Contoh praktik backtesting yang dikerjakan (dengan asumsi eksplisit)

Jawaban langsung: apa itu contoh praktik backtesting yang dikerjakan

Contoh praktik backtesting yang dikerjakan menunjukkan, langkah demi langkah, bagaimana Anda akan menerapkan aturan yang didefinisikan dengan jelas pada data historis untuk memperkirakan apa yang akan terjadi. “Backtesting” di sini berarti Anda mensimulasikan keputusan menggunakan pengamatan masa lalu, tanpa mengasumsikan hasil masa depan akan cocok dengan sejarah. “Praktik” berarti Anda mencatat setiap asumsi sehingga orang lain dapat mereproduksi perhitungan yang sama dan memeriksa dari mana hasilnya berasal.

Mekanisme dan definisi: apa yang Anda lakukan dalam backtest

Praktik backtesting biasanya memiliki lima input:

1. Aturan keputusan: kapan tepatnya Anda akan masuk/keluar (atau bagaimana Anda akan menghitung prediksi/skor).
2. Kumpulan data: deret waktu historis dengan stempel waktu yang konsisten.
3. Model trading: bagaimana order terisi (misalnya, menggunakan pembukaan bar berikutnya) dan bagaimana Anda menangani spread.
4. Model biaya: komisi, biaya, dan asumsi spread.
5. Metrik: apa yang Anda ukur (misalnya, pengembalian kumulatif, penarikan, rasio menang, atau pengembalian rata-rata per trading).

Mekanisme yang stabil: alur kerja (tentukan aturan → pilih jendela data → simulasikan pengisian → hitung metrik → dokumentasikan) tetap sama. Kondisi yang bervariasi: rezim pasar, kualitas data, detail eksekusi, dan biaya dapat berubah, dan hal-hal tersebut dapat mendominasi hasil.

Contoh yang dikerjakan (skenario numerik) dengan asumsi eksplisit

Asumsikan tujuannya adalah untuk mengevaluasi aturan sederhana untuk tujuan pendidikan. Ini bukan rekomendasi, dan ini menggunakan penyederhanaan seperti sintetis untuk menjaga asumsi tetap eksplisit.

Aturan (pernyataan “jika-maka”)

Untuk setiap hari, Anda menahan posisi selama tepat 1 hari. Posisinya adalah “long” (mengambil eksposur) atau “flat” (tanpa eksposur). Aturan keputusannya adalah:

• Jika penutupan hari sebelumnya lebih tinggi dari penutupan dua hari yang lalu, ambil eksposur long untuk hari berikutnya.
• Jika tidak, jadilah flat untuk hari berikutnya.

Kumpulan data (pengamatan historis)

Gunakan enam pengamatan harian berurutan (Hari 0 hingga Hari 5). Asumsikan penutupan di bawah ini adalah harga historis yang “diketahui” untuk backtesting:

• Penutupan Hari 0: 100
• Penutupan Hari 1: 102
• Penutupan Hari 2: 101
• Penutupan Hari 3: 103
• Penutupan Hari 4: 104
• Penutupan Hari 5: 102

Kami akan menghitung keputusan untuk Hari 2–5 karena aturan membutuhkan Hari t-2.

Asumsi eksekusi dan biaya

Asumsi ini menentukan pengembalian yang disimulasikan.

• Harga masuk: pembukaan hari berikutnya sama dengan penutupan hari itu (penyederhanaan). Ini menghilangkan ketidakpastian intra-hari.
• Harga keluar: penutupan hari berikutnya sama dengan penutupan hari berikutnya (karena periode penahanan adalah 1 hari).
• Spread dan komisi: total biaya trading adalah 0,1% tetap dari nosional setiap hari Anda long. Jika flat, biayanya 0%.
• Tidak ada batasan leverage, tidak ada bunga margin, dan tidak ada selip di luar model biaya.

Definisi metrik

Hitung “pengembalian harian bersih” pada nosional:

• Jika long pada hari t: pengembalian bersih = (Penutupan(t) / Penutupan(t-1)) − 1 − 0,001
• Jika flat: pengembalian bersih = 0

Simulasi langkah demi langkah

Keputusan:

• Untuk keputusan Hari 2: bandingkan penutupan Hari 1 (102) dengan penutupan Hari 0 (100). 102 > 100 → lakukan long pada Hari 2.
• Untuk keputusan Hari 3: bandingkan penutupan Hari 2 (101) dengan penutupan Hari 1 (102). 101 > 102 adalah salah → flat pada Hari 3.
• Untuk keputusan Hari 4: bandingkan penutupan Hari 3 (103) dengan penutupan Hari 2 (101). 103 > 101 → long pada Hari 4.
• Untuk keputusan Hari 5: bandingkan penutupan Hari 4 (104) dengan penutupan Hari 3 (103). 104 > 103 → long pada Hari 5.

Hitung pengembalian bersih:

• Hari 2 (long): Penutupan(2)/Penutupan(1) − 1 − 0,001 = 101/102 − 1 − 0,001 ≈ −0,0098039 − 0,001 = −0,0108039 (≈ −1,08%)
• Hari 3 (flat): bersih = 0
• Hari 4 (long): 104/101 − 1 − 0,001 = 0,0297029 − 0,001 ≈ 0,0287029 (≈ +2,87%)
• Hari 5 (long): 102/104 − 1 − 0,001 = −0,0192308 − 0,001 ≈ −0,0202308 (≈ −2,02%)

Jumlah kumulatif sederhana (karena contoh ini menggunakan angka kecil dan bersifat ilustratif): total pengembalian bersih ≈ −1,08% + 0% + 2,87% − 2,02% ≈ −0,23% selama periode yang dievaluasi.

Apa yang diajarkan contoh yang dikerjakan: hasilnya dihasilkan secara mekanis dari aturan Anda, data Anda, dan asumsi eksekusi/biaya eksplisit Anda.

Keterbatasan dan mode kegagalan (apa yang bisa salah)

1. Overfitting: jika aturan disetel terlalu dekat dengan data masa lalu (banyak kenop, banyak pengujian), aturan itu mungkin terlihat bagus secara historis tetapi gagal di tempat lain. 2) Realisme eksekusi: mengasumsikan pengisian yang sempurna atau penetapan harga yang disederhanakan dapat melebih-lebihkan hasil.