ข้ามไปที่เนื้อหาหลัก

บทความ

Money Management กับ Negative reinforcement

สรุปประเด็นเมื่อวานที่ติว เพิ่มเติม ผมนำตัวอย่างระบบเทรดจริงมา ให้ดู ระบบนี้เทรดมาครบ 4 ปีเต็ม รันในตลาดจริงเทรดเงินจริง ที่นำมาเป็นตัวอย่าง อยากให้เห็นเรื่องของ "การอยู่รอด"  เพราะส่วนใหญ่ถ้าทำระบบเทรด กัน โดยยังไม่ได้เข้าใจพฤติกรรม ตลาดจริง มักจะเน้นที่ back testing สวยๆแม่นยำ 80%-90% ผลตอบแทนขั้นเทพ สุดท้ายมันก็ over fitting ใช้จริงไม ่ได้ แต่ด้วยความเชื่อมั่นที่มาก  + data mining bias ทำให้ฝืนและต้องมาขาดทุน ดังที่บอก ทำระบบไม่ต้องไปคาดหวังกับก ารทดสอบย้อนหลัง หรือติดกับข้อมูลในอดีตมาก ทำให้ดีระดับหนึ่ง เน้นคุม risk จากนั้นลองเทรดจริง แล้วเก็บข้อมูลตรงนั้นมา optimize  ในภาพระบบเทรดผมไม่ซับซ้อน เทรดแบบ Vector Scalping ธรรมดา แต่สิ่งที่เราทำคือใช้ Money Management แบบ Profit Fixed Fractional นั้นหมายความว่า ถ้าระบบทำกำไรได้ เราก็จะเพิ่มหน้าตัก ถ้าช่วงไหนขาดทุน ผิดพลาดบ่อยหรือไม่ทำผลงานไ ด้ตามเกณฑ์ ก็จะลดขนาดเงินทุนลง  โดยเอา Negative reinforcement คือมีบทลงโทษ เช่นการพักการเทรด ลดจำนวนรอบ หรือโค้วต้าออร์เดอร์ที่เทร ด ทำให้ตระหนัก บทเรียน ในความผิดพลาด ยอมรับในความผิดพลาด อย

risk of overfitting

เมื่อวานเขียนถึงเรื่อง overfitting วันนี้เอา paper หนึ่งมาฝาก ชื่อ Real numbers, data science and chaos: How to fit any dataset with a single parameter ช่วยให้เห็นภาพเข้าใจปัญหาข องประเด็นนี้มากขึ้น (ไม่ต้องหลายพารามิเตอร์ แค่หนึ่งพารามิเตอร์ก็ over fit ได้)  ถ้าใครไม่ชอบอ่าน paper ที่มี math เยอะๆ ลองดู code ภาษา python โปรเจค single-parameter-fit ด้านล่างก็ได ้ เขาสาธิตให้เห็นการเทคนิค สร้างโมเดล ที่มา fit กับ traning dataset หรือข้อมูลในอดีต ที่เตรียมไว้ ด้วยตัวแปรเดียว นอกจากข้อมูลทั่วไป เขายังสาธิตข้อมูลประเภท time series เช่น S&P500 index ด้วย  เชื่อว่าได้ลองศึกษาบทความน ี้ จะช่วยให้เรากระจ่างมากขึ้น  ส่วนเทคนิคลดทอนการ over fiitting ของการพัฒนาโมเดล / พัฒนาระบบเทรด ก็มีหลายทาง เช่นการทดสอบจาก simulation ของข้อมูลจำนวนมากๆ, การทำ Regularization,การทดสอบ Cross-validation , การทำ Walk Forward Analysis and Optimization เป็นต้น  นี้เป็นอีกคำตอบหนึ่ง ที่ว่าทำไมระบบเทรด สถิติจาก back test สวยๆเวอร์ๆ จึงเอาไปเทรดจริง ในตลาดไม่รอด ... ศึกษาเพิ่มเติมจาก https://arxiv.org/

ตัวอย่าง volatility based money management

อธิบายเรื่องของ volatility based money management เมื่อคืน ยกตัวอย่างการคุม ค่า Portfolio Variance ให้ไม่เกิน 20% ไปเบื้องต้น  โพสนี้เป็นอีกตัวอย่างแนวคิ ด ที่เราจะสามารถนำไปปรับประย ุกต์ได้ เป้าหมายคุม risk โดยใช้ volatility targeting เป็นหัวใจของการออกแบบการเท รด ตัวอย่างนี้เป็นไอเดียของ S&P 500 Risk Control 10% Index ซึ่งกองนี้ขายการลงทุนใน S&P500 แต่ fix ตัว 10% volatility target จริงๆกลยุทธ์นี ้น่าสนใจ เขาเน้นการเทรดหรือปรับสมดุ ลระหว่าง S&P 500 และ Cash โดยใช้ volatility เป็นเงื่อนไขหลัก ด้านรายละเอียดไม่ได้ลงมากใ นบทความนี้ แต่ลองไป google แกะกลยุทธ์ต่อได้ เป้าหมาย เขาจะเกาะโอกาสจากภาวะตลาด S&P500 ที่เติบโต แต่ขณะเดียวกัน ก็ลดทอนความผันผวนและการถดถ อยจาก S&P 500 Index ด้วย ปล. ไม่ได้โฆษณา หรือ เชียร์ขายกองทุนนะ แต่เอาแนวคิดมายกตัวอย่างให ้ ลองศึกษากันครับ อ่านเพิ่มเติม http:// www.annuityadvisors.com/ forms/great-american/ S&P-500-Risk-Control-Index. pdf

An Animal Kingdom of Different Risks

บทความนี้ของ คุณ Mark Rzepczynski ( Ceo AMPHI Research ,อดีต PM ของ GRT Capital) อธิบายเรื่อง Risk ได้น่าสนใจมาก เขาจำแนก risk แบบต่างๆโดยใช้ สัตว์เป็นตัวแทน ได้แก่ เสือดาว,แรด และหงส์ดำ Black Swans หรือหงส์ดำ น่ารู้จักกันดี โดยเฉพาะถ้าเคยอ่านงานของ taleb ตรงนี้ตัวท๊อป เพราะความน่าจะเป็นการเกิดต่ำ นานๆเกิดที แต่เกิดแล้วผลกระทบรุนแรง หนักหน่วง คำแนะนำในการรับมือบทความนี้คือ maximum diversification Grey Rhinos หรือ แรดเทา คุณ Rzepczynski มองว่ามันเป็นความเสี่ยงที่ใหญ่ มีคนทักมีคนพูดถึง แต่คนส่วนใหญ่ละเลย หรือมีเหตุให้เชื่อว่ามันไม่น่าจะมีอะไร เช่น ตัวหนี้สาธารณะ,ตัวเลขเศรษฐกิจบ่งชี้ เป็นต้น คนส่วนประมาทความเร็วและความแรงของ แรดเทา แต่ถ้ามันโจมตีขึ้นมา ก็ยากที่จะรอด ดังนั้น คุณ Rzepczynski แนะนำให้จับตามองและกระจายความเสี่ยงไปยังสินทรัพย์อื่นๆหลบปัจจัยเสี่ยงประเภทนี้บ้าง White Leopards ตัวนี้เสือดาวขาว เร็ว แรง และฉลาดหลบซ่อน ทำให้คนมองเห็นได้ยาก ความเสี่ยงประเภทนี้มักซ่อนอยู่ บางทีกว่าจะเจอก็โดนเล่นจนอ่วม รวมไปถึงความเสี่ยงที่เกิดจากกลยุทธ์ในการเทรดกับสินค้าใดๆ หรือความเสี่

Startup Idea : FlyThere

FlyThere เป็นสตาร์ทอัพที่สร้างบริการ เปิดให้ ลูกค้า บินโดรนออนไลน์ ผ่านอินเตอร์เน็ต เพื่อท่องเทียว บินชมภาพมุมสูง บรรยากาศสุดยอด ในสถานที่ท่องเที่ยวที่ไม่ธรรมดา จุดต่างๆทั่วโลก ในราคา $7.5 FlyThere ไอเดียน่าสนใจมาก เขาจับคู่ระหว่าง คนที่มีโดรนในท้องถิ่น ที่มีสถานที่ท่องเที่ยวสวยๆ ต้องการสร้างรายได้ ก็สมัครเป็น co-pilot กับ คนอยากเที่ยว สัมผัสประสบการณ์บินโดรน ในที่สวยๆด้วยตัวเอง ซึ่งลูกค้า สามารถนัด/จองวัน ออกบินผ่านเว็บ จากนั้น co plot ในพื้นที่จะพาโดรนออกสนาม และช่วยดูแลการบิน ด้านลูกค้า ที่ต้องการบินโดรน แค่มีอินเตอร์เน็ต ก็บังคับโดรนบินเล่นด้วยตัวเองผ่าน web browser จะใช้ จอยสติก หรือ คีย์บอร์ด ก็ได้ ผมเข้าไปดูในแหล่งบิน ในไทยก็มีคนลงทะเบียนเป็น local co pilot หลายแห่ง เช่น ภูเก็ต นอกจากนี้มี อเจนตินา , บราซิล และอื่นๆ ลองเข้าไปใช้บริการ หรือศึกษาเพิ่มได้จาก link ด้านล่าง หรือกรณีมีโดรน และอยากหารายได้เสริม สมัครเป็น co pilot ได้เช่นกัน  https://www.flythere.com/

Trading Volatility as an Asset Class

เช้านี้ผมได้อ่านบทความหนึ่ง ชื่อ Trading Volatility as an Asset Class จาก thehedgefundjournal ค่อนข้างน่าสนใจ โดยเฉพาะ น้องๆที่จะหัดเทรด options อยากให้มองประเด็นนี้ให้ชัด มันช่วยพัฒนากลยุทธ์ได้มากกว่าการไปนั่ง เก็งกำไรกับทิศทางราคา ไอเดียหลักบทความนี้ พูดถึงการที่เรามอง volatility ของราคาให้เป็นเหมือน asset ตัวหนึ่งในพอร์ต ซึ่งมีการ implement ได้หลายแบบ ในบทความนี้เน้นใช้ options เพื่อ diversify กระจายความ เสี่ยงรวมของพอร์ต ใช้ options ควบคู่กับ core asset ที่อาจจะใช้ strategies หลักระยะยาวรันขนานกันไป กับ options ที่มีช่วงเวลาวันหมดอายุ แต่ช่วยให้ผ่าน market volatile ที่เกิดได้ในอนาคต เป็นการวางกลยุทธ์ในระดับ portfolio management strategies ที่ประเมิน volatility ใน asset หลักที่เกิดจากนั้นใช้ options มาเป็นตัวดูดซับ ค่าความไม่แน่นอนตรงนั้น ซึ่งบทความนี้ผู้เขียนมองถึงปัจจัยเสี่ยงภายนอก ที่เชื่อว่าจะมีอิทธิพลมากขึ้น เช่นเรื่อง ความไม่แน่นอนเศรษฐกิจโลก, นโยบายธนาคารกลางรอบใหม่, การเปลี่ยนแปลงอัตราดอกเบี้ย, US debt ceiling และสเถียรภาพของ eurozone เป็นต้น ผลกระทบปัจจัยเหล่านี้ส

Inside the Geeky,Quirky, and Wildly Successful World of Quant Shop Two Sigma

ถ้าศึกษาด้าน quant แนะนำลองอ่านบทความนี้ เรื่องราวของ David Siegel และ John Overdeck พาTwo Sigma จาก boutique firm มาสู่ institutional asset manager ขนาดใหญ่ จุดเริ่มต้นในปี 2002 ที่ได้รับเงินทุนสนับสนุนจาก Paul Tudor Jones และ Tom Hill (ในเวลาต่อมา) จนวันนี้กลายมาเป็น quant hedge fund อันดับต้นของ อุตสาหกรรม (AUM $60 billion) key take away บทความนี้มีเยอะมาก เช่นเรื่องประวัติ เส้นทาง อาชีพของ David Siegel และ John Overdeck ทั้งสองมีพื้นฐานด้านวิทยาศาสตร์ overdeck ชำนาญ math ส่วน siegel คนนี้จบ phd ด้าน computer science จาก MIT เชี่ยวชาญสาย Artificial Intelligence ซึ่งก่อนหน้าทำงานให้กับบริษัทของ D.E. Shaw จากนั้นไปทำงานเป็น chief technology officer ที่ Tudor Investment ให้กับ PTJ เป็นเวลา 4 ปีก่อนมาตั้ง Two Sigma ประเด็นหนึ่งที่ผมชอบคือ Two Sigma ไม่ใช่ quant ที่แค่เอา datascience มาใช้เพื่อทำนายตลาด มันครอบคลุมเรื่องของการใช้เพื่อทำ risk management, portfolio management ร่วมไปกับการทำ stategies สร้างผลตอบแทนกลุ่มหลักได้แก่ equity market-neutral และ various macro strategies ครอบ