Panduan Quantitative Trading dan Strateginya

2025.07.09 2025.06.03 Panduan Quantitative Trading dan Strateginya

Michael Hypovhttp://178.248.238.94/blog/authors/mikhail-hypov/

Artikel ini akan menjelaskan secara rinci semua aspek analisis quantitative dan quantitative trading. Anda juga akan mengenal istilah-istilah tersebut, dan mempertimbangkan data historis. Baca terus dan Anda akan mengetahui cara kerja quantitative trading, perangkat lunak apa yang digunakan, dan strategi quantitative trading apa yang paling menguntungkan.

Apa itu Quantitative Trading?

Quantitative trading (juga disebut trading kuantitas) melibatkan penggunaan algoritma komputer dan perangkat lunak. Quantitative trading banyak digunakan di tingkat individu dan institusi untuk trading frekuensi tinggi, algoritmik, arbitrase, dan otomatis.

Tugas trader quantitative adalah menentukan arah tren dan kemungkinan titik pembalikan. Tidak peduli alat, strategi, atau jenis analisis apa yang digunakan untuk hal ini, selama hal tersebut berhasil. Anda hanya perlu mencari titik pembalikan, menentukan kekuatan trend dan memasuki pasar di awal.

Seorang trader quantitative, tidak seperti trader biasa, jarang berpartisipasi dalam proses trading. Quantitative trading melibatkan aktivitas yang berkaitan dengan Ilmu Data dan pemrograman. Sederhananya, seorang trader quantitative harus menentukan pola statistik dan pola pergerakan harga suatu instrumen trading. Data ini kemudian akan digunakan dalam penulisan perangkat lunak untuk trading otomatis.

Contoh strategi quantitative adalah perkiraan cuaca. Ahli meteorologi, dalam pekerjaannya, dipandu oleh data quantitative tentang tekanan atmosfer, suhu, dan kecepatan angin. Mengingat hukum perubahan cuaca, ahli meteorologi dapat membuat perkiraan yang relatif akurat berdasarkan informasi ini. Seorang trader quantitative bekerja dengan cara yang sama.

Poin Penting

• Quantitative trading bergantung pada algoritma otomatis dan analisis data.
• Trading frekuensi tinggi mencakup banyak strategi.
• Analisis quantitative meminimalkan kesalahan perhitungan.
• Quantitative trading memungkinkan diversifikasi aset yang efektif.
• Strategi quantitative bekerja paling baik di pasar yang sangat likuid.

Sejarah quantitative trading

Pada tahun 1973, Fischer Black dan Myron Scholes pertama kali menerbitkan rumus model penetapan harga option. Poin kunci dalam menentukan nilai option adalah ekspektasi volatilitas, yang dapat dihitung secara matematis. Rumusnya mencakup fungsi distribusi kumulatif dari distribusi normal standar, suku bunga bebas risiko (kita melihat hal serupa pada rasio Sharpe), harga spot dan strike, serta volatilitas.

Pada tahun 1997, model Black-Scholes memenangkan Hadiah Nobel di bidang ekonomi, secara radikal mengubah pendekatan pengembangan strategi trading. Hasil 75-80% transaksi berdasarkan analisis matematis membuktikan profitabilitas teknik ini dan trading ekuitas quantitative diadopsi oleh market maker dan bank investasi.

Mengapa kita harus menggunakan Quantitative Trading?

Komunitas trader menganggap trading saham quantitative sebagai evolusi berikutnya dalam analisis pasar. Teknik ini mempunyai banyak keuntungan:

• Skalabilitas.

Trader biasanya menggunakan tidak lebih dari 5-7 alat analisis secara bersamaan, termasuk yang paling sederhana, seperti mengikuti tren atau persilangan moving average. Trading frekuensi tinggi secara hipotetis dapat mencakup strategi dan masukan dalam jumlah tidak terbatas, mulai dari metode analisis matematika klasik hingga studi tentang bias perilaku. Satu-satunya batasan adalah kekuatan komputasi. Namun investor ritel pun memiliki akses terhadap analisis quantitative menggunakan puluhan alat analisis.

• Peluang tak terbatas untuk diversifikasi.

Analisis quantitative cocok untuk pasar mana pun. Dalam trading bursa, alokasi modal yang optimal adalah aspek terpenting dalam pengurangan risiko.

• Sedikit kesalahan.

Arbitrase statistik melibatkan penggunaan data yang sangat akurat. Untuk mengenali pola algoritmik dan membuat prediksi berdasarkan pola tersebut, komputer beroperasi dengan ratusan parameter berbeda dengan akurasi hingga seperseribu, dan terkadang bahkan lebih tinggi. Dengan demikian, kesalahan perhitungan dapat diminimalkan.

• Kecepatan pengambilan keputusan.

Komputasi berkinerja tinggi memungkinkan keputusan trading yang cepat. Hal ini sangat penting ketika melakukan trading dalam time frame terpendek.

Kapan Quantitative Trading Dibutuhkan?

Dengan semakin populernya trading bursa, efisiensi analisis pasar “manual” klasik terus menurun. Oleh karena itu, banyak dana lindung nilai telah lama berpindah dari trading klasik ke quantitative trading.

Kapan quantitative trading diperlukan? Pertama, ketika seorang trader ingin mendiversifikasi portofolio asetnya sebanyak mungkin. Dalam trading tradisional, Anda dapat melacak, menganalisis, dan memperdagangkan maksimal beberapa lusin instrumen. Jika Anda menerapkan quantitative trading, keuangan dapat diinvestasikan dalam ratusan aset. Selain itu, mekanisme eksekusi otomatis memungkinkan Anda mengoperasikan beberapa strategi trading secara bersamaan.

Contoh lainnya adalah menguji strategi dan metode trading. Dengan pendekatan quantitative, dibutuhkan waktu yang jauh lebih sedikit untuk menguji strategi yang ada atau mengembangkan sistem trading baru; statistik ekstensif tentang efektivitas metode yang diuji juga dikumpulkan.

Kondisi pasar diperlukan untuk menerapkan strategi quantitative

Alat analisis quantitative didasarkan pada prinsip sederhana “semakin banyak, semakin baik.” Yang saya maksud adalah kedalaman data historis, jumlah algoritma quantitative trading dan metode analisis yang tersedia, skenario pergerakan harga di masa depan, dan mekanisme pelaksanaan transaksi. Semakin banyak elemen yang disertakan dalam sistem quantitative trading, semakin tinggi keakuratan perkiraannya.

Selain itu, dalam quantitative trading, algoritma pada instrumen trading yang berbeda perlu dijalankan, jika tidak, target keuntungan tidak akan tercapai. Saat memilih aset, ada baiknya memeriksa koefisien korelasinya satu sama lain. Untuk beberapa strategi, korelasinya harus sedekat mungkin dengan nol, sementara strategi lainnya, sebaliknya, dirancang untuk bekerja dalam kondisi korelasi yang jelas.

Metode analisis quantitative belum cukup sempurna untuk diterapkan pada semua jenis pasar dan aset. Strategi quantitative bekerja paling baik pada instrumen yang sangat likuid. Analisis quantitative dapat menghasilkan keuntungan yang cukup besar pada pasar yang seimbang dengan persaingan yang tinggi. Misalnya, dalam trading saham quantitative, profitabilitas hampir selalu lebih tinggi dibandingkan saat trading menggunakan strategi tradisional. Namun, quantitative trading Forex lebih jarang digunakan.

Area lain yang menjanjikan adalah pasar berisiko tinggi, seperti mata uang kripto. Alat Quant Trader, setelah dikonfigurasi, memberikan alokasi modal yang optimal. Mereka lebih mengontrol penarikan maksimum dan menghitung risiko dibandingkan dengan trader.

Efisiensi trading algoritmik quantitative tidak selalu bergantung pada jumlah trading yang menguntungkan. Quant fund menunjukkan hasil investasi yang tinggi dengan jumlah total trading yang menguntungkan lebih dari 50%.

Bagaimana cara kerjanya?

Quantitative trading didasarkan pada analisis matematis; model proyeksi dibuat dan digunakan sebagai bagian dari strategi quantitative trading. Pengetahuan pemrograman diperlukan untuk mengembangkan, menguji, dan mengkonfigurasi perangkat lunak. Bahasa C++, C#, MATLAB, R, dan Python digunakan untuk menulis algoritma quantitative. Algoritma paling canggih dibangun berdasarkan self-learning neural network, yang kemampuannya berada di luar cakupan algoritma standar.

Hampir semua metode quantitative trading bekerja dengan prinsip yang sama:

• Interval waktu tertentu dipilih;
• Kumpulan data dipilih (misalnya, harga pembukaan/penutupan, penarikan, harga tertinggi/terendah, dan sebagainya);
• Tergantung pada data yang diperoleh, metode riset pasar algoritmik dipilih;
• Jangka waktu yang dipilih dianalisis menurut kriteria yang dipilih;
• Berdasarkan analisis, keputusan trading dibuat.

Mari kita lihat contoh sederhana. Misalkan harga sebuah saham pada pembukaan trading adalah $5. Pada pukul 12.00, harga naik menjadi $5.82, pada pukul 18.00 menjadi $6.52, dan setelah penutupan posisi intraday, harga turun menjadi $4.62. Pada pivot point, indikator MACD menunjukkan kondisi overbought dan oversold. Oleh karena itu, model matematika paling sederhana dapat mencakup data berikut:

• Waktu saat ini;
• Harga bid-ask saat ini;
• Harga pembukaan;
• Harga tinggi/rendah;
• Arah harga saat ini;
• Pembacaan MACD.

Dengan kumpulan data yang begitu kecil, seorang trader dapat mencapai hasil trading yang cukup baik dengan menggunakan strategi tradisional. Namun bayangkan bahwa alih-alih tujuh parameter, 30 atau 50 parameter akan diperhitungkan. Analisis seperti itu berada di luar kemampuan manusia, terutama jika Anda perlu mengambil keputusan trading dengan cepat.

Trading frekuensi tinggi memungkinkan Anda menganalisis lusinan atau ratusan parameter dalam sepersekian detik. Sistem ini secara otomatis menemukan pola, memilih metode analisis yang efektif, dan membuat perkiraan probabilistik berdasarkan pola tersebut. Artinya, seorang trader quantitative tidak mempelajari indikator-indikator pasar secara terpisah tetapi langsung berurusan dengan model matematika yang sudah jadi, yang sudah memperhitungkan titik masuk pasar, stop, area pergerakan harga, trend sideway, spread, kemungkinan meminimalkan transaksi, dll.

Namun, konfigurasi algoritma tidak dapat dialihkan ke mesin. Trader quantitative mencoba memahami perkiraan yang dibuat menggunakan algoritma; mereka melakukan pengujian strategi menyeluruh untuk setiap pasar, menyempurnakan perangkat lunak, mengumpulkan statistik, dan juga mengidentifikasi kesalahan sistematis, mencoba mengurangi biaya trading dan operasional. Hanya ketika sistem trading dikonfigurasi dan dioptimalkan, transaksi dapat dilakukan tanpa partisipasi trader.

Perbedaan antara quantitative trading dan tradisional

Anda mungkin memiliki pertanyaan tentang perbedaan antara quantitative trading dan trading algoritmik. Memang benar, baik trader quantitative maupun trader algo terlibat dalam aktivitas yang sama. Quantitative trading melibatkan pembuatan model matematika untuk analisis pasar, pencarian instrumen trading, dan identifikasi strategi. Seorang trader algoritmik menyiapkan algoritma yang akan membuat alokasi modal optimal dan memaksimalkan keuntungan tanpa campur tangan manusia.

Berikut adalah perbedaan antara trading algoritmik dan quantitative trading:

• Quantitative trading merupakan penyimpangan dari analisis fundamental dan teknis dalam pengertian tradisional. Trader algoritmik menggunakan analisis teknis saat membuat strategi trading.
• Trading algoritmik melibatkan pembukaan posisi dalam kondisi tertentu; trading dikelola oleh bot trading. Trader quantitative menciptakan model yang mengevaluasi peluang trading dengan lebih fleksibel dan hanya secara tidak langsung terikat pada kondisi pembukaan posisi yang ditampilkan oleh algoritma klasik.
• Trading quantitative menggunakan lebih banyak aset dan informasi pasar. Dengan pendekatan ini, Anda bisa mendapatkan data maksimal yang tersedia yang akan berguna dalam pencarian pola harga.

Pada saat yang sama, pendekatan trading algoritmik dan quantitative dapat bekerja sama dengan mudah. Contoh bagus dari kombinasi tersebut adalah trading arbitrase.

Trading arbitrase menggunakan kerentanan sistem pasar yang terdesentralisasi, sehingga Anda bisa mendapatkan keuntungan dari perbedaan harga aset yang sama pada platform trading yang berbeda. Ini adalah jenis trading frekuensi tinggi di mana Anda perlu memantau lusinan bursa dan mengambil keputusan dengan cepat. Trading semacam itu melampaui batas kemampuan manusia dan dilaksanakan hanya dengan bantuan pendekatan algoritmik. Metode perkiraan quantitative berguna dalam mengidentifikasi pola pergerakan pada setiap platform trading. Hal ini memungkinkan Anda selangkah lebih maju dari sebagian besar trader arbitrase.

Contoh penggunaan quantitative trading

Medallion Fund adalah salah satu dana tertua yang menggunakan strategi quantitative trading. Perusahaan ini didirikan oleh ahli matematika dan investor terkenal Amerika James “Jim” Harris Simons, yang dikenal sebagai "Raja Quant". Selama keberadaannya, reksa dana tersebut hanya menunjukkan imbal hasil negatif satu kali. Pada saat yang sama, rata-rata profitabilitas tahunan Medallion bahkan melampaui dana lindung nilai George Soros, Peter Lynch, Warren Buffett, dan investor terkenal lainnya.

Tidak ada yang tahu sistem quantitative trading apa yang digunakan di Medallion, namun beberapa informasi masih ada. Setiap hari, algoritma dana tersebut membuka ratusan ribu trading. Sebagian besar strategi bersifat market-neutral, artinya, strategi tersebut berhasil baik saat pasar naik maupun saat pasar turun. Rasio rata-rata strategi yang menguntungkan, bertentangan dengan ekspektasi, hampir tidak melebihi 50%. Para ahli menyebut Medallion sebagai "the blackest box" di bidang pengelolaan uang, karena belum ada yang mampu mengungkap rahasia James Simons.

Perbandingan profitabilitas Medallion dan S&P 500

​

Juga contoh trading quantitative yang sukses adalah:

• Two Sigma Investments. Dana tersebut didirikan pada tahun 2001. Strategi trading didasarkan pada metode teknologi, seperti kecerdasan buatan, pembelajaran mesin (mirip dengan neural networks), komputasi terdistribusi.
• D.E. Shaw & Co. Dana ini didirikan pada tahun 1988. Perusahaan ini dikenal karena mengembangkan sistem pemodelan canggih dan program untuk melacak anomali pasar.

Sistem quantitative trading

Strategi quantitative trading adalah sistem lengkap untuk mengidentifikasi dan menerapkan peluang trading. Secara konvensional, dapat dibagi menjadi empat subsistem:

• Identifikasi strategi – mencari sistem trading, menganalisis fitur operasi trading.
• Strategi Backtesting – menguji algoritma pada data historis, analisis profitabilitas dan penghapusan kesalahan sistem untuk menurunkan risiko kehilangan uang.
• Sistem eksekusi – sinkronisasi algoritma dengan perangkat lunak trading dan akun broker.
• Manajemen Risiko – alokasi modal, akuntansi untuk meminimalkan biaya transaksi, taruhan, risiko, dll.

Identifikasi Strategi

Semuanya dimulai dengan riset pasar dan pencarian metode trading. Strategi quantitative trading dapat dibagi menjadi dua jenis:

• Strategi tren memperhitungkan psikologi pelaku pasar dan faktor-faktor yang mempengaruhi pergerakan harga. Ini melibatkan pembukaan posisi dalam arah tren.
• Strategi terbalik bekerja berdasarkan prinsip bahwa harga cenderung terhadap nilai rata-ratanya.

Parameter penting dari strategi kuantitas adalah waktu trading dan frekuensinya. Dalam strategi frekuensi tinggi, transaksi dilakukan intraday. Dengan frekuensi rendah, trader dapat menahan posisi terbuka selama dua hari atau lebih. Selain itu, ketika mengidentifikasi strategi quantitative trading, lusinan parameter lain juga diperhitungkan, yang coba tidak dibagikan oleh para trader.

Strategi Backtesting

Backtesting adalah tes kinerja strategi. Ini melibatkan penggunaan perangkat lunak backtest khusus untuk pengujian strategi berdasarkan sampel data untuk periode tertentu.

Pengujian strategi quantitative melibatkan:

• Faktor optimasi – profitabilitas sistem trading diperiksa untuk jangka waktu yang dipilih;
• Faktor kelangsungan aktif – pengujian dilakukan untuk jangka waktu historis 10 tahun atau lebih untuk memeriksa penarikan modal maksimum dan penarikan dari waktu ke waktu.

Namun, kinerja backtested yang tinggi tidak menjamin profitabilitas yang tinggi di masa depan. Pengembalian yang rendah dan risiko kehilangan uang yang tinggi dapat disebabkan oleh bias optimasi, rendahnya akurasi data historis, berbagai kesalahan sistematik, dan biaya transaksi.

Sistem Eksekusi

Untuk membuat sistem algo quant dengan minimal atau tanpa partisipasi trader, diperlukan sistem eksekusi order. Ini adalah algoritma trading yang mengubah pola dan sinyal algoritmik yang dihasilkan oleh strategi menjadi pesanan pasar.

Sistem eksekusinya bisa manual, semi otomatis, atau otomatis penuh. Dua tipe pertama adalah tipikal untuk sistem trading frekuensi rendah. Dengan trading frekuensi tinggi, trader quantitative tidak dapat mengontrol eksekusi semua pesanan. Oleh karena itu, strategi tersebut mencakup mekanisme otomatis.

Manajemen risiko

Risiko trading dapat menghalangi algoritma trading untuk bekerja dengan benar. Ini adalah kesalahan dari strategi itu sendiri yang tidak diperhitungkan selama backtesting, misalnya, definisi yang salah tentang pembalikan utama atau sinyal lainnya. Ada risiko teknis yang terkait dengan pengoperasian peralatan dan server broker secara terus-menerus, dan risiko kognitif yang mempengaruhi persepsi trader, dll.

Jangan lupakan pengelolaan uang. Semuanya perlu disediakan, mulai dari distribusi modal dan penarikan maksimum yang diperbolehkan hingga meminimalkan biaya transaksi.

Pro dan kontra dari quantitative trading

Seperti metode analisis lainnya, quantitative trading memiliki kelebihan dan kekurangan:

Strategi quantitative trading

Izinkan saya menjelaskan beberapa strategi dasar quantitative trading. Trader quantitative mendefinisikan enam strategi trading umum:

• Mean reversion;
• Mengikuti tren;
• Arbitrase statistik
• Pengenalan pola algoritmik;
• Pengenalan bias perilaku;
• Trading dengan aturan ETF;

Mean reversion

Mean reversion adalah salah satu strategi quantitative trading pertama. Ide utamanya adalah bahwa harga sering kali kembali ke nilai rata-ratanya (dalam versi paling sederhana, harga dihitung menggunakan moving average), yang merupakan dasar dari strategi quantitative trading.

Kondisi masuk:

• Harganya menyimpang dari moving average;
• Pasar berbalik arah menuju MA (dikonfirmasi oleh indikator MACD);
• Posisi dibuka searah MA dan ditutup saat harga mencapai moving average.

​

Garis biru pada grafik di atas menandai entry sell ketika candle merah besar ditutup. Titik masuknya dikonfirmasi dengan keadaan overbought yang ditunjukkan oleh indikator RSI. Garis merah menandai stop loss yang ditetapkan pada harga tertinggi lokal, garis hijau menandai take profit di titik pivot dekat EMA.

Mengikuti tren

Ini adalah strategi umum lainnya yang digunakan oleh setiap trader quantitative. Strategi ini bertujuan untuk menghasilkan uang di pasar yang naik atau turun. Metode ini didasarkan pada prinsip teori Dow. Jika ada tren di pasar, maka akan terus berlanjut di masa depan.

Posisi dibuka setelah level support atau resistance terdekat ditembus. Level ini biasanya merupakan nilai tertinggi atau terendah lokal. Kondisi keluar adalah munculnya dua candlestick berbadan sedang yang bergerak berlawanan arah atau satu candlestick berbadan besar.

​

Garis ungu pada grafik di atas menandai level support lokal. Trading dimulai ketika support ditembus dan sinyal candlestick ditutup; level masuk ditandai dengan garis biru. Quantitative trading ditutup ketika candlestick bullish besar ditutup.

Arbitrase statistik

Quantitative trading melalui arbitrase statistik melibatkan menghasilkan keuntungan dengan membeli satu instrumen dan menjual instrumen lain yang berkorelasi dengan instrumen pertama.

Strategi quantitative ini melibatkan pengukuran spread trading antar aset. Segera setelah lebih lebar dari rata-rata, posisi berlawanan dibuka. Posisi buy dibuka untuk aset dengan harga lebih rendah, pada saat yang sama trading sell dilakukan dengan instrumen yang sama. Posisi ditutup ketika spread menyempit ke rata-rata.

​

Mari kita perhatikan contoh pair mata uang yang berkorelasi EURUSD dan USDCHF. Ketika spread menyimpang dari nilai rata-rata, buka dua posisi berlawanan (ditandai dengan garis biru). Garis hijau adalah momen-momen take profit berdasarkan ketentuan strategi trading, yaitu ketika nilai spread kembali ke rata-ratanya (area ungu pada grafik).

Pengenalan pola algoritmik

Trader quantitative menggunakan pola candlestick, dan pencariannya mudah diotomatisasi. Yang saya maksud adalah formasi klasik, seperti shooting star, bear/bullish engulfing, hammer, dll. Strategi quantitative melibatkan pencarian pola-pola tersebut dan membuka posisi segera setelah harga berbalik. Profit diambil dengan menggunakan trailing stop pada level-level penting atau berdasarkan sinyal lainnya.

​

Lingkaran biru pada grafik menyoroti pola bullish engulfing. Sebuah candlestick hijau besar menutupi candlestick merah sebelumnya. Ketika formasi muncul, algoritma membuka posisi setelah pola selesai (garis biru). Stop loss ditetapkan pada pola low dan take profit ditetapkan pada level resistance (garis hijau).

Pengenalan bias perilaku

Quantitative trading dengan menggunakan strategi ini melibatkan pencarian pola perilaku yang khas bagi para trader:

• Status Quo bias adalah pola perilaku yang mirip dengan bias survivorship yang membuat seseorang mempertahankan situasi atau keadaan saat ini atau sebelumnya (misalnya, seseorang tidak boleh keluar dari trading meskipun harga tidak bergerak ke arah yang diperlukan).
• Herd behaviour adalah keputusan untuk mengikuti perilaku orang lain (membeli ketika trader lain membeli).
• Overconfident berarti melebih-lebihkan kemampuan mencapai tujuan (mengharapkan keuntungan meski risikonya tinggi).
• Halo effect adalah bias yang umum, artinya kecenderungan untuk memiliki kesan positif terhadap prospek suatu instrumen trading yang tersedia di tengah kurangnya informasi (misalnya keputusan membeli berdasarkan berita positif).
• Retrospective bias, mirip dengan look-ahead bias, adalah penilaian yang salah bahwa suatu peristiwa di masa lalu dapat diprediksi. Misalnya, setelah pembelian suatu saham gagal, seorang investor percaya bahwa dia secara intuitif mengetahui tentang jatuhnya harga saham berikutnya.

​

Lingkaran biru pada grafik menandai kondisi pasar oversold karena penurunan tajam bitcoin. Perilaku kawanan dan terlalu percaya diri mendorong banyak trader untuk terus berjualan. Faktor ini diperhitungkan oleh algoritma kuantitatif. Posisi sell dibuka pada candlestick berikutnya, dan ketika pasar keluar dari zona oversold, posisi ditutup dengan keuntungan.

Trading dengan aturan ETF

Trading dengan aturan ETF quantitative didasarkan pada prinsip bahwa masing-masing saham sering kali berkorelasi dengan indeks saham yang mereka ikuti. Oleh karena itu, tren harga indeks dapat dilacak dan mengantisipasi harga saham perusahaan terbesar.

​

Gambar di atas menunjukkan grafik harga harian saham S&P 500 dan Apple. Seperti yang Anda lihat, mereka berkorelasi dengan sedikit penyimpangan. Untuk S&P 500, algoritma menemukan tanda-tanda pembalikan di area yang ditandai dengan panah biru. Oleh karena itu, posisi buy dibuka di pasar Apple – garis biru. Trading ditutup ketika tren S&P 500 berbalik, ditandai dengan garis hijau.

Kesimpulan

Quantitative trading adalah upaya lain untuk menciptakan sistem trading sempurna yang dapat memberikan pendapatan stabil, meskipun persaingan antar trader semakin meningkat. Dan, harus saya katakan, strategi quantitative paling maju telah mendekati impian ini. Misalnya, kasus Medallion Fund menunjukkan bahwa dengan bantuan quant trading, seseorang dapat memperoleh keuntungan berkelanjutan selama beberapa dekade.

Namun, seseorang tidak boleh melihat strategi quantitative trading sebagai jaminan keuntungan 100%. Hanya ada sedikit trader quantitative profesional di pasar. Intinya di sini bukanlah kompleksitas strategi, melainkan kemampuan untuk menggunakan alat statistik dan matematika yang kompleks dengan bantuan stasiun trading yang kuat.

Pada saat yang sama, strategi beberapa tahun terakhir dapat mengatasi pasar berisiko tinggi dengan baik, dan perkembangan social trading memungkinkan pemula untuk menyalin quant trading solution dan trading seperti trader profesional. LiteFinance juga menyediakan platform copy trading tempat Anda dapat berpartisipasi dalam social trading. Satu-satunya hal yang harus saya peringatkan kepada Anda adalah Anda tidak boleh mengambil risiko lebih dari yang mampu Anda tanggung kerugiannya. Tidak ada profitabilitas bahkan dari trader quantitative profesional di masa lalu yang menjamin hasil positif di masa depan.