cwayinvestment

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

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