Pendahuluan: Mengapa para trader berpengalaman dapat menghasilkan uang dengan mengamati moving average, sementara kita selalu dirugikan?

Izinkan saya memulai dengan sebuah kebenaran yang menyakitkan: Saya mengenal seseorang yang telah berdagang futures selama lebih dari satu dekade, dan antarmuka perdagangannya sangat sederhana sehingga sulit dipercaya—hanya dua moving average, dia bahkan tidak menggunakan alat “canggih” seperti MACD atau RSI. Namun, dia secara konsisten menghasilkan keuntungan.

Suatu kali saya tak kuasa menahan diri untuk bertanya kepadanya, “Anda hanya melihat dua garis ini, bagaimana Anda tahu golden cross mana yang merupakan breakout sejati dan mana yang merupakan sinyal palsu?”

Dia menyesap tehnya dan berkata dengan santai, “Menonton berita.”

SAYA:???

Dia melanjutkan, “Misalnya, golden cross Bitcoin kemarin, tetapi saya melihat berita bahwa bursa utama sedang diselidiki, dan kepanikan pasar sangat tinggi. Golden cross seperti itu kemungkinan besar adalah jebakan bull. Tetapi golden cross minggu lalu bertepatan dengan berita tentang BlackRock yang meningkatkan kepemilikan ETF-nya; institusi berebut untuk membeli. Mengapa Anda tidak masuk pasar saat itu?”

Aku tiba-tiba menyadari, lalu langsung putus asa—bukankah ini hanya ujian kemampuan “manusia”?

Apa saja keuntungan dari pemain berpengalaman?

1. Kecepatan pengambilan informasi yang cepatSaat memantau pasar, mereka selalu membuka berbagai sumber berita, grup Telegram, dan Twitter, sehingga mereka langsung tahu ketika berita penting muncul.
2. Akurasi penilaian yang tinggiSetelah menyaksikan reaksi pasar yang tak terhitung jumlahnya, saya dapat langsung membedakan berita mana yang benar-benar positif dan mana yang hanya sekadar sensasi.
3. Keputusan yang menentukanSetelah sinyal teknis dan sentimen berita memberikan konfirmasi ganda, masuklah ke pasar saat tepat dan kurangi kerugian jika perlu, tanpa ragu-ragu.

Lalu bagaimana dengan kita, para investor ritel?

• Pada saat Anda melihat berita tersebut, harganya mungkin sudah naik sebesar 5%.
• Saya sangat gembira melihat “kabar baik yang besar” itu sampai-sampai tangan saya gemetar, tetapi ternyata itu hanya berita lama dari tiga bulan lalu yang didaur ulang.
• Pola golden cross muncul, tetapi saya ragu untuk masuk; terjadi false breakout, jadi saya mengejar keuntungan yang lebih tinggi.
• Aku sudah menelusuri berita di ponselku sejak lama, dan aku masih belum tahu harus berbuat apa.

Terus terang saja, semua orang bisa melihat indikator teknis, tetapiAmbil keputusan dengan menggabungkan sinyal teknis dan sentimen pasar.Itulah keahlian sejati. Masalahnya adalah keahlian seperti ini membutuhkan waktu, pengalaman, dan energi untuk memantau pasar ²⁴⁄₇.

Bisakah kita membiarkan AI melakukan pekerjaan ini?

Begini pemikiran saya: Jika kita bisa menulis program yang akan:

• Pemantauan ²⁴⁄₇ terhadap umpan RSS dari 9 sumber berita utama.
• Menganalisis secara otomatis intensitas sentimen dan relevansi berita terkini.
• Menggabungkan sinyal teknis (golden cross/death cross) dengan status posisi saat ini.
• Berdasarkan aturan pengendalian risiko yang telah ditetapkan, saran perdagangan spesifik akan diberikan.

Mungkinkah hal ini, sampai batas tertentu, menutupi kekurangan kita dalam hal informasi dan pengalaman?

Tentu saja, saya tidak akan berani mengatakan strategi ini dapat menggantikan penilaian manusia, apalagi menjamin keuntungan yang stabil (lagipula, ini masih dalam tahap pengujian, dan pasti ada banyak jebakan). Tetapi setidaknya, ini dapat membantu kita mencapai hal-hal berikut:

1. Jangan lewatkan informasi pentingPengambilan data berita dilakukan secara otomatis dan berjalan 24 jam sehari.
2. Menjaga konsistensi dalam pengambilan keputusanSaya tidak akan mengambil keputusan terburu-buru berdasarkan perubahan emosi.
3. Penegakan pengendalian risikoKurangi kerugian jika perlu, dan amati jika sesuai.

Anggap saja ini sebagai “asisten perdagangan dasar,” yang membantu kita dalam pengumpulan informasi yang berulang dan penilaian dasar. Kekuatan pengambilan keputusan yang sebenarnya tetap harus berada di tangan kita sendiri.

Oke, setelah kita melampiaskan kekesalan, mari kita lihat bagaimana strategi eksperimental ini dirancang.

https://www.fmz.com/strategy/519838

---

I. Ide Strategi Dasar

Seluruh strategi dibagi menjadi tiga tingkatan:

1. Lapisan Sinyal Teknis: Sistem Rata-Rata Bergerak Ganda

Ini adalah lapisan paling dasar, menggunakan EMA (Exponential Moving Average). Kode ini secara default menggunakan periode jangka pendek 7 dan periode jangka panjang 25, tetapi Anda dapat menyesuaikannya sesuai dengan gaya trading Anda.

// 短期均线
EMA(7)

// 长期均线  
EMA(25)

// 信号判断
金叉：短期EMA上穿长期EMA → 看涨
死叉：短期EMA下穿长期EMA → 看跌

Bagian ini tidak ada yang istimewa; ini hanya mengikuti tren klasik. Tetapi poin kuncinya adalah—saya tidak akan membuka posisi secara membabi buta berdasarkan golden cross dan death cross. Sebaliknya, saya akan menggunakan sinyal-sinyal ini sebagai “pendapat referensi” dan meneruskannya ke AI.

2. Lapisan Analisis Sentimen: Pengambilan Data Berita RSS

Strategi ini akan mengambil data RSS dari 9 sumber berita cryptocurrency utama secara real-time:

• Cointelegraph
• Bitcoin Magazine
• CoinDesk
• Crypto Briefing
• Bitcoinist
• Crypto.news
• NewsBTC
• CryptoPotato
• 99Bitcoins

Ini trik kecilnya: Saya hanya menyimpan berita dari 24 jam terakhir, dan menyusunnya dalam urutan kronologis terbalik (terbaru terlebih dahulu). Mengapa? Karena semakin baru beritanya, semakin cepat pasar bereaksi, dan semakin tinggi bobotnya.

// 筛选24小时内的新闻
const oneDayAgo = Date.now() - (24 * 60 * 60 * 1000);

// 按时间戳排序，新的在前
result.sort((a, b) => b.timestamp - a.timestamp);

3. Tingkat pengambilan keputusan: Penilaian komprehensif berbasis AI

Inilah inti dari keseluruhan strategi. Saya mengemas sinyal teknis, data berita, dan kepemilikan saat ini ke dalam file JSON dan memasukkannya ke Claude Sonnet 4.5, membiarkannya membuat keputusan sesuai dengan aturan yang telah ditetapkan.

AI pada dasarnya melakukan tiga hal:

Langkah 1: Menilai intensitas emosional berita (0-1 poin)

Saya telah mempertimbangkan dengan matang dalam merancang aturan penilaian di sini. Ini bukan hanya tentang melihat apakah berita itu positif atau negatif, tetapi lebih kepada mempertimbangkan:

• Bobot relevansiBerita yang secara langsung menyebutkan mata uang kripto target memiliki bobot 1,0, lingkungan pasar secara keseluruhan 0,8, dan mata uang kripto lainnya 0,5.
• Bobot ketepatan waktu30% berita terbaru memiliki bobot 1,0, bagian tengah memiliki bobot 0,8, dan berita yang lebih lama memiliki bobot 0,6.
• Keterkaitan pasarPasar kripto sangat saling terkait; berita besar di BTC/ETH akan memengaruhi semua mata uang kripto.

Sebagai contoh, jika Anda memperdagangkan SOL, tetapi ada laporan berita bahwa “SEC menyetujui ETF Bitcoin,” AI juga akan menganggap ini sebagai perkembangan positif yang besar karena seluruh pasar akan terpengaruh.

Langkah 2: Menggabungkan kepemilikan dan status laba/rugi

Ini adalah poin yang sering diabaikan oleh banyak strategi kuantitatif. Bahkan dengan sinyal death cross yang sama, jika Anda:

• Memegang posisi beli (long position) dengan keuntungan 1500U → AI akan menyarankan untuk segera menutup posisi guna melindungi keuntungan.
• Memegang posisi beli tetapi mengalami kerugian sebesar 300 USDT → AI akan lebih berhati-hati dan mungkin hanya menutup sebagian untuk observasi.
• Tidak ada posisi terbuka → AI akan menilai apakah tepat untuk membuka posisi jual.

Langkah 3: Berikan saran operasional spesifik

AI tidak hanya akan mengatakan “bullish” atau “bearish,” tetapi akan menghasilkan output:

• Tindakan spesifik: Buka posisi beli/Buka posisi jual/Tambah posisi/Tutup posisi/Amati
• Jumlah: X unit (mempertimbangkan batas posisi maksimum)
• Alasan di balik keputusan ini: Mengapa melakukan ini?
• Peringatan risiko: Apa yang perlu diperhatikan?

Sebagai contoh, outputnya seperti ini:

{
  "decision": {
    "action": "OPEN_LONG",
    "multiplier": 2.0,
    "reasoning": "金叉信号 + sentiment 0.90（4级极强） + 最新新闻显示BTC突破10万、ETF获批、机构入场 → 建议开多仓2倍基础仓位",
    "riskWarning": "BTC突破整数关口后常有回调，建议设置止损"
  }
}

II. Desain aturan pengambilan keputusan: Membuat AI berpikir seperti seorang ahli

Bagian ini adalah inti dari keseluruhan strategi. Saya merancang matriks pengambilan keputusan yang relatif lengkap, yang ide intinya adalah:Sinyal teknis memberikan arah, sentimen berita memberikan konfirmasi, dan status posisi menentukan kekuatan pergerakan.。

Klasifikasi Tingkat Emosional

Saya mengkategorikan sentimen berita ke dalam empat tingkatan:

nilai	Rentang pecahan	fitur	Operasi yang sesuai
Level 4 (Sangat Kuat)	0.8-1.0	Berita positif/negatif besar, arah yang jelas.	Langkah berani, gandakan ukuran posisi.
Level 3 (Kuat)	0.65-0.8	Jelas positif/negatif, konsensus terbentuk.	Pengoperasian normal, posisi 1x
Level 2 (Netral)	0.5-0.65	Arahnya tidak jelas atau campuran antara positif dan negatif.	Jangan berbuat apa-apa, amati saja.
Level 1 (Lemah)	0-0.5	Berlawanan dengan arah sinyal atau tidak ada berita terkait.	Ketidakaktifan dapat mengindikasikan sinyal palsu.

Contoh skenario umum

Skenario 1: Tidak ada posisi terbuka + Golden cross + Berita positif yang sangat kuat di Level 4

技术信号：短期EMA上穿长期EMA
新闻情绪：0.92分（BTC突破10万、ETF获批、机构FOMO）
当前持仓：0单位

→ AI决策：开多仓2倍基础仓位
→ 理由：技术面和基本面高度一致，是难得的高确定性机会
→ 风险提示：整数关口常有回调，设好止损

Skenario 2: Memegang posisi beli (long position) sebanyak 3 unit (keuntungan 800 unit) + death cross + berita bearish kuat di level 3

技术信号：短期EMA下穿长期EMA
新闻情绪：0.72分（BTC跌破支撑、清算激增）
当前持仓：3单位，浮盈800U

→ AI决策：平仓2单位，保留1单位观察
→ 理由：趋势反转风险上升，先保护大部分利润
→ 计算逻辑：持仓较大(3单位) + 盈利状态 + 3级强信号 = 平仓2/3

Skenario 3: Memegang posisi beli (long position) sebanyak 2 unit (keuntungan 1500U) + Golden Cross + Berita Positif Sangat Kuat Level 4

技术信号：短期EMA再次金叉
新闻情绪：0.92分（抛物线行情、机构入场、降息预期）
当前持仓：2单位，浮盈1500U
最大持仓：3单位

→ AI决策：加仓1单位至上限
→ 理由：当前盈利 + 趋势极强 + 还有加仓空间
→ 风险提示：已达最大持仓，无法再加仓，设置移动止损

Dampak dari status laba rugi

Inilah yang saya anggap menarik dari strategi ini. Dengan sinyal teknis yang sama, AI akan memberikan saran yang berbeda berdasarkan status untung rugi Anda:

Menemukan sinyal pembalikan saat menghasilkan keuntungan→ Prioritaskan perlindungan keuntungan dan tutup posisi dengan lebih tegas
Menemukan sinyal pembalikan saat mengalami kerugian→ Kurangi kerugian Anda secara tegas untuk menghindari kerugian lebih lanjut.
Sinyal menguntungkan ke arah yang sama→ Pertimbangkan untuk menambah posisi Anda guna meningkatkan keuntungan.
Ketika terjadi kehilangan data, sinyal yang searah akan terdeteksi.→ Berhati-hatilah dalam menambah posisi Anda; prioritaskan menunggu hingga mencapai titik impas.

Hal ini sebenarnya mensimulasikan manajemen pola pikir para trader berpengalaman.

III. Implementasi Teknis: Daya Tarik Alur Kerja

Seluruh strategi diimplementasikan pada alur kerja, dan alat ini sangat cocok untuk melakukan alur kerja otomatis yang kompleks seperti ini.

Deskripsi Node Inti

1. Pemicu pengatur waktuJalankan setiap 3 menit (dapat disesuaikan)

2. Pengaturan node awal：

   • Menyiapkan API pertukaran
   • Inisialisasi catatan dana
   • Buat tabel status visual.

3. Akuisisi grafik candlestick → Perhitungan indikator teknis：

   • Dapatkan N candlestick terbaru
   • Hitung EMA jangka pendek/jangka panjang
   • Menentukan Salib Emas/Salib Kematian

4. Penilaian bersyarat：

   • Jika tidak ada sinyal → keluarkan log, selesai.
   • Jika sinyal terdeteksi → picu pengambilan berita

5. Sembilan node pembaca RSS dieksekusi secara paralel.：

   • Setiap node mengambil satu sumber berita.
   • Penanganan kesalahan telah dikonfigurasi (jika satu sumber mengalami gangguan, hal itu tidak akan memengaruhi sistem secara keseluruhan).

6. Node umpan RSS：

   • Gabungkan semua berita
   • Saring dalam waktu 24 jam
   • Disusun dalam urutan kronologis terbalik
   • Tag HTML yang bersih

7. Node pemrosesan informasi：

   • Pengemasan sinyal teknis, berita, dan data posisi
   • Formatlah ke dalam struktur JSON yang dibutuhkan oleh AI.

8. Agen AI：

   • Menerima data yang dikemas
   • Analisis berdasarkan aturan yang telah ditetapkan.
   • Keluaran keputusan terstruktur

9. Node eksekusi transaksi：

   • Menganalisis Keputusan AI
   • Melakukan operasi perdagangan tertentu
   • Simpan hasilnya untuk referensi pengambilan keputusan di masa mendatang.

Visualisasi status

Strategi ini akan menghasilkan empat tabel pada platform FMZ selama waktu eksekusi:

1. Gambaran Umum AkunModal awal, ekuitas saat ini, laba/rugi akumulasi, tingkat pengembalian
2. Pemantauan posisiArah posisi, kuantitas, harga rata-rata, laba yang belum terealisasi, dan kapasitas yang tersisa.
3. Analisis Keputusan AISinyal teknis, sentimen berita, pengambilan keputusan, dan tingkat kepercayaan.
4. Hasil eksekusiJenis operasi, status pelaksanaan, penyelesaian laba rugi, alasan pengambilan keputusan

Dengan cara ini, Anda dapat melihat sekilas apa yang dilakukan strategi tersebut.

IV. Desain Pengendalian Risiko: Hanya dengan Menghindari Tindakan Ceroboh Anda Dapat Bertahan Lebih Lama

Ketakutan terbesar dalam perdagangan kuantitatif adalah kehilangan semua keuntungan sebelumnya dalam satu kerugian besar. Oleh karena itu, saya merancang beberapa lapisan pengendalian risiko:

1. Batas posisi maksimum

lulusmaxPosKontrol parameter, misalnya, dengan menetapkannya ke 3, berarti bahwa seberapa pun optimisnya AI, ia hanya dapat memegang maksimal 3 unit dasar. Dengan cara ini, bahkan jika penilaiannya salah, kerugian akan berada dalam kisaran yang terkendali.

2. Pengambilan keputusan bertingkat, pengujian bertahap

• Sinyal Level 4 Sangat Kuat: Buka/Tambah 2x Posisi
• Sinyal Kuat Level 3: Buka/Tambah 1 Posisi
• Level 2 dan di bawahnya: Tidak ada operasi.

Mereka tidak akan menghabiskan semua peluru mereka sekaligus.

3. Sinyal emosional dan teknis harus konsisten.

Jika terdapat golden cross pada grafik teknikal, tetapi berita yang beredar sangat negatif (sentimen < 0,5), AI akan menilainya sebagai false breakout dan tidak akan membuka posisi. Hal sebaliknya juga berlaku.

4. Strategi penutupan dinamis

Ini bukan sekadar soal “benar-benar datar” atau “tidak rata,” melainkan berdasarkan pada:

• Kekuatan sinyal (Level 4: datar; Level 3: datar hingga ²⁄₃; Level 2: amati)
• Ukuran posisi (posisi yang lebih besar mungkin lebih sering dilikuidasi, sedangkan posisi yang lebih kecil mungkin dilikuidasi seluruhnya).
• Status laba dan rugi (melindungi laba saat menguntungkan, dan memangkas kerugian secara tegas saat mengalami kerugian).

Diperlukan penilaian komprehensif terhadap rasio likuidasi.

V. Masalah Saat Ini dan Area yang Perlu Ditingkatkan

Sejujurnya, strategi ini masih memiliki cukup banyak masalah:

Lubang yang diketahui

1. Kualitas berita bervariasi

• Beberapa sumber berita menyukai judul berita yang bersifat clickbait.
• Berita yang sama dilaporkan berulang kali.
• Mengemas ulang berita lama adalah hal yang baik.

Ide perbaikanFitur-fitur yang dapat disertakan antara lain penghapusan duplikasi berita, pengecekan ketepatan waktu, dan penilaian kredibilitas sumber.

---

2. Penilaian emosi oleh AI belum cukup akurat.

• Terkadang berita netral ditafsirkan sebagai berita positif.
• Kurangnya pemahaman tentang keterlambatan sentimen pasar.
• Tidak mampu mengidentifikasi situasi halus di mana “kabar baik sudah sepenuhnya tercermin dalam harga”.

Ide perbaikanKumpulkan data historis untuk melatih model klasifikasi emosi khusus.

---

3. Selisih harga dan tingkat bunga tidak diperhitungkan.

• Kode saat ini menggunakan order pasar.
• Selisih harga dalam transaksi aktual tidak dihitung.
• Dampak biaya transaksi terhadap keuntungan belum dikuantifikasi.

Ide perbaikanTambahkan logika order limit untuk mensimulasikan biaya transaksi sebenarnya.

---

4. Kurangnya mekanisme pengambilan keuntungan dan penghentian kerugian yang tepat waktu.

• Mengandalkan sepenuhnya pada sinyal indikator dan berita untuk menentukan kapan harus menutup posisi setelah membukanya dapat menyebabkan Anda melewatkan titik keluar yang optimal.
• Tidak mampu mengatasi penurunan pasar yang tiba-tiba (serangan peretas, berita regulasi negatif, dll.)
• Keuntungan dapat lenyap sepenuhnya, dan kerugian dapat bertambah tanpa batas.

---

Langkah selanjutnya

1. Optimalkan sumber beritaSaring sumber informasi berkualitas tinggi dan kurangi gangguan.
2. Memperkenalkan kompetisi multi-model: Gunakan beberapa AI (seperti Claude, GPT, Gemini) untuk menganalisis secara bersamaan dan mengumpulkan hasil pemungutan suara.
3. Tambahkan data on-chainMenggabungkan aliran dana pertukaran dan perubahan kepemilikan investor besar.
4. Tambahkan modul alur kerja stop-loss dan take-profit.Tetapkan level stop-loss tetap (misalnya, likuidasi paksa -5%), level take-profit (misalnya, pengambilan keuntungan +15%), dan trailing stop-loss (retracement 8% dari titik tertinggi untuk melindungi keuntungan) untuk menghindari kerugian signifikan yang disebabkan oleh likuidasi pasif akibat berita.

VI. Rekomendasi Penggunaan

Jika Anda ingin mencoba strategi ini, saya punya beberapa saran tulus:

1. Pertama, gunakan disk demo.Jangan langsung menginvestasikan uang sungguhan; amati kinerjanya setidaknya selama satu atau dua minggu.

2. Mulailah dengan posisi kecil.Sekalipun Anda akan bertransaksi dengan uang sungguhan, mulailah dengan unit terkecil dan jangan takut kehilangan peluang.

3. Tinjauan berkalaTinjau keputusan AI setiap minggu: mana yang benar, mana yang salah, dan mengapa?

4. Jangan terlalu bergantung padanya.AI hanyalah alat bantu; kekuatan pengambilan keputusan akhir tetap berada di tangan Anda.

5. Bersiaplah menghadapi yang terburuk.Tetapkan batas kerugian total maksimum untuk akun Anda; hentikan kerugian saat Anda mencapai batas tersebut.

6. Pertahankan pola pikir belajar.Pasar sedang berubah, dan strategi harus berkembang sesuai dengan perubahan tersebut.

Kesimpulan

Melalui eksperimen ini, saya memperoleh pemahaman yang lebih dalam tentang kombinasi “analisis teknikal + analisis fundamental”. Alasan mengapa trader berpengalaman begitu hebat bukanlah karena mereka mengetahui indikator-indikator misterius, tetapi karena mereka dapat dengan cepat mengintegrasikan informasi multidimensi dan membuat penilaian yang rasional.

Sebagai investor ritel biasa, kita mungkin kurang memiliki pengalaman dan intuisi seperti investor berpengalaman, tetapi kita dapat mengimbanginya dengan teknologi. Kita dapat membiarkan mesin menangani tugas-tugas membosankan seperti pengumpulan informasi dan analisis fundamental, sehingga kita dapat fokus pada pengendalian risiko dan optimalisasi strategi.

Terakhir, izinkan saya mengatakan sesuatu dari lubuk hati saya yang paling dalam:Perdagangan kuantitatif bukanlah mesin pencetak uang, dan AI bukanlah obat mujarab.Strategi ini masih sangat mendasar dan pasti akan menghadapi berbagai masalah yang tidak terduga. Jika Anda memilih untuk menggunakannya, bersiaplah menghadapi potensi kerugian dan anggaplah ini sebagai alat pembelajaran, bukan mesin penghasil uang.

Oke, itu saja untuk hari ini. Jika Anda memiliki pemikiran atau saran, jangan ragu untuk membagikannya. Bagaimanapun, kita semua berada di jalur yang sama, menjelajahi perdagangan kuantitatif.

Semoga semua orang sukses dalam berdagang dan terhindar dari banyak kendala! 🚀

---

P.S. Saya sudah menyertakan kode lengkap di awal artikel; silakan pelajari jika Anda tertarik. Jika Anda mengembangkan versi yang lebih baik, silakan bagikan juga!