cwayinvestment

ผมมีโอกาสได้คุยกับเทรดเดอร ์หลายท่าน ช่วง 2 ปีที่ผ่านมามีคำถามเยอะมาก ว่า technical analysis มันใช้งานได้อยู่ไหม? ผมเองก็ยังยืนยันคำตอบเดิมว ่ามันใช้งานได้ ถ้าเราใช้เป็นใช้อย่างเข้าใ จ จริงๆไม่ค่อยแปลกที่หลายคนเ จอปัญหา เพราะ 80% ของสายใช้เทคนิคอลปกติ มันไปทาง trend flowing หรือ momentum trading พอตลาดมันขาดโมเมนตรัมหรือผ ันผวนจากภาวะเศรษฐกิจ ปัญหามันเกิดทันที ยิ่งถ้าใครใช้แบบมโนศาสตร์ หรือขาดความเข้าใ จดีพอ พฤติกรรมราคา พฤติกรรมตลาดที่ไม่ปกติ มันทำให้เกิดการเสียหายขาดท ุนได้เยอะ คำแนะนำอีกอย่างของผมคือ อยากให้เทรเดอร์หันมาใช้ เทคนิคอลแบบเป็นวิทยาศาสตร์  หัดเรียนรู้ หัดทดสอบ ทดลอง และปรับปรุงวิธีการใช้งานให ้เหมาะสมได้ด้วยตัวเอง อย่าติดกับตำราเก่าๆ เกินไป บางเรื่องมันถูกคิดมันถูกสร ุปมาตั้งแต่ยุค 1990 -2000 อาจจะเป็นจริง สมเหตุสมผลในตอนนั้น แต่ตลาดปัจจุบันไม่ว่าจะตลา ดหุ้น ตลาดค่าเงิน ตลาดทองคำ ตอนนี้มันเปลี่ยนไปมากแล้ว โดยเฉพาะเรื่องของขนาดเม็ดเ งิน เรื่องของกลยุทธ์ที่ซับซ้อน ขึ้น(Algorithmic trading /  HFT) และเรื่องของระดับค่า volatility ของราคาสินค้าที่เพิ่มขึ้นจาก อดีตมาก ดัง

ตัวอย่างระบบ GRID ในหุ้น ผมทำระบบใช้ renko brick มาเป็นตัวช่วยอ่านพฤติกรรมราคาสำหรับ GRID Trading System ในการสะสมหุ้นและสร้างกระแสเงินสด(ปันผล+การปรับต้นทุนตาม volatility) ไอเดียเบื้องต้นที่แชร์ได้ประมาณนี้ ขอแชร์เพื่อการศึกษา ถ้าจะนำระบบไปใช้ ต้องทดสอบระบบก่อนทุกครั้งที่จะเทรดเงินจริงนะครับ 1. เลือกหุ้น เจ๊งยาก ล้มละลายยาก เป้าหมายคือการสะสมหุ้น 2. หุ้นมีปันผลดี กรณีติด หุ้นใน inventory ได้ปันผลชดเชย 3. มีกองทุน หรือรัฐ ถือหุ้นใหญ่ 4. ไม่ใช้ margin วางเงินเต็มจำนวน 5. เริ่ม setup เข้าไม้แรก ตอนเกิด discount จาก SET ติดลบ ราคาหุ้นต่ำกว่าราคาปกติ(MA200) อย่างน้อย 25-30% รอตอนตลาด panic >> คำสอนพี่เอ็นโดฟินเลย ซื้อหุ้นดีตอนตลาดไม่ปกติ 6. ซื้อเมื่อราคาสร้าง cluster ยืนเหนือแนวรับ 7. ซื้อสะสมตาม zone เมื่อ Brick เป็น bullish ราคายกตัวต่อเนื่อง(average up) 8. ขายในราคาสูงกว่า ราคาเข้าซื้อ(ขายเมื่อมีกำไร) 9. ขายตาม zone เมื่อ Brick เป็น bearish ปรับต้นทุนไปเรื่อยๆ 10. ทำ cashflow กระแสเงินสด จนกำไรถึงเป้า 100% ทำคลายเครียดเรโซ ดึงทุนออกปรับต้นทุนให้เป็น 0 ได้ สร้าง GRID เป็น alpha ของ

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

วันนี้มีคนมาขอคำแนะนำผมเรื ่องการเป็นเทรดเดอร์ คำแนะนำผมคือ เราควรวางแผนแต่ตอนนี้ว่า อีก 5 ปี เราเห็นภาพตัวเองเป็นอย่างไ ร ต้องการเลือกที่จะเป็นแบบไห น เพื่อจะได้ลงมือทำและพัฒนาต ัวเอง อย่างไม่หลงทาง ไม่ว่าจะเป็น - Full time trader >> เทรดเดอร์อิสระ ไม่มีสังกัด - Part time trader >> เทรดไปเลี้ยงลูกไป ทำธุรกิจส่วนตัวไป ใช้การเทรดมาเป็นรายได้เสริ ม - Travel Trader >> เทรด 2 วันเที่ยว 5 วันทำงานได้ในทุกป ระเทศทั่วโลก - Prop Trader >> มือเทรดประจำบริษัทประจำกอง ทุนออกล่าเงิน โลดแล่นสร้างชื่อเสียงในวงก าร เราเลือกได้ ทุกเส้นทาง ล้วนมีข้อดีและมีจุดเด่นเฉพ าะ แต่เราต้องเลือกรูปแบบ การพัฒนาตัว พัฒนาความสามารถ รวมถึงสร้างกลยุทธ์เพื่อจะไ ปถึงจุดที่ประสบความสำเร็จใ นเส้นทางนั้นๆ สิ่งสำคัญที่สุด อย่าเอาแค่เงิน มาเป็นตัววัด หรือตัวเลือก ให้เราทำอย่างนั้น อย่างนี้ พยายามดูว่า รูปแบบไหนเหมาะกับเรา ตอบโจทย์ชีวิตของเรา และอย่าไปเสียเวลา พยายามทำในสิ่งที่เราไม่อยา กเป็น หรือไม่ต้องการจะเป็น เพราะนอกจากจะไม่สำเร็จในระ ยะยาวแล้ว ความสุขบนเส้นทางการเป็นเทร ดเดอร์ก็จะไม่เกิดอีกด้วย ว

Lessons from the Greatest Stock Traders เป็นหนังสือที่ดีและเหมาะสำหรับเทรดเดอร์มือใหม่ เพื่อได้แนวทางการศึกษาและพัฒนา  Cway Book club จัดทำสรุปและรีวิว หนังสือเล่มนี้เบื้องต้นไว้ ท่านที่สนใจเข้าไปฟังได้จาก link ด้านล่าง https://www.youtube.com/watch?v=_4HItUzr-nY

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

บทความนี้ของ MICHAEL BATNICK น่าสนใจมาก เขาเอาเหล่าตำนานที่ประสบคว ามสำเร็จในโลกการเงินของสหร ัฐ เช่นนักลงทุน หรือผู้จัดการกองทุนป้องกัน ความเสี่ยงสายต่างๆ มาวิเคราะห์ และหาสิ่งที่เหมือนหรือคุณส มบัติร่วมกัน มีประเด็นหลายจุดที่น่าสนใจ  เช่น - จำนวนมากเกือบทั้งหมดส่วนให ญ่เป็นคนผิวขาว( white men) และเป็นผู้ชาย - เกือบทุกคนใน list เป็นคนฉลาด เป็นนักคิดนักกลยุทธ์ที่โดด เด่น - เกือบทุกคนมีฝีมือ แต่จังหวะภาวะตลาดปีที่เริ่ มต้นก็มีส่วนช่วยได้เยอะ เหมือนเป็นแรงลมสนับสนุน เช่น Jim Chanos ตำนาน short sell เริ่มปีแรกทำกำไร 2451% - S&P500 25-ปี total return อยู่ที่ 1463% คนที่ทำผลงานดีสุด รอบ 25ปี Stanley Druckenmiller(5242%) ตามมาด้วย Paul Tudor Jones, David Swensen และ Rob Arnott ที่ 3438% - ไม่มีผู้จัดการกองทุนคนไหนเ ริ่มต้นตอน Great Depression - จุดเริ่มต้นสำคัญต่อผลงาน ในบทความนี้ยกการวิเคราะห์ return ระยะยาว กรณีเริ่มปี 1966-1990 returnของตลาด ได้ 878% แต่ถ้าเป็น 1967-1990 จะกลายเป็น 1318% - ใน list มีคนประสบความสำเร็จในกลุ่ม  Baby boomers เกิด 1946 ถึง 1960 จำนวน 33% เช่น Howard Marks,

มีคำถามทาง email อยากให้แนะนำ blog ที่ผมอ่านประจำ วันนี้เลยจะมาเขียนสรุปเรียบเรียงไว้ให้เป็น reference ในการศึกษา โดยเน้นเรื่อง global macro เป็นหลักเพราะอ่านง่าย สำหรับคนทั่วไป เรื่องบางเรื่องที่เรา ไม่ชำนาญ เราสามารถหาอ่าน หรือหาผู้รู้มาเสริม ให้เราได้เสมอ เพราะอย่างน้อยมันช่วยเปิดมุมมองและเปิดไอเดีย เราได้เยอะ เพื่อนำมาใช้วางแผนการเทรดหรือทำกลยุทธ์ภาพใหญ่ ยิ่งถ้าเราเรียนจาก นักเศรษฐศาสตร์ หรือผู้จัดการกองทุนเก่งๆ มันช่วยให้เราเห็นอะไรเยอะ Blog ก็เป็นช่องทางหนึ่งที่เราสามารถติดตามมุมมองและแนวคิดของ กูรูทั้งหลายเหล่านี้ได้ วันนี้มีมาแนะนำ 10 web ที่ผมติดตามประจำ 1. CONSCIENCE OF A LIBERAL เว็บนี้ของ Paul Krugman คนดังที่หลายคนรู้จักอยู่แล้ว เขาเป็นนักเศรษฐศาสตร์ ระดับ Nobel Prize และ เป็นอาจารย์ อ่านด้าน macroeconomics หรือ international economics ต้องคนนี้เลย เขาเขียนบทความ เป็นคอลัมภ์ให้กับ nytimes.com ที่สำคัญแก update บ่อยสม่ำเสมอ http://krugman.blogs.nytimes.com/ 2. Free exchange Free exchange เป็น blog รวมเรื่องสั้น เกี่ยวกับเศรษฐกิจ สังคม ประเด็นต่างๆเขียนโดย

เหล่าทวยเทพผลงานดีจริงๆ มาหลายคนโดยเฉพาะสาย Quant เห็นฝึมือแล้วบอกเลย ว่าพวกนี้ Genius จริงทำให้ยิ่งอยากแกะอยากศึกษา วิธีคิดของคนเหล่านี้มากขึ้น ส่วนตัวผมชื่นชอบ Dr. David E. Shaw เจ้าของฉายา "King Quant" บริหารกองทุน hedge fund อย่าง D. E. Shaw & Co และยังเป็นโปรเฟสเซอร์ด้าน computer science จาก Columbia University ผลงานปี 2015 เข้าอันดับ 6 ที่ 750 million แต่ยังเอาชนะปู่อย่าง  Jame simons แห่ง Renaissance Technologies ไม่ลงเช่นเคย ที่แม้ปี 2015 จะไม่ใช่ปีทองของอุตสาหกรรมนี้แต่แกยังโกยไปได้ 1.7 billion คนเหล่านี้ เป็นตัวอย่างที่ดีในการพยายาม และการเรียนรู้ จริงๆครับ อ่านบทความเต็มได้ที่ http://www.institutionalinvestorsalpha.com/…/The-2016-Rich-… http://www.marketwatch.com/…/top-hedge-fund-managers-made-1… https://en.wikipedia.org/wiki/David_E._Shaw

จากคำถามเรื่อง Statistical Arbitrage ผมสรุปคำตอบประมาณนี้ หลักการถ้าทำด้านนี้ต้องเข้าใจ Arbitrage ก่อน จังหวะเข้าซื้อสำคัญ หลักกการต้อง study ข้อมูลสร้าง สมการความสัมพันธ์ให้ได้ก่อน(Feature หลักคือค่า correlation และ co integration ) จากนั้นรอจังหวะซื้อตอน ที่ภาวะ ค่าความสัมพันธ์ของ ค่าเงินมัน ไม่ปกติ กำไร เกิดจากการที่จุดหนึ่ง ความสัมพันธ์ไม่ปกติกลับมาจุดปกติ อันนี้คือ key ของ Statistical arbitrage แต่ คู่ 3 นี้มันทำมาเพื่อปิดรอบ ปกติทำคู่ 2 หรือ pair trading   ก็ได้ แต่มันมี error ที่เหลื่อมซ่อน ลองดูภาพประกอบความเข้าใจ จุดไม่ปกติ จากเดิมเป็น +R อยู่ดีๆ EUR กับ GBP มันเกิดกลายเป็น -R ตรงนี้เกิดไม่ปกติเมื่อเทียบกับค่า ความสัมพันธ์ธรรมชาติของเขา จึงกลายเป็นจุดเทรดที่ได้เปรียบ ที่นี้ Statistical arbitrage ในค่าเงิน Sell EURUSD และ Buy GBPUSD เมื่อเรามาแยก จะเห็นมันไม่ perfect คือรอบความสัมพันธ์มันไม่ปิด มันเกิด risk แฝง นักกลยุทธ์เขาเลยสร้างคู่สาม Triangular Arbitrage มา ถ้าจะใช้ในที่นี้ก็ sell EURUSD BUY GBPUSD ในภาวะที่ค่า correlationมันไม่ปกติ จากนั้นเพิ่มไปอีกคู่เพื่อปิด

ความสนุกอย่างหนึ่งของการเทรดคือ การอ่าน การรู้แค่วิชาการอย่างเดียวไม่พอ ต้องปฏิบัติจริงด้วย เพราะถ้าสิ่งที่เราศึกษา เราพัฒนามันใช่ มันถูกทาง payoff curve ระยะยาวจะเป็นตัวบอกเราเอง แต่ถ้าเราเข้าใจผิด คิดผิด หรือรู้ไม่จริง ตรงนี้ตลาดก็จะเป็นคนสั่งสอนมอบบทเรียนเราเช่นกัน ดังนั้นสุดท้าย ถ้าเราพัฒนาระบบ พัฒนากลยุทธ์ทางเดียวที่เราจะพิสูจน์ว่าสิ่งที่เราเข้าใจมันถูกหรือรู้จริง นั้นคือ การต้องลงไปเทรด ลงไปวัดในสนามจริง โลกของจริง ถ้าเราทำแบบนี้บ่อยๆผ่านสนามรบบ่อยๆ ชั่วโมงบินยิ่งสูงคว ามสามารถของเราจะกล้าแข็งและความรู้ที่ได้มันจะยิ่งตกผลึกได้เองและสามารถหยั่งรู้ระดับความสามารถของตัวเองได้ทันที ใครยังไม่สำเร็จ ยังไม่รู้ไม่เข้าใจ ก็อย่างไปท้อครับ สู้กันต่อไป ฝึกต่อไป ถ้าไม่หยุดพยายามสักวันยังไงก็ต้องเก่งขึ้นได้ ดีขึ้นได้แน่นอน ปล. อยากให้เห็นความสำคัญของ การรักษาเงินต้น ทำกำไรต่อเนื่อง ว่าถ้าเราเข้าใจ มีทักษะการเทรด มันทำได้จริง การอยู่รอดและผลตอบแทนมันจะเกิดเองในระยะยาว คุ้มค่ากว่าการ มาเสี่ยงเยอะหวังกำไรมากๆเร็วๆในเวลาอันสั้น

ขอมาต่อเรื่อง Machine Learning อีกนิดจากประเด็นที่มีพี่ท่านหนึ่งถามไว้ว่า เมื่อตลาด มันคาดเดาไม่ได้แล้ว Machine Learning มันจะมีประโยชน์ได้ยังไง? ใช่ครับตลาดมันคาดเดาไม่ได้ 100% ถ้ามันทำได้มันก็คงจะเป็น God ไปแล้วแต่ Machine Learning ไม่ได้สร้างมาเดาอนาคตเป็นหลักนะครับ มันสร้างมาเพื่อเรียนรู้ จากข้อมูลมหาศาลและซับซ้อนที่มี(เกินขีดจำกัดของคน) แล้วประมวลผลหารูปแบบ เพื่อสร้างโมเดลในการตอบสนองหรือโต้ตอบกับสิ่งที่เกิดแบบไดนามิก (อันนี้ลองไปดู AlphaGo เป็นไอเดียได้) บนความน่ าจะเป็นที่ดีที่สุด ผมยกตัวอย่าง paper ทาง data science หนึ่งเขานำข้อมูลการแจ้งเหตุผ่าน 9-11 จำนวนมาก มาประมวลผลร่วมกับข้อมูลประชากร ข้อมูลประวัติอาชญากรรม ข้อมูลเชิงตำแหน่งจุดเกิดเหตุจากนั้นใช้ Machine Learning ทำการหาพื้นที่เสี่ยง ที่มีความน่าจะเป็นที่จะเกิดอาชญากรรมแบบรายวัน แน่นอนว่า มันคงไปหาไม่ได้หรอกว่า จะมีคนยิงกันตายตรงไหน แต่มันสามารถใช้ ความน่าจะเป็นของการจะเกิด มาวางแผนจัดการความเสี่ยงได้ ตำรวจสามารถใช้ value จากการ Data นี้เพื่อไป จัดเส้นทางลาดตะเวนของรถสายตรวจ และจัดความถี่การป้องกันเหตุ ในช่วงเวลาที่ม

วันนี้มีโอกาสได้แลกเปลี่ยนและได้คุยกับรุ่นน้องที่ทำงานด้าน Data Science ได้ประเด็นและไอเดียใหม่ๆเยอะเลย โดยเฉพาะเทคนิคการจำแนกและวิเคราะห์ข้อมูล Data Science เป็นศาสตร์แขนงใหม่ที่กำลังมาแรงตอนนี้ การนำข้อมูลประเภทต่างๆ(แน่นอนว่า financial ก็คือหนึ่งในโดเมนที่กำลังได้รับสนใจมาก) มาวิเคราะห์ประมวลผลแบบ quantitative method เพื่อสกัดเอาองค์ความรู้ เอามูลค่าออกจากตัวข้อมูล ตรงนี้ มีการนำไปใช้แพร่หลายและหลายด้านมาก เมืองไทยเราก็มีการพัฒนาด้านนี้ไปไม่น้อย ผมไปเจอคลิปหนึ่งมาเป็นงา น CodeManiaX2 จัดโดยภาควิชาวิศวกรรมคอมพิวเตอร์ จุฬาลงกรณ์มหาวิทยาลัย ซึ่งมีอาจารย์และผู้เชี่ยวชาญมาบรรยาย เรื่อง Data Science และตัวอย่างงานวิจัยต่างๆรวมไปถึงงานขั้นสูงด้าน Machine learning มีประโยชน์มาก สำหรับคนที่สนใจ ความรู้ดีๆด้านนี้ ภาษาไทยหาฟังยากนะครับ มีโอกาสแนะนำให้ลองฟังดู ได้เปิดโลกและสร้างความเข้าใจที่ถูกได้ดียิ่งขึ้นด้วย https://www.youtube.com/watch?v=kyuHg34_d0w&index=1&list=PLRE3V_WBy64yAQsBHLwDQ76aQJhnkLfYA

เอ่ยชื่อ Roy Niederhoffer ผมว่าคนไทยอาจจะไม่รู้จัก ผมเองเคยได้ยินชื่อนี้ไม่กี่ครั้ง แต่เคยได้ฟังเขาสัมภาษณ์ bloombergพบว่าเป็นสุดยอดอีกคน อ้างตาม businessinsider เขาคือ quant hedge fund manager ที่มีผลงานดีที่สุดอีกคนปี 2016 ปีนี้จัดไป18.71% ว่ากันว่าน่าจะเป็น คลื่นลูกใหม่สาย Qaunt Fund ที่ขึ้นมาเทียบรัศมีอย่างคลื่นลูกเก่าเช่น James Simons (worth $14 billion), Ken Griffin (worth $7 billion) and David Shaw (worth $4.7 billion) ได้ในอนาคต Roy Niederhoffer แห่ง R. G. Niederhoff er Capital Management, Inc บริหารเงิน $731 million ผลงานผ่านมาปี 2015 ก็เป็นปีที่ดีของเขาจบที่ 4.32%(สูงกว่าค่าเฉลี่ยมากพอควร) ผลงานเฉลี่ย 5 ปี 22.39%,16.7%,6.17%,6.17%,4.32% รวบรวมโดยHSBC performance ผลงานเฉลี่ย 10 ปีที่ 17.7% คุณ Niederhoffer ประวัติก็น่าสนใจมากเป็นของจริงมาก เขาเป็น computers genius จบ Harvard ปี 1987 ด้าน computational neuroscience(เรื่อง AI คนนี้นี่รู้จริงสุดยอดมาก) เรียนจบก็เข้ามาทำงานกับพี่ชาย ที่ทำ hedgefund ต่อมาปี 1993 เขาก็ตั้งบริษัท quant fund ของตัวเองที่เน้นการใช้ math และ compu

งาน Quant หลักๆของ Lab ที่ผมทำเรื่องการสอน Robot ให้มันเรียนรู้จากข้อมูลจริงและคิดตอบสนองให้เป็น ตรงนี้งานต่างจาก algorithmic trading เดิม ที่คนหรือเทรดเดอร์ผู้เป็น expert สร้างโมเดล ให้ robot ทำตามคำสั่ง ด้วยโลกความจริง ตลาดหุ้น ตลาดทองคำ เหมือนเราทราบ ข้อจำกัด หรือขอบเขตของการจัดการกับข้อมูลที่ไม่เป็นเส้นตรง หรือมีความ random สูงมันมีเยอะ สิ่งที่ Machine learning เข้ามาทำให้งานด้านนี้พัฒนาได้ซับซ้อนขึ้นไปอีกจากอดีตคือ คอมพิวเตอร์มันเรียนรู้จัก ข้อมูลจริงที่เกิด ทั้งจาก training data จำนวนมหึมา(ฺBig data) ที่เราโยนไปให้มัน และการเรียนรู้จากข้อมูล real time ข้อมูลใหม่ๆที่เกิดทุกวันทุกนาที ความสนุกมันอยู่ตรงสอนให้ robot มันเรียนรู้ ในภาพเอาโมเดลแบบเบสิกมาให้ดู คือลองสอน QuantRobot ให้มันแยกพฤติกรรมราคา แบบ unsupervised ด้วย Weight Adjusted KNN ใช้พารามิเตอร์ของพฤติกรรมราคา 8 ตัวสำหรับ training data รอบแรกยังมั่วๆอยู่เพราะข้อมูลไม่ค่อยดี จากนั้นลอง clean data ใหม่ด้วย Principal Components Analysis (PCA) ก่อนแล้วเอามารันอีกรอบ ผลค่อนข้างดีขึ้น ตัวนี้ถ้าทำงานได้จะประหยัดเวลามาก เพราะ