Analisis Mendalam Peristiwa RAVE: Model Keuangan Kuantitatif untuk Short Squeeze, Keruntuhan, dan Manipulasi Likuiditas

Pendahuluan

Pada pertengahan April 2026, pasar mata uang kripto menyajikan sebuah skenario penyerangan berdarah seperti buku teks—token $RAVE mengalami lonjakan harga tanpa henti dalam waktu singkat, diikuti oleh tekanan ekstrem untuk逼空, keruntuhan bertingkat, dan akhirnya mendekati nol. Ribuan trader retail yang terbawa FOMO saat lonjakan besar ini langsung masuk pasar, lalu tersedot dalam spiral kematian akibat margin call yang berantai. Sampai pukul 3 dini hari tanggal 19 April, penurunan mencapai hampir 90%.

Ini bukan kejadian tunggal, melainkan skenario standar yang diulang-ulang oleh koin tiruan yang dikendalikan secara tinggi.

Untuk benar-benar memahami “逼空 (Short Squeeze) yang bermaksud jahat” dan “pengendalian pasar yang tinggi” dari mesin pemanen finansial ini, kita harus keluar dari sekadar grafik lilin (K-line) dan masuk ke dalam struktur pasar mikro (Microstructural Market Theory) serta bidang keuangan kuantitatif.

Operasi bandar bukan sekadar “menggiring pasar secara acak”, melainkan sebuah manipulasi likuiditas dan arbitrase derivatif yang dihitung secara cermat. Kita bisa gunakan beberapa model matematika dan ekonomi inti untuk membongkar logika “mesin pemangsa” yang mengoyak-oyak trader retail ini.

Artikel ini akan menggunakan peristiwa RAVE sebagai contoh utama, mengikuti rangkaian logika lengkap dari kenaikan (逼空) → keruntuhan (mendekati nol secara tiba-tiba) → penurunan bertingkat → sisa pasca kejatuhan (resistensi kematian saat upaya rebound kedua) → keterbatasan model, secara berurutan dan mendalam.

Bab 1: Logika kenaikan—Bagaimana bandar menggunakan perhitungan presisi untuk mengoyak trader retail

Model 1: Model Kekeringan Likuiditas dan Dampak Harga (Kyle's Market Impact Model)

Bandar mampu mengangkat harga dengan modal sangat kecil, inti dari strategi ini adalah “mengendalikan peredaran”. Dalam keuangan kuantitatif, kita biasanya memakai model dampak harga Kyle (1985) untuk menjelaskan pengaruh order terhadap harga pasar.

Dalam pasar normal, perubahan harga bisa disederhanakan sebagai berikut:

• Delta P: besarnya perubahan harga aset.
• Delta Q: jumlah order beli/jual.
• lambda (Kyle's Lambda): invers dari kedalaman likuiditas pasar, mewakili “ketidaklikuidan pasar (Illiquidity)”. Semakin buruk likuiditas, nilai λ semakin besar.

Operasi bandar: Bandar akan memindahkan token dari blockchain ke luar bursa (withdraw), atau menarik semua order jual di pasar spot. Ini menyebabkan kedalaman pasar spot (Depth) menurun drastis, sehingga \lambda \to \infty.

Dalam kondisi ekstrem ini, meskipun bandar hanya menggunakan modal kecil \Delta Q (misalnya beberapa puluh ribu dolar), dikalikan dengan \lambda yang mendekati tak hingga, akan menghasilkan \Delta P yang sangat besar (misalnya lonjakan 50% dalam sekejap). Inilah mengapa grafik lilin token semacam ini sering menunjukkan “lonjakan tanpa volume”.

Model 2: Model “Hemat Darah” dari Biaya Dana (Funding Rate Bleed Model)

Fungsi utama kontrak perpetual (Perpetual Futures) adalah biaya dana (Funding Rate), yang merupakan “mesin pompa” yang terus-menerus menyedot darah trader retail tanpa harus menjual aset secara langsung.

Perhitungan utama dari biaya dana F didasarkan pada selisih harga kontrak dan indeks spot (Premium):

• P_{\text{perp}}: harga kontrak perpetual.
• P_{\text{index}}: harga indeks spot.
• I: suku bunga acuan (biasanya sangat kecil, bisa diabaikan).
• \text{Clamp}: batas atas dan bawah biaya yang ditetapkan bursa (misalnya maksimal 2% atau -2%).

Operasi bandar: Saat trader retail melihat lonjakan harga dan secara agresif membuka posisi short (短), volume short yang besar akan menekan harga kontrak, sehingga P_{\text{perp}} < P_{\text{index}}. Saat ini, selisih negatif, dan biaya dana F menjadi sangat negatif (misalnya -2% setiap 4 jam).

Ini berarti, posisi short harus membayar biaya tinggi ke posisi long.

Sebagai posisi long terbesar (memegang spot sekaligus membuka posisi leverage tinggi di kontrak), bandar akan menerima pendapatan dari biaya dana R setiap periode:

Selama volume short trader cukup besar, pendapatan dari biaya ini bisa mencapai jutaan dolar setiap hari tanpa risiko—itulah kenyataan matematis mengapa bandar tampak “bisa untung besar tanpa menjual token”.

Model 3: Efek Rantai Forced Liquidation (Liquidation Cascade Function)

Ini adalah bagian paling brutal dari skenario逼空, yaitu “margin call” atau “margin liquidation”. Kontrak berleverage, saat harga naik ke tingkat tertentu, sistem bursa akan secara otomatis menutup posisi short trader dengan market buy.

Misalnya, trader yang membuka short di harga P_0 dengan leverage L dan margin M_m, maka harga di mana posisi akan dilikuidasi (Liquidation Price) P_{\text{liq}} adalah:

Persamaan diferensial efek rantai: Ketika bandar mendorong harga ke P_{\text{liq}}, sistem otomatis akan memasukkan order market buy \Delta Q_{\text{liq}}. Menggunakan Model 1 sebelumnya, order paksa ini langsung menyebabkan harga naik lagi:

Ini menciptakan loop feedback positif: harga naik \to memicu margin call \to sistem otomatis beli \to harga naik lagi \to margin call lebih tinggi \to sistem beli lagi.

Secara matematis, ini adalah fungsi eksponensial divergen. Pada titik ini, pasar tidak lagi perlu usaha bandar untuk mengangkat harga, karena order paksa dari trader yang terpaksa keluar (forced liquidation) sudah menjadi bahan bakar tak terbatas untuk melambungkan harga.

Model 4: Teori Permainan dalam Keruntuhan (Prisoner's Dilemma in Market Making)

Akhirnya, kita gunakan teori permainan (game theory) dengan konsep Prisoner’s Dilemma untuk menjelaskan mengapa puncak token ini tidak pernah perlahan turun, melainkan langsung “jatuh ke nol secara mendadak”.

Bayangkan ada dua bandar utama (A dan B), yang memegang sebagian besar posisi spot. Saat harga tinggi, mereka dihadapkan pada dua pilihan: menjaga harga (Hold) atau menjatuhkan pasar (Sell).

Matris payoff-nya kira-kira begini:

Dalam kondisi harga spot sangat tinggi dan tidak ada pembeli nyata di bawahnya (likuiditas sangat buruk), siapa yang pertama kali menjual, dia akan menghabiskan order spot yang tersisa (Exit Liquidity) dan menukar semua tokennya ke USDT.

Menurut Nash Equilibrium, meskipun kedua bandar terus menjaga pasar (Hold, Hold) dan mendapatkan pendapatan biaya jangka panjang, kenyataannya, karena tidak ada jaminan pihak lain tidak akan mengkhianati, strategi “menjatuhkan pasar (Sell)” menjadi strictly dominant strategy.

Karena dorongan keuntungan mutlak ini, kepercayaan di dalam aliansi sangat rapuh. Begitu harga mencapai titik kritis psikologis tertentu, atau ada gejala kecil, pasti ada bandar yang “melangkah lebih dulu (Front-running)”. Saat order besar pertama muncul, \lambda (invers dari likuiditas) akan berperan balik—sedikit tekanan jual saja sudah cukup membuat harga langsung jatuh 90%. Inilah mengapa keruntuhan selalu terjadi dalam sekejap.

Bab 2: Logika penurunan—Mengapa keruntuhan selalu mendekati nol secara tiba-tiba

Banyak trader retail yang melihat grafik akan mengalami ilusi fatal: “Harga saat ini 100 dolar, kalau turun, pasti pelan-pelan ke 90, 80, 70, dan seterusnya.” Tapi kenyataannya, token yang dikendalikan secara tinggi ini, begitu keruntuhan, lilin grafik sering kali adalah sebuah “potongan vertikal tanpa rebound”, langsung dari 100 ke 1 bahkan 0.0001. Fenomena ini dalam dunia keuangan profesional disebut “Vacuum Likuiditas (Liquidity Vacuum)” atau “Flash Crash”.

Untuk memahami mengapa harga bisa “mendadak nol” bukan “perlahan turun”, kita harus benar-benar meninggalkan grafik lilin dan masuk ke struktur order book (Order Book) di tingkat paling dasar.

Berikut empat mekanisme mendasar yang menyebabkan harga mendadak nol:

Bagian 1: Mekanisme Likuiditas Vacuum dan Keruntuhan Instan

1. Ilusi Harga dan Vacuum Likuiditas (The Illusion of Price & Liquidity Vacuum) Kita harus mulai dari pengetahuan dasar: harga saat ini di layar hanyalah “harga transaksi terakhir”, dan tidak mewakili nilai seluruh order book. Yang mendukung harga bukanlah kapitalisasi pasar, melainkan “limit order beli (Bids)” di order book.

• Pasar normal (misalnya Bitcoin): antara 100 dan 90 dolar, penuh dengan ribuan order beli. Untuk menjatuhkan harga, diperlukan modal besar untuk menghabiskan semua order ini, disebut “kedalaman pasar yang baik”.

• Koin tiruan yang dikendalikan (likuiditas vacuum): Setelah bandar mengangkat harga ke 100 dolar, sebenarnya tidak ada trader yang siap membeli di bawahnya. Order book bisa seperti ini:

  • 99 dolar: ada 10 order beli

  • 95 dolar: ada 5 order beli

  • 94 sampai 2 dolar: tidak ada order beli (ini vacuum likuiditas)

  • 1 dolar: ada 1000 order beli (ditempatkan oleh trader retail sebagai bottom-fishing)

Jika bandar memutuskan menjual, langsung memasukkan order market sell 100 token, apa yang terjadi? Sistem akan langsung menghabiskan order di 99 dan 95 dolar, total 15 token. Tapi order di 94 sampai 2 dolar tidak ada, sehingga sistem akan lompat langsung ke 1 dolar dan mengeksekusi order di sana.

Bagi trader retail, ini berarti: harga dari 95 dolar langsung jatuh ke 1 dolar dalam sekejap. Tidak ada buffer di tengah, karena tidak ada uang di situ.

2. “Cabut Kabel” oleh Market Maker (Market Maker Withdrawal / Spoofing) Untuk menjaga pasar tetap tampak aktif, robot market maker akan memasang banyak order palsu di berbagai level harga (ini disebut menyediakan likuiditas).

Tapi robot ini sangat cerdas dan dingin. Mereka punya aturan keras: begitu mendeteksi tekanan jual besar-besaran (misalnya bandar mulai menjual besar-besaran), atau volatilitas melewati ambang batas, robot akan membatalkan semua order dalam milidetik.

Ini seperti kamu berdiri di lantai 100, di bawah penuh dengan pelampung keselamatan (order market maker). Saat kamu melompat, tiba-tiba semua pelampung itu ditarik, dan kamu jatuh keras ke lantai 1. Itulah sebabnya saat keruntuhan, bahkan rebound kecil pun tidak terjadi.

3. Slippage dan Penghancuran Kekayaan (Slippage and Wealth Annihilation) Kita bisa pakai model matematis “slippage” untuk menjelaskan bagaimana kekayaan tampaknya “menghilang” secara tiba-tiba. Slippage adalah selisih antara harga jual yang diharapkan dan harga transaksi aktual.

Dalam kondisi likuiditas sangat tipis, harga rata-rata transaksi jual \bar{P} dapat disederhanakan sebagai:

di mana P_i adalah harga limit order beli, V_i adalah volume order di harga tersebut, dan V_{\text{total}} adalah total volume jual yang ingin dijual.

Ketika bandar memegang 10.000 token dengan harga buku 100 dolar, kekayaan di buku tampak bernilai 1 juta dolar. Tapi jika di bawahnya sangat tipis (seperti vacuum likuiditas), harga rata-rata transaksi bisa hanya 2 dolar. Bandar akhirnya hanya bisa menjual sekitar 2% dari nilai buku, sisanya “menghilang” secara matematis—bukan karena dicuri, tapi karena tidak ada pembeli nyata di situ.

4. Liquidation Cascade: Rantai Penutupan Posisi (Liquidation Cascade) Menggabungkan semua model sebelumnya, saat bandar menjatuhkan harga dari 100 ke 50, akan memicu margin call besar-besaran di posisi long yang terbuka di harga tinggi (misalnya 80, 90). Margin call ini memaksa sistem menjual secara paksa (market sell), yang kemudian menurunkan harga lagi ke 20, memicu margin call lain, dan seterusnya—membentuk spiral kematian.

Dalam kondisi ini, harga dari 100 turun ke 1 dolar tidak memerlukan tekanan jual sebesar 99 dolar, cukup karena tidak ada yang mau membeli di tengah vacuum ini. Dalam pasar tanpa dasar fundamental, harga seperti digantung di atas jurang yang sangat dalam—seperti selembar kertas di atas jurang ratusan meter—dan cukup satu tusukan untuk membuatnya jatuh ke nol.

Ringkasan Vacuum Likuiditas: Harga dari 100 turun ke 1 dolar tidak memerlukan tekanan jual besar, cukup karena tidak ada yang membeli di tengah vacuum. Dalam skenario tanpa dasar fundamental, harga seperti tergantung di atas jurang dalam, dan cukup satu tusukan untuk membuatnya jatuh ke nol.

(# Bagian 2: Mekanisme Penurunan Bertingkat—Mengapa bukan jatuh langsung ke nol, melainkan “tangga-tangga” keruntuhan

Pengamatan ini sangat tajam. Dalam keruntuhan yang sangat brutal, grafik lilin tidak menunjukkan garis vertikal murni, melainkan “penurunan bertingkat” (Stair-step Drop). Setiap kali melewati angka bulat (misalnya dari 15 ke 14), harga akan berhenti, sideways, bahkan rebound kecil selama beberapa menit, lalu kembali menjatuh.

Fenomena ini memiliki dasar fisika dan logika permainan pasar mikro, yang didasarkan pada empat mekanisme utama berikut, masing-masing dengan model matematisnya:

1. Resistensi di “titik bulat”: Order buku berkumpul di level psikologis
Di order book, trader retail dan institusi cenderung memiliki “preferensi angka bulat (Round-number Bias)”. Saat harga di sekitar angka seperti $15.00, banyak order limit beli dipasang di sana. Ketika harga jatuh ke level ini, order jual pasar (Market Sells) akan bertemu dengan “dinding order beli” ini.

• Inti dari sideways: Penjual harus menghabiskan waktu untuk “menghabiskan” semua order beli di angka bulat ini. Beberapa menit ini adalah perang konsumsi order di level tertentu. Setelah order ini habis, harga akan meluncur ke vacuum berikutnya.

Model matematis—Model kepadatan order di dekat angka bulat:
Kita bisa gambarkan kepadatan order beli di dekat angka bulat K_i (misalnya 15, 14, dll) dengan fungsi Gaussian:

![])https://img-cdn.gateio.im/social/moments-25aeea77de-cc66aae46a-8b7abd-badf29###

• \rho_0: kepadatan order dasar (di luar angka bulat, jarang).
• A_i: total volume order di dekat K_i.
• \sigma: tingkat konsentrasi psikologis trader di angka bulat. Semakin kecil \sigma, semakin terkonsentrasi di angka bulat.

Ketika harga mendekati K_i, \rho(P) akan memuncak, membentuk “dinding order beli”. Penjual harus menghabiskan waktu \Delta t untuk “mengonsumsi” order ini:

![]$15 https://img-cdn.gateio.im/social/moments-7b62f0701b-caad1f3ada-8b7abd-badf29$16

di mana v_{\text{sell}} adalah kecepatan jual. \Delta t ini adalah dasar dari fenomena “setiap turun satu dolar, sideways beberapa menit”.

2. Pengambilan untung short (Short Covering):
Banyak yang lupa, bahwa menutup posisi short sebenarnya adalah membeli. Saat harga turun ke level tertentu, trader short yang ingin mengamankan keuntungan harus membeli kembali. Volume pembelian ini akan menjadi impuls beli besar-besaran, berlawanan dengan tekanan jual panik, dan menyebabkan harga stagnan sementara.

Model matematisnya:
Asumsikan posisi short total S_{total}, dan harga saat ini P. Probabilitas trader menutup posisi meningkat dengan keuntungan yang diperoleh, bisa dimodelkan dengan fungsi distribusi normal:

• \Phi: fungsi distribusi kumulatif standar normal.
• \sigma_p: toleransi keuntungan yang diharapkan trader sebelum menutup posisi.

Setiap kali harga turun satu dolar, sejumlah trader short akan menutup posisi, menimbulkan impuls beli yang menahan penurunan harga.

3. “Kebocoran” energi dari keruntuhan dan proses pendinginan Hawkes:
Seperti yang sudah disebutkan, “keruntuhan berantai” (Hawkes process) adalah proses di mana satu kejadian (misalnya margin call besar) memicu kejadian lain dalam waktu singkat. Setelah harga jatuh melewati titik tertentu, akan terjadi banyak margin call dan posisi terpaksa dilikuidasi secara berantai.

Model Hawkes menyatakan bahwa intensitas kejadian \lambda(t) adalah:

• \lambda(t): probabilitas kejadian di waktu t.
• \mu: tingkat dasar.
• \int_{0}^{t} h(t-s) dN_s: efek dari kejadian sebelumnya, di mana h(t-s) adalah fungsi decaying (biasanya eksponensial), dan dN_s adalah kejadian margin call sebelumnya.
• \alpha: kekuatan efek “pembawa” kejadian sebelumnya.

Ini menggambarkan bahwa keruntuhan satu kali akan memicu kejadian berantai, dan proses ini berlangsung dalam waktu singkat, membentuk “gelombang” keruntuhan.

4. Respon high-frequency market maker (MM):
Dalam kondisi penurunan ekstrem, robot market maker akan menanggapi dengan menangguhkan penawaran (bid) dan memperlebar spread. Saat volatilitas melonjak, algoritma mereka akan menarik semua order dan menunggu stabilisasi.

Model Avellaneda-Stoikov untuk spread optimal menunjukkan bahwa:
s = \frac{\gamma \sigma^2 (T - t)}{2} + \text{constant}

Ketika volatilitas \sigma melonjak karena keruntuhan, spread s akan membesar secara drastis, dan market maker akan menahan diri dari memasang order baru. Ini menyebabkan likuiditas menghilang, dan pasar menjadi “terjebak” dalam keadaan stagnasi.

Ringkasan penurunan bertingkat:
Setiap dolar penurunan diikuti oleh “sideways” selama beberapa menit, karena tekanan jual di dinding order bulat, short covering, proses Hawkes, dan reaksi market maker. Fenomena ini lebih menakutkan daripada penurunan langsung karena memberi ilusi “support” di level tertentu, menipu trader untuk masuk, lalu tiba-tiba jatuh ke nol.

(# Bagian 3: Model matematis keruntuhan—Tiga lapisan utama

Menggunakan model matematis yang ketat untuk menggambarkan keruntuhan pasar adalah inti dari trading kuantitatif dan rekayasa keuangan. Untuk keruntuhan ekstrem yang terjadi setelah lonjakan dan kejatuhan, yang penuh dengan “pecahnya gelembung” dan “likuiditas mengering”, model linier atau distribusi normal konvensional (seperti Brownian motion) tidak memadai.

Sebagai gantinya, biasanya digunakan tiga lapisan model berikut:

1. Prediksi keruntuhan gelembung: Model singularitas log-periodik (LPPLS) )LPPLS(
Model LPPLS (Log-Periodic Power Law Singularity) dikembangkan oleh Didier Sornette, menggambarkan “akumulasi gelembung sampai titik kritis dan akhirnya meledak”. Model ini memandang pasar sebagai “fase kritis” fisika, di mana harga mengikuti pola supereksponensial dan berosilasi secara logaritmik.

Persamaan utama untuk log harga \ln p(t):

![])https://img-cdn.gateio.im/social/moments-02317f2016-573dcff783-8b7abd-badf29$20

• t_c: waktu kritis (keruntuhan diperkirakan terjadi di sana).
• A, B, C: parameter.
• (t_c - t)^m: eksponen kekuatan supereksponensial.
• \cos(\omega \ln(t_c - t) + \phi): osilasi logaritmik.

Ketika t mendekati t_c, pasar sangat rentan, dan sistem menjadi sangat fragile. Setelah melewati t_c, harga akan jatuh secara tajam.

**2. Model jump-escape: Model lompat dan difusi (Jump-Diffusion) $10 Jump-Diffusion Model$15 **
Dalam model ini, harga mengikuti proses stokastik yang menggabungkan Brownian motion dan kejadian lompat (jump). Probabilitas lompat diwakili oleh proses Poisson:

• \mu dt + \sigma dW_t: bagian normal.
• dq_t: proses Poisson, dengan intensitas \lambda.
• Y_t: faktor lompat, biasanya log-normal, dengan nilai < 1 saat crash.

Model ini mampu menggambarkan lonjakan harga secara tiba-tiba dan keruntuhan mendadak.

3. Proses Hawkes untuk keruntuhan berantai $15 Hawkes Process(
Seperti yang sudah disebutkan, proses Hawkes adalah model self-exciting point process, di mana satu kejadian (misalnya margin call besar) meningkatkan probabilitas kejadian berikutnya dalam waktu dekat:

![])https://img-cdn.gateio.im/social/moments-efcf5bd090-129fd493ee-8b7abd-badf29(

• \lambda(t): intensitas kejadian.
• \mu: tingkat dasar.
• \sum_{t_i < t} h(t - t_i): efek kejadian sebelumnya, di mana h(t) biasanya eksponensial.

Ini menggambarkan bahwa keruntuhan berantai terjadi dalam waktu singkat, membentuk gelombang kerusakan.

Ringkasan:
Keruntuhan besar bukan sekadar garis lurus ke bawah, melainkan gabungan dari model LPPLS (gelembung kritis), lompat-penyebaran (jump-diffusion), dan proses Hawkes (kerusakan berantai) yang kompleks.

) Bab 3: Sisa pasca kejatuhan—Mengapa rebound kedua hampir mustahil

Untuk memodelkan secara kuantitatif bahwa “setelah keruntuhan, sulit sekali mengangkat kembali (resistensi trapped)”, kita perlu menggabungkan teori struktur pasar mikro dan keuangan perilaku.

Ini adalah proses menghitung berapa banyak modal nyata yang diperlukan untuk mengangkat harga dari P_1 ke P_2.

Tiga model matematis berikut secara berurutan menggambarkan “resistensi kematian” ini:

(# Model 1: Model akumulasi modal di order book )Capital Consumption Integral Model(

Untuk menaikkan harga, bandar harus membeli semua order jual limit di order book. Kita bisa pakai integral untuk menghitung biaya ini secara tepat.

Misalnya, P adalah harga, S(P) adalah fungsi kepadatan order jual di harga P. Biaya yang diperlukan untuk mengangkat dari P_0 ke P_target adalah:

![])https://img-cdn.gateio.im/social/moments-b422332f78-985c26a57e-8b7abd-badf29###

1. Skema A: Token baru (tanpa posisi terjebak) Jika ini adalah token baru, tidak ada order di atasnya, dan S(P) sangat kecil, sehingga biaya C sangat rendah.

2. Skema B: Setelah keruntuhan, ada “tumpukan posisi terjebak” (trapped) Setelah keruntuhan, order book penuh dengan posisi terjebak (S_trapped), yang jauh lebih besar. Biaya tambahan:

C_{recovery} ≈ \int_{P_0}^{P_{target}} P \cdot S_{trapped}(P) dP

Karena S_trapped sangat besar di level tinggi, biaya ini bisa puluhan bahkan ratusan kali biaya awal. Ini adalah “biaya pelepasan posisi” yang sangat tinggi.

(# Model 2: Teori Prospek dan Distribusi Tekanan Jual )Prospect Theory & Sell Pressure Distribution(

Bagaimana bentuk fungsi S_trapped(P)?
Berdasarkan teori perilaku keuangan (Prospect Theory), trader yang terjebak di posisi rugi sangat sensitif terhadap “kembali ke titik impas”. Ketika harga mendekati biaya masuk (cost basis), mereka cenderung menjual dengan sangat cepat.

Model matematisnya:
Asumsikan volume terjebak di level P_i mengikuti distribusi Gaussian dengan mean di P_i dan varians \sigma_i:

![])https://img-cdn.gateio.im/social/moments-4c51b88b96-1055aae1e4-8b7abd-badf29(

• V_i: total dana yang terjebak di level P_i.
• \sigma_i: toleransi psikologis trader.

Ketika harga naik mendekati P_i, tekanan jual di level ini akan memuncak, membentuk “dinding tekanan jual” yang sangat tinggi.

)# Model Kyle dengan Likuiditas Tidak Simetris (Asymmetric Dynamic Kyle's Model)

Mengintegrasikan ke dalam model dampak harga Kyle, kita lihat bahwa:

• Saat mengangkat harga ke atas, denominator dari model mengandung S_trapped(P), yang sangat besar, menyebabkan \lambda \to 0.
• Sebaliknya, saat menjatuhkan harga, likuiditas di bawah sangat kecil, \lambda \to \infty.

Ini berarti, setelah keruntuhan, untuk mengangkat harga kembali, diperlukan modal yang sangat besar—yang hampir tidak mungkin secara praktis.

Kesimpulan:
Setelah keruntuhan, harga berada dalam “zona neraka”: resistensi dari posisi terjebak sangat tinggi, dan likuiditas di bawah sangat tipis. Setiap upaya rebound akan membutuhkan biaya yang luar biasa, dan secara matematis hampir mustahil.

( Bab 4: Keterbatasan model—Tiga variabel nyata yang tidak bisa diprediksi secara matematis

Jujur saja: akankah model matematis mampu 100% memprediksi dan mereproduksi seluruh proses keruntuhan? Tidak.

Dalam rekayasa keuangan, ada pepatah dari statistikawan George Box: “Semua model salah, tapi beberapa berguna (All models are wrong, but some are useful).”

Model-model yang disebutkan (LPPLS, jump-diffusion, Hawkes) seperti “persamaan keadaan ideal” dalam fisika, mampu menggambarkan kerangka makro dan dinamika keruntuhan secara akurat. Tapi di pasar kripto nyata, terutama koin yang dikendalikan tinggi, untuk benar-benar mereproduksi seluruh proses keruntuhan secara lengkap, masih kurang tiga variabel paling kritis:

1. Dimensi order book: Penarikan order oleh market maker dan vacuum likuiditas
Model matematis sering mengasumsikan pasar selalu memiliki counterparty, harga bergerak secara kontinu. Tapi dalam kenyataan, saat panik, likuiditas bisa mengering secara mendadak.

Ketika ketakutan mencapai puncaknya, market maker akan menarik semua order di order book. Akibatnya, spread membesar secara ekstrem:

Di mana P_{ask} adalah harga jual terbaik, P_{bid} adalah harga beli terbaik. Dalam kondisi normal, spread sangat kecil; saat keruntuhan, P_{bid} bisa langsung jatuh ke angka sangat kecil, dan order book menjadi “kosong” di bawah. Ini menyebabkan harga langsung jatuh ke nol tanpa hambatan.

2. Dimensi permainan: Manipulasi dan spoofing (Spoofing / Wash Trading)
Model statistik menganggap semua peserta bertindak secara acak dan rasional. Tapi dalam kenyataan, manipulasi terorganisasi sangat umum.

• Manipulasi palsu: Bandar bisa memasang order besar palsu di level tertentu (spoofing), memberi ilusi support, lalu membatalkan dan menjatuhkan harga secara tiba-tiba.
• Wash trading: Transaksi palsu yang dilakukan untuk menipu volume dan kedalaman pasar.

Ini melampaui model probabilistik, masuk ke dalam teori permainan non-kooperatif, yang sulit diprediksi secara matematis.

3. Mekanisme dasar: Tokenomics dan Rug Pull
Harga hanya dilihat dari data pasar, tapi banyak token yang “mati” karena rug pull, yaitu proyek yang tiba-tiba mengeluarkan token baru secara besar-besaran, atau smart contract yang diretas dan diubah.

Ini adalah faktor fundamental yang tidak bisa diprediksi dari data harga saja. Ketika token tiba-tiba di-‘rug pull’, semua model berbasis data historis langsung gagal.

Kesimpulan

Model matematika yang ada mampu merepresentasikan aspek keserakahan (gelembung), ketakutan (lonjakan), dan踩踏 (keruntuhan berantai). Tapi ini hanya satu sisi dari koin. Untuk benar-benar mereproduksi seluruh proses secara 100%, perlu menggabungkan statistik, aliran order, dan strategi bandar dalam satu sistem multidimensi yang sangat kompleks.

Dalam skenario tanpa dasar fundamental, harga tinggi hanyalah ilusi manipulasi likuiditas. Dari model Kyle yang kekeringan likuiditas, biaya dana yang terus-menerus menyedot, spiral margin call, dilema tahan atau jual dalam permainan teori, hingga vacuum likuiditas yang tiba-tiba pecah, LPPLS yang memprediksi gelembung, Hawkes yang menggambarkan kerusakan berantai, dan resistensi matematis dari posisi terjebak—setiap langkah adalah hasil kalkulasi yang sangat presisi.

Memahami logika dasar ini bukan untuk “mengalahkan bandar” di waktu berikutnya, melainkan agar kita mengerti bahwa dalam permainan ini, trader retail sejak awal bukanlah pemain, melainkan bahan bakar.