ข้ามไปที่เนื้อหาหลัก

บทความ

กำลังแสดงโพสต์จาก กุมภาพันธ์, 2024

Algorithmic Trading ด้วย python

มีสมาชิกถามเข้ามาขอแนวทางการใช้ python ทำ algorithmic trading ซึ่งจริงๆปัจจุบัน มันสะดวกกว่าอดีตมาก มีหลายตัวที่ช่วยเราได้ ตั้งแต่ทั้งเรื่อง Data Analysis , Trading Strategies , Backtesting และ Trading API ซึ่งหลายตัวผมเคยได้โพสแนะนำไปแล้ว เช่น OpenBBTerminal , TA-Lib(Python) , QuantStat และ Zipline เป็นต้น ถ้าอยากลองทำด้านนี้ไม่ยาก แต่เพื่อความรวดเร็วแนะนำหาหนังสือมาอ่าน เพราะหนังสือ text book จะสอนเรื่องการทำระบบเทรด ทั้ง algorithm ส่วน Trading Strategies และ Money Management ,Order Management ด้วย โดยปัจจุบันมีหลายเล่มมาก ทั้งแบบพื้นฐานยันขั้นสูง ที่มีออกมาขาย โอกาสหน้าจะมารีวิว เล่มที่ผมซื้อมาอ่านให้ฟังต่อไป แต่วันนี้สำหรับคนที่อยากเริ่มต้นแต่ยังไม่อยากเสียเงิน ก็ลองดูเล่มนี้ก่อนได้ ชื่อ Algorithmic Trading with Python: Quantitative Methods and Strategy Development เขียนโดย Chris Conlan อาจจะเก่าหน่อยออกปี 2020 แต่เป็นอีกเล่มที่มีตัวอย่าง code ให้ฟรี ซึ่งถ้ายังไม่อยากซื้อลองแวะไป Github จากลิงค์ข้างล่าง เพื่อลองดูตัวอย่าง algorithm และการวางโครงสร้างของ code ในส่วนต่างๆได้ ครอบคล

Magnificent 7 กับคำเตือนเรื่องฟองสบู่

รายงาน จาก DeutscheBank ข้อมูลของ Magnificent 7 หุ้นดาวเด่น Big Tech ที่เกี่ยวข้องกับการพัฒนา เทคโนโลยี AI และมีฐานธุรกิจกระจายทั่วโลก อย่าง Apple, Amazon, Alphabet, Meta, Microsoft, Nvidia และ Tesla ที่ล่าสุดทั้งผลกำไร และขนาดมูลค่าหลักทรัพย์ Market Cap รวมกันทั้งหมด 7 บริษัท นั้นสูงกว่าบรรดาบริษัทเกือบทั้งหมดที่จดทะเบียนในตลาดหลักทรัพย์ส่วนใหญ่ในกลุ่ม G20 แต่ยังแพ้ 2ประเทศคือ จีน และญุี่ปุ่นที่ ผลกำไรทั้งหมดของทุกบริษัทในตลาดหุ้นรวมกัน ขณะที่ล่าสุด Market Cap ของ Microsoft และ Apple รวมกันก็ใกล้เคียงกับบริษัทจดทะเบียนทั้งหมดในตลาดหลักทรัพย์ของฝรั่งเศส ซาอุดีอาระเบีย และ UK ดูเหมือนเป็นเรื่องดีสำหรับ นักลงทุนแต่นักวิเคราะห์ของ DeutscheBank มองว่ามันคือการกระจุกตัว และเป็นความเสี่ยงที่น่ากลัวของตลาดหุ้นสหรัฐ และบริษัทในกลุ่ม Magnificent 7 จะเชื่อมโยงไปยังตลาดหุ้นประเทศต่างๆ ที่ถ้าเกิดวิกฤติ รอบใหม่ ก็อาจจะเกิดการรุกรามกระทบไปยังประเทศต่างๆทั้วโลกด้วย ประเด็นนี้ นักกลยุทธ์ Michael Hartnett ของ ฺBofa ก็ออกมาพูดถึง โดยสรุปคือเขาบอกว่าตลาดยคล้ายกับตอนปี 2000 , หุ้น AI และ tech stocks ,

System & Goal

การจะสำเร็จได้นั้น มันต้องมีทั้งระบบและเป้าหมาย+แรงจูงใจ ไปด้วยกันถึงจะสำเร็จ ถ้าไม่มีระบบเทรด ก็ขาดแผนขาดความชัดเจน มันก็จะไร้ประสิทธิภาพ  สะเปะสะปะมโนไปตามอารมณ์ตามความความเฟ้อฝัน แต่กว่าระบบ(Trading System) มันจะ Work มันต้องผ่านอุปสรรค ผ่านปัญหามากมายกว่าจะปรับจูนให้มันใช้ได้จริงและใช้ได้เหมาะสมกับเรา ดังนั้นเป้าหมายจึงสำคัญ และต้องชัดเจน เพิ่อใช้สำหรับยึดถือในใจ  ว่าเราพยายามทุ่มเท ทำงานหนักไปเพื่ออะไร......

Data Analysis ด้วย Python Quant Stat

คลิปสอนการใช้งานการทำ Data Analysis สำหรับข้อมูลราคาสินทรัพย์ เช่น ทองคำ, หุ้น และค่าเงิน ด้วย Python กับตัว Quant Stat Lib พอดีมีคำถามเรื่องการใช้งานเข้ามาเยอะ ผมก็เลยถือโอกาส live สดอธิบายแบบ step by step ให้ฟังเลย 

การลงทุนในตลาดหุ้นอินเดียผ่าน ETFs

 ก่อนหน้าเขียนถึงการลงทุนในตลาดหุ้นประเทศอินเดียผ่าน ETFs ไป, วันนี้เลยอยากนำข้อมูลรายละเอียดเพิ่มเติมมาแบ่งปัน เพื่อให้ลองไปศึกษากันต่อ โดยผมนำข้อมูลมาจาก ETFdb เขาจะมีข้อมูลสถิติ, ผลงาน และรายละเอียดของพอร์ตกองทุน ETFs แต่ละกองอย่างละเอียด  คัดเฉพาะที่เน้นในตลาดหุ้นอินเดียเป็นหลัก มีราวๆ 14 กองทุน, ถ้าเลือกเฉพาะกองใหญ่สภาพคล่องดี มี AUM ,มากกว่า $150 ล้าน ก็จะมี 7 กองทุน ETFs ที่เป็นที่นิยมมาก เช่น iShares MSCI India ETF (INDA)  ,WisdomTree India Earnings Fund (EPI) ,iShares India 50 ETF (INDY) ,iShares MSCI India Small-Cap ETF (SMIN) , Franklin FTSE India ETF (FLIN)  ซึ่งตัวหลักเหล่านี้มีผู้ออกและดูแลกองทุนเป็นสถาบันการเงินขนาดใหญ่ค่อนข้างหน้าเชื่อถือ และเปิดบริการมาหลายปี ,แต่ละกองทุนมีรายละเอียดของประเภทหุ้นและสัดส่วนเงินที่ถือครองในพอร์ตแตกต่างไป บางกองเน้น Growth stock , Big Cap, Small Cap หรือเฉพาะเจาะจงเน้นกลุ่ม internet & Ecommerce technology เป็นต้น โดยกรณีถ้าจะลงทุนหรือจะเทรด ถ้ามีบัญชี Global Trading Accont อย่างใน DIME, InnovestX ก็เทรดได้เลย  จุดสังเกตหนึ่งที่เคยบอกไ

PyPortfolioOpt

หลักจากใช้งานมาสักระยะ รู้สึก ชอบ PyPortfolioOpt มากคือเป็น lib ที่มีครบเรื่อง portfolio optimization จริงๆ ถ้าเป็นแต่ก่อนจะทำ Risk parity , จะรัน CVaR หรือใช้ Black Litterman ก็ต้องเขียน code ยุ่งยากหลายขั้นตอนเลย กว่าจะเสร็จ แถมต้องใช้เครื่องแรงๆมารัน simulation , ตอนนี้ใช้ Google Colab ประมวลผลรันหา weight ด้วยโมเดลต่างๆ แล้วทดสอบ Portfolio Performance แสดงผลรับเป็นกราฟด้วย Quant Stat จบเลย ทุ่นแรงเบาเวลา ไม่มากจริงๆ ใครสนใจลองศึกษาเพิ่มเติมได้ที่ https://pyportfolioopt.readthedocs.io/en/latest/