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

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

Inside the House of Money: Top Hedge Fund Traders

ตามสัญญานะครับ ผมมารีวิวหนังสือ Inside the House of Money: Top Hedge Fund Traders on Profiting in the Global Markets ของ Steven Drobny ให้

 โดยอธิบายภาพรวม ของหนังสือ ไฮไลท์สำคัญ ประวัติผู้เขียน รวมถึง จับเอา hedgefund manager สาย global macro 2 ท่าน ที่ให้สัมภาษณ์ ได้น่าสนใจ มาสรุปให้ฟัง คือคุณ Jim Leitner แห่ง Falcon Management และ Scott Bessent แห่ง Bessent Capital


ลองเข้าไปรับฟังได้ที่
https://www.youtube.com/watch?v=Rd69II7_X_E

Optimize trading system

เมื่อเช้าตอบคำถามน้องเทรดเดอร์คนหนึ่งไปเรื่องของ MAE และ MFE เลยอยากเอาประเด็นสำคัญมาแชร์ ต่อ
MAE และ MFE อย่าไปเข้าใจว่าไม่สำคัญ มันมีประโยชน์มากในการทำระบบเพราะเราสามารถนำมาใช้วิเคราะห์ผลและประสิทธิภาพการเทรดได้ โดยเฉพาะการวิเคราะห์ Loss หรือ Order ที่ขาดทุน 

MAE หรือ Maximum Adverse Excursion เป็นตัวสะท้อนภาวะ DrawDown ที่เกิดในระบบ กรณี Order ที่เปิดเกิดติดลบผิดทางโดนลาก ค่า MAE เริ่มมีการดึง และเพิ่มระดับสูง แม้สุดท้ายปิดมีกำไร แต่การต้องจมขาดทุนนานๆ ก็สะท้อนถึงจุดอ่อนและการขาดประสิทธิภาพของระบบ


อีกกรณี การวิเคราะห์ร่วม โดยเฉพาะถ้าเราตัด Order ที่ขาดทุน โดยนำ MAE และ MFE หรือ Maximum Favorable Excursion มาวิเคราะห์ร่วมกัน จะเห็นรูปแบบความสัมพันธ์ ซึ่งเป็นดัชนีบ่งบอก ภาวะไม่ปกติของระบบ 

ยิ่งกรณีกลยุทธ์ ไม่สามารถทำงานได้ดีกับภาวะตลาด Order ที่ขาดทุน ส่วนใหญ่ค่า HP (Time Factor) สูง MFE ต่ำเพราะไม่มีโอกาสกำไร และค่า MAE สูง กรณีเกิดภาวะแบบนี้ มากและติดต่อกัน เราควรหยุดใช้ระบบและรีบปรับปรุงระบบ ก่อนทำให้เกิด การขาดทุนหนัก หรือทำให้ระบบพัง




อีกตัวอย่าง บาง Order อาจจะปิดมีกำไร แต่ถ้า MAE สูง HP สูงนั้นสะท้อนการขาดประสิทธิภาพของ "จุดเข้า Order" เช่นการค่อมรอบ การเกิดสัญญาณหลอก เพราะทุนจม รอขาดทุนนานกว่าจะปลดขาดทำกำไร ได้ 

ตรงนี้เป็นจุดเริ่มต้นในการปรับ optimization กลยุทธ์ และ tactic การเข้า order ต่อไป ถ้าเราไม่สังเกตค่าพวกนี้อาจจะโดนหลอกด้วย ผลตอบแทนรวม ที่ดูดีเกินจริงจากภาวะบางช่วงของตลาด สุดท้ายอาจจะทำให้เกิดหายนะได้เช่นกัน

นอกจากนี้ถ้าเก็บข้อมูล MAE และ MFE มากเพียงพอเรายังสามารถนำมาใช้ในการประเมินหาค่า SL และ TP ที่เหมาะสมของระบบ ในภาวะพฤติกรรมราคาต่างๆได้อีกด้วย


อ่านเพิ่มเติม

วันพุธที่ 12 กรกฎาคม พ.ศ. 2560

50 Smartest Companies 2017

ไปสนทนาเรื่อง Mega trend ในการลงทุนตลาดต่างประเทศ กับรุ่นพี่นักลงทุนกลุ่มหนึ่งมา ผมเอาบทความ ที่ไปแชร์ในวงสนทนาคิดว่าน่าจะมีประโยชน์เลยเอามาโพสแปะให้ ลองศึกษากัน

ประเด็นบทความที่ผมเพิ่งได้อ่านชื่อ 50 Smartest Companies 2017 แต่ละปีทาง MIT Technology Review เข้าจะรวบรวมบริษัท ที่โดดเด่นทางด้าน innovative technology กลุ่ม business model ที่กำลังจะปฏิวัติ หรือสร้างการเปลี่ยนแปลงด้านเทคโนโลยีใหม่ๆ

ปี 2017 รายชื่ออกมาแล้ว เป็นบริษัทยักษ์ใหญ่หลายเจ้าที่จองอันดับต้นๆ Amazon , Apple. Facebook , Alphabet, Tesla, IBM เช่นเดียวกับเจ้ามาแรงอย่าง NVIDIA ที่ต้องบอกเลยว่าปีนี้มาแรงจริงๆ ทั้งการโตกิจการและราคาหุ้น ตรงนี้สะท้อนว่าบริษัทกลุ่มนี้ยังคงมี story มาขายและขยายการโตต่อเรื่อยๆ

ส่วนกลุ่ม startup ที่ปี 2016-2017 โชว์ผลงานโดดเด่นก็ถูกคัดเลือกเข้ามา เช่น SpaceX , Udacity ,Face ++, 23andMe, iFlytek มีอีกหลากหลายบริษัทที่เรายังไม่คุ้นชื่อและยังไม่เข้าตลาดหุ้น แต่มีผลงานที่โดดเด่นโดยเฉพาะกลุ่มพัฒนาด้าน AI , Biomedicine และ Clean energy ซึ่งอันนี้ถ้าอยากจะลงทุนเกาะ mega trend ในอนาคตก็คงต้องพิจารณาบริษัทประเภทพวกนี้บ้าง


อ่านบทความนี้ช่วยให้เราได้ข้อมูล และเห็นรูปแบบธุรกิจรวมถึง ทิศทางการโตของบริษัท ยุคใหม่ ในอนาคตได้ครับ เชื่อว่าหลายบริษัท ตอนนี้อาจจะโนเนมแต่เป็น startup ที่ระดมทุนได้หลายร้อยล้านเหรียญ พวกนี้จ้องจะมาปฏิวัติวงการอุตสาหกรรม ธุรกิจแบบเดิม ซึ่งน่าจะเป็นอีกปัจจัยที่ โมเดลการลงทุน หรือการเลือกธุรกิจเพื่อลงทุนระยะยาว ควรต้องนำมาพิจารณาประกอบ เพราะบริษัทใหญ่ยุคเก่า ถ้าปรับตัวไม่ทันก็มีโอกาส จะตกที่นั่งลำบากไ้ด้เหมือนกัน ซึ่งตอนนี้จะเห็นว่า technology เข้ามาช่วยเกิดการ disrupt ในเกือบทุกธุรกิจในกลุ่มอุตสาหกรรม ต่างๆ

อ่านเพิ่มเติมจาก
https://www.technologyreview.com/lists/companies/2017/intro/