Python untuk Backtesting Forex — Stack, Alur Riset, dan Catatan Jujur

Strategy Tester MT5 bekerja baik selama strategi Anda masih sesuai dengan asumsinya — aturan entri sederhana, satu instrumen, tanpa kebutuhan data eksternal yang rumit. Begitu Anda ingin sesuatu yang lebih khusus, alat itu terasa sempit, dan itulah mengapa para trader sistematis sudah lama mengandalkan Python untuk backtesting. Alasannya jelas: kendali penuh atas aturan, pustaka berstandar ilmiah, berbagai sumber data dalam satu skrip, dan siklus kerja di mana jarak antara ide dan kurva ekuitas bisa hanya hitungan menit.

Mengapa Trader Beralih dari Strategy Tester

Strategy Tester unggul untuk mengoptimalkan satu expert advisor pada satu pasangan dan satu timeframe — dan di situlah batasnya. Gabungkan data non-broker, padukan beberapa pasangan dalam satu sinyal, atau hitung rasio Sharpe di samping distribusi drawdown, dan Anda akan terjebak menggabungkan file CSV di Excel. Python merangkum semua pekerjaan itu dalam satu skrip: data kuotasi broker masuk ke pandas, data makro bergabung melalui merge yang sama, dan metrik risiko tersedia dari pustaka sains data terbuka. Dasar-dasar mengotomatiskan strategi ada di panduan trading algoritmik untuk pemula; perbandingan antara MQL5 dan Python tercakup dalam pembahasan tentang platform trading dan alat analisis.

Stos Perangkat yang Digunakan

Tumpukan alat (stack) ini ringkas. Pengelolaan data ada di pandas dan numpy — yang pertama menangani deret waktu dan resampling dari M1 ke H1, yang kedua menangani aritmetika vektor di balik indikator. Engine backtesting biasanya backtrader karya Daniel Rodriguez, dengan gaya event-driven berbasis kelas Strategy dan Cerebro, atau vectorbt karya Oleg Polakov ketika Anda perlu menyapu ratusan kombinasi parameter dalam hitungan detik. Grafik dihasilkan oleh matplotlib untuk laporan statis dan plotly untuk tinjauan interaktif. Data historis masuk melalui yfinance untuk penutupan harian, ccxt untuk aset kripto, dan paket resmi MetaTrader5 untuk data kuotasi dari broker. Seluruh stack gratis dan bersumber terbuka.

Siklus Riset — dari Aturan hingga Validasi

Sebuah proyek melewati empat langkah yang sebaiknya dijaga tetap terpisah. Pertama, tulis aturan entri dan keluar dalam bahasa Indonesia yang biasa — jika Anda tidak bisa mengatakan "saya beli ketika kemiringan EMA-50 positif dan harga penutupan menembus tertinggi 20 hari," tidak ada gunanya membuka editor. Kedua, terjemahkan aturan itu ke dalam ekspresi pandas yang divektorisasi: satu kondisi untuk seluruh kolom sekaligus, bukan loop bar per bar, itulah mengapa sepuluh tahun data H1 dapat diuji dalam hitungan detik. Ketiga, jalankan engine pada seluruh data historis dengan komisi, slippage (selip harga), stop loss, dan take profit (ambil untung), lalu baca kurva ekuitas dan daftar transaksi. Keempat — tahap yang sering dilewati pemula secara diam-diam — validasi di luar sampel: isolasi dua tahun terakhir, optimalkan hanya pada jendela data lebih awal, dan baca hasilnya dari data yang tidak pernah disentuh. Mekanisme jendela bergulir dibahas dalam panduan strategi trading dan analisis lanjutan.

Apa yang Tidak Akan Dilakukan Python Sendiri

Pengguna baru membaca dokumentasi backtrader dan mengira pustaka itu menangani segalanya. Tidak demikian. Engine bawaannya tidak tahu apa-apa tentang spread broker Anda, tidak tahu bahwa kuotasi bisa melebar lima pip saat rilis berita, dan tidak tahu bahwa akun ECN membebankan tujuh dolar per lot di kedua sisi. Semua itu Anda ketik sendiri — parameter commission, slippage_perc, dan model spread kustom yang berubah per jam. Jebakan diam-diam kedua adalah kualitas data: seri gratis yfinance mengandung celah akhir pekan, dan data tick Dukascopy bisa tidak lengkap untuk pasangan eksotis. Dosa ketiga adalah terlalu mencintai kurva yang mulus: backtest in-sample dengan lima parameter yang dioptimalkan hampir selalu mengiklankan 200 persen setahun — sampai Anda menghapus satu variabel dan melihat kurva pada data yang tidak pernah disentuh oleh optimizer. Versi realistis biasanya menunjukkan 30 hingga 50 persen lebih rendah dari yang dijanjikan versi naif.

Contoh Ilustratif — Proyek EUR/USD Hipotetis

Bayangkan strategi pembukaan sesi London pada EUR/USD menggunakan bar M15: posisi beli (long) ketika harga mencetak di atas tertinggi lima bar setelah pukul 09.00 WIB, posisi jual (short) ketika harga menembus ke bawah terendah; stop ditempatkan di 1,5 kali ATR 20 periode, take profit di dua kali stop. Anda mengambil data 2018 hingga 2024 menggunakan paket MetaTrader5, memuatnya ke pandas, dan melakukan resampling ke M15. Backtest — dengan komisi enam dolar per lot, spread tetap 0,8 pip di luar jendela berita, dan satu pip slippage entri yang diacak — menghasilkan tingkat keberhasilan 51 persen, profit factor 1,28, maksimum drawdown (penurunan ekuitas) 14 persen, dan Sharpe 0,9. Membagi data menjadi empat tahun in-sample dan dua tahun out-of-sample menurunkan rata-rata out-of-sample sekitar sepertiga — menyisakan keputusan penerapan pada dasar yang masuk akal, bukan spektakuler. Semua angka di atas bersifat ilustratif; ini menunjukkan bentuk jawabannya, bukan janji hasil.

"Python telah menjadi bahasa pemrograman dan ekosistem yang kuat untuk industri keuangan — mulai dari menganalisis data keuangan, trading algoritmik, hingga manajemen risiko." — Yves Hilpisch, 2018

Catatan Jujur yang Harus Menyertai Setiap Laporan

Ketika backtest selesai, lampirkan kotak catatan singkat. Pertama: spread apa yang Anda asumsikan dan apakah Anda melebarkannya di sekitar rilis makro — perbedaan antara spread tetap 0,8 dan spread realistis 2,5 pip saat NFP sering menjadi seluruh keunggulan strategi. Kedua: apakah data bebas dari look-ahead bias, yaitu apakah Anda menghitung indikator dari penutupan bar berjalan yang belum Anda ketahui secara real-time. Ketiga: berapa banyak parameter yang Anda optimalkan sekaligus — lima adalah ambang batas di mana bahkan walk-forward analysis pun berhenti melindungi Anda. Keempat: apakah hasilnya bertahan di luar sampel atau hanya pada data penuh. Tanpa keempat kalimat itu, laporan adalah iklan, bukan audit. Perlu diingat bahwa di Indonesia, keuntungan dari trading Forex umumnya dikenai Pajak Penghasilan (PPh) dan wajib dilaporkan melalui SPT Tahunan; pastikan Anda memiliki NPWP dan konsultasikan kewajiban pajak spesifik dengan konsultan pajak. Untuk broker, pilihlah pialang berjangka yang berizin BAPPEBTI agar aktivitas trading Anda berada dalam kerangka hukum yang jelas.

Langkah Pertama Anda

1. Instal Python 3.11 atau lebih baru beserta pustaka pandas, numpy, backtrader, matplotlib, dan paket resmi MetaTrader5 — satu perintah pip install sudah mencakup seluruh stack — kemudian unduh dua tahun data H1 untuk pasangan yang benar-benar Anda perdagangkan dan simpan sebagai CSV, agar iterasi berikutnya bekerja dari sumber lokal yang stabil dan tidak bergantung koneksi setiap kali dijalankan.
2. Tuliskan aturan strategi dalam bahasa Indonesia biasa terlebih dahulu — satu kalimat masing-masing untuk entri, keluar, stop loss, dan take profit (ambil untung) — baru kemudian terjemahkan ke dalam ekspresi pandas yang divektorisasi; usahakan seluruh pengujian muat dalam tiga puluh baris kode tanpa loop bar per bar, dan tahan diri untuk tidak mengoptimalkan parameter pada tahap ini.
3. Jalankan backtest dengan komisi nyata, spread konstan, dan satu pip slippage yang diacak, lalu bandingkan dengan versi tanpa biaya; selisihnya memberitahu Anda seberapa besar keunggulan yang diasumsikan hanyalah artefak eksekusi harga tengah — jika biaya memakan lebih dari separuh keuntungan kotor, strategi terlalu tipis untuk diterapkan secara live dan perlu diperbaiki terlebih dahulu.
4. Bagi data historis menjadi empat tahun in-sample dan satu tahun out-of-sample, optimalkan tidak lebih dari dua parameter pada jendela in-sample, bekukan set parameter terbaik, lalu jalankan uji out-of-sample sekali saja; jika tingkat keberhasilan turun lebih dari sepertiga, sederhanakan logika daripada mencari optimasi yang lebih baik — itu tanda bahwa model belajar kebisingan data, bukan struktur pasar.
5. Simpan catatan sederhana — file Markdown di repo yang sama — dan setelah setiap backtest tuliskan empat kalimat: spread yang digunakan, apakah indikator bebas look-ahead, berapa parameter yang disetel, dan apakah ekuitas out-of-sample tetap di atas separuh in-sample; tanpa jurnal itu, dalam tiga bulan Anda tidak akan ingat laporan mana yang jujur dan mana yang hanya terlihat bagus.