ข้ามไปที่เนื้อหาหลัก

โพสต์

กำลังแสดงโพสต์จาก เมษายน, 2016

Candlestick Pattern Recognition

จากเทปบรรยาย ผมเล่าว่าจริงๆแล้ว ทุกเครื่องมือเทคนิคอล มันสามารถจะพิสูจน์ เก็บสถิติ หาค่าความน่าจะเป็นได้ เพื่อทำให้เรา มีความเชื่อมั่นในการใช้งาน อีกประการคือ จากการทดลองของผม พบว่ามันไม่มีเครื่องมืออะไรให้ผล 100% ทำนายผลการขึ้นลงของราคา แม่นราวจับวางหรือราวโฆษณา โดยเฉพาะเครื่องมือประเภท art หรือท่องจำรูปแบบ ผมเอาอีกงานมาแชร์ให้ดู เพื่ออยากให้เห็นว่าโลกการเทรดต่างประเทศมันพัฒนาไปมากเพียงใด งานด้านนี้จะพบ แนวคิดหรือเครื่องมือ รูปแบบแท่งเทียนญุี่ปุ่นมันเป็นเรื่อง ที่คนถกเถียงและสนใจกันมาก กลุ่ม Developer ของ lab นี้เขาศึกษาจนชำชอง แปลรูปแบบ รูปทรงแท่งเทียน ที่เป็น geometry 2 มิติที่เราพยายามท่องจำรูปแบบกัน มาเป็น algorithm เชิงเลข จากนั้นให้โปรแกรมคอมพิวเตอร์มันทำงานแทนเรา ในแบบ   Pattern Recognition เพื่อหาสัญญาณซื้อขาย ดังเราจะพบว่าปัจจุบันมีหลายโปรแกรมให้บริการตรงนี้ ทั้งแบบ scan และแบบแสดง real-time ซึ่งเกือบส่วนใหญ่ จะมีพื้นฐานมาจาก TA LIB ตัว lib opensource ที่กลุ่มนักพัฒนา นิยมใช้กันมาก ตัวอย่างผลทดลอง TA Lib เป็นของดี ที่พัฒนามายาวนานมี algorithm ด้าน เทคนิคต่างๆเพ

Quant Lab

มีรุ่นพี่แนะนำมาว่า ควรจะถึงเวลาปล่อยของออกมาบ้างนะ555 จริงๆตั้งใจตั้งแต่แรกว่าจะทำ Quant Lab เงียบๆเหมือนอยากให้เป็นโปรเจคที่จะใช้ทำงานด้านวิชาการ(Quantitative analysis + Machine Learning)เป็นหลัก เพื่อสร้างศักยภาพและเสริมงานด้านกลยุทธ์ในการเทรดและทำโปรเจคร่วมกับเพื่อนบน Quantopian พอเริ่มโพสโน้นโพสนี้ ปรากฏว่า คนสนใจเยอะมาก ตอบ mail กันแทบไม่ทัน โดยเฉพาะกลุ่มนักพัฒนาและกลุ่มนักศึกษาที่ทำวิจัย ผมเลยคิดว่าจะเขียนบทความด้านนี้บ้างไม่ให้ advance เกินไป(แต่ก็จะไม่ได้เน้นมากเพ ราะเชื่อว่า มันอาจจะไม่ได้เหมาะกับคนทั่วไป) และโพสแยกไว้ใน Quant Lab เหมือนเป็นหน้าบ้านของ cway quant lab  อะไรแชร์ได้จะแชร์ เพื่อจะมีคนมาช่วยทำงานวิจัยบ้าง(ตอนนี้ทำกับโปรแกรมเมอร์ 2 คน code กันยันสว่างบ่อยๆก็ไม่ไหว) ใครสนใจอยากรู้จักงานด้าน Quantitative trading แวะไปชมได้ ที่ link http://cway-quantlab.blogspot.com/?view=magazine

Volume footprint in Quant Method

มีคำถามหนึ่งทาง email น่าสนใจ ถามว่า Qaunt วิเคราะห์ volume ยังไงครับ ? >> ปกติเราจะดำเนินการกับ volume เหมือนเป็น data ชุดหนึ่งครับการวิเคราะห์ก็ใช้ stat model หลักๆคือการหาค่าปกติและภาวะการเปลี่ยนแปลง รวมถึงการจัดหมวดหมู่เพื่อ เตรียมไว้ประมวลผลต่อไป แต่สิ่งหนึ่งที่ไม่ทำ คือเราจะไม่ท่องจำรูปแบบ volume แล้วมาหาข้อสรุป เพราะตลาดมันมีความ random สูง จากการประมวลผลข้อมูลปริมาณการซื้อขายมาเป็นหลายสิบปี พบว่า volume มันแปรผันได้ตามหลายปัจจัย เช่นระดับราคา(price level),asset value, กระแสเงิน,ปัจจัย macro ,volatility ,season มันเลยอยากมากจะไปสรุป สิ่งที่ทำคือ การประมวลผลข้อมูลตามจริงที่เกิดโดยมีหลาย model ให้ใช้ ในภาพนั้นคือ volume footprint ใช้เพื่อดูแรงปะทะและดูการเกิดของ Volume(VolBuy-VolSell) ในระดับราคาต่างๆ ข้อมูลนี้อนาคตจะมาจัดกลุ่ม ใส่ weight คำนวณร่วมกับข้อมูลอื่นๆแล้วนำมาใช้ใน decision tree โมเดลสำหรับการเทรดต่อไป ตัวอย่างในภาพ ผมออกแบบระบบ ในการประมวลผลข้อมูลด้วยโมเดลแล้วมาจัดกลุ่มทุก 30 min จะพบ แนว cluster ของราคาที่สำคัญ กรณีเป็นแนวรับ จะพบมันไม่ใช้แรงขายหมด

บาป 7 ประการของเทรดเดอร์

Trader Talk ตอนที่ 17 รับวันสงกรานต์ เราคุยกันถึงเรื่อง บาป 7 ประการของเทรดเดอร์ ที่เป็นต้นเหตุแห่งความฉิบหาย(ขาดทุนหนัก ขาดทุนต่อเนื่อง) ไม่อยากเจ๊ง อยากหลีกหนีการขาดทุน ลองเข้าไปเรียนรู้ ต้นต่อของปัญหาและวิธีการรับมือกันครับ เข้าชมได้ฟรีจาก https://www.youtube.com/watch?v=1DoCYgmFZ5Q

ex Goldman Sachs Trader Tells Truth about Trading

สรุป vdo บรรยายของ  Anton Kreil เขาไปพูดที่ Cass Business School  หลายเรื่องน่าสนใจผมเลยสรุปโน๊ตมาฝาก สำหรับท่านที่ไม่ถนัดภาษาอังกฤษ โดยผมจะสรุปย่อรวมๆนะครับไม่ได้ แปลแบบคำต่อคำ ดังนั้นถ้าจับใจความได้ มีเวลาก็อาจจะไปดูเพิ่มก็ได้ คลิปรวมยาวประมาณ 1 ชม. Part I  ประวัติและประสบการณ์ทำงาน 1. เขาเกิดและโตที่เมือง Liverpool เริ่มเทรดตอนอายุ 16 ตอนปี 1994 ตอนนั้นเขาดูสารคดีที่มีเรื่องของตลาดหุ้น เรื่องของนักเก็งกำไร(trader) ทำให้เขาสนใจและคิดว่า นั้นแหละคือสิ่งที่อยากทำ เลยเริ่มต้นศึกษาจริงจัง 2. เขาเทรดหุ้น พอเข้ามหาวิทยาลัย Economics undergraduate ที่ Manchester University ก็ยังเทรดหุ้น ระหว่างเรียน เน้นเทรดหุ้นเล็ก หุ้น ICT หุ้น IPO โดยสมัยนั้นอินเตอร์เน็ตยังไม่อำนวยและราคาแพงต้องเทรดผ่านโทรศัพท์เป็นหลัก เขาตั้งเป้าหมายชัดเจนคือ จะเป็นเทรดเดอร์ 3. เริ่มทำงานตอนเข้าปี 4 เล่าว่า  Goldman Sachs (GS) ไปบรรยายเรื่องอาชีพ investment bank ที่มหาวิทยาลัย เขาสนใจ เลยส่ง email ตัว trading record ไปให้เจ้าหน้าที่ จากนั้นก็ได้เรียกเข้าสัมภาษณ์ และได้เข้าทำงาน ทั้งทียังเรียนไม่จบ 4. ฝึกงานที่ลอ

My Reading list Week2-04-2016

1. Oil Surges to Four-Month High as Russians, Saudis Seen Agreeing 2. How Japan Became a Hedge Fund Wasteland 3. TREASURIES-U.S. bond yields extend rise after futures sell-off 4. China: Total Collapse In The Price Of Gold 5. Full-Blown Panic Mode At The Fed? 6. Association Rules and the Apriori Algorithm: A Tutorial 7. the stages of sleep 8.China's Yuan-Based Gold Fix To Include Two International Banks 9. Quickstart tutorial for the R programming language for Azure Machine Learning 10. A sleep specialist shares 5 tips for getting better rest on a work night 11. Dan Loeb's Hedge Fund Is Biggest Winner in Dan Loeb's Reinsurer 12. China's yuan gold benchmark to launch with 18 members -source 13.Singapore's central bank eases currency policy amid cautious outlook 14. Step by Step: How Elon Musk Built His Empire 15. Introduction to Machine Learning / Data Mining 16. Using Machine Learning to Predict Customer Behaviour 17. Stephen Hawki

รายได้ของเทรดเดอร์(อังกฤษ)

ข่าวนี้ของ businessinsider อ้างอิงรายได้ของเทรดเดอร์ในลอนดอน ประเทศอังกฤษ ศูนย์กลางการเงินของยุโรปเฉลี่ยอยู่ที่ £221,000 ต่อปียังไม่รวมโบนัสตามผลงาน อาจจะสูงถึง 40-100% แถมถ้าทักษะสูงประสบการณ์สูงเทรด product ที่ซับซ้อน ต้องมีแผนมีกลยุทธ์เฉพาะ รายได้ก็เพิ่มตามไปด้วย ดูจากกราฟใน link ได้ Trader นี้น่าจะเป็นอาชีพที่สมองไหลง่ายสุดแล้ว เพราะอย่างในต่างประเทศการซื้อตัวเทรดเดอร์(ที่เก่งจริงๆ) มีให้เห็นกันบ่อย อาชีพนี้ทำงานหนัก และผลงานทีทำได้ก็คือ เงินหรือรายได้โดยตรงที่เข้าบริษ ัท ดังนั้นถ้าผลตอบแทนไม่คุ้ม โบนัส หรือส่วนแบ่งไม่คุ้ม เทรดเดอร์ก็มักจะหาช่องทางย้ายค่าย(ถ้าไม่ติดสัญญาทาส) แน่นอนว่าถ้ามีฝีมือการันตรีผลงาน การย้ายบริษัทแบบโดนซื้อตัว ก็เกิดได้สบายๆ คงไม่มีใครยอมทำงานหนักๆ เอาเวลาเอาสุขภาพไปแลกกับ ความเครียดและความกดดันแบบไม่คุ้มค่าแน่นอน แต่บริษัทเดียวนี้ก็ฉลาด เขาสร้างเทรดเดอร์ให้รู้เฉพาะเจาะจง รู้น้อย และมักไม่ได้สอนงานด้านกลยุทธ์ให้ เพราะกลยุทธ์จะมาจากฝ่ายคนที่ บริษัทไว้ใจ หรือเรียกว่าซื้อตัวไม่ได้ เทรดเดอร์จึงมักเทรด หรือเป็นเหมือนทหารราบ ที่ทำงานตามเป้า ตามแผนของฝ่ายยุ

Mitsubishi Motors

รอบสัปดาห์นี้ผมว่า ข่าวของ Mitsubishi Motors น่าจะเป็นเรื่องใหญ่ มองในแง่การโกงการทุจริตค่าการทดสอบ อาจจะไม่แปลกนัก เพราะก่อนหน้ากลุ่มอุตสาหกรรมนี้ก็มี ค่ายยักษ์ใหญ่ของเยอรมัน อย่าง Volkswagen ที่โกงค่า EPA(auto CO2 emissions) นั้นก็ถือว่าเป็นการโกงครั้งใหญ่ของวงการอุตสาหกรรมรถยนต์ สิ่งหนึ่งที่ผมว่าหลายคนอาจจะไม่คาดคิดว่าประเทศอุตสาหกรรมที่มีมาตรฐาน ธรรมาภิบาลสูง จะกล้าโกง เพื่อให้ประโยชน์ทางธุรกิจกับเขาด้วย Mitsubishi Motors โกงตัวเลขทดสอบการประหยัดน้ำมัน ในรถจำนวน 625,000  คันคาดว่าเรื่องแดงหรือคงจะโดนเปิดเผย ประธานบริษัทถึงได้ออกมาแถลงรับความจริง พอออกมายอมรับ แน่นอนว่าราคาหุ้นร่วงลงหนักทันที 15% ต่ำสุดรอบ 20 ปี(จากหุ้นพื้นฐานดีของตลาดญุี่ปุ่นกลายเป็นหุ้นที่โดนถล่มขายเละทีเดียว) บริษัทก็กำลังโดนรัฐบาลเข้าสอบสวนและโดนสั่งระงับการผลิต สิ่งที่น่าติดตามคือ จะมีผลกระทบตามมามากน้อยเพียงใด ทั้งในแง่ชื่อเสียง ยอดขาย และค่าปรับจากกรณีคดีความ กรณีคล้ายกันปี 2014 Hyundai หรือในนาม KIA ก็โดนค่าปรับเรื่องการโกงตัวเลขคล้ายกันให้กับรัฐบาลสหรัฐไปถึง $350m ส่วน Volkswagen โดนค่าเสียหายจากการ

monte carlo simulation

คำถามว่า เอา monte carlo ไปใช้ทำอะไร ใน trading system >>ตอบคือ ถ้าได้ยินคำว่า monte carlo หนี้ไม่พ้นงาน simulation ครับ ขึ้นกับเราจะเอา model ไปทำอะไรมันทำได้เยอะ prediction ราคา , prediction volatility และอื่นๆเยอะมาก สำหรับผมในงานที่ผมทำ ผมใช้ monte carlo มาทำ equity curve simulation เพื่อทดสอบ ความ robust ของโมเดล และหา max drawdown จากค่าการสุ่มจำนวนมาก เพื่อให้เกิดความ เชื่่อมั่นในระบบ (ต่อจากนี้ไปก็เอาผลคำนวณที่ได้ไปทำอย่างอื่นๆต่ออีก พวกโมเดลทดสอบ random walk อย่าง Maximal Entropy ) ทำ simulation ไม่ได้เอามาเพื่อ เพิ่มความเทพ หรือมาเคลมจำนวนการทดสอบเยอะๆหลักหมื่นหลักแสนอะไร มันไม่ได้เพิ่มความน่าจะเป็นของการทดสอบตั้งต้น แต่ใช้เพื่อหา worst case ที่อาจจะเกิดได้จากความไม่แน่นอนของผลที่เกิด อันนี้ทำให้เราไม่โดนหลอก จาก randomness จากภาพเอาตัวอย่างมาให้ดูก็รัน monte carlo เพื่อทดสอบความสเถียรและค่าความเชื่อมั่นของผลการทดสอบระบบที่ได้ ขออธิบายคราวๆตัวอย่างการใช้งานประมาณนี้

10,000 Papers

ผมชอบอ่าน paper งานวิจัยมาก ติดมาตั้งแต่สมัยเรียนละ ต้องอ่าน paper และโดยบังคับให้เขียน paper ทำให้ รู้เลยว่า paper งานวิจัยนี้แหละขุมปัญญา ชั้นดี มันดีกว่าหน้งสือเยอะมาก เนื่องจาก เป็นองค์ความรู้ใหม่ องค์ความรู้จากการทดลองทำ และมีรายละเอียด บวกกับ การรีวิวความรู้ที่เกี่ยวข้อง paper ดีๆ 10-20 หน้านี่อ่านไปได้ความรู้ ทุนเวลาเป็นปีๆเลยก็มี(สำคัญคือไม่ต้องเสียเวลาทดลองเอง) ถ้าใครจะหา paper วิจัยมาอ่านลองเข้าไปที่ ssrn นะครับ ที่อื่นก็มีเยอะแต่ที่นี่ ฟรี  ตรงนี้เลยเป็นทางเลือกหลัก ผมเอาสุดยอด top รีวิว 10,000 Papers มาให้ จะเห็นว่ามี paper สาย finance และเรื่องกลยุทธ์การเทรด การลงทุนเยอะมาก รวมถึงงานด้านอื่นๆอีก คลังปัญญาของ มนุษย์ชาติจริงๆ บางอันโหลดไป แสนครั้งแล้วก็มี เบื้องหลังการทำงานหนักของนิสิต ป.โท ป.เอก จากมหาวิทยาลัยต่างๆชั้นนำของโลก รวมถึงนักวิจัยจาก Lab ต่างๆ มีมาก็ให้เสพฟรี นี่ก็ลองเลือกดูครับ บาง paper นี่ถ้าจะโหลดมาอ่านจาก source อื่นอาจจะเสียเงินเป็นหลายร้อย เหรียญเลยทีเดียว หลายงานวิจัย กลยุทธ์การเทรดที่ผมทำอยู่ก็เอาจาก paper ดีๆมาต่อยอด นี้แหละ เข้าไปอ่านได้ที่

Set50Breakout activity in Qaunt View

จากคำถามหลังไมค์ ของคุณอาทิตย์ ภาพประกอบการอธิบายนะครับ ดูจังหวะ volatility breakout ของ S50 ในภาพผมรัน profile ของ set50 จำนวน 3 วันมาให้ดู จะได้เข้าใจ เราจะเห็นว่าราคา 2 วันแรกของเดือน มันทำ overlap กันในโซน 905-895 จากนั้นพอราคาหลุด POC1 แถว 897 ลงมา ก็มีแรงขายไล่ตามจนย้ายโซน 875 แล้ววันนี้ ปิดต่ำ ต่ำกว่า ค่า POC2 ของวันหลุดนอก VA2 ไป ทรงของราคาทำ long tail ผมเอาไอเดียของการเล่นกับพฤติกรรมราคา มายกตัวอย่างให้ดู พอเราเข้าใจ หรือสกัดเอา information จากพฤติกรรมราคาได้ แล้ว เราจะสามารถนำไปใช้วางกลยุทธ์เพื่อเทรด ได้ดีขึ้น แต่มันต้องเริ่มจากการ วิเคราะห์ข้อมูล ไม่ใช่เริ่มจากการเดา ว่ามันขึ้น หรือลง อีกตัวอย่างการขายระเบิดโซน SET50 เจอการขาย 4 โมงเย็น ทั้งวันราคาเกาะกลุ่มใน zone A พอท้ายก่อนปิดตลาด มีแรงขายพร้อม volatility ที่เกิดสูง ระเบิดแรง ต่อเนื่องเกือบ 30 นาที จนราคาไปที่ low โซน 860 เปิดกราฟดูพวกเราคงจะเห็นจนชินแล้ว เอาภาพนี้ลองมามองในมุมการวิเคราะห์พฤติกรรมราคา เชิง Quant บ้าง  เราจะมองเห็นทั้ง movement และ volatility ภาพที่เกิดราคาไปทำ mean บนโซน A จากนั้นก

สรุปผลการแข่งขัน Trading Contest

วันนี้แข่งวันสุดท้าย สัปดาห์นี้ไม่ได้เทรดเท่าไหร่ เพราะมีประเด็นของ Fed เลยเก็บไป 100 pip รายการนี้ คุม DD ได้ 3% อันดับอย่างไม่เป็นทางการ 14/240 ที่สะใจมากคือเสียค่าคอม ไป 31.35$ จากการเทรด 100 กว่า Order น่าจะต่ำสุดละของรายการ รวมๆถือว่า OK มากกับกลยุทธ์ที่แผนวางไปแข่ง ทำได้ตามเป้าทั้งเก็บ pip ระยะคะแนน(6.15K) การรักษา Drawdown(ต่ำกว่า 10%) และเก็บกำไรเกิน 5% แถมผ่าน event หนักของ Fed ได้ 2 ยกในภาวะตลาดที่ volatile มากพอควร แข่งเงินปลอม สนามจริง ได้เรียนรู้อะไรเยอะมากเลย เดี่ยวเดือนหน้าที่แข่งรายการเล็กต่อ จะได้เอาข้อมูลไปปรับปรุงระบบให้ดีขึ้น เดินสายแข่งเยอะๆเจอ คู่แข่งเก่งๆเราจะได้เห็นและพัฒนาตัวเรา อีกอันที่จะเห็นโลกความจริง สนามนี้คนที่เทรรดโดยไม่คุม risk สุดท้าย ก็ล้างพอร์ตกระจาย เกินกว่า 50% ของผู้แข่งขันเลย บางคนได้อันดับ 1 ใน 10 มาตลอด สัปดาห์หลังๆ ล้างพอร์ตก็มี นี่แหละเทรด วัดดวง สุดท้ายไม่เคยรอด จากตลาดสักราย

Quantitative Trading 2

Quantitative Trading = Quantitative Analysis + Trading Strategies อธิบายง่ายๆคือ การเอา Data มาวิเคราะห์ เพื่อสร้างเป็นโมเดลที่สนับสนุนการตัดสินใจเทรด ซื้อขายของเรา สำหรับผมงานวิจัยด้าน Quant ที่ทำหนักๆจะเป็น data analysis (มันเป็น step สำคัญและเริ่มต้นก่อนจะไปเรื่องอื่นๆ) พอมาทำด้านนี้หลายปี มันทำให้เรามองพฤติกรรมราคา แตกต่างไปจากเดิม จากมุมมองของเทรดเดอร์ หรือแบบนักเทคนิคอล เพราะปกติการเป็นนักเทคนิคอลเราใช้กราฟ ราคา เรามองแต่แท่งเทียน มองเขียว มองแดง แต่เหมือนเราไม่เข้าใจพฤติกรรมราคาจริงๆ พอหันมาทำด้าน Quant สิ่งแรกที่ต้องทำคือ เล่นกับพฤติกรรมราคา โดยเฉพาะการจำแนกและชำแหละมัน เพื่อหาความผิดปกติ หาความสัมพันธ์ในเชิงโดเมนต่างๆ ตรงนี้สำหรับผมมันทำให้มองเห็น ความเป็นจริงและความชัดเจนของพฤติกรรมราคามากขึ้น พอเราเล่นกับข้อมูลเยอะๆ หลายปี จำแนกคลาส ของ Data เราจะสามารถหา foot print ของราคา ไม่ใช่แค่การเคลื่อนที่หรือเทรนด์อย่างเดียวแล้ว ตรงนี้เป็น Knowledge ที่มีประโยชน์ในการมาทำกลยุทธ์การเทรด หรือมาใช้ทำกลยุทธ์อื่นๆต่อไป หรือแม้เราจะใช้แค่เครื่องมือเทคนิคอลธรรมดา เราก็จะสามารถปิดข้อจ

Quantitative Trading

งานหลักของ Quant คือการเล่นกับ data ครับ ตรงมีประเด็นมีรายละเอียดและโมเดลเยอะ แต่ยิ่งเล่น เราจะยิ่งเข้าใจ จะยิ่งมองเห็น ธรรมชาติของพฤติกรรมราคา นำไปใช้ประโยชน์ด้านกลยุทธ์การเทรด การออกแบบระบบเทรดขั้นสูงต่อไป ตรงนี้คือข้อแตกต่างของ Quant จากเทคนิคอล หรือระบบเทรดปกติ ที่จะโฟกัสไปที่ การเคลื่อนที่หรือ movement ของราคาเป็นหลัก เพื่อหา สัญญาณซื้อขาย ตรงนี้ก็จะเป็นโมเดล หรืองานที่สนอง ต่อการเทรดอย่างเดียว เทคนิคอล หรือเครื่องมือเทคนิคอล ส่วนใหญ่การพัฒนาโมเดล มันจะมีการกำหนดขอบเขตข้อมูล ที่เฉพาะ ตามสมมติฐานออก มา ปัญหาใหญ่คือ ตลาดมันไม่เป็นเส้นตรง แบบนั้น การนำเครื่องมือไปใช้งาน มันจึงมีข้อจำกัด และไม่เป็นจริงทุกกรณี Quant ส่วนมาก เน้นการเล่นกับข้อมูล ในโดเมนต่างๆ เพื่อทำความเข้าใจกับมัน มองหาจุดไม่ปกติ และสร้างโมเดล ทำการวิเคราะห์ด้วย คณิตศาสตร์ สถิติขั้นสูง เพื่อใช้ประโยชน์จากข้อมูลที่เกิด ตรงนี้มันขึ้นว่าเราจะเลือกอะไร จะศึกษาอะไร แต่สุดท้ายถ้าเข้าใจมันก็ใช้ประโยชน์ได้ทั้งนั้น ข้อมูลในภาพเป็น S&P500 ที่ผมนำมาวิเคราะห์ก่อนจะสร้างกลยุทธ์เทรด

Trading as a way of life

ผมศึกษาเทรดเดอร์เก่งๆระดับโลก เยอะมาก รวมถึงผู้จัดการกองทุน hedgefund ต่างๆที่ประสบความสำเร็จ แล้วก็ไปพบกับคนหนึ่งเข้า เขา คือ Jihan Bowes-Little เป็นผู้จัดการกองทุน ชื่อดังอีกคน และเป็น นักร้อง Hip hop ฟังเขาพูดใน ted talk แล้วรู้สึกไม่ธรรมดาเลยอยากเอามาแชร์ Jihan Bowes-Little เป็นดาวรุ่งของวอลสตรีทอีกคน เขาเป็นนักเรียนทุน ชั้นหัวกระทิที่จบ Economics and Philosophy จาก Brown หลังจากนั้นก็มาเป็น prop trading ให้กับ Goldman ที่ London ตอนปี 2002 จากนั้น 2009 ก็ลาออกจาก GS กลับมา อเมริกามาเป็นเทรดเดอร์อิสระ และทำงานเพลง Hip hop ที่เขาต้องการ ปี 2012 ก็เข้ามา บริหารกองทุนและดูแลพอร์ตให้ hedgefund ชื่อดังอย่าง BlueCrest Capital Management (AUM £30 billion, 2013) ของ Michael Platt (มหาเศรษฐี billionaire) ปี 2016 Jihan Bowes-Little เขาลาออกจาก BlueCrest ย้ายมาทำงานบริหารเงินให้กับ JPMorgan Private Bank และ คุณ Jihan ยังเปิดค่ายเพลงและทำงานด้าน rap music ร่วมไปด้วย ผมชอบ principle การทำงานและใช้ชีวิตของ Jihan Bowes-Little มันเป็นเรื่องของการสมดุลชีวิต ในรายการ Ted talk เขาบรรยายหัวข้อ Tr

Order book dynamics in High Frequency

พยายามเก็บคลิปวีดีโอสอนเทรดดีๆมาย่อยสรุป เก็บไว้ เติมความรู้ให้สมอง เรื่อยๆ โดยตั้งเป้าขั้นต่ำ วันละคลิปโปรเจค เนื่องจากดองไว้เยอะมาก แต่ละอันก็ดีๆทั้งนั้น คืนนี้เล่นของยากเลย เรื่อง Order book dynamics in High Frequency Trading เป็นเหมือนการดูงาน HFT ของตลาดอินเดียไปในตัว ความยากของคลิปนี้ไม่ใช่เนื้อหาแต่เป็นภาษาอังกฤษสำเนียงอินเดีย ที่ลิ้นรัวจนฟังยากสักนิด vdo นี้เป็น webinar ของ QuantInsti(สถาบันควอน) บรรยายโดย Gaurav Raizada,รวมๆแล้วเนื้อหาดี เทคนิคความเร็วที่มาเล่นกับการชิง match order และหาจุดได้เปรียบในการเข้าซื้อขายของพวก HFT มีภาพให้ดูชัดดี รวมไปถึงการทำ algorithm มาวิเคราะห์ order book และข้อมูลคำสั่งเพื่อหา dynamics ของตลาด ถ้าสนใจ ก็เข้าไปดูกันได้ที่ https://www.youtube.com/watch?v=PL8aVde9c2w