L4Q.1 — Riset Sinyal (Versi Belajar) — Invesmentpedia

Sinyal rahasia dengan angka luar biasa

Setelah modul ini, kamu bisa

memakai Hukum Dasar Manajemen Aktif (\(IR = IC \times \sqrt{BR}\)) dan menyebut asumsinya;
menjelaskan kenapa breadth sungguhan jauh lebih kecil daripada hitungan naif, dan menghitung breadth efektif;
menghitung berapa pengamatan yang dibutuhkan untuk membuktikan sebuah IC, termasuk setelah menguji banyak sinyal;
memilih horizon dari IC yang meluruh dan biaya transaksi;
menghitung False Discovery Rate, membedakannya dari Bonferroni, dan menjelaskan kenapa sinyal "berhenti bekerja" karena crowding.

Sari! Om punya sinyal rahasia. Rasio informasinya 17! Belum pernah ada yang sehebat ini!

Aku sudah cek hitungannya, Kak. IC 0,0483 kali akar 126.000 memang 17,1. Aritmetikanya benar!

Hitungannya benar. Asumsinya yang salah. Lima ratus saham itu tidak memberi 126.000 taruhan yang benar-benar terpisah.

Jadi IR 17 itu...?

TERLALU BAGUS!

Setelah dikoreksi, sekitar 0,31. Angka yang wajar. Ayo kita pelajari cara riset sinyal yang jujur.

Siap! Aku mau jadi peneliti yang tidak gampang tertipu angkaku sendiri.

Di dunia investasi kuantitatif, sinyal adalah aturan yang memberi skor ramalan untuk setiap aset. Contohnya: "saham dengan ciri tertentu cenderung naik bulan depan." Pekerjaan Sari adalah meneliti sinyal: apakah sinyal itu nyata, seberapa kuat, dan berapa lama bertahan.

Modul L3.4 sudah mengajarkan kenapa uji historis (backtest) sering menyesatkan. Modul ini mengajarkan cara meneliti sinyal ketika kamu sudah tahu itu.

Seluruh nilai IC, breadth, biaya, dan kapasitas di sini adalah contoh ajar, bukan hasil pengukuran pasar nyata. Modul ini tidak menyatakan bahwa sinyal mana pun bekerja.

Jurus 1 · Hukum Dasar: pintar meramal kali sering bertaruh

Seberapa bagus seorang pengelola dana aktif? Ukurannya disebut rasio informasi (information ratio, IR). IR adalah kelebihan hasil di atas patokan, dibagi seberapa liar kelebihan hasil itu naik-turun. Hukum Dasar Manajemen Aktif memecah IR menjadi dua bagian.

\[ IR = IC \times \sqrt{BR} \]

\(IR\): rasio informasi: kualitas hasil aktif per satuan risiko aktif
\(IC\): information coefficient: korelasi antara ramalan sinyal dan hasil yang kemudian terjadi. Menjawab "seberapa baik aku meramal?"
\(BR\): breadth: banyaknya taruhan yang saling bebas per tahun. Menjawab "seberapa sering aku bisa memakai ramalanku?"

kualitas hasilmu = kepintaran meramal × akar dari berapa kali kamu bertaruh secara terpisah. Contoh: IC 0,03 dengan 1.000 taruhan bebas per tahun: \(0{,}03 \times \sqrt{1.000} = 0{,}03 \times 31{,}6 = 0{,}949\).

Korelasi adalah angka dari −1 sampai 1 yang menunjukkan seberapa searah dua hal bergerak. IC 1 berarti ramalanmu selalu tepat. IC 0 berarti ramalanmu tidak lebih baik daripada menebak.

IC	BR = 50	BR = 250	BR = 1.000	BR = 5.000
0,02	0,141	0,316	0,632	1,414
0,03	0,212	0,474	0,949	2,121
0,05	0,354	0,791	1,581	3,536
0,08	0,566	1,265	2,530	5,657

Bacaan pertama: IR yang bagus bisa dicapai dengan IC yang sangat kecil, asalkan breadth-nya besar.

Bacaan kedua, dan ini penting: IC sekecil itu hampir tidak menjelaskan apa-apa. Kuadrat dari korelasi (\(R^2\)) menunjukkan berapa bagian naik-turun hasil yang dijelaskan sinyal.

IC	\(R^2 = IC^2\)	Naik-turun hasil yang dijelaskan
0,02	0,0004	0,04%
0,03	0,0009	0,09%
0,05	0,0025	0,25%
0,10	0,0100	1,00%

Keunggulan riset kuantitatif itu tipis dan berulang, bukan tebal dan jarang. IC 0,03 hanya menjelaskan 0,09% naik-turun hasil, tetapi bisa memberi IR 0,949 bila diterapkan pada 1.000 taruhan bebas. IC adalah pernyataan tentang ribuan ramalan, bukan tentang satu ramalan.

Jurus 2 · Breadth semu: IR 17 yang mustahil

Hukum Dasar gampang disalahgunakan. Kembali ke tawaran Om Cuan. Sinyalnya dipakai pada 500 saham dan disesuaikan setiap hari bursa (sekitar 252 hari setahun). IC-nya 0,0483.

Hitungan naif. BR = 500 × 252 = 126.000 taruhan per tahun. IR = 0,0483 × √126.000 = 0,0483 × 354,96 = 17,144. Aritmetikanya benar.
Cek kewajaran. IR 17,1 berarti hasil aktif 17,1 kali volatilitas aktifnya. Kalau volatilitas aktifnya 5%, itu berarti untung di atas patokan 85,7% per tahun, setiap tahun. Hal seperti itu tidak pernah ada.
Cari kesalahannya. BR harus menghitung taruhan yang saling bebas. Saham-saham bergerak bersama (korelasi rata-rata 0,30). Sinyal hari ini juga mirip sinyal kemarin, karena ia meluruh perlahan dengan paruh 20 hari.
Hitung breadth efektif. \(\frac{500}{1 + 499 \times 0{,}30} \times \frac{252}{20} = \frac{500}{150{,}7} \times 12{,}6 = 3{,}32 \times 12{,}6 = \) 41,8 taruhan bebas per tahun.
Hitung ulang IR. 0,0483 × √41,8 = 0,0483 × 6,466 = 0,312. Dari 17,1 menjadi 0,312: lebih kecil 55 kali. Angka 0,312 berada di kisaran strategi kuantitatif yang benar-benar bertahan.

Saham yang bergerak bersama dan sinyal yang berubah pelan menggumpal menjadi sedikit "taruhan sungguhan".

\[ BR_{\text{efektif}} \approx \frac{N_{\text{aset}}}{1 + (N_{\text{aset}} - 1)\,\bar{\rho}} \times \frac{252}{\text{paruh peluruhan}} \]

\(N_{\text{aset}}\): banyaknya aset (saham) dalam semesta
\(\bar{\rho}\): dibaca "rho bar": korelasi rata-rata antarsaham
paruh peluruhan: berapa hari sampai kekuatan sinyal tinggal separuh

bagian kiri mengoreksi saham yang bergerak bersama. Bagian kanan mengoreksi sinyal yang mirip dari hari ke hari: dalam setahun hanya ada sekitar 252 ÷ paruh "sinyal baru". Untuk 300 saham, korelasi 0,25, paruh 10 hari: \(300 \div 75{,}75 \times 25{,}2 = 99{,}8\).

Coba korelasi 0 dan paruh 1 hari: breadth efektif sama dengan hitungan naif. Hanya di dunia tanpa korelasi dan tanpa kemiripan sinyal itulah hitungan naif benar.

Breadth adalah jumlah taruhan yang saling bebas, bukan jumlah transaksi. Breadth efektif sering 10 sampai 100 kali lebih kecil daripada hitungan naif. Aturan praktis: setiap kali Hukum Dasar menghasilkan IR di atas sekitar 1,0, periksa dulu asumsi independensinya. Hampir selalu di situlah kesalahannya.

Empat sumber ketergantungan

Sumber	Akibat
Saham berkorelasi satu sama lain	Taruhan lintas-saham jauh dari bebas
Sinyal hari ini mirip sinyal kemarin	Taruhan lintas-waktu jauh dari bebas
Sinyal punya paruh peluruhan	Taruhan berulang pada informasi yang sama
Eksposur faktor bersama	Banyak taruhan sebenarnya satu taruhan faktor

Peneliti yang melaporkan IR dari breadth naif dianggap tidak jujur dalam berkomunikasi, betapapun benar aritmetikanya. Angkanya bisa 55 kali lebih besar daripada kenyataan.

Jurus 3 · Butuh berapa data untuk membuktikan IC kecil?

IC tidak jatuh dari langit. Ia diperkirakan dari data, jadi ia punya "goyangan". Untuk korelasi kecil, goyangan itu (galat baku) kira-kira 1 dibagi akar jumlah pengamatan.

\[ SE(IC) \approx \frac{1}{\sqrt{n}} \qquad\Rightarrow\qquad n > \left(\frac{2}{IC}\right)^2 \]

\(SE(IC)\): galat baku IC: seberapa goyah perkiraan IC kita
\(n\): banyaknya pengamatan (pasangan saham dan periode)
2: skor \(t\) yang biasa dipakai sebagai ambang "cukup meyakinkan"

agar IC dianggap meyakinkan, IC harus minimal dua kali goyangannya. Untuk IC 0,03: \((2 \div 0{,}03)^2 = 66{,}7^2 \approx\) 4.444 pengamatan. Untuk IC 0,04: \(50^2 = 2.500\).

IC	0,02	0,03	0,05	0,08	0,10
\(n\) dibutuhkan	10.000	4.444	1.600	625	400

Masalahnya membesar kalau kamu menguji banyak sinyal

Bayangkan 1.000 siswa melempar koin 10 kali. Hampir pasti ada yang mendapat "angka" 9 atau 10 kali. Apakah ia penyihir? Tentu bukan. Kalau kamu mencoba cukup banyak hal, kebetulan pasti muncul. Peneliti yang menguji 1.000 varian sinyal juga pasti menemukan beberapa yang "terlihat bagus" karena kebetulan.

Karena itu ambangnya harus dinaikkan. Cara paling sederhana adalah koreksi Bonferroni: ambang peluang kebetulan 5% dibagi jumlah pengujian. Untuk 1.000 pengujian, ambangnya menjadi 0,05 ÷ 1.000 = 0,00005. Skor \(z\) yang dibutuhkan naik dari 1,96 menjadi 4,056.

Sinyal yang diuji	\(z\) kritis	\(n\) untuk IC 0,03	\(n\) untuk IC 0,05
100	3,481	13.462	4.846
1.000	4,056	18.279	6.580
10.000	4,565	23.153	8.335

Tim Sari menguji 1.000 varian dan menemukan satu dengan IC 0,03 pada 5.000 pengamatan. Galat bakunya 1 ÷ √5.000 = 0,01414. Skor \(t\) = 0,03 ÷ 0,01414 = 2,12.
Kalau ini satu-satunya sinyal yang diuji, 2,12 sudah di atas 1,96. Tetapi mereka menguji 1.000 varian, jadi ambangnya 4,056. 2,12 jauh di bawahnya: gagal.
Pengamatan yang dibutuhkan: (4,056 ÷ 0,03)² = 135,2² = 18.279. Tersedia 5.000, kurang 13.279.
Dalam waktu: 100 saham bulanan memberi 1.200 pengamatan per tahun, jadi butuh 15,2 tahun. 500 saham bulanan (6.000 per tahun) butuh 3,0 tahun.
Jebakan: "Pakai data harian saja! 500 saham × 252 hari = 126.000 per tahun, cukup dalam 0,15 tahun." Itu keliru. Pengamatan harian pada saham yang sama tidak saling bebas. Informasinya tumpang tindih, persis seperti breadth semu.
Keputusan jujur: sinyal ini belum dapat dinyatakan nyata. Pilihan yang sah: menguji lebih sedikit varian yang ditetapkan sejak awal, memperluas semesta (lebih banyak aset, bukan frekuensi), menunggu data, atau menerima tingkat temuan palsu yang lebih tinggi (Jurus 5).

Untuk membuktikan IC, kamu butuh \(n > (z/IC)^2\) pengamatan yang saling bebas. Makin banyak varian yang kamu uji, makin tinggi \(z\) dan makin banyak data yang dibutuhkan. Menaikkan frekuensi data tidak menaikkan informasi secara sebanding, karena pengamatan yang berdekatan membawa informasi yang sama.

Jurus 4 · Sinyal yang basi dan horizon terbaik

Sinyal punya umur. Ramalan yang dibuat hari ini paling tajam untuk besok, dan makin tumpul untuk minggu-minggu berikutnya. Penurunan ini disebut peluruhan sinyal, dan kecepatannya diukur dengan paruh peluruhan.

\[ IC(h) = IC_0 \times 0{,}5^{\,h/\text{paruh}} \]

\(IC_0\): IC awal, saat sinyal baru diukur
\(h\): horizon: berapa hari ke depan yang diramalkan
paruh: paruh peluruhan dalam hari

setiap kali satu paruh berlalu, IC tinggal separuh. IC awal 0,05 dengan paruh 20 hari: pada horizon 5 hari, \(0{,}05 \times 0{,}5^{0{,}25} = 0{,}0420\). Dengan paruh 10 hari dan IC awal 0,06, pada horizon 15 hari: \(0{,}06 \times 0{,}5^{1{,}5} = 0{,}06 \times 0{,}3536 = 0{,}0212\).

Tarik-menarik: sinyal tajam versus biaya

Horizon pendek memakai sinyal saat masih tajam, tetapi portofolio harus sering dirombak. Setiap perombakan ada biayanya. Biaya ini biasa ditulis dalam bps (basis poin, 1 bps = 0,01%). Horizon panjang hemat biaya, tetapi sinyalnya sudah tumpul.

\[ \text{Perputaran} \approx \frac{252}{h}, \qquad \text{Biaya per tahun} = \text{perputaran} \times 2 \times \text{biaya per sisi} \]

kalau kamu merombak setiap \(h\) hari, dalam setahun kamu merombak sekitar 252 ÷ \(h\) kali. Setiap rombakan berarti menjual dan membeli (dua sisi). Horizon 1 hari dengan biaya 15 bps per sisi: 252 × 2 × 0,15% = 75,60% per tahun.

Untuk menimbang keduanya, pakai IR bersih: keunggulan sinyal (IC × √41,8, memakai breadth efektif yang kita hitung tadi) dikurangi biaya per tahun dibagi volatilitas aktif 5%.

Horizon	IC (paruh 20)	Perputaran/tahun	Biaya @15 bps	IR bersih @15 bps	IR bersih @1 bps
1 hari	0,0483	25.200%	75,60%	−14,81	−0,70
5 hari	0,0420	5.040%	15,12%	−2,75	+0,07
20 hari	0,0250	1.260%	3,78%	−0,59	+0,11
60 hari	0,0063	420%	1,26%	−0,21	+0,02
120 hari	0,0008	210%	0,63%	−0,12	≈0 (−0,003)

Baca baris pertama: biaya 75,60% per tahun. Tidak ada sinyal yang bisa bertahan dari biaya sebesar itu. Baca baris terakhir: biayanya kecil, tetapi IC tinggal 0,0008, hampir nol. Malah pada 15 bps, IR bersih negatif di semua horizon: sinyal ini tidak layak dipakai pada biaya itu, berapa pun horizonnya. Baru pada biaya 1 bps per sisi (eksekusi sangat murah) muncul optimum di tengah, yaitu horizon 20 hari dengan IR bersih +0,111. Horizon terlalu pendek dimakan biaya, horizon terlalu panjang kehabisan sinyal. Pilihan horizon ditentukan dari IR setelah biaya, bukan dari IC saja.

Optimum di tengah hanya ada bila biaya cukup kecil dibanding keunggulan kotor sinyal. Keunggulan kotor sinyal ini paling tinggi IR 0,312, kira-kira alfa 1,6% per tahun pada volatilitas aktif 5%. Pada 15 bps per sisi, biaya di setiap horizon lebih besar dari itu. Turunkan biaya ke 1 bps, dan horizon 20 hari tiba-tiba layak.

Biaya eksekusimu menentukan sinyal mana yang tersedia bagimu. Sinyal yang menguntungkan bagi pengelola berbiaya 1 bps merugi bagi pengelola berbiaya 15 bps, padahal sinyalnya sama persis. Karena itu paruh peluruhan harus diukur, dan biaya harus dimasukkan sejak awal riset, bukan setelah sinyal "ditemukan".

IR bersih dan hubungannya dengan L4Q.2

\[ IR_{\text{bersih}} = IC \times \sqrt{BR_{\text{efektif}}} - \frac{\text{biaya}}{\sigma_{\text{aktif}}} \]

Sinyal yang diuji tanpa biaya lalu dikurangi biaya belakangan menghasilkan urutan peringkat yang berbeda dari sinyal yang diuji dengan biaya sejak awal. Karena biaya eksekusi menentukan ruang sinyal, riset sinyal dan infrastruktur eksekusi tidak bisa dipisahkan. Menurunkan biaya eksekusi sering lebih bernilai daripada menemukan sinyal baru. Itulah isi modul L4Q.2.

Jurus 5 · Berapa banyak temuanmu yang palsu?

Kak! Dari 1.000 sinyal yang kuuji, 87 lolos uji pada ambang 5%. Aku kaya temuan!

Kalau dari 1.000 itu hanya 50 yang benar-benar nyata, berapa yang lolos karena kebetulan?

950 × 5% = 47,5. Yang benar paling banyak 40... Berarti lebih dari separuh temuanku palsu?!

54,3%!

Sari baru saja menemukan konsep False Discovery Rate (FDR): dari semua yang dinyatakan "temuan", berapa persen yang sebenarnya palsu?

\[ FDR = \frac{\text{positif palsu}}{\text{positif palsu} + \text{positif benar}} \]

positif palsu: sinyal tanpa keunggulan yang lolos karena kebetulan = (jumlah uji − sinyal nyata) × \(\alpha\)
positif benar: sinyal nyata yang berhasil terdeteksi = sinyal nyata × daya uji
\(\alpha\): ambang peluang kebetulan (misalnya 0,05)
daya uji: peluang sinyal yang nyata benar-benar terdeteksi (misalnya 80%)

FDR adalah porsi "sampah" di dalam jaringmu. Untuk 1.000 uji, 50 nyata, daya 80%, \(\alpha\) = 0,05: palsu 47,5, benar 40,0, jadi FDR = 47,5 ÷ 87,5 = 54,3%.

Pada ambang 5%, dari sekitar 88 "temuan", 47,5 adalah kebetulan dan hanya 40 yang nyata.

\(\alpha\)	Positif palsu	Positif benar	FDR
0,05	47,5	40,0	54,3%
0,01	9,5	40,0	19,2%
0,001	1,0	40,0	2,3%
0,00005 (Bonferroni)	0,05	40,0	0,1%

Bonferroni atau FDR?

Bonferroni

Mengendalikan peluang satu pun positif palsu. Cocok ketika satu kesalahan saja sangat mahal. Kelemahannya: sangat ketat, banyak sinyal nyata ikut terbuang.

VS

FDR

Mengendalikan proporsi temuan palsu di antara semua temuan. Cocok ketika beberapa kesalahan masih bisa ditoleransi, asal sebagian besar sinyal yang dipakai benar.

Untuk riset sinyal, FDR sering lebih sesuai. Tetapi ada syarat mutlak: FDR yang bisa diterima ditetapkan sebelum pengujian dimulai. Contohnya, FDR 10% di rancangan tadi membutuhkan \(\alpha\) sekitar 0,005.

Contoh

Portofolio berisi 20 sinyal dengan FDR 10%. Artinya kira-kira 20 × 0,10 = 2 sinyal tidak nyata. Kalau dua sinyal palsu itu kebetulan bergerak bersama (berkorelasi), kerugiannya tidak saling meredam. Dampaknya bisa melampaui 10% portofolio.

Pada ambang biasa 0,05 dan ribuan pengujian, lebih dari separuh temuan bisa palsu. Bonferroni membatasi peluang satu pun temuan palsu. FDR membatasi proporsi temuan palsu. Pilih ambang dari FDR yang bisa diterima, dan tetapkan sebelum menguji.

Jurus 6 · Crowding: kenapa sinyal "berhenti bekerja"

Banyak orang mengira sinyal berhenti bekerja karena "rahasianya bocor" atau "pasar jadi efisien". Penjelasan yang lebih tepat: modal yang mengejar sinyal itu sendiri menggerakkan harga. Fenomena ini disebut crowding (berdesakan).

Ukuran pentingnya adalah perbandingan modal dengan ADV (average daily volume, rata-rata nilai transaksi harian). Makin besar porsi modalmu terhadap ADV, makin besar harga bergerak karena ordermu sendiri. Perkiraan kasarnya: dampak ≈ \(k\sqrt{\text{modal}/ADV}\).

Modal / ADV	Dampak	IC efektif	% dari IC awal (0,05)
0,1%	0,0032	0,0468	94%
0,5%	0,0071	0,0429	86%
1,0%	0,0100	0,0400	80%
5,0%	0,0224	0,0276	55%
10,0%	0,0316	0,0184	37%

Syaratnya: IC efektif minimal 80% dari IC awal. Dari tabel, itu berarti modal/ADV ≤ 1,0%.
Semesta berisi 100 instrumen dengan ADV rata-rata Rp50.000.000.000 per instrumen. Modal maksimum ≈ 0,01 × Rp50 miliar × 100 = Rp50.000.000.000.
Kalau modal dipaksa sampai 10% ADV, IC efektif tinggal 0,0184. Dengan breadth efektif 41,8: IR = 0,0184 × √41,8 = 0,119, dibanding 0,312 pada IC penuh. Turun 61,9%.

Sinyal A

IC 0,08, tetapi kapasitas hanya Rp5 miliar.

VS

Sinyal B

IC 0,03, dengan kapasitas Rp500 miliar.

Bagi pengelola dana Rp500 miliar, sinyal B lebih bernilai daripada sinyal A, walaupun IC-nya lebih kecil. Sinyal A tidak bisa dipakai pada ukuran sebesar itu, betapapun bagus eksekusinya.

Kapasitas adalah sifat sinyal, bukan sifat pengelola. Sinyal berhenti bekerja karena modal yang mengejarnya menggerakkan harga sampai IC efektifnya mendekati nol. Mekanismenya sama dengan premi faktor yang meluruh setelah dipublikasikan. Karena itu modal/ADV diukur sebagai bagian dari pengujian, bukan sesudahnya.

Data yang jujur dan catatan yang tak pernah dihapus

Semua hitungan di atas tidak berarti kalau datanya cacat. Data riset sinyal disusun sebagai panel data: banyak saham diamati pada banyak waktu. Ada enam syarat agar panel itu jujur.

#	Syarat panel	Yang dicegah
1	Point-in-time: nilai seperti yang diketahui pada tanggal itu, bukan versi revisi	Bias penyajian ulang
2	Memuat saham yang delisting (keluar dari bursa), sampai tanggal keluarnya	Bias bertahan hidup
3	Stempel waktu kapan data tersedia, bukan tanggal periodenya	Bias melihat ke depan
4	Semesta saham seperti pada tanggal itu, bukan semesta hari ini	Bias bertahan hidup dan melihat ke depan
5	Harga yang tidak memuat aksi korporasi yang belum diumumkan	Bias melihat ke depan
6	Catatan perubahan definisi data sepanjang periode	Struktur berubah tanpa disadari

Bias bertahan hidup muncul bila data hanya berisi yang "selamat". Bias melihat ke depan muncul bila kamu memakai informasi yang belum tersedia saat itu. Contohnya laporan keuangan kuartal yang baru terbit 45 sampai 90 hari setelah kuartalnya berakhir.

Uji paling sederhana: hitung berapa persen perusahaan yang hilang dari panel setiap tahun. Kalau hasilnya nol, panel itu pasti memuat bias bertahan hidup, dan semua riset di atasnya tidak bisa ditafsirkan. Modul L3.4 mengukur bias bertahan hidup saja bisa bernilai +6,607 poin persen per tahun.

Protokol Riset Sinyal: jumlah pengujian dicatat sejak awal

Ingat Jurus 3: ambang naik bersama jumlah varian yang diuji. Maka jumlah itu (\(N\)) harus dicatat sejak awal dan tidak pernah dihapus, termasuk varian yang gagal. Peneliti yang "lupa" mencatat varian gagal akan memakai ambang yang terlalu rendah, dan temuannya tampak lebih meyakinkan daripada kenyataan.

Panel data harus memuat saham yang delisting dan memakai stempel waktu ketersediaan. Protokol riset mencatat semua pengujian, ditetapkan sebelum data dibuka. Melaporkan IR atau IC tanpa menyebut jumlah pengujian dan breadth yang dipakai adalah laporan yang tidak lengkap.

Kerangka Protokol Riset Sinyal (ringkas)

Bagian	Isi utama
1. Sebelum data dibuka	Hipotesis, mekanisme ekonomi, siapa di sisi lain, ruang pencarian (\(N\)), FDR yang diterima, data keluar-sampel yang disisihkan
2. Panel	Enam syarat; uji delisting > 0; uji stempel waktu > 0
3. Pengukuran IC	IC, \(n\), \(SE = 1/\sqrt{n}\), \(t\), \(n\) yang dibutuhkan pada \(N\), pengamatan efektif
4. Breadth	Breadth efektif; bila IR > 1,0, periksa ulang independensi
5. Horizon dan biaya	IR bersih tiap horizon; kelayakan pada biaya sendiri
6. Kapasitas	Modal/ADV, IC efektif, modal maksimum agar IC efektif ≥ 80%
7. Catatan pengujian	Diisi terus, tidak pernah dihapus; \(N\) akhir vs \(N\) rencana
8. Keputusan	IC keluar-sampel vs dalam-sampel; data keluar-sampel hanya boleh dipakai sekali

Protokol ini menjadi salah satu lampiran Capstone Level 4 (L4K.2).

Mitos atau fakta?

Ketuk setiap kartu untuk membaliknya.

"IC 0,03 itu terlalu kecil, sinyalnya pasti tidak berguna."

Dengan 1.000 taruhan bebas per tahun, IC 0,03 memberi IR 0,949. Keunggulan kuantitatif memang tipis dan berulang.

"Makin banyak saham dan makin sering dirombak, IR pasti makin besar."

Breadth menghitung taruhan yang saling bebas. Saham yang berkorelasi dan sinyal yang mirip dari hari ke hari membuat breadth efektif jauh lebih kecil.

"Kurang data? Ganti saja ke data harian, jumlah pengamatannya langsung berlipat."

Pengamatan harian pada saham yang sama tidak saling bebas. Jumlah baris bertambah, tetapi informasinya tidak bertambah sebanding.

"Lolos uji pada ambang 5% berarti temuannya 95% pasti benar."

Pada 1.000 pengujian dengan hanya 50 sinyal nyata, ambang 5% membuat 54,3% temuan palsu.

"Sinyal berhenti bekerja karena rahasianya bocor."

Sinyal berhenti bekerja karena modal yang mengejarnya menggerakkan harga, sampai IC efektifnya mendekati nol.

Cek pemahamanmu

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

1. Sinyal dengan IC 0,05 diterapkan pada 400 taruhan bebas per tahun. Berapa IR-nya?

0,05, sama dengan IC
20,0, yaitu 0,05 × 400
1,0, yaitu 0,05 × √400
0,0025, yaitu 0,05²

IR = IC × √BR = 0,05 × 20 = 1,0.

2. Mana tanda paling kuat bahwa hitungan breadth sebuah sinyal perlu diperiksa ulang?

Hukum Dasar menghasilkan IR di atas sekitar 1,0
IC sinyalnya di bawah 0,05
Semestanya berisi lebih dari 100 saham
Paruh peluruhannya lebih dari 5 hari

IC kecil itu wajar. Yang mencurigakan adalah IR yang terlalu tinggi. IR di atas sekitar 1,0 hampir selalu berasal dari breadth naif yang menganggap semua taruhan saling bebas.

3. Berapa pengamatan bebas yang dibutuhkan agar IC 0,05 mencapai t = 2?

40
400
2.500
1.600

\(n > (2 \div 0{,}05)^2 = 40^2 = \) 1.600.

4. Apa beda Bonferroni dan FDR?

Bonferroni membatasi proporsi temuan palsu; FDR membatasi peluang satu pun palsu
Bonferroni membatasi peluang satu pun temuan palsu; FDR membatasi proporsi temuan palsu
Keduanya sama, hanya beda nama
Bonferroni untuk saham, FDR untuk komoditas

Bonferroni sangat ketat (peluang satu pun palsu). FDR menerima sebagian kesalahan demi menemukan lebih banyak sinyal nyata.

5. Biaya eksekusi sebuah tim turun dari 15 bps menjadi 1 bps per sisi. Apa akibat terpentingnya bagi riset sinyal mereka?

Tidak ada, karena biaya hanya urusan bagian operasional
IC semua sinyal mereka otomatis naik
Sinyal berhorizon lebih pendek yang tadinya terlalu mahal kini bisa dipakai
Mereka tidak perlu lagi mencatat jumlah pengujian

Biaya eksekusi menentukan sinyal mana yang tersedia. Biaya lebih rendah memperluas ruang sinyal yang layak, terutama sinyal yang cepat meluruh.

Ringkasan dan kamus mini

Jurus 1: \(IR = IC \times \sqrt{BR}\). Keunggulan tipis dan berulang.
Jurus 2: breadth = taruhan saling bebas. IR di atas sekitar 1,0? Periksa independensi.
Jurus 3: \(n > (z/IC)^2\). Makin banyak varian diuji, makin banyak data dibutuhkan.
Jurus 4: sinyal meluruh; horizon dipilih dari IR setelah biaya.
Jurus 5: tetapkan FDR sebelum menguji; ambang 5% pada ribuan uji menghasilkan banyak temuan palsu.
Jurus 6: kapasitas adalah sifat sinyal; crowding membuat IC efektif mendekati nol.

Sinyal: Aturan yang memberi skor ramalan untuk setiap aset.
IR (rasio informasi): Hasil aktif dibagi volatilitas aktif.
IC: Korelasi antara ramalan sinyal dan hasil yang kemudian terjadi.
Breadth (BR): Banyaknya taruhan saling bebas per tahun.
Breadth efektif: Breadth setelah dikoreksi korelasi antarsaham dan paruh peluruhan.
Galat baku (SE): Seberapa goyah sebuah perkiraan; untuk IC kira-kira \(1/\sqrt{n}\).
Paruh peluruhan: Waktu sampai kekuatan sinyal tinggal separuh.
bps: Basis poin, seperseratus dari 1%.
Bonferroni: Koreksi yang membagi ambang α dengan jumlah pengujian.
FDR: Proporsi temuan palsu di antara semua temuan.
Crowding: Terlalu banyak modal mengejar sinyal yang sama sehingga keunggulannya habis.
ADV: Rata-rata nilai transaksi harian sebuah instrumen.
Bias bertahan hidup: Hasil tampak bagus karena data hanya memuat yang "selamat".
Bias melihat ke depan: Memakai informasi yang belum tersedia saat keputusan diambil.

Materi ini untuk pendidikan, bukan rekomendasi strategi atau ajakan bertransaksi. Semua angka bersifat ilustratif dan tidak diukur dari pasar nyata. Kinerja masa lalu, termasuk dalam uji historis, tidak menjamin hasil di masa depan.

Riset Sinyal: Berburu Keunggulan Tipis