ส่องผล The 4-Week Rule กับตลาดหุ้นไทย

April 1, 2017

หลังจากตอนที่แล้วเราได้เกริ่นนำถึง The 4-Week Rule ของ Richard Donchian ปรมาจารย์ผู้บุกเบิกแนวคิดการลงทุนอย่างเป็นระบบไปแล้ว ในตอนนี้ ผมจะลองนำแนวคิดนี้มาประกอบกันเข้าเป็นระบบเทรด แล้วนำมาทดสอบประสิทธิภาพการทำเงินกับตลาดหุ้นไทยกัน  กลยุทธ์ที่มีการเผยแพร่มากว่า 50 ปีแล้ว ยังคงสร้างผลตอบแทนที่ดีได้อยู่หรือไม่? อยากรู้ ตามมาดูกันเลย Read more

ส่อง ROBOT 1.4 เครื่องจักรทำเงินด้วยเส้นค่าเฉลี่ย

March 8, 2017

ในหนังสือ “Think Algo: เทรดหุ้นยุคใหม่ให้โรบอททำเงินแทน” เราได้พัฒนาระบบซึ่งซื้อขายตามสัญญาณการตัดกันของเส้นค่าเฉลี่ย จนได้เป็น ROBOT 1.4 ที่ประสิทธิภาพการทำเงินถือว่าอยู่ในเกณฑ์ที่น่าพอใจ Read more

หุ้น ESSO พุ่ง +41% … โรบอทเก็งกำไรอย่างไร?

October 24, 2016

ก่อนอื่นเลย  การยกเอาหุ้น ESSO มาเขียน ไม่ใช่การใบ้หุ้น และห้ามซื้อ-ขายตามโดยเด็ดขาด ติดดอย ตกรถ ขายหมู ขาดทุน ต้องบริหารความเสี่ยงกันเองนะครับ  Think Algo ยกหุ้นตัวนี้มาวิเคราะห์เพื่อเป็นกรณีศึกษาเท่านั้น

ถ้าพร้อมแล้ว อ่านต่อเลย 😀

เชื่อว่าหลายๆ คนที่ติดตามหุ้นช่วงสัปดาห์ที่ผ่านมา น่าจะได้เห็นการเคลื่อนไหว ESSO ที่กระชากได้ใจ(คนมีหุ้น) และเย้ายวนใจ(คนไม่มีหุ้น) ด้วย ESSO เปิดตลาดเมื่อวันจันทร์ที่ผ่านมาที่ราคา 6.1 บาท ก่อนทยานตัวขึ้นไปปิดที่ราคา 8.45 บาทเมื่อวันศุกร์ คิดเป็นการเพิ่มขึ้นกว่าเกือบ 40% ในเวลาหนึ่งสัปดาห์ !!!

screen-shot-2016-10-23-at-8-47-57-pm Read more

เหตุการณ์ “เทกระจาด” ณ ATO เมื่อวันจันทร์ที่ 10 ต.ค. -Think Algo แกะให้ดูวินาทีนั้น

October 18, 2016

เชื่อว่าเพื่อนๆนักลงทุนยังจำกันได้ เช้าของวันจันทร์ที่ 10 ตุลาคม 2559 หุ้นจำนวนมากถูก “เทกระจาด” ตั้งแต่ตอนเปิด ATO ช่วงเช้า ฉุดให้ดัชนี SET ติดลบลงไปทันทีกว่า 50 จุด ! Read more

ย้อนรอย AOT 300 บาท – Think Algo แกะให้ดูแบบ ชอตต่อชอต

October 15, 2016

หากเพื่อนๆ มีโอกาสเฝ้าหน้าจอเมื่ออาทิตย์ที่ผ่านมา อาจจะได้เห็นการดำดิ่งของหุ้น AOT ตอนช่วงเปิดตลาดรอบบ่าย จากที่ราคาเคลื่อนไหวอยู่ในกรอบแถวๆ 350 บาท อยู่ดีๆ ก็ตกฮวบลงไปถึง 300 บาท ก่อนที่จะเด้งกลับมาเคลื่อนไหวในกรอบราคาเดิม

แน่นอนว่า สำหรับหุ้นที่ถือว่ามีมูลค่าการซื้อขายที่ค่อนข้างหนาแน่นอย่าง AOT ปรากฏกาณ์แบบนี้ไม่มีให้เห็นบ่อย ๆ

aot

สำหรับคนที่ตั้งซื้อไว้เล่นๆ แถว 300 บาท ก็ถือว่าโชคดีมหาศาล ทำกำไรเกือบๆ 20% ในหลักเสี้ยววินาที

แต่สำหรับคนที่มีหุ้นอยู่แล้ว แล้วเกิดตั้ง stop ไว้แถวๆ นั้น ก็ถือว่าเสียหายหลายแสนเลยทีเดียว

ถามว่าเกิดอะไรขึ้นกับ AOT ณ ช่วงเสี้ยววินาทีนั้น… Think Algo จะพาไปหาคำตอบในระดับ “เสี้ยววินาที” เลยครับ

เกิดอะไรขึ้นในเสี้ยววินาทีนั้น

มาลองพิจารณา Bid-Offer กันก่อนครับ พบว่าตลอดทั้งวัน ตั้งแต่ช่วงเช้าจนถึงช่วงเปิดตลาดภาคบ่าย มีการตั้ง Bid-Offer ที่สัมพันธ์กัน ไม่มีผิดปกติแต่อย่างใด กระทั่งเวลา 14.31 น. 10 วินาที ก็ยังปกติดี

1431101

แต่แล้ว…..เสี้ยววินาทีต่อจากนั้น

1431102

ใช่ครับ เสี้ยววินาทีจริงๆ เพราะเวลายังคงเป็น 14.31 น. 10 วินาทีอยู่เลย ยังไม่ถึงวินาทีที่ 11 ด้วยซ้ำ แต่อยู่ๆ ฝั่ง Bid ราคาหายเกลี้ยง จาก 352 มาเหลือเพียง 300 ได้อย่างไร????

แล้วมาดูกันว่า 2 วินาทีหลังจากนั้นเกิดอะไรขึ้น….

143111

143112

ใช่ครับ 2 วินาทีหลังจากนั้น Bid-Offer มาเคลื่อนไหวในกรอบแถวๆ 350 บาทเหมือนเดิม ยังกับว่าไม่มีอะไรเกิดขึ้น!!!!

เราเอากราฟแสดง Bid (สีเขียว) และ Offer (สีเหลือง) ณ ช่วงเวลา 2 วินาทีหฤโหดมาให้ดู  ซึ่งแน่นอนว่า ณ เสี้ยววินาทีนั้น สามารถสร้างผลตอบแทนเป็นกอบเป็นกำ หรือขาดทุนมหาศาลได้เลยครับ
bid-offer1

ว่าแต่ว่า Bid เหล่านั้นมันหายไปไหนครับ? เพียงแค่ทุกคนพร้อมใจกันถอด Bid ออก? หรือว่าโดนกระหน่ำขายในทุกราคา ณ เสี้ยววินาทีดังกล่าว?

คำตอบคือ…

เมื่อเราไปพิจารณาการซื้อขาย ณ ช่วงเวลา 14:31:10 น. ดังกล่าว (ดังแสดงในรูปด้านล่าง) สิ่งที่เราพบคือ มีการซื้อขายจริงครับ เป็นแรงขายในรูปแบบที่ว่า ราคาไหนชั้นก็จะขาย โดยใน 1 วินาทีนั้น มีการยิงคำสั่งขายออกมาถึง 105 ครั้ง!!! เป็นการขายทั้งหมด รวบยาวตั้งแต่ 350 มาจนถึง 300 บาท

tick_by_tick

เราคงไม่รู้หรอกครับว่าการเทกระหน่ำดังกล่าวเกิดด้วยเหตุผลอะไร

  • อาจจะวิตกกังวลสุดๆ
  • อาจจะคีย์ราคาผิด (ที่เรียกว่า Fat fingers)
  • อาจเป็นการต้ัง Algo Trade ไว้ให้ทุบ เพราะคาดการณ์ว่าไม่น่าจะมีใครตั้ง Bid รองล่างๆไว้
  • หรือ อาจเป็นการดักทางให้คนหรือกองทุนไหนที่ตั้ง Stop Loss ไว้ ขายออกมาโดยอัตโนมัติตามระบบที่ตั้งไว้และไม่ได้คอยดูแล

แต่ ณ เสี้ยววินาทีนั้น มีคนได้ผลตอบแทนอย่างเป็นกอบเป็นกำในเวลาที่รวดเร็ว และน่าจะมีคนที่ขาดทุนไม่น้อย

คนที่ได้กำไร คือคนตั้งราคารอซื้อไว้เล่นๆ ล่วงหน้า (ตั้งแต่ 300-350 บาท) หรือโรบอทที่เห็นถึงแรงขายที่ไม่ปกติดังกล่าว แล้วช่วงชิงด้วยความเร็วเข้าซื้อ ณ เสี้ยววินาทีนั้น  ส่วนฝ่ายที่ขาดทุน ก็น่าจะเป็นกลุ่มที่มีการตั้ง stop loss เอาไว้ ว่าถ้าราคาตกลงมามากเกินจะจะต้องทำการขายออกมาทันที

เราเองไม่ทราบเหมือนกันครับว่าใครเป็นคนทำ (และไม่ได้ต้องการสืบสวน) แต่ต้องการชี้ให้เห็นว่า Flash Crash ที่เกิดขึ้นบ่อยครั้งทั่วโลกนั้น ระบบ Algo ที่ดีจะต้องได้รับการออกแบบมาล่วงหน้าเพื่อป้องกันความเสียหายของกองทุน และ/หรือ สามารถพลิกเหตุการณ์ Flash Crash ให้เป็นประโยชน์แก่ผู้ถือหน่วยลงทุนของกอง Algo นั้นได้

สรุป

มนุษย์มีจุดแข็งของมนุษย์ โรบอทก็มีจุดแข็งของโรบอท การนำจุดแข็งของทั้งสองมาเสริมซึ่งกันและกันน่าจะเป็นอนาคตของกองทุนในยุคใหม่ครับ

ติดตามเราได้ที่เพจ Think Algo

https://www.facebook.com/thinkalgo

cabec126-123

เจาะ 5 กลยุทธ์ ที่ System Traders นิยมใช้กันมายาวนาน (ตอนที่ 2)

June 27, 2016

หลังจากที่เราได้ทำการแนะนำแนวคิดของกลยุทธ์ทั้งห้าในตอนที่ 1 เป็นที่เรียบร้อยแล้ว วันนี้ Think Algo จะพามาเจาะลงในรายละเอียดของ ALGO 1: Highest High Trading System กัน

พร้อมแล้ว…ลุยเลย !

Key Concepts

เงื่อนไขในการซื้อของกลยุทธ์นี้จะอ้างอิงราคาปิด ณ วันปัจจุบัน เทียบกับ

  • (สำหรับการเข้าซื้อ) ราคาสูงสุดที่เกิดขึ้น (Highest High Value: HHV) เมื่อมองย้อนหลังกลับไป X วัน  และ
  • (สำหรับการขายออก) ราคาต่ำสุดที่เกิดขึ้น (Lowest Low Value: LLV) เมื่อมองย้อนหลังกลับไป Y วัน

ค่า HHV และ LLV นี้ทำหน้าที่เสมือนแนวต้านและแนวรับของราคา เมื่อใดก็ตามที่ราคาหุ้นมีการเคลื่อนที่ออกจากกรอบนี้ เราสามารถใช้จุดนี้เป็นสัญญาณเข้าซื้อหรือขายได้

BUY: ซื้อ เมื่อราคาปิดวันนี้ สูงกว่า ราคาสูงสุด (highest high) ที่เคยเกิดขึ้นมา (พิจารณาย้อนหลังไป X วัน)

f

SELL: ขาย เมื่อราคาปิดวันนี้ ต่ำกว่าราคาต่ำสุด (lowest low) ที่เคยเกิดขึ้นมา (พิจารณาย้อนหลังไป Y วัน)
2

Example

ลองมาดูตัวอย่างการเข้าซื้อหรือขายหุ้น AOT ด้วยกลยุทธ์นี้กันครับ  สมมุติผมให้ X = 50 วัน และ Y = 20 วันละกัน นั่นหมายความว่า ระบบของเราจะ

  • ทำการซื้อหุ้นเข้าพอร์ต เมื่อราคาปิดวันนี้เคลื่อนที่ขึ้นไปปิดสูงกว่าราคาสูงสุดที่เคยมีมา 50 วัน  และ
  • ทำการขายหุ้นออกไปเมื่อราคาวันนี้ตกลงไปติดต่ำกว่าราคาต่ำสุดที่เคยเกิดขึ้ยเมื่อพิจารณาย้อนหลังกลับไป 20 วัน
    Untitled

The BestX and Y

แน่นอนว่า คำถามที่อยู่ในใจเพื่อนๆ ตอนนี้ คือ เราควรตั้งค่า X และ Y เป็นเท่าไหร่ดี

หากผมอ้างอิงกลับไปที่ ASXMarketWatch เค้าตั้งค่าพารามิเตอร์นี้เป็น X = 85 วันและ Y = 35 วัน นี่คือค่าที่เค้าศึกษาแล้วว่าเหมาะสมกับตลาด ASX Market ที่ออสเตรเลีย 

แล้วตลาดบ้านเราล่ะ ค่า X และ Y ที่ดีและเหมาะสมควรจะเป็นเท่าไหร่ ?  

ประเด็นนี้ถือว่าสำคัญมากนะครับ โดยเฉพาะสำหรับเพื่อนๆ ที่กำลังเริ่มพัฒนาระบบขึ้นมาใช้เป็นของตัวเอง มีจำนวนไม่น้อยเลยที่พยายามไขว่คว้าหาพารามิเตอร์ที่จะให้ค่าผลตอบแทนที่สูงที่สุด  อันนี้อันตรายครับ ต้องระวัง  สิ่งที่เพื่อนๆ ควรมองหามากกว่าคือ พารามิเตอร์ที่เหมาะสมที่สุด

หากจะให้อธิบายเรื่องนี้ให้ละเอียด คงจะยาวครับ ฮ่าๆ (เอาเป็นว่า ถ้ามีคนสนใจกระบวนการทดสอบในส่วนนี้ ส่งเสียงมาได้ แล้วเดี๋ยวผมเขียนเพิ่มเติมให้) ขอสรุปสั้นๆ ให้ลองคิดละกันว่า

ข้อมูลที่เรามีอยู่ตอนนี้คือ ข้อมูลของราคาในอดีต

การเลือกค่าพารามิเตอร์ที่จะเฉพาะเจาะจงมากเกินไป

อาจจะกลายเป็นการ optimize เพื่อให้ได้

ผลตอบแทนสูงสุดกับการซื้อขายในอดีต

แต่อาจจะไม่สามารถทำเงินได้เลยกับราคา

ที่กำลังจะเกิดขึ้นในอนาคต!!!

เรียกปัญหานี้ว่า Overfitting

จากการที่ผมได้ทำการทดสอบมา จะขอเลือกใช้ค่า X และ Y เป็น 80 วัน และ 40 วัน ตามลำดับ  นั่นหมายความว่า

BUY: ซื้อ เมื่อราคาปิดวันนี้ สูงกว่า ราคาสูงสุด (highest high) ที่เคยเกิดขึ้นมา (พิจารณาย้อนหลังไป 80 วัน)

SELL: ขาย เมื่อราคาปิดวันนี้ ต่ำกว่าราคาต่ำสุด (lowest low) ที่เคยเกิดขึ้นมา (พิจารณาย้อนหลังไป 40 วัน)

อย่างที่ผมบอกไปนะครับ ค่า X และ Y นี้ ไม่ใช่ว่าอยู่ดีๆ ก็ลอยมา ค่าทั้งสองนี้มาจากการวิเคราะห์และทดสอบแล้ว ว่าเป็นค่าที่เหมาะสม (รายละเอียดการทดสอบเป็นยังไง ค่อยว่ากันอีกที)

Performance

ขอกำหนด setting เบื้องต้นตามนี้ คือ

  1. จำนวนหุ้นสูงสุดที่จะถือในพอร์ต (maximum positions) จะไม่เกิน 20 ตัว โดยหุ้นแต่ละตัวจะซื้อด้วยมูลค่าเท่าๆ กัน คือ 100/20 = 5% ของเงินในพอร์ตที่มี
  2. เมื่อเกิดสัญญาณซื้อหรือขาย เราจะเข้าซื้อ ณ ราคาเปิด (ATO) ของวันถัดไป
  3. หุ้นที่เราจะซื้อขาย (พิจารณาทั้งจาก SET และ MAI) ต้องมีมูลค่าการซื้อขายเฉลี่ยระหว่างวันมากกว่า 10 ล้านบาท (เพื่อเช็คว่าหุ้นนั้นๆ มีสภาพคล่อง) 
  4. ช่วงเวลาที่ทำการทดสอบ คือ ปี 20002013 รวม 14 ปี 
  5. ค่า commission 0.2 %

มาดูกันเลยว่ากลยุทธ์นี้จะเป็นเครื่องจักรทำเงินที่ดีมากน้อยขนาดไหน

  • อัตราผลตอบแทนเฉลี่ยต่อปี (Compound Annual Return: CAR)  27.1 %
  • ความเสี่ยงในรูป Maximum Drawdown (MDD) -37.2 %
  • โอกาสในการเทรดชนะในแต่ละครั้ง (% Winners) 41.1%

หากมองเฉพาะในส่วนอัตราผลตอบแทน ต้องถือว่า ALGO นี้สุดยอดไปเลย กำไรเฉลี่ยเกือบๆ 30% ต่อปี เป็นใครๆ ก็เอา (ผมด้วย ฮ่าๆ)

แต่ช้าก่อนครับ แล้วความเสี่ยงขาดทุนของ ALGO นี้ล่ะ มีมากน้อยขนาดไหน ?

หากวัดจากการย่อตัวสูงสุดของเงินในพอร์ตเรา ค่า Maximum Drawdown นั้นสูงถึง เกือบๆ -40% อันนี้ถือว่าสูงมากครับ

ผมเคยแนะนำไปว่า ค่านี้อยากให้ไม่เกินแถวๆ -20% เพราะนั่นน่าจะเป็นระดับสูงสุดที่นักลงทุนส่วนใหญ่จะพอรับได้แล้ว  (หากปล่อยให้ performance แกว่งไปมารุนแรงกว่านี้ โอกาสแหกกฎการลงทุนก็มีสูง)

ดังนั้น แม้ว่าเราจะพอใจในส่วนของผลตอบแทน ความเสี่ยงก็ยังคงต้องพัฒนาต่อไป….ทำยังไงดีล่ะ ?

Index Filter: ลงทุนเมื่อสภาพตลาดเป็นใจ

Index Filter คืออะไร?

หากมองตลาดบ้านเรา Index Filter ก็คือการใช้การเคลื่อนไหวของ SET Index เป็นตัวกรองว่า ณ ขณะนี้ สภาพตลาดเหมาะแก่การเข้าไปลงทุนหรือไม่ การลงทุนในวันที่สภาวะตลาดเป็นใจย่อมมีโอกาสทำกำไรได้มากกว่าในวันที่สภาพตลาดอึมครึม เต็มไปด้วยความหวาดกลัว

ดังนั้น เราจะลองเพิ่มอีกหนึ่งเงื่อนไขเข้าไปว่า เราจะซื้อหุ้นเข้าพอร์ตก็ต่อเมื่อ

Index Filter:  SET Index มีการเคลื่อนไหวอยู่สูงกว่าค่าเฉลี่ยย้อนหลัง 120 วันของตัวมันเอง

ตรงจุดนี้ อาจมีเพื่อนๆ ถามผมอีกว่า ทำไมต้องเป็น 120 วัน เป็นเลขอื่นได้มั้ย? อยากให้ไปลองปรับเล่นๆ กันได้เลยครับ

เหตุผลที่ผมเลือก 120 วัน เพราะ นั่นคือ จำนวนวันที่เราสามารถเทรดได้(โดยประมาณ) ใน 6 เดือน นั่นคือ ผมอยากเทรดเฉพาะในช่วงที่ SET เคลื่อนไหวอยู่เหนือค่าเฉลี่ย 6 เดือนของตัวมันเอง

มาดูผลกัน….

  • อัตราผลตอบแทนเฉลี่ยต่อปี (Compound Annual Return: CAR) 31.6  %
  • ความเสี่ยงในรูป Maximum Drawdown (MDD) -28.0 %
  • โอกาสในการเทรดชนะในแต่ละครั้ง (% Winners) 47.1%

สังเกตุว่า

  • อัตราผลตอบแทนเพิ่มมากขึ้น นั่นเป็นสิ่งที่ดีครับ (หมายความว่า เราไม่จำเป็นต้องอยู่ในตลาดตลอดเวลา เลือกลงทุนเฉพาะในช่วงที่สภาพตลาดเป็นใจ)
  • Maximum drawdown ดีขึ้นเล็กน้อย แต่ผมว่ามันยังต้องพัฒนาอยู่ (เป้าหมายคือ -20%)
  • % Winners อยู่ประมาณ 50% นั่นคือ ในการเทรดแต่ละครั้ง โอกาสชนะกับแพ้นี้พอๆ กัน เพียงแต่ถ้าชนะจะได้กำไรเยอะ แต่ขาดทุนจะขาดทุนน้อย จึงทำให้ในระยะยาวผลตอบแทนเป็นบวก

ลองดู Equity Curve กันครับ สมมุติว่าเราตั้งต้นด้วยเงิน 1 ล้านบาท ในวันแรกที่เริ่มเทรดในปี 2000 สังเกตุการเติบโตของเงินครับ

4

ส่วน drawdown ณ ช่วงเวลาต่างๆ รูปร่างประมาณนี้เลย

5

เป็นเพราะว่าตลาดมันขึ้นอยู่แล้วหรือเปล่า ผลตอบแทนถึงดูดีขนาดนี้??? 

ถ้าอย่างนั้น ลองเปรียบเทียบกับ SET Index ในช่วงเวลาดังกล่าวกันครับ

  • อัตราผลตอบแทนเฉลี่ยต่อปี (Compound Annual Return: CAR) 7.10  %
  • ความเสี่ยงในรูป Maximum Drawdown (MDD) -57.47 %

Equity curve ของ Buy&Hold Strategy จะประมาณนี้

6

และ Maximum Drawdown

7

จะเห็นว่า

  • ในภาพรวม ช่วงเวลาดังกล่าว ตลาดอยู่ในสภาวะขาขึ้น แต่ก็มีช่วงสะดุดแรงๆ บ้าง ประมาณปี 2008-2009
  • ในเชิงผลตอบแทน ALGO Highest High ของเรา เอาชนะตลาดได้พอสมควร (มากเลยแหละ ฮ่าๆ)
  • ในเชิงความเสี่ยง Maximum Drawdown ของ ALGO Highest High แม้จะยังสูงอยู่ในสายตาของเรา แต่ก็ยังคงดีกว่าการซื้อแล้วถือยาว 

แล้วอย่างไรต่อ?

สิ่งที่เราได้แสดงให้เห็นในบทความนี้ คือ ระบบนี้สามารถสร้างผลตอบแทนที่ดีในตลาดบ้านเราได้ ดังนั้น แนวคิดของกลยุทธ์นี้ คุณสามารถนำไปเป็นฐานเพื่อพัฒนาต่อได้

ผมยังไม่แนะนำให้เอากลยุทธ์นี้ไปใช้ทันทีโดยยังไม่ได้ปรับแต่ง หรือทดสอบเพิ่มเติมนะครับ อย่างแรกเลย Maximum Drawdown ยังสูงไปอยู่ในความเห็นของผม (ลองคิดๆ ดูว่าจะลดลงได้อย่างไร) อีกทั้งในเชิงของกระบวนการณ์ทดสอบยังไม่ครบถ้วนซักทีเดียว (ติดตาม Think Algo ไปเรื่อยๆ ผมจะทยอยใส่จุดสำคัญๆ ที่ควรพิจารณาเข้ามาเรื่อยๆ)

เทรดเดอร์ทั่วไป

อาจใช้เวลา 80 เปอร์เซ็นต์ที่มี

ในการเฝ้าหน้าจอดูการเคลื่อนไหวของราคา 

ในขณะที่นักพัฒนากลยุทธ์ 

เราจะใช้ 80 เปอร์เซ็นต์ของเวลานี้ 

กับกระบวนการวิจัย พัฒนา และทดสอบกลยุทธ์

(สรุปคือ ไม่มีเวลาเหลือเหมือนเดิม ฮ่าๆๆ)

ท้ายที่สุด…

Think Algo เราจัดตั้งขึ้นมาด้วยวัตถุประสงค์ในการสร้างสังคมนักลงทุนคุณภาพ  เราใช้เวลาในทุกๆ รายละเอียดเพื่อให้ผลงานออกมามีคุณภาพดี

กำลังใจจากเพื่อนๆ จะช่วยให้เราอดหลับอดนอนในการปั่นผลงานดีๆ ออกมาเรื่อยๆ ดังนั้น หากคิดว่าบทความนี้ดีและเป็นประโยชน์ แชร์เลยครับ

ซัก 2,000 แชร์ นะครับ แล้วจะอดนอนอีกคืน 😂  นั่งเขียนบทความหนุกๆให้อีก 😁 

โชคดีในการเทรดครับ

Dr. Supawat Supakwong

nine-1

think algo_logo

ความเชื่อที่ผิด 3 ประการกับ Robot

April 3, 2016

หลังจากที่ผมได้เขียนบทความเกี่ยวกับ Algorithmic Trading (หรือ Robot Trading)  ได้มีเพื่อนๆ นักลงทุนหลายท่านทักทายเข้ามา และสอบถามความเห็นเกี่ยวกับแนวทางการลงทุนในรูปแบบนี้  สิ่งหนึ่งที่ผมเห็น คือ บางท่านยังอาจมีความเข้าใจที่คลาดเคลื่อนเกี่ยวกับ Robot  ซึ่งสรุปเป็นประเด็นหลักๆ ได้ดังนี้ครับ Read more