Apa itu look-ahead bias dalam backtesting?
Look-ahead bias terjadi ketika backtest, yaitu pengujian dengan data historis, memakai informasi yang belum tersedia saat keputusan transaksi simulasi dibuat. Contohnya, harga penutupan bar digunakan sebelum bar tersebut ditutup. Hasil pengujian pun tidak mungkin dicapai strategi yang dijalankan secara langsung. Dalam pengujian EUR/USD kami, transaksi yang dimajukan satu bar mengubah hasil aturan dari 555 menjadi 10.782 pip sebelum biaya.
Apa itu look-ahead bias?
Look-ahead bias adalah kesalahan backtest ketika keputusan simulasi menggunakan data yang belum tersedia pada saat keputusan dibuat. Tidak ada yang sengaja memasukkannya. Nilai dari masa depan berada dalam tabel yang sama dengan data lainnya, satu baris di bawah atau satu kolom di samping, lalu dibaca oleh kode.
Ini berbeda dari overfitting, yaitu ketika strategi disesuaikan hingga cocok dengan fluktuasi acak pada data masa lalu. Strategi yang mengalami overfitting hanya menggunakan informasi yang memang sudah tersedia, tetapi menarik pelajaran yang keliru. Strategi dengan look-ahead bias menggunakan informasi yang belum mungkin tersedia. Overfitting biasanya terlihat secara bertahap setelah strategi dijalankan langsung. Look-ahead bias biasanya langsung terlihat karena data masa depan yang diandalkan dalam pengujian tidak lagi tersedia.
Seberapa besar pengaruh selisih satu bar?
Kami menguji satu aturan sederhana pada data per jam Fintrix Markets MT5 EUR/USD: 4.980 bar dari 13 Januari hingga 29 Oktober 2026.
- Jika harga penutupan per jam berada di atas simple moving average 20 bar, ambil posisi long. Jika berada di bawahnya, ambil posisi short.
Kami menjalankan aturan tersebut dua kali. Satu-satunya perbedaan adalah bar tempat setiap posisi diterapkan.
Versi dengan kebocoran data mengetahui harga penutupan bar N sebelum bertransaksi pada bar N. Bar dengan harga penutupan tinggi lebih mungkin ditutup di atas rata-ratanya. Karena itu, aturan tersebut mengambil posisi long pada bar yang sudah naik. Aturan ini menggambarkan masa lalu dengan baik, tetapi tidak seorang pun bisa menjalankan transaksi seperti itu.
Apakah hasil yang diperbaiki menunjukkan keunggulan trading?
Tidak, dan perhitungannya menjelaskan alasannya. Pergerakan EUR/USD per jam dalam sampel ini memiliki simpangan baku 8,51 pip. Dalam 4.980 bar, aturan tanpa keunggulan apa pun akan menghasilkan nilai sekitar ±600 pip dari nol, kira-kira dua dari tiga kali pengujian (8,51 × √4.980 ≈ 600). Total +555 pip berada dalam rentang tersebut, sehingga bisa terjadi semata-mata karena kebetulan.
Biaya memperjelas kesimpulannya. Aturan ini berganti arah 557 kali. Setiap pergantian berarti menutup satu posisi dan membuka posisi lain. Setiap siklus pembukaan dan penutupan posisi menanggung spread, yaitu selisih antara harga bid dan ask. Dengan biaya 0,5 pip per pergantian, totalnya turun menjadi sekitar +277 pip. Pada biaya 1 pip per pergantian, hasilnya sekitar −2 pip. Pengujian yang diperbaiki memberikan gambaran yang jujur: aturan ini tidak menghasilkan keuntungan selama sepuluh bulan tersebut setelah biaya diperhitungkan.
Dari mana look-ahead bias berasal?
Berikut sumber yang paling umum dalam backtest trader ritel dan EA, yaitu program trading otomatis:
Bagaimana harga tertinggi dan terendah satu bar menyesatkan pengujian?
Pada 14 Oktober 2026, bar EUR/USD per jam pukul 19.00 WIB (12.00 UTC) dibuka pada 1,11926. Harga naik ke 1,11986 dan turun ke 1,11271. Pada jam tersebut, data CPI AS dirilis.
Misalkan posisi short dibuka pada harga pembukaan 1,11926, dengan stop loss, yaitu batas kerugian, pada 1,11980 (5,4 pip). Take profit, yaitu target keuntungan, ditetapkan pada 1,11826 (10 pip). Bar per jam menunjukkan bahwa harga menyentuh kedua level tersebut. Pengujian yang hanya melihat bar per jam harus menebak level mana yang lebih dahulu tersentuh. Jika menebak urutan yang menguntungkan posisi, pengujian mencatat keuntungan 10 pip.
Bar 15 menit menunjukkan kejadian sebenarnya. Harga naik ke 1,11986 pada bar pukul 19.15 WIB (12.15 UTC) dan menyentuh stop loss. Penurunan terjadi pada bar pukul 19.30 WIB (12.30 UTC), setelah posisi ditutup. Hasil sebenarnya adalah kerugian 5,4 pip. Referensi MQL5 menyampaikan hal serupa tentang penguji strategi MT5. Jika hasil dalam mode yang lebih cepat, "1 minute OHLC" atau "Open prices only", terlihat terlalu baik, uji ulang dengan mode "Every tick". Data tick, serta tick riil jika tersedia, adalah satu-satunya cara mengetahui urutan kejadian di dalam bar.
Mengapa data revisi menyebabkan look-ahead bias?
Angka dalam basis data saat ini sering kali berbeda dari angka yang dilihat trader pada hari rilis. US Bureau of Labor Statistics menerbitkan estimasi pertama non-farm payrolls sekitar tiga minggu setelah akhir bulan. Angka itu kemudian direvisi dua kali selama dua bulan berikutnya. Sejak 2003, rata-rata perubahan absolut antara estimasi pertama dan ketiga yang disesuaikan secara musiman mencapai 51.000 pekerjaan.
Data Mei 2026 menjadi contoh yang jelas. Estimasi pertama menunjukkan tambahan 172.000 pekerjaan, estimasi kedua 129.000, dan estimasi ketiga 63.000, turun 109.000. Backtest yang membaca angka 63.000 dari basis data saat ini untuk rilis Juni menggunakan angka yang belum diketahui siapa pun saat itu. Karena itulah tersedia arsip yang menyimpan setiap rilis sebagaimana pertama kali dipublikasikan, salah satunya ALFRED milik St. Louis Fed.
Mengapa risikonya lebih besar pada strategi AI dan machine learning?
Model machine learning sangat mampu menemukan input apa pun yang memprediksi target, termasuk input yang seharusnya tidak tersedia. Orang yang membaca kode mungkin menyadari bahwa sebuah fitur dibangun dari harga penutupan besok. Model hanya akan menggunakannya, sehingga hasil pengujian terlihat sangat baik.
Empat jebakan yang perlu diketahui:
- Pembagian data pelatihan dan pengujian secara acak. Validasi silang standar mengacak baris, sehingga model bisa dilatih dengan data Rabu lalu diuji dengan data Selasa. Karena itu, dokumentasi scikit-learn menyebut validasi silang biasa tidak sesuai untuk data berurutan waktu, dan menyediakan
TimeSeriesSplit, yang selalu melatih model dengan data lebih awal dan mengujinya dengan data setelahnya. Pengaturangapmenyediakan jeda pemisah di antara keduanya. - Label yang tumpang tindih dengan fitur. Jika targetnya adalah "perubahan harga selama 10 bar berikutnya" dan fitur mencakup salah satu dari 10 bar tersebut, model melihat sebagian jawabannya.
- Penyiapan data sekaligus untuk seluruh dataset. Penskalaan, pengisian data kosong, atau pemilihan fitur dengan seluruh dataset membocorkan statistik periode pengujian ke dalam pelatihan.
- Model bahasa yang sudah mengetahui hasil akhirnya. Model bahasa besar atau LLM dilatih menggunakan teks hingga tanggal batas tertentu. Jika ditanya tentang paparan kinerja keuangan atau pergerakan pasar sebelum tanggal tersebut, model mungkin mengingat kejadian berikutnya, bukan menalar dari informasi yang tersedia saat itu. Sarkar dan Vafa (2024) merancang pengujian langsung dan menemukan bukti bias ini dalam prakiraan berdasarkan paparan kinerja perusahaan. Didisheim, Fraschini, dan Somoza (Economics Letters, 2025) mengukur seberapa banyak LLM mengingat imbal hasil saham masa lalu. Mereka menemukan bias lebih besar pada model yang lebih besar, data berfrekuensi lebih rendah, dan indeks. Biasnya sangat kecil pada model kecil dengan data berfrekuensi tinggi.
Tanda peringatannya sama: hasil jauh lebih baik daripada pengujian sebanding, tetapi runtuh pada data pertama yang belum pernah dilihat model.
Bagaimana memeriksa look-ahead bias pada EA atau backtest?
- Geser setiap sinyal satu bar lebih lambat. Strategi tanpa look-ahead bias seharusnya hanya berubah sedikit. Jika hasilnya merosot, seperti pengujian kami dari 10.782 menjadi 555 pip, pengujian awal menggunakan data masa depan.
- Periksa bar yang dibaca EA. Dalam MQL4/5, indeks deret waktu diurutkan dari yang terbaru ke yang terlama. Jadi, indeks 0 adalah bar yang masih terbentuk dan indeks 1 adalah bar terakhir yang sudah ditutup, sebagaimana dijelaskan referensi MQL5. Pembacaan sinyal dari indeks 0 dalam pengujian yang hanya memodelkan penutupan bar merupakan penyebab umum.
- Gunakan mode pengujian yang tepat. Penguji strategi MT4/5 dapat memodelkan setiap tick atau hanya pembukaan bar. Strategi yang menempatkan batas kerugian dan target di dalam satu bar memerlukan data tick. Tanpanya, pengujian hanya menebak urutan tercapainya harga tertinggi dan terendah.
- Hitung ulang seluruh statistik hanya dengan data masa lalu. Rata-rata, rentang, z-score, dan alat penskalaan machine learning harus menggunakan jendela bergulir yang berakhir pada bar saat ini.
- Lakukan forward test pada akun demo. Jalankan strategi selama beberapa minggu, lalu bandingkan transaksinya dengan transaksi yang ditunjukkan backtest untuk hari yang sama. Transaksi yang dilakukan backtest tetapi tidak mungkin dilakukan versi yang berjalan langsung menunjukkan adanya kebocoran data.
- Waspadai tingkat ketepatan tinggi pada aturan sederhana. Dengan moving average 20 periode, pengujian kami yang mengalami kebocoran data menghasilkan arah posisi tepat pada 59% bar per jam. Aturan sederhana pada pasangan selikuid EUR/USD jarang mendekati angka tersebut setelah kebocoran dihilangkan: versi yang diperbaiki mencapai 48.4%.
Poin penting
- Look-ahead bias mencakup setiap penggunaan informasi dalam backtest yang belum tersedia ketika keputusan transaksi simulasi dibuat.
- Dalam pengujian EUR/USD kami, posisi diterapkan pada bar pengukuran sinyal, bukan bar berikutnya. Hasil sebelum biaya naik dari +555 menjadi +10.782 pip.
- Hasil yang diperbaiki masih berada dalam rentang yang bisa terjadi secara kebetulan. Dengan biaya 1 pip per pergantian arah, hasilnya turun menjadi sekitar −2 pip.
- Bar per jam menyembunyikan urutan sebenarnya dari tercapainya batas kerugian dan target pada 14 Oktober 2026. Keuntungan tercatat 10 pip sebenarnya merupakan kerugian 5,4 pip.
- Model machine learning dan LLM sangat rentan terhadap bias ini. Bagi data berdasarkan waktu, siapkan hanya dari data masa lalu, dan perhatikan informasi yang mungkin sudah diketahui model bahasa.
Materi terkait
- Apa itu EA martingale, dan mengapa gagal?
- Apa itu drawdown dalam trading?
- Bagaimana menghitung nilai pip dalam forex?
- Trading demo: berlatih tanpa uang sungguhan
Sumber
- US Bureau of Labor Statistics, "Nonfarm payroll employment: revisions between over-the-month estimates, 1979 to present", Current Employment Statistics: https://www.bls.gov/web/empsit/cesnaicsrev.htm
- Federal Reserve Bank of St. Louis, ALFRED (Archival FRED), data ekonomi vintage: https://alfred.stlouisfed.org/
- Dokumentasi scikit-learn, "TimeSeriesSplit": https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.TimeSeriesSplit.html
- MQL5 Reference, "Indexing direction in arrays, buffers and timeseries": https://www.mql5.com/en/docs/series/bufferdirection
- MQL5 Reference, "Testing trading strategies" (mode pembentukan tick): https://www.mql5.com/en/docs/runtime/testing
- Sarkar, S. K. dan Vafa, K., "Lookahead bias in pretrained language models", makalah kerja SSRN, 2024: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4754678
- Didisheim, A., Fraschini, M. dan Somoza, L., "AI's predictable memory in financial analysis", Economics Letters 256, 2025: https://www.sciencedirect.com/science/article/pii/S0165176525004392
- Pengujian tim trading Fintrix Markets pada data MT5 EUR/USD: bar per jam dari 13 Januari hingga 29 Oktober 2026 (4.980 bar). Menggunakan simple moving average 20 bar dari harga penutupan, posisi long di atasnya dan short di bawahnya. Setiap bar diukur dari pembukaan hingga penutupan, tanpa biaya; bar 15 menit untuk 14 Oktober 2026.
Terapkan pengetahuan Anda
Buka akun Fintrix Markets, atau masuk dan perdagangkan CFD pada forex, emas, indeks, dan lainnya.



