⏱ 1 jam 27 mnt
📚 10 pelajaran
🎧 Versi audio
Tentang kursus ini
Arbitrase statistik terdengar seperti jaminan keuntungan — temukan dua aset yang bergerak bersama, jual yang mahal, beli yang murah, dan tunggu hingga keduanya bertemu. Kenyataannya lebih menuntut: hubungan tersebut harus valid secara statistik, stabil seiring waktu, dan cukup besar untuk menghasilkan keuntungan setelah biaya transaksi. Banyak calon trader kuantitatif menemukan ini hanya setelah menguji kembali strategi yang terlihat sangat baik di atas kertas dan berkinerja buruk di pasar riil. Kursus ini membangun fondasi konseptual yang menjelaskan mengapa arbitrase statistik dapat berhasil dan tepat di mana ia gagal.
Di akhir kursus ini Anda akan dapat menjelaskan perbedaan antara korelasi dan kointegrasi dan mengapa kointegrasi adalah uji yang benar untuk hubungan pairs trading, menjelaskan apa itu deret waktu stasioner dan mengapa stasioneritas diperlukan untuk sinyal mean-reversion, menafsirkan sinyal spread Z-score dan memahami apa yang diwakili oleh ambang batas secara statistik, mengidentifikasi asumsi-asumsi utama di balik pairs trading dan kondisi di mana asumsi-asumsi tersebut dilanggar, serta memahami bagaimana biaya transaksi, slippage, dan persyaratan modal memengaruhi kelangsungan arbitrase statistik.
Apa yang akan Anda pelajari:
- Korelasi vs. kointegrasi: mengapa dua aset dapat berkorelasi tanpa memiliki spread mean-reverting
- Stasioneritas: uji Augmented Dickey-Fuller dijelaskan secara konseptual dan perannya dalam pemilihan pasangan
- Spread: membangun rasio lindung nilai menggunakan regresi ordinary least squares dan menafsirkan residual
- Sinyal Z-score: menghitung ambang batas masuk dan keluar serta tingkat kepercayaan yang tersirat
- Kriteria pemilihan pasangan: hubungan ekonomi, validasi statistik, dan pertimbangan likuiditas
- Kecepatan mean-reversion: half-life mean reversion dan pengaruhnya terhadap periode penahanan strategi dan efisiensi modal
- Mode kegagalan umum: perubahan rezim, divergensi spread, dan berita fundamental sebagai pemicu kegagalan arbitrase
- Properti netral pasar: mengapa arbitrase statistik dirancang untuk menjadi dollar-neutral dan risiko sisa apa yang tetap ada
Kursus ini disusun sebagai serangkaian bacaan konseptual dengan contoh numerik yang dikerjakan untuk mengilustrasikan setiap konsep statistik. Setiap modul diakhiri dengan latihan penilaian diri. Materi berkembang dari konsep deret waktu dasar hingga konstruksi pasangan dan pembuatan sinyal.
Kursus ini dirancang untuk individu yang baru mengenal arbitrase statistik dan strategi kuantitatif yang menginginkan dasar konseptual yang ketat. Tidak diperlukan latar belakang statistik sebelumnya di luar probabilitas dasar — semua konsep kunci diperkenalkan dari prinsip-prinsip pertama. Kursus ini bersifat informasional dan edukatif serta tidak merupakan nasihat keuangan atau investasi.
Apa yang Anda dapatkan
-
📜
Sertifikat penyelesaian
Tambahkan ke profil LinkedIn Anda
-
💬
Personal AI tutor
Stuck on a lesson? Ask your built-in tutor anything, any time.
-
🎧
Termasuk versi audio
Belajar di mana saja — tanpa layar
-
♾️
Akses seumur hidup
Kembali kapan saja, tanpa kedaluwarsa
-
📱
Ponsel atau komputer
Berfungsi di mana saja, perangkat apa saja
-
💸
Pengembalian 30 hari
Tanpa pertanyaan
-
⚡
Singkat dan fokus
1 jam 27 mnt konten praktis
Ulasan
Belum ada ulasan — jadilah yang pertama berbagi pengalaman.
Pelajar lain juga mengambil
Pertanyaan umum
Apa yang saya butuhkan untuk mengikuti kursus ini?
+
Cukup ponsel atau komputer dengan internet. Tidak ada instalasi atau perangkat khusus.
Bagaimana cara membayar?
+
Dengan kartu via Stripe, atau kripto. Kami tidak menyimpan detail kartu — Stripe menanganinya dengan aman.
Bisakah saya mendapat refund?
+
Ya — refund penuh dalam 30 hari, tanpa pertanyaan.
Berapa lama saya akan punya akses?
+
Selamanya. Setelah membeli, kursus jadi milik Anda untuk dikunjungi lagi kapan saja.
Apakah saya akan mendapat sertifikat?
+
Ya. Setelah selesai, Anda akan menerima sertifikat yang bisa ditambahkan ke profil LinkedIn.
Dibuat untuk pelajar di
Teknologi
Desain
Keuangan
Pemasaran
Kesehatan
Pendidikan
Perhotelan
Manufaktur