cwayinvestment

เทรดหุ้น หรือ ETFs แล้วไม่มีทุนในการซื้อโปรแกรม หรือ data มาใช้ทดสอบระบบเทรด ผมขอแนะนำให้ลองใช้ tradingview ซึ่งเบื้องต้น ถ้าไม่ได้ทำอะไรซับซ้อนใช้แบบฟรีก่อนได้(กรณีทำเยอะสมัครสมาชิกรายปี) เชื่อว่าหลายคนนั้นใช้ tradingview อยู่แล้ว แต่อาจจะไม่ทราบว่า เราสามารถเขียนโปรแกรม และทดสอบ backtesting ตัว strategies ได้ โดยภาษาที่ใช้เรียกว่า pine script เขียนง่าย ไม่ซับซ้อน คล้ายๆกับ MQL4 มีฟังก์ช ั่นรองรับเยอะ พอควร เราสามารถพัฒนา indicator หรือสร้างระบบเทรดก็ได้ ที่สำคัญ กรณีหุ้น ต่างประเทศ ถ้าเรามี account ของโบรกเกอร์ที่รองรับ เช่น oanda, CQG ก็รัน auto trading ได้เลย หรือจะ fwd testing ผ่าน Paper Trading ของ tradingview ก็ได้เช่นกัน ทดสอบ strategies กับตลาดแบบ real time ส่วนการตั้งค่า Strategies tester ก็มีรายละเอียดที่หลากหลายกำลังดีไม่มากเกินไป จุดเด่นคือ data ที่ฟรีย้อนหลังและมีสินค้าเยอะ ทั้ง หุ้นไทย หุ้นนอก ETFs , FX, Cryptocurrency และอื่นๆ ให้ทดสอบได้ สรุปเป็นทางเลือกที่ดีมาก ผมเองก็ใช้งานอยู่ ที่สำคัญมีบทเรียนและตัวอย่าง code ให้เริ่มต้นศึกษาเยอะ ทำให้ง่ายต่อก

slide งาน meetup ที่จัดโดย Cybertrader ผู้บรรยายคือคุณ Kingsley Jones แห่ง Jevons Global แชร์แนวคิดและงานวิจัย นำเอาเทคนิคการ solve ตัว nonlinear system ด้วย parallel computing มาใช้กับ Technical Analysis โดยสรุป คุณ Jones ผู้บรรยายบอกว่าปัจจุบันระบบประมวลผลคอมพิวเตอร์แบบสมรรถนะสูง(high performance computing) รองรับ การทำ nonlinear signal processing แบบเรียลไทม์ บน Partial Differential Equations กับข้อมูล  ขนาดใหญ่ ที่ซับซ้อน(ทั้ง Price, Order flow , sentiment) ได้จริงแล้วทางปฏิบัติ เขา สาธิตการทำงาน algorithm ที่ใช้คือ VECTORIZATION OF EWMA แสดงผลประสิทธิภาพการคำนวณ real time ให้ดู สไลด์ไม่ยาว แต่มีประเด็นที่น่าสนใจให้คิดต่อเยอะดี ปล. ส่วนตัวทำระบบ nonlinear system มาพอควร ผมเองจะใช้แนวทางของ genetic algorithm หรือพวก optimization method การประยุกต์กับ time series data แต่ไม่เคยทำ real time ระดับวินาทีแบบเขา พอดูจากผลการทดลอง บนเครื่องคอมพิวเตอร์สรรถนะสูง(โดยเฉพาะสร้าง algorithm ด้วย Parallel Programming สำหรับ HPC) คิดว่าน่าจะช่วยได้มาก แต่ก็แน่นอนว่าต้นทุนของระบบเพิ่

หลบอากาศร้อนเข้าไปนั่งร้านกาแฟ ทำให้วันนี้ได้ฟัง podcast รายการ MIB ยาวกว่า 1.30ชม. จนจบ ถือว่าเป็นอีกตอนที่ดีและอยากแนะนำให้ลองฟังกันมาก MIB ตอนนี้ Barry Ritholtz สัมภาษณ์ Money Manager คุณ William J. Bernstein ผู้บริหารพอร์ตลงทุน นักเขียนและผู้ร่วมก่อตั้ง Efficient Frontier Advisors, (AUM $120 million) เขาเป็นหมอด้าน neurologist ที่หันเหเข้ามาสู่โลกการลงทุนอยู่ในตลาดกว่า 30 ปี และเป็นนักเขียนด้านประวัติศาตร ์และทฤษฏีการเงินที่ชื่ออีกท่านของอเมริกา ผมเองมีโอกาสได้อ่านหนังสือของท่าน 2 เล่ม The Intelligent Asset Allocator และ The Four Pillars of Investing podcast สัมภาษณ์ที่ดีมากแต่ยาวจริงๆพูดคุยหลายประเด็นที่น่าสนใจ ตั้งแต่เรื่องการลงทุน ประวัติศาสตร์ การเมือง ระบบทุนนิยม เศรษฐกิจโลก เศรษฐกิจอเมริกา ประเด็นที่น่าสนใจเรื่อง การบริหารพอร์ตในช่วงเศรษฐกิจต่างๆ ยุค 1932 หรือช่วงหลังปี 2000  -key takeaway คือเขาเน้นการทำ asset allocation มากกว่าการพยายามไป asset selection หรือค้นหาหุ้นดาวเด่นที่ทำเงินไม่กี่ตัว -แนวคิดการ asset allocation เขาเน้นการลงทุนที่กระจาย นำเอาหลักของ MPT

เช้านี้นั่งอ่าน paper เก่าของ Meb Faber ชื่อ The Trinity Portfolio A Long-Term Investing Framework ไปสะดุดกับภาพหนึ่ง น่าสนใจดี เพราะบางทีมันถ้าเราเข้าใจพฤติกรรมของตลาด เราก็สามารถหาประโยชน์จากมัน Trinity Portfolio น่าสนใจเพราะเขาใช้หลัก portfolio management เป็นตัวนำ ในการจัดการความเสี่ยง เริ่มตั้งแต่การ diversification จากนั้นทำ multi strategies ผสมทั้ง Trend / TSMOM และ Value เพื่อหาโอกาสในสร้าง risk adjusted return ให้เหมาะสม และเพิ่มการอยู่รอด ของพอร์ต ประเด็นนี้มันเ ป็นอีกตัวอย่างหนึ่ง ที่ทำให้เห็นการปรับตัวของ Trend Following ในตลาดยุคใหม่ ที่สำคัญ มันไม่ใช่สิ่งจำเป็นที่ต้องมานั่งเถียงกันเอาเป็นเอาตายว่าอะไรดีกว่ากัน เพราะทุกกลยุทธ์ ต่างมีจุดเด่นในภาวะตลาดที่แตกต่างกันเสมอ(อันนี้คือ fact ไม่ใช่ opinion ) สิ่งที่น่าสนใจใน paper มีอีกหลายส่วน สนใจอ่านเพิ่มเติมได้ที่ https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2801856

เมื่อสุดสัปดาห์ผมไปร่วมสนทนากับกลุ่ม canslim trader มา กลุ่มนี้เน้นการทำ algorithmic trading สไตล์ของ วิลเลียม โอนีล (William O'Neil) และใช้ Technical ผสม fundametal ได้น่าสนใจดี ผมนำระบบเทรดที่ใช้เทคนิค cross-sectional momentum ร่วมกับ time series momentum(tsmom) ทำให้ใช้ประโยชน์จากการวิเคราะห์ปัจจัยพื้นฐาน ก่อนเลือกหุ้นเข้าเทรด ในแต่ละช่วงเวลาของตลาดไปแชร์ให้ฟัง ส่วนวงสนทนามีการแชร์และนำมาคุยกันคือ slide งาน IBD Meetup ของ mike scott ซึ่งมีหลายประเด็นที่เขาแชร์ไว้น่าสนใจ ทั้งเรื่องมุมอง และเรื่องของกลยุทธ์ เช่นประเด็น market cycle , Demographic และ economic ที่กระทบตลาด , เรื่อง Time Frame Risk ( Secular &Cyclical ) ด้านกลยุทธ์การเทรด สไตล์โมเมนตัม ใช้ Coppock curve , A/D bar, adv volume และ Stock Behavior ซึ่งหลายเรื่อง ถ้าใครเคยอ่านหนังสือของ วิลเลี่ยม โอนีล น่าจะคุ้นดีแต่งานนี้ เขานำข้อมูลหุ้นและตลาดสหรัฐช่วงปัจจุบัน มาอธิบายต่อ ผมแชร์ได้แค่บางส่วน ใครสนใจลองไปดาวน์โหลดสไตล์ได้ที่ คิดว่าถ้าแกะดู กลยุทธ์การเทรด ทำความเข้าใจ แล้วลองมาปรับใช้ ก็น่าจะมีประโยชน์

แนวคิดกลยุทธ์การเทรด ที่อธิบายเมื่อคืนนะครับ ดังที่บอกว่าเรื่องที่นำมาสอน นำมาเผยแพร่ก็มาจากการอ่าน และพยายามให้แหล่งต้นทางต้นฉบับ เพื่อให้พวกเราไปศึกษาต่อยอด Volatility Scaling บทความนี้ ทีม quant ของ MAN AHL อธิบายถึงการเทรด asset ที่เป็น asymmetry distribution(โลกความเป็นจริงส่วนใหญ่ก็จะเป็นลักษณะนี้) วิเคราะห์ skew จากข้อมูล dialy หรือ monthly return ใน Medium term , ซึ่งพฤติกรรมความสัมพันธ์ของดีกรี skew ตรงข้ามกับ return ของ asset ดังนั้น เขาใช้ volatility scaling มาลด effect ในการเทรด asset ประเภทนี้ โดยเฉพาะเมื่อเจอกับ negative skew ใช้การแบ่ง position เป็นระดับย่อย 3 ระดับ และปรับขนาด position size ไปตามการประมาณค่า skew ที่เกิดใน asset เพื่อสร้างผลตอบแทนเป็นบวกในพอร์ต (ตรงนี้ช่วยพวก mementum ลดขนาดของ Drawdown ลงได้ด้วย) ทดแทนประเภท constant position sizing ถ้าอ่านในบทความที่ neil อธิบายจะเห็น trading strategies ที่พวกนี้ใช้ มันไม่ใช้เครื่องมือวิเศษ แต่มันเป็นเหมือน function ในการแปลงเส้นกราฟ return จาก asset ให้เป็น ผลกำไร/ขาดทุน (return) ที่โชว์ในเส้น balance cu

นั่งอ่านข้อความของคุณ ray dalio บนทวิตเตอร์ชอบโพสล่าสุดของแกมาก เกี่ยวกับการใช้ถอด Principle ของเราในเรื่องต่างๆ ให้กลายเป็น "Algorithm" จากนั้นใช้มันช่วยพัฒนา ยกระดับการตัดสินใจ(decision making) ของเรา ใช้เพื่อการทดสอบ principle นั้นๆกับสถานการณ์ต่างๆที่เกิด, ที่สำคัญการสร้าง algorithm มีระบบชัดเจน ช่วยขจัดอารมณ์ ที่ก่อให้เกิดอคติ ในการตัดสินใจของเราได้อีกด้วย ดีกว่าการไปนั่งมโน หรือคิดไปตามความเชื่อที่ฟัง ได้รับรู้มาจากคนอื่น การคิด วิเคราะห์ เป็นระบบ เป็นขั้นเป็นตอน จนสามา รถสร้างชุดความคิดเป็น algorithm ได้นั้นมันไม่ใช่เรื่องน่ากลัว หรือเรื่องที่ไม่เกิดประโยชน์ ตรงข้ามการเรามีมุมมอง มี principle ในเรื่องใดที่ชัดเจน ถ่องแท้ การถ่ายทอดความคิด และการสร้าง algorithm มันจะไม่ใช่เรื่องยากเลย จะเริ่มจากการหัดเขียน Mindmap เรียบเรียงลำดับความคิดและสร้าง flowchart ประกอบก็ได้ สุดท้ายถ้า advance ขึ้นไปแปลง algorithm ในกระดาษเขียน code ภาษาคอมพิวเตอร์ให้เครื่องช่วยทำงาน ช่วงทดสอบ prinicple ของเรากับข้อมูล หรือ enviroment ต่างๆต่อไป

เช้านี้นั่งฟัง podcast สัมภาษณ์รายการ BST หัวข้อ Strategy Development with Perry Kaufman บรรยายแนวทางการพัฒนาระบบเทรด ไว้ดีมากหลายประเด็น จากการถามตอบกว่า 60 นาที ผมสรุปประเด็นที่น่าสนใจมาแบ่งปัน ไว้ให้ไปศึกษากันดังนี้ 1. Long Run พัฒนาระบบที่ดี ไม่ใช่แค่ดูผล Backtesting หรือ optimize ให้มีค่าสถิติดีๆ ต้องเน้นการอยู่รอดและทำงานได้จริงแบบ long run ในตลาด Kaufman บอกว่าเขาทดสอบระบบในหลาย scenario เพื่อหาค่าผลลัพธ์แบบเฉลี่ย ถ้าค่าเฉลี่ยออกมามันใช้งานได้ ไม่จำเป็นต้องสุดยอด เขาเริ่มทดลองใช้เทรดจริงในตลาด 2. keep it simple ไม่จำเป็นต้องสร้างเงื่อนไข การเทรดที่ซับซ้อน ยิ่งเยอะยิ่งยากต่อการปรับปรุง หรือวินิฉัยปัญหา เน้นเรียบง่าย แต่มีประสิทธิภาพ แต่ละส่วนมีบทบาทชัดเจน เช่น volatility filter มันทำหน้าที่กรองความผันผวน ซึ่งเสริมส่วนทำงานการวิเคราะห์ Trend เป็นต้น นอกจากนี้ถ้า เงื่อนไขใดซ้ำซ้อนไม่เกิดประโยชน์ ต่อผลลัพธ์ ก็ควรจะขจัดทิ้ง 3. Knowledge การพัฒนาระบบเทรด ควรเริ่มจากความเข้าใจหลักการพื้นฐาน นั้นหมายรวมการหาข้อมูล การวิเคราะห์พฤติกรรมการเป็นไป การไหลของเงิน fundflow มูลเหตุจูงใจท

เมื่อคืนได้พูดถึงกระบวนการทดสอบระบบเทรด เพื่อทำให้เกิดความมั่นใจก่อนนำไปใช้งาน ประเด็นสำคัญที่ต้องระวังคือเรื่องของ Data-mining bias หรือการพยายามจะปรับ optimize ตัว algorithm เพื่อให้เกิดค่าที่ดีเกินจริงจากการ Over fitting กับข้อมูลที่นำมาทดสอบ หลักการประยุกต์เหมือนที่ได้แนะนำไปมีหลากหลายวิธี เช่นการใช้การสร้างใช้ Bootstrapping จำลองข้อมูล,การทำ WFA, การทำ stress testing (จำแนกการทดสอบระบบกับจุดภาวะต ลาดไม่ปกติ) สิ่งสำคัญควร focus ไปที่โอกาสของการขาดทุนและความเสี่ยงที่จะเกิดให้มาก เพราะตรงจุดนี้จะช่วยทำให้เราเตรียม tactic หรือแผนรับมือเสริมประกอบเพื่อช่วยลดผลกระทบจากการเทรดจริงได้ ดังกล่าวไปเรื่องของการ BackTesting และกระบวนการพัฒนาระบบเทรดไม่ใช่เรื่องใหม่ มี paper วิชาการที่นำเสนอเทคนิคต่างๆให้เราอ่านเยอะมากเลย ตั้งแค่ขั้นพื้นฐาน ยันขั้นสูง ลองเข้าไปดูเบื้องต้นได้จากใน link ข้างล่าง ผมคัด paper ที่ผมใช้งานประจำมาให้น้องๆได้เตรียมตัวศึกษาก่อนแข่งกัน -Pseudo-Mathematics and Financial Charlatanism: The Effects of Backtest Overfitting on Out-of-Sample https://papers.ssrn.co

การใช้ leverge เพื่อปรับระดับความเสี่ยง จริงๆไม่ใช่เรื่องใหม่ ถ้าศึกษาด้านนี้จะพบมีหลายกลยุทธ์มาก หนึ่งในนั้นคือ risk parity ของคุณ ray dalio บิดาด้านนี้ การใช้ Leverage ร่วมกับการทำ diversification บน asset ที่มีการทำ data analysis อย่างดี เพื่อกระจาย risk และเพิ่มประสิทธิภาพการสร้างผลตอบแทนระยะยาว บทความชี้ให้เห็น leverage เหมือนดาบสองคม มันไม่ได้มีแต่โทษ ประโยชน์ก ็มีถ้าใช้ได้เป็น ใช้อย่างเข้าใจ เนื่องจากเป็นประเด็นที่ละเอียดอ่อน มีเนื้อหาเชิงลึกพอควร อีกอย่างไม่อยากแตะเรื่อง leverage มากเพราะเดียวสื่อแล้วเข้าใจไม่ตรงกันอีก ถ้าสนใจ อยากรู้กลยุทธ์ด้านนี้จริงจัง ลองอ่านจาก paper เรื่อง Use of Leverage in Strategic Asset Allocation นี้เขียนโดยคุณ Lionel Martellini จาก EDHEC Risk Institute Scientific Advisor เรื่องเทคนิคและวิชาการที่เปิดมุมมองความคิด เพื่อความเข้าใจให้เราดี ซึ่งบทความนำเสนอตัวอย่างการใช้ leverage ในระดับ portfolio management บนกลยุทธ์ SAA ซึ่ง key คือระดับการใช้ leverage ใน asset ที่เหมาะสม ผลที่ได้โดยเฉพาะการลด downside risk ระยะยาวนี้น่าสนใจมากทีเดียว

Gain to Pain Ratio เป็นการประเมินผลการเทรดแบบภาพรวม (ไม่ใช่รายออร์เดอร์) เพื่อใช้วัดประสิทธิภาพของการเทรด ในภาวะตลาดต่างๆ แบบแยกย่อย ไม่ใช่แค่การดูที่ค่ารวมสุดท้ายรายปีหรือรายเดือนอย่างเดียว แนวคิดนี้ถูกนำเสนอโดยคุณ Jack Schwager โดยการคำนวณสัดส่วนของผลรวมการเทรดที่ได้กำไร เทียบกับค่าสมบูรณ์ของผลรวมออร์เดอร์การเทรดที่ขาดทุน ซึ่งค่า GPR ที่ได้สามารถใช้วัดระดับ รายเดือน รายปี ก็ได้แล้วแต่ application ที่นำไ ปใช้ และสามารถใช้ติดตามการผลงานของระบบ แบบรายช่วงเวลาในลักษณะ time series ได้เช่นกัน(จำนวนการเปรียบเทียบควรมีมากเพียงพอทำให้เกิดนัยยะทางสถิติ) การประเมินผลค่า GPR คุณ Jack Schwager แนะนำไว้เบื้องต้นว่า GPR ควรมีค่ามากกว่า 1 และถ้าจะให้ดีที่สุดควรมีค่ามากกว่า 2-3 อิงแนวคิดว่า การเจ็บปวดจากการขาดทุน นั้นไม่เท่ากับความดีใจเมื่อได้กำไร มองอีกมุมถ้าเราประยุกต์หลักความน่าจะเป็นเข้ามาใช้ ผสมกับการเล่นกับมิติของเวลา(Time Horizon) สร้าง tactic ที่ก่อให้เกิดการขาดทุนยากขึ้น ต่อการเปลี่ยนแปลงระยะสั้น ตรงนี้ทำให้เกิดประสิทธิภาพรวมที่ได้ดีขึ้น ซึ่งค่า GPR ที่ได้มีโอกาสปรับขึ้นไปในระด

นั่งอ่านบทความ Fifty years of evolutionary trading ของ Bill Eckhardt, เจ้าของฉายา father of the CTA , อดีตเทรดเดอร์สาย Systematic ยุคแรก ผู้บริหารและผู้ก่อตั้ง Eckhardt Trading Company (ETC) ถ้าใครเคยอ่านหนังสือเก่าๆ เช่น The Complete TurtleTrader น่าจะเคยได้ยินชื่อเสียงแก เป็นสมาชิกรุ่น Richard Dennis ชำนาญมากสาย volatility trend-following และ short-term trading เขาเขียนหลายประเด็นได้ดีมากเกี่ยวกับ Sys tematic trading ,Stat&Probability รวมถึงปัญหา Overfitting และอื่นๆ จุดอยากนำมาแชร์ส่วนตัวชอบเรื่อง Risk Management และ Money Management มุมมองแนวคิดเกี่ยวกับ Risk และ Return ที่ดีทำให้พอร์ตของ ETC อยู่รอดมายาวนาน ในภาพประเด็นหนึ่งที่เราน่าจะนำมาประยุกต์ได้คือเรื่องการบริหารจัดการเงินที่เขาคำนวณหา position size อิงจาก Utility function บน factor 4 ตัวหลักได้แก่ - เงินทุนที่มี - พฤติกรรมราคาสินค้า (volatility)ที่เทรด - ขนาดความเสี่ยงที่ลูกค้ารับได้ - ผลงาน(performance) ของระบบเทรดที่ผ่านมา ประเด็นเหล่านี้สำคัญ มากกว่าแค่การเทรดเข้าออกในแต่ละครั้ง ยิ่งในภาวะตลาดหุ้น ตลาดเก็ง

สินค้าใหม่ของ TFEX วันนี้น้องมาร์เก็ตติ้ง โทรมาแนะนำสินค้า Gold Online Futures(GO) ตัวนี้ จะเริ่มเทรด 5 พ.ย. 2561 ได้ข้อมูลเยอะพอสมควร บวกกับลองเข้าไปหาข้อมูลเพิ่มจากเว็บ TFEX ขอนำเอาจุดเด่นมาสรุปให้ดูกัน สินค้านี้ชื่อย่อ GO จุดแตกต่างจาก GF คือเทรดราคาทองคำอิงราคาสากลของโลก หน่วยในสกุล USD (หลังจากรอมานานและเคยมีการพูดถึงหลายรอบในอดีต) โดย GO ใช้สินค้าอ้างอิงเป็นทองคำบริสุทธิ์ 99.5% ราคาไม่ต้องไปเชื่อมกับค่าเงินบา ทและใช้สมการการคำนวณแบบ GF นั้นหมายความว่า ไม่ต้องไปรับความเสี่ยงจากค่าเงินบาท แถมราคาจะเคลื่อนที่ตามทิศทางตลาดโลก (แน่นอนว่าจะมี GAP ช่วงการเปิดตลาดในตอนเช้า) เช่นเดียวกับ สามารถใช้ระบบเทรดแบบเดียวกับ ราคาทองคำในตลาดโลกโดยตรง โดย GO 1 สัญญามีมูลค่า 300 เท่าของราคาทองคำ ขนาด Tick ระดับ $0.1 คิดเป็นมูลค่าจุดละ 30 บาทต่อสัญญา (ราคาทองคำขยับ $1 คิดมูลค่า 300 บาทต่อสัญญา) ตัวนี้ Trading Session เหมือนกับ GF คือมีทั้งเช้าและกลางคืน(19:00 – 23:55) รูปแบบสัญญาซีรีย์ละ 3 เดือนหมดอายุทุกๆไตรมาส และส่งมอบเป็น Cash Settlement ด้านค่าคอมค่อนข้างพอควร เทรดผ่านอินเตอร์เน็ตไปกลับ 1

paper ที่ผมพูดถึงเมื่อคืน ตัวอย่างการหลีกเลี่ยง Overfitting ในการทำ optimization จาก backtest แนวคิดสไตล์นี้มีเยอะมาก ลองหาอ่านได้โดยเฉพาะเทคนิคใหม่ๆ ตัวอย่างนี้คุณ Marcos López de Prado เขาใช้ discrete Ornstein-Uhlenbeck process (stochastic process) สร้าง Data เพื่อทดสอบ trading strategy และทำการ optimization ค่า Sharpe ratio โดยทำการสุ่มปรับค่าของ SL และ TP เพื่อให้ได้ที่ดีที่สุดตามเงื่อนไข บน time seri es data ที่สร้างจาก O-U process แทนการใช้ข้อมูลในอดีต(Historical data) ขอไม่ลงรายละเอียดเชิงลึกมาก แต่อยากแนะนำให้ลองศึกษาดูเพราะเป็นแนวทางที่น่าสนใจ และทดสอบกลยุทธ์การเทรดบนสภาวะ random walk ได้ดีทีเดียว ดาวน์โหลดได้จาก https://arxiv.org/abs/1408.1159

ใช้เวลาว่างยามเช้านั่งฟัง podcast ในร้านกาแฟ Flirting with Models รายการโปรดสัมภาษณ์แขกรับเชิญผบห.กองทุนสาย Quant คนดังคุณ Meb Faber แห่ง Cambria Investments ผู้ตีพิมพ์บทความวิจัยQuantitative Approach to Tactical Asset Allocation ที่มียอดดาวน์โหลดมากกว่า 200000 ครั้ง คุณ Corey Hoffstein สัมภาษณ์ถึงเรื่องราวต่างๆหลายเรื่องที่น่าสนใจ ผมสรุปโน๊ตประเด็นหลักไว้ ประมาณนี้ 1. Trend following ยังไม่ตาย อันนี้คุยกันถึง paper ที่ Faber เขียนเน้นการทดสอบตัวกลยุทธ์แบบ TSMOM ผสมกับการจัดการความเสี่ยงและทำ TAA บน 5 asset calss หลัก ทำการทดสอบและตีพิมพ์ จากนั้นตอนปี 2012 กลับมา revise เอาข้อมูลใหม่(OSS) มาทดสอบกับระบบเทรดเดิม ผลก็ยังออกมาว่าการเทรดสไตล์ TSMOM ระยะยาวบน Global asset ยังเอาชนะตัวอ้างอิงได้ 2. ไม่มีใครซื้อจุดต่ำสุดหรือขายจุดสูงสุดได้ นั้นคือประเด็นสำคัญที่ Faber ย้ำเรื่อง Trend Following มันเป็นการจับโอกาสจากการเคลื่อนตัวส่วนใหญ่ของ asset การเปลี่ยนแปลงตาม Fundflow ไม่ใช่การพยายาม outperform ตลาดจากโมเดลการพยากรณ์หรือหาจุดเปลี่ยนแปลงเฉพาะเช่น สัญญาณซื้อขายจากจุดกลับตัวสูงสุดต

ได้อธิบาย แนวคิดการทดสอบระบบเทรด ในภาวะไม่ปกติ คล้ายกับการทำ stress test ให้กับระบบเทรดของเรา โดยในภาพนี้ผมเอาตัวข้อมูลจากคุณ charlie bilello ที่รวบรวมการทำ valuation ตลาดหมีไว้มาให้ดู ซึ่งข้อมูลแสดงพฤติกรรมตลาดในอดีตช่วง 1929 -2018 ที่เคยเกิดวิกฤติ มาให้ดู การใช้งานเราก็ลองพิจารณาช่วงเวลาที่เกิดในแต่ละรอบ ออกแบบการจัดการเงินให้รองรับ volatility ที่เกิดแล้วลองรันข้อมูลทำการ Back testing กับ asset ที่เราสนใจเลือกเฉพาะช่วงปีที่เกิดวิกฤตินั้นๆ(Overlap +/-2 ปีก็ได้)แทนกา รรันทดสอบย้อนหลังยาวๆ เพื่อทดสอบผลการทำงานในภาวะไม่ปกติดู ตรงนี้จะ testing แผนการจัดการเงินและการจัดการความเสี่ยงของระบบเราได้ดี มาก ยิ่งถ้าระบบไหนไม่แข็งแรง เรียกว่าไม่พังล้างพอร์ต หรือไม่ก็ Drawdown 80-90% ได้แน่นอน ปล. เพิ่มเติมถ้าพวกเราลองรัน data analysis ของ S&P500 ดูจะพบความน่าสนใจเยอะมาก ในภาพอดีตเราจะเห็นการถดถอยของดัชนี -50% ซึ่งหุ้นบางตัวในตลาดอาจจะลงไปมากกว่า -100% ก็เป็นได้ อีกด้านหนึ่งที่น่าสนใจคือความสัมพันธ์ระหว่างระยะเวลาของขาขึ้นหรือตลาดกระทิง ยิ่งขึ้นเยอะขึ้นแรงต่อเนื่องหลายปี การถดถอ

วันนี้มาตอบคำถามจากน้องๆที่เริ่มใช้งาน Psyquation (มีหลายฟังก์ชั่นการวิเคราะห์ที่มีประโยชน์มาก อย่าไปนั่งยึดติดดูที่ score อย่างเดียว หัดใช้เพื่อพัฒนาตัวเราในอนาคต ) เกี่ยวกับตัว Omega Ratio Omega Ratio พัฒนาต่อยอดมาเพื่อแก้ข้อจำกัดของ Sharpe ratio หรือโมเดลที่ใช้การประเมินด้วย Mean และ Variance เพราะบางกรณีเกิดการตีความที่อาจจะไม่เหมาะสมกับพฤติกรรมของ Performance ที่เกิดได้ ลองดูจากภาพประกอบ Shadwick&Keating ปี 2002 พัฒนาโมเดล Omega Ratio ขึ้นมาโดยหลักการคือแทนจะใช้แค่ Mean และ Variance ก็ทำการแบ่งพื้นที่ของ Return Distribution เป็นสองส่วนด้วย ค่า target return หรือ threshold จากนั้นวัดสัดส่วนของพื้นที่ cumulative probability distribution ทั้งสองที่ถูกแบ่ง (สรุปคราวๆไม่ได้ลงเรื่องของสมการและวิธีการหาค่า ลองไปอ่านใน link ด้านล่างได้) ส่วนการตีความ Omega Ratio มากกว่า 1 ถือว่า OK แน่นอนว่าถ้ามีค่ามากก็มีแนวโน้มดี สะท้อนความน่าจะเป็นที่จะให้ return ที่ดีและยังใช้การประเมิน risk metric เพื่อเฝ้าระวัง risk ที่เกิด แต่แน่นอนว่าการตั้ง threshold ก็มีผลต่อค่าคำนวณดังนั

Key สำคัญในการเทรดให้ประสบความสำเร็จนั้นคือ "การตัดสินใจ (Decision Making)" ระบบเทรด(trading system) แกนหลักประกอบด้วย กลยุทธ์การเทรด(entry&exit)และการบริหารจัดการเงิน นั้นก็คือ Framework มาช่วยการสนับสนุนการตัดสินใจ ให้มีประสิทธิภาพมากขึ้นโดยเฉพาะในสนามจริงที่มีเวลาจำกัดมีความกดดันจากผลกำไรขาดทุนจริงที่เกิด มันไม่ใช่เรื่องง่ายที่จะคิดได้เร็ว ตัดสินใจได้ดีโดยปราศจาก Bias ทางอารมณ์ ถ้าเป็นมือใหม่หัดเทรด อยากจะ day trading หรือจะสั้นระดับ scalping มันไม่ใช่แค่เรื่องการนั่งเฝ้ าหน้าจอส่องกราฟ ส่องแท่งเทียน อย่างเดียว สิ่งควรเริ่มทำคือการฝึกหัดเรื่องการตัดสินใจ บนภาวะที่ต้องเผชิญกับความเสี่ยงหรือความไม่แน่นอนให้เป็นก่อน ทักษะนี้คุ้มค่ามากถ้าเราเรียนรู้ และทำได้ดี โดยเฉพาะการสร้างระบบมาบริหารจัดการอารมณ์ ไม่ให้เกิดการแทรกสอดในการตัดสินใจ การรู้จัดประเมินความน่าจะเป็น และสุดท้ายเรื่องของการดีลกับผลของการตัดสินใจ action ที่เกิดตามมาทั้งดีและร้าย เพราะมันคือทักษะเดียวกันกับการ take risk ในชีวิตประจำวัน หรือการทำธุรกิจ เพียงแต่ความถี่ของการตัดสินใจในการเทรด มันจะเกิดบ่อย เ

คำถามหนึ่งทางกล่องข้อความจากน้องเทรดเดอร์ อยากรู้ว่าถ้าจะศึกษาระบบ GRID Trading System ในต่างประเทศจะสามารถหาอ่านได้จากที่ไหนบ้าง ? คำตอบคือ มันค่อนข้างจะเยอะ แต่กระจัดกระจายบนอินเตอร์เน็ต และบางอย่างอาจจะใช้จริงไม่ได้ ดังนั้นคงต้อง google หาแล้วลองไล่อ่านดู สิ่งต้องจำไว้ว่าระบบ grid พื้นฐานไม่ซับซ้อน หลักคือการจัดสรรทรัพยากรเงินในการเทรด บนขอบเขตราคาที่สอดรับกับ volatility ของ asset ซึ่งทำได้หลากหลายโมเดลมาก ดังนั้นที่ ซับซ้อน คือการต่อยอด การสร้าง tactical พิเศษเข้าไปเพื่อเ พิ่มประสิทธิภาพของมัน ผมยกตัวอย่าง link หนึ่งอยากให้ลองไปอ่านเป็น link เกี่ยวกับระบบ grid ชื่อว่า Grid trading system, keeping DD to a minimum ที่เก่า แต่มีประเด็นน่าสนใจ เพราะเป้าหมายคือ ต้องการหา solution ที่จะทำให้ Drawdown ของระบบ grid ต่ำลง ตรงนี้มีไอเดียให้คิดต่อได้จากการแสดงความคิดเห็นของเทรดเดอร์ต่างๆ(ฝรั่งเขาพูดเรื่องเดียวกัน แต่ทำแตกต่างกัน แสดงความเห็นแบบเปิดได้ ตรงนี้มันทำให้เกิด knowledge flow ขึ้นมา) ซึ่งเราสามารถเรียนรู้ และนำมาคิดต่อ พัฒนาระบบเราต่อได้ ครับ ปล. ในบทความไม่ใช่วิธีการสอนเทรดก

ขยายความจากการบรรยายเมื่อวาน เรื่องการพัฒนาระบบเทรด ปัญหาที่พบคือระบบที่ทำการทดสอบ Back testing ต่อให้ค่าสถิติออกมาดีแค่ไหน หรือทำกับข้อมูลย้อนหลังมากเพียงใดก็ยังไม่สามารถการันตรีว่าระบบจะทำเงิน หรือรอดในตลาดได้จริง 100% ดังนั้นการทำ Forward Testing ปล่อยให้ระบบเทรดเงินจริงในตลาดจริง(บนสภาวะแวดล้อมข้อจำกัดจริงทั้งเรื่อง liquidity , slippage และอื่นๆ) จะทำให้ได้ผลการประเมินที่สอดคล้องกับความจริงมากขึ้น สำคัญมากต่อการประเมิน  ความเสี่ยง ก่อนเริ่มใช้การเทรดบนเงินทุนจริงเต็มรูปแบบ แต่การทำ Forward Testing ของเทรดเดอร์ก็มีข้อจำกัดเรื่องของเวลา และเงินทุนทำให้อาจจะเก็บข้อมูลส่วนนี้ได้น้อย ค่าสถิติที่นำมาประเมินอาจจะมีนัยยะสำคัญไม่เพียงพอ ตรงนี้ Bootstrapping Method เข้ามามีบทบาทและเพิ่มผลการประเมินระบบ บนค่าความเชื่อมั่นที่ดีขึ้นได้ ซึ่งในตัวอย่างผมทำ Bootstrapping กับข้อมูล trading data ที่ได้จาก forward testing เพื่อประเมินหา risk ในระบบเทรด ก่อนนำไปปรับปรุง หรือวางแผนเพิ่มเติมในการใช้งานเทรดจริงต่อไป(งานนี้ไม่ได้เกี่ยวข้องกับการ simulation เพื่อ predict future แต่อย่างไร อย่าเข้าใ