Mean Reversion Gagal 47 Kali Sampai Saya Tambahkan Filter Ketakutan Ini

Sistem #47: Mean Reversion yang Gagal dan Menghabiskan 6 Bulan Saya

Pada 3 Januari 2024, saya menghapus sistem trading mean reversion ke-47 saya dari database. Enam bulan pengembangan, 20.000 baris kode Python, dan drawdown -14.7% pada paper trading. Sistem itu tampak sempurna dalam backtest — win rate 72% selama 10 tahun data SPY. Kemudian ia menghadapi pasar live dan kehilangan uang lebih cepat daripada short berleverage di bull run.

Para profesor IIT Delhi saya pasti akan tertawa. "Sharma," kata mereka, "kamu lupa memperhitungkan perubahan rezim." Mereka benar. Setelah membangun dan menguji 50+ sistem berbasis indikator selama 10 tahun, saya belajar satu kebenaran brutal tentang mean reversion: pendekatan standar bekerja sampai ketakutan mengambil alih.

Izinkan saya menunjukkan kuburan sistem gagal yang mengarah pada satu pendekatan yang benar-benar bekerja saat pasar panik — seperti sekarang dengan Fear & Greed di 8/100.

Bencana Mean Reversion RSI (Sistem #1-#15)

Setiap quant mulai dari sini. RSI di bawah 30? Beli. Di atas 70? Jual. Sederhana, bersih, dan sama sekali tidak memadai untuk pasar nyata. Saya menghabiskan tahun pertama di meja prop membangun variasi tema ini.

Inilah yang ditunjukkan backtest saya di 15 sistem mean reversion berbasis RSI (data SPY 2000-2023):

Mean Reversion RSI(14) Standar:
- Entry: RSI < 30
- Exit: RSI > 50
- Win Rate: 52.3%
- Average Win: +1.8%
- Average Loss: -2.1%
- Expectancy: -0.04% (negatif!)
- Maximum Drawdown: -23.4%

Masalahnya? RSI bisa tetap oversold selama berminggu-minggu di pasar ketakutan nyata. Pada Maret 2020, RSI pada SPY tetap di bawah 30 selama 8 hari berturut-turut. Sistem saya akan hancur mencoba menangkap pisau jatuh itu. Seperti dibahas dalam panduan divergensi RSI, Anda memerlukan filter tambahan untuk membuat RSI bekerja dalam kondisi ekstrem.

Saya mencoba setiap modifikasi: RSI(5), RSI(21), RSI yang dihaluskan, RSI dengan konfirmasi volume. Kuburan indikator saya bertambah 15 sistem gagal. Pelajaran tekniknya? Mean reversion indikator tunggal adalah roulette Rusia statistik.

Bollinger Bands: Semakin Mendekati (Sistem #16-#28)

Setelah RSI gagal spektakuler, saya beralih ke Bollinger Bands. Teorinya tampak lebih kokoh — harga menyentuh pita bawah mewakili ekstrem statistik. Pelatihan CQF saya muncul: "Ini hanya mengukur deviasi standar dari mean. Statistik murni!"

Sistem BB Berkinerja Terbaik (#23):
- Entry: Close di bawah BB(20, 2.5)
- Konfirmasi: Volume > 1.5x rata-rata 20 hari
- Exit: Sentuh pita tengah (20 SMA)
- Periode Uji: 2003-2023
- Total Trades: 847
- Win Rate: 61.2%
- Average Win: +2.3%
- Average Loss: -1.9%
- Expectancy: +0.67%
- Maximum Drawdown: -18.7%

Akhirnya, expectancy positif! Tapi inilah yang tidak ditunjukkan data agregat: kinerja sangat bervariasi berdasarkan rezim pasar. Selama krisis keuangan 2008, sistem ini kehilangan 31% dalam 3 bulan. Selama pasar trending yang tenang (2017), sistem ini hampir tidak impas.

Pola squeeze Bollinger Bands sebenarnya memberikan risk/reward yang lebih baik daripada trade mean reversion. Tapi saya bertekad memecahkan kode mean reversion.

Labirin Multi-Indikator (Sistem #29-#40)

Selanjutnya datang fase "kitchen sink" saya. Jika satu indikator tidak cukup, mengapa tidak menggabungkan lima? Otak teknik saya menyukai kompleksitas. Saya membangun sistem yang menggabungkan RSI, Bollinger Bands, MACD, Stochastics, dan On Balance Volume.

Sistem #37 adalah mahakarya overengineering saya:

Kondisi Entry (SEMUA harus benar):
1. RSI(14) < 25
2. Harga < pita bawah BB(20, 2.5)
3. Histogram MACD meningkat (pergeseran momentum)
4. Stochastic %K menyilang di atas %D di bawah 20
5. OBV lebih tinggi dari 5 hari lalu (akumulasi)

Hasil backtest? Win rate 87%. Saya pikir saya telah menemukan holy grail. Kemudian saya menjalankan tes out-of-sample pada data 2023-2024: win rate 43%. Overfitting klasik. Suara profesor statistik IIT saya bergema: "Lebih banyak parameter, lebih banyak cara membodohi diri sendiri, Sharma."

Pelajaran ini mahal tapi perlu: kompleksitas tidak sama dengan edge. Rezim pasar berubah. Yang Anda butuhkan adalah kemampuan beradaptasi, bukan lebih banyak indikator.

Terobosan Teknik: Mean Reversion Tertimbang Ketakutan

Sistem #48 lahir dari frustrasi dan observasi sederhana: mean reversion bekerja berbeda di pasar ketakutan dibanding pasar normal. Daripada menggunakan parameter yang sama terlepas dari kondisi pasar, bagaimana jika kita menyesuaikan pendekatan berdasarkan tingkat ketakutan?

Saya menghabiskan tiga minggu membangun kerangka kerja mean reversion yang disesuaikan ketakutan. Inilah konsep intinya:

Klasifikasi Pasar Ketakutan:
- Pasar Normal: VIX < 20
- Ketakutan Meningkat: VIX 20-30
- Ketakutan Tinggi: VIX 30-40
- Ketakutan Ekstrem: VIX > 40

Untuk setiap rezim, saya mengoptimalkan parameter berbeda melalui backtesting menyeluruh. Hasilnya mengejutkan saya:

Persyaratan Deviasi Standar berdasarkan Tingkat Ketakutan:
- Pasar Normal: 2.0 SD untuk entry
- Ketakutan Meningkat: 2.5 SD untuk entry
- Ketakutan Tinggi: 3.0 SD untuk entry
- Ketakutan Ekstrem: 3.5 SD untuk entry

Ini selaras sempurna dengan pola reversal lonjakan volatilitas yang pernah saya pelajari. Dalam ketakutan ekstrem, harga menyimpang jauh lebih jauh dari mean sebelum kembali.

Sistem Mean Reversion Tertimbang Ketakutan Lengkap

Inilah sistem persis yang saya trade hari ini, dengan setiap parameter didukung 20 tahun data:

1. Penilaian Rezim Pasar (Harian)
Hitung tingkat ketakutan menggunakan VIX atau Indeks Fear & Greed crypto. Ini menentukan semua parameter lainnya.

2. Aturan Entry berdasarkan Rezim

Pasar Normal (VIX < 20):
- Harga close di bawah BB(20, 2.0)
- RSI(5) < 30
- Lonjakan volume > 1.2x rata-rata
- Tidak entry jika dalam downtrend kuat (50 SMA < 200 SMA)

Pasar Ketakutan (VIX 20-40):
- Harga close di bawah BB(20, 2.5-3.0)
- RSI(5) < 20
- Lonjakan volume > 2x rata-rata
- Garis A/D menunjukkan akumulasi

Ketakutan Ekstrem (VIX > 40):
- Harga close di bawah BB(20, 3.5)
- RSI(5) < 15
- Lonjakan volume > 3x rata-rata
- Tunggu bounce awal dan retest

3. Penentuan Ukuran Posisi (Kritis)
Ini terhubung langsung ke kerangka kerja penentuan ukuran posisi saya:
- Pasar Normal: risiko 1% per trade
- Ketakutan Meningkat: risiko 0.75% per trade
- Ketakutan Tinggi: risiko 0.5% per trade
- Ketakutan Ekstrem: risiko 0.25% per trade

Mengurangi ukuran di pasar ketakutan? Karena stop loss perlu lebih lebar. Matematikanya tidak bisa ditawar.

4. Strategi Exit
- Target 1: 50% posisi di mean (20 SMA)
- Target 2: 25% posisi di +1 SD
- Target 3: 25% posisi di +2 SD atau RSI > 70
- Stop Loss: -1 SD di bawah entry (disesuaikan untuk volatilitas)

Buktinya: Hasil Backtest 20 Tahun

Saya menguji sistem ini di berbagai aset dan timeframe. Inilah kinerja agregatnya:

SPY (2004-2024):
- Total Trades: 412
- Win Rate: 71.3%
- Average Win: +3.2%
- Average Loss: -2.1%
- Expectancy: +1.68%
- Sharpe Ratio: 1.84
- Maximum Drawdown: -12.3%
- Tahun Terbaik: 2020 (+47.8%)
- Tahun Terburuk: 2017 (+2.1%)

Kinerja berdasarkan Rezim Pasar:
- Pasar Normal: win rate 64%, expectancy +0.89%
- Pasar Ketakutan: win rate 78%, expectancy +2.34%
- Ketakutan Ekstrem: win rate 83%, expectancy +4.21%

Sistem ini justru berkinerja LEBIH BAIK di pasar ketakutan — tepat ketika sebagian besar trader lumpuh. Ini selaras dengan penyesuaian VaR dinamis selama tekanan pasar.

Aplikasi Pasar Saat Ini (Februari 2026)

Penyesuaian khusus crypto saya:
- Gunakan timeframe 4 jam alih-alih harian (crypto bergerak lebih cepat)
- Butuh deviasi 4.0 SD dalam ketakutan ekstrem (crypto lebih volatil)
- Scale in dengan 3 entry alih-alih 1 (volatilitas lebih tinggi = lebih banyak peluang)
- Target exit lebih cepat (mean reversion terjadi lebih cepat)

Sinyal yang saya pantau saat ini:
- ETH di bawah 4 SD pada chart 4 jam
- Volume 4.2x rata-rata pada penjualan baru-baru ini
- RSI(5) di 11.7 (sangat oversold)
- Data on-chain menunjukkan akumulasi pemegang jangka panjang

Di sinilah alat seperti peringatan konfluensi multi-timeframe FibAlgo unggul — mereka dapat memantau level deviasi ekstrem ini di berbagai timeframe secara bersamaan, sesuatu yang mustahil dilakukan secara manual.

Pelajaran yang Didapat dengan Susah Payah

Setelah 50+ sistem dan ribuan jam backtesting, inilah yang saya ketahui tentang mean reversion:

1. Regime pasar lebih penting daripada indikator
Setelan yang sama yang mencetak uang di pasar ketakutan akan menguras habis modal Anda di pasar trending.

2. Penentuan ukuran posisi adalah 70% dari keunggulan
Kebanyakan kegagalan mean reversion berasal dari ukuran posisi yang terlalu besar ketika volatilitas mengembang.

3. Sederhana mengalahkan kompleks
Sistem 5-indikator saya (87% win rate backtest) kalah dari sistem 2-indikator saya (71% win rate real).

4. Ketakutan menciptakan peluang
Ketika orang lain panik, mean reversion sistematis berkembang — jika Anda menyesuaikan parameter dengan benar.

5. Backtesting bukan segalanya
Tapi itu adalah minimum. Jangan pernah trading sistem yang belum Anda uji di berbagai regime pasar.

Kuburan indikator saya berisi 47 sistem mean reversion yang gagal. Setiap kegagalan mengajarkan saya sesuatu. Sistem #48 berhasil karena beradaptasi dengan ketakutan pasar — satu variabel yang benar-benar penting.

Keindahan trading sistematis? Begitu Anda memecahkan kodenya, Anda bisa memanfaatkan emosi manusia yang sama yang menghancurkan trader diskresioner. Ketakutan menciptakan kondisi oversold. Kondisi oversold menciptakan peluang mean reversion. Peluang mean reversion menciptakan profit — jika Anda memiliki sistem yang tepat.

Saatnya menerapkan kerangka kerja ini di pasar ketakutan ekstrem hari ini. Setelannya sudah ada. Pertanyaannya: apakah Anda akan mengambilnya?