Strategi multi-timeframe: konfluensi antar time frame.

Bayangkan dua trader dengan strategi crossover moving average yang sama. Yang satu cuma melihat M5 dan ambil trade ke segala arah. Yang lain cuma menerima sinyal M5 yang searah dengan tren H1. Yang kedua bakal lebih jarang trading — dan hasilnya lebih baik. Itulah inti multi-timeframe: pakai grafik besar sebagai kompas dan grafik kecil sebagai pemicu. Ini salah satu cara paling efektif untuk menyaring trade jelek.

01Kesalahan memakai satu time frame

Yang trading dengan satu grafik saja jatuh ke jebakan: sinyal beli di M5 bisa terlihat sempurna dalam jangka pendek, tapi ternyata cuma pantulan di dalam tren turun di H1. Kamu beli, pantulannya habis, dan tren besar menelanmu. Satu time frame membuatmu buta terhadap konteks.

02Konsepnya: tren di time frame besar, entry di yang kecil

Strukturnya selalu sama — dua (kadang tiga) time frame dengan peran yang berbeda:

03Time frame mana yang dipadukan

Aturan praktisnya, pakai rasio sekitar 4 sampai 6 kali di antara keduanya — cukup jauh untuk memberi konteks yang berbeda, cukup dekat supaya tetap masuk akal. Kombinasi yang umum:

• Day trade: M15 (tren) + M3 atau M5 (entry)
• Intraday yang lebih lebar: H1 (tren) + M15 (entry)
• Swing: Harian (tren) + H4 (entry)

Sebagian trader pakai tiga: satu paling atas (arah makro), satu menengah (tren operasional), dan satu bawah (pemicu). Lebih dari tiga jadi kelumpuhan — informasinya kebanyakan, keputusannya kekurangan.

04Memprogram konfluensinya

Bot harus menarik dua time frame dan menyilangkan informasinya. Lihat di dua platform:

//@version=5
strategy("Multi-Timeframe", overlay=true)

// tren di timeframe BESAR (mis. 60 menit)
tf_maior = input.timeframe("60", "Timeframe da tendência")
ma200_maior = request.security(syminfo.tickerid, tf_maior, ta.sma(close, 200))
fechamento_maior = request.security(syminfo.tickerid, tf_maior, close)
tendencia_alta = fechamento_maior > ma200_maior

// trigger di timeframe SAAT INI (chart aktif, yang lebih kecil)
ma_rapida = ta.ema(close, 9)
ma_lenta  = ta.ema(close, 21)
gatilho_compra = ta.crossover(ma_rapida, ma_lenta)

// KONFLUENSI: beli hanya kalau trigger DAN tren besar sejalan
if gatilho_compra and tendencia_alta
    strategy.entry("Compra", strategy.long)

# multi_timeframe.py
def direcao_tendencia(df_maior):
    # tren di chart besar: harga vs moving average 200
    ma200 = df_maior["close"].rolling(200).mean().iloc[-1]
    return "ALTA" if df_maior["close"].iloc[-1] > ma200 else "BAIXA"

def gatilho_entrada(df_menor):
    # trigger di chart kecil: crossover EMA
    r = df_menor["close"].ewm(span=9).mean()
    l = df_menor["close"].ewm(span=21).mean()
    cruzou_cima = r.iloc[-2] < l.iloc[-2] and r.iloc[-1] > l.iloc[-1]
    return "COMPRA" if cruzou_cima else "AGUARDA"

# konfluensi
df_h1  = puxar_candles("WIN$N", timeframe_H1)
df_m15 = puxar_candles("WIN$N", timeframe_M15)

if direcao_tendencia(df_h1) == "ALTA" and gatilho_entrada(df_m15) == "COMPRA":
    print("Confluência confirmada — comprar")

05Yang perlu diwaspadai saat otomatisasi

• Repaint: di Pine, hati-hati dengan request.security yang memakai candle time frame besar yang masih terbentuk — dia bisa "repaint" dan menipu di backtest. Pakai nilai candle yang sudah tertutup ([1]) supaya datanya andal.
• Trade lebih sedikit itu memang tujuannya: multi-timeframe akan memangkas jumlah transaksi cukup banyak. Itu fitur, bukan bug — kamu sedang menyaring yang jelek. Jangan "melonggarkan" filternya cuma supaya bisa lebih sering trading.
• Sinkronisasi: pastikan kedua time frame berasal dari aset yang sama dan ter-update pada momen yang sama. Data yang tertinggal di antara keduanya menghasilkan sinyal palsu.

06Kenapa ini berhasil

Multi-timeframe berhasil karena dia menyerang musuh terbesar mayoritas strategi: trading melawan tren yang dominan. Secara statistik, trade yang searah tren besar punya ekspektasi lebih baik. Dengan menyaring semua yang melawan "arus", kamu memotong sebagian besar trade merugi — bahkan tanpa mengubah strategi entry-nya. Ini salah satu dari sedikit penyesuaian yang memperbaiki hasil tanpa menambah kompleksitas yang rapuh.

07Pertanyaan yang sering muncul