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

วันจันทร์ที่ 25 พฤศจิกายน พ.ศ. 2562

หุ้นกลุ่ม Food

เมื่อวานได้เอาประเด็นเรื่องหุ้นอาหารไปคุยกับ รุ่นพี่คนหนึ่งทำบริษัทเกี่ยวกับอาหาร แกเลยสะสมหุ้นกลุ่มอาหารไว้เยอะ ประเด็นนี้มาจากข่าว บทวิจัย “เพิ่มมูลค่าให้อาหารเท่ากับเพิ่มมูลค่าให้ธุรกิจ” ของ ตลท. ชี้ให้เห็นหุ้นผลิตและแปรรูปอาหารในตลาดหุ้นไทยหลายตัว ติดการจัดอันดับโลกในช่วงที่ผ่านมา โดยใน SET และ mai มีบริษัทที่ทำธุรกิจเกี่ยวข้องกับอาหารจำนวน 56 บริษัท มูลค่าตามราคาตลาดรวม 1 ล้านล้านบาท หรือ 6.5% ของมูลค่าตลาด แบ่งเป็นบริษัทผู้ผลิตและแปรรูปอาหารจำนวน 46 บริษัท และบริษัทที่ประกอบธุรกิจร้านอาหาร 10 บริษัท



8 หุ้นไทยติดอันดับ Top 200 ของโลก ในด้านอัตราการเติบโตของกำไร ได้แก่ HTC XO และ KASET ด้านขนาดของหุ้น ได้แก่ CPF OSP และ CBG ด้านผลตอบแทนจากการลงทุน ได้แก่ ASIAN XO และ TFG

ส่วนหุ้นธุรกิจร้านอาหารไทยติด Top 50 ของโลก ในด้านอัตราการเติบโตของกำไร คือ AU และด้านขนาดของหุ้น ได้แก่ M




พอเอาข้อมูลพฤติกรรมราคามาดู เห็นอะไรที่น่าสนใจเยอะ แต่ไม่ขอลงรายละเอียดใน note นี้ แต่เอาภาพกราฟราคา ในกรอบใหญ่ มาแปะให้ดู ถ้าใครอยากเทรด หรือลงทุนหุ้นกลุ่มนี้แนะนำ ควรทำการบ้านต่อให้เยอะๆ

โหลด paper จาก
https://www.set.or.th/dat/vdoArticle/attachFile/AttachFile_1573206512462.pdf

Gligtch

เรื่อง ชวนหัวประเด็นร้อนเรื่องหนึ่งใน wallstreet อเมริกา อยากนำมาเล่า เรื่องนี้เกี่ยวกับความผิดพลาด(glitch) ของ app จากโบรกเกอร์ Robinhood ที่ User ประเภท premium สามารถใช้ leverage ได้ไม่จำกัด หรือ Infinite leverage (ยืมเงินโบรกเกอร์มาเทรด เปิดสถานะได้โดยไม่มีขีดจำกัด)
ความสนุกมันเกิด เมื่อ Trader คนหนึ่งทำได้ก็ทำสูตรวิธีการไปแจกต่อในกลุ่ม Wall Street Bets บน reddit ประมาณว่าเชิญผู้กล้ามาถล่ม ซึ่งมีหลายคนเข้ามาอ่าน บางคนทำตาม เพราะนั้นหมายถึงการเสี่ยงโชควัดดวงครั้งใหญ่ บางคนใช้ leverage 50x 100x 500x



มี Trader รายหนึ่งมีเงินกว่า $3,000 อัดใช้ leverage ขยายไป $1.7 million เช่นเดียวกับหลายคน หลายเทรดเดอร์ที่รายงานเข้ามา ส่วนใหญ่เทรดคืนเดียวล้วนลอง position ขนาดใหญ่หลักล้านเหรียญเล่นกันเลย
แน่นอนการใช้ leverage สูงได้ ไม่ได้การันตรีว่าจะได้กำไร หรือมี edge เสมอไป เพราะความเสี่ยงสูง ย่อมมีทั้งที่ทำเงินได้หลายหมื่นเหรียญ และขาดทุนหมดเงินต้น ก็มีเช่นกัน
แต่นี้เป็นอีกหนึ่งความไม่ปกติที่เกิดและเข้ามากระทบต่อตลาด จากความผิดพลาดของซอฟท์แวร์เทรดของโบรกเกอร์

อ้างอิง
https://www.marketwatch.com/story/do-not-try-this-at-home-how-to-turn-3000-into-17-million-2019-11-06
https://www.reddit.com/r/wallstreetbets/comments/dsb0mz/robinhood_has_inbred_and_made_the_ultimate_autist/
https://www.marketwatch.com/story/robinhood-glitch-is-letting-users-trade-with-unlimited-amounts-of-borrowed-cash-2019-11-05


ทำงาน 4 วันต่อสัปดาห์

การศึกษาของ Microsoft Japan ระบุว่าการทำงาน 4 วันต่อสัปดาห์นั้น ช่วยเพิ่ม productivity ได้เพิ่มถึง 40% โดยผลการศึกษาเทียบกับปีเดือน สค. 2018 พบว่า การทำงาน 4 วันช่วยลดค่าไฟฟ้าลง 23%, ลดจำนวนกระดาษลง 59%

นอกจากนี้ข่าวระบุว่ารัฐบาลญุี่ปุ่นมีแผนปรับลดชั่วโมงทำงาน แก้ปัญหา over work บางบริษัทพนักงานต้องทำงานหนัก และต้องทำงานกว่า 6 วันต่อสัปดาห์ แผนการปรับลดเวลางาน เพิ่ม work life balance น่าจะการแก้ปัญหาสังคมผู้สูงวัยตามไปด้วย (แรงจูงใจในการมีครอบครัว มีบุตร รวมถึงคุณภาพชีวิตที่ดีขึ้น)




อ้างอิง
https://www.theguardian.com/technology/2019/nov/04/microsoft-japan-four-day-work-week-productivity

https://www.dailymail.co.uk/news/article-7644931/Microsoft-Japan-brings-three-day-weekends-sees-40-CENT-increase-productivity.html

ไทยกับสู่ยุคอัตราดอกเบี้ยขาลง

วันนี้ไทยเข้าสู่ยุคอัตราดอกเบี้ยถูก โดยผลประชุมคณะกรรมการ กนง. ประกาศลดอัตราดอกเบี้ยนโยบายร้อยละ 0.25 จากระดับร้อยละ 1.50 เป็นร้อยละ 1.25 ทำให้อัตราดอกเบี้ยเข้าสู่จุดต่ำสุดรอบหลายสิบปี ด้านตัวเลขน่าสนใจเพราะระดับนี้ คือระดับที่ ธปท. ใช้กระตุ้นเศรษฐกิจตอนปี 2009 หลังการเกิดวิกฤติการเงิน subprime ของสหรัฐ
กนง. แถลงการลดอัตราดอกเบี้ยพร้อมให้เหตุผลการตัดสินใจจากเรื่องเศรษฐกิจมีแนวโน้มขยายตัวต่ำกว่าที่ประเมินไว้ จำเป็นต้องลดอัตราดอกเบี้ยเพื่อกระตุ้นเศรษฐกิจ
จาก story นี้ส่งผลลบต่อหุ้นกลุ่มธนาคารใหญ่ ที่ต้องปรับลดดอกเบี้ยตามมา ทำให้รายได้จากอัตราดอกเบี้ยรับและ NIM ลดลง ส่วนหุ้นรับอานิสงค์บวกได้แก่ กลุ่มเช่าชื้อ-ลิสซิ่ง ต้นทุนการกู้ยืมต่ำลง(ผลดีโดยเฉพาะบริษัทที่มีหนี้ระยะสั้นมากกว่าหนี้ระยะยาว)



อสังหาริมทรัพย์ นี้เรียกว่ารอความหวังจาก story นี้เลยซึ่งการลดดอกเบี้ยอาจจะมาช่วยกระตุ้นยอดขาย จากการขยายกำลังซื้อของลูกค้าและการระบายของ นอกจากนี้หลายโบรกยังมอง เหมือนกันคือ คิดว่าหุ้นปันผล น่าจะมีเม็ดเงินกลับเข้ามาไล่ซื้อ ชดเชยผลตอบแทนจากตราสารหนี้ , fix income ที่อัตราดอกเบี้ยลดลง
นอกจากนี้จะพบค่าเงินบาท usdthb มีการปรับตัวขึ้นทันที ข่าวออกเหวี่ยงไป 0.5% ทำจุดสูงสุดของวันที่ 30.40 ตอบรับกับ story การลดดอกเบี้ย แต่เหมือนยาไม่แรงพอ ค่าเงินกลับมาพักต่อ 30.29 +0.14%
อ้างอิงจาก
https://www.ryt9.com/s/iq03/3063642

Ultimate trader career guides by Citadel

บทความจากมืออาชีพของ Citadel LLC (ฟันด์ของ Ken Griffin AUM $32 billion ) ถ่ายทอดประสบการณ์และการเตรียมตัวเป็น Trader ใน Quant Fund ระดับโลก เขาพูดถึงการเตรียมตัว ทั้งเรื่องความรู้ ประสบการณ์ และการพัฒนา skill (ทั้ง hard และ soft skills)



ผมว่าน่าสนใจและมีประโยชน์มาก ลองเข้าไปอ่านบทความแบบละเอียด ที่เราสามารถเรียนรู้ได้จาก link https://lnkd.in/eaNEqtV
ชมคลิป vdo ถ่ายทอดจากประสบการณ์ของ Senior Trader at Citadel
https://www.youtube.com/watch?v=6yN5eVFZ77E

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