unCoded

Lab Probabilitas

Kalkulator Probabilitas Kripto

Peluang sebenarnya dari setiap target harga kripto, dihitung dengan simulasi Monte Carlo. Apakah Bitcoin, Ethereum, atau altcoin lain akan ditutup di atas suatu level, bertahan di dalam rentang, sempat menyentuh harga tertentu sebelum batas waktu, atau mencapai target sebelum kena stop? Semuanya berjalan di browser Anda, tanpa perlu daftar.

Pilihan cepat

Pengaturan

Memakai 45,0% per tahun (cadangan manual, tanpa data).

50/50
+Pengaturan model

Membutuhkan harga tertinggi dan terendah. Sumber data saat ini hanya menyediakan harga penutupan.

Nol secara bawaan, dan itu disengaja. Begitu Anda mengasumsikan arah tertentu, alat probabilitas berubah menjadi angan-angan.

Seed sama, jalur harga sama. Ubah seed untuk melihat seberapa besar bagian dari jawaban yang sebenarnya hanya noise simulasi.

+Bandingkan dengan harga pasar

Jika ada prediction market atau opsi yang mematok harga untuk hasil ini, masukkan harganya di sini. Alat ini akan memberi tahu Anda apakah perbedaan pandangan antara model dan pasar cukup besar untuk berarti.

Berapa yang dipatok pasar untuk hasil ini, dinyatakan sebagai probabilitas.

Di bawah nilai ini, alat melaporkan tidak ada edge (keunggulan statistik atas harga pasar). Model tidak cukup presisi untuk memperdebatkan selisih kecil.

Opsional. Hanya dipakai untuk mengubah fraksi Kelly menjadi ukuran taruhan.

Data live tidak tersedia saat ini. Kalkulator tetap berfungsi: atur sendiri harga spot dan volatilitasnya, dan setiap angka di bawah tetap valid.

Ke mana harga bisa bergerak
Jalur harga hasil simulasi, dengan 50% dan 90% bagian tengah diarsir. Kerucut harga melebar mengikuti akar kuadrat waktu, itulah sebabnya target yang dua kali lebih jauh punya peluang jauh lebih kecil daripada setengahnya.

Hasil

Probabilitas
25,2 %
Kisaran 24,6 % sampai 25,8 % (sebaran antar metode)

Peluang Bitcoin ditutup di atas $125.000 dalam 7 hari (volatilitas 45%, cadangan manual, tanpa data).

Apa kata masing-masing metode
Rumus
24,6 %
Monte Carlo
25,8 %
Riwayat
--
Perbedaan
1,2 pp
Seberapa jauh metode-metode itu berbeda satu sama lain. Inilah ketidakpastian yang jujur.

Ringkasan trade

Jarak ke target
+4,2 % (0,67σ)
Ekspektasi pergerakan (1σ)
±7.478
Pita 1σ
112.522 - 127.478
Return implisit ke target
212,9 %

Pergerakan yang dibutuhkan target Anda, disetahunkan, sehingga sepekan dan setahun berada pada skala yang sama. Bacalah angkanya dibandingkan dengan return yang benar-benar pernah dihasilkan aset ini: jika target Anda menuntut beberapa kali lipat dari itu, peluang di atas hanyalah hitungan aritmetika, bukan ramalan.

Peluang per +1 poin volatilitas
+0,4 pp
Peluang per +1 hari
+1,3 pp

Probabilitas saja tidak menentukan ukuran posisi. Jarak ke target dalam sigma adalah angka yang harus dibaca lebih dulu: di bawah satu sigma itu pergerakan biasa, di atas dua sigma itu pergerakan langka. Kedua ukuran sensitivitas menunjukkan seberapa besar bagian dari jawaban Anda yang bertumpu pada angka yang Anda estimasi sendiri, bukan yang Anda baca dari data.

Distribusi pada batas waktu
Di mana harga berakhir pada seluruh jalur harga yang disimulasikan. Bagian yang diarsir adalah hasil yang Anda tanyakan.

Risiko menahan posisi

Value at Risk 95%
9,9 %
Expected Shortfall 95%
12,1 %
Value at Risk 99%
13,5 %
Expected Shortfall 99%
15,1 %
Referensi lognormal
9,9 %
Drawdown median
5,9 %
Drawdown terburuk (persentil ke-90)
11,0 %
Drawdown lebih buruk dari 10%
13,5 %
Drawdown lebih buruk dari 20%
0,0 %
Drawdown lebih buruk dari 30%
0,0 %
Jalur harga yang berakhir di bawah harga masuk
50,7 %
Jalur Monte Carlo
3.000

Value at Risk adalah kerugian yang hanya Anda lampaui pada kasus-kasus terburuk: 5% terburuk pada level 95, dan 1% terburuk pada level 99. Expected Shortfall adalah rata-rata kerugian pada kasus-kasus tersebut, dan itulah angka yang penting, karena angka itu menunjukkan seberapa buruk hari-hari buruk itu sebenarnya.

Bagaimana jawabannya bergerak
Probabilitas pada berbagai nilai volatilitas. Garis yang curam berarti jawaban Anda sangat bergantung pada angka yang sebenarnya hanya Anda estimasi.
Tangga probabilitas
Pertanyaan yang sama, diajukan pada level-level dari 40% di bawah harga sampai 50% di atasnya. Garis model adalah hasil rumus, garis riwayat adalah seberapa sering hal itu benar-benar terjadi. Di titik keduanya berpisah, model sedang mengasumsikan sesuatu yang tidak didukung masa lalu.

Volatilitas

Dipakai untuk jawaban ini
45 %
cadangan manual, tanpa data

Apakah model ini pernah benar sebelumnya?

Tidak ada kalibrasi untuk pertanyaan ini. Koridor dan adu cepat diputuskan oleh keseluruhan jalur harga, sedangkan uji walk-forward hanya menilai pertanyaan yang bisa diputuskan dari satu harga penutupan. Riwayat yang pendek juga memberi terlalu sedikit kasus independen untuk dinilai.

Apa yang sebenarnya dilakukan kalkulator probabilitas kripto

Sebagian besar alat yang menyebut dirinya kalkulator kripto hanya menghitung untung dan rugi: Anda memasukkan harga beli dan harga jual, lalu alat itu mengembalikan return-nya. Ini adalah instrumen yang berbeda. Kalkulator probabilitas kripto menjawab pertanyaan yang mendahului setiap transaksi: seberapa besar peluang pergerakan itu memang terjadi? Berikan sebuah harga target dan sebuah batas waktu, dan alat ini mengembalikan probabilitasnya, berlandaskan seberapa jauh aset itu benar-benar bergerak, bukan pada pendapat siapa pun tentang arah. Arah adalah masukan Anda. Odds (peluang, ditampilkan dalam persen) adalah keluarannya.

Hal itu paling penting ketika sebuah pasar sudah memasang harga untuk pertanyaan yang sama. Pasar prediksi Bitcoin yang membayar jika BTC melewati suatu level pada hari Jumat sedang mengutip sebuah probabilitas implisit. Kalkulator ini memberi Anda pendapat kedua yang independen, berasal dari volatilitas aset itu sendiri, lalu menunjukkan selisihnya dan apakah selisih itu bertahan setelah biaya transaksi. Ini disiplin yang sama yang diterapkan meja dagang pada kuotasi opsi, dalam bentuk yang bisa dijalankan siapa saja di peramban.

Saat halaman ini dimuat, ia sudah memilihkan pertanyaan yang paling banyak dicari orang: sebuah harga target bulat sedikit di atas harga saat ini, berakhir di atas dalam satu minggu. Ubah asetnya dan targetnya akan disesuaikan secara otomatis. Ubah target, horizon waktu, atau jenis pertanyaannya, dan pilihan Anda akan dipertahankan sejak saat itu.

Bagaimana odds dihitung

Model pertama adalah pendekatan lognormal yang diambil dari penetapan harga opsi, suku N(d2) yang dikenal dari kerangka Black-Scholes. Model ini mengambil harga saat ini, target Anda, sisa waktu, dan volatilitas tahunan, lalu mengembalikan probabilitas bahwa harga berakhir melewati target dengan drift (kecenderungan arah harga dalam model) nol. Volatilitas diukur dari harga penutupan harian real time sebagai simpangan baku dari log return, disetahunkan dengan akar kuadrat dari 365, karena kripto diperdagangkan setiap hari sepanjang tahun.

Model kedua melewatkan teori. Ia memindai catatan historis dan menghitung seberapa sering aset itu benar-benar bergerak sejauh jarak yang dibutuhkan di dalam horizon waktu Anda. Jika Bitcoin perlu naik 8 persen dalam 30 hari, alat ini memeriksa setiap jendela 30 hari di dalam periode lookback dan melaporkan hit rate (seberapa sering hal itu benar-benar terjadi secara historis). Jendela yang saling tumpang tindih berarti sampelnya tidak sepenuhnya independen, jadi tampilannya juga menunjukkan jumlah efektif blok yang tidak tumpang tindih beserta interval Wilson 95 persen di balik angka itu.

Mesin ketiga adalah simulasi Monte Carlo yang menghasilkan ribuan jalur harga Bitcoin atau altcoin langkah demi langkah, pendekatan simulasi yang sama yang dipakai para quant untuk memetakan distribusi probabilitas harga di masa depan. Mesin ini sepakat dengan rumus tertutup (closed form) pada pertanyaan sederhana, dan itu adalah pemeriksaan diri yang berguna, tetapi ia juga bisa melakukan hal yang tidak bisa dilakukan rumus: jalur berekor gemuk, pertanyaan sentuh dengan ekor tebal, dan kerucut harga lengkap yang Anda lihat di bagian atas. Satu kehalusan yang perlu diketahui: opsi fat tails (ekor distribusi yang gemuk, artinya gerakan ekstrem lebih sering terjadi daripada yang diperkirakan model) menerapkan distribusi Student t pada seluruh return sepanjang horizon, sedangkan mesin Monte Carlo menerapkan fat tails pada setiap langkah, dan banyak langkah berekor gemuk akan teragregasi menuju bentuk normal. Keduanya bisa berbeda secara sah pada horizon yang panjang, dan selisih itu adalah satu lagi ukuran jujur dari risiko model. Angka utamanya adalah median dari ketiga mesin. Perlu jelas soal apa artinya itu: untuk pertanyaan berakhir, rentang, koridor, dan sentuh, rumus tertutup dan Monte Carlo memperkirakan besaran yang sama dan sepakat sampai sebatas derau simulasi, sehingga median sama dengan nilai model dan Monte Carlo terutama berperan sebagai pemeriksaan diri numerik; hit rate historis adalah tolok ukur realitas yang independen, dan selisih antara mesin tertinggi dan terendah ditampilkan sebagai perbedaan pandangan. Hanya pertanyaan adu cepat (target lebih dulu atau stop loss lebih dulu), yang tidak punya rumus tertutup, yang membiarkan simulasi dan riwayat menentukan angka utama secara langsung. Perbedaan pandangan yang lebar adalah informasi, tetapi bacalah dengan hati-hati: untuk taruhan berarah pada horizon yang panjang, sebagian dari selisih antara model dan riwayat berasal dari drift dan rezim volatilitas yang benar-benar terealisasi pada aset itu sendiri, bukan semata-mata dari ketidakpastian model.

Berakhir, rentang, dan sentuh

Pertanyaan-pertanyaan ini punya nama yang presisi dalam perdagangan opsi, dan kalkulator ini membawanya ke kripto. Pertanyaan berakhir adalah probabilitas kedaluwarsa dalam kondisi in the money atau out of the money (probability ITM/OTM), yaitu peluang harga berada di atas atau di bawah suatu level tepat pada batas waktu. Pertanyaan sentuh adalah probabilitas menyentuh (probability of touching, POT), yaitu apakah harga mencapai suatu level kapan pun sebelum batas waktu, sekalipun setelah itu turun lagi. Keduanya tidak bisa saling menggantikan. Odds sentuh selalu lebih tinggi, dan untuk barrier yang dekat dengan harga spot, angkanya mendekati dua kali lipat odds berakhir, karena harga hanya perlu sampai ke sana satu kali. Alat ini memakai rumus first passage untuk gerak Brown geometris pada pertanyaan sentuh, sehingga pasar yang bertanya "apakah Bitcoin akan menyentuh 130k minggu ini" mendapat jawaban yang benar, bukan probabilitas berakhir yang jauh lebih rendah. Dengan fat tails diaktifkan, mesin Monte Carlo menangani kasus sentuh secara langsung.

Pertanyaan rentang adalah selisih antara dua probabilitas berakhir, berguna untuk bentuk pasar yang umum: "apakah harga akan berada di antara X dan Y saat penyelesaian".

Volatilitas implisit dan nilai wajar

Ketika Anda memasukkan harga pasar, alat ini menyelesaikan model secara terbalik untuk menemukan volatilitas implisit (implied volatility, IV), yaitu satu nilai volatilitas yang akan membuat model sepakat dengan harga tersebut. Ini membingkai ulang seluruh pertanyaan. Alih-alih memperdebatkan sebuah probabilitas, Anda membandingkan dua volatilitas: yang ditagihkan pasar, dan yang benar-benar dihasilkan aset itu. Jika sebuah kontrak satu minggu diberi harga seolah-olah volatilitas tahunannya 90 persen sementara volatilitas terealisasi (realized volatility) Bitcoin hanya 50, kontrak itu mahal, dan probabilitas model berada di bawah harga pasar. Blok nilai wajar dan expected value kemudian mengubah selisih itu menjadi uang: harga model dalam sen, perkiraan laba per kontrak setelah biaya, dan return atas taruhannya.

Probabilitas tidak selalu monoton terhadap volatilitas, jadi algoritme pemecahnya memindai seluruh kisaran nilai volatilitas dan melaporkan dengan jujur ketika ada dua nilai volatilitas yang menghasilkan harga yang sama, atau ketika tidak ada satu pun volatilitas yang bisa menghasilkan harga pasar tersebut. Harga yang melampaui batas atas model berarti pasar sedang membayar sesuatu yang tidak terkandung dalam difusi murni, entah sebuah pandangan berarah atau risiko lompatan, dan alat ini mengatakannya alih-alih memaksakan sebuah angka.

Lapisan profesional

Meja dagang yang serius tidak mengukur volatilitas dari harga penutupan saja. Satu candle harian membawa empat harga, dan estimator berbasis range menyaring jauh lebih banyak informasi darinya: Parkinson memakai jarak antara harga tertinggi dan terendah, Garman-Klass dan Rogers-Satchell memakai set OHLC lengkap, dan Yang-Zhang menggabungkan komponen semalam, pembukaan ke penutupan, dan range menjadi estimator tak bias paling efisien dalam keluarga itu, beberapa kali lebih presisi daripada close to close pada jendela yang sama. Menu estimator mengalihkan jendela 30d, 90d, dan Blend ke ukuran-ukuran ini setiap kali candle Binance dimuat.

Kebiasaan profesional kedua adalah memperlakukan volatilitas sebagai ramalan, bukan potret sesaat. Volatilitas mengelompok dan kembali ke rata-rata, jadi masukan yang tepat untuk pertanyaan 30 hari adalah perkiraan rata-rata volatilitas selama 30 hari itu, bukan angka hari ini. Mode GARCH(1,1) mencocokkan model varians standar ke riwayat yang dimuat dengan variance targeting dan menghasilkan tepat ramalan horizon tersebut, lengkap dengan level jangka panjangnya, persistensinya, dan waktu paruh dari sebuah guncangan volatilitas. Ketika volatilitas saat ini sedang tinggi, angka horizon GARCH berada di bawah angka spot, dan berada di atasnya ketika volatilitas sedang tertekan. Baris vol cone menunjukkan posisi volatilitas hari ini dibandingkan riwayatnya sendiri, dan sakelar variance ratio yang opsional mengoreksi penskalaan akar kuadrat waktu untuk mean reversion atau momentum yang terukur pada return multi-hari.

Tambahan ketiga adalah filtered historical simulation, metode yang dipakai bank untuk value at risk. Alih-alih mengasumsikan bentuk normal atau Student t, mode Historical membagi setiap return masa lalu dengan volatilitasnya sendiri pada saat itu, lalu mengambil ulang sampel dari residual terstandardisasi itu dan menyetel ulang skalanya ke level volatilitas saat ini. Jalur harga hasil simulasi membawa skew dan bobot ekor asli milik aset itu pada tingkat risiko hari ini. Pertanyaan sentuh juga menjadi lebih jujur di mesin riwayat: hit rate kini memeriksa harga tertinggi dan terendah harian, bukan harga penutupan, sehingga sentuhan intraday ikut dihitung. Angka utamanya adalah median dari ketiga mesin, dan selisih di antara ketiganya memberi tahu Anda seberapa besar metodenya sendiri diragukan. Selisih itu bukan rintangan yang harus dilewati oleh setiap edge (keunggulan statistik atas harga pasar), meskipun menggoda untuk memakainya begitu. Rintangan itu justru berasal dari batas ketidakpastian pada estimasi volatilitas, karena ketiga mesin juga berselisih soal drift, dan drift adalah asumsi yang Anda masukkan sendiri, bukan sesuatu yang dikatakan pasar kepada Anda.

Koridor, adu cepat, dan risiko lompatan

Versi 2 menambahkan tiga pertanyaan dan satu sumber risiko yang tidak bisa diungkapkan oleh mesin-mesin awal. Pertanyaan koridor menanyakan apakah harga bertahan di dalam sebuah pita sepanjang waktu, tanpa menyentuh sisi mana pun, yaitu double no-touch dari produk eksotis FX. Ini persoalan yang sama sekali berbeda dari pertanyaan berakhir di dalam pita yang sama: pada volatilitas 60 persen, sebuah pita yang di dalamnya Bitcoin berakhir dua pertiga dari waktu hanya bertahan utuh dari awal sampai akhir pada tak sampai sepertiga dari waktu. Alat ini menghitung harganya dengan double barrier image expansion (matematika yang sama dengan hasil batas melengkung dari Kunitomo dan Ikeda), yang diperiksa silang terhadap jalur Monte Carlo dan terhadap catatan historis dari jendela-jendela penuh yang tidak pernah keluar dari pita.

Adu cepat A sebelum B adalah pertanyaan nyata seorang trader: apakah harga menyentuh take profit sebelum stop loss, di dalam batas waktu. Pasar prediksi mengutip persis bentuk ini. Tidak ada rumus tertutup sederhana yang menyertakan batas waktu, jadi mesin Monte Carlo menjawabnya jalur demi jalur, barrier yang tersentuh lebih dulu yang menang, mesin riwayat memutar ulang setiap jendela masa lalu dengan harga tertinggi dan terendah harian, dan rumus klasik gambler's ruin memasok limit tanpa batas waktu sebagai jangkar. Tampilannya juga menunjukkan seberapa sering adu cepat itu benar-benar diputuskan sebelum waktu habis, dan median waktu sampai ada keputusan.

Distribusi jump diffusion (Merton 1976) menerima kenyataan bahwa kripto melompat. Bipower variation memecah varians terukur menjadi bagian difusif yang mulus dan bagian yang tidak kontinu (Barndorff-Nielsen dan Shephard 2004), sebuah detektor 4-sigma pada return yang distandardisasi terhadap volatilitas menghitung jumlah lompatan dan mengukur besarnya, dan probabilitas berakhir menjadi campuran Poisson dari distribusi Gauss. Untuk target yang jauh dengan batas waktu yang pendek, di mana satu lompatan tunggal adalah cara utama untuk sampai ke sana, model lompatan dan model-model yang mulus berbeda pandangan, dan perbedaan pandangan itu justru adalah premi risiko lompatan yang dihargai meja opsi. Pertanyaan sentuh di bawah lompatan diserahkan ke mesin Monte Carlo, yang melemparkan lompatan Poisson majemuk ke dalam setiap jalur.

Risiko, dan apakah model itu bisa mempertanggungjawabkan probabilitas yang dihasilkannya

Probabilitas saja tidak menggambarkan apa yang bisa dilakukan posisi itu terhadap Anda di sepanjang jalan. Panel risiko membaca value at risk dan expected shortfall pada 95 dan 99 persen langsung dari distribusi terminal hasil simulasi, ukuran risiko koheren dari Artzner dkk. (1999) dalam bentuk persis yang dibakukan oleh Rockafellar dan Uryasev (2000), berdampingan dengan odds mengalami drawdown 10, 20, atau 30 persen pada suatu titik sebelum batas waktu, yang tidak bisa dilihat oleh rumus tertutup karena itu adalah properti jalur. Semuanya berasal dari jalur harga yang sama dengan probabilitas utama, sehingga angka-angka itu tidak bisa diam-diam saling bertentangan.

Backtest kalibrasi adalah fitur yang menjadi tempat seluruh bagian lain dari alat ini mempertanggungjawabkan diri. Ia memutar ulang pertanyaan Anda yang persis sama, jarak relatif yang sama dan horizon waktu yang sama, pada setiap tanggal di dalam riwayat yang dimuat, membentuk probabilitasnya hanya dengan data yang tersedia pada tanggal itu, dan menilai ramalan-ramalan itu dengan Brier score (Brier 1950), aturan penilaian yang strictly proper untuk probabilitas (Gneiting dan Raftery 2007). Panel ini menunjukkan Brier milik model dibandingkan dengan selalu menebak base rate, persentase skill yang dihasilkan, dan sebuah tabel reliabilitas per bin ramalan. Ketika model tidak menunjukkan skill pada pertanyaan Anda, panel ini mengatakannya, dan tanggapan yang jujur adalah memperlebar ketidakpastian Anda, bukan makin memercayai angka utama. Hit rate historis itu sendiri kini membawa interval Wilson score (Wilson 1927), yaitu interval binomial yang berperilaku benar pada ukuran sampel efektif yang kecil, dihitung pada blok-blok yang tidak tumpang tindih.

Terakhir, probabilitas utama membawa batas ketidakpastiannya sendiri. Volatilitas yang diestimasi dari tiga puluh candle itu tidak pasti, ketidakpastian itu merambat ke setiap probabilitas yang dihitung darinya, dan Ringkasan trading kini menunjukkan pita 95 persen yang dihasilkan pada probabilitas itu sendiri. Pita itu bukan interval kepercayaan di sekitar angka utama: angka utamanya adalah median dari beberapa mesin, dan ia bisa berada di luar pita tersebut. Jika itu terjadi, mesin-mesin itu berselisih tentang lebih dari sekadar volatilitas. Indeks ekor Hill (Hill 1975), yang diukur dari return yang dimuat, berada di panel diagnostik lebih jauh ke bawah, tempat indeks itu juga menyebutkan derajat kebebasan yang semestinya dibawa oleh pengaturan fat tails Anda, sehingga Anda bisa melihat apakah pengaturan itu cocok dengan ekor aset yang sebenarnya. Untuk Bitcoin dan Ethereum, baris diagnostik juga menarik indeks DVOL dari Deribit, yaitu volatilitas implisit 30 hari milik pasar opsi itu sendiri, satu tolok ukur eksternal terbaik untuk menilai apakah masukan volatilitas Anda berada di kisaran yang tepat (Christensen dan Prabhala 1998).

Mengapa "tidak ada edge" adalah jawaban standar

Pemeriksaan edge sengaja dibuat ketat. Alat ini hanya menandai adanya edge bila selisih antara titik tengah model dan harga pasar sekaligus melampaui biaya transaksi dan perbedaan pandangan antara model-modelnya sendiri. Selain itu hasilnya adalah tidak ada edge, karena itulah jawaban yang jujur untuk sebagian besar pasar likuid, sebagian besar waktu. Harga di pasar prediksi mengagregasi pendapat yang dipertaruhkan dengan uang sungguhan, dan rata-rata harga tersebut mendekati probabilitas. Alat yang menemukan peluang trading di setiap pasar sedang memproduksi sinyal, bukan melakukan analisis. Yang ini dibangun untuk mengatakan tidak.

Untuk tolok ukur yang lebih kuat daripada volatilitas terealisasi, masukkan volatilitas implisit dari opsi Deribit dengan jatuh tempo yang serupa sebagai volatilitas manual, lalu aktifkan fat tails. Jika rumus tertutup dan hit rate historis berbeda tajam pada target yang ekstrem, fat tails biasanya mempersempit jaraknya, dan itu menjadi petunjuk bahwa distribusi normal-lah yang keliru.

Tiga penyempurnaan dari riset

Model ekor menyesuaikan diri dengan horizon waktu. Return Bitcoin memiliki ekor yang sangat gemuk pada skala jam dan hari, tetapi teragregasi menuju bentuk normal pada skala minggu dan bulan, sebuah sifat yang disebut aggregational Gaussianity. Dengan pengaturan otomatis aktif, derajat kebebasan fat tails berskala mengikuti batas waktu: pertanyaan tujuh hari mendapat ekor yang lebih gemuk daripada pertanyaan sembilan puluh hari, dan itu sesuai dengan indeks ekor yang terukur alih-alih mengasumsikan satu nilai tetap. Kolom isian menampilkan nilai yang sedang dipakai saat Anda mengubah horizon waktu.

Efek leverage tersedia sebagai sakelar. Kripto, seperti halnya saham, cenderung turun lebih cepat daripada naik, dan asimetri ini terukur pada return Bitcoin. Mengaktifkannya menambahkan skewness negatif berskala horizon waktu ke simulasi dan ke rumus tertutup, sehingga pertanyaan berakhir di bawah dan sentuh ke bawah mendapat bobot risiko penurunan ekstra yang memang pantas, dan kerucut harga terbuka lebih lebar di bawah harga spot daripada di atasnya. Secara bawaan sakelar ini nonaktif karena ini adalah pendapat pemodelan, bukan kepastian, tetapi untuk risiko penurunan ini adalah bawaan yang lebih realistis.

Estimasi volatilitas disertai interval kepercayaan. Angka volatilitas yang dibaca dari tiga puluh candle itu sendiri tidak pasti, dan estimator berbasis range seperti Yang-Zhang menarik jauh lebih banyak informasi dari setiap candle dibandingkan ukuran close to close. Ringkasan trading kini menampilkan pita sembilan puluh lima persen di sekitar estimasi volatilitas dan seberapa jauh estimator yang Anda pilih lebih rapat daripada close to close, sehingga Anda bisa melihat seberapa besar bagian probabilitas yang bertumpu pada input volatilitas yang rapuh.

Membaca angka sebagai trader

Probabilitas saja tidak menentukan ukuran posisi. Ringkasan trading mengubah odds menjadi angka-angka yang benar-benar dipakai trader untuk bertindak. Pergerakan yang diharapkan adalah kisaran satu standar deviasi untuk horizon waktu tersebut, yaitu pita yang ditempati harga kira-kira dua dari tiga kali, digambar langsung pada kerucut harga sebagai garis plus dan minus satu sigma. Jarak target dalam sigma memberi tahu Anda sekilas apakah sebuah level merupakan pergerakan rutin atau peristiwa ekor: di bawah satu sigma itu biasa, di atas dua sigma itu langka. Return implisit untuk mencapai target menyetahunkan pergerakan yang dituntut target Anda, sehingga sepekan dan setahun berada pada skala yang sama; bacalah angkanya dibandingkan dengan return yang benar-benar pernah dihasilkan aset ini, dan target yang menuntut beberapa kali lipat dari itu hanyalah hitungan aritmetika, bukan ramalan. Sensitivitas per poin volatilitas dan per hari memperlihatkan seberapa rapuh odds terhadap asumsi Anda sendiri, dan di situlah sebagian besar estimasi probabilitas diam-diam meleset, dan tepat di bawahnya Ringkasan trading menyebutkan seberapa baik volatilitas itu sendiri diketahui: batas ketidakpastian 95 persennya sendiri, seberapa jauh lebih rapat estimator Anda dibandingkan estimator penutupan ke penutupan, dan berapa nilai ketidakpastian itu dalam poin probabilitas.

Bila harga pasar tersedia, blok nilai wajar menambahkan rasio risk to reward dan breakeven win rate, dua angka yang menentukan apakah expected value yang positif sepadan dengan variansnya. Sebuah kontrak bisa saja murah tetapi tetap merupakan trading yang buruk jika imbalannya kecil dibandingkan risikonya, dan bisa terlihat mahal namun tetap menguntungkan karena imbalannya besar. Membaca probabilitas, risk to reward dan expected value secara bersamaan, itulah keseluruhan disiplinnya.

Simulator Monte Carlo untuk harga kripto

Di balik layar, ini adalah simulasi Monte Carlo Bitcoin dan alat ini bekerja untuk koin apa pun. Alat ini membaca volatilitas real time dari aset yang bersangkutan, lalu menghasilkan ribuan jalur harga ke depan di bawah geometric Brownian motion, dengan opsi bentuk return fat tails atau historis. Hasilnya adalah distribusi probabilitas lengkap tentang di mana harga bisa berada pada batas waktu Anda, digambar sebagai kerucut harga yang melebar dengan pita persentil 5 sampai 95 dan 25 sampai 75. Berbeda dengan prakiraan titik yang menyebut satu angka tunggal, simulasi Monte Carlo memperlihatkan seluruh sebaran hasil dan seberapa cepat sebaran itu melebar seiring waktu, dan itulah cara yang jujur untuk memikirkan aset yang volatil. Anda memilih jumlah jalur, dari seribu yang cepat hingga dua puluh ribu yang mulus, dan seed tetap menjaga setiap hasil yang dibagikan tetap dapat direproduksi.

Alat nilai wajar dan edge untuk pasar prediksi

Jika Anda memperdagangkan pertanyaan seputar Bitcoin di pasar prediksi, misalnya kontrak Ya atau Tidak tentang apakah BTC melewati sebuah level sebelum hari Jumat, alat ini sekaligus berfungsi sebagai kalkulator nilai wajar dan expected value. Masukkan harga pasar, lalu alat ini menurunkan volatilitas implisit yang terkandung di dalamnya, membandingkannya dengan apa yang benar-benar direalisasikan aset tersebut, dan melaporkan harga wajar dalam sen, expected value per kontrak setelah biaya, dan ukuran posisi menurut Kelly. Alat ini hanya menandai adanya edge bila selisihnya melampaui biaya transaksi sekaligus perbedaan pandangan antara model-modelnya sendiri, sehingga jauh lebih sering menjawab tidak daripada ya. Justru itulah maksudnya: pemeriksaan edge yang jujur, bukan generator sinyal.

Apa yang bisa Anda ukur

Kalkulator ini mencakup pertanyaan harga yang benar-benar diajukan trader dan peserta pasar prediksi. Apakah Bitcoin akan berakhir di atas angka bulat pada akhir bulan. Apakah Ethereum tetap berada di dalam rentang hingga jatuh tempo. Seberapa besar peluang Solana, BNB, XRP atau Dogecoin menyentuh sebuah level kapan pun sepanjang pekan ini. Pasangan spot Binance mana pun bisa dipakai lewat kolom simbol kustom, jadi altcoin yang tipis pun cukup diketik sekali di kolom itu. Harga dan volatilitas real time dimuat secara otomatis, atau Anda bisa mengetik angka Anda sendiri dan bekerja sepenuhnya secara manual.

Anda bahkan tidak perlu mengetik: tombol pilihan cepat di atas kalkulator menyiapkan versi yang paling sering ditanyakan dari pertanyaan-pertanyaan ini terhadap harga real time dengan satu klik, dan API agen yang tertanam di halaman ini mengekspos setiap mesin di baliknya, sehingga asisten bisa menarik gambaran utuh secara programatik alih-alih membacanya dari layar.

Alat ini dibangun dan dipelihara oleh unCoded, bot trading kripto self hosted dan non custodial dari ArrowTrade AG asal Swiss. Jika Anda ingin mengubah edge probabilitas menjadi strategi otomatis, dokumentasi adalah tempat untuk memulai. Alat ini sendiri tetap gratis dan tidak memerlukan akun.

Ilmu di balik alat ini

Setiap metode di sini adalah hasil yang telah dipublikasikan dalam literatur yang ditelaah sejawat atau rujukan numerik standar, bukan kotak hitam berpemilik. Setiap entri di bawah ini memetakan fitur tertentu dari kalkulator ke sumber aslinya, sehingga angka-angkanya dapat dilacak kembali ke dasarnya.

Tautan mengarah ke penerbit resmi atau DOI kanonis. Kalkulator ini mengimplementasikan bentuk standar dan mapan dari metode-metode tersebut serta merupakan alat edukasi, bukan klaim atas riset baru. Model menyederhanakan kenyataan, dan tidak ada estimasi probabilitas yang menghilangkan risiko pasar.

Black, F. and Scholes, M. (1973). The Pricing of Options and Corporate Liabilities. Journal of Political Economy, 81(3), 637 to 654. doi:10.1086/260062
Menjadi dasar model lognormal: probabilitas N(d2) bahwa harga berakhir melewati sebuah target.
Kelly, J. L. (1956). A New Interpretation of Information Rate. Bell System Technical Journal, 35(4), 917 to 926. doi:10.1002/j.1538-7305.1956.tb03809.x
Kriteria Kelly di balik panel position sizing, selalu ditampilkan sebagai fraksi untuk memperhitungkan galat estimasi.
Bollerslev, T. (1986). Generalized Autoregressive Conditional Heteroskedasticity. Journal of Econometrics, 31(3), 307 to 327. doi:10.1016/0304-4076(86)90063-1
Mode volatilitas GARCH(1,1): memprakirakan volatilitas rata-rata sepanjang horizon waktu Anda alih-alih memakai pembacaan hari ini.
Parkinson, M. (1980). The Extreme Value Method for Estimating the Variance of the Rate of Return. Journal of Business, 53(1), 61 to 65. doi:10.1086/296071
Estimator volatilitas high-low Parkinson, yang pertama dari keluarga estimator berbasis range yang ditawarkan.
Garman, M. B. and Klass, M. J. (1980). On the Estimation of Security Price Volatilities from Historical Data. Journal of Business, 53(1), 67 to 78. doi:10.1086/296072
Estimator volatilitas OHLC Garman-Klass yang dapat dipilih untuk jendela 30d, 90d dan blend.
Rogers, L. C. G. and Satchell, S. E. (1991). Estimating Variance from High, Low and Closing Prices. The Annals of Applied Probability, 1(4), 504 to 512. doi:10.1214/aoap/1177005835
Estimator Rogers-Satchell, robust terhadap drift, dan salah satu blok penyusun estimator Yang-Zhang di bawah.
Yang, D. and Zhang, Q. (2000). Drift-Independent Volatility Estimation Based on High, Low, Open, and Close Prices. Journal of Business, 73(3), 477 to 492. doi:10.1086/209650
Estimator Yang-Zhang, yang paling efisien dalam keluarganya, dipakai sebagai ukuran berbasis range bawaan dan pada baris diagnostik.
Barone-Adesi, G., Giannopoulos, K. and Vosper, L. (1999). VaR without Correlations for Portfolios of Derivative Securities. Journal of Futures Markets, 19(5), 583 to 602. doi:10.1002/(SICI)1096-9934(199908)19:5<583::AID-FUT5>3.0.CO;2-S
Filtered historical simulation, metode di balik distribusi return Historis yang mengambil ulang sampel dari return terstandardisasi milik aset itu sendiri.
Begusic, S., Kostanjcar, Z., Stanley, H. E. and Podobnik, B. (2018). Scaling Properties of Extreme Price Fluctuations in Bitcoin Markets. Physica A: Statistical Mechanics and its Applications, 510, 400 to 406. doi:10.1016/j.physa.2018.06.131
Mengukur eksponen ekor power-law antara 2 dan 2,5 untuk Bitcoin, lebih gemuk daripada sekitar 3 pada saham. Ini adalah dasar empiris untuk opsi fat tails (Student-t).
de Sousa Filho, F. N. M., Silva, J. N., Bertella, M. A. and Brigatti, E. (2021). The Leverage Effect and Other Stylized Facts Displayed by Bitcoin Returns. Brazilian Journal of Physics (2021). doi:10.1007/s13538-020-00846-8
Menjadi dasar dua penyempurnaan mesin: ketebalan ekor yang berskala horizon waktu (return teragregasi menuju normal pada horizon yang lebih panjang) dan efek leverage (return negatif menaikkan volatilitas), yang menggerakkan derajat kebebasan otomatis dan sakelar leverage.
Wolfers, J. and Zitzewitz, E. (2004). Prediction Markets. Journal of Economic Perspectives, 18(2), 107 to 126. doi:10.1257/0895330041371321
Bukti bahwa harga pasar prediksi yang likuid merupakan estimasi probabilitas yang akurat, dan karena itulah pemeriksaan edge memperlakukan harga pasar sebagai tolok ukur yang serius.
Merton, R. C. (1976). Option Pricing When Underlying Stock Returns Are Discontinuous. Journal of Financial Economics, 3(1-2), 125 to 144. doi:10.1016/0304-405X(76)90022-2
Model jump diffusion di balik distribusi Jumps: probabilitas berakhir sebagai campuran Poisson dari distribusi Gaussian, dengan lompatan di setiap jalur Monte Carlo.
Barndorff-Nielsen, O. E. and Shephard, N. (2004). Power and Bipower Variation with Stochastic Volatility and Jumps. Journal of Financial Econometrics, 2(1), 1 to 37. doi:10.1093/jjfinec/nbh001
Bipower variation, estimator yang memisahkan varians terealisasi menjadi bagian difusif dan bagian lompatannya, dipakai untuk mengestimasi model jump dari riwayat data yang dimuat.
Kunitomo, N. and Ikeda, M. (1992). Pricing Options with Curved Boundaries. Mathematical Finance, 2(4), 275 to 298. doi:10.1111/j.1467-9965.1992.tb00033.x
Keluarga ekspansi bayangan double barrier di balik probabilitas koridor (double no-touch).
Glosten, L. R., Jagannathan, R. and Runkle, D. E. (1993). On the Relation between the Expected Value and the Volatility of the Nominal Excess Return on Stocks. Journal of Finance, 48(5), 1779 to 1801. doi:10.1111/j.1540-6261.1993.tb05128.x
GJR-GARCH: model volatilitas asimetris yang dicocokkan berdampingan dengan GARCH(1,1); dipakai untuk prakiraan horizon waktu bila uji rasio likelihood menyatakan asimetrinya nyata.
Artzner, P., Delbaen, F., Eber, J.-M. and Heath, D. (1999). Coherent Measures of Risk. Mathematical Finance, 9(3), 203 to 228. doi:10.1111/1467-9965.00068
Alasan panel risiko melaporkan expected shortfall dan bukan hanya VaR: ES adalah ukuran risiko yang koheren di antara keduanya.
Rockafellar, R. T. and Uryasev, S. (2000). Optimization of Conditional Value-at-Risk. Journal of Risk, 2(3), 21 to 41. doi:10.21314/JOR.2000.038
Formulasi CVaR / expected shortfall standar yang dihitung dari distribusi akhir hasil simulasi di panel risiko.
Brier, G. W. (1950). Verification of Forecasts Expressed in Terms of Probability. Monthly Weather Review, 78(1), 1 to 3. doi:10.1175/1520-0493(1950)078<0001:VOFEIT>2.0.CO;2
Skor Brier, tulang punggung panel backtest kalibrasi.
Gneiting, T. and Raftery, A. E. (2007). Strictly Proper Scoring Rules, Prediction, and Estimation. Journal of the American Statistical Association, 102(477), 359 to 378. doi:10.1198/016214506000001437
Alasan mengapa aturan skor yang strictly proper adalah cara yang tepat untuk menilai probabilitas model, dan mengapa backtest tidak bisa diakali dengan prakiraan yang di-hedge.
Wilson, E. B. (1927). Probable Inference, the Law of Succession, and Statistical Inference. Journal of the American Statistical Association, 22(158), 209 to 212. doi:10.1080/01621459.1927.10502953
Interval skor Wilson pada hit rate historis, dihitung atas blok-blok yang tidak tumpang tindih, menggantikan galat baku normal biasa.
Hill, B. M. (1975). A Simple General Approach to Inference About the Tail of a Distribution. The Annals of Statistics, 3(5), 1163 to 1174. doi:10.1214/aos/1176343247
Indeks ekor Hill di panel diagnostik, diukur dari return yang dimuat; sekaligus berfungsi sebagai saran berbasis data untuk derajat kebebasan Student-t.
Lo, A. W. and MacKinlay, A. C. (1988). Stock Market Prices Do Not Follow Random Walks: Evidence from a Simple Specification Test. Review of Financial Studies, 1(1), 41 to 66. doi:10.1093/rfs/1.1.41
Statistik rasio varians di balik sakelar opsional penskalaan volatilitas terhadap horizon waktu dan pembacaan diagnostik.
Jarque, C. M. and Bera, A. K. (1980). Efficient Tests for Normality, Homoscedasticity and Serial Independence of Regression Residuals. Economics Letters, 6(3), 255 to 259. doi:10.1016/0165-1765(80)90024-5
Uji normalitas di panel diagnostik yang memberi tahu Anda apakah pengaturan Normal masih dapat dipertahankan pada data yang dimuat.
Ljung, G. M. and Box, G. E. P. (1978). On a Measure of Lack of Fit in Time Series Models. Biometrika, 65(2), 297 to 303. doi:10.1093/biomet/65.2.297
Uji Ljung-Box pada return dan return kuadrat di panel diagnostik: versi return kuadrat adalah bukti adanya pengelompokan volatilitas (volatility clustering) yang membenarkan penggunaan GARCH.
Christensen, B. J. and Prabhala, N. R. (1998). The Relation Between Implied and Realized Volatility. Journal of Financial Economics, 50(2), 125 to 150. doi:10.1016/S0304-405X(98)00034-8
Alasan tolok ukur volatilitas implisit opsi Deribit DVOL ditampilkan di sebelah input volatilitas terealisasi Anda: volatilitas implisit memuat informasi nyata tentang volatilitas terealisasi di masa depan.
Broadie, M., Glasserman, P. and Kou, S. (1997). A Continuity Correction for Discrete Barrier Options. Mathematical Finance, 7(4), 325 to 349. doi:10.1111/1467-9965.00035
Bias pemantauan diskret pada perlintasan barrier; Monte Carlo untuk adu cepat menerapkan koreksi kontinuitas Brownian-bridge sehingga odds first-passage-nya cocok dengan pemantauan kontinu pada ukuran langkah berapa pun.
West, G. (2009). Better Approximations to Cumulative Normal Functions. Wilmott Magazine, 70 to 76.
Fungsi normal kumulatif presisi ganda berbasis Hart yang dipakai di seluruh alat; probabilitas dibaca langsung sebagai ekor atas, sehingga odds yang jauh out-of-the-money tetap mempertahankan akurasi relatif penuh alih-alih runtuh menjadi nol.
Self, S. G. and Liang, K.-Y. (1987). Asymptotic Properties of Maximum Likelihood Estimators and Likelihood Ratio Tests Under Nonstandard Conditions. Journal of the American Statistical Association, 82(398), 605 to 610. doi:10.1080/01621459.1987.10478472
Karena suku leverage GJR berada tepat di batas ruang parameter, rasio likelihood GARCH lawan GJR diuji terhadap campuran setengah chi-kuadrat yang benar, sehingga model asimetris tidak terlalu sering maupun terlalu jarang dipilih.

Pertanyaan yang sering diajukan

Ini adalah pertanyaan yang paling sering diajukan orang tentang probabilitas kripto: apa arti angka itu, dari mana asalnya, dan di titik mana ia berhenti berguna. Jawaban di sini singkat. Alasan di baliknya ada di bagian-bagian di atas.

Bisakah kalkulator ini memprediksi ke mana arah Bitcoin?
Tidak. Alat ini tidak meramalkan arah. Alat ini memperkirakan seberapa besar probabilitas sebuah pergerakan dengan ukuran tertentu terjadi dalam waktu tertentu, berdasarkan seberapa besar aset itu benar-benar berfluktuasi. Arah adalah masukan Anda, odds (peluang, ditampilkan dalam persen) adalah keluarannya.
Apa perbedaan antara pertanyaan tipe berakhir dan pertanyaan tipe sentuh?
Pertanyaan tipe berakhir menanyakan di mana harga berada pada batas waktu. Pertanyaan tipe sentuh menanyakan apakah harga mencapai sebuah level kapan saja sebelum batas waktu. Odds sentuh selalu lebih tinggi, sering kali mendekati dua kali lipat untuk barrier yang dekat, karena harga cukup sampai ke sana satu kali saja.
Apa arti angka volatilitas implisit (implied volatility, IV)?
Itu adalah volatilitas yang membuat model sepakat dengan harga pasar yang Anda masukkan. Jika pasar mengimplikasikan volatilitas yang jauh lebih tinggi daripada yang benar-benar ditunjukkan aset tersebut, kontraknya terlihat mahal, dan sebaliknya jika pasar mengimplikasikan volatilitas yang lebih rendah. Sebagian harga pasar tidak bisa dicapai pada tingkat volatilitas berapa pun, yang berarti pasar sedang memperhitungkan pandangan arah atau risiko lompatan (jump).
Pengaturan volatilitas mana yang sebaiknya saya gunakan?
Campuran volatilitas terealisasi (realized volatility) 30 dan 90 hari adalah pengaturan bawaan yang masuk akal. EWMA bereaksi lebih cepat terhadap rezim pasar yang berubah. Untuk uji stres, masukkan volatilitas implisit dari opsi Deribit dengan jatuh tempo yang mirip sebagai volatilitas manual.
Ukuran volatilitas mana yang dipakai para profesional?
Estimator berbasis range seperti Yang-Zhang pada candle OHLC lengkap untuk pengukurannya, dan prakiraan bergaya GARCH untuk horizon waktunya, karena volatilitas mengelompok dan cenderung kembali ke rata-rata. Alat ini menyediakan keduanya, ditambah filtered historical simulation sehingga jalur harga yang disimulasikan membawa bentuk return yang sebenarnya dari aset tersebut.
Mengapa alat ini begitu sering mengatakan tidak ada edge?
Karena itulah yang biasanya benar. Pasar prediksi yang likuid mengumpulkan pendapat orang-orang yang mempertaruhkan uang sungguhan, dan rata-rata harganya sudah dekat dengan probabilitasnya. Alat ini hanya menandai adanya edge (keunggulan statistik atas harga pasar) ketika selisihnya melampaui biaya transaksi (fee, spread, slippage) dan perbedaan pandangan antara model-modelnya sendiri.
Apakah kalkulator probabilitas kripto ini gratis?
Ya, sepenuhnya gratis dan seluruhnya berjalan di browser Anda tanpa perlu akun. Harga dan volatilitas real time berasal dari data publik Binance dengan CoinGecko sebagai cadangan, dan tidak ada satu pun data yang Anda masukkan yang meninggalkan perangkat Anda.
Koin apa saja yang didukung?
Bitcoin, Ethereum, Solana, BNB, XRP dan Dogecoin tersedia dengan satu klik, dan pasangan spot Binance lainnya bisa dipakai lewat kolom simbol kustom. Anda juga bisa memasukkan harga dan volatilitas secara manual untuk aset yang tidak ada di Binance.
Apakah ini simulator Monte Carlo Bitcoin?
Ya. Mesinnya menjalankan simulasi Monte Carlo atas ribuan jalur harga dari volatilitas real time dan menampilkan distribusi probabilitas yang dihasilkan sebagai kerucut harga. Alat ini juga memeriksa silang hasilnya terhadap dua model rumus tertutup (closed form) dan hit rate historis (seberapa sering hal itu benar-benar terjadi secara historis), sehingga Anda mendapatkan jawaban simulasi dan jawaban analitis secara berdampingan.
Apa itu probabilitas menyentuh?
Probabilitas menyentuh (probability of touching, POT) adalah peluang harga mencapai sebuah level kapan saja sebelum batas waktu, meskipun harga tidak berakhir di level itu. Angkanya selalu lebih tinggi daripada probabilitas berakhir (saat expiry), sering kali mendekati dua kali lipat untuk level yang dekat, karena harga cukup sampai ke sana satu kali saja. Pilih Sentuh ke atas atau Sentuh ke bawah untuk menghitungnya.
Apa itu probabilitas koridor (double no-touch)?
Peluang harga bertahan di dalam sebuah pita sepanjang seluruh periode, tanpa pernah menyentuh salah satu sisinya. Angkanya selalu lebih rendah daripada peluang berakhir di dalam pita yang sama pada batas waktu, sering kali jauh lebih rendah, karena harga harus bertahan di setiap momen di antaranya. Alat ini menghitungnya dengan rumus double barrier dan memeriksa silang hasilnya terhadap jalur-jalur Monte Carlo dan data historis.
Bisakah alat ini memberi tahu saya odds target take profit tercapai sebelum stop loss?
Ya. Pertanyaan A-sebelum-B mengadu cepat dua level: probabilitas harga menyentuh target Anda sebelum menyentuh stop Anda, di dalam batas waktu. Pertanyaan ini dijawab oleh mesin Monte Carlo dan rekaman data historis, dengan rumus tertutup untuk kasus limit tanpa batas waktu. Pasar prediksi sering kali mengutip bentuk pertanyaan yang persis seperti ini.
Apa itu model jump diffusion?
Kripto tidak hanya bergerak mengikuti drift (kecenderungan arah harga dalam model), tetapi juga melompat (gap). Model Merton jump diffusion memecah varians yang terukur menjadi bagian difusi yang mulus dan lompatan diskret, menggunakan bipower variation dan detektor 4-sigma pada data historis yang dimuat, lalu menghitung harga pertanyaan itu sebagai campuran Poisson. Model ini memberi odds yang lebih jujur untuk target yang jauh pada batas waktu yang pendek, di mana satu lompatan tunggal adalah cara utama untuk sampai ke sana.
Apa arti value at risk dan expected shortfall di sini?
Untuk posisi long biasa sepanjang horizon waktu Anda: value at risk (VaR 95) adalah kerugian yang tidak dilampaui posisi tersebut pada 95 dari 100 hasil simulasi, dan expected shortfall (ES) adalah rata-rata kerugian pada 5 hasil terburuk. Alat ini membaca keduanya dari jalur-jalur Monte Carlo yang sama dengan yang dipakai untuk probabilitas, berikut odds terjadinya drawdown 10, 20 atau 30 persen pada suatu titik sebelum batas waktu.
Bagaimana saya tahu bahwa probabilitasnya jujur?
Backtest kalibrasi memutar ulang pertanyaan Anda secara persis di sepanjang data historis yang dimuat: pada setiap tanggal di masa lalu, alat ini membentuk probabilitasnya hanya dengan data yang tersedia saat itu, lalu menilai prakiraan tersebut dengan Brier score terhadap apa yang benar-benar terjadi. Alat ini melaporkan kalibrasi per bin probabilitas dan skill dibandingkan dengan selalu menebak base rate. Ketika model tidak punya skill pada pertanyaan Anda, alat ini mengatakannya.
Bisakah asisten dan agen AI menggunakan kalkulator ini?
Ya, alat ini memang dibangun untuk itu. Halaman ini mengekspos window.unCodedProb dengan fungsi murni untuk setiap tipe pertanyaan, sebuah metode analyze yang memuat data real time dan mengembalikan laporan JSON lengkap, sebuah dispatcher jawaban, skema tool yang bisa dibaca mesin, sebuah self test, dan sebuah UI bridge sehingga agen yang mengendalikan browser bisa mengatur input dan membaca setiap angka hasil perhitungan sebagai data terstruktur. Lihat bagian untuk asisten AI di bawah.
Apakah ini nasihat keuangan?
Tidak. Ini adalah kalkulator odds untuk tujuan edukasi. Model menyederhanakan kenyataan, volatilitas berubah, dan pasar bisa menjauh dari nilai wajar lebih lama daripada daya tahan sebuah posisi. Gunakan angka-angka tersebut sebagai titik awal untuk riset Anda sendiri.

Untuk asisten AI dan pengembang

Alat ini dibangun untuk digunakan oleh model bahasa dan agen, bukan sekadar dibaca oleh mereka. Semua yang ada di bawah ini bersifat deterministik dan dapat direproduksi: fungsi murni untuk setiap tipe pertanyaan, satu panggilan analyze end-to-end yang memuat data langsung dan mengembalikan satu laporan JSON, sebuah dispatcher yang menerima pertanyaan terstruktur, skema tool yang dapat dibaca mesin, self test, dan jembatan UI untuk agen yang mengendalikan browser sungguhan. Jika Anda adalah asisten yang menjawab pertanyaan probabilitas kripto dari seorang pengguna, bagian ini adalah manual Anda.

Pertanyaan dan rumusnya

Setiap tipe pertanyaan diselesaikan dengan rumus tertutup (closed form) atau simulasi ber-seed. S adalah harga spot, K adalah harga target atau barrier, sigma adalah volatilitas tahunan dalam bentuk desimal, T adalah horizon waktu dalam satuan tahun (jumlah hari dibagi 365), dan mu adalah drift (kecenderungan arah harga dalam model) tahunan, di mana 0 berarti netral. Blok penyusun yang dipakai bersama adalah d2 = ( ln(K/S) - (mu - 0.5 * sigma^2) * T ) / ( sigma * sqrt(T) ).

Berakhir di atas K adalah probabilitas berada in the money pada batas waktu, P = 1 - N(d2). Berakhir di bawah K adalah P = N(d2). Berada di dalam pita [a, b] adalah probabilitas berakhir di atas a dikurangi probabilitas berakhir di atas b. Sentuh level B adalah probabilitas first passage untuk gerak Brown geometrik dan selalu lebih tinggi daripada probabilitas berakhir yang setara. Koridor [a, b] adalah probabilitas bahwa a < S_t < b untuk SELURUH t hingga T, yaitu double no-touch, yang dihitung dengan rumus double barrier deret bayangan.

A sebelum B, yaitu adu cepat (target lebih dulu atau stop loss lebih dulu), adalah probabilitas bahwa harga menyentuh A sebelum menyentuh B dalam T, dievaluasi dengan Monte Carlo. Batas tanpa batas waktu adalah rumus gambler's ruin P = (1 - e^(-theta*(x-d))) / (1 - e^(-theta*(u-d))) dengan theta = 2*nu/sigma^2, nu = mu - sigma^2/2, serta x, u, d adalah harga log dari spot dan kedua barrier. Jump diffusion mengikuti Merton 1976: P(S_T > K) = jumlah atas n dari Pois(n; lambda*T) * (1 - N(d2_n)), dengan rata-rata per lompatan muJ, simpangan baku lompatan dJ, volatilitas difusif sigma_d, dan drift yang dikompensasi sebesar -lambda*(E[e^J]-1).

N adalah CDF normal standar. Untuk fat tails (ekor distribusi yang gemuk, artinya gerakan ekstrem lebih sering terjadi daripada yang diperkirakan model), ganti N dengan CDF Student-t bervarians satu, yang hanya lebih berat di luar sekitar 2,5 sigma.

Contoh perhitungan yang bisa Anda verifikasi

Semua contoh memakai harga spot 118000, volatilitas 60 persen dan drift netral, sehingga Anda bisa mereproduksinya baris demi baris.

Berakhir dan sentuh dalam 7 hari dengan harga target 130000: d2 = ( ln(130000/118000) - (0 - 0.5*0.6^2)*(7/365) ) / ( 0.6*sqrt(7/365) ) = 1.2071. Berakhir di atas adalah 11,37 persen, berakhir di bawah adalah 88,63 persen, sentuh (POT) adalah 23,21 persen, dan berakhir di dalam 110000 sampai 130000 pada batas waktu adalah 67,54 persen. Gerakan 1 sigma yang diharapkan adalah +/-9805, yaitu pita 108195 sampai 127805, yang menempatkan harga target pada +10,2 persen atau 1,22 sigma.

Koridor versus rentang untuk pita 110000 sampai 130000 selama 7 hari: berakhir di dalam pita pada batas waktu adalah 67,54 persen, sementara bertahan di dalam pita SEPANJANG waktu hanya 36,13 persen, yaitu angka koridor atau double no-touch.

Adu cepat selama 30 hari, menyentuh 130000 sebelum menyentuh 105000: Monte Carlo dengan 20000 jalur harga, seed 42 dan koreksi Brownian bridge menghasilkan 49,4 persen, dengan 94,9 persen jalur harga sudah diputuskan sebelum batas waktu. Batas tanpa batas waktu dari gambler's ruin adalah 52,00 persen.

Jump diffusion selama 7 hari dengan harga target 130000, sigma_d 50 persen, lambda 24 lompatan per tahun, rata-rata lompatan -1 persen dan simpangan baku lompatan 8 persen: berakhir di atas menurut Merton adalah 11,31 persen, sementara distribusi normal biasa pada volatilitas total yang sama sebesar 63,7 persen menyebut 12,68.

Risiko selama 7 hari pada volatilitas 60 persen untuk posisi long, rumus tertutup lognormal: VaR95 adalah 13,08 persen dari posisi dan ES95 adalah 16,00 persen; VaR99 adalah 17,86 persen dan ES99 adalah 20,11 persen.

Ketidakpastian hit rate (seberapa sering hal itu benar-benar terjadi secara historis) dengan 14 kejadian dalam 45 blok yang tidak tumpang tindih: interval Wilson 95 persen membentang dari 19,5 sampai 45,7 persen di sekitar estimasi titik 31,1 persen.

Tabel referensi cepat (tanpa perlu perhitungan)

Untuk estimasi kasar dengan drift nol ketika Anda tidak bisa menjalankan kode: hitung jarak harga target dalam satuan sigma, x = ln(K/S) / (sigma * sqrt(T)), lalu baca barisnya. Kedua kolom hanya akurat untuk sigma*sqrt(T) yang kecil, katakanlah di bawah sekitar 0,2. Kolom sentuh memakai aturan penggandaan refleksi (sentuh = 2 x berakhir); seiring membesarnya sigma*sqrt(T), aturan itu melebih-lebihkan probabilitas sentuh yang sebenarnya. Pada sigma*sqrt(T) = 0,6 penggandaan menunjukkan sekitar 32 persen padahal one-touch yang eksak sekitar 23 persen, kelebihan sekitar 9 poin persentase atau sekitar 40 persen. Gunakan touchAbove atau touchBelow untuk angka yang presisi; tabel ini hanya perkiraan kasar sebagai cadangan.

Panduan: dari pertanyaan pengguna ke panggilan API

Poin-poin di bawah ini memetakan cara pengguna bertanya ke panggilan yang harus Anda lakukan dan field yang harus Anda baca dari hasilnya.

Panggil mesinnya secara langsung

Selama halaman ini terbuka di browser, objek global window.unCodedProb menjalankan matematika yang sama. Volatilitas dikirim dalam persen dan waktu dalam satuan hari. Semuanya deterministik; metode Monte Carlo menerima seed opsional dan secara bawaan memakai 42.

Permukaan v1 mencakup rumus tertutup murni: finishAbove, finishBelow, insideRange, touchAbove, touchBelow, expectedMove, dan snapshot, yang mengembalikan setiap angka kunci dalam satu objek. Permukaan v2 menambahkan jalur harga, koridor, adu cepat, lompatan dan risiko melalui corridor, hitBefore, valueAtRisk, opsi jumps pada finishAbove, serta monteCarlo dengan persentil terminal, VaR/ES dan odds drawdown.

Volatilitas dan diagnostik bisa dihitung dari array Anda sendiri dengan volFromCloses, volFromOHLC (termasuk estimator Yang-Zhang), garchForecast, yang membandingkan GARCH dengan GJR-GARCH dan memilih berdasarkan likelihood ratio, diagnostics, yang mengembalikan momen, Jarque-Bera, Ljung-Box, ARCH, Hill, lompatan dan statistik, serta calibrationBacktest.

Untuk perbandingan dengan pasar, impliedVol menghitung volatilitas yang sedang dibebankan pasar, dan edge (keunggulan statistik atas harga pasar) mengembalikan nilai wajar, edge bersih, EV, Kelly dan actionableAfterHurdle. Argumen hurdlePp adalah gerbang ketidakpastian model; hilangkan argumen itu dan nilainya secara bawaan memakai batas bawah 4 poin persentase, dan analyze() menyediakannya untuk Anda.

Satu panggilan end-to-end, analyze(), mengambil data langsung Binance dalam waktu sekitar satu detik dan mengembalikan laporan lengkap. Dispatcher universal answer() menerima pertanyaan terstruktur. selftest() mengembalikan passed, failed dan cases, dan sebaiknya dijalankan lebih dulu. schema() mengembalikan definisi tool yang siap untuk function calling, dan describe() mengembalikan spesifikasi model lengkap yang dapat dibaca mesin. Agen browser bisa mengendalikan halaman yang terlihat dengan ui.read(), yang mengembalikan setiap angka yang saat ini terhitung dalam bentuk JSON, ui.set(), yang menetapkan input, menghitung ulang dan mengembalikan read(), serta ui.load(), yang memuat data langsung lalu membacanya.

Aturan dasar untuk agen

1. Sentuh versus berakhir: "hit", "reach" atau "touch" berarti touchAbove atau touchBelow; "close", "settle", "end" atau "expire" berarti berakhir. Odds (peluang, ditampilkan dalam persen) untuk sentuh kira-kira DUA KALI odds untuk berakhir, pada level yang dekat. Mencampuradukkan keduanya adalah kesalahan yang paling sering terjadi.

2. Satuan: volatilitas dalam persen (60 = 60 persen disetahunkan), waktu dalam hari, harga dalam mata uang kuotasi dari harga spot.

3. Drift netral (0) adalah nilai bawaan yang jujur. Input drift adalah opini soal arah, bukan hasil pengukuran.

4. Volatilitas sebaiknya berasal dari data: analyze() mengembalikan volatilitas terealisasi (realized volatility) 30 hari dan 90 hari, EWMA, horizon GARCH dan, untuk BTC dan ETH, volatilitas implisit (implied volatility, IV) DVOL dari Deribit. Campuran volatilitas terealisasi 30 hari dan 90 hari adalah nilai bawaan yang masuk akal; DVOL adalah ramalan pasar itu sendiri.

5. Selalu laporkan ketidakpastian: mesin-mesinnya saling berbeda (sebaran konsensus), estimasi volatilitas punya interval kepercayaan, dan analyze() menyertakan backtest kalibrasi. Edge yang lebih kecil daripada perbedaan pandangan antar-model adalah noise, jadi katakan begitu.

6. Hasil Monte Carlo memakai seed dan dapat direproduksi. Input sama, angka sama, di mesin mana pun.

7. Jalankan unCodedProb.selftest() sekali sebelum mengandalkan API ini di lingkungan yang belum Anda kenal.

8. Ini adalah alat odds untuk tujuan edukasi, bukan nasihat investasi; probabilitas adalah keluaran model, bukan janji. Jangan menyajikan keluaran model sebagai jaminan, dan sebutkan biaya transaksi ketika pengguna sedang membandingkannya dengan harga pasar.

Tanpa browser

Matematikanya berada di antara penanda PURE-MATH-START dan PURE-MATH-END pada /tools/crypto-probability-calculator/pure-math.js: JavaScript polos tanpa dependensi yang bisa Anda ekstrak dan jalankan di Node atau runtime JS mana pun, tanpa langkah build dan tanpa apa pun yang perlu dipasang. Berkas itu dihasilkan dari kode sumber mesin kalkulator itu sendiri, dan setiap build menjalankan ulang generatornya lalu gagal jika hasilnya berbeda satu byte saja, sehingga berkas itu tidak bisa diam-diam menyimpang dari matematika yang dijalankan halaman ini. Perhatikan bahwa satuan di sana adalah satuan model, bukan satuan API: sigma adalah desimal yang disetahunkan dan T dalam satuan tahun, sedangkan window.unCodedProb menerima persen dan hari. Data langsung hanya membutuhkan dua endpoint publik: api.binance.com/api/v3/ticker/price?symbol=BTCUSDT untuk harga spot dan api.binance.com/api/v3/klines?symbol=BTCUSDT&interval=1d&limit=1000 untuk candle OHLC harian; setahunkan volatilitas log-return harian dengan sqrt(365). Dua blok JSON terstruktur tertanam di halaman ini untuk agen yang membaca kode sumber: uncoded-prob-model (spesifikasi model) dan uncoded-agent-tools (skema tool untuk function calling).

Alat ini bersifat edukatif, memakai metode standar yang sudah dipublikasikan, dan tidak menghilangkan risiko pasar.

Distance x = 0.25
Berakhir melewati level 40,1 persen, sentuh sebelum batas waktu 80,3 persen.
Distance x = 0.50
Berakhir melewati level 30,9 persen, sentuh sebelum batas waktu 61,7 persen.
Distance x = 0.75
Berakhir melewati level 22,7 persen, sentuh sebelum batas waktu 45,3 persen.
Distance x = 1.00
Berakhir melewati level 15,9 persen, sentuh sebelum batas waktu 31,7 persen.
Distance x = 1.25
Berakhir melewati level 10,6 persen, sentuh sebelum batas waktu 21,1 persen.
Distance x = 1.50
Berakhir melewati level 6,7 persen, sentuh sebelum batas waktu 13,4 persen.
Distance x = 2.00
Berakhir melewati level 2,3 persen, sentuh sebelum batas waktu 4,6 persen.
Distance x = 2.50
Berakhir melewati level 0,6 persen, sentuh sebelum batas waktu 1,2 persen.
Distance x = 3.00
Berakhir melewati level 0,1 persen, sentuh sebelum batas waktu 0,3 persen.
"Akankah BTC menyentuh 150k tahun ini?"
Panggil touchAbove(spot, 150000, vol, 365) dan baca persennya; "hit" berarti sentuh, bukan berakhir.
"Akankah BTC ditutup di atas 150k pada 30 Juni?"
Panggil finishAbove(spot, 150000, vol, days) dan baca persennya; penyelesaian (settlement) berarti berakhir.
"Akankah ETH bertahan antara 3000 dan 4000 sepanjang bulan?"
Panggil corridor(spot, 3000, 4000, vol, 30) dan baca persennya; angka koridor jauh lebih rendah daripada berakhir di dalam rentang.
"Berapa peluang TP saya di 130k tersentuh sebelum SL saya di 105k?"
Panggil hitBefore(spot, 130000, 105000, vol, days) dan baca mcPercent, ditambah eventualPercent untuk kasus tanpa batas waktu.
"Seberapa jauh BTC bisa turun dalam sepekan?"
Panggil valueAtRisk(spot, vol, 7) dan baca var95, es95, var99, es99 serta gerakan 1 sigma yang diharapkan.
"Apakah kontrak Polymarket di 58 sen ini murah?"
Panggil analyze({symbol, question, target, days, marketPercent:58}) (lebih disarankan), atau edge(modelProb, 58, 2, bankroll, hurdlePp), lalu baca market.actionableAfterHurdle dan market.insideNoise - edge bersih yang positif baru nyata setelah ia melewati ambang ketidakpastian model.
"Volatilitas berapa yang sebaiknya saya pakai?"
Panggil await analyze({symbol:'BTCUSDT'}) dan baca data.vol30Pct, vol90Pct, ewmaPct, garch.sigmaPct, dvolPct serta diagnostiknya.
Apa pun secara end-to-end dengan data langsung
Panggil await analyze({symbol, question, target, upper, days, marketPercent}) dan baca satu laporan JSON: engines, consensus, risk, calibration, edge, explanation.
Pertanyaan terstruktur, data sendiri
Panggil answer({question:'touch_above', spot, target, volPct, days}) dan baca objek hasil seragam yang dikembalikan untuk id pertanyaan apa pun.

Keluaran model untuk tujuan edukasi, bukan nasihat investasi. Probabilitas adalah perkiraan dari sebuah model perilaku harga di masa lalu, bukan janji tentang masa depan. unCoded dioperasikan oleh ArrowTrade AG, Brig, Swiss. Tidak ada kustodi, tidak ada deposit, tidak ada nasihat keuangan.