Apa yang Diajarkan Drawdown 99,99% kepada Saya tentang Membangun Bot Trading

Bot trading pertama yang pernah saya rilis ke akun live kehilangan hampir segalanya. Win rate: 25%. Max drawdown: 99,99%. Bot itu tidak meledak karena pasar yang kejam. Bot itu meledak karena saya membangunnya seperti kebanyakan orang membangun bot pertama mereka — sebagai sebuah prototype yang disatukan oleh opini saya sendiri.

Ini adalah kisah mengapa saya menghapus setiap aturan manual dari sistem yang datang setelahnya, dan apa yang diajarkan keputusan itu kepada saya tentang di mana sebenarnya tempat penilaian manusia dalam sebuah strategi otomatis.

Hanya ilustrasi, bukan data kinerja nyata. Keruntuhannya bukan disebabkan oleh satu trade buruk — melainkan oleh seribu keputusan kecil yang penuh percaya diri namun salah.

Kesalahan yang nyaman

Saat Anda baru memulai, aturan yang ditulis secara hard-code terasa seperti kendali. Stop-loss di 3%. Take-profit di suatu angka bulat. Position sizing dari sebuah rumus yang Anda baca di sebuah artikel blog. Setiap aturan terasa bijaksana jika berdiri sendiri. Jika digabungkan, mereka membentuk sebuah mesin rapuh yang belum pernah melihat situasi yang akan dihadapinya.

Sistem pertama saya penuh dengan aturan-aturan ini. Sistem itu juga melakukan komputasi angkanya di CPU, dalam bentuk loop, seperti cara Anda menulis sebuah skrip sekali pakai. Semua itu tidak menjadi masalah selama saya melakukan backtest pada data yang bersih dan bersahabat. Semuanya menjadi masalah pada saat kondisi nyata — fees, slippage, kemungkinan liquidation — muncul. Sebuah stop-loss tetap di 3% yang terlihat disiplin di atas kertas berubah menjadi sebuah mesin yang menjual pada setiap noise sekecil apa pun dan tidak pernah membiarkan sebuah tesis bernapas. Drawdown-nya bukan disebabkan oleh satu trade yang katastrofik. Melainkan oleh seribu keputusan kecil yang penuh percaya diri namun salah.

Pelajaran yang tidak nyaman

Pelajarannya bukanlah “setel stop-loss dengan lebih baik.” Pelajarannya adalah bahwa sayalah yang menjadi penghambatnya. Setiap ambang batas yang di-hard-code adalah saya yang membekukan sebuah tebakan ke dalam sistem dan memaksa masa depan untuk mematuhinya.

Maka pada sistem berikutnya, saya membuat sebuah aturan tentang aturan: di dalam bagian model yang benar-benar belajar, sama sekali tidak ada aturan manual. Tidak ada stop-loss, tidak ada take-profit, tidak ada position sizing, tidak ada leverage. Jika sebuah keputusan memengaruhi cara strategi bertindak, model harus mempelajarinya dari konsekuensi tindakan — bukan mewarisinya dari intuisi saya. (Keamanan di level sistem — batas eksposur, sebuah kill-switch — adalah lapisan terpisah, dan itu tetap ada. Yang dihilangkan adalah saya yang menulis trade secara manual.)

Itu terdengar ekstrem, dan memang demikian. Hal itu juga memaksa sebuah disiplin yang secara diam-diam mengatasi beberapa kegagalan umum para pemula:

• Tanpa prototype. Sebuah prototype adalah janji untuk memperbaikinya nanti, dan “nanti” adalah tempat di mana drawdown 99,99% bermukim. Segalanya ditulis untuk menjadi versi yang sesungguhnya.
• Tanpa magic number. Jika sebuah nilai tidak dipelajari, nilai itu berada di sebuah file config tempat saya bisa melihatnya, memberinya versi, dan mempertanggungjawabkannya — tidak pernah terkubur di dalam kode sebagai sebuah angka yang alasannya akan saya lupakan.
• Backtest harus menyakitkan. Fees, slippage, dan liquidation dimodelkan, karena sebuah backtest yang tidak bisa kehilangan uang dengan cara yang sama seperti akun nyata hanyalah sebuah simulasi yang menyanjung diri sendiri.

Di mana manusia tetap punya tempat

Menghilangkan aturan manual tidak menghilangkan manusianya. Hal itu hanya memindahkan posisinya. Saya tidak lagi memutuskan apa yang dilakukan model pada suatu momen tertentu. Saya memutuskan apa makna “baik” — objective function yang menjadi dasar reward-nya, kondisi yang menjadi dasar pelatihannya, biaya yang harus dihormatinya. Merancang objective itu adalah bagian yang paling manusiawi dari keseluruhan upaya ini, dan jika salah merancangnya jauh lebih berbahaya daripada satu trade buruk mana pun, karena model akan mengoptimalkan persis seperti yang Anda minta, bukan seperti yang Anda maksudkan.

Itulah pertukaran yang akan selalu saya pilih: berhenti berpura-pura bahwa saya bisa menulis sendiri keputusan untuk setiap keadaan di masa depan, dan sebagai gantinya mencurahkan upaya itu untuk mendefinisikan dunia tempat sistem belajar.

Intisarinya

Drawdown 99,99% adalah guru yang mahal, tetapi jelas. Bot itu gagal bukan karena tidak memiliki aturan. Bot itu gagal karena memiliki aturan saya — kaku, tidak teruji terhadap realitas, dan menggantikan proses belajar alih-alih memungkinkannya.

Jika Anda sedang membangun sistem pertama Anda, hal paling berguna yang bisa Anda hapus adalah kepastian Anda sendiri.

Ini adalah bagian 1 dari sebuah catatan anonim yang berkelanjutan tentang membangun sebuah sistem trading berbasis reinforcement learning. Catatan ini membahas metode dan kesalahan, bukan sinyal — tidak ada apa pun di sini yang merupakan nasihat investasi, dan tidak ada detail strategi yang dibagikan.