Robot Building

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

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

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 !!!

Read more

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

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

แน่นอนว่า สำหรับหุ้นที่ถือว่ามีมูลค่าการซื้อขายที่ค่อนข้างหนาแน่นอย่าง AOT ปรากฏกาณ์แบบนี้ไม่มีให้เห็นบ่อย ๆ

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

แต่แล้ว…..เสี้ยววินาทีต่อจากนั้น

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

แล้วมาดูกันว่า 2 วินาทีหลังจากนั้นเกิดอะไรขึ้น….

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

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

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

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

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)

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

Example

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

• ทำการซื้อหุ้นเข้าพอร์ต เมื่อราคาปิดวันนี้เคลื่อนที่ขึ้นไปปิดสูงกว่าราคาสูงสุดที่เคยมีมา 50 วัน  และ
• ทำการขายหุ้นออกไปเมื่อราคาวันนี้ตกลงไปติดต่ำกว่าราคาต่ำสุดที่เคยเกิดขึ้ยเมื่อพิจารณาย้อนหลังกลับไป 20 วัน
  

The “Best” X 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 ว่าเป็นค่าที่”เหมาะสม” (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 2000–2013 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

ส่วน drawdown ณ ช่วงเวลาต่างๆ รูปร่างประมาณนี้เลย

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

และ Maximum Drawdown

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