Backtest Anda Menipu: Mengapa Anda Harus Menggunakan Data Point-in-Time

Mari kita buat strategi trading sederhana yang bersifat hipotetis. Premisnya mudah dan berakar pada narasi yang sering dibahas: ketika koin keluar dari exchange, biasanya hal ini dianggap bullish. Alasannya logis: koin yang dipindahkan dari exchange biasanya menandakan bahwa pemegang menariknya ke wallet pribadi, sehingga mengurangi pasokan yang tersedia untuk dijual. Sebaliknya, koin yang masuk ke exchange bisa menjadi indikasi bahwa pemegang bersiap untuk menjualnya.

Satu hari outflow saja hanyalah noise. Untuk mengidentifikasi tren yang nyata, kita akan menggunakan moving average crossover pada saldo exchange. Ketika rata-rata jangka pendek turun di bawah rata-rata jangka panjang, ini menandakan bahwa koin secara konsisten keluar dari exchange, bukan sekadar peristiwa terpisah.

Menggunakan saldo exchange dari Glassnode untuk Binance, kita mendefinisikan sebagai berikut:

• Masuk ke pasar ketika rata-rata pergerakan 5 hari dari saldo BTC Binance turun di bawah rata-rata pergerakan 14 hari, menandakan tren outflow yang berkelanjutan.
• Keluar dari pasar ketika rata-rata 5 hari naik kembali di atas rata-rata 14 hari, menandakan bahwa tren outflow telah berbalik dan koin kembali ke exchange.

Kemudian kita membandingkan strategi ini dengan hanya menyimpan BTC pada periode yang sama, mulai 1 Januari 2024 hingga 9 Maret 2026, dengan modal awal $1.000 dan biaya trading 0,1% untuk setiap transaksi.

Cara membaca grafik ini:

🟫 Garis coklat di bagian bawah adalah sinyal trading biner, yang beralih antara posisi masuk pasar (1) dan keluar dari pasar (0).

🟦 Garis biru melacak nilai portofolio strategi dari waktu ke waktu.

🟩 Garis hijau adalah tolok ukur portofolio buy-and-hold.

Kita bisa mengamati bahwa strategi berbasis saldo exchange berkinerja cukup baik, meski pada waktu tertentu strategi buy-and-hold lebih unggul. Namun, pada hari-hari terakhir periode riset, strategi saldo exchange mulai mengejar. Sementara beberapa investor mungkin tertarik pada kombinasi volatilitas yang lebih rendah dan performa yang pada akhirnya sebanding dengan buy-and-hold, angka akhir ini menyesatkan – dan berikut alasannya.

Masalah: Mutasi Data dan Look-Ahead Bias

Metrik tidak bersifat statis. Banyak metrik yang direvisi secara retroaktif saat informasi baru tersedia. Ini terutama berlaku untuk metrik yang bergantung pada clustering alamat atau pelabelan entitas, seperti saldo exchange on-chain. Namun, ini juga terjadi pada metrik seperti volume trading atau harga, karena kadang-kadang exchange tertentu mengirimkan data mereka dengan sedikit keterlambatan.

Artinya, nilai yang Anda lihat hari ini untuk, misalnya, 15 Januari 2024, mungkin bukan nilai yang sama yang diterbitkan pada 15 Januari 2024. Data tersebut telah direvisi dengan wawasan setelahnya. Bila Anda melakukan backtest strategi pada data yang telah direvisi, secara implisit Anda telah menggunakan informasi yang tidak tersedia pada saat keputusan trading akan diambil. Ini menyebabkan look-ahead bias.

Backtest yang Jujur: Menggunakan Data Point-in-Time

Mari kita ulang kembali backtest yang sama persis – logika sinyal sama, parameter sama, tanggal sama, biaya sama – tetapi kali ini menggunakan varian Point-in-Time (PiT) dari metrik Exchange Balance, yang tersedia di Glassnode Studio.

Metrik PiT hanya dapat diappend dan tidak dapat diubah. Setiap data historis merefleksikan hanya informasi yang diketahui pada saat pertama dihitung. Tidak ada revisi retroaktif, tidak ada look-ahead bias.

Meski kita menggunakan metrik yang sama, strategi kali ini menghasilkan hasil yang sangat berbeda, seperti yang digambarkan oleh garis ungu pada grafik baru di bawah ini. Performa secara keseluruhan secara signifikan lebih buruk.

Kendati kedua strategi berperilaku mirip di sebagian besar tahun 2024, kita melihat bahwa versi berbasis PiT gagal menangkap lonjakan kuat pada November 2024 dan Maret 2025 seefektif strategi sebelumnya. Akibatnya, performa kumulatif menyimpang secara signifikan dan akhirnya jauh lebih rendah.

Kesimpulan Utama

Pada contoh ini, strategi ungu yang hanya menggunakan informasi yang tersedia pada waktunya, berkinerja jauh lebih buruk. ► Hasil backtest akan menyesatkan jika menggunakan data yang salah atau telah direvisi. Hanya metrik Point-in-Time yang tidak bisa diubah yang memastikan Anda benar-benar memutar ulang sejarah sesuai kenyataannya.