สร้างเสริมประสบการณ์การลงทุน

เรียนรู้วิธีคิดและแนวทางการลงทุน ทั้งแบบเก็งกำไรระยะสั้นและระยะยาวแบบถูกวิธี เพื่อการเอาตัวรอดในการลงทุนในตลาดหุ้นและตลาดอนุพันธ์

ห้องเรียนการลงทุนใน หุ้น อนุพันธ์ ออนไลน์

สะดวก เข้าใจง่าย ราคาถูก เน้นให้ความรู้ให้ นักลงทุนสามารถ ลงทุนได้อย่างมีความสุข สร้างผลกำไรแบบพอเพียง ต่อเนื่องและยั่งยืน เอาชนะตลาดในระยะยาว

รู้ทันภาวะตลาดหุ้น

สามารถติดตามข้อมูล ข่าวสารการลงทุน ภาวะตลาดหุ้นเมืองไทยและรอบโลก

วิเคราะห์พื้นฐานหุ้น

เรียนรู้การวิเคราะห์พื้นฐานหุ้น ทั้งเชิงคุณภาพของธุรกิจ และเข้าใจรายละเอียดงบการเงินของบริษัท เพื่อให้สามารถเลือกลงทุนในหุ้นที่ดี และมีอนาคตในการเติบโต

จับจังหวะการลงทุน

เรียนรู้ เครื่องมือการวิเคราะห์ราคาและปริมาณการซื้อขายหุ้น ทางเทคนิคอล เพื่อหาจังหวะการลงทุนทั้งแบบการลงทุนระยะสั้นและยาว เพิ่มประสิทธิ์ภาพในการสร้างผลกำไร

ผลงานเขียนของเรา

ผลงานเขียนในรูปแบบหนังสือ 2 เล่มแนะนำวิธีคิดการลงทุนในหุ้นแบบเก็งกำไร ตลอดจนกลยุทธ และการพัฒนาระบบ สามารถหาซื้อหนังสือทั้งสองเล่มได้จากร้านหนังสือชั้นนำทั่วไป

วันพุธที่ 13 กันยายน พ.ศ. 2560

Implied Correlation

พูดถึง market sentiment ของตลาดหุ้นอเมริกาไป มีตัวหนึ่งเป็นเครื่องมือ ที่อยากแนะนำให้ลองศึกษาดูครับ ชื่อ Implied Correlation Index

เราอาจจะคุ้นกับ Implied volatility การคำนวณค่า volatility จาก options pricing model เช่น BS เจ้าตัว Implied Correlation นี้ทำงานคล้ายๆกันคือคิดคำนวณค่า correlation ทางอ้อมจาก option premiums ของ stock index เช่น S&P500 กับตัว premiums ของ individual stock (ปรับค่าน้ำหนักตามขนาดของหุ้นแต่ละตัว) โดยมอง options market เป็นเหมือนตัวแทนความคาดหวังในอนาคต เพื่อใช้วิเคราะห์ ประเมิน sentimental ที่กระทบต่อแนวโน้มราคาตลาดหุ้น (รายละเอียดอ่านได้จาก paper ด้านล่าง)

ประเด็นคือ ค่าของ S&P500 Implied Correlation Index (โมเดลของ CBOE) เทียบกับ S&P500 index ช่วงนี้มันเกิดภาวะ lower correlation และตัวค่า implied correlation แยกทางกับ S&P500 นักวิเคราะห์มีการมองกันว่า อาจจะมี short-term bearish หรือการปรับฐานเกิดขึ้นได้ (ปกติค่านี้ช่วง strong trend จะมีลักษณะ high correlation) 


แต่ค่า implied correlation ไม่ได้ใช้บอกการกลับตัวหรือบอกการซื้อขายโดยตรง มันใช้อ่านภาวะ sentiment มากกว่ายิ่ง ความไม่แน่นอนและความไม่สอดคล้องกันมากเท่าไหร่ โอกาสความน่าจะเป็นเห็นการเปลี่ยนแปลงยิ่งมีมากตาม เครื่องมือนี้เป็นหนึ่งในการสังเกต และใช้วิเคราะห์ข้อมูลที่เกิด

เรื่องนี้ผมคิดว่าน่าสนใจ เลยเอามาแนะนำกัน ลองพิจารณาและเข้าไปดูรายละเอียดได้ จาก link ครับ เพื่ออนาคตใครอยากจะลองมาทำกับ ดัชนีหุ้นไทย 

ปล. ส่วนในค่าเงิน FX ก็มีให้ใช้ลองหาใน google ได้

ผลกระทบต่อตลาดประเด็นเกาหลีเหนือ

บันทึกไว้สักนิดกับภาวะการณ์ปัจจุบันประเด็นความขัดแย้งเกาหลีเหนือที่ปี 2017 กลับมาร้อนแรงอีกครั้งหลังจากนิ่งมาหลายปี ไปเจอบทความนี้ใน marketwatch เขารวบรวมข้อมูลสินทรัพย์ที่ได้รับผลกระทบ จากประเด็นการทดสอบ nuclear รอบล่าสุด ต่อเนื่องจากการทดลองยิงขีปนาวุธข้ามทวีป หลายรอบช่วงก่อนหน้า จนทำเอาเพื่อนบ้านอย่าง เกาหลีใต้ ญุี่ปุ่นต้องปวดหัว

-ภาพแรก >> ค่าเงินเยน ถือเป็น safe haven currency อีกตัวที่แข็งรับในรอบสัปดาห์ที่ผ่านมาอย่างรวดเร็ว


- ภาพที่สอง >> GOLD ทองคำกลับมา new high ในรอบปี จากเวลา 2 เดือนช่วงแรงกดดันปมเกาหลีเหนือ ทองคำวิ่งจากโซน 1210 ไปทดสอบ high ที่ 1344 


- ภาพที่สาม >> ดัชนี Kospi ของเกาหลีใต้ ตกลงค่อนข้างหนักจากความกังวล โดยเฉพาะช่วงเดือนที่ผ่านมา เช่นเดียวกับ ตลาดหุ้นหลักของโลกและเอเซีย ที่รับประเด็น เกาหลีเหนือ ซึ่งเดินหน้าทดสอบอาวุธนิวเคลียร์ต่อ ที่มีความไม่แน่นอน ที่ยังไม่มีทีท่าว่าจะจบลงในรอบนี้อย่างไร



http://www.marketwatch.com/story/how-north-koreas-nuclear-test-rattled-markets-in-5-charts-2017-09-04


วันจันทร์ที่ 4 กันยายน พ.ศ. 2560

อิคิไก(ikigai) กับการเริ่มต้นเป็นเทรดเดอร์

มื่อวานผมพูดถึงประเด็นที่ควรพิจารณาก่อนเข้ามาเป็น Trader เพราะเมื่อเดินเส้นทางนี้แล้ว มันก็เหมือนการเลือกอาชีพที่เราจะต้องทำ จะต้องอยู่กับมันทุกวัน ดังนั้นควรพิจารณาให้ดีก่อน

ผมแนะนำคือหลักการที่เรียกว่า อิคิไก(ikigai) ของญุี่ปุ่นความหมายประมาณว่า "เหตุผลของการมีชีวิตอยู่" มีการถ่ายทอดและมีการสอนให้นำมาพิจารณาการดำเนินชีวิตของเรา แต่มันก็ประยุกต์ใช้ตั้งคำถาม เพื่อใช้พิจารณาการงาน หรือกิจการที่เรากำลังทำได้ หลักของ อิคิไก คือการพิจารณาความสมดุล ได้แก่ ความสุขที่ได้ ,รายได้/ผลตอบแทนที่ได้รับ,สิ่งที่เราทำได้ดี,ประโยชน์ต่อผู้อื่นทั้งทางตรงทางอ้อม

กรณีนี้ลองตั้งคำถามตัวเราว่า การเป็นเทรดเดอร์ เราต้องการเป็นเพราะอะไร ไม่ใช่เป็นเพราะทำตามคนอื่น หรือเป็นเพราะมีเป้าหมายแค่จะทำเงิน สร้างกำไรร้อยล้านพันล้านอย่างเดียว มันต้องมีเหตุผลประกอบ มีแรงจูงใจ ที่ทำให้อยากพยายาม

อยากเรียนรู้ในทุกวันที่ตื่นขึ้นมา เพราะสิ่งเหล่านี้มันเป็นแรงขับดันให้เราเดินทาง ผ่านอุปสรรค์ ผ่านความยากลำบากไปถึงเป้าหมายได้(ซึ่งมันไม่ได้มาถึงในเดือนสองเดือนหรือปีสองปีแบบง่ายๆ)
ถ้าใครกำลังสับสนกับตัวเอง หรือกำลังมองหาคำตอบ แนะนำให้ลองเอาหลัก อิคิไก(ikigai) ไปพิจารณาแล้ว เขียนคำตอบของเราลงในกระดาษ เพื่อทบทวนสิ่งที่เราทำอยู่ มันช่วยให้เรามองเห็นอะไรที่ชัดเจนยิ่งขึ้นครับ



วันพุธที่ 23 สิงหาคม พ.ศ. 2560

The science of technical analysis ,Brian Shannon

วันนี้ผมได้ฟังรายการ รายการ chatwithtraders เขานำคุณ Brian Shannon เทรดเดอร์ที่อยู่ในตลาดหุ้นสหรัฐมากกว่า 20 ปี แห่งเว็บ Alpha Trends มาสัมภาษณ์พูดคุยหัวช้อ The science of technical analysis vs. the art of trading ความยาวราวๆ 1 ชม. กว่ามีหัวข้อที่น่าสนใจเยอะเลย เห็นว่ามีประโยชน์เลยอยากนำประเด็นสำคัญๆมาแชร์ครับ


เส้นทางการเป็นเทรดเดอร์
-เริ่มต้นสนใจตลาดหุ้นช่วง high school เขาช่วยพ่อหาข้อมูลและนั่งอ่านนิตยสารหุ้นด้วยกัน


- ตอนเรียนมหาวิทยาลัยก็มีโอกาสได้เทรดทำกำไรจากตลาดหุ้นได้หลายพันเหรียญ มันยิ่งทำให้เขาอยากศึกษาอยากเรียนรู้เรื่องหุ้นมากขึ้น


- เรียนจบมหาวิทยาลัย เขาเลือกทำงานเป็น stock broker ให้กับบริษัทโบรกเกอร์แห่งหนึ่งด้วย ความอยากสัมผัสและเรียนรู้จักตลาดหุ้นมากขึ้น 

- เป็นตัวแทนซื้อขายหุ้นหลายปีและมีโอกาสย้ายไปทำงานกับโบรกเกอร์ขนาดใหญ่อย่าง leaman brother เขาก็เริ่มหันมาศึกษาเรื่องของกราฟเทคนิคอลจริงจัง


- 1998 พอมีโอกาสมาเขาก็เปลี่ยนงานมาเป็น Prop Trader ให้กับ Generic Trading, LLC ในนิวยอร์ค เพราะด้วยต้องการเงินทุนมาเทรด รวมถึงมีการแบ่งผลกำไร ซึ่งดูจะเป็น เงื่อนไขที่ดีสำหรับเขาในตอนนั้น(แต่คุณ Shannon ก็ไม่ได้แนะนำว่ามันจะเหมาะกับทุกคน) ช่วงเวลาการทำงานเป็น Prop Trader แม้ไม่มีอิสระ เหนื่อย เครียดแต่ก็เป็นช่วงเวลาที่ได้เรียนรู้ ลองผิดลองถูก กล้าตัดสินใจ รู้จักบริหารความเสี่ยง เก็บเกี่ยวประสบการณ์




สิ่งที่เรียนรู้จากการเทรด

- คุณ Shannon บอกว่า ตัวเราเอง ที่เป็นศัตรูตัวฉกาจ บ่อยครั้งผ่ายแพ้ต่อจิตใจตัวเอง ขาดวินัย ทำให้ตัดสินใจเทรดแบบผิดๆและมีอคติ จนทำให้เกิดการขาดทุน เสียหาย เทรดเดอร์ทุกคน ล้วนมีความเป็นมนุษย์ ต่อให้รู้มากแค่ไหน หรือมีทักษะเพียงใด ถ้าขาดการควบคุมอารมณ์และสติให้ดี ก็พลาดพลั้งได้เสมอ

- ช่วงปี 2001 หลังวิกฤติฟองสบู่ดอทคอม คุณ Shannon ได้พบเจอกับช่วงเวลาเลวร้ายจนเกือบจะหันหลังให้การเป็นเทรดเดอร์ เขาขาดทุนหนัก ขาดทุนต่อเนื่อง ช่วงหนึ่งเขาทุ่มเงินซื้อหุ้นแนวโน้มขาลง เพราะหวังว่ามันจะเด้งกลับตัว แต่ราคาลงต่อเนื่อง ทำให้เกิดขาดทุนสะสมเพิ่ม เขาถัวเฉลี่ยซื้อเพิ่มจนเงินในพอร์ตลดลงและขาดทุนหนัก จนเขาต้องขาดทุน และเกือบจะล้มเลิกหันหลังจากตลาด แต่ด้วยความไม่ยอมแพ้ เขาหยุดพักแล้วก็กลับมาพยายามใหม่จนแก้ขาดทุนกลับมาได้

- เรียนรู้จากความผิดพลาดของตัวเอง พยายามปรับปรุงตัว เลิกโทษคนอื่น หรือหาเหตุผลมาอ้าง

- ฟังข่าว ฟังสัมภาษณ์ อ่านข้อมูล แต่ไม่ควรให้มันชี้นำ ความคิดหรือเกิดอคติในการเทรด


กลยุทธ์การเทรด
- เทคนิคการเทรด Brian Shannon เน้นเทรดหุ้น เขาเป็น Trend following Trader 

- กลยุทธ์การเทรด ใช้น่าสนใจมาก คือเขาใช้ Technical analysis แต่ไม่ได้ใช้แค่ดู signal เส้นตัดกัน เขาใช้เทคนิคอลเพื่อดูจิตวิทยาตลาด ดูพฤติกรรมราคาที่เกิดจาก ผู้เล่นในตลาด action ซื้อขาย เช่น ดูจุด ที่ ราคาหุ้นมาพักตัว MA50 วัน หรือจุด ราคาหุ้นไหลลงมาหยุดที่ Fibonacci 50% ไม่ใช่การดูเพื่อหาสัญญาณเขาซื้อ แต่เขาจะเอาจุดตรงนั้นไปวิเคราะห์พฤติกรรมราคาต่อ 

- แนวคิดจุดนี้อธิบายสั้นๆ คือ เขาใช้ Multiple Frame โดยแบ่งเป็น

1. Trend Detection
>> Daily Chart ดูแนวโน้ม เทรดไม่สวนแนวโน้มเพราะเขามองว่ามันคือ action ของแรงส่วนใหญ่ในตลาด , ใช้สังเกตจุด interact ของ ราคาและเครื่องมือ Technical analysis เช่น MACD > 0 , ราคา > MA50d เกิดอะไรในช่วงนั้น


2. Trading Plan
>> 30 Min Chart (MA look back 20d)ดู volatility ,ดู strength ของแนวโน้มกลาง ดู volume ที่เกิดช่วงนั้น
>> พฤติกรรมตลาดและข้อมูล ตัวกำหนดกลยุทธ์การเทรด Day trading , swing trading
>> สังเกตแนวรับแนวต้านของหุ้น จุดราคามีปฏิสัมพันธ์กับแนวสังเกต
>> วางแผนคำนวณ Risk Reward หาจุด take profit และจุด stop loss


3. Trigger
>> 10 Min( MA look back 10d) ใช้หาจุดเทรด จุด entry จากการ Brekout เส้นแนวสังเกต หรือเส้น MA

แทคติกเพิ่มเติม
- เขาใช้ Volume Weighted Average Price สังเกตทั้งการเปลี่ยนแปลงราคา และปริมาณการซื้อขาย ที่สะท้อนพฤติกรรมตลาด

- Brian Shannon บอกว่าการใช้เทคนิคอล ทั้งการดู indicator หรือการดู pattern สิ่งสำคัญไม่ควรดูแบบท่องจำและนำไปซื้อขาย แต่ควรวิเคราะห์จริงจัง ให้เห็นพฤติกรรมของราคา และปริมาณการซื้อขายที่เกิด เพื่อให้เข้าใจและได้ information ในการ ตัดสินใจ ที่ดีเพียงพอ

- นอกจากนี้ช่วงท้าย Brian Shannon พูดถึง market cycle ทั้ง 4 stage ได้แก่ accumulation, markup, distribution และ decline เขาอธิบายพฤติกรรมราคาใน stage ต่างๆโดยกล่าวว่าเขาวางแผนการเทรด กลยุทธ์สอดคล้องกับ Stage ต่างๆ


ฟังบทสัมภาษณ์ต้นฉบับ 

วันอังคารที่ 22 สิงหาคม พ.ศ. 2560

AI for Trading and Services

บทความนี้ของ FT น่าสนใจดี เขาเขียนถึง JPMorgan ที่กำลังพัฒนา AI มาทำงานด้านการส่งคำสั่งซื้อขายแทนมนุษย์ ตามข่าวอ้างอิงคุณ David Fellah ตำแหน่ง JPMorgan’s European Equity Quant Research team.ระบุว่าผ่านช่วงทดสอบการทำงานของ LOXM ปัญญาประดิษฐ์ ที่ JPM พัฒนาขึ้นมาใช้งานด้านการเทรด จากการทดสอบช่วงต้นปี 2017 ใน European equities segment พบว่ามีประสิทธิภาพการเทรดดีกว่า มนุษย์ ผลการทำงานออกมาดีกว่าค่าที่กำหนด โดยไตรมาส 4 ปี 2017 ขยายใช้งานในตลาด Asia และ US

LOXM เป็น AI ทำหน้าที่ส่งคำสั่งซื้อขายของลูกค้า โดยมันจะสามารถหา ราคาที่ดีที่สุด(Best Price) ให้กับลูกค้าได้ และบวกกับความเร็ว high speed รวมถึงกลยุทธ์การส่งคำสั่งขนาดใหญ่ การวิเคราะห์ข้อมูล Order Book ที่เกิด


บทความอธิบายแนวคิดเบื้องต้นสำหรับการพัฒนา AI ด้วย “Deep Reinforcement Learning” ซึ่งใช้ข้อมูล Order ที่มีการซื้อขายและจับคู่ในอดีตของ JPM จำนวนหลายล้านรายการมา Training เพื่อสร้าง model ที่ช่วยให้ สามารถส่งคำสั่งหาราคาที่ดีที่สุด และหลีกเลี่ยงผลกระทบการส่งคำสั่งขนาดใหญ่จำนวนมาก ที่ทำให้ราคาตลาดปั่นป่วนจนเกิดความไม่ปกติได้ (คุณสมบัติมาครบ ทั้งเร็ว ทั้งเงียบและฉลาด)

ตรงนี้เป็นอีกตัวอย่างของ Quant Research ที่พัฒนา AI ลดต้นทุนของ investment bank ลดปริมาณเทรดเดอร์ หลีกเลี่ยงความผิดพลาดจากคน(Mistake) รวมถึงลดเวลาในภาระงานเดิม และเพิ่มประสิทธิภาพการส่งคำสั่งซื้อขายของลูกค้า และเพิ่มความได้เปรียบในการจับคู่คำสั่งซื้อขายที่ราคาที่ดีที่ได้เปรียบ ตอบโจทย์เป็นจุดขายให้กับลูกค้า

บริษัท ที่ มีเงินทุน มีข้อมูล(Big Data) มีเทคโนโลยี (AI) น่าจะกลายเป็น ความได้เปรียบ อย่างมากในการแข่งขัน การทำธุรกิจในอนาคต

อ้างอิง
https://www.ft.com/content/16b8ffb6-7161-11e7-aca6-c6bd07df1a3c
https://www.financemagnates.com/institutional-forex/execution/jpmorgan-targeting-q4-rollout-ai-equities-utility-loxm/
http://www.zerohedge.com/news/2017-07-31/jpm-develops-ai-robot-execute-high-speed-trades-put-human-traders-out-work

The Quant Quake, 10 years

เข้าสู่ช่วงครบรอบ 10 ปี วิกฤติการเงินสหรัฐตอนปี 2007 ช่วงตลาดเผชิญภาวะเลวร้าย ตอนนี้มีเทรดเดอร์และผู้จัดการกองทุน หลายท่านออกมาเขียนบทความถึงเหตุการณ์ที่เกิด ผมไล่อ่านหลายบทความ มีหลายประเด็นน่าสนใจโดยเฉพาะด้าน Quant Fund กับภาวะตลาดไม่ปกติ การล้มของกองทุนที่รันด้วย Quant strategies ช่วงปี 2007 รวมไปถึงความกังวลที่หลายคนเขียนคล้ายๆกันคือ การเกิด melt down ของตลาดที่จะมีรูปแบบแตกต่างไปจากอดีต เนื่องจากการ action ของ machine หรือพวก AI trading


ประเด็นหนึ่งที่ปัจจุบันมีการพูดถึงมากเรื่อยๆคือ การพัฒนา Quant trading ด้วย AI ที่ไม่ใช่แค่ฉลาดหรือมีกลยุทธ์ซับซ้อนอย่างเดียว แต่เทรนไปทาง สร้าง AI ให้มีความสามารถเพิ่มวิเคราะห์ข้อมูลตลาดเรียลไทม์เพื่อจับ market anomaly หรือความผิดปกติตลาดให้ได้ และขายออกด้วย high frequency trading ให้เร็วกว่าคนอื่นๆ (รวมร่าง AI + HFT )

เพราะตรงนี้เป็นการป้องกัน Risk และไม่ต้อง play god ไปพยากรณ์คาดเดาตลาดทิศทางราคาล่วงหน้าหรือรีบไปซื้อสวนก่อนราคากลับตัว ลองจินตนาการ AI เห็นโอกาส ซื้อทำกำไรจากการเคลื่อนของราคา จากการวิเคราะห์ข้อมูลต่างๆ แถมเข้าได้เร็ว แต่พอภาวะไม่ปกติมา AI ของ Quant Fund ที่ใช้ HFT สามารถเทขายหุ้น หรือ ลด position ในพอร์ตจำนวนหลายสิบล้าน ได้ในเวลาไม่กี่นาที (เหนือกว่าเทรดเดอร์ คนทั่วไปในตลาดหลายเท่า)

อีกแง่ที่บางกูรูเขียนถึงคือ แนวทางการพัฒนา AI สายนี้มันจะทำให้เกิด melt down ของตลาด เพราะกลุ่มนี้กล้าไล่ราคาดันราคาหุ้น หรือ asset ให้ขึ้นไปได้สูง ไม่กลัวติดดอยตราบที่ยังมี story ให้คนส่วนใหญ่เล่นตาม จากนั้นพอเกิดภาวะไม่คงตัวการเทขายด้วยความเร็ว ทำให้เกิดพฤติกรรมราคาที่ไม่ใช่การกลับตัวทั่วไป จะทำให้เกิดภาวะไม่ปกติ เกิดการ panic ของตลาดได้ง่ายกว่าอดีต ตรงนี้ก็ดูเหมือนจะมีความเป็นไปได้ จากเหตุการณ์เคยเกิดก่อนหน้า

อ่านบทความเต็มเพิ่มเติม
-Goldman Sachs’ lessons from the ‘quant quake’
- The Next Quant Meltdown
- The Quant Quake, 10 years on
- AQR On The 10th Anniversary Of The Quant Crash

วันจันทร์ที่ 7 สิงหาคม พ.ศ. 2560

Robert Carver , systematic trader

Robert Carver ปัจจุบันเป็นนักเขียน เป็น systematic trader และเป็นนักวิจัยพัฒนาระบบ เทรด เขาเริ่มต้นเขาสู่โลกการเงินตั้งแต่ปี 2002 เขาเรียนจบปริญญาตรี โท ด้านเศรษฐศาสตร์ เข้าทำงานกับ  Barclays Capital เทรดสินค้า exotic derivatives 

จากนั้นลาออกมาทำงานเป็นนักวิจัยที่ Center of Economic Policy Research แล้วย้ายมาทำงานให้กับ MAN AHL  ซึ่งเป็น Hedgefund อันดับต้นของโลก เขาทำพัฒนาระบบเทรด fundamental global macro strategy จากนั้นขยับขึ้นไปบริหารพอร์ตลงทุนระดับพันล้านเหรียญในสินค้าประเภท fixed income 



จนปี 2013 เขาลาออกจาก MAN AHL เพื่อใช้เวลาอยู่กับครอบครัว และใช้เวลาการพัฒนาระบบเทรด เพื่อเทรดและบริหารเงินของตัวเอง ปี 2015 ออกหนังสือชื่อ Systematic Trading: A unique new method for designing trading and investing systems 

คลิป interview ของรายการ bettersystemtrader นี้สัมภาษณ์ Robert Carver หลายประเด็นที่น่าสนใจโดยเฉพาะเรื่องการพัฒนาระบบเทรด ผมสรุปประเด็นหลักๆดังนี้


> เขาเป็น systematic trader เชื่อว่า มนุษย์มีข้อจำกัดด้านอารมณ์และการตัดสินใจ ระบบเทรดช่วยตรงนี้ได้


> การพัฒนาระบบเทรด คือการวางกฏเงื่อนไขการเทรด ที่เหมาะสม เขาเน้นการสร้างระบบเทรด ที่พิสูจน์ได้ ทดสอบได้เชิงสถิติ


> Trading Rule ที่ใช้ เน้น เรียบง่าย ไม่จำเป็นต้องซับซ้อน สามารถเข้าใจและมองเห็นการทำงานได้ชัดเจน เริ่มต้นจาก basic แล้วค่อยพัฒนาต่อยอด ถ้าไปทำอะไรซับซ้อนโดยไม่เข้าใจสุดท้าย จะติดกับดัก over fitting ระบบใช้งานจริงไม่ได้


> เขาเน้น Beta หรือ alternative beta ไม่พยายามสร้างระบบพิเศษที่ทำเงินมากมาย แต่ใช้ระบบธรรมดา ที่ทำกำไรเหมาะสมภาวะตลาด และความเสี่ยงที่จำกัด


> ทำระบบเทรดหลีกเลี่ยงการ over fitting ใช้ WFA บน การทดสอบข้อมูลcในอดีตwที่ยาวaเพียงพอy(10-20ปี) หนีกำดัก over fitting ที่เกิดการยึดติดใน back testing พยายามไปทำให้ระบบมีค่า สถิติ มี sharp ratio ที่ดี ด้วยการปรับให้ระบบติดกับข้อมูลอดีต


> ใช้เทคนิคการ Average หา trading rule ที่ทำผลงานจากการทดสอบระยะยาวได้ดีปานกลาง สอดคล้องกับ Average Return ของ Product ไม่ต้องดีมากเกินไป


> สร้างระบบเทรด ที่ใช้งานได้จริง ไม่ได้ใช้โชว์ นั้นหมายถึงการทำงานได้ในทุกภาวะตลาด(มีแนวโน้มไม่มีแนวโน้ม หมี กระทิง)


> ทดสอบระบบกับ โปรดักช์แตกต่างกัน แต่มีค่า correlation กันระยะยาว ทดสอบสมมติฐานการทำงานระบบ เพิ่มปริมาณข้อมูลในการทดสอบ


> บางภาวะเลือกใช้ rule เทรดแบบ continuous (กระจายการเข้าออกหลายไม้ต่อเนื่อง) แทน binary(เข้า ออกอย่างละครั้ง)


> จากประสบการณ์ทำงานในกองทุนเฮ็ดฟันด์ เขาแนะนำว่าสิ่งสำคัญที่ต้องคำนึงถึง 

- การบริหารความเสี่ยง(Risk Management) อยู่รอดภาวะตลาด, เลือกใช้ leverage ให้เหมาะสม 
- การคำนึงถึงต้นทุนของการเทรด (Fix cost เช่น ค่าคอมมิชั่น , ค่า slippage ,ค่า spread) 
- ลดความกังวลเรื่อง กำไรรายวัน อย่างกังวลผลการเทรด ขาดทุนระยะสั้นจนต้องแก้ไข หรือ ทิ้งระบบเทรด พยายามมองภาพใหญ่ เน้นการสร้างกำไรต่อเนื่อง ยั่งยืน 
- พัฒนาระบบเทรด เป็นงานระยะยาวใช้เวลาในการทำ ต้องมีความละเอียด มีการเก็บข้อมูล ทดสอบการทำงานจริง จนกว่าจะเชื่อมั่นได้ - ปัจจัยสำคัญที่ขาดไม่ได้คือ การออกแบบ portfolio construction การวางแผนภาพใหญ่ สร้าง return สเถียรระยะยาว


> คุณสมบัติ Good Systematic trader 

- focus มีเป้าหมาย มีแผน 
- ขยัน หมั่นเรียนรู้ 
- ไม่ประมาท ไม่มี ego หรือมั่นใจมากเกินไป 
- เข้าใจความเสี่ยง ไม่ Over trading 
- รับฟังผู้อื่น และกล้ายอมรับความผิดพลาด


สรุปประเด็นหลักๆเท่านี้ ลองฟังรายละเอียดเพิ่มเติมจาก http://bettersystemtrader.com/026-robert-carver/

My Favorite Trading Websites

น้องเทรดเดอร์ท่านหนึ่งขอให้แนะนำแหล่ง สำหรับหาความรู้ด้านการเทรด ผมเลยจะนำเว็บที่ผมใช้เวลาช่วงเช้า 1 ชั่วโมงเข้าไปอ่านประจำทุกวัน โดยเว็บเหล่านี้ไม่ใช่เว็บข่าวทั่วไปแต่จะเป็นเว็บที่เน้นการสร้าง content ดีๆมีทั้งข้อมูล สาระความรู้และเทคนิคกลยุทธ์การเทรด มาแนะนำเพื่อให้ลองไปศึกษาเพิ่มเติมและต่อยอด

เรื่องพวกนี้ไม่ใช้ความลับอะไร จริงอยากให้พวกเราได้ลองเข้าถึงและเรียนรู้กันเยอะๆด้วยซ้ำจะ เห็นได้จากเกือบทุกบทความที่ผมเขียน หรือแชร์จะมีการอ้างอิงต้นทางให้พวกเราได้ไปค้นคว้าเพิ่มเพื่อได้เปิดโลกให้กว้างขึ้น เรียนรู้แนวคิดเทคนิคต่างๆมากขึ้น



ปล. ถ้าอยากเรียนรู้อะไรใหม่ๆ จากชุมชนหรือกลุ่มเทรดเดอร์ที่ทำและศึกษา พัฒนาอะไรใหม่ๆด้านนี้อย่างจริงจัง ภาษาอังกฤษเป็นสิ่งสำคัญนะครับ ฝึกฝนเรียนรู้ทักษะนี้ไว้จะช่วยเปิดโอกาส เปิดช่องทางการเข้าถึงแหล่งความรู้ดีๆต่อไป

ผมสรุปเป็นคลิปวีดีโอสั้นๆเอาไว้ให้ เข้าไปชมได้จาก link ด้านล่างครับ
https://www.youtube.com/watch?v=39NN8WHS2As

วันอังคารที่ 1 สิงหาคม พ.ศ. 2560

การเทรด Morning Gaps ด้วย Gaussian Naive Bayes

หัวข้อการทดลอง ที่เคยเล่าให้ฟัง ผมทดสอบกลยุทธ์การเทรดแบบ Morning Gaps Trading ด้วย Gaussian Naive Bayes เอาเรื่องความน่าจะเป็นและ Machine learning มาใช้สร้างโมเดล เพื่อหาค่าสัญญาณซื้อขายของระบบเทรด โดยใช้ ข้อมูล Morning Gap และพฤติกรรมราคาของ วันก่อนหน้า มาเป็นข้อมูลดิบเพื่อใช้การ Training Model



จริงๆไม่ได้เน้นทำระบบเพื่อเทรดอะไร แต่การทดลองนี้เป็นการทำประกอบการสอนเรื่อง Probability กับการเทรด ก็ลองดูเป็นไอเดีย เห็นอีกรูปแบบของการใช้ Gap มาสร้างกบยุทธ์การเทรด อาจจะแตกต่างจากการท่องจำรูปแบบ Gap ตามหลักของเทคนิคอลทั่วไป


กรณีถ้าจะนำไปใช้การเทรดคงต้องไปพัฒนาต่อ อีกเยอะ เนื่องจากความถูกต้องค่อนข้างต่ำ

อ่านบทความฉบับเต็มที่

จริงไหมถ้าใช้ระบบเทรดทำให้รวยช้า

เมื่อเช้ามีคำถามท่านหนึ่งถามว่า "จริงไหมถ้าใช้ระบบเทรดทำให้รวยช้า"
ถ้ามองในมุมที่ว่าทำกำไรได้น้อย จากการต้องบริหารเงิน(money management)เพื่อป้องกันความเสี่ยงก็คงจะจริง เพราะเราไม่สามารถ all in อัดหนักหวังทำกำไรแบบการเสี่ยงโชคหรือเดิมพันวัดดวงในครั้งเดียวได้ จึงทำให้รวยช้า รวยไม่ทันใจ

สุดท้ายคงกลับมาที่เป้าหมายว่า เทรดเดอร์ต้องการอะไร ต้องการเสี่ยงโชครวยเยอะๆเร็วๆ หรือต้องการเทรดให้ได้เงินจริงจัง ต่อเนื่องและอยู่รอดในตลาดระยะยาว
วิธีการเทรด มันทำเงินได้เยอะยามถูกทางแต่เวลาผิดก็ขาดทุนเยอะ กำไรที่ได้มามันก็หายไปได้ข้ามวัน อาจจะดูดีตอนเห็นกำไรเยอะๆ เหมือนถูกหวยแต่ประโยชน์จริงๆด้านความมั่นคงทางการเงินก็คงไม่มี ถ้าทำได้ครั้งสองครั้งไม่สามารถทำได้ต่อเนื่องจริงจัง

systematic trading เน้นการสร้างกำไรต่อเนื่อง(constancy win)เหมาะสมกับความเสี่ยง(Risk) และอยู่รอดในทุกสภาวะตลาดทั้งช่วงดีและร้าย การสร้างผลตอบแทนได้มั่นคง เสถียรมันจะก่อให้เกิดผลกำไรทบต้น ซึ่งแน่นอนว่าถ้าทำได้ทุกเดือน ทุกปี ระบบก็กลายเป็นห่านทองคำ ที่เลี้ยงชีพ และพาเราไปสู่อิสรภาพทางการเงินได้ แน่นอนว่าการไปถึงตรงนั้นต้องใช้การเรียนรู้ การฝึกฝนและสั่งสมประสบการณ์ที่มากเพียงพอ รวมถึงการพัฒนานิสัยสร้างความอดทน สร้างวินัยในตัวเอง ไม่ง่ายแต่ถ้าเราทำได้มันก็คุ้มค่ากับการพยายามครับ

ปล. อยากให้ลองศึกษาเพิ่มเติมจาก clip vdo นี้ของ meta stock เขาให้คุณ
Roy Swanson เทรดเดอร์อาชีพสาย systematic trading มาบรรยายเรื่องการสร้าง system และมีการพูดถึงประเด็นนี้ได้ดี




วันอังคารที่ 25 กรกฎาคม พ.ศ. 2560

วิธีรับมือกับ Fake News

มีคนถามว่าถ้าเทรดหุ้นไม่ต้องดูข่าว ไม่ต้องตามข่าวเลยดีไหม เพราะทุกวันนี้มีแต่ข่าวที่มี Bias หรือไม่ก็มีแต่ Fake News ตามสื่อออนไลน์เต็มไปหมด

จะว่าไปมันก็ไม่ใช่เรื่องแปลกที่จะมีคนคิดแบบนี้ในปัจจุบัน แต่มันอาจจะไม่ใช่ทางออกเดียวเสมอไปครับ ถ้าเรามองโลกตามความเป็นจริงก็จะพบ สื่อทุกสื่อ ไม่ว่าจะออนไลน์ หรืออฟไลน์ ล้วนมี Agenda มีเกมส์การตลาด ที่แฝงมาในการนำเสนอข่าว นำเสนอความคิดเห็นได้ทั้งนั้น และมีมานมนานแล้ว แต่คนยังต้องเลือกติดตาม เพราะมันคือช่องทางในการอัพเดตข่าวสาร ติดตามการเปลี่ยนแปลงที่เกิด

สิ่งที่ทำได้คือต้องเพิ่มความฉลาดในกระบวนการรับรู้(Perception Process) ตั้งแต่การเลือกแหล่งที่มา ,การจำแนกข้อมูล(Data) ออกจาก ข้อคิดเห็น, การสอบทานด้วยการรับข่าวข้อมูลมากกว่าหนึ่งแห่ง จากแหล่งที่มาที่น่าเชื่อถือ ไม่ใช่ฟังหรือเลือกเชื่อจากบุคคลกลุ่มใดกลุ่มหนึ่ง หรือเชื่อจากความคิดเห็นของบุคคลใดบุคลหนึ่ง

กรณีเรื่องข้อมูลหรือความคิดเห็นที่เกี่ยวข้องกับหลักวิชาการ ความเฉพาะทาง ควรหาเอกสารวิชาการหรือตำราวิชาการ ประกอบ อ้างอิงความสมเหตุสมผล

ภาพ Perception Process ถ้าใครเคยศึกษาเรื่องจิตวิทยา น่าเคยผ่านตา อ้างอิงจากตำราวิจัย Organizational Behavior ของ James G. Hunt, and Richard N. Osborn

สุดท้ายเรื่องการตีความ ที่ต้องระมัดระวังเพราะตรงนี้ต้องใช้สติและปัญญา ในการพิจารณา ไม่ว่าจะข่าวจริงข่าวปลอม ถ้าตัวเราเองมีอคติ มีประสบการณ์ที่ชักนำให้โน้มเอียง หรือโดนชี้นำจากคนรอบข้าง หรือบุคคลอื่น การตีความเราก็เพี้ยนได้

การไม่รับรู้หรือการไม่มีข้อมูลสาธารณะ ไม่ทราบข่าวสารความเป็นไป ก็ไม่ได้แปลว่าจะปลอดภัยเสมอไป เพราะไม่รู้ก็โดนหลอกโดนชี้นำจากคนบางกลุ่มที่เล่นกับความไม่รู้ หรือความไม่เท่าทันของเรา ได้เช่นกัน เช่นประเภทชวนเชื่อว่าเป็น "ข่าววงใน" เป็นต้น

ดังนั้นจะอ่านข่าวจากสื่อใดๆ หรือจะฟังจากทีวี หรืออ่านจากเฟสบุ๊ค ก็ทำไปเถอะครับ แต่ทำอย่างมี สติ มีปัญญา คิดให้รอบครอบ ก่อนนำมาใช้ประกอบการวิเคราะห์เพื่อตัดสินใจ ซื้อหรือขาย
ศึกษาเรื่อง Perception Process เพิ่มเติมได้ที่


Momentum Investing

นั่งอ่านงานวิจัยเรื่อง A Century of Evidence on Trend-Following Investing ของ AQR Capital ซึ่งเป็น Quant Fund เจ้าใหญ่ งานวิจัยแสดงถึงการวิเคราะห์ข้อมูลผลการทำงานของ trend-following อิงสไตล์ดั่งเดิม “cut short your losses” and “let your profits run on” ใน Global market ทั้ง ตลาดหุ้น,ค่าเงิน, fix income และคอมโมดิตี้ ตั้งแต่ช่วงปี 1180 ถึงปี 2016

ทดสอบกลยุทธ์แบบดั่งเดิม time series momentum (Long เมื่อ return เพิ่มสูงขึ้นต่อเนื่อง , Short เมื่อ return ติดลบต่อเนื่อง) ซึ่งทำผลงานได้ดีในช่วงตลาดมีแนวโน้ม สอดคล้องการโตของวัฏจักรเศรษฐกิจ โดยเฉพาะในตลาดหุ้นที่มีรอบทั้งช่วงตลาดกระทิงและตลาดหมี สลับกันไปมาตลอดเวลาร้อยกว่าปี
การจัดพอร์ตผสม 60/40 stock/bond สไตล์ Trend-Following ก็สามารถทำให้ผลตอบแทนของระบบ ระยะยาวรอดตลาดทุกช่วงสภาวะได้เช่นกัน ดังภาพจะเห็น smile สะท้อน non linear correlation ของพอร์ตและผลตอบแทนของตลาด การจัดพอร์ตผสมช่วยเพิ่ม Sharpe ratio และจำกัดขนาด Drawdown ให้ระบบ

งานวิจัยนี้ ไม่ได้พยายามจะบอกว่า Trend-Following สมบูรณ์แบบ เพราะมีทั้งช่วงที่ดีและไม่ดี Drawdown เกิดได้ในช่วงภาวะตลาดที่เลวร้าย แต่สิ่งที่ทำให้กลยุทธ์มันทำงานได้ในระยะยาวคือเรื่องของ "ระบบ + แผนการปฏิบัติที่คงที่" ซึ่งผลงานที่ดีจะเกิดบนค่าเฉลี่ยของ Performance ระยะยาวทั้งช่วงดีและร้าย (ตรงนี้เป็นปัญหาของคนส่วนใหญ่เพราะติดกับภาพเล็กและไม่สามารถทำตามระบบอย่างมีวินัยได้)


แน่นอนว่าอีก Key ที่ทำให้เกิดความได้เปรียบในการเข้าเทรด คือการหาจุดเข้าออกสอดคล้องกับแนวโน้มใหญ่ของตลาด(ขึ้นและลง) , ความอดทนและ รวมไปถึงการทำ asset allocation
Method งานวิจัยนี้อาจจะไม่ได้ซับซ้อนอะไร แต่ที่น่าสนใจคือเรื่องของ Data ที่รายย่อยอาจจะไม่มีข้อมูลในการทดสอบแบบ AQR

งานวิจัยนี้ผมไม่ได้แปลทั้งหมด ยังไงพวกเราลองอ่านไปอ่านรายละเอียดเพิ่มเติม ในบทความวิจัยฉบับเต็ม จาก link ด้านล่างได้
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2993026

BOT Open API

เมื่อวานมีโปรแกรมเมอร์ท่านหนึ่งแนะนำ API ของ แบงค์ชาติมา ตกเย็นผมมีโอกาสได้ลองเล่น และเชื่อม App ตัว FX Dashboard ที่ผมใช้เพื่อดึงข้อมูลอัตราแลกเปลี่ยนไทยบาทมาใช้ รู้สึกประทับใจและคิดว่ามีประโยชน์เลยอยากมาแนะนำต่อ

สรุปสั้นๆคือเมื่อวันที่ 17/07/2017 ธปท. เปิด Open API สำหรับการเชื่อมต่อจาก application เพื่อเรียกข้อมูลได้แก่ อัตราแลกเปลี่ยน อัตราดอกเบี้ย และผลการประมูลตราสารหนี้ มีข้อมูลจำนวน 21 ตัว โดยรองรับการเชื่อมต่อผ่าน REST และบริการข้อมูลเป็น json/XML


การใช้งานไม่ยากสามารถเรียกเหมือน API ทั่วไปได้เลย เบื้องต้นผมลองใช้ python ทำการ request ไปที่ API และดึงข้อมูลอัตราแลกเปลี่ยนออกมา โดยแง่ข้อมูลมีหลากหลายดี อัตราแลกเปลี่ยนก็มีทั้งระบบ Fixed และ Floating Exchange Rate รวมถึงมีอัตราแลกเปลี่ยน ไทยบาทเทียบสกุลต่างๆ 48 สกุล อัพเดตข้อมูลรายวัน ทำ Doc รายละเอียดดีมาก ทำให้ใช้งานสะดวก การเรียกข้อมูลย้อนหลัง ดึงข้อมูลได้ครั้งละ 30 วัน


ท่านที่สนใจโดยเฉพาะนักพัฒนา ลองเข้าไปใช้งานได้ที่
https://iapi.bot.or.th/Developer?lang=th
ตัวอย่าง code เรียกใช้งานด้วย python
https://github.com/chaipat-ncm/learn2trade/tree/master/API

วันศุกร์ที่ 14 กรกฎาคม พ.ศ. 2560

เก่งขึ้นทุกวัน

เก่งขึ้นทุกวัน

"เวลา" คือข้อจำกัด และอุปสรรคในการเรียนรู้ โดยเฉพาะคนที่ต้องทำงานประจำ หรือมีภาระกิจครอบครัวต้องดูแล บ่อยครั้งทำให้ เจอกับประเด็นที่ว่า อยากเก่งแต่ไม่มีเวลา

คำแนะนำของผมสำหรับพวกเราที่เจอปัญหานี้อยู่คือ ลองวางแผนบริหารจัดการเวลาของเรา ใช้หลักการสร้าง slot เวลาในการเรียนรู้ ไม่ต้องมาก 5 - 15 นาที แต่ทำให้ได้ ทุกวัน เพราะการทำให้ได้ทุกวัน จะสร้างนิสัย สร้างความเคยชิน ที่อยากเรียนรู้ อยากฝึกฝน ทำให้เกิดโมเมนตัมในการพัฒนาตัวเองระยะยาว

เราไม่จำเป็นต้องไปใช้ระบบการเรียนรู้แบบอดีต สไตล์ระบบตัดเกรด ที่ต้องแข่งกันเป็นที่หนึ่ง พยายามเก่งกว่าคนอื่นๆเสมอ เพื่อพิสูจน์ความสามารถตัวเองตามกรอบมาตรฐานที่คนอื่นกำหนด เพราะ ถ้าเป้าหมายการเรียนรู้ ฝึกฝน ในด้านทักษะการเทรด การลงทุน เราทำเพื่อชีวิตของตัวเราเอง

สิ่งสำคัญต้องตอบโจทย์ชีวิตตัวเราเป็นหลัก ไม่ใช่หมกหมุ่น ทำแล้วไม่มีความสุข ชีวิตไม่ลงตัว ไม่มีเวลาดูแลครอบครัว แบบนั้นก็เรียกว่าไม่เกิดประโยชน์ระยะยาว และสิ่งสำคัญ ต้อง work life balance ไม่ใช่เน้นจะเอาแต่สร้างเงิน สร้างกำไร พยายามจะเก่ง จะเหนือกว่าคนอื่น แต่ชีวิตไม่มีความสุข คนรอบข้างไม่มีความสุขแบบนั้นก็ไม่ถูกทาง



ในปัจจุบันเทคนิคการเรียนรู้แบบแข่งขันกับตัวเอง ในลักษณะเปิดเป็นที่นิยมมาก เราจะเห็นจากหลายระบบการเรียนรู้ ที่สร้างให้ ผู้เรียนเป็นศูนย์กลาง กำหนดเป้าหมายในการเรียนรู้ และกำหนดเวลา ในการเรียนรู้ในแต่ละวันเองได้ เช่นอย่างของ gohighbrow และ curious เป็นต้น

ไม่ต้องทำอะไรมาก แต่ทำให้ได้ทุกวัน เรียนรู้ให้มากกว่าสิ่งที่เคยรู้กว่าเมื่อวาน แค่ไม่หยุดพยายามเพียงเท่านี้ถึงเป้าหมาย เราพัฒนาทักษะความสามารถได้เช่นกัน ครับ

อ้างอิง
https://curious.com/
http://gohighbrow.com/
http://www.scb.co.th/th/tips/others/work-balance
https://www.forbes.com/sites/deborahlee/2014/10/20/6-tips-for-better-work-life-balance

Guide to machine learning and big data jobs in finance

Marko Kolanovic และ Rajesh T. Krishnamachari หัวหน้าทีม quantitative investing and derivatives strategy ของ JP Morgan ให้สัมภาษณ์แนะนำแนวทางสายอาชีพด้านสาย Quant (big data & machine learning) ในวงการ financial services.ได้อย่างน่าสนใจ

JP Morgan และอีกหลาย investment bank ต่างเน้นการพัฒนาทีมกลยุทธ์ด้าน AI อย่างจริงจังโดยเฉพาะช่วง 2 ปี ที่ JP Morgan มีการสร้างทีม Data Science และทีมพัฒนา AI เช่นล่าสุด เพิ่งจ้าง Dr. Geoffrey Zweig อดีตหัวหน้าทีมพัฒนาปัญญาประดิษฐ์จาก Microsoft มาร่วมงาน




บทความนี้ตัดมาจากรายงานของ JP Morgan โดย keyword สำคัญๆที่ทั้งสองคนกล่าวถึงเช่น Big Data , AI Strategies, Machine Learning, Deep learning และ Alternative Data เรื่องพวกนี้เราจะได้เห็นภาพมาขึ้นว่าเขาใช้ทำอะไรในงานด้านดลยุทธ์ การเทรดและการลงทุน ซึ่งระบบ AI รองรับสนับสนุนงานของ Analysts, portfolio managers, traders และ chief investment officers เพิ่มประสิทธิภาพการทำงานแบบเดิม


มีประโยชน์สำหรับคนอยากศึกษาด้านนี้จริงจัง หรือเลือกเดินสายอาชีพนี้ในอนาคต ได้เห็นมุมมองและงานด้าน quantitative investing ของ investment bank ใหญ่เขาทำ และต้องการ data scientist เข้าไปร่วมพัฒนา สิ่งที่เห็นตอนนี้มันคือจุดเริ่มต้น กลายเป็นเทรนด์เพราะ ทุกธนาคาร และกลุ่มอุตสาหกรรมการเงิน ก็จะขยับไปในทิศทางคล้ายกัน กับยักษ์ใหญ่อย่าง J.P. Morgan

ปล. ผมไม่แปลทั้งหมด อยากให้ลองเข้าไปอ่านกันเองจะได้เห็นภาพรวม และรายละเอียดเต็มๆครับ