Alpha pada dasarnya berasal dari 'penyimpangan harga'
Daftar
Satu, Momentum: Tren itu sendiri adalah bentuk premi risiko
Dua, Mean Reversion: Pasar akan melakukan koreksi, tapi tidak akan menyelamatkan aset sampah. Tiga, Stat Arb: Perdagangan kuantitatif benar-benar memasuki 'era industri'
Empat, Era AI: Kuantitatif sedang beralih dari 'kompetisi strategi' ke 'kompetisi sistem'
Lima, Kerangka kerja terpadu dari tiga strategi utama: pada dasarnya tidak saling bertentangan
Enam, Kuantitatif tingkat institusi yang sebenarnya bukan tentang 'meramalkan pasar', tetapi tentang mengelola risiko
Tujuh, kesimpulan
Pengantar
Di artikel sebelumnya, kami membahas logika dasar terpenting dari perdagangan kuantitatif:
Pasar tidak sepenuhnya efisien; Alpha pada dasarnya berasal dari 'penyimpangan harga'; dan perdagangan kuantitatif menggunakan metode sistematis, probabilistik, dan industrialisasi untuk terus menangkap penyimpangan ini.
Tetapi masalah sebenarnya adalah:
Alpha di pasar seperti apa?
Jawabannya tidak rumit.
Selama dua ratus tahun terakhir, baik itu saham, futures, forex, obligasi, komoditas, atau pasar aset crypto hari ini, strategi inti yang benar-benar efektif, teruji berulang kali, dan terus diiterasi oleh lembaga kuantitatif teratas di seluruh dunia, sebenarnya selalu berputar di sekitar tiga kerangka kerja:
Strategi momentum
Strategi mean reversion
Strategi arbitrase statistik
Ketiga strategi ini pada dasarnya membentuk 'sistem industri Alpha' paling inti dalam industri pengelolaan aset kuantitatif modern.
Mereka bukanlah artefak sejarah dalam buku teks.
Justru sebaliknya:
Hari ini, lembaga kuantitatif terbesar di dunia — termasuk Renaissance Technologies, AQR Capital Management, D. E. Shaw & Co. — masih menjalankan varian canggih dari strategi ini.
Perbedaan yang sebenarnya tidak pernah terletak pada 'tahu nama strategi', tetapi pada:
Siapa yang benar-benar memahami struktur pasar di baliknya, logika keuangan perilaku, eksposur risiko, batas kapasitas, dan mekanisme kegagalan strategi.
Karena:
Semua strategi kuantitatif pada dasarnya adalah 'mesin probabilitas yang efektif dalam kondisi pasar tertentu'.
Satu, strategi momentum: tren itu sendiri adalah premi risiko.
Apa itu momentum?
Logika inti dari strategi momentum sangat sederhana:
Aset yang tampil kuat di masa lalu biasanya akan tetap kuat dalam periode waktu yang akan datang; aset yang terus lemah juga akan tetap lemah.
Ini terdengar seperti 'mengikuti tren dan menjual di puncak'.
Tetapi momentum tingkat institusi yang sebenarnya bukanlah mengejar puncak secara emosional, tetapi:
Arbitrase sistematis terhadap 'kecepatan penyebaran informasi yang tidak konsisten' di pasar.
Mengapa momentum dapat bertahan selama 200 tahun?
Pada tahun 1993, Narasimhan Jegadeesh dan Sheridan Titman menerbitkan makalah klasik:
(Returns to Buying Winners and Selling Losers).
Mereka menemukan:
Beli saham yang paling menguat dalam 3-12 bulan terakhir, jual saham yang paling melemah dalam 3-12 bulan terakhir,
Bahkan setelah dikurangi biaya perdagangan, masih dapat memperoleh keuntungan yang signifikan dalam jangka panjang.
Kemudian, banyak penelitian global lebih lanjut membuktikan:
Efek momentum tidak hanya ada di:
Saham AS
Saham Eropa
Pasar komoditas
Pasar valuta asing
Pasar obligasi
Pasar aset crypto
Bahkan dalam data dari tahun 1800-an masih ada.
Ini berarti:
Momentum bukanlah fenomena kebetulan dari suatu era, tetapi merupakan karakteristik jangka panjang dalam struktur perilaku keuangan manusia.
Esensi momentum: pasar 'merespons informasi terlalu lambat'
Perilaku keuangan: manusia bukanlah mesin rasional
Ilmu perilaku keuangan berpendapat:
Kebanyakan peserta di pasar tidak akan menyelesaikan 'penetapan harga lengkap' pada saat informasi muncul.
Sebaliknya, manusia akan mengalami:
Reaksi yang tidak memadai
Efek kawanan
Bias konfirmasi
Efek disposisi
Contohnya:
Kinerja perusahaan melebihi ekspektasi.
Hari pertama pasar mungkin hanya naik 5%.
Tetapi seiring lebih banyak dana, lembaga, dan analis secara bertahap mengkonfirmasi logika, dana akan terus mengalir dalam beberapa minggu atau bahkan bulan ke depan.
Jadi:
Harga membentuk tren.
Inilah momentum.
Reaksi 'lambat' dari modal institusi
Lembaga besar di dunia nyata bukanlah robot frekuensi tinggi.
Dana pensiun, dana kedaulatan, manajemen aset asuransi, manajemen aset bank,
Keputusan investasi mereka sering kali terdapat:
Proses persetujuan
Batasan risiko
Pembatasan posisi
Pembatasan likuiditas
Oleh karena itu:
Uang besar secara alami akan menyebabkan 'penemuan harga yang tertunda'.
Dan strategi momentum, pada dasarnya adalah arbitrase terhadap 'penetapan harga lambat' ini.
Kompensasi risiko: momentum menghasilkan 'uang dari risiko ekor'
Pandangan akademis lainnya berpendapat:
Momentum efektif bukan karena pasar tidak efisien, tetapi karena:
Strategi momentum itu sendiri menanggung risiko pembalikan ekor yang besar.
Dengan kata lain:
Momentum bukanlah arbitrase tanpa risiko.
Ini adalah tentang menghasilkan:
'Premi risiko dari kelanjutan tren'.
Musuh terbesar momentum: Momentum Crash
Tempat paling berbahaya dari strategi momentum bukanlah kehilangan uang perlahan-lahan.
Tetapi:
Pada pembalikan ekstrem, terjadi keruntuhan mendadak.
Kasus paling klasik:
Pemulihan V setelah krisis keuangan 2009
Setelah anjlok tahun 2008:
Saham sampah yang sebelumnya anjlok tiba-tiba rebound dengan keras, sementara saham berkualitas yang seharusnya tahan banting malah tertinggal.
Hasil:
Beli pemenang, jual pecundang,
Kombinasi momentum klasik anjlok dalam waktu singkat.
Banyak strategi mengalami kerugian lebih dari 40% dalam sebulan.
Momentum crash di pasar crypto
Di pasar crypto, fenomena ini lebih ekstrem.
Karena:
Leverage lebih tinggi
Likuiditas lebih rentan
Proporsi ritel lebih tinggi
Fluktuasi emosi lebih tajam
Short squeeze setelah kepanikan ekstrem sering menyebabkan:
Strategi momentum bisa menghapus keuntungan bulanan dalam beberapa jam.
Oleh karena itu:
Perdagangan momentum tingkat institusi yang sebenarnya, intinya bukanlah 'mencari tren'.
Tetapi:
Bagaimana bertahan dari pembalikan tren.
Dua, mean reversion: pasar akan memperbaiki kesalahan, tetapi tidak akan menyelamatkan aset sampah
Apa itu mean reversion?
Logika mean reversion sepenuhnya bertentangan dengan momentum:
Ketika harga menyimpang dari 'mean yang wajar', akhirnya akan kembali ke arah mean.
Pahami dengan sederhana:
Naik terlalu cepat → mungkin turun
Turun terlalu keras → mungkin rebound
Ini adalah salah satu pemikiran tertua di pasar keuangan.
Tetapi mean reversion paling mudah disalahpahami
Banyak ritel memiliki kesalahpahaman terbesar:
'Sudah turun banyak = Berharga'
Ini salah.
Mean reversion yang nyata harus memenuhi satu syarat:
'Mean itu sendiri tidak runtuh'.
Aset apa yang tidak akan kembali?
Jika:
Model bisnis menghilang
Industri tereliminasi
Likuiditas menipis
Sistem kredit runtuh
Maka:
Penurunan harga bukanlah 'penyimpangan dari rata-rata'.
Tetapi:
Mean itu sendiri turun selamanya.
Ini juga alasan mengapa:
Kodak
Nokia
Terra Luna
Setelah anjlok, tidak ada 'mean reversion' yang benar-benar berarti.
Uang yang benar-benar dihasilkan oleh mean reversion itu apa?
Pada dasarnya:
Menghasilkan uang dari 'reaksi berlebihan pasar'.
Contohnya:
Sebuah perusahaan anjlok 20% karena berita negatif jangka pendek.
Tetapi:
Bisnis inti tidak berubah
Arus kas tidak berubah
Logika industri tidak berubah
Maka:
Sentimen pasar sering kali akan memberikan harga terlalu tinggi untuk risiko.
Dan strategi mean reversion, pada dasarnya adalah bertaruh:
Emosi akan memperbaiki.
Mean reversion yang paling klasik: Perdagangan pasangan
Perdagangan pasangan adalah salah satu model mean reversion paling klasik dalam sejarah kuantitatif modern.
Contohnya:
Perusahaan Coca-Cola vs PepsiCo
Saham bank vs saham bank
Saham minyak vs saham minyak
Logikanya sangat sederhana:
Jika dua perusahaan berkorelasi tinggi dalam jangka panjang, tetapi selisih harga dalam jangka pendek berkembang secara abnormal,
Maka:
Beli sisi yang undervalued
Jual sisi yang overvalued
Menunggu selisih kembali.
Risiko nyata dari perdagangan pasangan: selisih mungkin tidak pernah kembali
Ini adalah salah satu hal yang paling mudah diabaikan oleh banyak trader kuantitatif pemula.
Selama 'Quant Quake' global tahun 2007:
Banyak strategi perdagangan pasangan gagal secara bersamaan.
Alasan bukan karena model yang salah.
Tetapi:
Dana kuantitatif di pasar menggunakan model yang terlalu mirip.
Ketika beberapa dana terpaksa melakukan deleveraging:
Semua orang menutup posisi secara bersamaan, menyebabkan selisih yang seharusnya kembali malah semakin melebar.
Ini mengungkapkan kenyataan pahit:
Salah satu risiko sistematis terbesar dari kuantitatif adalah,
Itulah 'keramaian strategi'.
Tiga, arbitrase statistik: perdagangan kuantitatif benar-benar memasuki 'era industri'
Jika dikatakan:
Momentum = Arbitrase tren
Mean reversion = Arbitrase penyimpangan
Maka:
Arbitrase statistik adalah mengindustrialisasi semua faktor Alpha.
Apa itu arbitrase statistik?
Inti dari arbitrase statistik adalah:
Tidak bergantung pada satu kesempatan besar, tetapi melalui banyak keuntungan probabilitas kecil, membangun kurva hasil jangka panjang yang stabil.
Ini lebih mirip kasino.
Kasino tidak perlu menang di setiap permainan.
Itu hanya perlu:
Setiap putaran memiliki sedikit keuntungan probabilitas
Jumlah taruhan cukup besar
Akhirnya:
Hukum angka besar akan mengambil alih hasil.
Arbitrase statistik juga demikian.
Proses inti dari arbitrase statistik
Langkah pertama: Pemodelan faktor Alpha
Membangun model multi-faktor untuk ribuan saham:
Faktor-faktor umum termasuk:
Faktor momentum
Faktor nilai
Faktor volatilitas
Faktor kualitas
Faktor likuiditas
Faktor kapitalisasi pasar
Pada dasarnya:
Ini adalah tentang memprediksi 'keuntungan berlebih jangka pendek di masa depan'.
Langkah kedua: Optimasi portofolio
Inilah tempat yang benar-benar mencerminkan kemampuan institusi.
Portofolio tidak hanya perlu menghasilkan uang, tetapi juga perlu:
Netral pasar
Netral industri
Netral gaya
Netral beta
Volatilitas dapat dikendalikan
Penarikan dapat dikendalikan
Oleh karena itu:
Arbitrase statistik modern, pada dasarnya lebih mirip:
'Rekayasa risiko'.
Langkah ketiga: Sistem eksekusi
Banyak orang berpikir:
Yang paling penting dalam kuantitatif adalah model.
Sebenarnya:
Bagi lembaga besar,
Yang benar-benar menentukan hidup dan mati sering kali adalah:
Kontrol slippage
Dampak perdagangan
Manajemen likuiditas
Pengelolaan pesanan
Optimasi tertunda
Karena:
Alpha sangat tipis, biaya sangat tebal.
Mengapa arbitrase statistik semakin sulit?
Pada tahun 1990-an, arbitrase statistik termasuk 'dividen informasi asimetris'.
Tetapi hari ini:
Data semakin transparan
Kekuatan komputasi semakin murah
Pemodelan AI semakin umum
Faktor-faktor sangat ramai
Jadi:
Alpha terus menurun.
Industri mulai masuk ke:
'Perlombaan persenjataan infrastruktur'.
Dimensi kompetisi dari:
Siapa yang tahu faktor-faktor
Secara bertahap berkembang menjadi:
Siapa yang menghitung lebih cepat
Siapa yang memiliki biaya transaksi lebih rendah
Siapa yang manajemen risikonya lebih kuat
Siapa yang dapat terus menemukan Alpha baru
Empat, era AI: kuantitatif sedang beralih dari 'kompetisi strategi' ke 'kompetisi sistem'
Ini adalah perubahan industri paling inti tahun 2025-2026.
Dulu:
Kuantitatif berfokus pada:
Faktor
Model
Matematika
Hari ini:
AI sedang mengubah struktur industri secara keseluruhan.
Apa yang benar-benar diubah oleh kuantitatif AI?
Automatisasi penemuan Alpha
Dulu:
Peneliti perlu mencari faktor secara manual.
Hari ini:
AI dapat otomatis:
Menggali fitur
Menghasilkan faktor
Menguji korelasi
Melakukan verifikasi luar sampel
Menemukan hubungan non-linear
Produksi Alpha mulai terindustrialisasi.
Data tidak terstruktur memasuki pasar
Kuantitatif tradisional terutama bergantung pada:
Candlestick
Laporan keuangan
Volume perdagangan
Tetapi setelah munculnya AI:
Pasar mulai menangani:
Berita
Media sosial
Data on-chain
Data satelit
Suara
Video
Teks makro
Ini berarti:
AI sedang mengubah 'kesenjangan informasi' menjadi 'kesenjangan kognisi'.
Manajemen risiko yang cerdas
Nilai terbesar AI, mungkin bukan 'meningkatkan hasil'.
Tetapi:
Mengurangi probabilitas keruntuhan strategi.
Termasuk:
Penyesuaian posisi yang dinamis
Identifikasi volatilitas waktu nyata
Pemantauan risiko likuiditas
Identifikasi Regime Shift
Kuantitatif AI yang sebenarnya, inti bukanlah memprediksi pasar.
Tetapi:
Menyesuaikan diri secara dinamis dengan pasar.
Lima, kerangka kerja terpadu dari tiga strategi: pada dasarnya tidak saling bertentangan
Banyak orang berpikir:
Momentum dan mean reversion saling bertentangan.
Sebenarnya tidak.
Mereka hanya:
Pada berbagai skala waktu, perbedaan efisiensi pasar ditampilkan dengan cara yang berbeda.
Struktur pasar pada berbagai skala waktu
Skala waktu Dominasi Logika Fenomena Inti Super Pendek (Intra-hari) Struktur Mikro Likuiditas, perilaku pasar Pendek (1-12 bulan) Momentum Penyebaran informasi yang tidak lengkap Menengah (1-3 tahun) Tahap campuran Tren dan koreksi coexist Lama (3-5 tahun) Mean reversion Perbaikan valuasi dan koreksi reaksi berlebihan Sementara arbitrase statistik:
Adalah mengintegrasikan semua logika ini secara industrial.
Enam, kuantitatif tingkat institusi yang sebenarnya, bukan 'memprediksi pasar', tetapi mengelola risiko
Kesalahpahaman terbesar di industri kuantitatif adalah:
'Quant = mesin uang dengan tingkat kemenangan tinggi'.
Sebenarnya:
Lembaga pengelolaan aset top dunia selalu memfokuskan diri pada:
Tingkat pengembalian.
Tetapi:
Stabilitas pengembalian yang disesuaikan dengan risiko.
Karena:
Hasil tinggi tidak berkelanjutan
Leverage tinggi pasti rapuh
Alpha akan menurun
Struktur pasar akan berubah
Institusi yang benar-benar bertahan dalam jangka panjang tidak bergantung pada 'selalu benar'.
Tetapi:
Tetap tidak mematikan dalam kesalahan.
Tujuh, kesimpulan
Momentum, mean reversion, arbitrase statistik,
Pada dasarnya membentuk tiga 'inti Alpha' terpenting di dunia kuantitatif modern.
Mereka dapat melewati 200 tahun sejarah pasar,
Bukan karena pasar selalu tidak efisien,
Tetapi karena:
Sifat manusia, likuiditas, preferensi risiko, batasan institusi,
Tidak pernah benar-benar berubah.
Tetapi industri hari ini telah memasuki tahap baru:
Dulu yang diperebutkan adalah 'strategi'; sekarang yang diperebutkan adalah 'sistem';
Dulu yang diperebutkan adalah 'faktor'; sekarang yang diperebutkan adalah:
Kemampuan AI
Kemampuan data
Kemampuan manajemen risiko
Kemampuan komputasi
Kemampuan eksekusi
Kemampuan industrialisasi organisasi
Era pengelolaan aset kuantitatif AI yang sebenarnya,
Sudah tidak lagi:
'Siapa yang akan menulis strategi'.
Tetapi:
Siapa yang dapat terus membangun pabrik Alpha.
—— Solusi kustomisasi merek perdagangan AI untuk pengusaha | komunitas | lembaga pengelolaan aset crypto | KOL perdagangan
Bubble VCBLO1