Pertimbangan lanjutan untuk Expectancy (tinjauan kinerja forex)

Apa arti expectancy dalam model yang dapat diperiksa

Expectancy adalah cara satu-angka untuk menggambarkan hasil rata-rata dari suatu proses pengambilan keputusan per peluang (misalnya, per trade, per sinyal, atau per kali aturan diterapkan). Dalam bentuknya yang paling sederhana, expectancy memperlakukan setiap hasil sebagai “menang” atau “kalah” dan menggabungkan:

• Tingkat kemenangan (probabilitas menang)
• Ukuran kemenangan rata-rata (berapa banyak yang Anda peroleh saat menang)
• Tingkat kekalahan (probabilitas kalah)
• Ukuran kekalahan rata-rata (berapa banyak yang Anda rugi saat kalah)

Model konseptual yang umum adalah:

Expectancy = (Probabilitas menang × Rata-rata kemenangan) + (Probabilitas kalah × Rata-rata kekalahan)

Agar model ini benar-benar dapat diverifikasi, istilah-istilah tersebut harus didefinisikan dengan cara yang sama di seluruh data dan perhitungan Anda. “Menang,” “kalah,” “rata-rata kemenangan,” dan “rata-rata kekalahan” bukanlah fakta otomatis; semuanya berasal dari aturan pengukuran Anda (misalnya, apakah penutupan parsial dihitung sebagai kemenangan, bagaimana Anda menangani hasil impas, dan apakah Anda menggunakan hasil bruto atau bersih).

Ketergantungan: apa yang dibutuhkan expectancy agar dapat dibandingkan

1) Definisi hasil: bruto vs bersih

Rumus expectancy hanya sebermakna “hasil” yang digunakannya. Jika satu kumpulan data menggunakan hasil bersih (setelah spread, komisi, dan biaya pembiayaan) dan yang lain menggunakan pergerakan harga bruto, angka expectancy tidak akan dapat dibandingkan.

Bahkan ketika Anda menginginkan penjelasan konseptual (bukan angka real-time), Anda tetap harus mengasumsikan pilihan akuntansi tertentu. Misalnya, Anda dapat mendefinisikan hasil sebagai laba/rugi bersih per peluang setelah perkiraan biaya transaksi dan selip eksekusi. Kemudian Anda harus menerapkan definisi yang sama secara konsisten.

2) Unit analisis: per trade vs per peluang

Expectancy dapat dihitung per trade, per sinyal, atau per bar/periode jika aturan diterapkan secara berkelanjutan. Mengubah unit mengubah interpretasi. Proses yang kadang tetap datar akan memiliki expectancy per “peluang” yang berbeda dibandingkan logika yang sama yang diambil sampelnya hanya saat masuk.

Pendekatan yang dapat diperiksa adalah dengan menyatakan unit secara eksplisit:

• “per entri yang diajukan,” atau
• “per trade yang diselesaikan,” atau
• “per jendela evaluasi aturan,”

lalu buat kumpulan data sesuai dengan itu.

3) Model probabilitas: apa yang dimaksud dengan “probabilitas”

Dalam praktiknya, probabilitas diperkirakan dari sampel historis. Rumus expectancy sering memperlakukan menang/kalah seolah-olah setiap hasil diambil dari distribusi yang stabil. Asumsi itu bisa masuk akal dalam rezim yang sempit dan konsisten, dan jauh kurang masuk akal di berbagai kondisi pasar yang berubah-ubah.

Ini menciptakan ketergantungan lanjutan: expectancy bukan sekadar “angka,” melainkan perkiraan yang terkait dengan distribusi yang diwakili oleh sampel Anda.

4) Bentuk distribusi: expectancy mengabaikan momen yang lebih tinggi

Model tingkat-kemenangan/rata-rata-kemenangan/rata-rata-kekalahan mereduksi hasil menjadi dua rata-rata. Jika hasil sangat miring (misalnya, banyak kemenangan kecil dan kekalahan besar yang jarang), expectancy mungkin terlihat stabil sementara karakteristik risiko berubah secara dramatis.

Jadi, pertimbangan lanjutan adalah memperlakukan expectancy sebagai satu ringkasan, bukan deskripsi lengkap dari distribusi hasil.

Pengecualian dan kasus tepi yang mengubah interpretasi

1) Trade impas dan hasil “nol”

Apa yang terjadi pada trade dengan hasil bersih nol (bukan menang maupun kalah)? Beberapa pendekatan memasukkannya ke dalam kemenangan, beberapa ke dalam kekalahan, dan beberapa memperlakukannya secara terpisah.

Jika Anda memasukkannya sebagai bukan menang maupun kalah, Anda memerlukan kategori ketiga. Jika Anda memaksanya ke dalam menang atau kalah, Anda mengubah ukuran rata-rata kemenangan/kekalahan dan probabilitas yang tersirat. Untuk verifikasi independen, metode untuk hasil impas harus dituliskan.

2) Penanganan kerugian asimetris (misalnya, stop vs exit)

Jika evaluasi Anda mencakup aturan exit yang berbeda tergantung pada kondisi, maka “rata-rata kekalahan” bukanlah satu nilai universal; itu adalah hasil dari proses bersyarat. Misalnya, kerugian yang terjadi di bawah satu aturan exit tidak dapat langsung dibandingkan dengan kerugian yang terjadi di bawah aturan lain.

Untuk mengatasi ini tanpa memberikan nasihat keuangan, Anda dapat mengelompokkan kumpulan data berdasarkan jenis exit atau kondisi setup, lalu menghitung expectancy per segmen. Kuncinya adalah mencampur sub-proses yang tidak kompatibel dapat menciptakan rata-rata yang menyesatkan.

3) Non-stasioneritas: pergeseran rezim

Pasar dapat berubah dalam volatilitas, likuiditas, dan perilaku spread. Jika sampel Anda mencampur beberapa rezim, probabilitas menang/kalah dan hasil rata-rata dapat bergeser.

Mode kegagalan lanjutan adalah “expectancy backtest terlihat bagus, expectancy forward menurun” karena probabilitas yang diperkirakan tidak lagi sesuai dengan distribusi masa depan. Ini bukan jaminan kegagalan—hanya pengingat bahwa expectancy sensitif terhadap perubahan distribusi.

4) Bias seleksi dari penyaringan peluang

Jika kumpulan data Anda hanya mencakup peluang yang melewati filter tertentu yang dipilih setelah melihat hasil, expectancy dapat meningkat. Bahkan tanpa rekomendasi spesifik apa pun, ini adalah risiko penelitian umum: proses evaluasi dapat secara tidak sengaja memasukkan pengetahuan tentang hasil.

Verifikasi independen harus memeriksa apakah aturan dan filternya didefinisikan sebelum data hasil, dan apakah jendela evaluasi sama dengan cakupan data yang digunakan untuk memperkirakan probabilitas.

Bukti dan contoh (menggunakan asumsi yang dapat Anda audit)

Contoh numerik sederhana dengan asumsi eksplisit

Asumsikan Anda mendefinisikan “peluang” sebagai satu trade yang diselesaikan, dan hasil adalah laba/rugi bersih per trade setelah biaya tetap. Dalam sampel 100 trade:

• Anda memberi label 55 trade sebagai kemenangan dan 45 trade sebagai kekalahan.
• Rata-rata laba bersih pada trade yang menang adalah +0,8 unit.
• Rata-rata laba bersih pada trade yang kalah adalah −0,6 unit.

Maka expectancy per trade adalah:

• Probabilitas menang = 55/100 = 0,55
• Probabilitas kalah = 45/100 = 0,45

Expectancy = (0,55 × 0,8) + (0,45 × −0,6) = 0,44 − 0,27 = 0,17 unit per trade

Ini mengilustrasikan bagaimana expectancy dihitung dari probabilitas menang/kalah dan rata-rata bersyarat. Ini juga menunjukkan di mana kesalahan terjadi: jika definisi kemenangan atau asumsi biaya Anda berbeda, rata-rata bersyarat dan probabilitas menang/kalah akan berubah.

Apa yang harus diperiksa saat Anda mereproduksi expectancy orang lain

Untuk memverifikasi klaim expectancy secara independen, periksa apakah penulis:

• menyatakan definisi menang/kalah (termasuk penanganan impas),
• menentukan unit analisis (per trade vs per sinyal),
• menyatakan model biaya yang digunakan untuk hasil bersih, dan
• menggunakan cakupan data yang sama untuk memperkirakan probabilitas dan rata-rata.

Tanpa detail tersebut, dua nilai expectancy dapat “secara matematis serupa” namun secara praktis tidak dapat dibandingkan.

Keterbatasan dan risiko: di mana expectancy dapat menyesatkan

1) Variabilitas pengambilan sampel dan sampel kecil

Expectancy menggunakan probabilitas dan rata-rata yang diperkirakan. Dengan ukuran sampel yang kecil, variasi acak dapat mendominasi, menghasilkan perkiraan expectancy yang mungkin tidak mencerminkan distribusi dasar yang sebenarnya.