Musiman Volatilitas Intrahari: Pola Waktu dan Batasannya

Musiman volatilitas intrahari berarti skala imbal hasil berbeda secara sistematis pada waktu yang berbeda dalam sesi perdagangan. Distribusi historis imbal hasil 30 menit dekat pembukaan bursa dapat berbeda dari interval 30 menit pada tengah hari. Yang dibahas adalah besar dan sebaran imbal hasil, bukan peluang harga naik atau turun pada jam tertentu

Peneliti telah mendokumentasikan pola volatilitas intrahari berulang pada data saham dan valuta asing. Andersen dan Bollerslev menunjukkan bahwa periodisitas ini memengaruhi dinamika imbal hasil frekuensi tinggi: memodelkannya membantu memisahkan pola waktu dari dinamika volatilitas yang lebih persisten (199700004-2)). Temuan itu mendukung penyesuaian, tetapi tidak membuktikan satu kurva tetap untuk setiap aset, tempat perdagangan, atau periode

Faktor musiman sebaiknya dipakai sebagai garis dasar perbandingan. Faktor ini dapat menunjukkan apakah imbal hasil tidak biasa dibanding skala normal pada jam tersebut, atau mencegah model volatilitas mengira pola sesi rutin sebagai pengelompokan persisten. Panduan volatilitas terealisasi menjelaskan cara menggabungkan kuadrat imbal hasil intrahari menjadi ukuran tingkat sesi; artikel ini berfokus pada profil waktunya

Dalam banyak sampel saham, volatilitas rata-rata lebih tinggi di sekitar pembukaan dan penutupan daripada di tengah sesi reguler sehingga kurvanya dapat menyerupai huruf U. Lelang pembukaan, informasi semalam, kedatangan pelaku pasar, aktivitas portofolio akhir hari, dan mekanisme penutupan dapat terjadi bersamaan dengan perubahan volatilitas. Pola data saja tidak mengidentifikasi penyebabnya

Bentuk profil berbeda menurut pasar dan definisi sesi. Valuta asing diperdagangkan melintasi zona waktu global, bukan di sekitar satu bel pembukaan. Kontrak berjangka dapat diperdagangkan hampir sepanjang hari, tetapi tetap memiliki waktu penyelesaian, jeda pemeliharaan, atau likuiditas yang terkonsentrasi pada jam regional. Pasar kripto 24 jam tidak memiliki pembukaan atau penutupan tunggal kecuali analis menetapkan sesi acuan. Jam yang relevan bergantung pada instrumen, tempat perdagangan, dan aturan pengambilan sampel

Ederington dan Lee mendapati pola U yang dikenal menghilang pada sampel valuta asing mereka setelah pengumuman makro terjadwal dan informasi volatilitas lainnya diperhitungkan (2001). Itu hasil khusus sampel mereka, bukan bukti bahwa semua pasar valas tidak memiliki periodisitas. Temuan tersebut menunjukkan bahwa kurva rata-rata deskriptif tidak boleh dianggap sebagai hukum tetap

Misalkan r₍d,j₎ adalah imbal hasil pada interval intrahari j dalam sesi d. Dekomposisi konseptual yang berguna adalah

r₍d,j₎ = sⱼ ε₍d,j₎ Var(r₍d,j₎ | informasi sebelum interval) = sⱼ² h₍d,j₎

sⱼ adalah faktor skala waktu yang positif, sedangkan h₍d,j₎ mewakili volatilitas yang berubah mengikuti informasi dan kondisi pasar. Faktor sⱼ merupakan ringkasan statistik untuk sampel dan kalender tertentu, bukan efek kausal jam. Dekomposisi ini membantu pemodelan, bukan klaim bahwa semua aset memiliki jadwal deterministik yang diketahui

Jika sⱼ diabaikan, batang dengan varians tinggi yang berulang pada jam tertentu dapat membuat kuadrat imbal hasil tampak persisten. Model GARCH kemudian dapat mengaitkan pola intrahari rutin sekaligus pengelompokan volatilitas yang nyata dengan parameter dinamisnya. Panduan GARCH membahas proses kedua. Penyesuaian musiman dapat membantu membedakannya, tetapi tidak menggantikan pemeriksaan residual, kestabilan parameter, atau spesifikasi alternatif

Jangan samakan faktor skala dan varians. Jika simpangan baku imbal hasil suatu interval dua kali interval lain, variansnya empat kali lebih besar dalam satuan yang sama. Nyatakan apakah faktor diestimasi pada skala simpangan baku, varians, atau imbal hasil absolut, lalu gunakan definisi yang sama saat menormalisasi

Misalkan sampel pelatihan yang berakhir sebelum bulan evaluasi menunjukkan skala tipikal imbal hasil 30 menit sebesar 0,40% dekat pembukaan dan 0,20% sekitar tengah hari. Angka ini hipotetis dan hanya menunjukkan aritmetika. Rasio simpangan baku pembukaan terhadap tengah hari adalah 2, sementara rasio variansnya 4. Ini bukan estimasi untuk aset atau sesi aktual tertentu

Bandingkan imbal hasil 0,40% saat pembukaan dengan 0,20% tengah hari. Membagi besar masing-masing imbal hasil dengan skala historisnya menghasilkan 0,40% / 0,40% = 1 dan 0,20% / 0,20% = 1. Keduanya setara satu unit skala waktunya sendiri. Pergerakan mentah berbeda, tetapi besaran terstandarnya sama menurut profil ilustratif ini

Perhitungan itu tidak menyatakan bahwa salah satu gerak langka secara statistik, akan berbalik, atau menguntungkan untuk diperdagangkan. Nilai terstandar hanya dapat ditafsirkan bersama model distribusi, ketidakpastian estimasi, konteks peristiwa, dan mutu pengukuran. Rasio skala bukan probabilitas, prakiraan, atau sinyal arah

Tentukan instrumen, tempat perdagangan, sesi, panjang batang, sumber harga, dan konvensi imbal hasil. Cocokkan interval relatif sesi yang sama antarsesi historis. Batang lokal bursa 09.30–10.00 tidak boleh diam-diam dibandingkan dengan batang UTC sembarang setelah perubahan waktu musim panas. Tetapkan terlebih dahulu perlakuan untuk lelang, jeda semalam, hari libur, penutupan lebih awal, kuotasi yang hilang, dan hari perdagangan abnormal

Estimasi skala tipikal setiap interval hanya dari tanggal sebelum tanggal prakiraan atau evaluasi. Titik awal yang praktis ialah skala robust pada setiap kelompok waktu, seperti median nilai absolut imbal hasil atau akar rerata kuadrat yang dipangkas. Karena hari bergejolak dapat mendominasi rata-rata gabungan, analis dapat menormalkan tiap sesi dengan skala harian, memperkirakan profil dalam sesi, menghaluskan kelompok berdekatan, lalu menormalkan faktor ke tingkat acuan. Catat metode dan aturan normalisasinya

Dalam backtest historis, bekukan faktor dengan data pelatihan yang tersedia pada setiap awal prakiraan. Perbarui dengan jendela bergulir atau meluas jika sesuai proses langsung. Memperkirakan profil sekali dari seluruh data lalu menerapkannya ke observasi lebih awal membocorkan informasi sesi mendatang dan dapat membuat imbal hasil terstandar tampak lebih stabil daripada kondisi waktu nyata

Pisahkan profil musiman dari perlakuan peristiwa dan estimasi volatilitas hari yang sama. Jika model boleh menggunakan volatilitas yang teramati sebelumnya pada sesi itu, hitung hanya dari batang yang sudah tersedia pada waktu prakiraan. Catat apakah profil khusus untuk hari kerja, bulan kontrak, tempat perdagangan, atau rezim; semakin banyak pemisahan dapat mengurangi bias tetapi menyisakan terlalu sedikit observasi per kelompok

Catat jumlah observasi dan sesi untuk setiap estimasi interval. Hari libur, catatan hilang, atau perdagangan tipis pada jam tertentu dapat membuat faktor mencerminkan cakupan data, bukan variasi pasar. Terlalu banyak kelompok kecil menghasilkan estimasi tidak stabil; tentukan panjang batang dan periode pelatihan sebelum membandingkan hasil. Penghalusan dapat mengurangi noise tetapi menghapus puncak pembukaan atau penutupan, jadi bandingkan profil mentah dan halus serta dokumentasikan aturannya

Jika profil dihitung ulang sepanjang evaluasi historis, simpan versi yang tersedia pada setiap awal prakiraan. Catat batas akhir pelatihan, observasi per kelompok, transformasi, serta tanggal penggunaan setiap faktor. Memilih profil setelah melihat kinerjanya lalu menerapkannya ke tanggal sebelumnya tetap menimbulkan look-ahead melalui proses seleksi

<!-- learn:illustration -->

Pengumuman ekonomi sering dirilis pada jam yang teratur. Lonjakan berulang di sekitar rilis dapat tampak seperti musiman jam biasa, padahal sumber langsungnya adalah berita terjadwal. Ederington dan Lee menelaah volatilitas terkini, pengumuman terjadwal, dan periodisitas bersama; dalam sampel suku bunga dan valuta asing mereka, pengumuman sangat penting untuk periode volatilitas tinggi, dan memperhitungkan informasi mengubah persistensi yang diestimasi (2001)

Jika pertanyaan riset menyangkut pola jam tipikal, analis dapat memisahkan interval pengumuman, menambahkan indikator peristiwa yang ditentukan sebelumnya, atau melaporkan hasil dengan dan tanpa peristiwa. Pilihannya bergantung pada apakah prakiraan yang dituju mencakup pengumuman yang diketahui. Menghapus semua batang peristiwa dapat meremehkan risiko strategi yang tetap memegang posisi saat rilis

Jangan membuat kalender peristiwa memakai informasi yang belum tersedia pada tanggal prakiraan historis. Simpan cap waktu dan revisi rilis bila relevan, bedakan berita terjadwal dan tak terjadwal bila data memungkinkan, serta ungkapkan cakupan pasar dan pengumuman. Faktor waktu saja tidak menjelaskan kejutan atau dampaknya

Kelompok waktu memerlukan definisi jam yang stabil. Untuk bursa dengan sesi reguler, waktu lokal bursa biasanya memetakan pembukaan, tengah hari, dan penutupan secara alami. Jika catatan disimpan dalam UTC, konversikan memakai aturan zona waktu historis tiap tanggal. Offset UTC tetap dapat menggeser batang pembukaan satu jam ketika aturan waktu musim panas berubah dan menciptakan perbedaan semu antar musim

Kalender bursa juga mencakup hari libur, sesi pendek, lelang, penghentian perdagangan, dan jeda khusus kontrak. Batang terakhir pada hari penutupan awal tidak menempati posisi sesi yang sama dengan penutupan biasa. Tetapkan pemetaan observasi ke profil atau estimasi profil terpisah untuk setiap jenis sesi. Untuk futures, catat templat sesi dan perlakuan pergantian kontrak; untuk kripto, tetapkan batas hari dan zona waktu acuan

Faktor harus membandingkan observasi sebanding. Jangan bandingkan batang saham sesi reguler dengan batang futures semalam hanya karena label jam UTC sama. Konsistenkan cap waktu, konstruksi batang, dan sumber harga; periksa kuotasi usang, perdagangan asinkron, atau aturan lelang berbeda. Penyelarasan waktu adalah bagian spesifikasi model, bukan sekadar prapemrosesan

Faktor musiman tetap mengasumsikan pola volatilitas relatif stabil. Asumsi ini dapat gagal. Andersen, Thyrsgaard, dan Todorov menguji periodisitas yang berubah dari waktu ke waktu dan melaporkan bukti pada imbal hasil indeks S&P 500 bahwa pola berubah sebagian mengikuti tingkat volatilitas; saat volatilitas tinggi, interval menjelang penutupan mencakup bagian lebih besar dari volatilitas terintegrasi harian daripada saat volatilitas rendah (2019)

Ini tidak berarti penutupan setiap pasar menjadi lebih bergejolak setiap kali pasar turbulen. Bukti tersebut terkait data, metode, dan sampel mereka. Namun, rata-rata profil jangka panjang dapat menyamarkan perubahan penting. Bandingkan estimasi pada subperiode dan rezim volatilitas, uji kestabilan faktor, dan laporkan ketidakpastian alih-alih menyajikan satu kurva sebagai sesuatu yang permanen

Estimasi bergulir dapat beradaptasi, tetapi lebih berisik dan mungkin mengejar sedikit peristiwa. Profil khusus rezim memerlukan cukup observasi masa lalu pada tiap rezim serta aturan klasifikasi yang tidak menggunakan data masa depan. Jika syarat itu tidak terpenuhi, faktor stabil sederhana dengan kontrol peristiwa eksplisit mungkin lebih mudah ditafsirkan. Panduan kerucut volatilitas membahas perbandingan terpisah distribusi pada berbagai horizon dan sampel

Standardisasi waktu dapat membuat perbandingan volatilitas antarsesi lebih adil, membantu mendiagnosis pola residual, dan mendukung model prakiraan yang membutuhkan inovasi lebih sebanding. Penyesuaian juga dapat menunjukkan bahwa gerak pembukaan yang tampak ekstrem sebenarnya biasa dibanding skala historis interval itu. Penyesuaian tidak mengungkap apakah imbal hasil berikutnya positif atau negatif

Normalisasi juga tidak membuktikan strategi dapat menghasilkan imbal hasil. Strategi memerlukan sinyal dan aturan eksekusi yang lengkap, lalu pengujian luar sampel yang memasukkan spread, biaya, slippage, dampak pasar, latensi, dan kapasitas. Profil historis dapat membantu memodelkan risiko atau kondisi eksekusi, tetapi bukan aturan masuk atau bukti inefisiensi. Panduan varians dan volatilitas menjelaskan mengapa satuan kuadrat dan simpangan baku harus dibedakan

Laporan yang dapat direproduksi harus menyebut instrumen dan tempat perdagangan, zona waktu, kalender sesi, interval sampel, sumber data, estimator, jendela pelatihan, perlakuan pengumuman dan sesi tidak biasa, aturan normalisasi, pemeriksaan stabilitas, serta batas informasi pada awal prakiraan. Tampilkan ketidakpastian dan hasil pada data yang tidak dipakai untuk estimasi. Rincian ini membuat penyesuaian dapat diaudit dan mencegah pola deskriptif berubah menjadi klaim trading tanpa dasar