Level 2 · Analis · Jalur Trader · Modul 2

Apa yang Sebenarnya Diceritakan Sebatang Lilin?

Lilin "palu", "bintang jatuh", "pembeli menang"... Media sosial penuh cerita tentang bentuk lilin di grafik. Padahal sebatang lilin hanya berisi empat angka. Di modul ini Sari belajar membaca lilin dengan jujur, mengubah pola menjadi aturan yang bisa diuji, dan menghitung untung-rugi sistem dalam satuan R.

⏱ ±50 menit baca🕯 6 konsep inti🎮 6 simulasi

Lilin palu dan cerita di baliknya

Setelah modul ini, kamu bisa

menjelaskan empat angka dalam sebatang lilin, apa yang bisa disimpulkan, dan apa yang tidak;
mengubah pola lilin menjadi aturan yang bisa diprogram lalu mengujinya terhadap tingkat dasar;
memperlakukan level harga sebagai zona dengan toleransi, dan memahami kenapa level bisa berulang atau malah rusak;
menghitung ekspektasi dalam satuan R, termasuk biaya, dan berapa transaksi yang dibutuhkan untuk membuktikannya;
memperkirakan rangkaian kalah yang normal sebelum mengalaminya.

Lihat lilin ini! Ekor bawahnya panjang. Ini "palu"! Artinya pembeli menang telak. Besok pasti naik!

Pembeli menang? Om, setiap transaksi kan ada satu pembeli dan satu penjual. Jumlahnya selalu sama.

Betul, Sari. Lilin itu cuma empat angka: buka, tertinggi, terendah, tutup. Ceritanya kita yang menambahkan.

Jadi pola lilin harus diuji dengan angka, bukan dengan cerita?

Di modul sebelumnya, Sari belajar membaca struktur grafik dengan aturan. Sekarang ia masuk lebih dekat: ke setiap batang lilin. Banyak orang menyebut cara membaca grafik dari bentuk harga ini sebagai price action. Pertanyaan kita sederhana: apa yang benar-benar ada di dalam datanya?

Empat angka dalam satu lilin

Setiap lilin di grafik mewakili satu periode, misalnya satu hari. Lilin itu dibentuk dari empat angka saja:

Buka (open, O): harga pertama di periode itu.
Tertinggi (high, H): harga paling tinggi.
Terendah (low, L): harga paling rendah.
Tutup (close, C): harga terakhir.

Kotak tebalnya disebut badan, dari buka sampai tutup. Garis tipis di atas dan bawahnya disebut ekor (sering juga disebut sumbu). Lilin hijau berarti tutup lebih tinggi dari buka. Lilin merah berarti tutup lebih rendah.

Yang bisa disimpulkan dari lilin

Informasi	Cara membacanya
Rentang periode	Tertinggi − terendah
Arah bersih	Tutup dibandingkan buka
Posisi tutup dalam rentang	(Tutup − terendah) ÷ rentang

Yang TIDAK bisa disimpulkan

Klaim yang sering didengar	Kenapa tidak bisa disimpulkan
"Pembeli menguasai lilin ini"	Setiap transaksi punya pembeli dan penjual dalam jumlah yang sama.
"Ada tekanan jual besar"	Lilin tidak mencatat siapa yang agresif.
"Harga ditolak di level ini"	Lilin tidak mencatat urutan gerakan di dalam periode.

Poin ketiga paling sering dilupakan. Lihat gambar berikut. Dua perjalanan harga yang sangat berbeda menghasilkan lilin yang persis sama.

Lilin hanya menyimpan buka, tertinggi, terendah, dan tutup. Urutan perjalanannya hilang. Menyimpulkan "harga ditolak di atas" dari bentuk lilin berarti menambah cerita yang tidak ada di datanya.

Lilin mencatat rentang, arah bersih, dan posisi tutup. Lilin tidak mencatat siapa yang menang, siapa yang agresif, atau urutan kejadian. Karena itu pola lilin harus dinilai dari tingkat dasarnya, bukan dari cerita tentang apa yang "terjadi" di dalamnya.

Pola lilin harus bisa dihitung mesin

Definisi seperti "lilin dengan ekor bawah panjang menandakan penolakan" terdengar jelas. Tetapi berapa panjang? Dibandingkan dengan apa? Dua orang bisa menjawab berbeda. Seperti titik ayun di modul sebelumnya, pola lilin perlu definisi dengan angka.

Pertama, kita beri nama empat ukuran pada setiap lilin:

Ukuran	Rumus	Artinya
Rentang \(R\)	tertinggi − terendah	panjang seluruh lilin
Badan \(B\)	\|tutup − buka\|	tinggi kotak tebal
Ekor bawah \(E_b\)	min(buka, tutup) − terendah	garis di bawah badan
Ekor atas \(E_a\)	tertinggi − maks(buka, tutup)	garis di atas badan

Tanda |…| artinya nilai mutlak: buang tanda minusnya. Lambang min(…) artinya ambil yang lebih kecil, maks(…) ambil yang lebih besar.

\[ E_b \ge \alpha \times R \quad \text{dan} \quad B \le \beta \times R \]

\(\alpha\): dibaca "alfa": seberapa panjang ekor bawah minimal, sebagai bagian dari rentang (contoh 0,60)
\(\beta\): dibaca "beta": seberapa besar badan maksimal, sebagai bagian dari rentang (contoh 0,25)

Dalam bahasa sehari-hari: sebuah lilin disebut "ekor bawah panjang" bila ekor bawahnya minimal 60% dari panjang lilin, dan badannya paling besar 25% dari panjang lilin. Contoh: lilin buka 100, tertinggi 101, terendah 94, tutup 100,5. Rentang 7, ekor bawah 6 (85,7% dari rentang), badan 0,5 (7,1%). Lolos.

Coba geser α dari 60% ke 90%. Lilin yang tadi lolos tiba-tiba gugur. Seperti k di modul sebelumnya, parameter mengubah apa yang dihitung sebagai pola. Karena itu α dan β harus ditetapkan sebelum melihat data, lalu diuji kestabilannya.

Uji kestabilan	Caranya	Kalau gagal
Parameter tetangga	Jalankan pada α = 0,50; 0,55; 0,60; 0,65; 0,70	Kalau hanya satu nilai yang bekerja, polanya rapuh.
Instrumen berbeda	Jalankan pada 3 instrumen	Kalau hanya satu yang bekerja, mungkin kebetulan.
Periode berbeda	Bagi data menjadi dua bagian	Kalau hanya satu bagian yang bekerja, mungkin kebetulan.

Definisi hasil: harga tutup 5 bar kemudian lebih tinggi dari harga tutup lilin pola. Data: 6 tahun harian, satu instrumen likuid, 1.470 bar.
Pola muncul 214 kali. Sebanyak 118 diikuti kenaikan. Proporsinya 118 ÷ 214 = 55,14%.
Tingkat dasar: dari seluruh 1.470 bar, 771 diikuti kenaikan 5 bar. Itu 52,45%. Selisihnya hanya +2,69 poin persen.
Galat baku: \(\sqrt{0{,}5514 \times 0{,}4486 \div 214} = 0{,}0340\). Maka z = 0,0269 ÷ 0,0340 = 0,79. Jauh di bawah 2: tidak bisa dibedakan dari kebetulan.
Uji kestabilan: lihat grafik di bawah. Selisihnya memuncak di α = 0,60, lalu malah negatif di 0,70. Pola yang hanya "bekerja" di satu titik parameter adalah ciri khas optimasi berlebihan.

Kesimpulan yang jujur

"Pola ekor bawah panjang dengan definisi ini tidak menunjukkan keunggulan yang bisa dibedakan dari kebetulan, dan hasilnya tidak stabil terhadap parameter. Pola ini belum layak masuk sistem sampai diuji pada sampel yang jauh lebih besar dan terbukti stabil."

Sebagian besar pola lilin populer akan memberi hasil serupa bila diuji dengan benar. Ini bukan alasan membuang price action. Ini alasan untuk menuntut pengujian sebelum dipakai, dan mencari keunggulan di tempat lain: manajemen risiko, ukuran posisi, dan disiplin.

Level itu zona, bukan garis

Trader sering menarik garis di harga tertentu, misalnya 1.000, lalu menghitung berapa kali harga "menyentuhnya". Masalahnya, harga jarang menyentuh angka yang sama persis. Kalau level dianggap garis tipis, jumlah "sentuhan" bergantung pada seberapa longgar kamu melihatnya. Hasilnya tidak bisa diulang orang lain.

\[ \text{Zona} = \bigl[\,L \times (1 - \tau),\; L \times (1 + \tau)\,\bigr] \]

\(L\): harga level, misalnya 1.000
\(\tau\): dibaca "tau": toleransi, ditetapkan di muka

Dalam bahasa sehari-hari: zona dimulai sedikit di bawah level dan berakhir sedikit di atasnya. Contoh: level 1.000 dengan toleransi 0,5% menjadi zona 995 sampai 1.005.

Memilih lebar toleransi

Toleransi	Sentuhan yang terdeteksi	Risikonya
Sempit (0,1%)	Sedikit	Melewatkan sentuhan yang bermakna
Sedang (0,3–0,5%)	Sedang	—
Lebar (1,0% ke atas)	Banyak	Hampir semua hal jadi "sentuhan"

Angka toleransi sebaiknya tidak tetap, tetapi mengikuti seberapa liar instrumennya bergerak. Contohnya: τ = 0,25 × rentang rata-rata harian. Instrumen yang tenang mendapat zona sempit. Instrumen yang liar mendapat zona lebar.

Kenapa level cenderung berulang?

Mekanisme	Penjelasan	Bisa diuji?
Pengumpulan pesanan	Pesanan beli dan jual menumpuk di angka bulat dan di level sebelumnya.	Sebagian, dari data antrean pesanan
Penjangkaran	Orang terpaku pada harga acuan yang pernah mereka lihat.	Tidak langsung
Refleksivitas	Banyak orang melihat level yang sama, sehingga bertindak sama.	Tidak langsung

Penjangkaran artinya berpatokan pada angka yang pernah dilihat, misalnya harga beli dulu. Refleksivitas artinya keyakinan banyak orang ikut mengubah pasar yang mereka amati.

Mekanisme ketiga bersifat merusak diri sendiri. Ketika sebuah level terlalu terkenal, banyak pelaku menindaklanjutinya dengan cara yang sama. Pelaku lain lalu memposisikan diri untuk memanfaatkan kerumunan itu. Harga berubah sebelum pola sempat bekerja. Level yang "dilihat semua orang" tidak otomatis lebih andal. Ia malah bisa menjadi tempat gerakan tajam berlawanan arah.

Definisikan level sebagai zona dengan toleransi yang ditetapkan di muka dan disesuaikan dengan volatilitas. Ingat bahwa keunggulan yang dikenal luas cenderung terkikis oleh tindakan orang-orang yang mengenalinya.

Satuan R: ukuran untung-rugi yang adil

Sari punya dua teman trader. Yang satu bangga untung Rp5 juta, yang lain untung Rp500 ribu. Siapa yang sistemnya lebih bagus? Belum tentu yang pertama. Mungkin ia mempertaruhkan uang sepuluh kali lebih besar.

Untuk membandingkan dengan adil, trader memakai satuan R. 1R adalah jumlah uang yang kamu siap rugi pada satu transaksi, yaitu bila harga menyentuh batas kerugian (stop loss).

\[ 1R = \bigl|\text{harga masuk} - \text{harga batas kerugian}\bigr| \times \text{jumlah unit} \]

Dalam bahasa sehari-hari: jarak dari harga beli ke harga "menyerah", dikalikan jumlah barang yang dibeli. Contoh: beli 1.000 unit di harga 5.000 dengan batas kerugian 4.800. Maka 1R = 200 × 1.000 = Rp200.000. Kalau untung Rp600.000, itu +3R.

Rumus ekspektasi

Ekspektasi adalah rata-rata hasil per transaksi kalau sistemmu dijalankan berkali-kali. Ia menggabungkan seberapa sering menang, seberapa besar menangnya, seberapa besar kalahnya, dan biayanya.

\[ E = \bigl(W \times \bar{R}_{\text{menang}}\bigr) - \bigl((1 - W) \times \bar{R}_{\text{kalah}}\bigr) - C \]

\(W\): proporsi menang (42% = 0,42)
\(\bar{R}_{\text{menang}}\): rata-rata untung saat menang, dalam R
\(\bar{R}_{\text{kalah}}\): rata-rata rugi saat kalah, dalam R
\(C\): biaya per transaksi, dalam R

Dalam bahasa sehari-hari: (seberapa sering menang × besar menangnya) dikurangi (seberapa sering kalah × besar kalahnya), lalu dikurangi biaya. Contoh: 0,42 × 2,10 − 0,58 × 1,00 = 0,302R sebelum biaya.

Biaya dalam satuan R: perhitungan yang hampir selalu dilupakan

Biaya transaksi biasanya dinyatakan dalam persen dari nilai posisi. Supaya bisa dikurangkan dari ekspektasi, ubah ke satuan R dengan membaginya dengan jarak batas kerugian.

\[ C = \frac{\text{biaya bolak-balik}}{\text{jarak batas kerugian}} \]

Dalam bahasa sehari-hari: biaya (dalam persen) dibagi seberapa jauh batas kerugianmu (juga dalam persen dari harga masuk). Contoh: biaya 0,7% dengan batas kerugian 3,5% di bawah harga masuk. \(C = 0{,}7 \div 3{,}5 = 0{,}20R\). Ekspektasi kotor 0,30R tinggal 0,10R, sepertiganya.

Ada pertukaran yang harus dihitung. Memperlebar batas kerugian, misalnya dari 3,5% ke 7%, menurunkan biaya dalam R dari 0,20R ke 0,10R. Tetapi dengan jumlah unit yang sama, kerugian rupiah per transaksi jadi lebih besar. Pertukaran ini harus dihitung, bukan dikira-kira.

Empat profil yang sama-sama bisa untung

Rasio hasil adalah rata-rata menang dibagi rata-rata kalah. Ada banyak kombinasi yang berekspektasi positif:

Profil	Proporsi menang	Rasio hasil	Ekspektasi	Ciri
Menang sering, kecil	70%	0,6	+0,12R	Banyak menang kecil; rentan rugi besar
Seimbang	50%	1,5	+0,25R	—
Menang jarang, besar	35%	3,0	+0,40R	Rangkaian kalah panjang
Sangat jarang, sangat besar	20%	6,0	+0,40R	Rangkaian kalah sangat panjang

Semua profil ini bisa menguntungkan. Yang berbeda adalah rasanya menjalani. Menang 20% berarti sering kalah berturut-turut. Pengalaman itulah yang menentukan apakah kamu sanggup bertahan sampai keunggulannya terwujud.

Ukur sistem dalam satuan R, bukan rupiah. Hitung ekspektasi dengan rumus lengkap, dan selalu ubah biaya ke satuan R: biaya % ÷ jarak batas kerugian %. Biaya 0,20R bisa memakan dua pertiga ekspektasi 0,30R.

Berapa transaksi untuk membuktikan?

Sistem dengan ekspektasi +0,2R per transaksi belum tentu benar-benar bagus. Hasil 30 transaksi bisa saja kebetulan. Kita perlu tahu seberapa liar hasil tiap transaksi, lalu menghitung berapa banyak transaksi yang cukup.

Data Sistem A: menang 42%, rata-rata menang 2,10R, rata-rata kalah 1,00R, biaya 0,08R per transaksi.
Ekspektasi kotor: 0,42 × 2,10 − 0,58 × 1,00 = 0,882 − 0,580 = 0,302R.
Ekspektasi bersih: 0,302 − 0,08 = 0,222R per transaksi.
Seberapa liar hasilnya? Simpangan bakunya (cara hitung ada di kotak Mode Mendalam) sekitar 1,530R. Satu transaksi bisa +2,1R, bisa −1R. Itu jauh lebih lebar dari rata-ratanya yang 0,222R.
Jumlah transaksi minimum: \((2 \times 1{,}530 \div 0{,}222)^2 = 13{,}78^2 \approx\) 190 transaksi.

\[ n > \left(\frac{2\,\sigma_R}{E}\right)^2 \]

\(\sigma_R\): simpangan baku hasil per transaksi, dalam R
\(E\): ekspektasi bersih per transaksi

Dalam bahasa sehari-hari: bagi "keliaran" hasil dengan rata-ratanya, kalikan dua, lalu kuadratkan. Makin kecil ekspektasinya, makin banyak transaksi yang dibutuhkan, dan naiknya berlipat kuadrat.

Biaya tidak hanya mengurangi hasil. Ia melipatgandakan jumlah data yang dibutuhkan untuk tahu apakah sistemmu bekerja. Pada biaya 0,20R butuh 900 transaksi. Dengan 4 transaksi per minggu, itu lebih dari 4 tahun pengujian nyata.

Menurunkan biaya bukan hanya menaikkan untung. Ia juga cara paling efektif untuk lebih cepat tahu apakah sistemmu sungguh bekerja.

Menghitung simpangan baku per transaksi

Hasil tiap transaksi hanya dua kemungkinan: \(+\bar{R}_{\text{menang}}\) dengan peluang \(W\), atau \(-\bar{R}_{\text{kalah}}\) dengan peluang \(1-W\). Simpangan bakunya dihitung terhadap ekspektasi kotor:

\[ \sigma_R = \sqrt{W\bigl(\bar{R}_{\text{menang}} - E_{\text{kotor}}\bigr)^2 + (1-W)\bigl(-\bar{R}_{\text{kalah}} - E_{\text{kotor}}\bigr)^2} \]

Untuk Sistem A: \(\sqrt{0{,}42 \times (2{,}10 - 0{,}302)^2 + 0{,}58 \times (-1{,}00 - 0{,}302)^2} = \sqrt{0{,}42 \times 3{,}2328 + 0{,}58 \times 1{,}6952} = \sqrt{1{,}3578 + 0{,}9832} = \sqrt{2{,}3410} = 1{,}530R\).

Lalu \(n > (2 \times 1{,}530 \div 0{,}222)^2 = 190\). Dengan ekspektasi kotor (tanpa biaya) 0,302R, cukup 103 transaksi. Angka ini menjadi syarat sebelum menyimpulkan sebuah sistem berhasil.

Sebelum mengklaim sistemmu bekerja, hitung \(n > (2\sigma_R/E)^2\). Ekspektasi tipis dan biaya tinggi bisa membuat kamu butuh ratusan sampai ribuan transaksi.

Kalah 8 kali berturut-turut: rusak atau normal?

Sistem dengan proporsi menang rendah pasti akan mengalami rangkaian kalah yang panjang. Ini bukan kemungkinan. Ini kepastian statistik.

Kak, sistemku kalah delapan kali berturut-turut. Pasti rusak, ya?

Ganti sistem aja, Sar! Atau gandakan modal biar cepat balik!

Tunggu. Sistemmu kalah 65% dari waktu. Dalam 100 transaksi, rangkaian kalah terpanjang yang normal sekitar delapan.

Yang harus diturunkan itu risiko per transaksinya, bukan sistemnya yang dibuang. Dan jangan pernah menggandakan taruhan.

Jadi harusnya kuhitung sebelum mulai, bukan setelah panik.

\[ \text{Rangkaian kalah terpanjang} \approx \frac{\ln\bigl(n \times (1 - q)\bigr)}{\ln(1/q)} \]

\(n\): jumlah transaksi
\(q\): proporsi kalah (65% = 0,65)
\(\ln\): logaritma natural, ada di kalkulator HP mode ilmiah

Dalam bahasa sehari-hari: makin sering sistem kalah, dan makin banyak transaksinya, makin panjang rangkaian kalah yang wajar terjadi. Contoh: 100 transaksi dengan kalah 65%: ln(35) ÷ ln(1,5385) ≈ 8,3 kali.

Contohnya Sistem B: menang 35%, rata-rata menang 3,20R, rata-rata kalah 1,00R. Ekspektasinya 0,35 × 3,20 − 0,65 × 1,00 = +0,470R. Sangat bagus. Tetapi lihat rangkaian kalahnya:

Jumlah transaksi	Rangkaian kalah terpanjang yang wajar
50	6,6
100	8,3
200	9,9
500	12,0

Apa akibatnya bagi modal?

Kalau setiap transaksi mempertaruhkan persentase tetap dari modal, kerugian beruntun menumpuk seperti bunga majemuk terbalik. Setelah s kali kalah berturut-turut dengan risiko r per transaksi, modal tersisa \((1-r)^s\).

\[ \text{Penurunan modal} = 1 - (1 - r)^{s} \]

Dalam bahasa sehari-hari: kalikan "sisa setelah sekali kalah" sebanyak jumlah kalahnya, lalu kurangkan dari 1. Contoh: risiko 1%, 10 kali kalah: 1 − 0,99¹⁰ = 9,56%.

Risiko per transaksi	Turun setelah 10 kalah beruntun	Naik yang dibutuhkan untuk pulih
0,5%	−4,89%	+5,14%
1,0%	−9,56%	+10,57%
2,0%	−18,29%	+22,39%
3,0%	−26,26%	+35,61%
5,0%	−40,13%	+67,02%

Pada risiko 1%, rangkaian 10 kali kalah menurunkan modal 9,56%. Masih bisa ditanggung. Pada risiko 5%, rangkaian yang sama normalnya menurunkan modal 40,13%. Bagi kebanyakan orang, itu titik menyerah.

Sistem dengan ekspektasi sangat baik (+0,47R) tetap bisa menghancurkan penggunanya kalau ukuran posisinya terlalu besar. Yang gagal bukan sistemnya, tetapi penggunanya yang berhenti. Berhenti di titik terendah berarti seluruh keunggulan tidak pernah terwujud.

Berapa rangkaian kalah terpanjang yang normal pada 200 transaksi?
Dengan risiko per transaksiku, berapa penurunan modal yang ditimbulkannya?
Apakah aku akan tetap menjalankan sistem pada penurunan sebesar itu?
Kalau tidak: turunkan risiko per transaksi, jangan tinggalkan sistemnya.

Tuliskan rangkaian kalah yang normal sebelum mengalaminya. Ukuran posisi disesuaikan dengan apa yang sanggup kamu jalani, bukan dengan seberapa yakin kamu pada sistemnya.

Mitos atau fakta?

Ketuk setiap kartu untuk membaliknya.

"Lilin hijau panjang artinya pembeli menguasai pasar."

Setiap transaksi punya pembeli dan penjual yang sama banyak. Lilin hanya mencatat empat angka, bukan siapa yang menang.

"Ekor atas panjang pasti berarti harga ditolak di atas."

Lilin tidak mencatat urutan. Naik lalu turun, atau turun-naik-turun, bisa menghasilkan lilin yang sama persis.

"Level yang dilihat semua orang paling bisa diandalkan."

Keunggulan yang dikenal luas cenderung rusak oleh tindakan orang yang mengenalinya. Level terkenal bisa menjadi tempat gerakan tajam berlawanan.

"Biaya 0,7% itu kecil, abaikan saja."

Dengan batas kerugian 3,5%, biaya 0,7% = 0,20R. Ekspektasi 0,30R tinggal 0,10R, dan data yang dibutuhkan untuk membuktikannya berlipat.

"Kalah 8 kali beruntun berarti sistemnya rusak."

Pada sistem yang kalah 65% dari waktu, rangkaian 8 sampai 10 kali kalah itu normal. Hitung dulu sebelum menyimpulkan.

Cek pemahamanmu

Latihan singkat ini tidak dinilai. Kuis resmi modul ada di bagian akhir halaman.

1. Sebuah lilin: buka 50, tertinggi 52, terendah 42, tutup 51. Berapa ekor bawahnya, dan berapa persen dari rentangnya?

1, yaitu 10% dari rentang
9, yaitu 90% dari rentang
8, yaitu 80% dari rentang
10, yaitu 100% dari rentang

Ekor bawah = min(50, 51) − 42 = 8. Rentang = 52 − 42 = 10. Jadi 8 ÷ 10 = 80%.

2. Biaya bolak-balik 0,6% dan batas kerugian 3% dari harga masuk. Berapa biaya dalam satuan R?

0,20R
0,018R
5R
0,6R

C = biaya % ÷ jarak batas kerugian % = 0,6 ÷ 3 = 0,20R.

3. Menang 50%, rata-rata menang 1,4R, rata-rata kalah 1,0R, biaya 0,1R. Berapa ekspektasi bersihnya?

+0,40R
+0,20R
+0,30R
+0,10R

Kotor: 0,5 × 1,4 − 0,5 × 1,0 = 0,20R. Bersih: 0,20 − 0,10 = 0,10R. Biaya memakan separuhnya.

4. Sistem dengan proporsi kalah 60% dijalankan 100 kali. Rangkaian kalah terpanjang yang wajar kira-kira…

2 kali
7 kali
20 kali
60 kali

ln(100 × 0,4) ÷ ln(1 ÷ 0,6) = ln(40) ÷ ln(1,667) ≈ 3,69 ÷ 0,51 ≈ 7,2 kali.

5. Kenapa level harga sebaiknya didefinisikan sebagai zona dengan toleransi?

Supaya level selalu terlihat lebih kuat
Karena angka bulat tidak pernah disentuh harga
Supaya jumlah sentuhan bisa dihitung sama oleh siapa pun
Supaya trader bisa menyesuaikannya setelah melihat grafik

Harga jarang menyentuh angka yang persis sama. Dengan toleransi yang ditetapkan di muka, penghitungan sentuhan bisa diulang orang lain dengan hasil sama.

Ringkasan dan kamus mini

Lilin: hanya buka, tertinggi, terendah, tutup. Ada rentang dan arah; tidak ada "siapa menang" atau urutan kejadian.
Pola: definisikan dengan angka (α, β), tetapkan di muka, uji tingkat dasar dan kestabilannya.
Level: zona \(L(1 \pm \tau)\), toleransi mengikuti volatilitas. Level terkenal bisa merusak dirinya sendiri.
Satuan R: \(E = W\bar{R}_{\text{menang}} - (1-W)\bar{R}_{\text{kalah}} - C\), dengan biaya \(C\) = biaya % ÷ jarak batas kerugian %.
Bukti: butuh \(n > (2\sigma_R/E)^2\) transaksi; biaya melipatgandakannya.
Rangkaian kalah: ≈ ln(n(1−q)) ÷ ln(1/q). Hitung sebelum mengalami; turunkan risiko, jangan buang sistem.

Price action: Membaca pasar langsung dari pergerakan harga dan bentuk lilin.
OHLC: Buka, tertinggi, terendah, tutup: empat angka dalam satu lilin.
Badan: Bagian tebal lilin, dari buka sampai tutup.
Ekor: Garis tipis di atas atau bawah badan.
Rentang: Tertinggi dikurangi terendah.
Zona level: Wilayah harga \(L(1 \pm \tau)\) dengan toleransi yang ditetapkan di muka.
Penjangkaran: Berpatokan pada angka acuan yang pernah dilihat.
Refleksivitas: Keyakinan banyak orang ikut mengubah harga yang mereka amati.
Satuan R: Jumlah uang yang siap hilang pada satu transaksi.
Batas kerugian: Harga yang ditetapkan di muka untuk keluar dan menerima rugi.
Ekspektasi: Rata-rata hasil per transaksi setelah menang, kalah, dan biaya.
Rasio hasil: Rata-rata menang dibagi rata-rata kalah.
Rangkaian kalah: Beberapa kekalahan berturut-turut; panjangnya bisa diperkirakan di muka.

Materi ini untuk pendidikan, bukan rekomendasi membeli atau menjual produk apa pun. Semua data harga, hasil uji, dan sistem adalah ilustrasi pengajaran, bukan hasil pengujian instrumen nyata. Perdagangan aktif mengandung risiko kerugian yang besar.

Selesai membaca? Mantap!

Uji pemahamanmu dengan kuis modul (4 soal). Skor terbaiknya dihitung 20% dari nilai akhir jenjang. Ingin rincian, rumus lengkap, dan latihan tambahan? Buka naskah lengkap modul ini.

Kerjakan kuis modul → Baca naskah lengkap