Admin No Comments

ตอนที่แล้วเราอธิบายถึงสาเหตุว่า ทำไมการวิเคราะห์การซื้อ-ขายในวันแรกๆของหุ้น IPO จึงมีความสำคัญมากต่อการเก็งกำไรระยะสั้น

ตะลุมบอลวัน IPO: ความจริงที่คุณอาจ “มองด้วยตาเปล่า” ไม่ทัน! (ตอนที่ 1)

มาตอนนี้ Think Algo เลยหยิบเอากรณีหุ้น SQ ที่เพิ่ง IPO มาเมื่อวันพุธที่ผ่านมาสดๆร้อนๆ มาเป็นกรณีศึกษานะครับ

(และเช่นเคย เราไม่ต้องการค้นหาว่ารายใดหรือใครทำการซื้อ-ขาย  เราไม่มีข้อมูลในส่วนนั้นและไม่มีประโยชน์อะไรเท่าไรในการวิเคราะห์ และเราไม่ได้ต้องการชี้นำหรือแนะนำ ดังนั้นห้ามทำการซื้อ-ขายหุ้น  SQ ตามโดยเด็ดขาดนะครับ)

————————-

เมื่อวันพุธที่ผ่านมา หุ้น SQ ของทางบริษัทสหกลอิควิปเมนท์ ได้เข้ามาให้มีการซื้อขายในตลาดหุ้นเป็นวันแรก โดยราคา IPO อยู่ที่ 3.2 บาท

หุ้น SQ มีการซื้อขายที่ร้อนแรงมาก ด้วยมูลค่ากว่า 2,900 ล้านบาทในวันแรก ปิดที่ราคา 4.00 บาท คิดเป็นการขึ้น 25% ของราคา IPO (ราคาปิด ณ วันศุกร์ที่ผ่านมาอยู่ที่ 4.14 บาท หรือ +29.3% จากราคา IPO)

screen-shot-2016-10-29-at-9-31-37-pm

แบ่งผู้เล่นเป็น 2 กลุ่มใหญ่

ในวันแรกของการซื้อขาย เราจะแบ่งผู้เล่นออกได้เป็น 2 กลุ่ม ก็คือ กลุ่มของคนที่ยังไม่มีหุ้นและต้องการเข้าซื้อ  กับอีกกลุ่มที่ได้รับการจัดสรรหุ้น IPO มาก่อนหน้าแล้ว พร้อมเทขายทำกำไรออกมาเมื่อถึงราคาที่เหมาะสม

ดังนั้น ช่วงแรกของการซื้อขายจะเป็นการ “ประลองกัน” ของสองฝ่ายว่าใครจะแข็งแกร่งกว่า ส่งผลให้ราคามีความผันผวนมากในช่วงต้น จะเข้าสู่สมดุลก็ต่อเมื่อ แรงซื้อกับแรงขายมีขนาดที่ใกล้เคียงกัน

เมื่อเปิดตลาด ATO

หุ้น SQ มีการเคลื่อนไหวที่คึกคักตั้งแต่ตอนก่อนเปิดตลาดช่วงเช้า ATO โดยมีการเพิ่มถอน Bid/Offer ของราคาที่ ATO กว่า 2,797 ครั้ง ด้วย volume ที่หนาแน่นทั้งทางฝั่ง Bid และ Offer ดังแสดงในกราฟ ส่งผลให้เมื่อเปิดตลาดที่เวลา 9.59.47 น. ราคา SQ พุ่งขึ้นไปถึง 4.22 บาท ด้วยมูลค่าการซื้อขายรวมกว่า 337.6 ล้านบาท

จากนั้น SQ ยังคงมีการเคลื่อนไหวที่ร้อนแรงอย่างโดยเฉพาะในช่วงครึ่งชั่วโมงแรก (ถึงเวลา 10.30 น.) ที่จำนวนครั้งในการเทรด คิดเป็นกว่า 52.58% ของทั้งวัน และมูลค่าการซื้อขายคิดเป็น 68.79% ของทั้งวัน

sq-ato

ไม้ใหญ่ๆ ซื้อหรือขาย ?

อย่างที่เราได้เกริ่นไปก่อนหน้านี้ว่า ก่อนเปิดตลาดเราไม่สามารถใช้สัญญาณทางเทคนิคมาช่วยวิเคราะห์ได้ เนื่องจากไม่มีข้อมูลราคา อย่างไรก็ตาม หลังตลาดเปิด ข้อมูลต่างๆ เริ่มไหลเข้ามาในทุกๆ เสี้ยววินาที (จนกลายเป็น Big Data ขนาดย่อมๆเลยทีเดียว) ยกตัวอย่างเช่น:

  • Tick data ในแต่ละช่วงเวลานั้นๆ ว่ามีการซื้อหรือขายอะไรบ้าง
  • ลักษณะการเปลี่ยนแปลงของ bid และ offer ที่เวลาต่างๆ

ข้อมูลเหล่านี้ เมื่อโรบอทนำมาประมวลผลได้อย่างรวดเร็วพอ จะช่วยให้เห็นภาพที่ชัดเจนขึ้นว่า ราคาน่าจะเคลื่อนไหวไปในทิศทางใด เช่น หากฝั่ง Bid ยังคงหนาแน่นไปด้วย volume ของคนอยากซื้อ ราคาก็น่าจะเคลื่อนที่ขึ้นไปได้ ในขณะที่หาก tick data แสดงแรงขายไม้ใหญ่ๆ ออกมา ก็อาจจะแสดงถึงการขายสวนของนักเก็งกำไรหรือรายใหญ่ก็เป็นไปได้

ไม้ที่ 1 และ 2

เมื่อเราพิจารณาจัดลำดับไม้ใหญ่ๆ ที่มีการซื้อขายด้วยมูลค่าที่สูง เราพบว่ามูลค่าการซื้อขายสูงสุด 2 ลำดับแรกเกิดขึ้นตอน

  1. ช่วงเปิดตลาดรอบเช้า (ATO) ที่เวลา 9.59.47 น. ราคา 4.22 บาท จำนวน 80,000,800 หุ้น รวมมูลค่าเป็น 337.6 ล้านบาท
  2. ช่วงปิดตลาด (ATC) ที่เวลา 16.36.23 น. ราคา 4.00 บาท จำนวน 23,909,400 หุ้น รวมมูลค่าเป็น 95.6 ล้านบาท

ไม้ที่ 3

ไม้ที่ 3 ที่มีมูลค่าการซื้อขายสูงสุด เกิดขึ้นเมื่อเวลา 10.14.57 น. ตรงนี้น่าสนใจครับ

1014571

เสี้ยววินาทีหลังจากนั้น…

1014572

ใช่ครับ volume ของ offer ที่ราคา 4.3 บาท หายไป….หายไปไหน?

เมื่อพิจารณาจาก tick data จึงตอบช้อสงสัยของเราว่า ไม่ใช่เป็นการถอด offer ออก แต่มีการซื้อที่ราคา 4.3 บาท จำนวน 2.5 ล้านหุ้น หรือคิดเป็นเงิน 10.75 ล้านบาทจริง

ไม้ที่ 4

ในขณะที่ ไม้ที่ 4 เป็นแรงขายที่เกิดขึ้นช่วงเวลา 10.14.18 น.

1014181

เสี้ยววินาทีหลังจากนั้น….(สังเกตว่ายังเป็นวินาทีที่ 18 เหมือนเดิม!)

1014182

จากข้อมูล tick data พบว่า เป็นแรงขายจำนวน 2 ล้านหุ้นที่ราคา 4.32 บาท คิดเป็นมูลค่า 8.64 ล้านบาท

ตรงนี้มองได้ 2 แบบครับ

  1. มีคำสั่งขายจำนวน 2 ล้านหุ้น และมีคนรอซื้อด้วย volume ที่มากกว่าหรือเท่ากับ 2 ล้านหุ้น (แต่ match แค่ 2 ล้านหุ้น) หรือ
  2. มีคำสั่งขายด้วยจำนวนที่มากกว่า 2 ล้านหุ้น แต่มีหนึ่งรายที่พร้อมรับ 2 ล้านหุ้น (จึงแสดงให้เห็นว่า match 2 ล้านหุ้น) ส่วนที่เหลือก็กระจายไป match กับผู้ซื้อรายอื่นๆ ด้วย volume ที่ต่างกันออกไป

แล้วคิดว่าเป็นในรูปแบบไหนมากกว่ากัน ?

มาลองหาคำตอบกันเลยครับ

โรบอทของ Think Algo เลยไปเจาะดู tick data ที่ช่วงเวลา 10.14.18 น. ดังกล่าว ว่านอกเหนือจากคำสั่งขายที่ match 2 ล้านหุ้นนั้นแล้ว มีคำสั่งอื่นที่ match อีกหรือเปล่า

สิ่งที่เราพบ คือ ที่วินาทีนั้น นอกเหนือจาก 2 ล้านหุ้นแล้ว มีการ match คำสั่งขายอื่นๆ อีกทั้งสิ้น 100 คำสั่งพอดิบพอดี ด้วย volume ที่แตกต่างกันออกไป (มากที่สุดก็ 2 ล้านหุ้น ที่เรา detect เจอจากไม้ใหญ่) คิดเป็นมูลค่ารวมทั้งสิ้น 21.2 ล้านบาท

ทำให้เราพอจะทราบได้ว่าน่าจะเป็นแรงเทขายเก็งกำไรออกมาจากรายใหญ่ในรูปแบบที่ 2 เสียมากกว่า (ใหญ่หรือเปล่าไม่รู้ แต่ขาย 21.2 ล้านบาท ^_^)

เราได้ประโยชน์อะไรจากข้อมูลเหล่านี้

ในการวิเคราะห์ที่ Think Algo ดำเนินจริงจะลงรายละเอียดมากกว่านี้และทำอย่างต่อเนื่องในช่วงวันแรกๆของการซื้อขาย ในบทความนี้เราต้องการยกตัวอย่างให้เพื่อนๆเห็นแนวทางในการวิเคราะห์โดยใช้ Robot ที่สามารถเข้าประมวลข้อมูลระดับ Tick-by-Tick ได้ แต่คอนเซ็ปหลักๆยังคงไม่เปลี่ยนแปลง กล่าวคือ:

  • ถ้าวิเคราะห์แล้ว มีขาใหญ่แอบเทสวน หรือ รินสวน มาตลอดทาง –> ควรหลีกเลี่ยงการเข้าไปตะลุมบอล หรือ ไม่งั้นก็ให้โรบอทเล่นสั้นมากๆและเร็วมากๆเพื่อจำกัดความเสี่ยง
  • ถ้าวิเคราะห์แล้วมีขาใหญ่รินสวนมาบ้าง หรือ การขายทำโดยรายย่อยที่เก็งกำไรสั้นๆ –> โรบอทอาจพิจารณาเข้าร่วมการเทรดในสัดส่วนที่มากขึ้น หรืออาจถือนานขึ้น เพื่อเพิ่มสัดส่วนในการทำกำไร

banner

สรุป

เพื่อนๆอาจทำการวิเคราะห์พื้นฐานบริษัทและทำการประเมินมูลค่าควบคู่กันไปด้วย เพื่อตัดสินใจว่าจะซื้อหุ้น IPO เพื่อถือยาวหรือไม่

แต่หากเพื่อนๆต้องการแบ่งพอร์ตออกมาส่วนหนึ่ง เพื่อมาเล่นเก็งกำไร การมีโรบอทเป็นผู้ช่วยวิเคราะห์ Big Data ก็สามารถสร้างความได้เปรียบ และอาจสามารถสร้างผลตอบแทนจากการเทรดสั้นๆ เพิ่มเติมให้กับพอร์ตโดยรวมได้ครับ 😀

————————–

ติดตามเทคโนโลยีของ Artificial Intelligence ในตลาดหุ้นได้ที่เพจ

https://www.facebook.com/thinkalgo/

think algo_logo