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

วันอาทิตย์ที่ 17 พฤศจิกายน พ.ศ. 2562

Teaching traders to code in Python

บทความนี้ของ Saeed Amen ดีงามมากเขาแชร์ประสบการณ์การสอนการเขียนโปรแกรม Python ให้กับเทรดเดอร์ใน Bank / Financial firms
โดยสรุปใจความสำคัญ คือมันเป็นเรื่องดีที่จะเรียนรู้ Python Programming เพราะ python เป็น tools ที่ดี แต่สิ่งเป็นปัญหาคือ การเขียนตามตัวอย่าง จากคนสอนอย่างเดียว อาจจะได้ตัวอย่าง basic การเขียนโปรแกรม Python แบบทั่วไป แต่ไม่พอเพราะส่วนใหญ่ การไปใช้จริง ต้องมาจากโจทย์/องค์ความรู้จริงจากประสบการณ์การเทรดจริงในตลาด เพื่อนำมาประยุกต์ ซึ่งเทรดเดอร์จะมีความได้เปรียบในการเข้าใจ data แบบเชิงลึกช่วยการพัฒนาระบบได้ดีกว่าโปรแกรมเมอร์สาย IT ทั่วไป ดังนั้นเทรดเดอร์ต้องทำงานหนัก ฝึกฝน หัดเขียนโปรแกรม หัดประยุกต์ (ไม่ใช่แค่ copy&paste)


Saeed Amen แนะนำให้เน้นการวิเคราะห์ข้อมูล(มากกว่าการไปใช้ python เพื่อสร้างโมเดลทำนายอนาคตซึ่งมันใช้จริงไม่ได้) ทำความเข้าใจกับ market ช่วยในการพัฒนาระบบเทรด เช่นเดียวกันไม่ต้องกังวลที่จะเปลี่ยนตัวเองจากเทรดเดอร์ไปเป็น coding guru เพราะมันไม่ใช่เรื่องจำเป็น(ในบริษัทใหญ่ เขาก็จ้าง Programmer อาชีพมาทำแหละ แต่เทรดเดอร์ที่เข้าใจ logic และการลำดับความคิดเป็น เขียน flowchart ได้ก็จะสามารถ สื่อสารและทำงานร่วมทีมพัฒนาได้)
สรุปเรียน python เพื่ออัพสกิลดี แต่เทรดเดอร์ต้องมาทำงาน มาฝึกฝนกันต่อด้วย
อ่านเพิ่มเติมฉบับเต็ม

Introduction to Volatility Trading

นั่งหาคลิปใน youtube ฟังไปเจออันนี้ของ Christopher Quill คนนี้เป็น Quant Analyst ของ ITPM บรรยายเรื่อง volatility ค่อนข้างน่าสนใจ เพราะตลาดปัจจุบันมันไม่เหมือนอดีต Trend มันไม่ใช่พระเอกละ กลายเป็น Volatility สไตล์ volatility trading ก็กำลังมาแรงและถูกนำมาใช้กันมาขึ้นระยะ 2-3ปีที่ผ่านมา เช่น Mean reversion , Scalping เป็นต้น


คลิปยาวนะแต่อธิบายดี พูดภาพรวมการใช้เทรด สอนคำนวณทั้ง Implied volatility และ Historic volatility(Time series) เข้าไปฟังได้จากคลิปด้านล่าง


ทำไมความรู้ด้านการเงินและการลงทุนจึงสำคัญในโลกปัจจุบัน

DW เป็นช่องสารคดีของเยอรมนี เขาทำสารคดีชื่อว่า How the rich get richer - money in the world economy ถ่ายทอดหลายประเด็นที่น่าสนใจมาก โดยเฉพาะปัญหาที่คนวัยเกษียณในยุโรปเจอ
ในสารคดีเล่าเรื่องชายชนชั้นกลาง คนหนึ่งทำงานกว่า 40 ปี เกษียณได้เงินบำนาญก้อนหนึ่ง แต่ปัญหาคือ อัตราดอกเบี้ยติดลบ ทำให้ความฝันที่จะไม่ต้องทำงานนอนกินดอกเบี้ยวัยเกษียณแบบที่เคยเชื่อไว้ ไม่เป็นจริง แถมเจอดอกเบี้ยติดลบทำให้เงินก้อนที่มีถดถอยไปอีก ,
เมื่อมารู้ มาตระหนักตอนนีั ก็สายละเพราะทางเลือกไม่มากที่ปรึกษาการเงินแนะนำให้ไปซื้อสินทรัพย์ที่มีความเสี่ยง เช่นหุ้น(stock) แต่ต้องจ่ายราคา premium ที่สูง พร้อมภาวนาให้ไม่เกิด economic downturn



อีกประเด็นก็น่าสนใจ เพราะนโยบายผ่อนคลาย กระตุ้นเศรษฐกิจของ ecb อัตราดอกเบี้ยต่ำทำให้ คนมีเงิน(สารคดีเรียกว่าพวกนายทุนหรือคนรวย) ใช้เงินกู้ดอกต่ำ ไปไล่ซื้อ อสังหาริมทรัพย์ ดันราคาบ้านและที่อยู่ จนขึ้นสูงในช่วงหลังปี 2010 ปัญหา ตามมาคือ คนชั้นกลาง มนุษย์เงินเดือน ต้องการซื้อบ้านก็ต้องจ่ายในราคาที่แพง มหาศาล ตามด้วยการเป็นหนี้ระยะยาวกับธนาคาร(30-40 ปี) จุดนี้กลายเป็นความเสี่ยง กรณีถ้าเกิดวิกฤติรอบใหม่แล้วต้องตกงาน (แต่เดียวพอต้อง default หนี้ก็จะมีเงินทุนเข้ามาไล่เก็บ asset ของถูกกลับไป)
ยังไม่นับรวมกรณีการไล่ซื้อกิจการ ควบรวมกิจการขนาดใหญ่ที่เกิดขึ้นจำนวนหลายดีล จากต้นทุนทางการเงินที่ถูก ทำให้เกิดการปลดคนงานและการบีบออกอื่นๆ ที่ สารคดีชี้ให้เห็น นั้นคือการหมุนของเงินไปเข้ากระเป๋าคนรวย
ดูสารคดีนี้จบ 40 นาทีก็หดหู่นะ แต่ถามว่าจริงไหมมันก็จริง แต่ไม่ทั้งหมด เพราะมันคือเกมส์ที่ระบบมันเล่นกันมานาน ลองแกะย้อนไปดูประวัติศาสตร์การเงินในอดีตได้ คำถามคือ เราจะเอาตัวรอดจากเกมส์นี้ยังไง ตรงนี้เป็นเรื่องให้คิดต่อได้อีกหลายเพลา..


บันทึกหุ้น Defensive stock และ REIT Q3/2019

ปีนี้มีแต่คนบ่นเรื่องการลงทุนในตลาดหุ้นไทย ราคาหุ้นส่วนใหญ่เจอแรงขายกดดันจนราคาถอยลงค่อนข้างหนัก ยิ่งถ้าผลประกอบการออกมาไม่ดีด้วยราคายิ่งดิ่งลงใหญ่ โดยเฉพาะหลายตัวในกลุ่ม อสังหา, ธนาคารและการเงิน ขณะที่ปัจจัยจาก โครงการ EEC ปีนี้ยังไม่ได้มีผลบวกเท่าไหร่ต่อราคาหุ้นที่เกี่ยวข้องเหมือนที่คาดหวังเอาไว้

ส่วนตัวพอร์ตปีนี้รอดได้ คาดปีนี้ return (กำไร+ปันผล) น่าจะปิดได้มากกว่า SET (return จากต้นปี +1.95%) เพราะต้นปีทำการปรับพอร์ต เปลี่ยนแผนมาเล่นเกมส์รับถือเงินสดมากพอควร+ เน้น Defensive stock (หุ้นธุรกิจปลอดภัย เช่น โรงไฟฟ้า, ประปา,สาธารณูปโภค)และ REIT ที่ปีนี้ทำผลงานค่อนข้างดี เนื่องจากชัดเจนคือกระแสเงินไหลเข้ากลุ่มนี้อย่างมาก ตั้งแต่ปลายปี 2018 , ที่น่าสังเกตกลุ่ม Defensive stock และ REIT ที่เคย low volatility ตอนนี้บางตัวค่า volatility ปรับสูงขึ้นอย่างมีนัยยะ บวกกับ volume การเทรดหุ้นกลุ่มนี้ส่วนใหญ่มากกว่าค่าเฉลี่ยค่อนข้างชัด

ภาพแสดงราคาหุ้นจากต้นปี 2019 เส้นสีเหลืองนั้นคือ SET จะพบว่าราคาหุ้นกลุ่ม Defensive stock และ REIT มีผลตอบแทนบวกเหนือ SET แต่ขณะเดียวกัน volatility แตกต่างจากปี 2017 2018 ด้วย(การไปไล่ซื้อหลังจากนี้อาจจะไม่ง่ายเพราะ price in ไปมากพอควร) จุดหนึ่งสะท้อนเงินไม่ได้ไหลออกจากตลาดหุ้น ยังค้ำดัชนีอยู่แต่ย้ายไปประเภท ความเสี่ยงต่ำแทน (จุดนี้ลึกๆลุ้นถ้า trade war จบดีอาจจะเห็น positive sentiment กลับมาอีกรอบได้เช่นกัน)

บันทึกข้อมูลนี้ไว้ เพื่อเตือนตัวเองว่าตลาดหุ้น/ราคาหุ้น คาดเดาไม่ได้ ควบคุมไม่ได้ แต่ความเสี่ยง(risk) ที่เกิดกับพอร์ต เราสามารถควบคุมมันได้เสมอ



ปล. การไปไล่ซื้อ Defensive stock และ REITหลังจากนี้อาจจะไม่ง่ายเพราะ ราคาปรับขึ้นสูง จะซื้อจ่าย premuim ที่แพงขึ้น
ปล. การเคลื่อนของเงินในตลาดหุ้นยังต้องจับตามอง ผลจากการไม่ต่ออายุ LTF เงินที่หายไปในอนาคต ตัวเลขจากรายงานข่าวช่วยดันตลาดรอบ 10 ปีกว่า 3 แสนล้านบาท , จำนวนประชากรเข้ามาลงทุนผ่านกองทุน 2-3 ล้านคน ซึ่งถ้ากองทุนใหม่มาแทนดึงเม็ดเงินมาเพิ่มได้มาก แม้ตลาดหุ้นจะชะลอตามภาวะเศรษฐกิจแต่คงจะไม่เกิดการ crash ร่วงที่รุนแรงมากนัก

วันจันทร์ที่ 11 พฤศจิกายน พ.ศ. 2562

How to read any Research paper

ผู้เขียนเขาสรุปมาจาก Andrew Ng's CS230 Lectures ซึ่งอธิบายแนวคิดของการอ่านและศึกษา research paper ละเอียดดี โดยเฉพาะ สำหรับคนทั่วไปที่ไม่เคยเขียน paper จะได้รู้ว่า ควรจะอ่านมันอย่างไร ซึ่งแนวทางนี้ประยุกต์ได้กับเกือบทุก paper สาขาต่างๆนะครับ แต่เนื้อหาในบทความนี้จะเน้นไปทาง Deep learning
key สำคัญเรื่องความคาดหวังที่จะได้รับ ผมแชร์ paper ด้านการเงิน, การเทรดและการบริหารพอร์ต บ่อยบางคนเข้าใจผิด คิดว่าให้ไปลอกทำตามงานวิจัย ไปทำตามสูตรสำเร็จ จริงๆไม่ใช่เราใช้เวลาอ่าน paper เพื่อขยายฐานความรู้ อ่าน literature review และศึกษาจากสิ่งที่มีการทดลองวิจัย เรียนรู้จากสิ่งที่มัน fail เพื่อเราจะได้ไม่ต้องไปเสียเวลาเดินผิดทาง


ดังนั้นการอ่าน paper มันจึงไม่ใช่แค่ไปหาทางลัด ทำตามเขา ลอกตัวแบบที่ผลวิจัยออกมาดีอย่างเดียว อันนั้นมันฉาบฉวยไม่เกิดประโยชน์ เพราะ paper งานวิจัยที่ดี นั้นมันมีอะไรให้เราเรียนรู้มากกว่านั้น
อ่านฉบับเต็มจาก

Every company is a tech company(In the future)

อ่านบทความนี้แล้วก็รู้สึกว่ามันน่าสนใจ เพราะมันคล้ายกับหลายๆกูรูและนักวิเคราะห์ตปท. มองโดยสรุปความคิดเห็นไปเหมือนกันว่า อนาคตทุกบริษัทมันอาจจะกลายเป็น Tech Company แยกรายละเอียดประเด็นนี้
1.กรณี อุตสาหกรรมเดียวกัน คือเอา Technology (ประเภท BigData, AI, Online(Internet), Mobile App) มาชิงความได้เปรียบในการแข่งขัน ในการสร้างผลิตภัณฑ์และบริการ รวมถึงการลดต้นทุน จุดนี้นวค.มองจะเป็นแรกกระตุ้นเกิดการนำ AI และเทคโนโลยีขั้นสูงไปใช้ในอุตสาหกรรมต่างๆ เช่น ค้าปลีก ยานยนต์ รับเหมาก่อสร้าง อสังหา ธนาคารการเงิน,สุขภาพการแพทย์ ประกันภัย และอื่นๆ
2. ด้านการแตกไลน์ธุรกิจ พวก cashcow พวกใหญ่จะลงทุน/ควบรวมในบริษัทย่อยกลุ่ม Tech startup หรือแม้แต่การลงทุนผ่าน VC กรณีนี้เห็นเยอะมากในปัจจุบัน ยกกรณีของ WeWork ที่ดูเหมือนจะเป็นบริษัท commercial real estate แต่แฝงตัวในภาพของ tech company
สุดท้ายมันกลายเป็นว่าทุกบริษัทต่างโฟกัส ทุ่มเงินทุนไปที่การพัฒนา Tech มาเป็นจุดขายหรือตัวนำ ทั้งเพื่อการอยู่รอด เพื่อการแข่งขัน เพื่อการเติบโตขยายธุรกิจไปทั่วโลก รวมไปถึง valuation ที่สูงริบ จนกลายเป็น tech company



พ่วงท้ายบทความนี้มีกรณีศึกษาที่เกิดมาให้อ่านด้วยลองเข้าไปดูได้ ที่

ทรัมป์ยังเดาไม่ถูก

ไปเจอโพสนี้ของคุณ charlie bilelo ฮาตรึมกับ นำข้อมูลมาเผยย้อนรอยคำทำนายของ โดนัล ทรัมป์ กับการลงทุนในหุ้น apple ซึ่งต้นปี 2014 โดนัล ทรัมป์ สวมบทนักวิเคราะห์อัดกระหน่ำหุ้น apple
ประเด็นก็คือ ก่อนหน้าทรัมป์แกพยายามจะล๊อบปี้/แสดงความเห็นออกสื่อต่อเนื่อง กดดันให้ iphone ทำจอใหญ่ (larger iPhone screen) พอ apple ยังคงแนวทางเดิม แกเลยจัดเต็มอัด apple พร้อมปิดท้ายบอกว่า เขาขายหุ้น apple หมดแล้ว (สมัย 2014 ทรัมป์ยังไมไ่ด้เป็นประธานาธิปดี ยังเป็นนักธุรกิจ นักลงทุนอยู่)
ผลปรากฏว่า 5 ปีผ่านมาราคาหุ้น apple +252%
"I predicted Apple's stock fall based on their dumb refusal to give the option of a larger iPhone screen like Samsung. I sold my Apple stock."-Donald Trump, January 28, 2014
Total Return since: +252%


Quant in the 90s and the AI reinvention

ผมนั่งฟัง Curious Quant podcast ไปเจอสัมภาษณ์ Jim Creighton คนนี้เป็นอดีต CIO of Barclays Global Investors , เขามาถ่ายทอดประสบการณ์ Quant ใน financial markets ให้ฟังตั้งแต่ยุคเริ่มต้น จนถึงการเปลี่ยนแปลงที่มาพร้อมกับ AI ในยุคปัจจุบัน รวมไปถึงสิ่งที่เขาเชื่อว่า 10-15 ปีข้างหน้าโลกการเงินจะเปลี่ยนแปลงไปจากอดีตอย่างมาก จากบทบาทของการนำ AI มาใช้ในงาน asset management
Key take away อันหนึ่งจากแนวคิดของคุณ Creighton คือแกบอกว่า เส้นการแยก Fundamental และ Technical analysis มันจะบางลงเพราะทุกข้อมูลที่เกี่ยวข้องกับ financial market ด้านต่างๆ จะถูกนำมาทำ Data Analysis เพื่อสร้างโมเดลในการตัดสินใจซื้อขาย หรือลงทุนในกลยุทธ์ต่างๆ ด้วยประสิทธิภาพและศักยภาพในการ คิดคำนวณของ AI ที่มันไม่มีข้อจำกัดเหมือนมนุษย์ เขามองว่าความซับซ้อนตรงนี้แหละ มันจะเป็น edge ที่ผู้เล่นรายใหญ่ในตลาดจะเอามาสู้กัน
มันยาวสัมภาษณ์กว่า 50 นาทียังมีอีกหลายประเด็นให้ไปตกผลึกย่อยต่อได้เยอะ อยากศึกษาด้านนี้จริงจัง ลองไปฟังฉบับเต็มได้จาก


วันจันทร์ที่ 28 ตุลาคม พ.ศ. 2562

ทักษะสำคัญของเทรดเดอร์

ผมมีโอกาสได้ไปช่วยรุ่นพี่ท่านหนึ่งสัมภาษณ์เทรดเดอร์ เข้าทำงานในบริษัท คำถามหนึ่งผมถามเทรดเดอร์ว่า อะไรคือทักษะสำคัญในการเทรด ?
คำตอบที่ได้หลากหลายมากตั้งแต่ความเก่งในการอ่านกราฟแท่งเทียน ยันความอึดในการนั่งหน้าจอคอมพิวเตอร์ จริงๆแล้วมันเป็นของการตัดสินใจ(ในเวลาที่จำกัด+บนสถานะการณ์ที่ไม่แน่นอนและความกดดันของผลกำไรขาดทุน) ทักษะตรงนี้ฝึกมากประสบการณ์มากมันจะทำให้ดีและมีประสิทธิภาพ ที่สำคัญมันเป็น transfer learning ที่สามารถนำไปใช้ในด้านต่างๆได้

ประเด็นเดี่ยวกัน ย้อนกลับมาที่คำถามหนึ่งเมื่อเช้า ถามว่าไม่ใช่กราฟเทคนิคคอลเทรด จะได้ไหม คำตอบคือได้แน่นอน ถ้าคุณมีเครื่องมือ ที่ช่วยวิเคราะห์ข้อมูลประกอบ"การตัดสินใจ" อย่างเป็นระบบ เป็นตรรกะ ไม่มีอคติทางอารมณ์ อคติทางความเชื่อ





นอกจากนี้ต้องมีสิ่งเรียกว่า Post-trading plan กระบวนการรับมือกับ outcome ที่เกิด ไม่ว่าจะผิดหรือถูก ต่อไป พวกนี้ต่างหากคือแก่นสำคัญ ที่เทรดเดอร์ใช้เวลาหลายสิบปีในการเรียนรู้ และพัฒนา edge ให้เกิดขึ้น

ว่าแล้วก็ฝึกฝนกันต่อไป พัฒนากันต่อไปครับ

ปล.ภาพประกอบจาก fidelity

The Ivy Endowments Portfolio

ปีนี้มีโอกาสได้ไปช่วยงาน wealth management ได้ไปทำ Quant เกี่ยวกับ Portfolio management strategies เยอะพอควร (ซึ่งค่อนข้างจะต่างจากการทำระบบเทรด เดี่ยวปลายปีจะมารีวิวให้ฟัง) ทำให้มีโอกาสได้ไปศึกษาพวก Endowments Fund ของอเมริกา หลายเจ้าในกลุ่มมหาวิทยาลัย ivy league ค่อนข้างหน้าสนใจมาก คือกลยุทธ์ไม่ได้ซับซ้อน แต่ผลงานระยะ 10-15 ปีนี้ค่อนข้างจะดูดีเลยทีเดียว
บทความนี้ของ Markov Processes International เปรียบเทียบประสิทธิภาพผลตอบแทนของ endowments fund รายใหญ่มหาวิทยาลัยกลุ่ม Ivy League ซึ่ง AUM ทั้งกลุ่มสิริรวม $135.7 billion(ปี 2018) โดยทำการศึกษาในช่วงระยะเวลา 2008 - 2018 ผลออกมา พบว่าผลงานดูดีทีเดียว(โดยเฉพาะด้านความผันผวนรวมของพอร์ตทีค่อนข้างต่ำ ในขณะผลตอบแทนเป็นบวก ชนะเงินเฟ้อและมากกว่า RF) แต่สิ่งที่ผู้ศึกษาตั้งคำถามคือเรื่องของ ประสิทธิภาพ ที่เมื่อเทียบกันแล้ว พอร์ตของ endowments ทั้งหลาย แพ้พอร์ตประเภท 60/40



จุดที่น่าสนใจคือ Asset Class ที่เหล่า ผจก.กองทุนเลือก ผสมเพื่อลดความเสี่ยงรวม ในช่วงหลังหลายพอร์ตนำเอาพวก Venture Capital , Private equity และ Hedgefund เข้ามาร่วมด้วยมากขึ้น(ช่วง 2 ปีหลังขณะที่ Bond กลายเป็นถูกลดบทบาทไปพอควร) รายละเอียดการวิเคราะห์ลองอ่านต่อในบทความได้
ปล. priceton เป็นอีกมหาวิทยาลัยที่ บริหารพอร์ต endowments fund ได้ดีมาก ผลงานระยะหลังมา 10 ปีไม่มีติดลบเลย และความผันผวนต่ำมากกว่า ตัวอ้างอิงมาก

Empirical investigation of state-of-the-art mean reversion strategies for equity markets

เมื่อวานพูดถึงการผสมสองกลยุทธ์คือ Mean reversion และ Trendfollowing ไป ไอเดียคือแทนที่จะเทรดสินค้า asset class เดียว ด้วยกลยุทธ์เดียว ก็ผสม 2 กลยุทธ์ที่มีความได้เปรียบ ในพฤติกรรมตลาดแตกต่างกัน เพื่อขยายโอกาสการสร้าง return และ limit ผลกระทบจาก market volatility ตัวนี้คือ paper ที่ได้กล่าวถึงให้ลองไปศึกษาเพิ่ม ชื่อ Empirical investigation of state-of-the-art mean reversion

Mean reversion จริงๆเป็น volatility based ซึ่งใช้โอกาสจาก volatility ได้ ซึ่งใน paper นี้ผู้วิจัยทดสอบให้เห็นถึงการตอบสนองของกลยุทธ์จากข้อมูล S&P500 ช่วงปี 2000-2017 โดยทดสอบกับโมเดลย่อย ซึ่งเป็นการใส่ tactic ลงไปใน mean reversion ได้แก่
-passive aggressive mean reversion (PAMR) strategy,
-on-line moving average reversion (OLMAR) strategy
- transaction cost optimization (TCO) strategies





key take away ที่น่าสนใจคือมันการคุม risk การหาจังหวะสร้าง return และปรับส่วนของ transaction cost ให้เหมาะสมกับภาวะตลาดผันผวน อีกประเด็นหนึ่งถ้าเทรด MR มาพอควรจะพบจุด exit สำคัญไม่แพ้จุด entry ทำอย่างไรจะ optimize ให้เกิดการสูญเสียกำไรน้อยที่สุด ในบางช่วงภาวะราคาไม่ปกติ

ลองเข้าไปอ่านฉบับเต็ม และรายละเอียดกลยุทธ์แต่ละโมเดลได้จาก link ด้านล่างครับ

ปล. ไม่ได้บอกว่า Mean Reversion ดีหรือไม่ดีนะครับ แต่อยากให้เห็นว่ามันมีข้อจำกัด ถ้าเราจะนำไปใช้คงต้องวางแผนรับมือกับข้อจำกัดเหล่านั้นให้เป็น

Teaching traders to code in Python

บทความนี้ของ Saeed Amen ดีงามมากเขาแชร์ประสบการณ์การสอนการเขียนโปรแกรม Python ให้กับเทรดเดอร์ใน Bank / Financial firms

โดยสรุปใจความสำคัญ คือมันเป็นเรื่องดีที่จะเรียนรู้ Python Programming เพราะ python เป็น tools ที่ดี แต่สิ่งเป็นปัญหาคือ การเขียนตามตัวอย่าง จากคนสอนอย่างเดียว อาจจะได้ตัวอย่าง basic การเขียนโปรแกรม Python แบบทั่วไป แต่ไม่พอเพราะส่วนใหญ่ การไปใช้จริง ต้องมาจากโจทย์/องค์ความรู้จริงจากประสบการณ์การเทรดจริงในตลาด เพื่อนำมาประยุกต์ ซึ่งเทรดเดอร์จะมีความได้เปรียบในการเข้าใจ data แบบเชิงลึกช่วยการพัฒนาระบบได้ดีกว่าโปรแกรมเมอร์สาย IT ทั่วไป ดังนั้นเทรดเดอร์ต้องทำงานหนัก ฝึกฝน หัดเขียนโปรแกรม หัดประยุกต์ (ไม่ใช่แค่ copy&paste)




Saeed Amen แนะนำให้เน้นการวิเคราะห์ข้อมูล(มากกว่าการไปใช้ python เพื่อสร้างโมเดลทำนายอนาคตซึ่งมันใช้จริงไม่ได้) ทำความเข้าใจกับ market ช่วยในการพัฒนาระบบเทรด เช่นเดียวกันไม่ต้องกังวลที่จะเปลี่ยนตัวเองจากเทรดเดอร์ไปเป็น coding guru เพราะมันไม่ใช่เรื่องจำเป็น(ในบริษัทใหญ่ เขาก็จ้าง Programmer อาชีพมาทำแหละ แต่เทรดเดอร์ที่เข้าใจ logic และการลำดับความคิดเป็น เขียน flowchart ได้ก็จะสามารถ สื่อสารและทำงานร่วมทีมพัฒนาได้)

สรุปเรียน python เพื่ออัพสกิลดี แต่เทรดเดอร์ต้องมาทำงาน มาฝึกฝนกันต่อด้วย

อ่านเพิ่มเติมฉบับเต็ม
https://www.cuemacro.com/2019/10/19/teaching-traders-to-code-in-python/

วันเสาร์ที่ 19 ตุลาคม พ.ศ. 2562

ถ้าเกิดวิกฤตเศรษฐกิจ ธุรกิจอะไรจะรุ่ง ?

กระทู้นี้จาก pantip น่าสนใจดี เข้าไปนั่งอ่านคอมเมนต์แล้วก็ได้เห็น มุมมองความคิด ความรู้สึกอะไรเยอะดี ลองมานั่งตกผลึกความคิดพบว่า
โอกาสจะเกิดวิกฤติเศรษฐกิจ ถ้าเราดูตามคำเตือน จากการวิเคราะห์ความเสี่ยงในระด้บเศรษฐกิจโลก ก็ต้องตอบว่าประมาทไม่ได้ แต่ในขณะเดียวกันมันก็ไม่น่ากลัวแบบสุด
วิกฤติเศรษฐกิจ ถ้าเคยอ่านหนังสือ Big Debt Crises ของคุณ ray dalio จะเห็นว่า pattern การเกิดมีหลายแบบ หลายประเภท ถ้าไม่เป็น black swan ไม่น่ากลัวเท่าไหร่ ไม่หนักมากจากบทเรียนในอดีต IMF ก็เอาอยู่ (ตอนนี้ดูอเจนตินา เป็นตัวอย่างได้) ขณะเดียวกันแบบหนักเช่น เวเนซุเอล่า ตรุกี ก็ถือว่าไม่ธรรมดาและกระทบหนัก อันนี้ถ้าประเทศแข็งแรง โอกาสจะเกิดก็ยาก
ในด้านคนธรรมดา ถ้าไม่มีหนี้เยอะ ไม่มีภาระการเงินสูง มีอาชีพที่มั่นคงก็คงไม่น่ากลัว แต่ในภาคธุรกิจนี้อีกเรื่องเพราะ ถ้าวิกฤติเกิดบริษัทยังไงก็ต้องได้รับผลกระทบเต็มๆ ทั้งจากยอดรายได้ จากต้นทุนทางการเงิน และอื่นๆ คนทำธุรกิจ ต้องระวังให้หนัก สะสมสายป่านให้ยาวพอจะผ่านช่วง crisis และ recession ไปให้ได้(เฟส 2-5ปี)


ส่วนธุรกิจที่จะรอดวิกฤติ จริงๆเราดูตัวอย่างได้ถ้าระดับสูงในตลาดหุ้นไทยก็มีหลายสิบ ที่ประคองตัวกันมากว่า 20 ปี ดูตัวอย่างได้(บางกิจการก็มีรัฐมาอุ้มอันนี้ถือเป็นแต้มต่อ) แต่พยายามเลือกกลุ่มที่จะไม่แพ้ภัยโดน disruption จากเทคโนโลยีด้วย เพราะธุรกิจเก่าไม่ได้แปลว่าจะดีเสมอไป(อเมริกา ,ญุี่ปุ่นมีกรณีศึกษาเยอะครับ) ด้านล่างธุรกิจทั่วไปที่เกี่ยวกับ การกินการบริโภค,สุขภาพ ,ความเชื่อ/ศาสนา พวกนี้ก็รอดมาตลอด


ส่วนตัวผ่านมาแล้ว 5 วิกฤติใหญ่ด้านธุรกิจครอบครัวและตัวเองที่ได้รับผลกระทบ หนักบ้าง เบาบ้างต่างกันไป จริงๆไม่ได้เลวร้ายจนเกินการรับมือได้ เพราะสุดท้าย ระบบผลประโยชน์มันต้องดำเนินต่อ ระบบเศรษฐกิจมันต้องทำหน้าที่ของมัน ประวัติศาสตร์สอนให้เห็น ทุกวิกฤติย่อมมีการปรับตัวและทางออกเสมอ

ลองอ่านกระทู้นี้ได้จาก
https://pantip.com/topic/39284577

MAM vs PAMM

เมื่อเช้ามีน้องคนหนึ่งถามเรื่อง PAMM Account เขียนอธิบายไว้แล้ว ลองอ่านดู กรณีถ้าจะเปิดบัญชีก็คิดดีๆก่อนเพราะ ว่ามันมีค่า fee และบางโบรกเกอร์ก็มีขั้นต่ำด้วย เช่นเดียวกันไม่หมายความว่าจะการันตรีว่าจะได้กำไร ได้เงินทุนมาลงร่วมเสมอไป
...........................
MAM กับ PAMM เป็นระบบ allocation และการบริหารบัญชี ซึ่งเป็นลักษณะปิดภายในโบรกเกอร์(ไม่สามารถข้ามโบรกเกอร์ได้)
MAM ย่อมาจาก Multi-Account Manager เป็นลักษณ์ software ที่ ผู้บริหารเงินใช้เทรดหรือลงทุนผ่านบัญชีย่อยต่างๆ ที่อาจจะมีกลยุทธ์หรือมีสัดส่วนของเงินต่างกัน ข้อดีมันง่ายอยู่ใน terminal เดียวหรือสามารถส่งคำสั่งครั้งเดียวแต่ execute บนบัญชีย่อยได้พร้อมกันในสัดส่วนเงินต่างกัน ตัวนี้จะมีที่นิยมคือของ MT4 MT5 และ Trade station



PAMM ย่อมาจาก Percentage Allocation Management Module ตัวนี้ เป็นระบบบริหารเงิน ที่นักลงทุนสามารถร่วมลงเงินกับ Money manager ตามสัดส่วน และระบบจะแบ่งผลกำไร ตาม % เงินที่ลง PAMM นี้ซับซ้อนกว่าแค่โปรแกรมเพราะจะมีเงื่อนไขสัญญา ข้อตกลงทางกฏหมายและ Money manager สามารถขาร์จ ค่า fee จากผลกำไรได้ด้วย ตรงนี้ไม่ได้มีทุกโบรกเกอร์บริการ บางโบรกเกอร์มีขนาดบัญชีขั้นต่ำ กำหนดปริมาณนักลงทุน ระยะเวลาลงทุน และมีค่าธรรมเนียมพิเศษสำหรับบัญชี นอกจากนี้ PAMM ยังมีการแข่งขันผลงานเพื่อดึงนักลงทุนคนอื่นๆ ที่เป็นลูกค้าของโบรกเกอร์มาร่วมกับเทรดเดอร์หรือ Money manager ได้อีกด้วย
นอกจากนี้ยังมีอีกแบบเรียกว่า LAMM( Lot Allocated Management Module )คือใช้ lot หรือการกำหนดขนาดของสัญญา จาก client เป็นตัวแบ่งผลกำไร หรือพูดง่ายๆคือ ลูกค้าเจ้าของบัญชีย่อยเป็นคนคุม ขนาดเงินจะลงผ่านจำนวนสัญญา ลองศึกษาเพิ่มเติมได้

อ่านเพิ่มเติม
https://www.100forexbrokers.com/mam-pamm-lamm

One of the Oldest Quants Is Going All-In With Robots

Millburn Ridgefield Corporation เป็นฟันด์ใหญ่ AUM $7.5 billion และเก่าแก่ยุค 1970s สาย quant-investing & trend following อีกแห่งที่ปีนี้ยังไม่ยอมแพ้ตลาดออกมาเดินหน้าลุย AI & Robot trading เต็มสูบ นำ AI มาใช่ร่วมกับการพัฒนาระบบ robot trading ในทุกsystematic strategies แทนการเทรดด้วยคน หลังการทดสอบและพัฒนามา 6 ปีพบว่า แนวทางนี้สามารถทำผลงานได้ดี ช่วยเพิ่มประสิทธิภาพในการเทรด/ลงทุนตามโมเมนตรัมในแบบ global macro และหมุน cross-asset ต่างๆ

“The machine-learning approaches in a broad sense allow us to adapt relatively quickly to environments where alpha gets arbitraged away, or where the structure of the markets themselves changes,” , Barry Goodman



อ่านเพิ่มเติม