Banyak yang bertanya apa arti konkret dari "tim AI meriset strategi", jadi berikut satu hipotesis yang kami telusuri dari awal sampai akhir. Hal terpenting yang perlu diingat: ini adalah corong yang memang ada untuk menolak. Sebagian besar ide mati. Justru itu tandanya produk ini bekerja.
Pertanyaan apa saja yang sebenarnya sering diajukan orang
Siapa yang memunculkan ide-idenya?
Sebuah agen riset yang membaca apa saja yang bisa didukung oleh pustaka data — funding rate, open interest, rekaman likuidasi, permukaan opsi, sentimen berita, Fear & Greed — lalu menulis hipotesis lengkap dengan tesis, venue, timeframe, dan profil risiko. Agen ini secara eksplisit sadar biaya: ide yang perkiraan edge-nya di bawah biaya round-trip venue sudah cacat sejak lahir. Ia juga membaca kuburan ide. Alasan kegagalan setiap strategi yang ditinggalkan di-embed dan bisa dicari, sehingga "momentum funding di bar per jam, percobaan ketiga" langsung ditandai sebelum membuang satu siklus.
Siapa yang menulis kodenya, dan kenapa kode itu layak dipercaya?
Sebuah agen developer menulis strategi berdasarkan template dasar yang baku — sizing relatif terhadap modal, logika stop yang eksplisit, kebutuhan data yang dideklarasikan. Kepercayaan datang dari rangkaian ujiannya, bukan dari penulisnya. Ada empat lapis: analisis statik (pemeriksaan AST untuk anti-pattern yang sudah kami katalogkan); skenario sintetis (enam bentuk pasar dengan data pelengkap buatan — strategi yang malah membeli saat skenario crash yang seharusnya ia hindari akan mati di sini); backtest sandbox dengan data riil yang wajib menghasilkan minimal satu trade; dan agen QA yang melakukan code review untuk polaritas sinyal, edge case, dan kelayakan biaya. Lapis 2 menangkap kelas kesalahan yang paling memalukan: kode yang berjalan sempurna tapi melakukan kebalikan dari hipotesisnya.
Biaya apa saja yang benar-benar dibebankan di backtest?
Biaya maker/taker riil per venue, akrual funding pada harga mark, market impact akar kuadrat, margin dan likuidasi untuk buku ber-leverage, kalender sesi untuk ekuitas. Ekuitas mark-to-market termasuk PnL yang belum terealisasi, sehingga drawdown tidak tersembunyi di antara titik masuk dan keluar. Kalau semua itu terdengar seperti standar minimum, kenyataannya tidak; setiap item ditambahkan karena ketiadaannya pernah menghasilkan satu promosi keliru yang spesifik.
Bukankah optimasi ujung-ujungnya cuma overfit?
Memang kecenderungannya begitu. Pipeline ini berasumsi demikian: parameter lebih dulu melewati sweep sensitivitas (strategi yang hanya berfungsi tepat di lookback=14 adalah kebetulan, bukan strategi), lalu optimasi walk-forward di tiga jendela dengan pelacakan in-sample/out-of-sample, dan terakhir holdout final yang hanya dilihat strategi tepat satu kali. Sharpe out-of-sample di bawah setengah angka in-sample berarti ditolak. Holdout harus mempertahankan minimal 70% dari Sharpe out-of-sample walk-forward. Ini semua gerbang yang ditegakkan oleh kode, bukan diskresi analis — analis boleh mewaifkan batas lunak dengan alasan yang tercatat, tapi tidak bisa mewaifkan pemeriksaan overfit.
Berapa tingkat kelulusannya?
Rendah, dan memang seharusnya begitu. Kematian yang paling umum terjadi di tinjauan analis: edge-nya nyata tapi di bawah 0.15% per trade setelah biaya. Yang kedua paling umum adalah tebing sensitivitas. Yang selamat lanjut ke risk officer, lalu ke paper trading, tempat pemeriksaan paritas replay harian menjaga kejujuran mereka terhadap data live tanpa batas waktu. Modal live berada di balik gerbang terpisah yang dikendalikan manusia.
