Tag Archives: วิเคราะห์หุ้นทางเทคนิค

การวิเคราะห์หุ้นทางเทคนิค จะไม่ไช่เรื่องดำมืดสำหรับคุณอีกต่อไป คุณจะสามารถติดตามอ่านเคล็ดลับ “การวิเคราะห์หุ้นทางเทคนิค” ได้ที่นี่ แมงเม่าคลับ.คอม

image.png

กับดักของรายละเอียดในตลาดหุ้น

หลังจากที่ผมเคยได้พูดอยู่บ่อยๆรวมถึงได้เขียนบทความ “เหตุใดระบบการลงทุนของคุณจึงควรง่ายเข้าไว้?” ผ่านมาสัก 2 ปีเห็นจะได้ หลังๆมานี้ก็เห็นหลายๆคนเริ่มมีความเข้าใจถึงข้อดีของความง่ายของระบบกันมากขึ้น แต่ในอีกมุมหนึ่งก็ยังมีคนที่สงสัยและติดใจว่าเราไม่จำเป็นต้องสนใจปัจจัยอื่นๆอีกมากมายด้วยจริงๆหรือ? วันนี้เลยขอกลับมาเขียนภาคต่อของบทความนี้ เพื่อให้หลายๆคนที่ยังไม่คุ้นกับการวิจัยตลาด หรือทดสอบระบบการลงทุนได้เห็นภาพกันชัดเจนยิ่งขึ้นครับ

ความเดิมตอนที่แล้ว

ในบทความภาคแรกนั้นผมได้พยายามชี้ให้เห็นไปแล้วว่าสูตรวิเคราะห์ที่พิสดารหรือการเพิ่ม Indicator เป็นกระบุงเข้าไปในระบบของคุณเพื่อการ Confirm นั้นมักไม่ได้ช่วยให้อะไรดีขึ้นมาสักเท่าไหร่ นั่นก็เพราะสิ่งที่คุณทำเป็นเพียงการจับรายละเอียดของราคาหุ้นมากจนเกินไป (Overfitting) จนทำให้ผลกำไรที่ได้มาจากการทดสอบระบบเป็นเพียงภาพลวงตาที่เกิดขึ้นจากการที่ระบบบังเอิญไปลงรอยกับรายละเอียดปลีกย่อยหรือ Noise ในข้อมูล ซึ่งไม่มีคุณค่าในการพยากรณ์ถึงการเคลื่อนไหวของราคาหุ้นจริงๆออกมา

ผมเองเชื่อว่าสำหรับคนที่เคยได้ทำการวิจัยตลาดหรือ Backtest ระบบมาแล้วอย่างโชกโชนคงไม่ใช่เรื่องที่น่าประหลาดใจหรือเข้าใจได้ยากอะไรนัก อย่างไรก็ตามสำหรับคนที่พึ่งเริ่มศึกษาการสร้างและทดสอบระบบการลงทุน รวมถึงคนที่ยังไม่เคยได้มีโอกาสเกี่ยวข้องกับกระบวนการตรงนี้อาจเป็นเรื่องที่เข้าใจได้ … แต่ยังไม่เห็นภาพกันอย่างชัดเจนสักเท่าไหร่นัก ดังนั้นในวันนี้ผมจะแสดงให้เห็นถึงตัวอย่างและผลกระทบจากการที่คุณมัวแต่ไปจับรายละเอียดเล็กๆน้อยๆของราคาหุ้นกันอย่างชัดเจนยิ่งขึ้นครับ

สถานการณ์สมมติ

เพื่อที่จะแสดงตัวอย่างให้พวกเราได้เห็นภาพกันอย่างชัดเจนนั้น ผมจะขอสมมติสถานการณ์สุดฮิตต่อจากในบทความที่แล้ว ซึ่งถือเป็นตัวแทนของความเม่าและหลงผิดในการทำการ Backtesting ขึ้นมาสักเล็กน้อย

โดยสมมติว่าหลังจากในบทความที่แล้วนั้นนายเม่าได้กลับไปศึกษาหลักการวิเคราะห์ทางเทคนิคเพิ่มเติมมาอีกสักพักหนึ่ง เขาได้เรียนรู้รูปแบบการเคลื่อนไหวของราคา (Price Pattern) รวมถึง Indicator ต่างๆมาเพิ่มเติมอีกพอสมควร เขาได้ค้นพบจากคำแนะนำว่าการเคลื่อนไหวของราคาหุ้น (Price Action) คือสิ่งที่มีการตอบสนองอย่างไวที่สุดต่อการเคลื่อนไหวของตลาด แต่ต้องใช้ Indicator ต่างๆช่วยยืนยัน และการใช้ Idicator ต่างๆนั้นจะใช้แบบมั่วๆก็ไม่ได้ เพราะ Indicator แต่ละประเภทแต่ละตัวนั้นจะมีประโยชน์ที่แตกต่างกันไป การใช้ Indicator ซ้ำซ้อนกันก็อาจไม่ช่วยอะไร ดังนั้นเขาจึงควรที่จะเลือกใช้ Indicator แต่ละชนิดประกอบกันเพื่อทำให้การวิเคราะห์นั้นสมเหตุสมผลยิ่งขึ้น

Indicators Types

ภาพที่ 1: ชนิดของ Indicator แบ่งตามลักษณะของการวัด (Credit-Futuresmag.com)

สำหรับเรื่องของ Indicator นั้น นายเม่าได้เรียนรู้มาว่า Indicator นั้นมีอยู่ 4 ชนิดใหญ่ๆ แต่ละชนิดประกอบไปด้วย Indicator เป็นร้อยๆตัว เขาจึงตัดสินใจที่จะนำ Indicator ยอดฮิตที่ดูจะมี Logic ในการออกแบบที่ดูเข้าท่ามาอย่างละตัวสองตัว เพื่อที่จะใช้ประกอบการวิเคราะห์ราคาหุ้นของเขา

ทฤษฎีของนายเม่า

หลังจากที่เขาได้คาดการณ์ถึงชุดรวม Frame work ของ Indicator ที่น่าจะตอบโจทย์การหาจังหวะในการซื้อขายหุ้นของเขาได้แล้วนั้น นายเม่าได้ทำการบ้านอย่างหนักเพื่อพิสูจน์ความคิดของเขาโดยการเปิดกราฟหุ้นที่ให้ผลตอบแทนสูงๆแต่ละตัวเพื่อสังเกตุออกมาว่าก่อนที่มันจะวิ่งขึ้นไปนั้น Indicator ต่างๆนั้นมีลักษณะการอย่างไรกัน (ในสถานการณ์นี้ผมจะสมมติว่านายเม่าพยายามจะใช้กราฟช่วยหาจังหวะและเลือกหุ้นที่จะให้ผลตอบแทนสูงๆ) และในที่สุดหลังจากการนั่งมองกราฟหุ้นตัวจี้ดๆแทบจะทั้งตลาดเป็นเวลาหลายสัปดาห์แล้ว เขาก็ได้จดบันทึกสิ่งต่างๆที่น่าจะเป็นปัจจัยร่วมของพวกมันไว้ แล้วก็ได้ข้อสรุปคร่าวๆออกมาดังนี้

Rules&Filter Buy Signal
Trigger
ราคาสูงสุดระหว่างวัน (High) ทะลุแนวต้าน 50 วันที่ผ่านมา
Trend
เส้น MA 20 วันต้องอยู่เหนือเส้น MA 100 วัน
Momentum
หุ้นต้องมีค่า ADX(14) มากกว่า 30 ขึ้นไป
RSI(14) ต้องมีค่าน้อยกว่า 75 เพื่อป้องกันการเข้าซื้อหุ้นในเขต Overbought
Volatility
ความผันผวนในวันที่เกิดสัญญาณ ATR(1) ต้องน้อยกว่า 3 เท่าของความผันผวนเฉลี่ยใน 20 วันที่ผ่านมา
Volume
ปริมาณการซื้อขายในวันที่เกิดสัญญาณต้องสูงขึ้นมากกว่าตลอดช่วง 50 วันที่ผ่านมา
ปริมาณการซื้อขายเฉลี่ยภายใน 10 วันต้องมากกว่าปริมาณการซื้อขายใน 20 วันที่ผ่านมา 
Liquidity
มูลค่าการซื้อขายเฉลี่ยต่อวันย้อนหลัง 20 วัน (1 เดือน) ต้องมากกว่า 10 ล้านบาทขึ้นไป
Universe
หุ้นต้องอยู่ใน SET100 index เท่านั้นเพื่อที่จะให้หุ้นมีพื้นฐานในระดับหนึ่ง
Rules&Filter Buy Signal
Trigger
ราคาต่ำสุดระหว่างวัน (Low) ทะลุแนวรับ 20 วันที่ผ่านมา

ภาพในด้านล่างนี้ก็คือหุ้นหนึ่งในดวงใจตัวหนึ่งที่นายเม่าเชื่อว่า Character ของมันสามารถที่จะนำไปสู่หุ้นที่จะให้ผลตอบแทนสุดยอดๆตัวต่อไปได้อีกเรื่อยๆ

CK

ภาพที่ 2 : หุ้นในดวงใจจากการค้นคว้าสังเกตุกราฟราคาและ Indicator ต่างๆย้อนหลังในช่วงที่พึ่งผ่านมา

(ความซับซ้อนของระบบอยู่ในระดับปานกลาง สังเกตจากที่คุณจะรู้สึกว่าดูกราฟแล้วไม่ปวดตับเท่าไหร่)

ผลลัพท์ของความพยายาม

ในคราวนี้เราจะมาดูกันต่อว่าหลังจากที่คุณเม่าได้สร้างสูตรเด็ดของเขาขึ้นมาเรียบร้อยแล้วนั้น ผลลัพธ์ของมันจะเป็นอย่างไรกันบ้าง โดยผมจะขอสมมติต่อไปอีกหน่อยว่าเขามีเพื่อนชื่อนายเมพ ซึ่งพอที่จะทำการ Backtesting เป็นบ้างแบบงูๆปลาๆแต่ก็มีน้ำใจเพียงพอที่จะช่วยเพื่อนโดยไม่คิดอะไร และนี่ก็คือผลลัพธ์การ Backtest ที่นายเมพทดสอบให้กับนายเม่าย้อนหลังไปประมาณ 1 ปี (ผมขอสมมติระยะเวลาเพียงเท่านี้เพื่อให้คล้ายกับสถานการณ์จริงที่หลายๆคนยังทำการ Backtesting ไม่ค่อยเป็น ดังนั้นจึงต้องกะจากความรู้สึกหรือทำบัญชีย้อนหลังด้วยมือตัวเอง)

image


System Profits CAR MaxSysDD CAR/MDD %Win %Loss #Trades
Mao’s Theoty 514411.12
(51.44%)
51.61% -117271.20
(-7.20%)
7.16 13
(86.67%)
2
(13.33%)
15
SET Returns 373526.06
(37.47%)
37.47% 112031.44
(-7.97%)
4.7 N/A N/A N/A

ภาพที่ 3 : ลักษณะการเติบโตของเงินทุนและค่าอัตราส่วนสำคัญของระบบ

ระหว่าง 1/6/2012 – 1/6/2013 (In-Sample Performance)

ในที่สุดแล้วเมื่อผลการ Backtest ออกมานายเม่าก็ต้องถึงกับตะโกนออกมาว่า What a Crap!! นั่นก็เพราะผลลัพธ์ของมันดูเป็นที่น่าพอใจสำหรับนายเม่าเป็นอย่างมาก และมันยังสามารถเอาชนะผลตอบแทนจากดัชนี SET Index ที่่ 37.47% ได้อย่างขาดลอย โดยเขาพบว่าจากสัญญาณซื้อขายที่เขาได้ค้นคว้ามานั้น หากเทรดคราวละ 10% ของพอร์ท (แบ่งเงินเป็น 10 กอง) จะให้ผลกำไรในปีที่ผ่านมาถึงกว่า 51% โดยมี Maximum Drawdown เพียง –7.2% เท่านั้น นี่คิดเป็นค่า Reward to Risk (MAR Ratio) ที่กว่า 7.16 เท่าเลยทีเดียว นอกจากนี้อัตราความแม่นยำหรือ %Win ยังสูงมากๆถึง 86.67% อีกด้วย ตัวเลขเหล่านี้ทำให้นายเม่ามีความสุขและภูมิใจกับผลการค้นคว้าของเขาเอามากๆ เพราะนี่หมายถึงว่าความ โค-ตะ-ระ รวยกำลังจะตกอยู่ในมือของเขาในไม่ช้า!

กับดักของรายละเอียดในตลาดหุ้น (Overfitting Effect)

คำถามก็คือคุณคิดว่าผลการลงทุนของนายเม่าในอนาคตจะเป็นอย่างไร, เขาจะสามารถร่ำรวยจากระบบการลงทุนของเขาอย่างมหาศาลได้หรือไม่, และระบบการลงทุนที่เขาออกแบบนั้นมีประสิทธิภาพสักแค่ไหน?

คำถามเหล่านี้สามารถตอบสั้นๆคำเดียวได้เลยครับว่า เขามีโอกาสสูงมากๆที่จะต้องผิดหวังจากความคาดหวังที่สูงจนเกินไป เพราะสิ่งที่เกิดขึ้นเป็นเพียงผลจากการพยายามสร้างเงื่อนไขบางอย่างขึ้นกับข้อมูล In-Sample Data ที่คุณได้เห็นรายละเอียดของมันไปแล้ว … ซึ่งมันก็คือสิ่งที่เรียกว่ากับดักของรายละเอียดหรือ Overfitting Effect นั่นเอง

เพื่อที่จะให้คุณได้เห็นถึงความหมายของสิ่งที่ผมกำลังพูดถึงอยู่นั้น ในภาพและตารางด้านล่างนี้คือผลลัพธ์เมื่อผมเอาระบบของนายเม่าไปทำการทดสอบกับฐานข้อมูลที่อยู่นอกเหนือจากฐานข้อมูลเดิม (Out of Sample) โดยในคราวนี้ผมจะใช้ฐานข้อมูลในช่วงที่ไม่ซ้อนทับกับช่วงเวลาที่พึ่งผ่านมา นั่นก็คือตั้งแต่วันที่ 1/6/2000 – 1/6/2012 ซึ่งกินเวลา 12 ปีโดยประมาณ และนี่ก็คือผลลัพธ์ที่ออกมาครับ

image


System Profits CAR MaxSysDD CAR/MDD %Win %Loss #Trades
Mao’s Theoty 2078775.57
(207.88%)
9.83% 604234.84
(-22.54%)
0.44 55 (43.31%) 72 (56.69%) 127
SET Returns 1091124.14
(109.11%)
6.34% 1082721.46
(-58.02%)
0.11 N/A N/A N/A

ภาพที่ 4 : ลักษณะการเติบโตของเงินทุนและค่าอัตราส่วนสำคัญของระบบ

ระหว่าง 1/1/2000 – 1/1/2012 Out of Sample Performance

จากภาพที่เห็นนั้น สำหรับคนทั่วๆไปแล้วในแว่บแรกก็อาจจะรู้สึกว่า … “ก็ไม่เห็นจะเป็นอะไรนี่นา! เพราะผลตอบแทนก็ยังชนะ SET Index อยู่ดี” แต่นี่แหละครับที่เป็นเหตุผลที่ว่าทำไมผมจึงเรียกมันว่า “กับดัก” นั่นก็เพราะมันมักจะหลอกตาคนที่เข้าใจผลลัพธ์ของมันอย่างผิวเผินเสมอ

หากคุณสังเกตให้ดีคุณจะพบว่าผลลัพธ์การ Backtest ระบบในส่วนที่อยู่นอกเหนือข้อมูลเดิมนั้น (Out of Sample) มีความผิดเพี้ยนไปจากผลลัพธ์จากผลการทดสอบในฐานข้อมูลที่ใช้วิจัยอยู่พอสมควร (In-Sample Data) โดยในกรณีนี้ในเบื้องต้นเราจะพบว่าอย่างน้อยที่สุดแล้ว ผลกำไรต่อปีหรือ CAR กลับลดลงเหลือแค่เพียงที่ 9.83% จากเดิมที่ 51.61% ต่อปี ส่วนค่า %Win ของระบบก็กลับลดลงมาเหลืออยู่ที่ 43.31% จากเดิมที่ 86.67% เท่านั้น

อันที่จริงแล้วสาเหตุที่ทำให้ผลลัพธ์จากระบบในข้อมูล Out of Sample นั้นผิดเพี้ยนไปจากข้อมูลใน In-Sample Data ที่เราใช้ทดสอบในคราวแรกนั้นมีมาได้จากหลายประการ (เช่น Data Mining Bias, Crime of Small Numbers, Backtesting Time Window, System Complexity … etc. ซึ่งวันหลังมีโอกาสจะเขียนให้อ่านแบบละเอียดๆอีกทีครับ) อย่างไรก็ตามในเบื้องต้นนี้ เราจะสังเกตได้เลยว่านายเม่านั้นตกเป็นเหยื่อของตลาดด้วยสาเหตุหลักๆก็คือ

1. ความหลงผิดจากจำนวนกลุ่มตัวอย่างที่น้อยเกินไป (Crime of Small Numbers) ซึ่งเราจะเห็นได้ว่าผลลัพธ์จากการ Backtest ใน In-Sample Data รอบแรกนั้น เขามีจำนวนผลการเทรดอยู่เพียง 15 ครั้งเท่านั้นจากการที่มีเงื่อนไขในการ Entry เข้มงวดเกินไปรวมถึงกำหนดระยะเวลาในการ Backtest สั้นเกินไป ซึ่งในทางสถิติแล้วจำนวนการเทรดที่เขามีนั้นถือว่าน้อยเกินไปเป็นอย่างมากในการที่จะสามารถสรุปผลลัพธ์ของระบบในอนาคตได้ (น้อยเกินไปที่เราจะสรุปลักษณะของ Population จาก Sample ที่เรามี)

2. ความหลงผิดจากสภาวะตลาดในช่วงที่ทำการ Backtest (Backtesting Time Window) โดยเราจะเห็นได้ว่านายเม่ามีสายตาที่สั้นจนเกินไป เขาหลงผิดโดยการนำเอาผลลัพธ์จากเฉพาะช่วยเวลาที่ตลาดเป็นขาขึ้นมาสรุปผล ซึ่งผลการทดสอบไม่ได้ครอบคลุมไปถึงช่วงเวลาที่ตลาดเป็นช่วงออกข้าง (Sideway) และเป็นขาลง เข้ามาอยู่ในการทดสอบ

3. ความหลงผิดจากการจับรายละเอียดของตลาดมากจนเกินไป (Overfitting) ในข้อสุดท้ายนี้ผมกำลังจะทำให้พวกเราได้เห็นว่าด้วยความเชื่อของนายเม่าที่ว่ายิ่งระบบซับซ้อนมากเท่าไหร่ หรือยิ่ง Indicator ต่างๆยืนยันกันมากเท่าไหร่ ผลลัพธ์ก็น่าที่จะดีขึ้นเท่านั้นเป็นสิ่งที่ไม่จริงเสมอไป! โดยขอให้พิจารณาจากภาพและตารางด้านล่างนี้อีกครั้งหนึ่ง

image


System Filters Exclude #Entry Rules Profits CAR MaxSysDD CAR/MDD %Win %Loss #Trades
Mao’s Theoty All 9 207.88% 9.83% -22.54% 0.44 43.31% 56.69% 127
System 1 No
Volume,
Volatility
6 1187.35% 23.74% -26.46% 0.9 46.87% 53.13% 335
System 2 No Volume,
Volatility,
Momentum
4 2038.48% 29.09% -24.09% 1.21 48.66% 51.34% 374
System 3 No Volume,
Volatility,Momentum,
Trend,Universe
2 689.61% 18.80% -39.38% 0.64 43.50% 56.50% 469
SET Returns None N/A 109.11% 6.34% -58.02% 0.11 N/A N/A N/A

ภาพที่ 4 : เปรียบเทียบลักษณะการเติบโตของเงินทุนและค่าอัตราส่วนสำคัญของระบบต่างๆ

ระหว่าง 1/1/2000 – 1/1/2012 Out of Sample Performance

จากภาพและตารางด้านบนนั้น คุณจะเห็นได้ว่าความเชื่อของนายเม่ารวมถึงคนส่วนใหญ่นั้นเป็นสิ่งที่ไม่จริงเสมอไป และในหลายๆกรณีแล้วถือเป็นสิ่งที่ผิดได้เลยด้วยซ้ำ! เราจะเห็นได้ว่าระบบผลจากการตัดเงื่อนไขตัวแปรหรือ Indicator ต่างๆทิ้งไปบ้างนั้นส่งผลอย่าง … มหาศาล!!

จากตัวอย่างที่ผมได้ทำการทดสอบระบบในข้อมูล Out of Sample ให้ดูนั้น คุณจะเห็นว่าการลดระดับเงื่อนไขหรือระดับความเรื่องมากในการเข้าซื้อจาก 9 กฏลงมาเหลือเพียงแค่ 4 กฏนั้น (# Entry Rules) ส่งผลให้ผลตอบแทน CAR, Max System Drawdown และค่า MAR Ratio (CAR/MDD) จากระบบอยู่ในระดับที่ดีที่สุด นั่นก็เพราะมันเพียงพอแล้วกับการจับภาพใหญ่หรือคุณลักษณะร่วมที่แท้จริงของการเคลื่อนไหวของราคาหุ้น โดยที่ไม่ไปเข้มงวดจนเบียดเบียนให้ประสิทธิภาพของระบบลดลงนั่นเอง

คุณต้องเข้าใจว่าถึงแม้ตลาดหุ้นนั้นมักที่จะซ้ำรอยในภาพใหญ่ แต่ตลาดนั้นมักมีรายละเอียดปลีกย่อยหรือ “เปลือก” ที่เปลี่ยนแปลงไปอยู่เสมอ ระบบหรือกลยุทธ์การลงทุนที่ใส่ใจในรายละเอียดหยุมหยิมเล็กน้อยมากเกินไปมักที่จะทำให้คุณหลงผิดจับเอา Noise ของราคาหุ้นมาอยู่ในระบบและแผนการของคุณเอาไว้ สิ่งนี้เองส่งผลให้เมื่อตลาดเกิดการเปลี่ยนแปลงในรายละเอียดของมันไปตามช่วงเวลา ระบบซึ่งมีกฏเข้มงวดมากเกินไปจะไม่สามารถรองรับการเปลี่ยนแปลงที่เกิดขึ้นได้ และจะค่อยๆตายลงหากว่ามันไม่มีกฏที่สามารถจะจับเอาแก่นสารของตลาดเอาไว้ได้จริงๆ

ในทางกลับกันแล้วคุณจะเห็นได้ว่าระบบที่ไม่เข้มงวดเลยนั้นก็อาจส่งผลเสียให้กับคุณได้เช่นกัน โดยในกรณีนี้นั้นคุณจะพบว่าเมื่อตัดเงื่อนไขการ Entry เข้าทำเหลือเพียง 2 ตัว ระบบ System 3 กลับให้ Performance ที่ลดลงจาก System 2 นั่นก็เพราะมันได้ทำการตัดเอากฏซึ่งสำคัญกับระบบออกไป โดยตัดเอาส่วนของ Long Term Trend Filter ซึ่งก็คือการที่เส้น MA 20 วันต้องอยู่เหนือเส้น MA 100 วัน เพื่อให้ระบบเล่นเฉพาะสัญญาณที่เกิดขึ้นในแนวโน้มขาขึ้นใหญ่เท่านั้น นอกจากนี้แล้วระบบยังตัดส่วนของการเลือกสรรค์ Trading Universe หรือตะกร้ากรองหุ้นของระบบออกไปอีกด้วย

image

ภาพที่ 5 : เปรียบเทียบค่า MAR Ratio (CAR/MDD) จากระบบต่างๆซึ่งทำให้เห็นผลลัพธ์ของการ Underfit, Optimal Fit และ Overfit ระบบการลงทุนกับฐานข้อมูล

อย่างไรก็ตาม เราจะเห็นได้ว่าทุกระบบไม่ว่าจะ Underfit, Optimal Fit หรือ Overfit ก็ยังสามารถที่จะเอาชนะผลตอบแทนแบบ Buy & Hold ของ SET Index ซึ่งเป็น Benchmark เปรียบเทียบของเราได้อยู่พอสมควร สาเหตุก็เพราะอย่างน้อยที่สุดแล้ว ตัวแก่น Channel Breakout ซึ่งเปรียบเสมือนกระดูกสันหลังของระบบก็ยังมีประสิทธิภาพเพียงพอที่จะนำพาให้ทุกระบบสามารถทำกำไรชนะตลาดได้ นอกจากนี้แล้วข้อสังเกตที่ผมอยากจะฝากเอาไว้อีกอย่างหนึ่งก็คือ ความเข้าใจที่ว่า “สุดท้ายแล้วตลาดหุ้นจะขึ้นในระยะยาว” ก็อาจไม่ใช่สุภาษิตแบบ Safe Heaven อย่างที่หลายคนคิด เพราะสิ่งที่ค่า MAR Ratio ได้บอกกับเราก็คือคุณต้องแบกรับต้นทุนความเสี่ยงของ Drawdown เพื่อให้ได้มาซึ่งผลตอบแทนที่สูงมากๆอยู่ที่ 0.11 เท่าหรือพูดง่ายๆก็คือหากคุณดันเข้ามาติดอยู่บนยอดดอยพอดี คุณอาจต้องใช้เวลาโดยเฉลี่ยถึง 7 ปีในการที่จะกลับมาคืนทุนเลยทีเดียว ดังนั้นแล้วคำว่าระยะยาวจึงอาจจะยาวนานมากกว่าที่คุณคิด และนั่นก็มักจะทำให้หลายๆคนทนไม่ไหวยอมแพ้ไปเลยเสียด้วยซ้ำ

ความเรียบง่ายคือคำตอบในเชิงปฏิบัติ

เอาล่ะครับสำหรับวันนี้ผมก็ขอจบบทความเพียงเท่านี้ก่อนที่จะยาวเกินไป แถมท้ายสำหรับคนที่สงสัยว่าแล้วเราจะพอมีวิธีไหมในการที่จะทดสอบความเสถียรและความ Overfit ของระบบการลงทุน? คำตอบสั้นๆก็คือมี! ด้วยการทำ Robustness Test เพียงแต่อาจต้องใช้ความรู้ความเข้าใจ, เวลา, ความพยายาม และการเรียนรู้การเขียนโปรแกรมบางอย่างเพิ่มเติมอีกสักหน่อยก็จะสามารถทำได้ครับ (วันหลังเดี๋ยวจะเขียนให้อ่านต่อครับ)  แต่ในเบื้องต้นนี้ก็หวังว่าทุกคนจะได้เข้าใจและเห็นภาพว่าอัตรายของการ Overfitting ระบบเป็นอย่างไร และทำไมความเรียบง่ายจึงมีเสน่ห์ของมันในตลาดหุ้นที่มีรายละเอียดเปลี่ยนแปลงไปอยู่ตลอดเวลา อย่าหลงผิดติดกับดักของการที่ว่าคุณต้องรอให้ทุกอย่างมันยืนยันกันเสมอ เพราะสุดท้ายแล้วคำตอบของคุณจะตกอยู่กับเงื่อนไขที่เกิดขึ้นได้ช้าและยากที่สุดแต่อาจไม่จำเป็นที่สุดก็ได้

คุณคงจะได้เห็นกันแล้วว่าความเรียบง่ายไม่ใช่เพียงแค่คำที่มีไว้พูดเท่ห์ๆเท่านั้น แต่มันคือคำตอบในเชิงปฏิบัติในสถานการณ์ที่ซับซ้อนและเปลี่ยนแปลงไปอย่างรวดเร็ว นอกจากนี้แล้วผมยังอยากให้หลายๆคนลองคิดดูอีกมุมหนึ่งว่า ความจริงแล้วตัวแปรเงื่อนไขหรือ Indicator ที่เราใช้ในการตัดสินใจนั้น ยิ่งน้อยแล้วยิ่งได้ผลมากก็ยิ่งดี เพราะมันหมายถึงว่ามันมีประสิทธิภาพในตัวของมันเองจริงๆ ถ้าระบบของเราจะต้องใช้เงื่อนไขหรือ Indicator เยอะเป็นสิบๆตัวก็โยนมันทิ้งไปบ้างเถอะครับ เพราะนั่นแปลว่ามันแทบไม่มีมูลค่าอะไรเลยด้วยตัวของมันเองเลย มิหนำซ้ำยังอาจไปจับเอาพวกสัญญาณขยะหรือ Noise ใน Data Set  แล้วหลงผิดคิดว่าเป็นทองไปก็ได้ครับ!

ปล.1 ระบบต่างๆที่นำมาทดสอบมีจุดประสงค์เพียงเพื่ออธิบายถึง Overfitting Effect ในระดับจำนวนของกฏการลงทุนเท่านั้น ผมจึงตัดปัจจัยในเรื่องของการ Optimization และ Money Management ออกไป คุณจึงไม่ควรนำไปใช้โดยไม่รู้และเข้าใจ Profile ในเชิงลึกของระบบเด็ดขาด นอกจากนี้แล้วบางท่านอาจสงสัยว่าผมใช้ Universe เป็น SET100 จะเหมาะสมหรือไม่เพราะตัวหุ้นที่อยู่ใน SET100 เปลี่ยนไปทุกๆปี ในกรณีนี้นั้นผมต้องขอบอกว่าผมใช้เพื่อเป็นตัวอย่างง่ายๆเท่านั้น ซึ่งในความเป็นจริงถึงแม้หุ้นใน SET100 จะวนไปวนมา แต่เราก็ควรที่จะมีเงื่อนไขบางอย่างที่กำหนดขึ้นมาเพื่อสร้าง Trading Universe ของเราเองครับ

ปล.2 หลายคนสงสัยว่าการ Curve-Fitting ต่างกับคำว่า Over-Fitting หรือไม่อย่างไร? คำตอบก็คือคำว่า Curve-Fitting นั้นเป็นศัพท์ที่มักใช้เกี่ยวกับการสร้างแบบจำลองหรือสมการถดถอยที่ไม่เป็นเชิงเส้น (Non-linear Regression) เพื่อหา Series ที่ Fit กับ Data Points ในฐานข้อมูลที่สุด ส่วนคำว่า Over-fitting นั้นเป็นคำที่เกิดมาจากวิชาสถิติสาขา Machine Learning ซึ่งหมายความว่าระบบนั้นมีประสิทธิภาพในการวิเคราะห์หาปัจจัยร่วมที่ค่อนข้างแย่ (Generalize Poorly) นอกจากนี้แล้วมันยังสามารถมีความหมายในทางตรงข้ามเช่น Underfitting และ Optimal fit หรือ Good fit ได้อีกด้วย ดังนั้นคำว่า Overfitting จึงเหมาะสมที่จะใช้กับการสร้างระบบการลงทุนมากกว่าคำว่า Curve-fitting นั่นเอง

แมงเม่าคลับ.คอม หนังสือหุ้นน่าอ่าน, วิธีการเล่นหุ้น, การวิเคราะห์หุ้นทางเทคนิค, จิตวิทยาการลงทุน และการบริหารเงินทุน Money Management

CDC-meeting.jpg

สภาพตลาดหุ้นที่เอื้ออำนวยต่อการทำกำไร (ตอนจบ)

บทความนี้เรามาต่อกันเรื่องของสัญญาณที่บ่งชี้ว่าตลาดหุ้นกำลังเอื้ออำนวยต่อการทำกำไรให้จบกันดีกว่าครับ

ท้าวความเดิมตอนที่แล้ว

จาก บทความในตอนที่แล้ว ผมได้พูดถึงการวิเคราะห์ตลาดจากแนวโน้มระยะสั้นของ SET index ด้วย Peak and Trough ที่ 1% เอาไว้ และผลตอบแทนจากระบบแมงเม่า SET Buy ก็สามารถที่จะเอาชนะผลตอบแทนของตลาดไปได้อยู่หลายช่วงตัว ในตอนนี้เรามาพูดกันอีก 2 สัญญาณที่เหลือกันอย่างรวดเร็วกันเลยดีกว่าครับ โดยสัญญาณต่อไปนี้คือสัญญาณแบบ Trend Following ที่ในระยะยาวแล้วให้สัญญาณได้แม่นยำมากกว่าการโยนเหรียญที่ 50% อีกด้วยครับ

Benchmark เพื่อวัดผลในการวิเคราะห์

ผลตอบแทนของ SET index ตั้งแต่วันที่ 4/1/2000 – 22/6/2012 โดยสมมุติง่ายๆว่าหากเรามีเงินทุนตั้งต้น 1 ล้านบาทแล้วซื้อหุ้นตัวหนึ่ง (ซึ่งในที่นี้คือ SET index) ผลตอบแทนและความเสี่ยงจะออกมาดังนี้

imageCAGR หรือผลตอบแทนทบต้นของ SET index -  7.09% ต่อปี

Net Profit หรือผลตอบแทนสุทธิของ SET index – 135.1%

Max DD. หรือการลดลงสูงสุดของมูลค่าเงินทุนในระหว่างการลงทุน – 58.01%

MAR Ratio หรือผลตอบแทนทบต้น CAGR ต่อ MaxDD – 0.12

Ending Capital หรือเงินทุนสิ้นสุดการลงทุน – 2,351,021 บาท

ข้อสังเกตประการที่ 2 : ดัชนีจำนวนหุ้นที่เกิดการ Breakout และ Breakdown สุทธิในแต่ละวัน (52 Weeks BOBD Composite)

SET 260 BOBD Composite

สำหรับเทคนิคการสังเกตตลาดในรูปแบบนี้ เราจะนำเอาจำนวนหุ้นที่เกิดการ Breakout ณ จุดสูงสุดในช่วงเวลา 1 ปีที่ผ่านมาและหุ้นที่เกิดการ Breakdown ณ จุดต่ำสุดของมันในช่วงเวลา 1 ปีที่ผ่านมา นำมาคิดหักลบกันเพื่อหาค่าสุทธิของมันออกมา

กราฟ SET index ที่เป็นสีเขียวแสดงให้เห็นถึงภาวะที่ตลาดเอื้ออำนวยและสีส้มแสดงให้เห็นถึงช่วงเวลาที่ตลาดไม่สู้ดีนัก โดย Indicator ด้านล่างเป็นค่าดัชนี 52 weeks BOBD ในแต่ละวันที่ผมเขียนขึ้นมาให้สังเกตความสอดคล้องของมันกับสภาวะตลาดกัน เส้นสีน้ำเงินคือค่าสุทธิในแต่ละวัน เส้นแนวนอนสีดำคือเส้นค่า 0, เส้นเขียวคือค่า +5 และสีแดงคือค่า –5 นั่นเองครับ

ตัวอย่างของหุ้นที่เกิดการเบรคเอาท์ใน 1 ปี (52 Weeks Breakout และ Breakdown)

SMM 2012 260 BOandBD

กรณีของการเกิด 52 weeks Breakout ลูกศรสีน้ำเงินคือสัญญาณ Breakout ที่เกิดขึ้น

CAWOW 2012 260 BOandBD

กรณีของการเกิด 52 weeks Breakdown ลูกศรสีแดงคือสัญญาณ Breakdown ที่เกิดขึ้น

หลักการวิเคราะห์ตลาดหุ้นด้วยดัชนี BOBD

แก่นง่ายๆของแนวคิดการวิเคราะห์ตลาดหุ้นด้วยดัชนี BOBD ก็คือสมมุติฐานที่ว่า เมื่อตลาดหุ้นมีภาวะที่ดีและเอื้ออำนวยต่อการทำกำไรนั้น หุ้นในตลาดส่วนใหญ่ที่มีพื้นฐานกิจการที่ดีจะถูกกวาดซื้อด้วยความมั่นใจของนักลงทุนในตลาด ส่งผลให้พวกมันสามารถที่จะวิ่งผ่านแนวต้านใหญ่ของพวกมันขึ้นไปได้ (ในกรณีนี้คือ 1 ปีหรือ 52 สัปดาห์) และในทางกลับกันแล้วเมื่อจิตวิทยาของตลาดไม่เอื้ออำนวยนั้น หุ้นหลายๆตัวที่พื้นฐานไม่ค่อยดีนักจะพากันถูกเทขายโดยนักลงทุนจนทำให้ราคาของมันหลุดแนวรับใหญ่ของพวกมันไปนั่นเอง

สภาวะที่เอื้ออำนวย = ดัชนี BOBD มีค่ามากกว่า 0 หรือมีหุ้น Breakout สุทธิในแต่ละวันมากกว่า 0 ตัว

สภาวะที่ไม่เอื้ออำนวย = ดัชนี BOBD มีค่าต่ำกว่า 0 หรือมีหุ้น Breakdown สุทธิในแต่ละวันมากกว่า 0 ตัว

ในคราวนี้เราลองจับสัญญาณที่เกิดขึ้นมาทำระบบกันบ้างดีกว่า

ระบบแมงเม่า BOBD

Position Size = 5% ของเงินทุน

Buy = กวาดซื้อหุ้นเมื่อดัชนี BOBD มีค่าเหนือ +5 (เส้นเขียว) ในราคา Open ของเช้าวันถัดไป

Sell = ขายหุ้นที่มีอยู่ทั้งหมดเมื่อดัชนี BOBD มีค่าต่ำกว่า –5 ในราคา Open ของเช้าวันถัดไป

Ranking = เนื่องจากเงินทุนของเราไม่สามารถที่จะกว้านซื้อหุ้นทั้งตลาดได้ในคราวเดียว ผมได้ให้ระบบเลือกหุ้นที่อยู่ใกล้จุดสูงสุดภายใน 1 ปีของมันตามลำดับไล่ลงไปเรื่อยๆจนกว่าเงินจะหมดครับ

Commission = 0.25% ต่อครั้งรวม 0.5% ต่อรอบ

*** ระบบนี้ไม่มีการปรับแต่งอย่างอื่นเพิ่มเติมใดๆทั้งสิ้น เนื่องจากต้องการที่จุดได้ผลที่บริสุทธิที่สุดของมันออกมานะครับ

ผลตอบแทนของระบบจากสัญญาณดัชนี BOBD

image

  • CAGR – ระบบ 25.11% vs. SET index 7.09%
  • Net Profit  – ระบบ 1534.96% vs. SET index 135.1%
  • Max DD. – ระบบ 28.24% vs. SET index 58.01%
  • MAR Ratio – ระบบ 0.89 vs. SET index 0.12
  • Ending Capital – ระบบ 16,349,597 vs. SET index 2,351,021

บทสรุปผลของระบบจากสัญญาณของดัชนี BOBD

ระบบเมื่อมอง CAGR แล้วจะค่อนข้างสูงแต่ Max DD. ก็ค่อนข่างสูงด้วยเช่นกัน จึงส่งผลให้ค่า MAR Ratio ลดต่ำลงมากว่า 1 อย่างไรก็ตาม สิ่งที่น่าสนใจก็คือช่วงของ Flat Period หรือช่วงที่ระบบหยุดทำงาน จะเห็นได้ว่ามันช่วยดีดให้ตัวเราหลุดออกมาจากขาลงหรือ Sideway ได้ดีพอสมควรเลยทีเดียวครับ

เอาล่ะครับ เหนื่อยกันหรือยัง เพราะยังเหลืออีก 1 ข้อสังเกต ถ้าเหนื่อยก็พักกันนิดนึงก่อนนะครับ อิอิ

.

.

.

.

.

.

.

.

.

.

เอาล่ะครับ เรามาต่อกันกับสัญญาณต่อไปให้จบเรื่องนี้กันดีกว่า Open-mouthed smile

ข้อสังเกตประการที่ 3 : กระแสเงินทุนของต่างชาติดัชนี Fundflow ง่ายๆสไตล์แมงเม่าคลับ

SET Fundflow

ผมเห็นเซียนหุ้นหลายต่อหลายคนมักให้ข้อแนะนำว่าให้สังเกตกระแสเงินทุนของต่างชาติที่ไหลเข้าไหลออกจากตลาดหุ้น อย่างไรก็ตาม คำแนะนำเหล่านี้ถึงแม้ว่าจะเป็นเรื่องที่ Make Sense และเราก็มักจะเห็นความสอดคล้องของมันกันโดยทั่วไป แต่ดูเหมือนจะยังไม่มีใครที่จับเรื่องนี้มาทำให้เป็นรูปธรรมเป็นตัวเลขที่จับต้องได้นัก ซึ่งความจริงแล้วมันก็ไม่ใช่เรื่องยากหรือซับซ้อนจนเกินไปครับ

เส้น Indicator สีน้ำเงินที่เห็นอยู่ด้านล่างกราฟของดัชนี SET index นั้นคือ Indicator ที่ผมสร้างขึ้นมาด้วยยอดซื้อ (Forbuy) และยอดขาย (Forsell) โดยนำเอาผลรวมสุทธิของพวกมันในแต่ละวันมาคิดบวกกันย้อนหลังไป 10 วัน โดยเมื่อค่าดัชนี Fundflow มีค่ามากกว่า 0 นั้นจะแสดงให้เห็นว่าภายใน 10 วันที่ผ่านมาเงินทุนของฝรั่งนั้นไหลเข้าตลาดมากกว่าออก และเมื่อต่ำกว่าค่า 0 นั้นแสดงว่าฝรั่งกำลังเริ่มทยอยขายดึงเงินออกจากตลาดหุ้นนั่นเองครับ

หลักการวิเคราะห์ตลาดหุ้นด้วยดัชนีแมงเม่า Fundflow

แนวคิดสำคัญของหลักการวิเคราะห์ในรูปแบบนี้คือการอยู่ข้างเดียวกับคนส่วนน้อยหรือ Minority ในตลาดหุ้น โดยที่คนส่วนน้อยที่มีผลต่อตลาดหุ้นไทยตลอดมาในความคิดของผมก็คงจะหนีไม่พ้นพวกกองทุนต่างชาตินั่นเองครับ เพราะพวกเขามักที่จะทำการซื้อขายในลักษณะที่ต่อเนื่องในทางใดทางหนึ่งเป็นช่วงๆมากกว่าที่จะซื้อขายสะเปะสะปะไปเรื่อยเหมือนนักลงทุนจำพวกอื่นๆในตลาด และนั่นทำให้เม็ดเงินของพวกเขามีผลกับทิศทางของตลาดอยู่พอสมควรเลยทีเดียวครับ

ฝรั่งอัดเงินเข้า = ยอดซื้อขายสุทธิภายใน 10 วันของต่างชาติเป็น +

ฝรั่งดึงเงินออก = ยอดซื้อขายสุทธิภายใน 10 วันของต่างชาติเป็น -

เอาล่ะครับ ลองจับสัญญาณมาทำระบบกันดูบ้างดีกว่า

ระบบแมงเม่า Fundflow

Position Size = 5% ของเงินทุน

Buy = กวาดซื้อหุ้นเมื่อดัชนี Fundflow มีค่าเหนือ 0 ในราคา Open ของเช้าวันถัดไป

Sell = ขายหุ้นที่มีอยู่ทั้งหมดเมื่อดัชนี Fundflow มีค่าต่ำกว่า 0 ในราคา Open ของเช้าวันถัดไป

Ranking = เนื่องจากเงินทุนของเราไม่สามารถที่จะกว้านซื้อหุ้นทั้งตลาดได้ในคราวเดียว ผมได้ให้ระบบเลือกหุ้นที่อยู่ใกล้จุดสูงสุดภายใน 1 ปีของมันตามลำดับไล่ลงไปเรื่อยๆจนกว่าเงินจะหมดครับ

Commission = 0.25% ต่อครั้งรวม 0.5% ต่อรอบ

*** ระบบนี้ไม่มีการปรับแต่งอย่างอื่นเพิ่มเติมใดๆทั้งสิ้น เนื่องจากต้องการที่จุดได้ผลที่บริสุทธิที่สุดของมันออกมานะครับ

ผลตอบแทนของระบบจากสัญญาณดัชนี Fundflow

image

  • CAGR – ระบบ 22.24% vs. SET index 7.09%
  • Net Profit – ระบบ 1123.76% vs. SET index 135.1%
  • Max DD. – ระบบ 23.63% vs. SET index 58.01%
  • MAR Ratio – ระบบ 0.94 vs. SET index 0.12
  • Ending Capital – ระบบ 12,237,572 vs. SET index 2,351,021

บทสรุปผลของระบบจากสัญญาณของดัชนีแมงเม่า Fundflow

ข้อสังเกตที่น่าสนใจจากสัญญาณ Fundflow ของต่างชาติที่ผมคิดว่าหลายๆคนน่าจะเห็นได้อย่างชัดเจนจากกราฟแสดงตัวอย่าง Indicator ก็คือ หากพวกฝรั่งต่างชาตินี่ไม่ใช่พวกตื่นตูมก็คงจะต้องบอกว่าพวกเขาสามารถที่จะทำการขายหุ้นได้อย่างรวดเร็วหลังจากจุด Peak ของรอบได้ดีเลยทีเดียว อย่างไรก็ตามลักษณะการซื้อขายตามดัชนีที่เกิดขึ้นนี้ก็ค่อนข้างที่จะเกิดขึ้นบ่อยครั้งกว่าสัญญาณอื่นๆอยู่พอสมควร นั่นอาจทำให้คนที่ไม่ชอบการซื้อขายบ่อยๆถูกใจเท่าไหร่นัก แต่ผลการทดสอบในเบื้องต้นของระบบที่ออกมาก็ยังคงแสดงให้เห็นว่าพวกมันสามารถที่จะทำกำไรเหนือกว่า Benchmark จาก SET index ได้อยู่เยอะพอสมควรเช่นเดิม

ข้อคิดที่ผมอยากฝากถึงเพื่อนๆที่อ่านแมงเม่าคลับ

ความจริงแล้วผมคิดว่าผลตอบแทนทั้งหลายที่ได้นำมาให้ดูกันนั้น คงจะไม่สำคัญเท่ากับแนวคิดที่ผมต้องการจะแสดงให้เห็นว่าบางทีแล้วในการจะทำกำไรจากตลาดหุ้นด้วยแนวคิดของ Technical Analysis อาจไม่จำเป็นต้องพึ่งพาการอ่านกราฟหุ้นแบบเป็นตัวๆไปก็เป็นได้ จากตัวอย่างของแนวคิดที่ผ่านๆมานั้นมีลักษณะเป็นการจับนำข้อมูลอื่นๆที่หลายคนไม่ได้ความสนใจและรายย่อยธรรมดาๆยากที่จะเข้าถึงมาจับต้นชนปลายให้กลายเป็นสัญญาณที่จับต้องเป็นรูปธรรมทางตัวเลขที่ออกมา มันก็แสดงให้เห็นว่าเรามีโอกาสที่จะทำกำไรจากตลาดได้เช่นเดียวกัน (และอาจจะเป็นแนวคิดที่ Robust กว่าเนื่องจากหลายคนเข้าไม่ถึง) ผมเชื่อว่ายังคงมีอีกหลายหนทางที่เราสามารถจะนำมาทำเป็น Indicator ในการวิเคราะห์ตลาดได้เป็นอย่างดีและไม่จำเป็นต้องพึ่งพาเพียงแค่แนวคิดเดิมๆที่เราคุ้นชินกันอยู่ตลอดเวลาก็ได้ครับ

แมงเม่าคลับ.คอม หนังสือหุ้นน่าอ่าน, วิธีการเล่นหุ้น, การวิเคราะห์หุ้นทางเทคนิค, จิตวิทยาการลงทุน และการบริหารเงินทุน Money Management

CDC-meeting.jpg

สภาพตลาดหุ้นที่เอื้ออำนวยต่อการทำกำไร

วันอาทิตย์ที่ผ่านมาพึ่งมีโอกาสได้รับการเชิญชวนจากครูเสกแห่ง CDC ไปช่วยบรรยายในงาน meeting หุ้นอีกครั้งหนึ่ง ก็เลยเอาข้อมูลที่ทำไว้มาสรุปคร่าวๆให้อ่านกันครับ

แมงเม่าคลับ CDC meeting

สนใจสภาวะของตลาดไปเพื่ออะไร

เหตุผลง่ายๆก็เพราะราคาหุ้นส่วนใหญ่จะวิ่งขึ้นไปในช่วงที่ตลาดเป็นขาขึ้นหรือเอื้ออำนวย และจะพากันดิ่งลงเมื่อตลาดกลับกลายเป็นขาลงหรือขาดเม็ดเงินที่เข้ามาหนุนตลาด ยกตัวอย่างเช่นผลการทดลองจากบทความ กฏ 3 ใน 4 และตลาดหุ้นขาลง ที่ได้แสดงให้เห็นว่าในวิกฤติแฮมเบอร์เกอร์เมื่อปี 2008 มีหุ้นในตลาดเพียงแค่ 2.28% เท่านั้นที่ยังคงให้ผลตอบแทนที่เป็นบวกเมื่อตลาดจบสิ้นขาลง นอกจากนี้แล้วระบบการลงทุนในแนวทางเทคนิคส่วนใหญ่ซึ่งใช้ปรัชญาของ Trend Following ก็มักที่จะให้ผลตอบแทนส่วนใหญ่เมื่อตลาดเป็นขาขึ้นเท่านั้น

Benchmark เพื่อวัดผลในการวิเคราะห์

ก่อนที่จะพูดถึงเทคนิคง่ายๆที่จะช่วยให้ทุกๆคนสามารถนำไปใช้สังเกตตลาดนั้น ผมอยากจะหาจุดอ้างอิงเพื่อวัดผลเปรียบเทียบประสิทธิภาพของพวกมันสักเล็กน้อย โดยในกรณีนี้ผมจะขอให้ผลตอบแทนของ SET index ตั้งแต่วันที่ 4/1/2000 – 22/6/2012 โดยสมมุติง่ายๆว่าหากเรามีเงินทุนตั้งต้น 1 ล้านบาทแล้วซื้อหุ้นตัวหนึ่ง (ซึ่งในที่นี้คือ SET index) ผลตอบแทนและความเสี่ยงจะออกมาดังนี้

imageCAGR หรือผลตอบแทนทบต้นของ SET index –  7.09% ต่อปี

Net Profit หรือผลตอบแทนสุทธิของ SET index – 135.1%

Max DD. หรือการลดลงสูงสุดของมูลค่าเงินทุนในระหว่างการลงทุน – 58.01%

MAR Ratio หรือผลตอบแทนทบต้น CAGR ต่อ MaxDD – 0.12

Ending Capital หรือเงินทุนสิ้นสุดการลงทุน – 2,351,021 บาท

ข้อสังเกต 3 ประการที่ช่วยบ่งชี้ว่าตลาดกำลังเอื้อต่อการทำกำไร

ความจริงแล้วแนวทางในการวิเคราะห์สภาวะตลาดโดยรวมนั้นมีอยู่อย่างมากมายจนนับไม่หมด แต่ในคราวนี้ผมจะขอยกตัวอย่างแนวทางการสังเกตไว้เป็นทางเลือกในการประกอบการวิเคราะห์ของเพื่อนๆไว้ 3 แนวทางง่ายๆ โดยจะขอพูดถึงแนวทางเบื้องต้นที่สุดก่อนแล้วกันครับ

1. แนวโน้มราคาในระยะสั้นของดัชนี SET index โดยวัดจาก Peak n Trough ที่ 1%

SET PnT 1%

เชื่อว่าหลักสังเกตข้อนี้คงน่าจะเป็นที่เคยผ่านหูผ่านตาสำหรับหลายๆคนมาบ้างแล้ว โดยในรูปกรอบสีดำคือแนวร้บแนวต้าน (Peak n Trough) ที่เกิดขึ้นจาก Zigzag indicator ที่ 1% นั่นเองครับ กราฟที่เป็นสีเขียวจะแสดงให้เห็นตลาดที่เป็นขาขึ้นในระยะสั้นและสีส้มคือตลาดที่เป็นขาลง

หลักการมองตลาดหุ้นด้วยแนวโน้มของ SET index ในระยะสั้น

ขาขึ้น – SET index ทำราคาสูงสุด เหนือจุดสูงสุดเดิมของค่า Zigzag Peak ที่ 1%

ขาลง – SET index ทำราคาต่ำสุด ต่ำกว่าจุดต่ำสุดเดิมของ Trough ที่ 1%

ในคราวนี้เราลองมาทดสอบผลตอบแทนของสัญญาณที่เกิดขึ้นกับ SET index ตัวนี้กันบ้าง โดยผมจะทำการสร้างระบบการลงทุนขึ้นมาโดยอิงสัญญาณจากแนวโน้มระยะสั้นของ SET โดยต่อไปนี้เป็นกฏของระบบครับ

ระบบแมงเม่า SET Buy

Position Size = 5% ของเงินทุน

Buy = กวาดซื้อหุ้นเมื่อ SET index เป็นขาขึ้นในราคา Open ของเช้าวันถัดไป

Sell = ขายหุ้นที่มีอยู่ทั้งหมดเมื่อ SET index เป็นขาลงในราคา Open ของเช้าวันถัดไป

Ranking = เนื่องจากเงินทุนของเราไม่สามารถที่จะกว้านซื้อหุ้นทั้งตลาดได้ในคราวเดียว ผมได้ให้ระบบเลือกหุ้นที่อยู่ใกล้จุดสูงสุดภายใน 1 ปีของมันตามลำดับไล่ลงไปเรื่อยๆจนกว่าเงินจะหมดครับ

Commission = 0.25% ต่อครั้งรวม 0.5% ต่อรอบ

*** ระบบนี้ไม่มีการปรับแต่งอย่างอื่นเพิ่มเติมใดๆทั้งสิ้น เนื่องจากต้องการที่จุดได้ผลที่บริสุทธิที่สุดของมันออกมานะครับ

ผลตอบแทนของระบบจากสัญญาณแนวโน้มในระยะสั้นของ SET index

image

  • CAGR – ระบบ 22.13% vs. SET index 7.09%
  • Net Profit  – ระบบ 1110.86% vs. SET index 135.1%
  • Max DD. – ระบบ 16.23% vs. SET index 58.01%
  • MAR Ratio – ระบบ 1.36 vs. SET index 0.12
  • Ending Capital – ระบบ 12,108,604 vs. SET index 2,351,021

บทสรุปผลของระบบจากสัญญาณแนวโน้มระยะสั้นของ SET index

ถึงแม้ผมจะไม่ได้ทำการเก็บสถิติผลตอบแทนของหุ้นทุกๆตัวทั้งหมดที่อยู่ในตลาดเมื่อตลาดเป็นขาขึ้นออกมา แต่เชื่อว่าผลจากระบบการลงทุนที่อิงสัญญาณจากแนวโน้มระยะสั้นของ SET index ง่ายๆนี้ก็น่าจะเป็นข้อบ่งชี้ได้พอสมควรว่าความจริงแล้วการเลือกลงทุนให้ถูกจังหวะกับตลาดก็สามารถที่จะช่วยเพิ่มผลตอบแทนให้เหนือกว่าตลาดได้ไม่น้อยเลยทีเดียว นอกจากนี้แล้วระบบยังให้ความแม่นยำในระยะยาวสูงกว่า 50% อีกด้วย นับว่าเป็นระบบ Trend Following ที่ค่อนข้างผ่าเหล่าผ่ากอพอสมควรนะครับ เอาล่ะครับ วันนี้ไว้เท่านี้ก่อน เดี๋ยวอีกสัก 2-3 ในบทความต่อไปจะนำข้อสังเกตอีก 2 ประการ (ทีเด็ดที่หลายๆคนอาจไม่เคยนึกถึง) มาลงกันให้ดูต่อไป ใครผ่านมาอ่านก็แวะมา comment ทักทายกันหน่อยเน้อครับ Smile

แมงเม่าคลับ.คอม หนังสือหุ้นน่าอ่าน, วิธีการเล่นหุ้น, การวิเคราะห์หุ้นทางเทคนิค, จิตวิทยาการลงทุน และการบริหารเงินทุน Money Management

อย่ากลัวเมื่อหุ้นขึ้น!

นักเล่นหุ้นส่วนใหญ่มักไม่ชอบซื้อหุ้นเมื่อตลาดเป็นขาขึ้น อย่างไรก็ตาม ผมคิดว่านี่เป็นความรู้สึกและข้อแก้ตัวที่ไม่เข้าท่านัก เพราะนั่นมักจะทำให้เขาตกรถไปโดยปริยายในช่วงเวลาที่ตลาดกำลังจะคืนกำไรกลับมา ค่าเสียโอกาสเช่นนี้นั้นมีผลต่อกำไรของเรามากกว่าที่คิด มันคือนาทีทองที่เราไม่ควรพลาดมันไปเลยแม้แต่น้อย

ตลาดหุ้นขาขึ้นและผลกำไรของคุณ

เป็นที่รู้กันดีว่าตลาดหุ้นนั้นมีช่วงเวลาที่ดีและร้ายของมันสับเปลี่ยนหมุนเวียนกันไปตลอด แต่จะมีสักกี่คนที่ฉุกคิดบ้างว่าช่วงเวลาที่เราจะได้กำไรจากมันอย่างเป็นกอบเป็นกำนั้นกลับมีอยู่เพียงช่วงเดียวเท่านั้น ลองทายดูสิครับว่ามันคือช่วงเวลาไหน?

.

..

… ใช่แล้วครับ! เมื่อตลาดกลายเป็นขาขึ้นนั่นเอง!!

ทำไมน่ะหรือ!?

นั่นก็เพราะมันคือช่วงเวลาที่ผลกำไรส่วนใหญ่ที่เกิดขึ้นในตลาดจะถูกบรรจุเอาไว้ และไม่ว่าคุณจะซื้อมันมาตอนไหน ตลาดขาขึ้นนั้นคือช่วงเวลาหลักๆที่จะคืนกำไรกลับมาให้เราได้อย่างง่ายดายที่สุดไม่ว่าคุณจะเป็นเซียนหรือแมงเม่าก็ตาม

พลังของตลาดหุ้นขาขึ้น

เพื่อที่จะหาหลักฐานบางอย่างมาให้เห็นถึงความสำคัญของการมีหุ้นอยู่ในช่วงเวลาที่ตลาดเป็นขาขึ้นนั้น ผมจะขอนำผลการทดสอบบางอย่างมาให้คุณดู และนั่นก็คือการที่ผมจะสุ่มเข้าซื้อหุ้นที่อยู่ในตลาดเมื่อ SET index กลายมาเป็นขาขึ้นและขายพวกมันออกไปเมื่อมันกลับกลายเป็นขาลง ซึ่งภาพต่อไปนี้ก็คือกราฟการเติบเติบโตของเงินทุนจากแนวคิดง่ายๆที่เรากำลังคุยกันอยู่

Buy when SET up

สิ่งที่คุณกำลังเห็นอยู่นี้คือหนึ่งในผลทดสอบด้วยเงินทุนเริ่มต้น 1 ล้านบาทโดยการสุ่มซื้อหุ้นหลายๆตัว ตัวละ 5% ของพอร์ทพร้อมๆกันเมื่อ SET index กลายเป็นขาขึ้นและขายหุ้นที่มีอยู่ทิ้งไปเมื่อ SET index กลายเป็นขาลง ซึ่งจากผลการทดสอบด้วยการสุ่มซื้อหุ้นเป็นร้อยๆครั้งนั้นพบว่าโดยเฉลี่ยแล้วมันให้อัตราผลตอบแทน CAGR ตลอด 28 ปีอยู่ถึงราวๆ 23% ต่อปีเลยทีเดียว นี่ถือเป็นอัตราผลตอบแทนที่สูงมากๆในระยะยาวอย่างไม่น่าเชื่อจากแนวคิดง่ายๆเช่นนี้ แต่มันก็ได้แสดงให้เห็นถึงพลังของการมีหุ้นเมื่อตลาดเป็นขาขึ้นและพอร์ทว่างเมื่อตลาดเป็นขาลงได้อย่างดีเลยทีเดียว

อย่ากลัวกับโอกาสทำกำไรที่ตลาดได้หยิบยื่นให้!

เห็นหรือยังครับว่าคุณนั้นไม่ควรที่จะปฏิเสธการเข้าซื้อหุ้นเพียงเพราะว่าตลาดได้กลายเป็นขาขึ้นไปแล้ว … มันถือเป็นคำแก้ตัวราคาหลายร้อยล้านบาทเลยทีเดียว จงอย่าได้กลัวที่จะซื้อเมื่อตลาดวิ่งขึ้นไปเพียงเพราะคุณคิดว่ามันสูงเกินไปหรือกลัวจะติดดอย (การติดดอยนั้นจะไม่ใช่ปัญหาเลยถ้าคุณรู้จักควบคุมความเสี่ยง และกล้าที่จะตัดขายมันออกไปเมื่อตลาดกลายเป็นขาลง) ในทางกลับกันแล้วการตกรถเมื่อตลาดเป็นขาขึ้นนั้นอาจสร้างความเสียหายยิ่งกว่าที่คุณคิด เพราะถึงแม้ว่าคุณจะบอกว่าน้ำลายไหลดีกว่าขาดทุน แต่คุณก็อาจกำลังปฏิเสธผลกำไรจะเกิดขึ้น และทิ้งช่วงเวลาที่มีมูลค่ามหาศาลเหล่านี้ไปอย่างน่าเสียดาย!

มีคำกล่าวไว้ว่า “ขาขึ้นหมูยังเป็นเซียน” … แล้วทำไมเราจะไม่รู้จักใช้โอกาสที่ตลาดหยิบยื่นให้อย่างคุ้มค่าแบบพวกหมูๆเหล่านั้นกันบ้างล่ะครับ Open-mouthed smile

แมงเม่าคลับ.คอม หนังสือหุ้นน่าอ่าน, วิธีการเล่นหุ้น, การวิเคราะห์หุ้นทางเทคนิค, จิตวิทยาการลงทุน และการบริหารเงินทุน Money Management

ความลับของสูตรเด็ดวิเคราะห์หุ้น

bull-baiting-historic-2

เรามักที่จะชื่นชอบและหลงชื่นชมต่อการอธิบายถึงสูตรเด็ดมหัศจรรย์ในการซื้อหุ้นกันเป็นอย่างมาก แต่ในความเป็นจริงแล้วสูตรเด็ดส่วนใหญ่ก็ไม่ได้แตกต่างจากปาหี่ไปสักเท่าไหร่นัก และนี่ก็เป็นสิ่งที่ผมอยากจะเตือนมือใหม่ๆทุกคนเอาไว้ด้วยเช่นกัน

หลุมพรางของมือใหม่

ตั้งแต่ก้าวเข้ามาในตลาดหุ้นนั้น สิ่งแรกๆที่ผมจำได้เป็นอย่างดีก็คือการที่มีผู้อ้างตัวว่าเป็นเซียนหลายๆคนพยายามที่จะหยิบกราฟของหุ้นที่วิ่งทำกำไรอย่างมหาศาลมาอธิบายถึงเหตุผลของมันด้วยสูตรเด็ดของพวกเขาอยู่เสมอ นี่ถือว่าเป็นเรื่องที่น่าตื่นตาตื่นใจสำหรับผมในตอนแรกๆเป็นอย่างมาก พวกเขามักที่จะให้คำอธิบายเช่นว่า

“Indicator X ตัดขึ้นที่แถวๆนี้ก็เลยทำให้หุ้นวิ่งขึ้นมาได้อย่างรวดเร็ว”

“หุ้นตัวนี้รวบรวมพลังจากแถวๆนี้มันก็เลยวิ่งขึ้นไปอย่างมากมาย”

“การที่ Breakout ในครั้งนี้รุนแรงมากๆเนื่องจากมันอยู่ในเวฟ X ของมัน”

“Indicator X คอนเฟิรม์กับ Indicator Y หุ้นก็เลยวิ่งขึ้นอย่างสวยงาม”

“Indicator ของเขาตัดขึ้นก่อนที่หุ้นจะวิ่งขึ้นไปอย่างมากมาย … etc.”

ในตอนนั้นผมเองก็ไม่รู้หรอกครับว่าทำไมมันจึงเป็นเช่นนั้น แต่สิ่งที่ผมรู้อย่างหนึ่งก็คือผมเชื่อว่ามันคือเทคนิคการวิเคราะห์ที่น่าสนใจเป็นอย่างมาก หลังจากนั้นผมก็นั่งอยู่หน้าจอคอมพิวเตอร์เป็นปีๆเพื่อที่อยากจะดูกราฟและอธิบายได้ว่าหุ้นตัวไหนที่กำลังจะระเบิดขึ้นตามที่พวกเขาเคยว่าไว้!

แล้วสิ่งที่เกิดขึ้นตามมาต่อจากนั้นอีกเป็นปีๆคืออะไรน่ะหรือครับ?

เมื่อหุ้นไม่เป็นไปตามที่ผมคาดคิดผมก็กลับไปหาสาเหตุของมันด้วยการสังเกตถึงพฤติกรรมของพวกมันย้อนหลังไปอีกเรื่อยๆให้ละเอียดลงไปตามสูตรเด็ดการวิเคราะห์หุ้นเหล่านั้น จนผมมั่นใจว่าสิ่งที่ผมวิเคราะห์ผิดพลาดไปนั้นเป็นเพราะอะไรนั่นเอง

แต่แล้วเกิดอะไรขึ้นอีกต่อมารู้ไหมครับ?

ผมก็ยังเกิดความผิดพลาดขึ้นอีก และผมก็จะย้อนกลับไปทำสิ่งต่างๆเหล่านั้นซ้ำแล้วซ้ำอีกอย่างหนักเพื่อที่จะตอบคำถามให้ได้ว่าผมพลาดสิ่งไหนไปและมีอะไรที่ผมยังไม่รู้กันแน่

แต่นับตั้งแต่วันแรกๆจนถึงวันนี้  … ผมก็ยังคงเกิดความผิดพลาดอยู่อีกเช่นเคยทั้งที่ผมเห็นกราฟราคาก็แทบที่จะจำได้เลยว่า Indicator ตัวต่างๆมันน่าจะมีค่าอยู่ที่เท่าไหร่กันบ้าง

ใช่ครับ! อาจมีบางคนกำลังคิดในใจว่าผมมันโง่เองที่ไม่เห็นแสงสว่างในนั้นกับเขาบางเสียที และผมก็อาจเป็นอย่างที่เขาว่าจริงๆก็ได้! คนโง่อย่างผมมันไม่สมควรมานั่งเรียนกราฟให้เสียวิชากับเขาเลยจริงๆ

ความลับของสูตรเด็ดวิเคราะห์หุ้น

แต่เรื่องที่ว่าผมมันจะโง่เง่าหรือไม่ อาจไม่ใช่ประเด็นสำคัญของสิ่งที่ผมอยากจะเล่าให้ฟังในวันนี้ เพราะสิ่งที่ผมอยากจะเล่าก็คือในที่สุดแล้วผมก็ได้พบกับความลับอย่างหนึ่งที่ทำให้สูตรการวิเคราะห์หุ้นที่แสนวิเศษเหล่านี้มันยอดเยี่ยมเสียเหลือเกิน และความลับนั้นก็คือ

“อดีตถูกเสมอ”

นี่คือความลับในการขายคอร์สอบรมต่างๆที่มักจะมีราคาแพงแสนแพงแทบทั้งสิ้น และมันก็คือวิธีการที่พวกเขามักที่จะนำมาหลอกพวกมือใหม่ๆที่พึ่งจะเข้ามาในตลาดได้ไม่นานนั่นเอง

โดยหนึ่งในวิธีการที่ดีที่สุดที่คนเหล่านี้มักจะทำก็คือการหยิบอดีตมาเล่า!

… เล่าให้มีสาระ!

… มีตัวแปร!

… มีคำอธิบาย!

… มี Story ต่างๆให้มากเอาไว้!

… และเลือกกราฟที่ดีที่สุดหรือหลักฐานบางอย่างมาอธิบายมันออกมา!

อ้อ … และท้ายที่สุด พวกเขามักจะไม่ลืมเติมคำว่ากำไรอย่างมหาศาลและรวดเร็วเข้าไปด้วย!

พวกเขาตั้งใจที่จะทำให้เราเห็นแต่ในสิ่งที่เราอยากจะเห็นจนเราเชื่อและหลงลืมถึงความไม่สมบูรณ์แบบของมันไป พวกเขาจะนำเอากราฟทุกๆกราฟที่เข้าล็อกกับรูปแบบที่พวกเขาว่าเอาไว้ให้เราดูอยู่เสมอ เพราะเขาพยายามที่จะสร้างการรับรู้ในเชิงบวกให้กับสูตรมหัศจรรย์ของพวกเขานั่นเอง

จำไว้ให้ดีว่าไม่ว่าเขาจะพูดอย่างไรมันก็จะถูกเสมอ! เพราะเขาได้คัดเลือกมันออกมาให้กับพวกเราแล้ว และถ้ามันจะมีบางอย่างผิดแปลกไปเสียบ้าง เขาก็จะมีคำแก้ตัวที่ดูมีเหตุผลและพร้อมที่จะพูดขึ้นหักล้างกับความผิดปกติที่เราสังเกตได้อยู่ทุกเมื่อ และถ้ามีอะไรผิดพลาดที่ชัดเจนขึ้นจริงๆเขาก็มักจะบอกว่านี่เป็นความบังเอิญที่เกิดขึ้นได้ไม่บ่อยนัก

จงอย่าเชื่อเพียงเพราะมันดูเหตุมีผล … แต่จงพิสูจน์มันเสียก่อน

ผมอยากเตือนมือใหม่ทุกคนไว้ว่าตลาดหุ้นนั้นไม่ได้มีสภาวะที่ตายตัวอย่างที่เราคิดกัน พวกมันเปลี่ยนแปลงไปอยู่เสมอ และไม่มีวิธีการใดๆที่จะช่วยให้คุณทำกำไรจากตลาดได้อย่างง่ายดายขนาดนั้น ทุกอย่างเป็นเพียงความน่าจะเป็นในตัวของมันเอง คุณควรต้องเรียนรู้ที่จะพิสูจน์มันด้วยวิธีการบางอย่างดูเสียก่อน (Back-test, Forward Test หรือ Paper Trade ดูอย่างน้อยสัก 20 – 30 Sample ขึ้นไป) แต่อย่าหลงเชื่อและวางเงินทุนจนหมดหน้าตักเพียงเพราะภาพสวยหรูที่คุณได้เห็นมาเท่านั้น

การที่พวกเขาสามารถอธิบายถึงสิ่งต่างๆที่เคยเกิดขึ้นกับสุดยอดหุ้นเหล่านี้ไม่ได้เป็นสิ่งที่แสดงให้เห็นถึงความสามารถหรือประสิทธิภาพของสูตรในการวิเคราะห์ของพวกเขาเลย อันที่จริงแล้วมันอาจเป็นเพียงสิ่งที่แสดงให้เห็นว่าเขานั้นมีความสามารถในการที่จะ “เล่าเรื่อง” ที่เกิดขึ้นในอดีตได้ดีมากๆเท่านั้นเอง

อย่าลืมนะครับ “อดีตถูกเสมอ!” พูดอย่างไรก็ถูกครับ Open-mouthed smile

แมงเม่าคลับ.คอม หนังสือหุ้นน่าอ่าน, วิธีการเล่นหุ้น, การวิเคราะห์หุ้นทางเทคนิค, จิตวิทยาการลงทุน และการบริหารเงินทุน Money Management

การกระจายตัวของผลตอบแทนในตลาดหุ้น : Distribution of Returns

Kurtosis Graphเป็นที่ถกเถียงกันมานานระหว่างทฤษฏีตลาดมีประสิทธิภาพ (Efficient Market) และตลาดไร้ประสิทธิภาพ (Inefficient Market) ว่าจริงๆแล้วตลาดหุ้นมีพฤติกรรมของมันเป็นอย่างไร ในบทความนี้ผมจะลองนำเอาค่าการกระจายตัวของผลตอบแทนในตลาดหุ้น ซึ่งเปรียบเสมือนกับลายเซนต์ของทฤษฏีทั้งสองอย่างนี้มาให้ลองดูกันครับ

ก่อนอื่นต้องออกตัวก่อนว่างานเขียนในตอนนี้ผมตั้งใจที่จะให้มันเป็นกึ่งๆบทความหรือกึ่งๆกระทู้เสียมากกว่า อยากชวนเพื่อนๆมาร่วมออกความเห็นกันนะครับ ไม่อยากให้คิดว่าใครผิดใครถูกจนมากเกินไป ลองแสดงความคิดเห็นกันเล่นๆดูครับว่าเราเห็นอะไรกันบ้าง หรือเราจะมีหนทางใช้ประโยชน์จากพวกมันได้อย่างไรอีกกันบ้างครับ

เหตุผลที่ผมได้นำเอาค่าการกระจายตัวของผลตอบแทนในตลาดหุ้น (Distribution of Returns) มาให้ดูกันก็เนื่องมาจากว่า หนึ่งในลายเซนต์หรือ Trademark ของทฤษฏีตลาดมีประสิทธิภาพนั้น เมื่อมองกันในแง่ของสถิติ มันควรที่จะให้ค่าการกระจายตัวของผลตอบแทนแบบสุ่มในรูปของระฆังคว่ำ (Bell Shape) ออกมา เนื่องจากเชื่อว่าการเคลื่อนไหวของตลาดอยู่ในลักษณะเดินสุ่ม อย่างไรก็ตาม ตามงานเขียนหรือค้นคว้าวิจัยในยุคหลังๆมาได้มีการค้นพบกันว่า แท้จริงแล้วตลาดมักที่จะให้การกระจายตัวออกมาในรูปแบบโด่งสูง (Leptokurtic) หรือในบางครั้งเป็นแบบโด่งต่ำ (Platykurtic) แทน ซึ่งนั่นหมายความว่าอย่างไร?

นั่นหมายความว่าตลาดนั้นมักที่จะมีการเคลื่อนไหวเป็นการเหวี่ยงขึ้นลงสั้นๆ (Mean Reversion) มากกว่าปกติที่ควรจะเป็นไป หากว่าตลาดนั้นมีประสิทธิภาพอย่างแท้จริง นอกจากนี้แล้ว ในขณะที่มันไม่ได้เคลื่อนไหวเวี่ยงขึ้นลงสั้นๆ มันก็มักที่จะเคลื่อนไหวอย่างสุดขั้ว หรือเป็นแนวโน้มอย่างชัดเจนมากกว่าปกติที่ควรจะเป็นไปหากว่าตลาดนั้นมีประสิทธิภาพอย่างแท้จริงนั่นเอง (โดยที่นักสถิติมักเรียกการกระจายตัวแบบนี้ว่ากราฟแบบ Fat Tail of Distribution)

สำหรับคนที่ไม่คุ้นเคยกับสิ่งเหล่านี้อาจมองไม่ค่อยเห็นภาพ แต่ให้ลองสังเกตุภาพด้านล่างนี้ดูครับ

kurtosis and normal distribution หุ้น

จากรูปด้านบนแสดงให้เห็นว่า ผลตอบสุดขั้วของตลาดมักที่จะเกิดขึ้นบ่อยครั้งกว่าที่ควรจะเป็น (โดยแสดงออกเป็นการกระจายตัวแบบ Fat tail) หากว่าตลาดมีการกระจายตัวของผลตอบแทนเป็นแบบสุ่มหรือตลาดมีประสิทธิภาพอย่างแท้จริง แต่หากยังนึกไม่ออกอีกลองเข้าไปอ่านคร่าวๆได้ที่ http://www.watpon.com/Elearning/stat12.htm ครับ

การกระจายตัวของผลตอบแทนในตลาดหุ้นไทย

ว่ากันมาเสียยาว ต่อจากนี้จะเป็นผลการทดลองอย่าง “คร่าวๆ” (อาจมีความคลาดเคลื่อนในฐานข้อมูลอยู่บ้าง) ที่ผมได้ทดสอบดูกับหุ้นในตลาดหุ้นของไทยครับ โดยผมจะนำค่าการกระจายตัวของผลตอบแทนในแต่ละ Time Frame ออกมาให้ดูกันว่าตลาดหุ้นของเราจะเป็นไปอย่างที่เขาว่ากันหรือปล่าวโดยที่

  • ตาราง Daily Return จะคำนวนจากราคา Open หักลบกับ Close ในแต่ละวัน
  • ตาราง Monthly Return จะคำนวนจากราคา Close ของวันแรกที่มีการซื้อขายในเดือนนั้น หักลบกับราคา Close ของวันสุดท้ายที่มีการซื้อขายกันในเดือนนั้น
  • ตาราง Yearly Return จะคำนวนจากราคา Close ของวันแรกที่มีการซื้อขายในปีนั้น หักลบกับราคา Close ของวันสุดท้ายที่มีการซื้อขายกันในปีนั้น

ผลที่เกิดขึ้นทั้งหมดของพวกมันจะถูกนำมารวมกันเป็นตารางแจกแจงความถี่โดยที่แกน X คือผลตอบแทนที่เกิดขึ้น ส่วนแกน Y จะเป็นความถี่จำนวนครั้งของการเกิด ผมได้ทำการทดสอบย้อนหลังเป็นเวลาประมาณ 20 ปี (1/1/1991 – 1/1/2011) ในการทดสอบเราจะวัดเอาแต่ผลการเปลี่ยนแปลงของราคาเท่านั้น ไม่มีการเอาปันผลเข้ามารวมนะครับ ว่าแล้วผมก็ขอนำค่าการกระจายตัวของ SET Index นำมาให้ดูกันก่อนเลยครับ

SET index return Distributions

SET index daily return distributions 1/1/1991 – 1/1/2011 Spacing 1%

SET index daily return distributions 1/1/1991 – 1/1/2011 Spacing 1% : ตารางการกระจายตัวของผลตอบแทนในคาบเวลาหนึ่งวันของ SET Index ช่องไฟที่ 1%

SET index monthly return distributions 1/1/1991 – 1/1/2011 Spacing 5% : ตารางการกระจายตัวของผลตอบแทนในคาบเวลาหนึ่งเดือนของ SET Index ช่องไฟที่ 5%

SET index monthly return distributions 1/1/1991 – 1/1/2011 Spacing 5% : ตารางการกระจายตัวของผลตอบแทนในคาบเวลาหนึ่งเดือนของ SET Index ช่องไฟที่ 5%

*** ค่า Yearly Return ไม่มีนะครับ เพราะ Sample น้อยเกินไป เพียงแค่ 20 ครั้งเท่านั้น ไม่มีนัยยะทางสถิติครับ

SET50 index return Distributions

ในคราวนี้ลองมาดูหุ้นประเภทบูลชิท … เอ้ยบลูชิพว่าจะเป็นอย่างไรกันบ้างดีกว่า โดยสำหรับหุ้นในกลุ่มนี้ผมเลือกทดสอบตั้งแต่ปี (1/1/2001 – 1/1/2011) เท่านั้น เพื่อให้เกิดความคลาดเคลื่อนให้น้อยลง เนื่องจากดัชนีอาจมีการเปลี่ยนแปลงไปในแต่ละปี ถ้าย้อนหลังยาวๆอาจคลาดเคลื่อนไปไกลครับ

SET50 index daily return distributions 1/1/2001 – 1/1/2011 Spacing 1% : ตารางการกระจายตัวของผลตอบแทนในคาบเวลาหนึ่งวันของ SET Index ช่องไฟที่ 1%

SET50 index daily return distributions 1/1/2001 – 1/1/2011 Spacing 1% : ตารางการกระจายตัวของผลตอบแทนในคาบเวลาหนึ่งวันของ SET Index ช่องไฟที่ 1%

SET50 index monthly return distributions 1/1/2001 – 1/1/2011 Spacing 5% : ตารางการกระจายตัวของผลตอบแทนในคาบเวลาหนึ่งเดือนของ SET Index ช่องไฟที่ 5%

SET50 index monthly return distributions 1/1/2001 – 1/1/2011 Spacing 5% : ตารางการกระจายตัวของผลตอบแทนในคาบเวลาหนึ่งเดือนของ SET Index ช่องไฟที่ 5%

SET50 index Yearly return distributions 1/1/2001 – 1/1/2011 Spacing 5% : ตารางการกระจายตัวของผลตอบแทนในคาบเวลาหนึ่งปีของ SET Index ช่องไฟที่ 5%

SET50 index Yearly return distributions 1/1/2001 – 1/1/2011 Spacing 5% : ตารางการกระจายตัวของผลตอบแทนในคาบเวลาหนึ่งปีของ SET Index ช่องไฟที่ 5%

Overall Stocks

ตารางในกลุ่มสุดท้ายนี้จะเป็นการกระจายตัวของผลตอบแทนของหุ้นในตลาดโดยรวม ไม่ว่าจะเป็นหุ้น VI, หุ้น Technic, หุ้นปั่น, หุ้นดี หรือแม้แต่หุ้นอะไรก็ตามจำนวน 570 ตัวที่ผมมีข้อมูลอยู่ในขณะนี่ โดยทำการทดสอบตั้งแต่ 1/1/1991 – 1/1/2011 ครับ

Overall Stocks Daily return distributions 1/1/1991 – 1/1/2011 Spacing 1% : ตารางการกระจายตัวของผลตอบแทนในคาบเวลาหนึ่งวันของหุ้นทั้งตลาด ช่องไฟที่ 1%

Overall Stocks Daily return distributions 1/1/1991 – 1/1/2011 Spacing 1% : ตารางการกระจายตัวของผลตอบแทนในคาบเวลาหนึ่งวันของหุ้นทั้งตลาด ช่องไฟที่ 1%

ของผลตอบแทนในคาบเวลาหนึ่งเดือนของหุ้นทั้งตลาด ช่องไฟที่ 5%

Overall Stocks Monthly return distributions 1/1/1991 – 1/1/2011 Spacing 5% : ตารางการกระจายตัวของผลตอบแทนในคาบเวลาหนึ่งเดือนของหุ้นทั้งตลาด ช่องไฟที่ 5%

Overall Stocks Yearly return distributions 1/1/1991 – 1/1/2011 Spacing 10% : ตารางการกระจายตัวของผลตอบแทนในคาบเวลาหนึ่งปีของหุ้นทั้งตลาด ช่องไฟที่ 10%

Overall Stocks Yearly return distributions 1/1/1991 – 1/1/2011 Spacing 10% : ตารางการกระจายตัวของผลตอบแทนในคาบเวลาหนึ่งปีของหุ้นทั้งตลาด ช่องไฟที่ 10%

ข้อสังเกตุที่น่าสนใจ

  • ในคาบเวลาระยะสั้น Daily Return Timeframe นั้น เราจะเห็นได้ว่าการกระจายตัวในทุกกลุ่มนั้นเป็นไปในรูปแบบของกราฟ Leptokurtic ซึ่งหมายถึงการเคลื่อนไหวเกิดขึ้นแบบเหวี่ยงไปมาสั้นๆ มากกว่าที่จะเป็นไปในรูปแบบ Bell Curve ของการกระจายตั่วแบบสุ่มตามธรรมดา
  • ในคาบเวลาระยะกลาง Monthly Return Timeframe นั้น เราจะเห็นได้ว่าการกระจายตัวจะเริ่มมีลักษณะเป็น Fat Tail ที่มากขึ้น ซึ่งหมายถึงการให้ผลตอบแทนที่สุดขั้วมากกว่าที่จะเป็นไปในรูปแบบ Bell Curve ของการกระจายตัวแบบสุ่มตามธรรมดาเช่นกัน
  • ในคาบเวลาระยะยาว Yearly Return Timeframe นั้น เราจะเห็นได้ว่าการกระจายตัวจะมีลักษณะของ Fat Tail อย่างชัดเจน โดยเบ้ไปในทางบวก นั่นหมายความว่าในคาบเวลาระยะยาวนั้น ตลาดมีโอกาสที่จะให้ผลตอบแทนอย่างสุดขั้วออกมามากกว่าที่จะเป็นไปในรูปแบบ Bell Curve ของการกระจายตัวแบบสุ่มตามธรรมดาเป็นอย่างมาก

มุมมองของผมเกี่ยวกับการกระจายตัวของผลตอบแทนในตลาดหุ้นไทย

จากกราฟที่เราได้เห็นมานั้น เราจะสังเกตได้ว่าตลาดไม่ได้มีประสิทธิภาพไปเลยซะทีเดียว สิ่งที่เกิดขึ้นที่ได้สะท้อนถึงความไร้ประสิทธิภาพของตลาดออกมาให้เราเห็นอยู่พอสมควร ผมคิดว่านี่เองจึงเป็นสาเหตุที่ว่าทำไมกลยุทธ์การเล่นหุ้นแบบ Trend Following, Swing Trading หรือแม้แต่การลงทุนแบบเน้นคุณค่าจึงยังคงมีประสิทธิภาพอยู่ นั่นก็เพราะพวกมันได้ใช้ประโยชน์หรือลงรอยกับพฤติกรรมการกระจายตัวของผลตอบแทนในตลาดตามที่ได้เห็นกันไปนั่นเอง อย่างไรก็ตาม ในส่วนของการเล่นหุ้นสั้นๆระหว่างวันอาจเป็นเรื่องที่ค่อนข้างยากสำหรับคนโดยส่วนใหญ่เลยทีเดียว นั่นก็เนื่องมาจากการกระจายตัวของผลตอบแทนส่วนใหญ่มักเกิดขึ้นเป็นกราฟแบบโด่งสูงนั่นเอง โอกาสที่จะทำกำไรจากการ Let Profit Run ไกลๆจึงเป็นเรื่องที่ค่อนข้างยากมากๆ และต้องไปพึ่งพาความแม่นยำหรือการควบคุมความเสี่ยงให้เป็นอย่างดีนั่นเอง (แต่ไม่ได้หมายความว่ามันทำไม่ได้นะครับ)

สุดท้ายนี้ สิ่งที่ได้ทดสอบมาเป็นเพียงผลในเชิงสถิติเพียงอย่างเดียว มันไม่ได้รับประกันว่าถ้าคุณทำตามกลยุทธ์ที่เป็นไปในแนวทางเดียวกับพฤติกรรมของตลาดแล้วจะต้องประสบความสำเร็จเสมอไป เนื่องจากยังมีปัจจัยทางจิตวิทยาที่สำคัญอีกหลายอย่าง ในการที่คุณจะต้องฝ่าฟันมันไปให้ได้นั่นเองครับ

แมงเม่าคลับ.คอม หนังสือหุ้นน่าอ่าน, วิธีการเล่นหุ้น, การวิเคราะห์หุ้นทางเทคนิค, จิตวิทยาการลงทุน และการบริหารเงินทุน Money Management

courney smith หุ้น

Video Clip : แนวคิดการเล่นหุ้นแบบ Momentum Investing

คลิปหุ้นตอนนี้ช่วยอธิบายให้เราเข้าใจได้อย่างง่ายๆว่า เหตุใดแนวคิดการเล่นหุ้นแบบ Momentum Investing หรือกลยุทธ์การเล่นหุ้นตามแนวโน้มจึงได้ผล ซึ่งสอดคล้องไปกับหลักการทางวิชาการเงินเชิงพฤติกรรมหรือ Behavioral Finance ในระดับหนึ่ง ผมเลยเอามาให้ดูกันครับ

แมงเม่าคลับ.คอม หนังสือหุ้นน่าอ่าน, วิธีการเล่นหุ้น, การวิเคราะห์หุ้นทางเทคนิค, จิตวิทยาการลงทุน และการบริหารเงินทุน Money Management

Behind The Scene : Indexes Return Vs. Stocks Return

ตารางแสดงผลตอบแทนของหุ้นตลอดช่วงชีวิตของมัน เหตุผลเบื้องหลังที่คนส่วนใหญ่เจ๊งหุ้น!

นี่เป็นบทความที่ผมได้อ้างอิงมาจากส่วนหนึ่งของผลวิจัยการลงทุนจากกองทุน Blackstar Funds ประเทศสหรัฐอเมริกา โดยถึงแม้ว่าในประเทศไทยเราจะยังไม่มีงานวิจัยในลักษณะนี้ออกมาเท่าไหร่ แต่ผมเชื่อว่าตลาดหุ้นในโลกส่วนใหญ่นั่นก็มีลักษณะและธรรมชาติที่คล้ายกันอยู่เป็นอย่างมาก เนื่องจากแท้จริงแล้วมันก็เหมือนกับที่ Gorge Soros ได้เคยกล่าวเอาไว้ว่า ตลาดคือห้องทดลองของเขา หรือพูดอีกอย่างก็คือ มันคือห้องปฏิกรณ์ทางอารมณ์และความเชื่อของคนที่ถูกแสดงออกผ่านการกระทำโดยอาศัยเม็ดเงินที่ตนเองมีอยู่นั่นเอง ในวันนี้จะเป็นส่วนหนึ่งทีน่าสนใจของบทวิจัยชิ้นนี้เท่านั้น โดยผมจะขอนำมาลงในฉบับสมบูรณ์ในโอกาสต่อไปครับ :D

Continue reading

Relative Strength Trading With Joe Fahmy Part 2 : การวิเคราะห์หุ้นทางเทคนิคด้วยค่าความแข็งแกร่งสัมพันธ์

การวิเคราะห์หุ้นทางเทคนิค ด้วยค่าความแข็งแกร่งสัมพันธ์ Relative Strength กับ Joe Fahmy ตอนที่ 2

joe-fahmy วันนี้ต่อกันเลยในตอนที่ 2 ของวิธีการเล่นหุ้นด้วยการวิเคราะห์ทางเทคนิค โดยการใช้หลักของค่าความแข็งแกร่งสัมพันธ์ (Relative Strength) โดยเฮียโจ Joe Fahmy เช่นเคย ในตอนนี้เขาจะแสดงให้เห็นถึงตัวอย่างหลายๆแบบ และเน้นย้ำถึงหลักแนวคิดสำคัญในการเล่นหุ้นของเขาครับ

Continue reading

Relative Strength Trading With Joe Fahmy Part 1 : วิธีการเล่นหุ้นด้วยค่าความแข็งแกร่งสัมพันธ์

วิธีการเล่นหุ้นด้วย Relative Strength โดย joe fahmy การวิเคราะห์หุ้นทางเทคนิค ด้วยค่าความแข็งแกร่งสัมพันธ์ Relative Strength กับ Joe Fahmy ตอนที่ 1

ผมเคยได้นำบทความเกี่ยวกับค่าความแข็งแกร่งสัมพันธ์ (RS) มาลงไว้หลายชิ้นอยุ่ ส่วนใหญ่จะค่อนข้างเป็นบทความวิชาการนิดนึง วันนี้ลองมาดู Joe Fahmy ลูกศิษย์ของสุดยอดเซียนหุ้นอย่าง Mark Minervini (ผู้เคยถูกสัมภาษณ์ลงหนังสือหุ้น The Market Wizards) สอนเกี่ยวกับวิธีการเล่นหุ้น และการวิเคราะห์หุ้นทางเทคนิคโดยใช้ Relative Strength กันอย่างง่ายๆแต่มีประสิทธิภาพกันดูนะครับ แล้วเดี๋ยวตอนจบของวิดีโอชุดนี้ (มี 2 ตอน) ผมจะเอาตัวอย่างกับตลาดหุ้นไทยจริงๆมาให้ดูกันนะครับ

[youtube width=”530″ height=”410″]http://www.youtube.com/watch?v=E1fo3H6uUkY[/youtube]

ปล. วันนี้รีบแปลมาลง เลยแอบไม่มีเวลาเช็คเท่าไหร่ บางตอนผมฟังได้ไม่ค่อยชัดนักก็ไม่ได้นั่งแกะว่าพูดอะไร (ของมันฟระ) ยังไงขออภัยไว้นิดนึงนะครับ 55 ถ้าใครรู้ว่าเขาพูดอะไรกันแน่ๆช่วยบอกผมไว้หน่อย เดี๋ยวจะได้แก้มาลงให้ถูกต้องอีกครั้งครับ ส่วนตอนที่ 2 นั้น เดี๋ยวจะแปลมาลงต่อกันใน 1-2 วันนี้ครับ (ไม่อยากค้างนานเดี๋ยวไม่ได้ทำ :))

แมงเม่าคลับ.คอม หนังสือหุ้นน่าอ่าน, วิธีการเล่นหุ้น, การวิเคราะห์หุ้นทางเทคนิค, จิตวิทยาการลงทุน และการบริหารเงินทุน Money Management