Pertama, sistem perlu memiliki input. Ini bisa berupa data teknis seperti harga saham, komoditas, indeks, volume, harga opsi, open interest, dll. atau data fundamental seperti rasio PE, ROCE, Nilai Buku, OPM, dll.
Data juga bisa berupa berita, situasi khusus, angka inflasi, angka PDB, suku bunga, dan lain sebagainya. Data adalah kunci bagi algoritma apa pun, dan pengumpulan data serta pembersihannya harus dilakukan dengan sangat hati-hati.
Jika datanya salah, hasilnya tidak dapat diandalkan. Dalam dunia komputasi, hal ini disebut sampah masuk dan sampah keluar. Data harus disimpan secara terstruktur sehingga dapat diambil kembali saat dibutuhkan.
Data ini dapat dibagi menjadi data dalam sampel dan data luar sampel. Data dalam sampel berarti data yang digunakan untuk menjalankan dan mengoptimalkan aturan. Data luar sampel adalah data yang tidak terlihat. Setelah strategi difinalisasi, strategi akan diuji pada data ini untuk mengetahui keaslian dan konfirmasinya.
Fase pengembangan:
Data yang dikumpulkan harus diproses langkah demi langkah dengan beberapa aturan atau ketentuan. Ketentuan tersebut dapat sesederhana dua persilangan moving average atau dapat juga sangat rumit.
Untuk menciptakan sistem yang layak, harus ada hipotesis atau dengan kata sederhana, sebuah ide. Ide ini harus dijelaskan ke komputer melalui suatu bahasa. Ada banyak bahasa komputer yang dapat digunakan, tetapi yang paling populer adalah Python, C++, Java, Julia, R, dan bahasa Formula Amibroker.
Pemilihan bahasa bergantung pada kenyamanan pembuat kode, frekuensi perdagangan, latensi yang dapat diterima, ukuran basis data, dll. Hasil uji ulang merupakan keluaran algoritma.
Perlu diperhatikan untuk tidak menambahkan aturan yang tidak perlu. Strategi sederhana dengan aturan yang lebih sedikit dan sederhana jauh lebih tangguh daripada strategi yang rumit dengan terlalu banyak ketentuan.
Tahap optimasi:
Setelah mengodekan ide, sistem mungkin atau mungkin tidak menghasilkan pengembalian yang disesuaikan dengan risiko yang diinginkan pada data dalam sampel. Strategi dapat dioptimalkan dengan menambahkan atau menghapus aturan tertentu.
Jika setelah beberapa kali mencoba, strategi tersebut tidak memberikan hasil yang memuaskan, maka ide tersebut perlu dibuang. Hasilnya dapat dioptimalkan dengan mengubah beberapa parameter. Kehati-hatian harus dilakukan karena ada risiko pengoptimalan yang berlebihan atau penyesuaian kurva.
Tahap pengujian atau validasi:
Jika strategi tersebut terlihat layak, maka strategi tersebut diuji pada data di luar sampel. Dengan hasil yang layak, seseorang dapat mengasumsikan rasio imbalan terhadap risiko setidaknya 1.8 banding 1.
Hasil yang didapat harus lebih baik daripada hasil beli saat ditahan dan penurunan maksimal tidak boleh lebih dari 35 persen. Metrik ini bersifat subjektif, tergantung pada sifat strategi dan kemampuan psikologis pelaksana.
Tahap eksekusi:
Hanya jika strategi tersebut bertahan dalam data di luar sampel, maka strategi tersebut dapat diuji untuk dieksekusi. Strategi tersebut kemudian dihubungkan ke API broker untuk eksekusi otomatis.
Pada tahap ini, beberapa kesalahan pedagang sistem dapat disorot seperti asumsi yang salah tentang broker dan slippage, likuiditas, kesalahan pengkodean yang terkait dengan waktu sinyal dan waktu eksekusi.
Bagian eksekusi harus diuji secara ketat dengan ukuran order kecil seperti 1 saham per sinyal selama minimal satu bulan. Sekarang sistem Anda siap digunakan dengan uang sungguhan.
-Dari Web
