Apa Itu Contoh Perhitungan Expectancy?

Jawaban langsung

Contoh perhitungan Expectancy menunjukkan cara menghitung hasil rata-rata per trade (atau keputusan) dari sejumlah kecil input: probabilitas menang, probabilitas kalah, dan jumlah payoff untuk kemenangan dan kerugian. Bagian “perhitungan” berarti Anda benar-benar memasukkan angka ke dalam rumus dan menjaga setiap asumsi tetap terlihat.

Mekanisme: definisi dan cara kerja kalkulasi

Expectancy (sering ditulis sebagai E) adalah cara untuk memperkirakan hasil rata-rata jangka panjang dari proses keputusan yang dapat diulang. Pengaturan umum untuk keputusan seperti trade adalah:

• Misalkan p(win) adalah probabilitas menang.
• Misalkan p(loss) adalah probabilitas kalah.
• Misalkan W adalah laba bersih dari trade yang menang (setelah biaya).
• Misalkan L adalah besarnya kerugian bersih dari trade yang kalah (sebagai angka positif).

Maka expectancy dapat dinyatakan sebagai:

E = p(win) × W − p(loss) × L

Jika Anda menggunakan model dua hasil yang paling sederhana, Anda juga berasumsi:

• p(win) + p(loss) = 1

Unit itu penting. Jika W dan L diukur dalam “mata uang akun per trade,” maka E juga dalam “mata uang akun per trade.” Jika Anda menggunakan “pip” atau “persen,” maka E akan dalam unit yang sama.

Bukti atau contoh: skenario numerik yang transparan dan terhitung

Asumsikan aturan keputusan yang hanya menghasilkan dua hasil: menang atau kalah, dengan asumsi yang dinyatakan dengan jelas sebagai berikut:

1. p(win) = 0,40 (40% keputusan berakhir dengan kemenangan)
2. p(loss) = 0,60 (60% berakhir dengan kerugian)
3. W = +2,0 unit (kemenangan adalah +2,0 setelah biaya)
4. L = 1,5 unit (kerugian adalah −1,5; kita perlakukan L sebagai besaran 1,5)

Sekarang hitung:

E = 0,40 × 2,0 − 0,60 × 1,5 E = 0,80 − 0,90 E = −0,10 unit per keputusan

Interpretasi (dengan kata-kata hati-hati): berdasarkan asumsi ini, hasil bersih rata-rata per keputusan adalah negatif. Penting untuk dicatat, ini tidak memprediksi hasil masa depan untuk urutan tertentu; ini merangkum apa yang tersirat oleh model Anda ketika input tersebut benar dan stabil.

Untuk memeriksa ulang aritmetika, bandingkan bobotnya:

• Kontribusi kemenangan adalah 40% dari +2,0 → +0,8
• Kontribusi kerugian adalah 60% dari −1,5 → −0,9
• Rata-rata bersih → −0,1

Keterbatasan dan risiko: apa yang dapat membuat Expectancy menyesatkan

Setidaknya satu mode kegagalan yang material adalah bahwa expectancy sepenuhnya bergantung pada kebenaran dan stabilitas input:

1. Kesalahan biaya dan netting: Jika Anda menggunakan laba/rugi kotor, bukan jumlah bersih (termasuk spread, komisi, slippage), expectancy yang dihitung bisa terlihat lebih baik daripada kenyataannya.

2. Perubahan kondisi pasar/penyedia: Probabilitas dan payoff dapat berubah. Bahkan jika expectancy positif dalam satu sampel, itu mungkin tidak bertahan ketika kondisi berubah.

3. Seleksi hasil dan data yang tidak representatif: Jika sampel yang digunakan untuk memperkirakan p(win) atau payoff bias, perhitungan akan benar secara matematis tetapi tidak dapat diandalkan secara empiris.

4. Penyederhanaan dua hasil: Hasil nyata dapat mencakup impas, eksekusi parsial, atau ukuran kemenangan yang bervariasi. Model “hanya menang/kalah” dapat menyembunyikan detail distribusi yang penting.

Verifikasi atau pertanyaan lanjutan

Karena kalkulasinya sederhana, Anda dapat memverifikasinya secara independen:

• Hitung ulang E menggunakan p(win), W, dan L yang Anda nyatakan sendiri.
• Pastikan probabilitas berjumlah 1 (dalam model dua hasil).
• Periksa bahwa payoff diukur secara konsisten (unit yang sama, dan bersih dari biaya).

Pertanyaan lanjutan yang praktis adalah: Apakah definisi “menang” dan “kalah” Anda sesuai dengan hasil bersih yang benar-benar dapat Anda ukur (termasuk biaya) dan apakah estimasi probabilitas didasarkan pada sampel yang representatif?