Daftar Panduan: Metodologi Backtesting Kuantitatif, Pengujian Out-of-Sample, Profit Factor & Sharpe Ratio
Telusuri seluruh publikasi riset mendalam yang disusun oleh tim analis CuanLab Backtest. Gunakan kolom pencarian di bawah untuk memfilter topik atau instrumen spesifik.
MODUL 01•Validasi Statistik•In-Sample vs Out-of-Sample
Evaluasi kuantitatif yang menghubungkan fenomena pemisahan tegas data historis menjadi 70% data pengembangan (In-Sample) dan 30% data pengujian buta yang belum pernah disentuh (Out-of-Sample) pada In-Sample vs Out-of-Sample dengan ambang batas strategi dinyatakan tangguh (robust) apabila penurunan kinerja pada data Out-of-Sample tidak lebih dari 20% dibandingkan data In-Sample sebagai filter utama sebelum mengeksekusi posisi.
Dekonstruksi struktural atas dinamika Bias Data Historis dengan menitikberatkan pada indikator kesalahan menggunakan harga penutupan candle yang belum selesai terbentuk (Look-Ahead) atau hanya menguji saham yang masih hidup hari ini dan melupakan saham yang telah delisting (Survivorship) dan parameter koreksi bias data rata-rata memangkas imbal hasil backtest semu sebesar 35%, namun menyelamatkan modal riil saat diterapkan di pasar nyata guna mengoptimalkan keputusan transaksi.
Mengupas mekanisme pengukuran Walk-Forward Efficiency (WFE) untuk memastikan strategi mampu bertahan melewati rezim bull market, bear market, dan sideways pada Jendela Bergulir WFA melalui validasi variabel proses optimasi pada jendela 12 bulan lalu pengujian maju pada 3 bulan berikutnya secara berulang sepanjang 5 hingga 10 tahun data. Dilengkapi tolok ukur empiris rasio Walk-Forward Efficiency (WFE) minimal 55%–65% sebagai syarat kelulusan sebelum strategi dijalankan dengan modal penuh untuk memastikan presisi eksekusi dan pembatasan risiko.
Kerangka kerja sistematis untuk memvalidasi pengacakan ulang (resampling) urutan 200 hasil transaksi backtest sebanyak 1.000 kali guna melihat apa yang terjadi jika rentetan kekalahan berkumpul di awal pada Distribusi 1.000 Kurva berdasarkan tolok ukur gunakan angka Maximum Drawdown pada persentil ke-95 (95% Confidence Level) dari simulasi Monte Carlo sebagai acuan kebutuhan modal serta disiplin mitigasi risiko saat kondisi batas invalidasi struktur.
Panduan operasional berbasis data untuk mengevaluasi perbandingan deviasi antara harga eksekusi teoretis di backtest dengan harga keterisian nyata (fill price) di akun pialang pada Forward Testing Live. Menyoroti kalibrasi parameter alokasi modal hanya boleh dinaikkan ke tingkat normal setelah 60 hari inkubasi menghasilkan kurva yang selaras dengan ekspektasi statistik serta protokol tindakan saat fase konfirmasi sinyal utama.
