Definisi dan mekanik Expectancy
Expectancy adalah konsep performa yang mengekspresikan hasil rata-rata per trade (atau keputusan) berdasarkan distribusi hasil yang mendasarinya. Dalam bentuk paling sederhana, konsep ini menggabungkan ukuran outcome dengan peluang untuk setiap outcome: jika Anda bisa memberi label outcome (misalnya, “menang” dan “kalah”), dan Anda mengetahui rata-rata keuntungan saat menang serta rata-rata kerugian saat kalah, maka expectancy dihitung dari rata-rata tersebut yang diberi bobot oleh probabilitasnya.
Dua mekanik yang paling penting.
-
Probabilitas apa yang digunakan? Expectancy membutuhkan probabilitas untuk setiap kategori outcome. Probabilitas tersebut harus berasal dari sesuatu—sering kali dari backtest historis atau catatan trade masa lalu.
-
Payoff apa yang digunakan? Payoff harus mencerminkan hasil net yang benar, bukan sekadar pergerakan harga kotor. Artinya, perhitungan expectancy harus selaras dengan bagaimana keuntungan dan kerugian benar-benar direalisasikan.
Cara kerja Expectancy dalam praktik (dan di mana ia bisa menyesatkan)
Expectancy berguna ketika sesuai dengan situasi yang Anda evaluasi: aturan keputusan yang mirip, kondisi pasar yang mirip, serta perilaku biaya dan eksekusi yang mirip. Namun, bahkan ketika aritmatikanya benar, keterbatasannya berasal dari apa yang diasumsikan.
Salah satu mode kegagalan yang umum adalah probability drift: probabilitas untuk menang atau kalah berubah ketika volatilitas, likuiditas, spread, atau rezim volatilitas berubah. Jika Anda mengestimasi frekuensi menang/kalah dari data historis, tetapi masa depan berperilaku berbeda, rata-rata berbobot tersebut tidak lagi mewakili apa yang akan terjadi.
Mode kegagalan lain adalah payoff mismatch. Banyak perhitungan expectancy menggunakan asumsi yang disederhanakan (seperti pengisian ideal dan mengabaikan slippage). Dalam trading nyata, kualitas eksekusi bervariasi. Hal ini dapat mengubah ukuran rata-rata kemenangan, ukuran rata-rata kekalahan, dan karenanya mengubah expectancy yang dihitung.
Bukti dan contoh: perubahan asumsi kecil bisa membalikkan expectancy
Pertimbangkan model dua outcome yang disederhanakan dengan dua asumsi:
- Anda mengestimasi probabilitas sebuah outcome (menang) sebagai angka tetap.
- Anda mengestimasi rata-rata payoff untuk outcome tersebut dari hasil historis.
Jika estimasi probabilitas menang meleset sedikit, rata-rata berbobot dapat bergerak secara signifikan, terutama ketika magnitudo menang dan kalah tidak simetris. Jika rata-rata kerugian lebih besar di lingkungan yang benar-benar terjadi dibandingkan payoff model asumsi Anda (misalnya, karena exit aktual berbeda dari rencana), maka perhitungan expectancy bisa menjadi terlalu optimistis.
Poin kunci: expectancy tidak “salah” karena matematikanya gagal; ia menjadi kurang bermakna karena inputnya tidak lagi menggambarkan masa depan.
Keterbatasan, risiko, dan mode kegagalan yang perlu diverifikasi
Expectancy memiliki keterbatasan yang penting untuk dicek secara independen:
-
Hubungan historis tidak menetapkan hasil masa depan. Bahkan expectancy historis yang terlihat stabil bisa memburuk ketika kondisi pasar berubah.
-
Biaya dan ketidakpastian eksekusi mudah terlewat. Jika spread, komisi, slippage, atau keterlambatan tidak dimasukkan secara konsisten, expectancy mungkin menggambarkan dunia teoretis, bukan hasil realisasi.
-
Pilihan data dan kategorisasi mengubah expectancy. Cara Anda mendefinisikan “menang,” “kalah,” dan periode pengukuran dapat mengubah probabilitas dan rata-rata payoff. Memilih jendela waktu yang kebetulan menguntungkan dapat menggelembungkan expectancy.
-
Non-stasioneritas dan perubahan rezim. Expectancy mengasumsikan lingkungan yang menghasilkan outcome cukup stabil sehingga probabilitas dan payoff yang diestimasi tetap relevan.
-
Terlalu percaya pada satu angka. Estimasi titik dari expectancy menyembunyikan variabilitas. Dua strategi dengan expectancy yang sama bisa memiliki distribusi hasil yang sangat berbeda (misalnya, kemenangan kecil yang sering versus kemenangan besar yang jarang), yang memengaruhi drawdown dan kemampuan bertahan.
Verifikasi dan pertanyaan berikutnya untuk mengurangi ketidakpastian
Agar menggunakan expectancy secara bertanggung jawab sebagai alat analisis, verifikasi apa yang harus tetap benar agar estimasi tersebut bermakna:
- Verifikasi probabilitas: Apakah frekuensi menang/kalah tetap berlaku pada data baru yang tidak terlihat?
- Verifikasi payoff: Apakah keuntungan dan kerugian dihitung menggunakan hasil net yang direalisasikan (termasuk biaya dan asumsi eksekusi yang realistis)?
- Cek stabilitas: Apakah expectancy tetap mirip di berbagai rezim pasar atau periode waktu yang berbeda?
Jika pengecekan ini gagal, expectancy menjadi ringkasan yang kurang dapat diandalkan tentang performa masa depan, dan keterbatasannya bukan konseptual—melainkan empiris dan bergantung pada input.
DOCUMENT END