catatan Anda mendukung pemisahan tersebut.
- Cek sensitivitas perhitungan dengan mengulang rata-rata dengan dan tanpa anomali data yang jelas (seperti trade yang hilang atau catatan eksekusi yang tidak dapat dibandingkan).
Jika divergensi tetap ada di seluruh pemeriksaan ini, itu menunjukkan bahwa distribusi hasil yang mendasarinya berubah. Jika divergensi hilang, itu menunjukkan sensitivitas pengukuran/sampling, bukan perubahan yang stabil pada karakteristik kinerja.
DOCUMENT END