cwayinvestment

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

 จาก คลิปการบรรยาย Trade like Jesse Livermore ที่ได้แชร์ไปก่อนหน้า มีประเด็นหนึ่งที่ผมได้พูดเรื่อง Risk Reward Ratio ไว้ว่าการวัดความคุ้มค่าแบบนี้ มันเหมาะใช้กับ Trend Following , หรือ Momentum Trading ที่เราเน้นการถือ Position มีระยะเวลาถือครองสถานะระดับหนึ่ง เพื่อให้เกิด Profit Run จากการเติบโตของเวลา ดังนั้นมันจึงเหมาะสมลงตัว แต่กลุ่ม Volatility Trading strategies เช่น HFT, Scalping , GRID, Mean Reversion มันเทรดตาม volatility ธรรมชาติของความผันผวน มันจะกินเวลาที่สั้นหรือจำกัดอยู่แล้ว ดังนั้นการเทรดถ้าถือสถานะยาว อาจจะไม่ได้เปรียบหรือเกิดประโยชน์ต่อกลยุทธ์ Volatility Trading ดังนั้นพวกนี้เขาจะไม่ได้เปรียบเทียบความคุ้มด้วย RRR จากการเทรดครั้งต่อครั้ง แต่แนวทางจะใช้สิ่งที่เรียกว่า Asymmetric Risk อธิบายสั้นๆ คือ เทรดพวก Limit Risk แต่หาประโยชน์จาก Return ที่เกิดในช่วงสินทรัพย์ผันผวนสูง(ตรงข้ามกับพวกที่เล่น High Risk ,หวัง High Return บนสินทรัพย์เสี่ยงนะ) โดยใช้ Risk management และ Money management จำกัด Downside ที่เกิดจากการเทรด ให้มากที่สุด, เราจะเห็นการเทรดสถานะย่อย,การเข้าออกหลายร

สัปดาห์นี้นำเรื่อง กลยุทธ์การเทรด Breakout ด้วย Average Directional Index(ADX) มาแชร์ครับ , เครื่องมือง ADX ตัวที่น่าสนใจเพราะใช้วัดกำลังและคุณภาพของ Trend ,หรือทำหน้าที่เป็น Trend detection ได้ เมื่อนำมาใช้ร่วมกับการวิเคราะห์ Volume และ Volatility ก็ทำให้ สามารถนำมาสร้างกลยุทธ์ในการเทรด Breakout ได้ค่อนข้างดีและมีประสิทธิภาพเลยทีเดียว สนใจลองแวะไปฟังได้ที่ https://youtu.be/N7LNiFQJ3oI

3Min paper review ,หัวข้อ The Trinity Portfolio ของคุณ Meb Faber  โดยคลิป ผมจะเอาผลการทดสอบ  Trinity Portfolio ในเชิงกลยุทธ์ระยะยาว 1926-2015 มาอธิบายให้ฟัง  โมเดล Trinity Portfolio ค่อนข้างน่าสนใจเป็นแนวทางการสร้างพอร์ตแบบ Global Asset Allocation, การเลือกสินทรัพย์ (asset selection) ด้วยเทคนิคการผสม Value + Cross Sectional Momentum และการใช้กลยุทธ์ Dual Momentum ผสมทั้ง TSMOM กับ CSMOM   ถ้าใครที่กำลังมองหาไอเดีย การทำพอร์ตระยะยาวแบบความเสี่ยงต่ำ จะได้นำไปศึกษาต่อยอดกันครับ ดาวน์โหลด paper ตัวเต็มได้ที่ https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2801856 เข้าฟังการบรรยายสรุปได้จาก  https://youtu.be/oYBfMZ85n0E 

เมื่อเช้าผมเห็นคนพูดถึงเนื้อหาใน A Random Walk Down Wall Street แล้วโจมตีแนวทางการเทรด, และการใช้โมเดลการวิเคราะห์ราคาหุ้น จริงๆผมเคยอธิบายประเด็นนี้ไว้แล้วเมื่อหลายปีก่อน ดังนั้นคงไม่อยากไปโต้แย้งอะไรเพิ่มเพราะสุดท้าย มันเป็นเรื่องของความเชื่อส่วนบุคคล ,แต่สิ่งที่เราเห็นเป็นหลักฐานเชิงประจักษ์ในยุคปัจจุบัน จะพบคนที่ประสบความสำเร็จจากตลาดหุ้น เช่น Ray dalio, George soros, Jim Simons , Warren buffett ล้วนไม่ได้ใช้วิธีการหรือแนวทางเดียวกันเสมอไป ดังนั้น มันย่อมมีมากกว่า วิธีการเดียว หรือความเชื่อเดียว ที่เอาชนะตลาดและอยู่รอดในตลาดหุ้นเสมอ ถ้ามีโอกาสอ่าน A Random Walk Down Wall Street อยากเห็นอีกด้านของเหรียญ หรือวิธีคิดที่แตกต่างออกไป ผมแนะนำหนังสือชื่อ A Non-Random Walk Down Wall Street เป้าหมายที่เขียนขึ้นเพื่ออธิบายจากข้อมูลจริงและโมเดลเชิงเลขที่บอกว่า ราคาหุ้น ไม่ได้มีแค่ random walk เสมอไปหรือทุกช่วงเวลาแต่มัน adaptive ความเสี่ยงที่เกิดก็ปรับเปลี่ยนเพิ่มลดไปได้เช่นกัน และเราก็ใช้ประโยชน์จากมันได้ คนเขียนหนังสือเล่มนี้ก็ไม่ได้โนเนม แต่เป็น professor Andrew W. Lo แห่ง MIT Sloan Sc

ขยายความไอเดียที่ แชร์เมื่อคืนในห้องเทรดมือใหม่นะครับ Key สำคัญคือการออกแบบระบบ ที่มันไม่เร่งเกินไป เพื่อให้เราติดกับดักความโลภและการมโนคติ อยากให้ระบบเทพที่แม่นยำสูงๆ กำไรเยอะๆ(สุดท้ายก็ไปแต่งระบบให้สถิติดูดีจน over fitting กับข้อมูลอดีต แต่ใช้จริงไม่รอด) แทนที่จะเร่ง ก็ลองปล่อยให้ระบบมันโตแบบพอดี ผมเลยแนะนำให้ลองนำเอา Rule 72 มาใช้ตั้ง Goal ในการวางแผนระบบ โดย Rule 72 คือแนวทางการประมาณการเพิ่มของเงินต้นเป็น 2 เท่า หรือสร้างผลตอบแทน 100% จากทุนเริ่มต้นที่มี เช่นกรณีนี้ผมตั้งเป้าว่าจะปรับต้นทุนให้เหลือ 0 หรือทำกำไรให้ได้ 100%เพื่อ cover ต้นทุนในการเทรดเริ่มต้นใน 3 ปี ก็ประเมินหา rate of return ที่เหมาะสมได้จาก 72/3 = 24 หรือราวๆ 24% ต่อปี , ตัวเลข Return คาดหวังนี้ก็นำไปใช้ออกแบบ Money management และวางกลยุทธ์ในการเทรดต่อ เช่น ถ้าใช้ leverage 5x , เมื่อเทียบกับการกระจายไปบน asset ที่มี volatility ไม่สูงเกิน 10% ผสม 1-3 ตัวเพื่อลด total risk โอกาสในการทำสำเร็จได้ผลตอบแทนต่อปีตามเป้าก็มีได้จริง โดยไม่ต้องเสี่ยงหมดตัวจากการเร่ง over trading ด้วยการใช้ leverage สูงๆแบบ 50x , 100x ด้วย

  คลิปนี้เป็น lecture เรื่อง Options II ของ MIT สอนโดย prof. Andrew Lo , (จัดว่าเป็นอีกคลิปที่สอนเรื่องเทรด options ดีมากเพราะไม่มโนและเป็นสายอธิบาย math ได้เข้าใจชัดเจนดี) ในภาพนี้กำลังบรรยายเรื่อง option strategies ,มันตรงกับคำถามหนึ่งที่มีคนถามเข้ามาว่า ทำไมไม่ Buy ทั้ง call และ put ที่ stike price เดียวกันหรือใกล้กัน(Delta Neutral) เพื่อหา profit จาก high volatility และดักทั้งทิศทางขึ้นและลงของ ตลาด ถ้ามองในภาพจะเห็นว่า V shape ของ payoff diagram มันมี สามเหลี่ยมเล็กที่สะท้อนถึง cost จากการเปิดสัญญา เอาจริงๆถ้าเคย Buy put options ตอนภาวะความไม่แน่นอนในสภาวะตลาดและทิศทางราคาอนาคต(แบบตอนนี้ทั้งใน stock market หรือ crypto market) ต้องจ่ายค่า premium แพงกว่าปกติเสมอ , ทำให้สุดท้าย ต้นทุนในการทำ กลยุทธ์ call+put นี้อาจจะ ขาดทุน ก็เป็นได้ ดังนั้นถ้าจะทำต้องหา tactic มาเก็บ position ให้ได้ต้นทุนที่เหมาะสม แล้วต้องลองคำนวณต้นทุนในการเทรดดีๆ เพราะการเทรด options มันไม่ง่ายแบบในตำราเสมอไป, (ถ้ามือใหม่ แนะนำลอง buy ใน spot market + buy put options จะทำกลยุทธ์ได้ง่ายกว่า) เรียนรู้เพิ่ม

  เมื่อคืนบรรยาย Downside protection ผมพูดถึง Dividend volatility trading. สไตล์การเทรดใช้ volatility และ correlation ไม่ใช่เรื่องใหม่และมีการพัฒนามากนานและหลากหลายรูปแบบมาก อันหนึ่งที่น่าสนใจคือ Dividend volatility trading หรือประเภท Dividend Arbitrage Strategies ใช้พฤติกรรมราคาของหุ้น ที่เกิดความไม่ปกติได้รับผลกระทบในวันขึ้นเครื่องหมาย(ex-dividend date) จ่ายปันผล บางหุ้นมีแรงขายกดดันทำให้ราคาหุ้นลงแรง กระทบกับอนุพันธ์ที่อ้างอิงราคาหุ้นนั้น เช่น stock options กลยุทธ์ Dividend Arbitrage ใช้โอกาสจากจุดนี้ โดยสรุปคือ ซื้อหุ้นก่อนขึ้นเครื่องหมาย และซื้อ Put option (ในบทความแนะนำ ITM เพื่อให้ premuim ไม่สูงและเกิดประสิทธิภาพทางต้นทุนในการ hedge ,ขณะเดียวกันไม่จำเป็นซื้อ ITM Put ในวันขึ้นเครื่องหมายทันทีเสมอไป อาจจะวางแผนล่วงหน้าได้) โดยประมาณหุ้นที่ซื้อ ใกล้เคียงกับขนาดสัญญา Options ส่วนการทำกำไร ก็รอหลังวันขึ้นเครื่องหมายเพื่อให้ได้ dividend ร่วมด้วย ผลลัพธ์สุดท้าย ปิดสถานะทำกำไรจาก Put option มาชดเชยผลขาดทุนจากราคาหุ้นลง(ถ้าถือหุ้นยาวต่อก็ไม่ต้อง ขายหุ้นทันทีก็ได้) Dividend Arbitrage ใช

  ตอนนี้กำลังตีโจทย์ออกแบบระบบที่ fix ขนาดของ MaxDD (ระดับเดือน 10%)และ Daily loss อยู่ จริงๆมันก็ไม่ยากถ้าไม่มีโจทย์เรื่อง Profit tatget ที่ 10% เข้ามาด้วย เพราะปกติสองด้านนี้มันสองสายเลย ความยากมันจึงเกิด จริงๆแล้ว Return นี้มันไม่อาจจะควบคุมเพราะมันแปรผันไปตามภาวะตลาดและราคา asset แต่ Risk หรือความเสี่ยงเราคุมได้สบายๆ พอโจทย์มันจับสองตัวมาผูกกัน(เข้าใจว่าเขาพยายามจะทำให้ผ่านยาก) ตรงนี้แหละปัญหา วันนี้ได้ฟัง podcast อันหนึ่งของ Perry Kaufman จากรายการ toptradersunplugged เขาพูดถึงการใช้ Volatility Targeting ไอเดียโดยสรุปคือการคำนวณ volatility ของพอร์ต เพื่อใช้กำหนดขนาดของ position size และการใช้ leverage ในกลยุทธ์การเทรดของ system , แนวทางของ Kaufman ใช้การคำนวนvolatility ของพอร์ตจาก mean 40 day return ซึ่งตั้ง target ที่ 12% ถ้า portfolio มันเคลื่อนเกิน 12% เขาก็จะ stoploss หรือปรับลด position ลง โดยเฉพาะ position ที่ใช้ leverage , ขณะที่ถ้า portfolio volatility ต่ำกว่า 12% เขาจะดึง volatility ขึ้นการใช้ leverage เพื่อเพิ่มขนาด position size ในช่วง low volatily เพื่อบูต return ของพอ

  พอดีวันนี้หาข้อมูลตัวอย่างการอธิบาย Gamma Squeeze ไปเจอคลิปนี้ใน youtube ดีงามมาก เขาใช้ agent-based simulation จำลองภาวะตลาด พฤติกรรมราคาให้เห็นถึง market dynamics ผ่านข้อมูล limit order book (LOB) ของหุ้น GameStop ช่วงเดือน Jan 2021 ที่ผ่านมา โดยโปรแกรมจำลองนี้เขาแบ่งกลุ่มผู้เล่นเป็นทั้ง -Short Seller (Early/Late), -Investor(Long/Buy stock), -Retail Trader(Buy stock,long call options), -Option Market Maker( hedging with buy underlying stock), นั่งดูการ simulation แล้วก็น่าสนใจดี เห็น volume มันกระชากในบางช่วง,และภาวะการเปลี่ยนแปลงของ Bid ask spread ที่ไม่ปกติ สะท้อนภาวะความไม่คงตัวของ market dynamics ที่เกิด ดูคลิปนี้ทำให้เข้าใจพฤติกรรมราคาของ GME จาก player กลุ่มต่างๆมากขึ้นเพราะมันไม่ใช่การไล่ราคาหุ้นปกติธรรมดา แต่มันมีเกมส์ของรายใหญ่ รายย่อยจำนวนมาก(WSB)และกลุ่ม options maker เข้ามาร่วมด้วย ปล. GME ปัจจุบันจบรอบ ราคาไปทำ High ที่ 483 ช่วงปลายเดือน มกราคม ล่าสุดราคาร่วงหนักลงมาเหลือ 40.59 ทำให้เทรดเดอร์ที่ไล่เข้าช่วง $100 ขาดทุนไปตามระเบียบ ปล. จริงๆมันคงเกิดกับหุ้นในตลาดสหรัฐปก

  วันนี้ผมได้อ่าน paper หนึ่งชื่อ Time series momentum ของคุณ Tobias J. Moskowitz และคณะเรียกว่าน่าสนใจมากโดยเฉพาะ ถ้าเราใช้กลยุทธ์ Trend following หรือ สาย Mometum Trading จริงๆมีหลายประเด็นจากการทดสอบ เรื่อง Return และ Performance ของกลยุทธ์แต่บางอย่างมันละเอียดอ่อน ถ้าผมนำมาเขียน อาจจะทำให้คนที่เทรด Trend Following ไม่ค่อยเห็นด้วย ดังนั้นลองไปอ่านผลการทดสอบและคำอธิบายเองน่าจะดีกว่า

  จบ live สดบรรยายไอเดียการบริหารจัดการความเสี่ยงแบบ D&D (diversification & de-risking strategies.)ให้กลุ่มน้องๆเทรดเดอร์ไป พอดีเมื่อวานมีคนถามแนวทางการเทรดปีนี้ ส่วนตัวผมมองว่าสถานการณ์เศรษฐกิจมันยังไม่โปร่ง covid ยังไม่จบ ตลาดหุ้นก็ขึ้นทรงแปลกๆ เลยแนะนำการจัดการความเสี่ยงเบื้องต้นในพอร์ตไป สรุปสั้นๆสำหรับคนที่ไม่ได้เข้าฟัง 1. ผมเริ่มจากการ diversification จริงๆก็ทำ correlation analysis นะแต่ไม่ต้องการฟิกเลยเอา economic template ของคุณ ray dalio มาประยุกต์ คือผสมที่สัมพันธ์กันต่ำ และเลือกผสมหลายตัว ทั้งกลุ่ม asset ที่รอดในภาวะ High inflation , low inflation และ recession รวมสัก 4-5 ชนิดแต่ละตัวของให้รอดในหนึ่งเคสภาวะเศรษฐกิจพวกนี้ แบบไม่ต้องเดา ว่าเศรษฐกิจปี 2021 จะออกมุมไหน ก็เตรียมรอไว้หมด และใช้ weight แบบ inv volatility ก็น่าจะลด total risk ในพอร์ตลง 2. ก็ทำกลยุทธ์ de-risking โดยเน้นหาตัวที่ค่อนข้าง low volatility และทำการเทรดแบบปรับต้นทุน reduce cost ตามภาวะราคา เพื่อลด volatility รวมของ portfolio 3. สุดท้ายพยายามล๊อค profit ถ้า asset มีโมเมนตรัม ไม่เร่งไม่อัดมาก เพื่อให้

  อ่านบทความ Risk Parity: Why We Lever นี้ก่อนนอน ชอบมาก คุณ Cliff Asness แห่ง AQR เขียนถึงการใช้ leverage ใน Risk parity ซึ่งจริงๆ ก็ประยุกต์ใช้กับ strategies ที่อิงกับ risk หรือ volatility ใน asset อื่นๆได้ เช่นกัน ยกมาแชร์ เบื้องต้น ใครอยากเรียนรู้เพิ่มอ่านจาก link ด้านล่างได้ครับ -Leverage is not used simply to get more aggressive. It’s used to balance risks better across the asset classes. - Excessive leverage is dangerous, but unlike the concentration, there are things you can do to ameliorate and manage leverage risk. You can and should decide how much is acceptable. สรุป leverage ถ้าใช้เป็น ใช้เหมาะสม และมีระบบที่ดีในการเทรด มันจะช่วยต่อยอดประสิทธิภาพได้เยอะ ไม่ใช่แค่ขยายกำไรอย่างเดียว, ในแง่ risk management ก็ทำได้เช่นกัน https://www.aqr.com/.../Risk-Parity-Why-We-Fight-Lever

  ผมหยิบหนังสือเก่ามาปัดฝุ่นอ่านเล่นอีกรอบ What I Learned Losing a Million Dollars เป็นหนังสือโปรดอีกเล่ม ที่ผมมักแนะนำให้น้องๆเทรดเดอร์ ลองหามาอ่าน สาระในเล่มไม่หนัก ไม่ได้มีอะไรมาก แต่มันน่าสนใจเพราะเป็นหนังสือ ที่แตกต่างจากหนังสือส่วนใหญ่ที่มักพูดแต่เรื่อง เส้นทางความสำเร็จ (สไตล์ How To Be Successful) ซึ่งในด้านการเงิน หรือการลงทุนบางทีมันไม่สรณะ หรือไม่อาจจะทำตามกันแล้วสำเร็จ เป็นจริงทุกประการ เพราะมีปัจจัยเฉพาะหลายอย่างมาประกอบ(หลายอย่างมันเคยใช้ได้ในอดีตแต่ปัจจุบันวิธีการเดียวกันอาจจะใช้ไม่ดีอีกต่อไป) แต่เรื่องความล้มเหลว หรือการขาดทุน นี้สิ ส่วนใหญ่ ไม่ต่างกัน 80% เกิดจากสาเหตุคล้ายกัน เคยล้มเหลวเหมือนกัน จุดนี้เราเรียนรู้ได้นำไปใช้ป้องกันหรือหลีกเลี่ยงได้ เล่มนี้ก็ไฮไลท์ไปที่ปมใหญ่ คือเรื่อง จิตวิทยา เช่น ego หรืออัตตา ที่ทุกคนล้วนมีเสมอ โดยหนังสือเล่มนี้เล่าตัวอย่างผ่านเรื่องราวของ Jim Paul ผู้ขาดทุน $1 million จากการตัดสินใจผิดพลาดจากการเทรดในตลาดเก็งกำไร(ตลาดหุ้นและคอมโมดิตี้ฟิวเจอร์) ทั้งเรื่องการลงทุนแบบขาดแผน เล่นตามอารมณ์ , ซื้อขายตามคำแนะนำของฝูงชน หรือพยายามยึดมั่นกับ

ปีกว่าๆแล้วที่ใช้ Reinforcement learning ในการพัฒนาระบบเทรด(เสริมกับระบบเดิมก่อนหน้าเป็น VAE-LSTM Model ) วันนี้ใช้โอกาสเรียนฟรีของ coursera ลงเรียน หลักสูตร Reinforcement Learning for Trading Strategies ของ NYU ซึ่งครอสนี้ให้ตัวอย่างการใช้ value-based policies กับ momentum trading strategy เพิ่งเรียนได้ week ที่ 2 ยังไม่จบ ไม่รีบด้วยเพราะมันฟรี แต่เดี่ยวผมเรียนจบ จะมารีวิวให้ ส่วนน้องคนไหนพัฒนา Quant สาย AI แนะนำให้ลองเรียนครับ อาจารย์ที่สอนอธิบายเข้าใจง่ายมาก และมีเราสามารถเขียนโปรแกรมตามแบบฝึกหัดออนไลน์ได้เลย ไม่ต้องติดตั้งอะไรให้ยุ่งยาก ด้วย https://www.coursera.org/learn/trading-strategies-reinforcement-learning

เมื่อวานมีน้องเทรดเดอร์ คนหนึ่งถามเรื่องการลงทุนระยะยาวในสินค้าคอมโมดิตี้ ผมเลยเอาบทความ Commodity Super Cycle นี้มาแบ่งปันให้ลองอ่านเพิ่มเติม โดยสรุปมีใจความหลัก -สินค้า commodity มีหลายประเภท และมีลักษณะของ Cycle และรูปแบบของราคาที่แตกต่างกันไป -ราคาของ สินค้า commodity แปรผันตาม Demand และ supply ที่เกิดในช่วงเวลาใดๆ ซึ่งหลายชนิด ที่เกี่ยวข้องกับการผลิตและการบริโภค จะมีความสัมพันธ์กับ ภาวะเศรษฐกิจ -บทความนี้จำแนกการแกว่งของ cycle เป็น 2 แบบคือ upswings และ downswings. - upswings รอบการการแกว่งขาขึ้น ที่มาจาก demand ที่มากกว่า supply - downswings รอบการการแกว่งขาลง ที่มาจาก supply ล้นมากกว่า demand ในตลาด -ภาวะราคาสินค้า commodity ปรับตัวเป็น cycle หรือการ swing เพราะเมื่อมี demand มาก เวลาผ่านไปผู้ผลิตมีการปรับตัวเพิ่ม supply เข้ามาในตลาด หรือความต้องการซื้อจากปัจจัยเร่งหรือภาวะทางอารมณ์หายไป จุดนั้นราคาจะมีการปรับตัว ลดลง เป็นต้น -ในคาบเวลาระยะยาว การนิยาม Commodity super cycles สามารถใช้โมเดล Bank of Canada Commodity Price Index (BCPI) เพื่อติดตามภาพให

  สำหรับผมระบบเทรดที่ดี คือระบบที่เราสามารถเทรดและทำมันได้ทุกวัน สร้างผลตอบแทนที่ต่อเนื่องและ บริหารความเสี่ยงที่เหมาะสมอยู่รอดในทุกสภาวะตลาด มันอาจจะไม่ต้องเป็นระบบที่ wining rate 100%, ทำกำไร 200 300% ต่อปีขนาดนั้น เพราะยิ่งคาดหวังมาก ยิ่งพยายามจะทำอะไรให้มันเกินจริง สุดท้ายมันยิ่งเละ และใช้ไม่ได้จริง เจอมากมายระบบเทรดที่ over fiting หรือ พวก Data-Mining Bias พยายามทำให้ back testing ดีเกินจริง มาอวด มาโชว์ แต่ใช้จริงในตลาดไม่ได ้ ส่วนตัวผมทำระบบเทรด ใช้สูตร 12 * 36 พยายามจะสร้าง return เฉลี่ยให้ได้ 12% บนเงื่อนไขของการยอมให้มี max dd ที่ไม่เกิน 36% ของเงินทุน ซึ่งระบบมี 2 ส่วนงานคือส่วนทำกำไร และส่วนที่บริหารจัดการความเสี่ยง(ควบคุม DD) ดังนั้น ไม่ว่าตลาดมันจะผันผวนขนาดไหน หรือวิ่งไปทางใด ระบบมันก็รอดได้ ทำงานของมันได้ตามแผน ขณะเดียวกันบน Rule of 72 ถ้าระบบรันตามแผน ค่าเฉลี่ย 12% ต่อเนื่อง ราวๆ 6 ปีก็สามารถสร้างเงินทุนเพิ่มเป็น 1 เท่าได้ แน่นอนว่ามันอาจจะช้า แต่มั่นคง ขณะที่เวลาผ่านไป เราสามารถเก็บเกี่ยวประสบการณ์ และปรับปรุงระบบให้ดีขึ้นได้ไปอีก ควบคู่กับการเติบโตของพอร์ต พลังของอัต

แนวคิด Multi-Strategies มีการใช้มานาน มีหลาย paper หลายบทความให้เราศึกษา อย่างผมใช้ Robot trading ทำให้ง่ายต่อรันหรือเทรดด้วย หลายกลยุทธ์ ในพอร์ตเดียวกัน แต่ไอเดียหลักคือการ diversify ไม่ใช่แค่ asset class แตกต่าง แต่เราสามารถกระจาย trading strategies ที่หลากหลาย ในช่วงเวลาเดียวกัน สินค้าเดียวกัน(หรือแตกต่างกัน) เพื่อดีลกับ Risk Factor ในช่วงเวลานั้นๆ ซึ่งสัจจะธรรมคือ แต่ละกลยุทธ์ล้วนมีข้อจำกัดและมีจุดเด่น ที่ตอบสนองได้ดีในภาวะตลาดแตกต่างกัน Key คือการบริหารจัดการให้เกิดประสิ ทธิภาพเพื่อให้เกิด Alpha กรณีเทรดเดอร์ ที่เทรดด้วยมือเทรดเอง ก็สามารถใช้ Multi-Strategies ได้ เพียงแต่ปรับช่วงเวลา หรือ Time Horizon ของกลยุทธ์ให้เหมาะสมกับ การเทรดเข้าออกของเรา แต่ต้องอิงกับ Basic การบริหารเงินที่เหมาะสม + การพัฒนาระบบเทรดแต่ละกลยุทธ์ให้มั่นใจว่ามันรอดจริงๆก่อน ภาพเป็น paper ของ algoanalytics เฟริ์มอินเดียเจ้าหนึ่งที่ทำ Quantitative Trading แทนจะเน้นไปที่ Trend หรือ Momentum Factor อย่างเดียว เฟริ์มนี้ มองหา Investment Idea และรันกลยุทธ์แบบหลากหลายตามแผน โดยจัดสรรน้ำหนักของเงินทุน ลงในแต่ละกลยุทธ

วันนี้มีน้องเทรดเดอร์ เขียนเมลมาถามถึงเรื่องของเครื่องมือเทคนิคอลและการอ่านกราฟสำหรับการเทรด FX แต่จริงๆแนะนำว่า ระบบที่ดีไม่ใช่ระบบที่ถูกต้อง 80-90% อะไรแบบนั้นเพราะสุดท้ายมันไม่มีเครื่องมือหรือโมเดลอะไร จะไปจับทางตลาดได้เช่นนั้น แต่ระบบเทรดที่ดี บางทีอาจจะมีความถูกต้องระดับหนึ่ง แต่มีความน่าเชื่อถือหรือทำกำไรได้ต่อเนื่องบนความเสี่ยงที่จำกัดได้ ก็ถือว่า OK แล้ว เริ่มต้นลองฝึกเทรดจากระบบที่ simple บนขนาด position size ที่เล็ก เพื่อลดผลกระทบจาก การขาดทุน และทำให้เรากล้าตัดสินใจ(ไม่จิตตกมาก กรณีที่ขาดทุนหนัก) รวมถึงทำให้เรามี เงินทุน ในการเทรดได้ยาวนาน อย่าไปรีบกอบโกยในช่วงแรก เพราะสุดท้ายทำให้ over trading แล้วล้างพอร์ตหมดตัว อย่างในภาพตัวอย่าง ผมพัฒนาระบบเทรด เทรดมาแล้วกว่า 5 ปี(ผ่านทุกภาวะแนวโน้มตลาด อย่าปี 2019 2020 อย่างโหด ก็ทำให้ได้เรียนรู้อะไรใหม่ๆ) เราเน้นการคุมผลการเทรด จำกัดความเสี่ยงไม่ให้สูง DD ก็จะไม่ให้เกินเกณฑ์ ขณะเดียวกันพยายามเล่นกับ volatility เก็บรอบสร้างกำไรให้ต่อเนื่อง โดยวัดผลที่จำนวน pips ที่ได้ไม่ใช้ที่จำนวนตัวเงิน($) เอาตัวช่วยหรือ leverage ออกไปก่อน ฝึกแบบนี้ไป

เมื่อวานได้ร่วมคุยกับทีมเทรดเดอร์สาย systematic trading น้องหลายคนรู้จักกันมาหลายปี รอบนี้ได้คุยกันเพื่อนำเรื่องการทำงานของระบบเทรดช่วงตลาด covid-19 crisis มาอภิปรายและแชร์ประสบการณ์กัน ประเด็นหนึ่งที่ผมนำไปแชร์คือเรื่องความไม่ perfect ส่วนใหญ่ที่ผมพบเทรดเดอร์พยายามจะหาระบบที่สมบูรณ์แบบ แม่นยำ ผิดพลาดน้อยที่สุด บางคนไปหาโมเดลมา prediction ตลาดและหลอกตัวเองว่าโมเดลเราเทพ แม่นมากโดยอิงการทำ back testing จากข้อมูลอดีต แต่เหมือนที่ไมค์ ไทสันกล่าว "Everybody has a plan until they get punched in the mouth." ตลาดหุ้นของจริงมันไม่ง่าย หลายอย่างมันไม่ได้เป็นไปตามตำราไม่ได้เป็นไปตามบทวิเคราะห์ ไม่ได้เป็นไปตามที่เราคิด แต่ไม่ได้หมายความว่าต้องทิ้งระบบเทรด ผิดได้ ขาดทุนได้แต่ต้องผิดให้เป็น สัจจะธรรมคือ ระบบเทรดหรือเทรดเดอร์ส่วนใหญ่ทำกำไรได้ทั้งนั้นยามตลาดขาขึ้นหรือกลับตัวขึ้น สิ่งสำคัญคือผลที่เกิดยามตลาดหุ้นขาลง หรือตลาดผันผวนต่างหากที่เป็น Key ชี้วัด สิ่งที่เทรดเดอร์ต้องทำคือ เริ่มจากระบบที่เรียบง่าย ทดลองเทรดจริงในตลาดจริงกับข้อมูลราคาจริง(Real time data) ใช้เวลาในการพัฒนา ในการวิเคราะ