cwayinvestment

ระบบ GRID Trading Sytem มันยืดหยุ่นมีหลายลักษณะในการนำไปใช้เทรด ทั้งความแตกต่างในด้าน Entry&Exit Strategies และด้าน Money Management (ซึ่งเราต้องแยกกัน เพราะ level ความเสี่ยงมันไม่ได้ขึ้นกับกลยุทธ์ GRID แต่มันขึ้นกับการบริหารจัดการเงินและใช้ leverage) ถ้าเราศึกษาเยอะๆจะพบถึงตัวอย่างการใช้งานที่หลากหลาย ยิ่งถ้านำมาทดลองเทรด จะสังเคราะห์ถึงข้อได้เปรียบและข้อจำกัด ของมัน จะช่วยให้ต่อยอดพัฒนา ระบบเทรดของตัวเองได้ดี ผมยกตัวอย่างเรื่องนี้ เพราะไปเจอบทความหนึ่งเกี่ยวกับการพัฒนา GR ID Trading คุณ Klymenko เขานำเสนอ บทความชื่อ RANGE-BASED GRID IN TREND DIRECTION และ CORRECTION-BASED GRID WITH MARTINGALE (เขาใจว่าไอเดียเขาเอามาจากหนังสือ GRID ของรัสเซีย) มันคืองานวิจัย ทดลอง อ่านแล้วไม่ได้แปลว่าต้องไปเห็นด้วยหรือทำตาม ขณะเดียวกันก็ไม่ได้แปลว่า EA ของเขาจะ work แต่เราสามารถสกัดไอเดีย การพยายามจะลด risk ของการใช้ระบบ GRID ในการเทรดได้ คือไม่ได้ไปนั่งอม loss หรือ martingale สะสม Drawdown รอวันล้างพอร์ตอย่างเดียว การใช้ระบบ GRID มารับกับ market volatie เป็นเรื่องไม่ง่าย ขณะเดียวกัน

ข้อมูลเทรดค่าเงินและทองคำ ปีที่ผ่านมานะครับ ในภาพนี้ผมสรุปค่า Return และ Risk ของค่าเงินสกุลหลักและทองคำ มาให้ดู เหมือนได้อธิบายไปว่าปีที่ผ่านมา ความผันผวนในค่าเงินไม่สูง(เมื่อเทียบอดีตและค่าอ้างอิง)  ด้าน Return ส่วนใหญ่ก็เป็นบวก โดยเฉพาะ CAD GBP ที่กลับมาได้จากการถดถอยหลายปีก่อนหน้า , ส่วนตัวที่ return ติดลบเช่น EUR ก็ไม่มาก -2.16% ส่วน AUD ต้นปีไม่ดีปลายปีบวกกับทำให้จบปี -0.43% ถือว่าไม่เยอะ (อีกนัยยะหนึ่งค ือ ถ้าถือค่าเงินเหล่านี้ไว้ โดยไม่ใช้อนุพันธ์ไม่มีผลกระทบจาก leverage โอกาสจะขาดทุนหมดตัวน้อยมาก ) ส่วนค่า Anualized Volatility ของ Fx สกุลหลัก มากสุดราวๆ 11% กลุ่มผันผวนสูงเช่น JPY และ AUD เล่น story ของ Trade War ทังปี จากข้อมูลจะพบว่า Fx ยังผันผวนน้อยกว่า GOLD และ S&P500 แต่สาเหตุที่คนเทรด forex แล้วขาดทุนล้างพอร์ต มันไม่ได้เกิดจาก asset มันมาจากการเทรดโปรดักซ์พวกอนุพันธ์ CFDs ที่ใช้ Leverage สูง เช่น 100x 500x พอคูณค่าความผันผวน ยามผิดทางก็หมดตัวแน่นอน เป็นเทรดเดอร์รายย่อย มีเงินจำกัด ต้องวางแผนดีๆ ดังนั้นการป้องกันจัดการความเสี่ยง(Risk Management)แล

วันนี้ได้คุยกับน้องเทรดเดอร์คนหนึ่ง เคบฝึกหัดเทรดด้วยกัน ตอนนี้น้องเขาไปเป็น prop trader ให้ firm หนึ่งของอเมริกา ที่สามารถเทรดบัญชีบริษัทแบบ remote จากที่บ้านได้ เพราะบริษัทต้องการรับ เทรดเดอร์ฝีมือดีจากทั่วโลกมาช่วยร่วมงาน ข้อดีของ prop trader แนวทางนี้เหมือนจะเป็นเรื่องของอิสระและความหยืดหยุ่น ทั้งด้านการบริหารเวลา และการบริหารจัดการเงิน สามารถใช้ leverage ที่เหมาะสมกับความเสี่ยงเพื่อการเพิ่มประสิทธิภาพของผลตอบแทน(หัวใจของส่วนแบ่งกำไร ที่ค ุมค่ากับเวลาเฝ้าหน้าจอ) ในภาวะที่ตลาดอำนวยเองได้ โดยบริษัทมีกรอบวัด risk level ที่คุมไว้กว้างๆ แลกเปลี่ยนไอเดียกันหลายประเด็น อนาคตจะมาแชร์ให้ฟังสำหรับคนอยากเดินทางนี้ ถ้าอยากรู้จัก Proprietary Trading Firms ระดับโลกจริงๆ ลองเข้าไปศึกษา top 40 ที่ future magazine รวบรวมเอาไว้ได้ หรือถ้าใครมี trading record ดีๆ ลองส่ง email ไปคุยก็ยังได้เลย เพราะเท่าที่ผมดูหลายแห่งที่เปิดรับ trader กันอยู่ ครับ นอกจาก remote office แล้วหลายเจ้าที่มี office ที่ สิงค์โปร และฮ่องกง ทำให้ไม่ต้องกังวลมากเรื่องของการขอวีซ่าทำงาน เข้าดูจาก http://m.futur

เมื่อคืนมีคำถามเรื่อง MM ที่ใช้กับ Trend Following ด้วย VWAP Strategies ในตัวอย่างผมแนะนำ Fixed Fractional ไปเพราะ Money Management โมเดลนี้ มันเข้ากับ Trend Following ที่แก่นหลักคือการ Limit loss & Let's Profit Run ได้ดีที่สุด เมื่อเทียบกับ MM โมเดลอื่น อีกด้านจากหลายงานวิจัยจะพบ Fixed Fractional มันทำผลงานได้ดีกับระบบเทรดที่มี %win ไม่สูงเช่น 45-50% จุดเด่นอีกจุดที่ Fixed Fractional นำมาบวก tactic ในการกำหนด %f (เริ่มต้นใช้ที่  1-2%)แบบแปรผัน จะช่วยทำให้ช่วงตลาดมีแนวโน้ม กระทิงมา เมื่อระบบเก็บกำไรก้อนใหญ่ได้ การขยาย position size จะเพิ่มแบบสมูทตามขนาด equity ที่มี และขยายการโตของพอร์ตได้ ตามแนวโน้มในสินทรัพย์ที่เราเทรดด้วย แน่นอนว่า ถ้าตลาดผันผวน เราก็คง risk per trade เท่าเดิม ลด position size ลด contract size ลงแต่ขยาย SLD ให้กว้างออกไปได้เช่นกัน โดยที่ %risk ไม่มีการเปลี่ยนแปลงจากแผนเดิม แต่แน่นอนว่าด้านข้อจำกัดเรื่องประสิทธิภาพมันก็มี เพราะชื่อมันคือ fix นั้นหมายความว่า มันอาจจะไม่ได้หยืดหยุ่นรองรับได้ทุกภาวะที่เกิด ซึ่งตรงนี้ยังมีอีกหลาย Money Management model

เมื่อวานเขียนถึงเรื่อง overfitting วันนี้เอา paper หนึ่งมาฝาก ชื่อ Real numbers, data science and chaos: How to fit any dataset with a single parameter ช่วยให้เห็นภาพเข้าใจปัญหาของประเด็นนี้มากขึ้น (ไม่ต้องหลายพารามิเตอร์ แค่หนึ่งพารามิเตอร์ก็ over fit ได้) ถ้าใครไม่ชอบอ่าน paper ที่มี math เยอะๆ ลองดู code ภาษา python โปรเจค single-parameter-fit ด้านล่างก็ได้ เขาสาธิตให้เห็นการเทคนิค สร้างโมเดล ที่มา fit กับ traning dataset หรือข้อมูลในอ ดีต ที่เตรียมไว้ ด้วยตัวแปรเดียว นอกจากข้อมูลทั่วไป เขายังสาธิตข้อมูลประเภท time series เช่น S&P500 index ด้วย เชื่อว่าได้ลองศึกษาบทความนี้ 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/abs

เมื่อวานบรรยายเรื่องการสังเกต พฤติกรรมการเทรดของตัวเทรดเดอร์ เพื่อหาช่วงเวลาที่เราเทรดได้ดีที่สุด หรือทำ cashflow ได้ลื่น ได้รอบที่สุด เพราะช่วยทำให้เรา optimize ด้านเวลาทำงาน การจัดตารางเทรด(สำหรับ part time trader ที่ไม่มีเวลานั่งติดจอทั้งวัน)และเวลาในการพักผ่อนของตัวเราได้ด้วย อีกมิติ ก็จะเป็นการทดสอบ trading system กับภาวะของ market ไปในตัวด้วย ตรงนี้หลักการวิเคราะห์คือเอา ค่า volatility ของสินค้า มาเท ียบกับ cashflow ที่ทำได้(ดูค่า mean และ sd ของวัน) อิงจากช่วงเวลาเดียวกัน โดยสรุป กรณีเป็นประเภท volatile trading strategies: ถ้าภาวะตลาดมีค่า volatility สูง และเราสามารถทำรอบการเทรดได้ดี ได้ flow นั้นหมายความว่า ระบบมัน flow ถ้าเป็นประเภท Trend / TSMOM trading strategies กรณีตลาดมี volatility สูง แล้วเราไม่เสีย drawdown ไม่สูงตามแปลว่า ระบบนั้นใช้ได้ แนวคิดนี้ไม่ซับซ้อน การติดตาม cashflow ทำได้ในช่วงเวลาใดๆเพื่อทำ data analysis ต่อ กรณีเราไม่มีเครื่องมือหรือไม่ได้เขียนโปรแกรมวิเคราะห์ สามารถใช้ myfxbook เพื่อวิเคราะห์ค่าเหล่านี้จาก tradind record ได้ครับ เป็นการ

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