cwayinvestment

การวิเคราะห์ข้อมูล มันมีประโยชน์เสมอ ถ้าเราเข้าใจสิ่งที่ทำ ลองมองกลับมุม แทนจะใช้ Deep learning แบบ LSTM หรือ Variational autoencoder LSTM ไป ทำนายอนาคต ทำนายราคาหุ้น ราคา asset ในภาวะที่เราควบคุมไม่ได้ เพื่อหา upside เปลี่ยนไปใช้ทำนาย / ประเมิน anomaly ใน P/L Timeseries ประเมินระบบ ประเมิน performance ของพอร์ตเพื่อป้องกัน down side แทน (เพราะถ้าถูกเราป้องกันผลกระทบการขาดทุนได้ แต่ถ้าโมเดลผิด เราก็เสมอตัวไม่เสี่ยงเกิน) บทความนี้สรุปดี แทนที่จะไป prediction ค่า value ก็เปลี่ยนไปจำแนก movement แทน(binary classification problem) หรือไม่ก็ทำ ensemble of models แบบหลายโมเดล หลายกลยุทธ์ปรับไปตาม market behavior https://towardsdatascience.com/how-not-to-predict-stock-prices-with-lstms

เช้านี้นั่งอ่านบทความหนึ่ง ชื่อ "Two Sigma Financial Modeling Code Competition, 5th Place Winners’ Interview" เขาสัมภาษณ์ผู้ชนะอันดับ 5 ในการแข่งขันรายการ Two Sigma Financial Modeling Challenge รายการนี้แข่งขันปี 2016 -2017 ระยะยาวและ Two Sigma ซึ่งเป็น Quant Fund อันดับต้นของโลกก็จัดรางวัลให้เต็ม รวม $100,000 พร้อมโอกาสร่วมธุรกิจ ทำให้มีคนสนใจแข่งรายการนี้มากพอควรกว่า 2000 ทีม บทความนี้ยาว ผมขอสรุป key สำคัญสั้น สำหรับผมสิ่งที่น่าสนใจคือ ผู้ชนะอันดับ 5 ทีม Bestfitting เขาใช้เทคนิค lag-N features ในการทำ Feature Engineering ของข้อมูล Time Series , การทำ Quant โมเดล เขาเริ่มจากการทดลองสร้าง weak model ออกมาก่อน จากนั้นปรับปรุงเรื่อยๆ ให้ดีขึ้น level ต่อมาเป็น stable model แต่สิ่งที่น่าสนใจคือ เขาไม่ได้ปรับแบบเปลี่ยนใหม่ แต่เป็นการทำ Ensemble model ซึ่งรองรับความเป็น dynamic ของตลาดไม่ใช่การ prediction แบบโมเดลเดียว fit all , พัฒนา self-adaptive strategy สร้างตัวแปรใช้ปรับการโมเดลแปรผันตาม ค่า market volatile (volatility data) ออกแนวคล้าย reinforcement learning (แต่ไม่ได้สร้างโ

ทุกวันนี้มีคนพูดถึง AI เยอะมาก แต่เอาจริงๆ ไม่เยอะเท่าไหร่ที่ได้ลงไปเรียนรู้หรือพัฒนาเชิงลึก ทำให้เราจะพบทั้งข้อคิดเห็น ความเชื่อ และการมโน ต่างๆนานาๆ ทั้งเชิงลบ เชิงบวกเกินความเป็นจริงในปัจจุบันไปมาก ถ้าเราเป็นคนวงนอก ไม่ได้ทำงานด้านนี้ ไม่ได้เข้าไปสัมผัสหรือศึกษาด้านนี้จริงจัง ทางหนึ่งที่เราจะเข้าใจได้ว่า AI มันมีความสามารถ ในการทำงานต่างๆ ไปถึงไหน เราก็ควรหาข้อมูลหรือดูจากตัวอย่าง ของจริง(ซึ่งจำนวนไม่น้อย ออกจาก paper งานวิจัย  มาเป็น Product หรือธุรกิจแล้ว) อย่างในวันนี้ผมเอาตัวอย่างของเว็บหนึ่งชื่อ Deepindex เขานำตัวอย่างการนำ AI ที่พัฒนาออกมาใช้จริง (in action) เป็นธุรกิจ มารวบรวมไว้กว่า 630 ตัวอย่าง รวมถึงมีการ track สถานะการพัฒนาการของเทคโนโลยีไว้ด้วย นอกจากนี้เขายังแยกตามกลุ่มอุตสาหกรรม และประเภทงาน ทำให้ง่ายต่อการเข้าไปศึกษา AI ไม่ใช่เรื่องของกระแส แต่มันเป็นเทคโนโลยี สิ่งที่น่าสนใจคือโมเดลธุรกิจ บางเจ้าไม่เก่งพัฒนา ไม่ได้สร้างโมเดลการคำนวณอะไรใหม่ซับซ้อน แต่ประยุกต์ใช้ AI ในธุรกิจได้เหนือชั้น ก็ทำให้เกิดความได้เปรียบ และ disrupt อุตสาหกรรมเดิมได้ ที่สำคัญมันไม่

IntelligentCross เป็นบริษัท startup ที่ทำ AI ประเภท Alternative Trading System (ATS) อธิบายสั้นๆคือการนำเอา machine learning มาคำนวณพฤติกรรมตลาดและปริมาณ Bid offer เพื่อหา ราคา midpoint สำหรับซื้อขายที่ดีที่สุด(best bid offer)ในตลาด สำหรับการ excution price ช่วย โบรกเกอร์ และนักลงทุนรายใหญ่ ในการลดต้นทุน ลดผลกระทบจากภาวะตลาดและเพิ่มประสิทธิภาพในการส่งคำสั่งสำหรับการซ ื้อขายหุ้น บริษัทนี้มีผู้สนับสนุนทางการเงินจาก Point72 บริษัท hedge fund ของ Steven Cohen ปัจจุบันบริษัท IntelligentCross ส่งคำสั่งซื้อขายรวม 1 billion shares พัฒนาโมเดลการหา best excution price แบบ Adverse Selection Protection Engine และการส่งคำสั่งระดับ 150 microseconds to 300 microseconds ซึ่งในอเมริกามีบริษัทใช้เทคโนโลยีส่งคำสั่งด้วย Speed (milliseconds) + AI-assisted order type รวมกัน 31 บริษัท และมีจำนวนการซื้อขายรวม 6.5 billion shares ต่อวัน ในตลาดหุ้นหลักของอเมริกา กูรูอเมริกา มีการวิจารณ์ ระบบ Alternative Trading System (ATS)ไว้ว่า การเทรดระยะสั้น อนาคตจะยิ่งยากขึ้นไปเรื่อยๆ เช่นเดียวกันภาวะ volatile ข

เคยมีคนเขียน email มาถามเรื่องการนำ AI ไปใช้ในบริษัท หรืองานด้านต่างๆ แต่ไม่รู้จะเริ่มอย่างไร(ที่จะไม่ยาก ไม่มากเกินความสามารถของมือใหม่) แนะนำให้ลองดูอันนี้ AI For Everyone ของ โปรเฟสเซอร์ andrew ng ตัวนี้จะแตกต่างจาก deep learning specialist ที่ผมได้เรียนและนำมารีวิวแนะนำไปก่อนหน้า เพราะจะไม่ได้ลงเรื่อง math หรือกระบวนการรายละเอียดเชิงลึก แต่เน้นภาพรวม workflow ตัวอย่างการพัฒนาโปรเจค และการนำไปใช้งานในบริษัท ช่วยให้เข้าใจเรื่องของ AI อย่างแท้จริง ลดความสับสนเพราะ ทุกวันนี้ใครๆก็พูดถึง AI แต่มีไม่มากที่มีโอกาสได้ลงมือศึกษาหรือปฏิบัติจริงๆ  อีกประการ "ความรู้" ด้านนี้ มีติด resume  ไว้ก็ไม่เสียหาย เพราะถึงแม้จะไม่ได้ชำนาญหรือเขียนโปรแกรมพัฒนาได้เป็น แต่รู้จัก เข้าใจ AI เทคโนโลยีที่เกิดในอนาคต ย่อมมีความได้เปรียบในแง่การประสานงาน หรือทำงานร่วมกับ AI และเปิดช่องทางโอกาสดีๆในอนาคตให้กับตัวเราอีกด้วย ผมใช้เวลาช่วงเย็นๆ นั่งฟัง อ. andrew ng บรรยายเพลินมาก ตัวอย่างเยอะ อธิบายเข้าใจง่ายดีมาก แม้คนไม่มีพื้นฐานมาก่อนก็ฟังได้ โดยเฉพาะตัวเทคโนโลยี machine learning & Deep

David Solomon COO & President คนใหม่ล่าสุดของ Goldman Sachs Group บริษัท investment bank เก่าแก่ที่กำลังจะอายุครบ 150 ปีใน 2019 ให้สัมภาษณ์ในงาน Milken Institute Global Conference ถึงธุรกิจและการเติบโต รวมไปถึงมุมมองทิศทางการบริหารองค์กรในภาวะปัจจุบัน บนอุตสาหกรรมตลาดเงินยุคใหม่ ยุคที่ technology เข้ามามีบทบาทต่อการทำธุรกิจ โดยเฉพาะ trading business ในคลิปสัมภาษณ์ คุณ Solomon ได้กว่าถึงการเปลียนแปลงใน Goldman Sachs ที่นำเอาเทคโนโลยี IT เข้ามาช่วยเพิ่มประสิทธิภาพในการทำธุรกิ จและการบริการลูกค้า ปัจจุบัน Goldman Sachs มีการพัฒนา AI และระบบคอมพิวเตอร์สำหรับ financial technology อย่างต่อเนื่อง เป็นสถาบันการเงินที่มีพนักงานสาย computer engineers มากกว่า 9,000 คนหรือ 25% จากพนักงานทั้งหมด 36,000 คน รวมถึงการนำ machine learning มาใช้ในการเทรดและการลงทุน ที่เรียกเสียงฮือฮาคือข้อมูลสถิติที่คุณ Solomon ยกมา เขากล่าวว่าเมื่ออดีต 20 ปีก่อน equity trading มีเทรดเดอร์ประจำกว่า 500 คนเทรดหุ้นในตลาดทุกวันทำการ ปัจจุบันเหลือพนักงาน 3 คนทุกการเทรดรันบน technology platform บนระบบคอมพิวเตอร์แทนก

twosigma เป็นบริษัท Quant Fund อันดับต้นของโลก เขามีวิธีการคัดเลือกนักพัฒนา โปรแกรมเมอร์เข้าร่วมทำงานในบริษัทจากการจัดพัฒนา Bot เพื่อแข่งขันในวีดีโอเกมส์ชื่อ Halite ตัวของ Halite เป็น open source artificial intelligence programming ประเภท turn-based strategy (TBS) ที่สร้างมาให้คนพัฒนา Bots มาสู้กันในเกมส์โดยบอทผู้เล่นแต่ทีมจะมียานอวกาศ 3 ลำที่ช่วงชิงยึด/ขุดพื้นที่ดวงดาวบน two-dimensional virtual board ผู้อยู่เบื้องหลังโปรเจคเกมส์นี้คือ Alfred Spector ตำแหน่งเป็น CTO ของ Two  Sigma บริษัท hedgefund อายุ 15 ปีที่มี AUM ระดับ $50 billion โดยในคลิปคุณ Spector ให้สัมภาษณ์ว่าบริษัทต้องการค้นหาคนเก่งด้านการสร้าง algorithm ประเภทกลยุทธ์เข้ามาร่วมงาน ผ่านการจัดลีกการแข่งขัน Halite ปัจจุบันเป็นปีที่ 2 แล้วมีทีม 6000 ทีมจากทั่วโลกเข้าแข่งขัน และมีทั้งระดับนักเรียนมัธยมจนถึงผู้ใหญ่ เข้าร่วม ปัจจุบัน Bots ทีมที่ทำผลงานได้ดี ใช้เทคนิคของ Machine learning ในการพัฒนา AI เพื่อหา solution ในการแข่งขันเอาชนะผู้ต่อสู้ ซึ่งบริษัทเตรียม Google credits สำหรับ GPU บน Google Cloud เอาไว้ให้ด้วยเพื่

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 ทำหน้าที่ส่ งคำสั่งซื้อขายของลูกค้า 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 ที่ทำให้ราคาตลาดปั่นป่วนจนเกิดความไม่ปกติไ

Deep learning  สำหรับเทรดเดอร์ ก็คือการเรียนจากการเทรดจริง เก็บข้อมูลจริง จากผลการเทรด อย่าไปกลัวที่จะเผชิญหน้ากับการขาดทุน(loss) อันนี้คนทั่วไปชอบรีบลืม รีบผ่าน บริหารเงิน ขาดทุนแล้วไม่ให้เสียหายหนัก เพิ่มโอกาสการอยู่รอด เรียนรู้จากมัน เก็บข้อมูลจากมันให้ได้มากที่สุด ตรงนี้ถ้าเรานำมาวิเคราะห์ จะมองเห็น pattern มองเห็นความเกี่ยวเนื่องกับเหตุปัจจัยต่างๆ สุดท้าย เราจะสามารถสร้าง knowledge หรือหา solution ในการปรับปรุงระบบ ปรับปรุง skill ของเราให้สูงขึ้นไปได้ครับ ข้อมูลเราบันทึกไว้ทุกวันๆ มีสัก 100 สัก 1000 การขาดทุน ลอง เอามาสกัด มาแยก มาวิเคราะห์ เราได้องค์ความรู้ ใหม่ เห็นความเกี่ยวเนื่องความสัมพันธ์ของปัญหาที่เกิด และใช้มันพัฒนา skill ในการเทรดต่อไปได้ ฟังกระบวนการเรียนรู้เชิงลึก กะการเทรดได้ที่ https://www.youtube.com/watch?v=vvokwuOveIU

กระแส AI อย่าง alphaGo กำลังมาแรง เป็นทีฮือฮามาก ผมเองก็ติดตามการแข่งขันอย่างใกล้ชิด จริงๆแล้วได้เรียนรู้ อะไรหลายเรื่องมากจาก การแข่งขันครั้งนี้ ด้วยความสามารถของ AI ที่มันสามารถเอาชนะเซียนโก๊ะผู้เป็นมนุษย์ไปได้ ทำให้มีคนถามคำถามว่าในตลาดหุ้น ตลาดเก็งกำไร มี AI พวกนี้มาวิ่งอยู่บ้างไหม จากที่ศึกษาตอบเลยว่ามีครับมีหลายตัวหลาย LAB ด้วยและทำงานด้านต่างๆไปทั้งการเทรด การวิเคราะห์ความเสี่ยง และอื่นๆ แม้ Google venture เองก็สนับสนุนเงินทุนบริษัท startup ที่พัฒนา AI ด้าน financial อยู่ มีโอกาสจะมาเล่าให้ฟัง แต่วันนี้ขอเขียนถึง startup เจ้าหนึ่งที่ตอนนี้ hot มาทำ Machine learning ด้าน Risk Management บริษัทนี้ชื่อ AlgoDynamix ของ Jeremy Sosabowski อธิบายให้เห็นภาพง่ายๆคือ บริษัทนี้ทำ AI ที่ระบุโอกาสจะเกิดการ ตกลงของดัชนีตลาด ราคาหุ้น ราคาฟิวเจอร์ ใช้เทคนิค entropy feature clustering ทำการวิเคราะห์ข้อมูลการเคลื่อนไหวราคาและการซื้อขาย แบบเรียลไทม์ แบบ order by order ที่สะท้อนถึงภาวะพฤติกรรมของผู้เล่นในตลาด โดยเฉพาะกลุ่มที่ขายหรือตั้งขาย รวมถึงวิเคราะห์กลุ่ม order ที่ขายอย่างผิดปกติ เขาเรียกว่ามั