Jawaban langsung: data yang Anda butuhkan
Untuk menilai Swing Risk untuk periode holding gaya forex swing, Anda perlu data yang memungkinkan Anda menjelaskan (1) seberapa besar dan seberapa mendadak ayunan harga bisa terjadi, (2) biaya dan friksi eksekusi yang akan Anda hadapi, dan (3) bagaimana asumsi Anda memetakan kondisi aktual tempat Anda akan trading. Karena pasar dan penyedia berubah, Anda juga harus melacak provenance data (dari mana asalnya) dan timeliness (seberapa mutakhir), serta menjalankan pemeriksaan kualitas agar angka yang Anda gunakan dapat dipercaya.
Cara yang berguna untuk mengorganisasi pekerjaan adalah memisahkan mekanisme yang stabil (definisi dan matematik risiko) dari kondisi yang variabel (perilaku pasar, spread/fee, likuiditas, dan lingkungan eksekusi). Mekanisme stabil tidak boleh berubah saat sumber data berubah; kondisi variabel akan.
Mekanisme atau definisi: apa “Swing Risk” berarti dalam istilah data
“Swing Risk” adalah ketidakpastian hasil selama horizon holding swing akibat pergerakan harga ditambah friksi trading. Dalam istilah data, Anda biasanya membutuhkan input dalam empat kategori:
- Input horizon dan eksposur posisi
- Horizon holding yang Anda nilai (misalnya, jumlah sesi trading).
- Asumsi ukuran posisi (seberapa besar eksposur yang akan Anda bawa relatif terhadap akun Anda).
- Input pergerakan harga
- Deret harga historis untuk instrumen yang relevan dan metode sampling yang dinyatakan dengan jelas (granularitas waktu).
- Ukuran besarnya pergerakan dan variabilitasnya selama horizon (misalnya, statistik yang diturunkan dari return).
- Input biaya dan eksekusi
- Biaya transaksi tipikal untuk instrumen dan tipe akun yang relevan (fee, pembiayaan/roll, dan biaya terjadwal lainnya apa pun).
- Gambaran yang realistis tentang friksi eksekusi: bagaimana spread dan slippage berperilaku dalam kondisi normal dan saat terjadi tekanan.
- Input kontrol risiko dan batasan
- Input aturan risiko Anda (misalnya, ambang batas kerugian apa yang memicu exit dan bagaimana ambang batas itu diimplementasikan).
- Batasan operasional yang memengaruhi realisasi kontrol risiko, seperti karakteristik eksekusi order (ketidakpastian fill).
Input-input ini adalah “objek data” yang Anda gabungkan. Matematik risiko harus mencerminkan asumsi Anda, bukan sebaliknya.
Bukti atau contoh: cara menyusun dan memeriksa input
Pendekatan sederhana berbasis asumsi adalah mengestimasi distribusi perubahan harga selama horizon yang Anda inginkan menggunakan return historis, lalu menerjemahkan perubahan tersebut menjadi estimasi kerugian menggunakan asumsi eksposur Anda. Untuk melakukannya tanpa berlebihan:
- Nyatakan asumsi: tentukan instrumen, panjang jendela historis, dan frekuensi sampling yang digunakan untuk menurunkan statistik pergerakan.
- Pisahkan yang stabil vs variabel: mekanisme mengubah perubahan harga menjadi persentase P/L bersifat stabil; volatilitas yang teramati dan biaya riil bersifat variabel.
- Masukkan friksi: jangan berhenti pada statistik pergerakan harga. Tambahkan estimasi biaya transaksi dan model slippage eksekusi yang sesuai dengan kondisi yang Anda evaluasi.
- Periksa definisi: pastikan ukuran “returns” atau “volatilitas” menggunakan satuan waktu yang konsisten dengan horizon swing Anda.
Pemeriksaan kualitas harus mencakup:
- Provenance: pastikan apakah deret harga Anda berasal dari feed data pasar yang terdefinisi dengan baik, dan dokumentasikan bagaimana corporate actions (jika ada) ditangani.
- Timeliness: verifikasi apakah dataset cukup mutakhir untuk mencerminkan rezim pasar saat ini; hubungan yang terjadi secara historis mungkin tidak berlanjut.
- Konsistensi internal: pastikan statistik turunan sesuai dengan input mentah (misalnya, tidak ada zona waktu yang tidak cocok atau bar yang hilang).
Keterbatasan dan risiko: mode kegagalan yang material untuk direncanakan
Penilaian swing risk dibatasi oleh bagaimana data merepresentasikan masa depan. Setidaknya satu mode kegagalan penting adalah pergeseran rezim: volatilitas historis dan perilaku spread dapat berubah, sehingga distribusi yang Anda estimasi mungkin meremehkan atau melebihkan besarnya swing di masa depan.
Keterbatasan umum lainnya meliputi:
- Mismatch eksekusi: backtest atau perhitungan Anda mungkin mengasumsikan fill yang tidak dapat dicapai di bawah likuiditas nyata.
- Underestimation biaya: biaya rata-rata dapat menyembunyikan pelebaran spread, terutama di sekitar periode yang volatil.
- Definition drift: jika Anda mengubah frekuensi sampling, instrumen, atau horizon, input risiko yang dihitung tidak lagi selaras dengan asumsi awal.
Karena hasil bervariasi dengan kondisi pasar, biaya, eksekusi, dan yurisdiksi, bahkan pemeriksaan data yang tersusun dengan baik tidak dapat menjamin akurasi prediktif.
Verifikasi dan pertanyaan berikutnya: cara memvalidasi secara independen apa yang Anda gunakan
Untuk memverifikasi fakta di balik data Swing Risk Anda, Anda harus dapat menjawab pertanyaan-pertanyaan “siap diaudit” ini:
- Bisakah Anda menunjuk ke field data yang tepat yang digunakan (sumber harga, granularitas waktu, metode perhitungan return)?
DOCUMENT END