cwayinvestment

เมื่อวานมีคำถามหนึ่งเข้ามาทางกล่องข้อความ เรื่องเกี่ยวกับการเปรียบเทียบกลยุทธ์การเทรด ดูเหมือนน้องเทรดเดอร์คนนี้กำลังพยายามจะหากลยุทธ์ที่ดีที่สุดในการทำเงินในตลาดอยู่ แต่ก็เหมือนที่ผมเคยแนะนำไปหลายครั้ง ว่าทุกกลยุทธ์การเทรดมันมีทั้งข้อดีข้อเสีย สิ่งสำคัญคือเปิดใจ ทำความเข้าใจมันอย่างแท้จริง เลือกกลยุทธ์ที่เหมาะกับตัวเรา (ไม่ใช่จะลอกหรือทำตามคนอื่นๆอย่างเดียว) จากนั้นศึกษา ข้อจำกัดข้อด้อย เพื่อหาทางจัดการ รับมือกับข้อจำกัดนั้นๆ ส่วนตัวผมทำระบบเทรดที่ใช้ Robot trading เป็นหลักท ำให้ในพอร์ตเรามีการรันระบบด้วย trading strategies ที่หลากหลายเพื่อทำการ research และพัฒนาผลการทำงานในภาวะตลาดจริงที่เกิดตรงนี้ทำให้เข้าใจข้อจำกัดของแต่ละกลยุทธ์ดีขึ้น มันไม่ได้สวยหล่อ สมบูรณ์แบบ 100%เหมือนที่นิยมโฆษณากันหรอกครับ นอกจากนี้กรณีต้องการติดตามว่ากลยุทธ์การเทรดใดๆ มีผลการทำงานได้ดีมากน้อยเพียงใด อาจจะลองอ่านบทความศึกษาในต่างๆประเทศ อย่างเช่นวันนี้แนะนำบทความของ eurekahedge เขาติดตาม performance รายปีของ Hedge Fund ขนาดใหญ่และกลาง(AUM มากกว่า $100M) ที่ใช้กลยุทธ์การเทรดแบบต่างๆ ตั้งแต่ช่วงป

วันนี้ได้อ่านบทความ Stop Searching for the Holy Grail ของคุณ Charlie Bilello กูรูนักกลยุทธ์ด้านการลงทุนของ Pension Partners, LLC เขาแชร์การวิจัยและเขียนเรื่องของแนวคิดการสร้างระบบเทรดไว้น่าสนใจ Charlie Bilello เอาตัวอย่างการทดลองในการเทรดด้วยการใช้เครื่องมือพื้นฐานอย่าง MA ในหลายๆซีนาริโอมาเปรียบเทียบกับ Buy & Hold Strategies ในทองคำ ช่วงเวลา 1975 -2017 ผลการทดสอบดังภาพและตาราง แต่สิ่งที่คุณ Bilello แนะนำนั้นน่าสนใจ เขาบอกว่าแทนจะไปนั่งหา Holy Grail จากโมเดลหรือจากเครื่องมื อเทคนิคอล ใช้พยากรณ์อนาคต ที่ทำไม่ได้ เราควรจะรู้จักใช้เครื่องมืออย่างเข้าใจ ทำความเข้าใจในเรื่องของพื้นฐานสินค้า + พฤติกรรมราคา และเลือกวางกลยุทธ์การเทรดที่เหมาะสม ไม่จำเป็นต้องไป optimize หรือพยายามปรับแต่งระบบให้เกิด best performance แบบ over fitting เพื่อทำกำไรมากๆเสมอไป เพราะภาพรวมระยะยาวพฤติกรรมราคาเปลี่ยนได้เสมอตลาดปัจจัยต่างๆ ดังนั้นเลือกใช้กลยุทธ์การเทรดที่อยู่รอดในระยะยาวทำผลตอบแทนดีกว่าค่าเฉลี่ยของตลาด ก็ถือว่าสมควรแล้ว ที่สำคัญมีแผนรับมือสถานการณ์ที่จะเกิด ไม่ว่าตลาดจะดี หรือเลวร้าย เพราะ

ปี 2017 นี้ดัชนีตลาดหุ้นสหรัฐ S&P500 ร้อนแรงมาก +19.45% ผลประกอบการไตรมาสล่าสุดกลุ่มนำตลาดส่วนใหญ่ก็ยังออกมาดี เช่นเดียวกับ story ประเด็นการลดภาษี ของโดนัล ทรัมป์ ที่ตอนนี้เหมือนจะเป็นสิ่งที่ตลาดสหรัฐ กำลังจับตามองมาก หลังจากเป็นเชื้อเพลิงจุดชนวนพลักดันดัชนีมาตั้งแต่ช่วงเลือกตั้งปลายปีที่แล้ว ซึ่งปัจจุบันตามรายงานข้อมูลเจ้า Bull/Bear Ratio ของตลาดสหรัฐอยู่จุดสูงสุด Bull/Bear Ratio เป็น market-sentiment indicator แนวคิดเบื้องหลังก็ไม่ซับซ้อน เป็นการหา ratio  ที่สะท้อนมุมมองของ นักวิเคราะห์ กูรู และเซียน ต่างๆ โดยเป็นการเทียบระหว่างฝั่งที่มองว่าอนาคตดัชนีตลาดจะขึ้นต่อ(Bull) หรือ ตลาดปรับตัวลง(Bear) บางสายเขานำ weight ความนิยมในการเป็นผู้นำจิตวิญญาณของ นักวิเคราะห์ หรือกูรู คนนั้นๆมาคำนวณประกอบด้วย (แนวคิดนี้มีบริษัท startup ทำ data analysis +NLP จริงจังและทำเป็น application ขายบริการเลยนะครับ) สูตรการคำนวณก็ตามภาพด้านล่างเลย ส่วนการตีความก็ตรงไปตรงมา ถ้าออกมา positive แปลว่า market sentiment ค่อนข้างดี ยังมีความคาดหวังและแรงเชียร์ต่อ ตรงนี้บางตำราแนะนำให้ใช้ร่วมกับการ

ช่วงสัปดาห์ที่ผ่านมา StockTwits จัดงาน Stocktoberfest 2017 ที่ San Diego มีหลายคลิปสัมนาที่น่าสนใจปล่อยออกมา ผมกำลังนั่งตามเก็บอยู่ หนึ่งในนั้นที่วันนี้มีโอกาสได้ฟังจบ คือหัวข้อ alternative data เขานำผู้เชื่ยวชาญด้าน Quant ใน wall street ได้แก่ Tim Harrington จาก Battlefin, Erik Haines จาก Guidepoint, Morgan Slade จาก CloudQuant, และ Chris Petrescu จาก WorldQuant มาแลกเปลี่ยนและให้ความรู้ ประเด็น The rise of quants and alternative data Alternative data ตอนนี้กำลังเป็น hot topic เติบโตและเป็นที่ต้องการมาก คุณ Petrescu พูดถึงคำว่า quantamental แนวทางของ Quant ผสมผสานกับ Fundamental เดิม กล่าวโดยสรุปคือ alpha model ในการลงทุน จากการใช้ทั้งข้อมูล fundamental เดิม(งบการเงิน) รวมกับข้อมูล alternative data เพื่อสร้างโมเดลประเมินกิจการ ทำนายผลประกอบการ ตัวเลขรายได้ของบริษัท Alternative data ที่พูดถึงมีตั้งแต่ข้อมูลเชิงตำแหน่ง เช่น geolocation จาก mobile ,ภาพถ่ายดาวเทียม(ตัวอย่างเช่นติดตามจำนวนรถในลานจอดรถของห้าง) , ข้อมูลการใช้บัตรเครดิต ยอดบัตรเครดิตในร้านค้า หรือสถานที่ต่างๆ ,

สรุปผลการแข่งขัน Robot Fighting รอบที่2 เหลือทีมผ่านเข้ารอบ 6 ทีมจาก 20 ทีมในเดือนที่1 เริ่มเทรดเก็บคะแนน รอบใหม่ต้นเดือนตุลาคมที่ผ่านมา โดยสัปดาห์ที่ 1 ตัว Vector Scalping 4x4 (Benchmark) คะแนนนำ เทรดไป 37 ครั้งเก็บคะแนน 405.0 pips การแข่งขันที่จัดเน้นการอยู่รอดระยะเวลา 2 เดือนในตลาด เทรดบัญชีจริง(micro) เน้นการเก็บ pip และคุมขนาด Draw down ให้ได้ตามเกณฑ์ จากการทำ Money Management ไม่เน้นการเร่งทำกำไรหรือการอัด lot size การแข่งขันนี้เพื่อให้เกิดประโยชน์กับสมาชิก จัดรายการ live ชื่อ Robot Fighting Documentary ประกอบไปด้วย โดยสอนเรื่องของ Tactic และกลยุทธ์ ช่วยทำให้สมาชิก พัฒนาระบบเทรด แบบยั่งยืน ไม่ล้างพอร์ต  สองตอนแรก เรื่องของ GRID Money Management สามารถเข้าฟังได้ที่ https://www.youtube.com/watch?v=Ly0OiUi2mrA https://www.youtube.com/watch?v=PRs35bvVH-Q

มีคำถามหนึ่งจากน้องเทรดเดอร์เกี่ยวกับการลดขนาด DD ของพอร์ตค่าเงิน เข้ามา ผมนำแนวคิดที่ใช้ในการบริหารพอร์ต robot trading ใน lab มาสรุปเป็นขั้นตอนเบื้องต้น เพื่อให้พวกเราลองเรียนรู้และไปปรับใช้กันครับ 1. วางแผนล่วงหน้ากำหนดขนาด Draw down ที่รับได้ไว้ก่อน เช่นกำหนด MaxDD = 60% 2. ติดตามขนาด Draw down จากกราฟทุกวันเช่นเดียวกับการดูกราฟราคาสินค้า โดยแบ่งแนวสังเกต Draw down จาก ระดับสูงสุดที่รับได้เป็น 4 ส่วน เช่น 15% , 30%, 45% , 60% 3. ป้องกันการโตของ Draw down โดยเทียบอัตราการเพิ่มของ Profit (cash flow) ต่อวันกับขนาดการเพิ่มของ Drawdown กรณีถ้า DD เพิ่มด้วย slope สูงแตะระดับสังเกต เช่น 30% จะต้องทำการลดขนาดของวงเงินในการเข้าเทรดลง,หรือวางกลยุทธ์เพื่อสร้างเงินสดมา cover loss จนกว่า DD จะกลับเข้าระดับปกติ 4. คุมอารมณ์ตัวเอง การมีวินัยทำตามแผนสำคัญมาก เพราะเวลาขาดทุน equity ลดลง Draw down เพิ่มมือใหม่มักอยากเอาชนะตลาดด้วยการแทงทบ หรือพยายามเพิ่มเดิมพันเพื่อกลบขาดทุน ซึ่งตรงนี้ 80% มันจะยิ่งทำให้สถานการณ์แย่ไปกว่าเดิม ถ้าพิจารณาพฤติกรรมข้อมูลราคา หรือภาวะตลาดไม่ดีเพียงพอ 5. อดทน ชะลอ

Robert Carver ปัจจุบันเป็นนักเขียน เป็น systematic trader และเป็นนักวิจัยพัฒนาระบบ เทรด เขาเริ่มต้นเขาสู่โลกการเงินตั้งแต่ปี 2002 เขาเรียนจบปริญญาตรี โท ด้านเศรษฐศาสตร์ เข้าทำงานกับ  Barclays Capital เทรดสินค้า exotic derivatives  จากนั้นลาออกมาทำงานเป็นนักวิจัยที่ Center of Economic Policy Research แล้วย้ายมาทำงานให้กับ MAN AHL  ซึ่งเป็น Hedgefund อันดับต้นของโลก เขาทำพัฒนาระบบเทรด fundamental global macro strategy จากนั้นขยับขึ้นไปบริหารพอร์ตลงทุนระดับพันล้านเหรียญในสินค้าประเภท fixed income  จนปี 2013 เขาลาออกจาก MAN AHL เพื่อใช้เวลาอยู่กับครอบครัว และใช้เวลาการพัฒนาระบบเทรด เพื่อเทรดและบริหารเงินของตัวเอง ปี 2015 ออกหนังสือชื่อ Systematic Trading: A unique new method for designing trading and investing systems  คลิป interview ของรายการ bettersystemtrader นี้สัมภาษณ์ Robert Carver หลายประเด็นที่น่าสนใจโดยเฉพาะเรื่องการพัฒนาระบบเทรด ผมสรุปประเด็นหลักๆดังนี้ > เขาเป็น systematic trader เชื่อว่า มนุษย์มีข้อจำกัดด้านอารมณ์และการตัดสินใจ ระบบเทรดช่วยตรงนี้ได้ > การพัฒนาร

เมื่อเช้ามีคำถามท่านหนึ่งถามว่า "จริงไหมถ้าใช้ระบบเทรดทำให้รวยช้า" ถ้ามองในมุมที่ว่าทำกำไรได้น้อย จากการต้องบริหารเงิน(money management)เพื่อป้องกันความเสี่ยงก็คงจะจริง เพราะเราไม่สามารถ all in อัดหนักหวังทำกำไรแบบการเสี่ยงโชคหรือเดิมพันวัดดวงในครั้งเดียวได้ จึงทำให้รวยช้า รวยไม่ทันใจ สุดท้ายคงกลับมาที่เป้าหมายว่า เทรดเดอร์ต้องการอะไร ต้องการเสี่ยงโชครวยเยอะๆเร็วๆ หรือต้องการเทรดให้ได้เงินจริงจัง ต่อเนื่องและอยู่รอดในตลาดระยะยาว วิธีการเทรด มันทำเงินได้เยอะยามถูกทางแต่เวลาผิดก็ขาดทุนเยอะ กำไรที่ได้มามันก็หายไปได้ข้ามวัน อาจจะดูดีตอนเห็นกำไรเยอะๆ เหมือนถูกหวยแต่ประโยชน์จริงๆด้านความมั่นคงทางการเงินก็คงไม่มี ถ้าทำได้ครั้งสองครั้งไม่สามารถทำได้ต่อเนื่องจริงจัง systematic trading เน้นการสร้างกำไรต่อเนื่อง(constancy win)เหมาะสมกับความเสี่ยง(Risk) และอยู่รอดในทุกสภาวะตลาดทั้งช่วงดีและร้าย การสร้างผลตอบแทนได้มั่นคง เสถียรมันจะก่อให้เกิดผลกำไรทบต้น ซึ่งแน่นอนว่าถ้าทำได้ทุกเดือน ทุกปี ระบบก็กลายเป็นห่านทองคำ ที่เลี้ยงชีพ และพาเราไปสู่อิสรภาพทางการเงินได้ แน่นอนว่าการไปถึ

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

sniper trading เน้นเทรดให้แม่น เทรดให้คมยิ่งน้อยแต่มีประส ิทธิภาพสูง ทั้งในแง่การทำกำไรและระยะเ วลาการหมุนเวียนกระสุน  ในภาพเป็นตัวอย่างระบบเทรด sniper trading ต่างจากภาพระบบก่อนหน้าที่เ ป็น scalping เทรดสั้นเน้นรอบตาม volatility ตลาด แต่พอมาใช้กลยุทธ์ sniper trading ก่อนจะยิง ต้องคิดและมองให้ดีพอควร สิ่งที่ต้องจำกัดคือ จำนวนกระสุนและพยายามยิงให้ ผิดน้อยที่สุด(ผิดได้แต่ต้อ งไม่มาก) ผมทดลองระบบนี้เทรด มา 1 ปี(หยุดไป 2 เดือนเพราะป่วย) รวมยิงไป 81 order พยายามกำหนดเป้าของ risk per trade ให้เหมาะสมกับพฤติกรรมราคา เน้นความสเถียร คือทำกำไรต่อเนื่อง เพราะไม่ต้องการให้เสี่ยงเก ินไป เช่นเดียวกัน ตอนถูกทาง ก็ต้องทำกำไรได้คุ้มค่ากับก ารรอคอยพอสมควร แต่รอบจะกำหนด RRR ไว้มากกว่า 1:5 เสมอ  ปล. ไม่ต้องไปสนใจกำไรมาก เอาไอเดียมาให้ดู น้องๆจะได้ใช้เป็นแนวทางการ ฝึก กรณีสนใจแบบนี้ เป็นเทรดเดอร์ การเทรดให้ดี ต้องทำได้ต่อเนื่องและยาวนา น เราจะเทรดดีบางเวลา หรือเฉพาะช่วงตลาดง่ายไม่ได ้ หรือจะมาขาดทุนหนักตอนตลาดผ ันผวนก็ไม่ดี เพราะ cashflow นั้นคือ รายได้มาหล่อเลี้ยงและทำให้ พอร์ตเติบโต

มีคำถามมาทางกล่องข้อความ ถามว่า เทคนิคอล ยังใช่ได้อยู่ไหม? คือ ใครว่ายังไง ผมก็ไม่รู้ แต่ส่วนตัวผมผมมองว่ามันก็ย ังเป็นเครื่องมือที่สามารถใ ช้ในการเทรดได้ เพียงแต่ต้องใช้ให้เป็น ต้องใช้อย่างเข้าใจและเหมาะ สมกับพฤติกรรมราคาเท่านั้นเ อง  ตรงนี้ต้องอาศัยการเรียนรู้  การสังเกตอาศัยการทดสอบ อีกประการที่ต้องเข้าใจคือ เทคนิคอลส่วนใหญ่ ไม่ว่าจะเป็น Art หรือกลุ่ม Indicator มันมักมีข้อจำกัดในตัวเอง มีจุดที่สมมต ิฐานเริ่มต้นของการพัฒนา ไปไม่ถึงหรือไม่รวม ดังนั้นเทรดเดอร์ ผู้ใช้ต้องตระหนัก เข้าใจในจุดนี้ เพื่อหลีกเลี่ยง อย่างกรณีถ้าเราหลัก time-series analysis แบบเชิงสถิติ มาเทียบเคียงกับเครื่องมือเ ทคนิคอล จะพบว่าการวิเคราะห์เทคนิคอ ลจะครอบคลุมหรือเน้นแค่ภาวะ ของแนวโน้ม(Trend) กับการเคลือนที่เป็นรอบ Season/ Cycle(n) แต่ในความเป็นจริงพฤติกรรมราคาหุ้น ราคาสินค้าต่างมันมันมีโอกา สเกิดความผันผวนหรือเคลื่อน ที่แบบ random เกิดความไม่ปกติได้เสมอ volatile ตรงนี้เป็นเหมือนจุดบอด ของเครื่องมือ ที่ถ้าไม่สนใจ ไม่วางแผนรับมือ การใช้เทคนิคอลแบบสุดโต่ง หรือใช้แบบมโน(เดาอนาคต) จึงทำให้เสียและขาดทุนหนักใ นที่สุด

บางคนยังไม่เข้าใจเรื่องระบบเทรด พอ setup จับอินดิเคเตอร์ปนกันได้ดูเหมือนมันจะเข้าท่า ไม่เคยทดสอบเพียงพอ โดยเฉพาะการ forward test แล้วมั่นใจมาก นำไปใช้จริง หรือนำไปถ่ายทอดต่อสุดท้ายพบกับหายนะขาดทุนกันเยอะ ความยากมันคือ การที่รูปแบบผลการเดิมพันมันเป็น nonuniform เราอาจจะเจอเฉพาะช่วงที่มันดีชนะได้กำไรต่อเนื่อง จนมั่นใจสุดโต่ง แต่พอออกจากสภาวะควบคุมเข้าตลาดจริง ที่เป็น random walk ไปเจอภาวะรูปแบบที่ไม่ตายตัวมีความผันผวนมากระบบ มักจะไปไม่รอด ยิ่งถ้าไปเจอ consecutive loss เยอะ แพ้ติดกันหนักๆ ถ้าไม่มี money management ที่ดีระบบล้ม equity หมด จุดจบก็คือหายนะล้างพอร์ตกันไป ดังนั้นอย่าประมาทครับ ทำระบบทดสอบให้มั่นใจ ค่อยๆทดลองใช้ อย่าโลภ อย่ารีบรวย อย่าไปคิดว่าเราเก่งสุดในตลาด เพราะตลาดหุ้น ตลาด tfex ตลาด forex มันมีพวกเขี้ยวลากดิน หรือเสือ สิงห์ กระทิง แรด ประจำการคอยจะจับพวกอ่อนแอกินอยู่แล้ว กำไรเล็กๆที่เห็น ถ้าหลงไปกับมันมากจนเพลิน สุดท้ายมักจะไม่รอดพ้นที่จะเป็นเหยื่อในตลาด อันนี้อยากเตือนด้วยความหวังดี ลองเปลี่ยนแนวคิด เน้นรอดให้ได้ก่อน รวยที่หลัง มันจะทำให้เกิดความยั่งยืน และมั่นคงในระย

ตอบคำถาม น้องนิสิต คนหนึ่งที่ถามเรื่องข้อมูลเพื่อทำวิจัย ผมเขียนไปทาง email หลายแหล่ง คิดว่ามีประโยชน์เลยจะเอามาแชร์เก็บไว้ เผื่อว่าใครจะเอาไปทำ Quant analysis แหล่งที่จะแชร์ เน้นไปที่ global macro เพราะผมใช้อันนี้เป็นหลัก อีกประการคือ free และมี data api ให้นักพัฒนาเรียก ใช้งานได้ 1. FRED® Economic Data อันนี้คือของ สหรัฐ และมีของยุโรปบ้างพอควร ข้อมูลหลากหลาย และมีประโยชน์มาก หลายตัวที่เราใช้วิเคราะห์เศรษฐกิจสหรัฐ ที่ Federal Reserve Economic Data นี้มีให้เกือบหมด เช่น GDP, CPI , Debt ,interest rate , Non farm payroll , Unemployment rate ที่ API นี้คือต้นทางของ web application ต่างๆที่เผยแพร่ข้อมูลกัน เลย ตัวนี้ใช้งานไม่อยากมี API Doc ให้อ่าน หรือจะเข้าแบบธรรมดาไป download ตัว CSV ก็ได้ ลองเข้าไปดูได้จาก link https://research.stlouisfed.org/fre... ตัวอย่างผมใช้ python ต่อเข้าไปที่ API เพื่อดึงข้อมูลมาวิเคราะห์ และแสดงผล 2. Worldbank Data API แหล่งนี้ก็ฟรี และเยอะ มีหลายประเภทข้อมูล และกลุ่ม Data Set ของเกือบทุกประเทศเลย ตั้งแต่เรื่องทั่วไป เรื่องของเศรษฐกิจ ตั

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

มีคำถามเรื่อง การทดสอบย้อนหลัง(Backtesting) เข้ามา ผมตอบไปทาง mail ยาวพอควร และอยากย้ำอีกรอบว่า ต้องเข้าใจบทบาทของการทดสอบดีๆ เราทำเพื่อหาข้อบกพร่อง จุดอ่อนมาปรับปรุงไม่ได้ทำมาเพื่อโชว์ หรือปลอบใจตัวเอง ดังนั้น ต้องทดสอบอย่างมีคุณภาพและถูกวิธีการ ระวังโรคมโนจากการ Backtest Over fitting จนเกินไป หรือการทำ curve fitting แล้วมารัน monte carlo เอาจำนวนเยอะเข้าว่าอย่างเดียว เราควรคำนึงถึงคุณภาพและหาข้อมูลมาทดสอบให้มากพอ และทำ WFA ทดสอบให้เต็มรูปแบบไปเลย ที่สำคัญทดสอบแล้ว ปรับปรุงแล้ว ก็ต้องลองกับข้อมูลจริงแบบ forward testing ก่อนใช้งานเสมอ เพื่อให้แน่ใจว่า เมื่อระบบเจอตลาดจริงๆ จะสามารถทำงานได้ ผมมี clip อันนี้เรื่อง 10 Ways Backtests Lie ดีมากของ Dr. Tucker Balch จากงาน QuantCon ลองเข้าไปฟัง วีธีการทดสอบอย่างเป็นระบบ และข้อควรระวังต่างๆ เพื่อที่เราจะได้ทำระบบเทรด ทำ algorithm trading ดีๆออกมา ไม่ใช่ใช้งานไปแล้วพาล้างพอร์ต เสียหายไป https://vimeo.com/122703520

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

ระบบเทรด ที่เน้นการสร้าง cash flow จากการเทรดบน volatility  นอกจากเราจะได้ความสามารถในการควบคุมขนาดของ risk ในรูปแบบฟังก์ชั่นของเวลา time ยังสามารถเอาผลของการเทรด หรือ trading record มาช่วยวิเคราะห์พฤติกรรมราคา ต่อได้อีกด้วย (ผลจะพยายามอธิบายเรื่องยากให้เห็นภาพได้ง่ายที่สุด) สาย Quant โมเดลการเทรด ที่เน้นการเก็บข้อมูลการเทรดมากๆ มันยิ่งทำให้เทรดเดอร์หรือผู้พัฒนา เข้าใจพฤติกรรมราคาและพฤติกรรมของตลาดได้มากขึ้น มันแตกต่างจากการดูกราฟ ที่เน้นการมองไปที่ movement หรือ pattern อย่างเดียว เพราะการตีความจากการมองบางครั้ง มันไม่ได้สะท้อนภาวะการเปลี่ยนแปลง หรือความผันผวนจริงที่เกิดได้ รวมไปถึงมองไม่เห็น flow การเคลื่อนของเงิน ที่ตัวพลักดัน ราคา ยกตัวอย่างในภาพข้าง ผมตัดบางส่วนที่เปิดเผยได้ มาแสดงเพราะอยากประกอบการอธิบายว่าเวลาพัฒนา Quant Model หรือทำตัว algorithmic trading พวกนี้มันทำงาน มองราคา(Price) ต่างจากมนุษย์ Quant มองภาวะการเกิด ความถี่และการเปลี่ยนแปลง มันเป็นปัจจุบันและเป็น raw data ที่เกิด ภาพ  Heat map เราจะเห็น โซนราคา ที่เราสามารถเก็บ cash flow ได้มันจะสะท้อน frequency ที

ทดลองพัฒนาโมเดล สร้างพอร์ตแบบ smart beta ขึ้นมาโดยเป้าหมายหลักคือยังใช้ความไม่สมบูรณ์ของตลาด บวกกับ volatile ที่เกิด มาสร้างให้เกิด cashflow เพื่อสร้าง balance curve ให้โตต่อเนื่อง ความท้าทายมันอยู่ตรงที่การบริหารเงิน คือทำยังไงให้เกิดความได้เปรียบ และจำกัดความเสี่ยงให้เหมาะสม ได้ดีที่สุด เพราะไม่เช่นนั้นความผันผวนของตลาด มันจะมาทำร้ายพอร์ตของเรา สิ่งแรกที่ทำคือ หาโมเดลคุมการบริหารเงินแบบเป็น Dynamic ที่แปรผันไปตามค่า volatility ของตลาด เรียกง่ายๆคือให้ leverage มันแปรผันไปตาม volatility ที่เกิด สิ่งที่สองคือ เพิ่มความแข็งแกร่งให้โมเดล โดยเอาระบบเทรดสองตัวมาทำงานร่วมกัน แนวคิดนี้ก็ง่ายๆ คือเราวิจัยระบบมามากพอ รู้ว่าอะไรคือจุดอ่อนของกลยุทธ์ประเภทต่างๆ ดังนั้น เราจับสองกลยุทธ์ที่มี จุดอ่อน จุดแข็งเสริมกันได้มาทำงานด้วยกันซะ อย่างในโมเดลนี้ ใช้ Scalping ร่วมกับ Trend Following โดยเอาสองกลยุทธ์มาแก้ชดเชย ข้อจำกัดกันและกัน บวกการหาประโยชน์จาก swap ของสินค้าและการอ่านแนวโน้มภาพใหญ่แบบ macro view เพื่อเกาะตามเทรนด์(core beta) แต่ข้อเสียคือเมื่อพยายามเทรด เล่นกับ volatile มันทำให้ กา

มีคำถาม 2 คำถามที่ขอตอบรวมกัน เป็นโซลูชั่นเดียว คำถามแรกถามผมว่า แนวคิดการเทรด รวมถึงกลยุทธ์ในตลาดหุ้น มีเยอะจะรู้ได้ยังไงว่าอันไหน ดีไม่ดีใช้ได้หรือไม่ได้ คำถามที่สอง ถามผมประมาณว่าพี่คิดว่าใคร เป็นเซียนที่เก่งที่สุดในโลก อยากจะบอกว่าถ้าเราเป็น คนฉลาดเรียนรู้ อย่ารีบปฏิเสธแนวคิด ที่แตกต่างจากเรา ลองเรียนรู้ และปรับปรุง นำสิ่งดีๆมาใช้ ส่วนสิ่งหนึ่งที่ต้องทำให้ได้ คือต้องทดลองให้เป็น คิดวิเคราะห์ ชุดความคิด หรือกลยุทธ์ต่างๆที่นำเสนอออกมา ว่าอันไหนของจริง อันไหนของปลอม อันไหนใช้ได้ หรือใช้ไม่ได้ ข้อมูลเชิงตัวเลขสถิติ มันจะบอกเราได้มาก กว่าคำโฆษณา หรือคำบอกเล่าปากต่อปาก พูดเรื่องนี้ก็ไม่ใช่เรื่องใหม่ เพราะต่างประเทศมีคนทำแบบนี้เยอะครับ แต่ส่วนมากคนทั่วไปเข้าไม่ถึง มีอันนี้ของ aaii ที่เปิดฟรีบางส่วน เราลองไปดูไอเดีย การทดสอบระบบและพิสูจน์กลยุทธ์ได้ มีทุกแนวทั้งการเทรด การลงทุน ไม่ว่าจะ Graham,O'Shaughnessy,O'Neil's CAN SLIM,Buffettology ,Murphy Technology หรือ Lakonishok ใครสนใจ ลองเข้าไปดูเป็นแนวทางได้ ถ้าอยากได้ผลการวิจัยละเอียดก็เสียเงิน สมัครเป็นสมาชิก ของ aaii เขาเ

ทำระบบเทรดมันเป็นงานเป็นซั บซ้อนนะครับ อย่าไปเข้าใจว่ามันง่าย ไม่ใช่เอา indicator 4 5 ตัวรวมๆกันบอกเป็น system แล้วจบ  บางระบบคิด พัฒนา algorithm และทดสอบกันเป็นปีก็มี เพราะระบบเทรด หัวใจมันคือเครื่อง มือ สนับสนุนการตัดสินใจซื้อขาย เรา แม้มันไม่ใช่จอกศักดิ์สิทธิ ์ หรือลูกแก้ววิเศษที่เดาอนาค ตได้  แต่การที่มันทำงานได้อย่างม ีประสิทธิ์ภาพ สอดคล้องพฤติกรรมราคา และเราสามารถใช้ค่าความน่าจ ะเป็น(%loss) มาวางแผนกา รบริหารความเสี่ยงได้นั้น มันทำให้เราสามารถอยู่รอดใน ตลาดระยะยาวได้ ดังนั้นการพัฒนาระบบเทรด โดยเฉพาะกระบวนการทดสอบต้อง ทำอย่างละเอียด ได้มาตรฐานและ มีกระบวนการที่ขจัด error ต่างๆออกไป ตัวอย่างภาพ ผมทดสอบระบบ momentum trading ทดสอบได้ค่า แล้วเอามา run ตัว optimization ด้วย monte carlo simulation อีกหลายพันรอบ เพื่อหาค่าทางสถิติสุดท้าย ก่อนนำไปใช้ ทดสอบเทรดจริงต่อไป ส่วนถ้าจะทำระบบขั้นสูง  เรื่องแนว Quant ผมไม่ค่อยพูดถึงมากเพราะ เบืองหลังมันเป็น math และการ programming เยอะ บางทีมันต้องอาศัยพื้นฐานความรู้อื่นๆเยอะประกอบ แต่ถ้ามีโอกาสจะเอา เบื้องหลังการทำงาน ทำระบบจริงๆมาแนะนำต่อไ