Kelas Advance: Membangun Edge
12 lesson + Final Challenge — konsep, visual, contoh angka, latihan, quiz, case study.
Backtesting: Menguji Sistem dengan Jujur
Data historis, aturan entry/exit, biaya, slippage, win rate, rata-rata untung/rugi, expectancy, max drawdown.
0 dari 12 lesson di level ini sudah Anda selesaikan
🎯 Yang akan Anda kuasai — setelah lesson ini, Anda bisa:
- Menjalankan backtest manual sederhana dari daftar transaksi.
- Menghitung win rate, rata-rata untung/rugi, expectancy, dan max drawdown.
- Memasukkan biaya dan slippage ke hasil.
- Menghindari jebakan backtest yang membuat hasil terlalu indah.
Konsep Utama
Backtest
Menjalankan aturan sistem pada data masa lalu seolah-olah Anda tidak tahu apa yang terjadi berikutnya, lalu mencatat setiap transaksi.
Metrik inti
Win rate (persentase transaksi untung), rata-rata untung dan rata-rata rugi (dalam R), expectancy (rata-rata hasil per transaksi), dan max drawdown (penurunan terdalam dari puncak).
Biaya & slippage
Fee beli-jual ±0,4% bolak-balik ditambah selisih harga eksekusi. Untuk sistem jangka pendek dengan target kecil, biaya bisa menghapus seluruh edge.
Look-ahead bias
Memakai informasi yang belum tersedia saat keputusan — misalnya entry di harga pembukaan memakai sinyal dari harga penutupan hari yang sama.
Survivorship bias
Hanya menguji saham yang masih ada sekarang; saham yang delisting atau bangkrut hilang dari data sehingga hasil terlihat lebih baik.
Overfitting & out-of-sample
Mengutak-atik parameter sampai hasil masa lalu sempurna. Obatnya: kembangkan di satu periode data, uji sekali di periode lain yang belum pernah dilihat (out-of-sample).
Analoginya
Backtest seperti uji klinis obat. Peneliti tidak boleh hanya memilih pasien yang sembuh (survivorship), tidak boleh mengintip hasil sebelum memberi obat (look-ahead), dan harus menguji ulang pada kelompok pasien baru sebelum obat diedarkan (out-of-sample). Obat yang hanya "berhasil" pada data yang dipilih-pilih bukan obat — itu kebetulan.Visual
Ilustrasi — bukan data harga riil
Hasil 10 transaksi (dalam R)
| # | Hasil | Kumulatif |
|---|---|---|
| 1 | +2,0R | +2,0 |
| 2 | −1,0R | +1,0 |
| 3 | −1,0R | 0,0 |
| 4 | +3,0R | +3,0 |
| 5 | −1,0R | +2,0 |
| 6 | +1,5R | +3,5 (puncak) |
| 7 | −1,0R | +2,5 |
| 8 | −1,0R | +1,5 |
| 9 | +2,5R | +4,0 |
| 10 | −1,0R | +3,0 |
Kurva ekuitas (dalam R)
Max drawdown = 3,5 − 1,5 = 2R. Dengan risiko 1%/transaksi, itu ±2% modal.
5 jebakan backtest
Contoh Angka
Menghitung metrik dari 10 transaksi di atas
- 1Untung: 4 transaksi (2 + 3 + 1,5 + 2,5 = 9R) → win rate 40%, rata-rata untung 2,25R
- 2Rugi: 6 transaksi (6 × −1R) → rata-rata rugi 1R
- 3Expectancy = 0,4 × 2,25 − 0,6 × 1 = 0,9 − 0,6 = +0,3R per transaksi
- 4Biaya ±0,1R per transaksi → expectancy bersih +0,2R
- 5Max drawdown = 2R
Contoh saham · Win rate yang menipu
Win rate sangat tinggi bisa muncul dari cara pelabelan, bukan dari keunggulan sistem — misalnya menganggap transaksi "WIN" ketika target dan stop tersentuh di candle yang sama, atau mengukur entry dari harga awal tren padahal sinyal baru tampil belakangan. Selalu periksa definisi WIN/LOSS dan harga entry yang realistis sebelum memercayai angka win rate.Angka bersifat ilustrasi/dibulatkan untuk belajar — cek data terbaru di menu Analisa Saham.
Cara Membaca — Checklist Praktis
- Tulis aturan sebelum melihat data uji.
- Gunakan harga eksekusi yang realistis (mis. open candle berikutnya).
- Masukkan biaya dan slippage di setiap transaksi.
- Kumpulkan sampel besar dari berbagai kondisi pasar; sertakan saham yang delisting bila memungkinkan.
- Pisahkan data pengembangan dan data out-of-sample; uji out-of-sample sekali saja.
Kesalahan Umum
Hanya melihat win rate
Win rate tanpa rata-rata untung/rugi tidak berarti apa-apa.
Mengoptimalkan sampai sempurna
Parameter yang terlalu pas biasanya gagal di data baru.
Menguji di masa bull saja
Sistem long yang diuji hanya di pasar naik akan terlihat hebat.
⚠️ Reality Check
Yang tidak boleh Anda simpulkan dari materi ini:
- ⚠Backtest yang bagus tidak menjamin hasil masa depan.
- ⚠Win rate tinggi bisa merupakan artefak pelabelan atau harga entry yang tidak realistis.
- ⚠Hasil out-of-sample yang lebih buruk dari in-sample adalah hal normal; yang penting tetap positif setelah biaya.
Latihan
Kerjakan, jangan cuma dibaca — centang yang sudah selesai
Quiz
4 soal — klik jawaban untuk melihat pembahasan
1. Win rate 50%, rata-rata untung 1,2R, rata-rata rugi 1R. Expectancy?
2. Entry di harga open memakai sinyal dari close hari yang sama adalah contoh…
3. Kurva ekuitas: puncak +12R, lalu turun ke +5R, lalu naik ke +15R. Max drawdown?
4. Cara terbaik mengurangi overfitting adalah…
Case Study
Win rate 88%
Sebuah grup mempromosikan sistem dengan "win rate 88% dalam 3 bulan". Detail yang Anda temukan: 50 transaksi, target +2%, stop −8%, biaya belum dihitung, diuji hanya pada saham yang sekarang masih aktif, periode IHSG naik terus.
Pertanyaan untuk Anda analisis
- Hitung expectancy kasar sebelum biaya (dalam %).
- Hitung ulang setelah biaya 0,4% per transaksi.
- Sebutkan bias yang mungkin ada dan kesimpulan Anda.
Lihat pembahasan (coba jawab dulu sendiri)
Expectancy = 0,88 × 2% − 0,12 × 8% = 1,76% − 0,96% = +0,8% per transaksi.
Setelah biaya 0,4%: +0,4% — separuh edge hilang. Satu-dua kerugian tambahan saja bisa membuatnya nol.
Bias: sampel kecil (50), periode hanya bull, survivorship bias, biaya diabaikan, dan stop jauh lebih besar dari target (satu kekalahan menghapus 4 kemenangan). Kesimpulan: belum terbukti — butuh uji di periode bear/sideways, data lengkap, dan biaya realistis.
Takeaway
- ★Backtest = menjalankan aturan pada masa lalu tanpa mengintip masa depan.
- ★Nilai sistem dari expectancy dan drawdown, bukan win rate.
- ★Biaya, slippage, dan bias bisa mengubah hasil drastis.
- ★Uji out-of-sample dan sampel besar sebelum percaya.
Yang sekarang sudah bisa Anda lakukan
- Melakukan backtest manual dan menghitung metrik inti.
- Mengenali jebakan look-ahead, survivorship, dan overfitting.
- Menilai klaim win rate secara kritis.
Berikutnya
Expectancy positif belum cukup: Anda harus bertahan melewati masa-masa buruknya. Berikutnya: expectancy, drawdown, dan risk of ruin.