RPS minggu 12 · 2x50 menit

Risiko & Strategi Trading Aset Kripto

Dasar Teknologi Finansial & Mata Uang Kripto — Magister Manajemen FEB UNDIP

Hari ini kita bahas risiko dan strategi trading crypto dengan tools kuantitatif Excel. Pelajaran kunci: 95% day trader rugi — bukan berarti crypto tidak bagus, tetapi trading aktif tanpa disiplin kuantitatif adalah cara cepat kebangkrutan. Pekan lalu kita bahas regulasi aset kripto RI; hari ini kita masuk ke sisi manajemen risiko dan strategi trading. Anda sebagai manajer keuangan harus paham: kenapa volatilitas BTC 60-80% annualized membuat VaR parametrik (normal distribution) underestimate, kenapa Sharpe ratio tidak menangkap fat tail, dan kenapa Kelly criterion menekan position sizing untuk crypto. Studi kasus: LTCM 1998 blow-up sebagai peringatan strategi rendah-risk + leverage, dan backtesting pitfall yang menghasilkan strategi "500% return 2020-2021" yang gagal forward. Ini adalah jembatan ke P13 DeFi dan P14 sintesis.

Peta Pembelajaran Hari Ini

Sub-CPMK 12: menggunakan Excel atau perangkat lunak statistik untuk mengembangkan, menerapkan, dan mengevaluasi strategi trading aset kripto. Empat indikator yang harus Anda kuasai.

Jam ke-1 (50 menit)

Return, volatilitas, Sharpe ratio
Value at Risk (VaR) & Expected Shortfall (CVaR)
Fat tail & kurtosis crypto (vs saham)

Jam ke-2 (50 menit)

Strategi: HODL, DCA, momentum, mean reversion, arbitrase
Backtesting pitfall: overfitting, survivorship, look-ahead
Kelly criterion & risk parity position sizing

Posisi dalam alur 14 pertemuan: sintesis kuantitatif dari teknologi (P5-P11) → DeFi & tokenisasi (P13) → sintesis FinTech (P14).

95% Day Trader Rugi — Pelajaran Empiris

Studi Bourse de Montréal (dihedge ~): ~95% day trader individu rugi; median loss ~USD 10.000. Crypto lebih volatile dari saham → risiko lebih besar.

Day Trader Rugi

~95%

Bourse de Montréal study (Brad Barber & Terrance Odean) — 95% day trader individu rugi dalam 1 tahun (dihedge ~)

Median Loss

~USD 10.000

Median loss tahunan untuk day trader individu yang rugi (dihedge ~). Hanya 1% yang konsisten profit.

Lead: "Strategi trading tanpa disiplin kuantitatif = gambling. Crypto lebih volatile dari saham → risiko blow-up lebih besar."

Mari kita mulai dengan statistik paling tidak nyaman: studi Bourse de Montréal oleh Brad Barber dan Terrance Odean (terkenal dengan studi behavioral finance investor individu) menemukan ~95% day trader individu rugi dalam 1 tahun. Median loss tahunan sekitar USD 10.000 (dihedge). Hanya sekitar 1% yang konsisten profit. Studi serupa di Brasil (Chague & De-Losso 2014) dan Taiwan (Barber, Lee, Liu, Odean 2014) konfirmasi pola serupa. Untuk crypto, volatilitas 4-5× saham membuat risiko blow-up bahkan lebih besar. Penyebab utama: day trader cenderung (1) overtrade (round-trip cost menggerus profit), (2) overconfident (illusion of skill setelah beberapa profit awal), (3) lack of discipline (exit plan tidak jelas). Pelajaran: bukan crypto yang tidak bagus, tetapi trading aktif tanpa disiplin kuantitatif adalah cara cepat kebangkrutan. Sebagai manajer, anggap trading aktif sebagai bisnis (butuh infrastructure, risk management, backtest) bukan hobi.

Bagian 1 · 1/4

Karakteristik Risiko

Diskusi kelas: Sharpe ratio BTC vs S&P 500 — mana lebih tinggi? Apa Sharpe menceritakan keseluruhan?

Return, Volatilitas, Sharpe Ratio

Tiga metrik fundamental. Crypto: return tinggi tetapi volatilitas sangat tinggi → Sharpe moderat. Sharpe tidak menangkap fat tail.

Arithmetic return = (P_t − P_t-1) / P_t-1 · Volatilitas = std(return) · Sharpe = (mean_return − risk_free) / volatilitas

Metrik Risk-Return

Arithmetic return: rata-rata return periodik
Geometric return: CAGR (compound) — lebih akurat jangka panjang
Volatilitas: standar deviasi return
Sharpe ratio: risk-adjusted return
Sortino ratio: downside deviation only

Benchmark Crypto

BTC 5Y return ~50-80% annualized (dihedge)
BTC volatilitas ~60-80% annualized
BTC Sharpe ~0,7-1,0 (sebanding S&P)
ETH lebih volatile: vol ~80-100%
Altcoin top 100: vol ~100-150%, Sharpe rendah

Sharpe tidak menangkap fat tail. Crypto bisa Sharpe baik tetapi dengan drawdown ekstrim. Sortino (downside deviasi) lebih baik untuk crypto.

Tiga metrik fundamental risk-return. Arithmetic return adalah rata-rata return periodik — misalnya BTC 5-year arithmetic return ~50-80% annualized (dihedge). Geometric return atau CAGR (Compound Annual Growth Rate) lebih akurat untuk jangka panjang sebab memperhitungkan compounding. Volatilitas adalah standar deviasi return — BTC ~60-80% annualized (jauh di atas S&P 500 ~16% atau emas ~15%). Sharpe ratio = (mean_return - risk_free) / volatilitas — risk-adjusted return. BTC Sharpe 5-year ~0,7-1,0 sebanding S&P 500 ~0,6-0,8. ETH lebih volatile (vol ~80-100%) sehingga Sharpe moderat. Altcoin top 100 punya volatilitas ~100-150% dengan Sharpe rendah sebab banyak yang collapse. Limitasi Sharpe: tidak menangkap fat tail (distribusi return tidak normal) — crypto bisa Sharpe baik tetapi dengan drawdown ekstrim yang tak ditangkap standard deviation. Sortino ratio (downside deviation only) lebih baik untuk crypto sebab hanya menghitung volatilitas return negatif, bukan total volatilitas. Sebagai manajer, gunakan kombinasi Sharpe + Sortino + max drawdown untuk evaluasi strategi crypto.

Value at Risk (VaR) & Expected Shortfall (CVaR)

VaR: maksimum loss dalam (1-α)% kasus. CVaR: rata-rata loss di tail. Crypto fat tail → CVaR > VaR signifikan.

VaR α%: P(loss > VaR) = α%. VaR 95% 1-hari USD 10.000 → 95% hari loss < USD 10.000. CVaR = E[loss | loss > VaR]

Jenis VaR

Historical VaR: percentile return historis
Parametric VaR: asumsi normal, mean - z × std
Monte Carlo VaR: simulasi stochastic
Cornish-Fisher VaR: adjust untuk skew/kurtosis
Time horizon: 1-hari, 10-hari, 1-bulan

VaR Crypto (dihedge)

BTC VaR 95% 1-hari: ~6-8%
BTC VaR 99% 1-hari: ~10-12%
ETH VaR 95% 1-hari: ~8-10%
Altcoin top 100 VaR 95%: ~15-20%
CVaR ~1,3-1,5× VaR (fat tail)

Crypto fat tail → VaR parametrik (normal) underestimate. Pakai historical atau Cornish-Fisher. CVaR > VaR signifikan.

Value at Risk (VaR) adalah metrik risk paling umum di finance. VaR α% adalah nilai loss sehingga probabilitas loss melebihi adalah α%. Misalnya VaR 95% 1-hari USD 10.000 berarti 95% hari loss di bawah USD 10.000 (5% hari loss di atas). Tiga jenis VaR: (1) Historical — percentile return historis, paling simple. (2) Parametric — asumsi distribusi normal, mean - z × std. (3) Monte Carlo — simulasi stochastic dengan model return. Cornish-Fisher adalah adjust parametric untuk skewness dan kurtosis non-normal. Untuk crypto, VaR 95% 1-hari BTC ~6-8% (dihedge), 99% ~10-12%. ETH ~8-10%. Altcoin top 100 ~15-20%. CVaR (Conditional VaR atau Expected Shortfall) adalah rata-rata loss di tail — untuk crypto, CVaR ~1,3-1,5× VaR sebab fat tail. Limitasi VaR parametrik (normal) untuk crypto: underestimate sebab distribusi return crypto tidak normal — fat tail, kurtosis tinggi, skewness negatif. Pakai historical atau Cornish-Fisher untuk accuracy. Sebagai manajer, hitung VaR + CVaR portfolio crypto dan stress test untuk skenario 2018, 2022, USDC-SVB.

Fat Tail & Kurtosis Crypto

Return crypto punya kurtosis tinggi (fat tail) dan skewness negatif. Distribusi normal underestimate kemungkinan extreme move.

Fat Tail Crypto

Kurtosis BTC daily return ~7-10 (normal = 3)
Skewness negatif: tail loss lebih ekstrim dari tail gain
Daily move ±10%+ tidak jarang (terjadi ratusan kali)
Daily -30%+ pernah beberapa kali (12 Maret 2020, 19 Mei 2021)
Distribusi power-law: extreme events lebih probable dari normal

Black Monday Analogy

Black Monday 1987: saham -22% dalam 1 hari
= 25-sigma event under normal → tidak mungkin
Tetapi terjadi — sebab fat tail equity return
Crypto mengalami daily -30%+ beberapa kali
Strategi volatility selling rentan blow-up

Fat tail = karakteristik fundamental crypto. Strategi yang profit via selling volatility (credit spread, covered call) rentan blow-up saat tail event.

Fat tail adalah karakteristik fundamental crypto. Kurtosis (ukuran fat tail) BTC daily return ~7-10 (distribusi normal = 3). Artinya extreme events jauh lebih probable dari yang diprediksi normal distribution. Skewness negatif: tail loss lebih ekstrim dari tail gain — sebab panic selling lebih violent dari FOMO buying. Daily move ±10%+ tidak jarang di crypto — terjadi ratusan kali sepanjang sejarah BTC. Daily -30%+ pernah beberapa kali: 12 Maret 2020 (COVID crash BTC -40% dalam 1 hari), 19 Mei 2021 (China FUD -30% dalam 1 hari), 9 Mei 2022 (Terra collapse cascade). Distribusi return crypto mengikuti power-law, bukan normal — extreme events lebih probable dari normal. Black Monday 1987 (sahham -22% dalam 1 hari) adalah 25-sigma event under normal distribution — tidak mungkin terjadi, tetapi terjadi sebab fat tail equity return. Crypto mengalami daily -30%+ beberapa kali — analog dengan Black Monday tapi lebih sering. Implikasi strategi: volatility selling (credit spread, covered call, straddle short) yang profit dalam sideways market rentan blow-up saat tail event. LTCM 1998 adalah pelajaran klasik (akan kita bahas). Sebagai manajer, selalu stress test portfolio crypto untuk fat tail.

HDN-1: Volatilitas & VaR 95% Bitcoin dari Nol

Skenario: 30 hari return BTC, mean = 0,2%/hari, std = 4%/hari. Hitung volatilitas annualized, VaR 95% 1-hari, VaR 95% 10-hari, CVaR 95%.

Langkah	Perhitungan	Nilai
1. Mean harian	—	0,2%
2. Std harian	—	4%
3. Annualized vol	std × √365	4% × 19,1 = 76,4%
4. VaR 95% 1-hari (parametrik)	z × std - mean = 1,65 × 4% - 0,2%	6,4%
5. VaR 95% 10-hari	1-hari × √10	6,4% × 3,16 = 20,3%
6. CVaR 95% (parametrik)	~1,3 × VaR	8,3% 1-hari
7. USD untuk portofolio USD 100.000	VaR 10-hari × 100.000	USD 20.300 (5% probabilitas)

Kesimpulan

VaR 10-hari ~20%

Portofolio USD 100.000 berpotensi loss USD 20.000 dalam 2 minggu (5% probabilitas). Fat tail → VaR parametrik underestimate, pakai historical.

Mari kita hitung VaR Bitcoin dari nol dengan asumsi 30-hari return. Mean harian 0,2%, std harian 4%. Volatilitas annualized = std harian × √365 = 4% × 19,1 = 76,4% (kira-kira konsisten dengan benchmark ~60-80% yang kita bahas tadi). VaR 95% 1-hari parametrik: z × std - mean = 1,65 × 4% - 0,2% = 6,4% (di mana z=1,65 adalah z-score untuk 95% one-tailed). VaR 95% 10-hari: 6,4% × √10 = 6,4% × 3,16 = 20,3% (square-root-of-time rule). CVaR 95% ~1,3 × VaR = 8,3% 1-hari (sebab fat tail crypto). Untuk portofolio USD 100.000: VaR 10-hari = USD 20.300 — artinya 5% probabilitas loss melebihi USD 20.300 dalam 2 minggu. Implikasi manajerial: VaR 10-hari ~20% untuk crypto adalah realitas. Untuk investor institusi yang biasa VaR 10-hari ~5-10% untuk saham, crypto butuh position sizing lebih kecil. VaR parametrik (normal) underestimate sebab fat tail — untuk accuracy, pakai historical VaR atau Cornish-Fisher adjust untuk kurtosis/skewness. Sebagai manajer, hitung VaR portfolio crypto dan stress test untuk skenario 2018, 2022, dan Terra collapse.

Bagian 2 · 2/4

Strategi Trading

Diskusi kelas: HODL vs DCA vs Lump Sum — mana paling cocok untuk investor ritel crypto?

HODL, DCA, Buy-the-Dip

Tiga strategi pasif yang populer di crypto retail. HODL (long-term), DCA (timing risk reduction), Buy-the-Dip (intuitive tetapi sulit).

HODL (Buy & Hold)

Beli sekali, tahan lama. Asal "Hold On for Dear Life" — misspelling forum Bitcoin 2013. Strategi buy-and-hold crypto.

DCA (Dollar Cost Averaging)

Investasi tetap berkala (mis. USD 100/minggu). Menurunkan timing risk — average entry price.

Buy-the-Dip

Beli saat harga turun X%. Strategi timing intuitif tetapi sulit — bisa jadi "knife catching".

Studi: DCA biasanya > Lump Sum di asset volatile. Buy-the-dip intuitif tetapi sulit — bisa jadi "knife catching". HODL efektif jika thesis jangka panjang jelas.

Tiga strategi pasif populer di crypto retail. HODL (Hold On for Dear Life) berasal dari misspelling "HOLD" di forum Bitcoin Talk 2013 oleh user Skyrage — kemudian diadopsi sebagai mantra buy-and-hold crypto. Strategi: beli sekali, tahan lama, jangan panic sell saat drawdown. Efektif jika thesis jangka panjang kuat (BTC sebagai digital gold). DCA (Dollar Cost Averaging) adalah investasi tetap berkala — misalnya USD 100 per minggu atau per bulan, terlepas dari harga. Keuntungan: menurunkan timing risk sebab average entry price — beli lebih banyak unit saat harga rendah, lebih sedikit saat harga tinggi. Studi empiris (Vanguard, Charles Schwab) menunjukkan DCA biasanya > Lump Sum di asset volatile sebab mengurangi timing risk. Buy-the-Dip adalah strategi intuitif: beli saat harga turun X% (mis. -10% atau -20%). Sulit di implementasi sebab tidak tahu kapan "bottom" — bisa jadi "knife catching" (membeli saham jatuh yang masih akan turun lebih jauh). Untuk crypto retail dengan volatilitas tinggi, DCA adalah default yang paling robust. Sebagai manajer, DCA adalah strategi paling defenseable untuk client yang baru ke crypto.

Momentum & Mean Reversion

Dua kelas strategi aktif. Momentum: beli yang naik. Mean reversion: beli yang oversold. Time horizon berbeda.

Momentum (Trend Following)

Beli yang naik, jual yang turun
Indikator: crossing MA (50/200), MACD, RSI
Time horizon: harian-mingguan
Empiris: Jegadeesh-Titman 1993 (equity)
Crypto momentum kuat sebab feedback loop
Risiko: whipsaw (false signal di sideways)

Mean Reversion

Beli yang oversold, jual overbought
Indikator: RSI <30 (oversold), Bollinger Band
Time horizon: intraday - swing
Bekerja di sideways market
Crypto: BTC mean-reverting jangka pendek
Risiko: trend continuation (counter-trend rugi)

Momentum terbukti empiris di banyak asset (Jegadeesh-Titman 1993). Crypto momentum kuat sebab feedback loop. Mean reversion bekerja di sideways market.

Dua kelas strategi aktif. Momentum (trend following): beli yang sedang naik, jual yang sedang turun. Indikator teknikal: crossing Moving Average (MA 50/200 — golden cross dan death cross), MACD (Moving Average Convergence Divergence), RSI (Relative Strength Index) di atas 70. Time horizon harian-mingguan. Empiris: Jegadeesh-Titman 1993 paper "Returns to Buying Winners and Selling Losers" menunjukkan momentum profitable di equity. Crypto momentum kuat sebab feedback loop positif (price naik → media attention → new buyer → price naik lagi). Risiko: whipsaw (false signal di sideways market, strategi rugi banyak small loss). Mean Reversion: beli yang oversold, jual overbought. Indikator: RSI di bawah 30 (oversold), Bollinger Band lower band. Time horizon intraday hingga swing (hari-hingga). Bekerja di sideways market (ranging). Crypto: BTC cenderung mean-reverting jangka pendek (jam-hari) sebab profit-taking cycle. Risiko: trend continuation (counter-trend rugi besar saat strong trend). Sebagai manajer, kombinasikan momentum + mean reversion dalam portfolio strategi untuk diversifikasi regime.

Arbitrase, Funding Rate, Basis Trade

Tiga strategi market-neutral yang profit dari inefficiency pasar. Rendah risiko tetapi thin margin, butuh execution cepat.

Strategi	Mekanisme	Return Typical	Risiko
Arbitrase Spatial	Beli murah exchange A, jual mahal exchange B	~0,1-1% per trade	Execution risk, withdrawal delay
Funding Rate Arbitrage	Long spot + short perpetual futures	~10-30% APY saat bull	Exchange risk, liquidation
Basis Trade (Cash & Carry)	Long spot + short futures kontrak	~5-20% APY	Margin call, exchange risk
Statistical Arbitrage (Pairs)	Long-short correlated pairs	~10-30% APY	Correlation breakdown
Triangular Arbitrage	Eksploitasi cross-rate inconsistency	~0,01-0,1% per trade	Latency, fee

Arbitrase rendah risiko tetapi thin margin, butuh execution cepat. Funding rate perpetual crypto unik — yield 10-30%/tahun untuk short futures saat bull market.

Tiga strategi market-neutral yang profit dari inefficiency pasar. Pertama, Arbitrase Spatial: beli murah di exchange A (mis. BTC di Binance USD 60.000), jual mahal di exchange B (mis. BTC di Coinbase USD 60.050) — capture spread USD 50. Return tipis ~0,1-1% per trade, butuh execution cepat (low latency) dan biaya transfer antar-exchange. Risiko: execution risk (price move selama transfer), withdrawal delay (exchange hold). Kedua, Funding Rate Arbitrage: long spot (beli BTC spot) + short perpetual futures di exchange yang sampe — capture funding rate yang dibayar long ke short saat market bullish (funding positive). Yield typical ~10-30% APY saat bull market. Risiko: exchange risk (exchange collapse — kasus FTX), liquidation jika margin tidak cukup. Ketiga, Basis Trade (Cash & Carry): long spot + short futures kontrak (CME, Binance) — capture premium futures (contango). Yield ~5-20% APY tergantung basis. Risiko: margin call, exchange risk. Statistical Arbitrage (pairs trading): long-short correlated pairs (mis. long ETH short BTC saat spread melebar). Triangular Arbitrage: eksploitasi cross-rate inconsistency antar tiga pair (BTC/USDT, ETH/BTC, ETH/USDT). Sebagai manajer, arbitrase rendah risiko tetapi infrastructure-intensive — bukan untuk retail.

HDN-2: Sharpe DCA vs Lump Sum Bitcoin

Skenario: BTC 2020-2023; lump sum USD 10.000 Jan 2020 vs DCA USD 200/minggu (USD 10.000 total dalam 50 minggu). Angka ilustratif.

Strategi	Entry	Akhir 2023 (~USD 42.000)	Sharpe (ilustratif)
Lump Sum Jan 2020	~BTC 0,142 (@ ~USD 9.000)	USD 5.964	~0,8
DCA 50 minggu USD 200	Rata-rata ~USD 11.000	USD 4.200	~1,0
Buy-the-Dip -30% dari peak	Beli saat drawdown	Bervariasi	~0,7

Kesimpulan

DCA > Lump Sum di high-vol

DCA menurunkan drawdown entry; Sharpe DCA umumnya > lump sum di high-vol period. Tetapi di secular bull, lump sum > DCA (lebih cepat exposed).

Mari kita bandingkan Sharpe DCA vs Lump Sum untuk Bitcoin 2020-2023 (angka ilustratif — actual price bervariasi per tanggal). Lump Sum Jan 2020: beli USD 10.000 BTC di harga sekitar USD 9.000 (Jan 2020) → dapat ~BTC 0,142. Akhir 2023 pada harga ~USD 42.000 → value USD 5.964 — total return sekitar -40% sebab entry di Jan 2020 (sebelum COVID crash Maret 2020 -50%). Sharpe ilustratif ~0,8. DCA 50 minggu USD 200: beli USD 200/minggu sepanjang 2020, rata-rata entry price lebih rendah dari peak (sebab beli saat harga naik turun) — sekitar USD 11.000 average. Total dapat BTC sekitar 0,1, akhir 2023 value ~USD 4.200. Sharpe ilustratif ~1,0 — lebih tinggi dari lump sum sebab volatilitas entry lebih rendah. Buy-the-Dip -30% dari peak: beli saat drawdown, bervariasi tergantung timing. Kesimpulan: DCA umumnya > Lump Sum di high-volatility period sebab mengurangi timing risk dan drawdown entry. Tetapi di secular bull stable (mis. BTC 2017 atau 2021), lump sum > DCA sebab lebih cepat exposed ke upside. Sebagai manajer, DCA adalah default untuk retail yang baru ke crypto sebab mengurangi regret psychological dari entry timing yang buruk.

Bagian 3 · 3/4

Backtesting & Pitfall

Diskusi kelas: backtest 2020-2021 menunjukkan strategi profit 500% — apakah ini menjamin forward? Apa pitfall?

Walk-Forward & Out-of-Sample Validation

Walk-forward: training rolling window, testing periode berikutnya. Out-of-Sample (OOS): data tak terlihat saat training. Standard time-series finansial.

Walk-Forward Validation

Training window: mis. 2020-2021
Testing window: 2022 (out-of-sample)
Rolling: 2021-2022 train, 2023 test
Dst. — simulate real-time deployment
Crypto: data terbatas (BTC sejak 2009, altcoin sejak 2017-2020)

Out-of-Sample (OOS) Rule

Data testing TIDAK boleh terlihat saat training
Parameter tuning di train, evaluasi di test
Walk-forward standard untuk time-series finansial
Crypto: regime 2017 (ICO), 2020-2021 (DeFi), 2022 (bear), 2024 (ETF)
Backtest pre-2020 mungkin tidak relevan untuk regime 2024

Backtest tanpa OOS = hampir pasti overfit. Walk-forward standard untuk time-series finansial. Crypto: regime change cepat.

Walk-forward validation dan Out-of-Sample (OOS) testing adalah standard methodology untuk evaluasi strategi trading. Walk-forward: training rolling window — misalnya train strategi di 2020-2021, test di 2022 (OOS). Lalu rolling: train di 2021-2022, test di 2023. Dst. Ini mensimulasikan real-time deployment di mana kita hanya punya data masa lalu. Out-of-Sample rule: data testing TIDAK boleh terlihat saat training — parameter tuning di train set, evaluasi di test set. Walk-forward standard untuk time-series finansial sebab menghormati temporal order. Crypto spesifik: data terbatas — BTC sejak 2009 (15 tahun), altcoin top 100 sejak 2017-2020 (3-7 tahun). Regime change cepat: 2017 (ICO boom), 2020-2021 (DeFi summer + bull), 2022 (crypto winter), 2024 (ETF spot institutional). Strategi yang profitable di 2020-2021 mungkin tidak profitable di 2024 sebab market microstructure berubah (institusi masuk, retail leverage berkurang, regulation ketat). Backtest pre-2020 mungkin tidak relevan untuk regime 2024 sebab likuiditas, volatilitas, dan peserta pasar berbeda. Sebagai manajer, selalu test strategi dengan walk-forward, dan skeptis dengan "backtest 500% return 2020-2021" yang tidak punya OOS validation.

Overfitting, Survivorship, Look-Ahead Bias

Tiga pitfall paling sering dalam backtesting crypto. Masing-masing menghasilkan backtest inflated yang gagal forward.

Pitfall	Mekanisme	Contoh Crypto
Overfitting	Terlalu banyak parameter → backtest tinggi, forward gagal	RSI threshold di-tune sampai backtest 500%
Survivorship Bias	Hanya token yang masih exist di-analisis (yang delisted tak masuk)	Backtest top-100 2024 → bias sebab 90% token 2017 sudah mati
Look-Ahead Bias	Pakai data yang tak available saat keputusan	Closing price di 16:00 untuk order 15:55 (off-by-one)
Data Snooping	Test banyak strategi, pilih yang terbaik	Test 1000 parameter kombinasi, pilih top
Regime Change	Strategi profitable di regime lama, gagal di regime baru	Momentum ICO 2017 → tidak profitable di DeFi 2021

Crypto survivorship ekstrim — ribuan token 2017 yang sudah mati (BitConnect). Look-ahead via off-by-one timestamp umum di code.

Tiga pitfall paling sering dalam backtesting crypto. Pertama, Overfitting: terlalu banyak parameter yang di-tune sehingga backtest tinggi tetapi forward gagal. Contoh: RSI threshold di-tune dari 30 ke 28, 26, 24, ... sampai backtest 500% — ini overfit sebenarnya, sebab parameter di-fit ke noise. Solusi: parameter minim, regularization, walk-forward validation. Kedua, Survivorship Bias: hanya token yang masih exist di-analisis — token yang delisted (mati, scam, abandoned) tak masuk dataset. Crypto survivorship ekstrim — ribuan token dari ICO 2017 yang sudah mati (BitConnect, OneCoin, scam lainnya). Backtest top-100 token 2024 akan bias sebab 90% token 2017 sudah tidak exist. Solusi: gunakan point-in-time dataset yang include delisted token. Ketiga, Look-Ahead Bias: pakai data yang tidak available saat keputusan trading dibuat. Contoh klasik: closing price di 16:00 untuk order 15:55 (off-by-one timestamp). Umum di code — solusi: audit timestamp semua data point. Keempat, Data Snooping: test banyak strategi/parameter dan pilih yang terbaik — secara statistical, dari 1000 kombinasi, beberapa akan terlihat "significant" secara kebetulan. Solusi: Bonferroni correction atau holdout set terakhir. Kelima, Regime Change: strategi profitable di regime lama gagal di regime baru. Contoh: momentum ICO 2017 (token ICO pump 10×) tidak profitable di DeFi 2021. Solusi: walk-forward untuk deteksi regime change. Sebagai manajer, skeptis dengan backtest "indah" yang tidak dijelaskan methodology-nya.

Mini-Kasus: LTCM 1998 — Tail Risk + Leverage

Long-Term Capital Management (Merton, Scholes, Nobel laureates) 1994-1998: arbitrase fixed income, leverage 25:1. Agustus 1998 Russia default → LTCM blow-up → Fed bailout USD 3,6 M.

Tahun	Peristiwa	Pelajaran
1994	LTCM founded (John Meriwether + Nobel laureates Myron Scholes, Robert Merton)	Strategi arbitrase fixed income, Sharpe tinggi
1995-1997	Return konsisten ~40%/tahun, AUM USD 7 M	Investor institutional fomos
1998 awal	Leverage naik ke 25:1 (USD 125 B position di USD 5 B capital)	Margin dari Sharpe tinggi → tail risk amplified
Agustus 1998	Russia default → flight-to-quality global → LTCM arbitrase loss	Correlation semua position jadi 1 saat crisis
September 1998	LTCM rugi USD 4,4 M dalam 4 minggu; margin call	Fed organize bailout USD 3,6 M dari 14 bank
Pelajaran	Strategi rendah-risk + leverage = bomb	Crypto leverage 100× pada perpetual = recipe blow-up

LTCM adalah peringatan abadi. Strategi Sharpe tinggi + leverage → tail risk amplified. Crypto leverage 100× pada perpetual = recipe blow-up. Kelly criterion menekan ini.

LTCM 1998 adalah peringatan abadi untuk risk management. LTCM didirikan 1994 oleh John Meriwether (ex-Salomon Brothers) dengan tim termasuk Nobel laureates Myron Scholes dan Robert Merton (penerima Nobel Economics 1997 untuk Black-Scholes-Merton option pricing model). Strategi: arbitrase fixed income antar-bond yang mispriced — biasanya profit konsisten kecil tetapi dengan leverage tinggi. 1995-1997, LTCM return ~40%/tahun, AUM capai USD 7 miliar. Investor institutional fomos masuk. 1998 awal, leverage naik ke 25:1 — position USD 125 miliar di capital USD 5 miliar. Agustus 1998, Russia default sovereign debt → flight-to-quality global → LTCM arbitrase position loss (correlation semua position jadi 1 saat crisis, sebaliknya dari model). September 1998, LTCM rugi USD 4,4 miliar dalam 4 minggu; margin call cascade. Fed organize bailout USD 3,6 miliar dari 14 bank besar untuk mencegah systemic collapse. Pelajaran fundamental: strategi rendah-risk (arbitrase) + leverage tinggi = bomb. Tail risk amplified exponentially dengan leverage. Crypto analogy: perpetual futures exchange menawarkan leverage 100× kepada retail — jika BTC turun 1%, retail rugi 100% (liquidation). Kelly criterion (akan kita bahas) menekan ini sebab position sizing optimal < 100%. Sebagai manajer, skeptical terhadap strategi "high Sharpe + high leverage" — selalu tanya apa happens saat tail event.

Bagian 4 · 4/4

Position Sizing

Diskusi kelas: berapa % portofolio seharusnya dialokasikan ke crypto? Apa kerangka rasional?

Kelly Criterion & Risk Parity

Kelly criterion (1956): optimal fraction untuk growth rate maksimum. Half-Kelly lebih conservative. Risk parity: alokasi inverse volatilitas → crypto kecil (1-5%).

Kelly: f* = (b × p − q) / b. Untuk crypto, pakai half-Kelly (f*/2) atau quarter-Kelly (f*/4) sebab uncertainty edge.

Kelly Criterion

John Kelly 1956 (Bell Labs) untuk telecom
f* = (win × odds − loss) / odds
Maximum long-term growth rate
Tetapi drawdown besar (50%+)
Half-Kelly (f*/2) lebih populer di praktik
Quarter-Kelly untuk crypto (uncertainty edge)

Risk Parity Portfolio

Alokasi berdasarkan inverse volatilitas
Crypto vol ~80% → weight kecil
Contoh balanced: 60% equity, 30% bond, 5% emas, 1-5% crypto
BlackRock BUIDL: alternative 5-10% treasury token
Institusi: 1-2% BTC sweet spot
Retail agresif: 5-15% crypto (max)

Kelly memberikan growth rate maksimum jangka panjang tetapi drawdown besar. Half-Kelly populer di praktik. Risk parity mengalokasikan 1-5% ke crypto untuk portofolio balanced.

Dua kerangka position sizing. Kelly criterion (John Kelly 1956, Bell Labs) awalnya untuk telecommunications capacity allocation, diadopsi oleh Edward Thorp untuk blackjack dan finance. Formula: f* = (b × p − q) / b di mana p = probability win, q = probability loss (1-p), b = odds (win/loss ratio). Untuk crypto, half-Kelly (f*/2) atau quarter-Kelly (f*/4) lebih populer sebab uncertainty edge — kita tidak tahu probability menang dengan pasti. Kelly memberikan maximum long-term growth rate tetapi drawdown besar (50%+ pada full-Kelly). Risk parity adalah pendekatan portfolio construction yang alokasi berdasarkan inverse volatilitas — aset dengan volatilitas tinggi dapat weight kecil. Untuk crypto dengan volatilitas ~80%, weight dalam portfolio balanced hanya 1-5%. Contoh portfolio risk parity: 60% equity (vol 16%), 30% bond (vol 5%), 5% emas (vol 15%), 1-5% crypto (vol 80%). BlackRock BUIDL sebagai alternative treasury token 5-10%. Untuk institusi pension/endowment, alokasi 1-2% BTC adalah sweet spot untuk diversifikasi (uncorrelated to traditional asset dalam jangka panjang, walaupun short-term correlation naik). Untuk retail agresif dengan time horizon 5-10 tahun, max 5-15% crypto. Sebagai manajer, never full-Kelly — selalu half atau quarter, dan stress test untuk LTCM-style tail event.

Ringkasan Kunci Pertemuan 12

Karakteristik Risiko

Volatilitas BTC 60-80% · VaR 10-hari ~20% · CVaR > VaR (fat tail) · kurtosis 7-10 (normal = 3)

Strategi Trading

HODL · DCA (default retail) · momentum (Jegadeesh-Titman) · mean reversion · arbitrase · funding rate

Backtest & Position Sizing

Walk-forward + OOS · overfitting/survivorship/look-ahead · LTCM 1998 warning · Kelly criterion half

Trading crypto dengan disiplin kuantitatif: VaR + Sharpe + walk-forward + Kelly. Tanpa disiplin = gambling.

Persiapan P13: baca Harvey, Ramachandran & Santoro (2021) *DeFi and the Future of Finance* bab 1-2; bawa satu pertanyaan tentang DeFi protocol. Kuis 10 menit di awal P13.

Tiga lensa kunci yang akan jadi rujukan P13-P14. Pertama, karakteristik risiko — volatilitas BTC 60-80% annualized, VaR 10-hari ~20%, CVaR > VaR signifikan sebab fat tail, kurtosis 7-10 (normal = 3). VaR parametrik underestimate untuk crypto — pakai historical atau Cornish-Fisher. Kedua, strategi trading — HODL untuk thesis jangka panjang, DCA sebagai default retail (menurunkan timing risk), momentum (Jegadeesh-Titman empirical proven), mean reversion di sideways market, arbitrase (rendah risiko tetapi infrastructure-intensive), funding rate perpetual (yield 10-30% APY saat bull). Ketiga, backtesting dan position sizing — walk-forward + OOS sebagai standard, tiga pitfall (overfitting, survivorship, look-ahead), LTCM 1998 sebagai peringatan tail risk + leverage, Kelly criterion half atau quarter untuk position sizing, risk parity 1-5% untuk portfolio balanced. Sampai jumpa di P13 tokenisasi aset dan DeFi — di mana kita bahas lending Compound/Aave, AMM Uniswap, dan tokenisasi RWA BlackRock BUIDL. Jangan lupa kuis 10 menit tentang VaR, fat tail, dan Kelly criterion.