Simpangan Baku Bergerak untuk Deret Waktu

Apa itu Simpangan Baku Bergerak?

Simpangan baku bergerak (juga disebut rolling SD atau trailing volatility) menghitung simpangan baku pada jendela waktu yang bergeser. Berbeda dengan simpangan baku statis yang menggunakan semua data historis, moving SD berfokus pada pengamatan terkini, menjadikannya penting untuk mendeteksi perubahan volatilitas dari waktu ke waktu.

Teknik ini fundamental di pasar keuangan, di mana volatilitas tidak konstan tetapi berubah seiring waktu. Suatu saham mungkin tenang selama berbulan-bulan, kemudian tiba-tiba menjadi sangat volatil selama pengumuman pendapatan atau krisis pasar. Moving SD menangkap dinamika ini secara real-time.

Cara Menghitung Simpangan Baku Rolling

Untuk setiap titik waktu, hitung simpangan baku dari n titik data sebelumnya. Saat Anda bergerak maju, jendela bergeser, selalu menggunakan n nilai terkini. Ini menciptakan deret waktu estimasi volatilitas.

import pandas as pd
import numpy as np

# Load your time series data
df = pd.read_csv('stock_prices.csv')

# 20-day rolling standard deviation
df['rolling_std_20'] = df['returns'].rolling(window=20).std()

# Annualized volatility (assuming daily returns)
df['annualized_vol'] = df['rolling_std_20'] * np.sqrt(252)

# Multiple windows for comparison
df['rolling_std_10'] = df['returns'].rolling(window=10).std()
df['rolling_std_50'] = df['returns'].rolling(window=50).std()

Perhatikan bahwa (window-1) nilai pertama akan menjadi NaN karena Anda memerlukan setidaknya n pengamatan untuk menghitung. Dalam praktik, Anda dapat menggunakan parameter min_periods untuk mulai menghitung lebih awal dengan pengamatan lebih sedikit.

Memilih Ukuran Jendela yang Tepat

Ukuran jendela menciptakan tradeoff antara responsivitas dan stabilitas:

• Jendela pendek (5-10 hari):Bereaksi cepat terhadap perubahan volatilitas tetapi berisik dan mungkin menghasilkan sinyal palsu
• Jendela menengah (20-30 hari):Menyeimbangkan responsivitas dengan stabilitas; 20 hari adalah standar industri untuk Bollinger Bands
• Jendela panjang (50-100 hari):Halus dan stabil tetapi lambat mendeteksi perubahan rezim; baik untuk analisis tren

Aplikasi Dunia Nyata

Simpangan baku bergerak digunakan secara luas di keuangan dan ilmu data:

• Manajemen Risiko:Menghitung Value at Risk (VaR) menggunakan volatilitas terkini alih-alih rata-rata historis
• Penetapan Harga Opsi:Mengestimasi parameter volatilitas tersirat untuk Black-Scholes dan model lainnya
• Manajemen Portofolio:Menyesuaikan ukuran posisi berdasarkan volatilitas saat ini; mengurangi eksposur saat volatilitas melonjak
• Deteksi Anomali:Mengidentifikasi periode tidak biasa ketika volatilitas saat ini menyimpang secara signifikan dari rata-rata bergerak
• Analisis Teknikal:Bollinger Bands, Keltner Channels, dan indikator berbasis volatilitas lainnya

Bollinger Bands Dijelaskan

Bollinger Bands adalah aplikasi paling terkenal dari simpangan baku bergerak. Dikembangkan oleh John Bollinger pada tahun 1980-an, mereka menciptakan amplop dinamis di sekitar harga yang beradaptasi dengan volatilitas.

Band melebar selama periode volatil dan menyempit selama periode tenang. Trader menggunakannya untuk:

• Mengidentifikasi kondisi overbought/oversold ketika harga menyentuh band
• Mendeteksi “squeeze” (volatilitas rendah) yang sering mendahului breakout
• Menetapkan stop-loss dinamis berdasarkan kondisi pasar saat ini

Pengelompokan Volatilitas

Salah satu fakta empiris terpenting dalam keuangan adalah bahwa volatilitas mengelompok—volatilitas tinggi cenderung mengikuti volatilitas tinggi, dan rendah mengikuti rendah. Ini diformalkan oleh Robert Engle (Hadiah Nobel 2003) dalam model ARCH.

Moving SD mengungkapkan pengelompokan ini secara visual. Ketika Anda memplot rolling volatility dari waktu ke waktu, Anda akan melihat rezim volatilitas tinggi dan rendah yang jelas alih-alih fluktuasi acak. Ini memiliki implikasi mendalam:

• Prediktabilitas:Volatilitas besok kemungkinan mirip dengan hari ini—Anda dapat mengantisipasi risiko
• Anggaran Risiko:Kurangi posisi saat memasuki rezim volatilitas tinggi
• Pemilihan Strategi:Strategi perdagangan yang berbeda bekerja lebih baik di lingkungan volatilitas yang berbeda