Jawaban langsung: kesalahan umum dengan Expectancy
Expectancy (sering disebut “expected value”) kerap disalahpahami sebagai perkiraan hasil di masa depan. Kesalahan umum adalah memperlakukan rata-rata yang dihitung seolah menjamin suatu hasil. Kesalahan lain adalah menggunakan input (win rate, average win, average loss, atau probabilitas) yang tidak konsisten, tidak realistis, atau tidak lengkap. Bahkan ketika expectancy dihitung dengan benar, orang sering menarik kesimpulan yang terlalu kuat karena pasar, kualitas eksekusi, dan biaya dapat berubah setelah asumsi dibuat.
Mekanisme atau definisi: apa itu Expectancy (dan apa yang bukan)
Expectancy menggambarkan rata-rata hasil jangka panjang per percobaan, dengan sekumpulan asumsi. Secara konsep, ini menggabungkan hasil yang diberi bobot berdasarkan kemungkinan terjadinya. Formulasi yang umum didasarkan pada:
- Probabilitas “win” (P(win))
- Probabilitas “loss” (P(loss))
- Ukuran rata-rata dari sebuah win
- Ukuran rata-rata dari sebuah loss
Penting: expectancy bukan jaminan hasil positif pada trade berikutnya. Variasi acak dapat menghasilkan streak yang menyimpang dari rata-rata. Selain itu, expectancy bergantung pada bagaimana Anda mendefinisikan outcome (misalnya, apa yang dianggap sebagai win versus loss), dan bagaimana Anda mengukur average win/loss.
Bukti atau contoh: di mana kesalahpahaman muncul
Cara yang berguna untuk mendeteksi kesalahan adalah meninjau input dan asumsi, bukan kesimpulannya.
-
Mengira “historical win rate” sama dengan probabilitas yang dibutuhkan untuk perhitungan Jika Anda mengestimasi P(win) dari periode sebelumnya, Anda mengasumsikan masa depan akan menyerupai masa lalu. Hubungan historis tidak otomatis menetapkan hasil masa depan.
-
Mengabaikan biaya dan detail eksekusi Jika perhitungan Anda memakai pergerakan harga mentah, tetapi hasil nyata Anda mencakup spread, komisi, slippage, atau biaya, maka average win/loss tidak sama dengan yang benar-benar Anda alami. Ini dapat menggeser expectancy secara material.
-
Mencampur definisi win/loss yang tidak konsisten Contoh asumsi yang harus Anda nyatakan: “win” berarti trade ditutup di atas entry setidaknya sebesar X, dan “loss” berarti trade ditutup di bawah entry setidaknya sebesar Y. Jika kemudian Anda menghitung rata-rata dengan aturan yang berbeda (atau memasukkan partial exits secara tidak konsisten), expectancy yang dihitung Anda tidak lagi sesuai dengan logika sebelumnya.
-
Menggunakan rata-rata yang menyembunyikan masalah distribusi Bahkan dengan expectancy yang positif, kerugian besar bisa jarang terjadi tetapi parah, sementara kemenangan kecil sering terjadi. Orang kadang mengabaikan dampak praktis dari variabilitas, padahal expectancy hanya merangkum nilai rata-ratanya.
Keterbatasan dan risiko: setidaknya satu mode kegagalan yang material
Salah satu mode kegagalan yang material adalah mengasumsikan stationarity: gagasan bahwa probabilitas win dan karakteristik payout tetap stabil. Dalam praktiknya, kondisi pasar dapat berubah, volatilitas dapat bergeser, dan kualitas eksekusi dapat bervariasi. Jika salah satu asumsi dasar berubah, expectancy yang dihitung dari data yang lebih lama bisa menjadi menyesatkan.
Keterbatasan lain adalah sensitivitas terhadap ukuran sampel. Dengan sampel yang kecil atau bias, estimasi win rate dan average win/loss bisa menjadi berisik. Ketika Anda kemudian menghitung expectancy dari input yang berisik, hasilnya bisa terlihat presisi, padahal sebenarnya tidak pasti.
Verifikasi atau pertanyaan berikutnya: pemeriksaan netral yang bisa Anda lakukan
Cara netral untuk memverifikasi pekerjaan expectancy adalah menerapkan consistency checks:
- Apakah perhitungan menggunakan definisi win/loss yang sama seperti data yang dipakai untuk mengukur rata-rata?
- Apakah biaya dan perbedaan eksekusi dimasukkan dalam outcome yang diukur?
- Apakah probabilitas diestimasi dari periode dan kondisi yang cukup mirip dengan periode yang ingin Anda evaluasi?
- Apakah Anda menafsirkan hasil sebagai rata-rata di bawah asumsi, bukan sebagai prediksi untuk outcome berikutnya?
Jika Anda bisa menyatakan asumsi Anda untuk probabilitas dan payout dengan jelas, dan Anda bisa memperbaruinya saat kondisi berubah, Anda mengurangi risiko kesalahpahaman yang umum. Untuk konteks yang lebih dalam, Anda juga bisa melakukan cross-check keterbatasan yang secara spesifik terkait dengan expectancy, seperti bagaimana ketidakpastian dan perubahan asumsi memengaruhi maknanya.
DOCUMENT END