หุ้นตัวไหนเป็นหุ้น Attack ตัวไหนเป็นหุ้น Defense (มารู้จักกับ Beta และ Systematic/Unsystematic riskกันครับ)

Beta ก็คือตัววัด Volatility ของหุ้นตัวหนึงแหละครับแต่คราวนี้เราจะไม่วัดแค่กับตัวหุ้นเองอีกแล้ว จะเห็นว่าที่ผ่านมาเราจะวัดความเสี่ยงด้วย Standard Deviation หรือ Volatility กับตัวหุ้นนั้นๆเองใช่ไหมครับถ้าค่ามันสูงก็แปลว่ามันเหวี่ยงมาก ถ้าค่ามันต่ำก็จะแปลว่ามันเหวี่ยงน้อย แต่นั้นเรายังไม่ได้กล่าวถึง Systematic/Unsystematic Risk เลยครับ มาวันนี้เราจะมาดูกันว่า Systematic/Unsystematic Risk คืออะไร ทำไมเราต้องหุ้นไปวัดกับตลาดด้วย ความเสี่ยงที่เป็นระบบ(Systematic Risk) ก็คือ ความเสี่ยงที่เป็นระบบ ความเสี่ยงอันเกิดจากการเปลี่ยนแปลงของราคาหุ้นที่เกิดจาก “ระบบ” หรือเกิดจาก Factor ที่มีผลกระทบธุรกิจทั้งธุรกิจหรือตลาดทั้งตลาด เช่น การขึ้น/ลด ภาษีนโยบายของชาติ การเกิดสงคราม เกิดสภาวะเศรษฐกิจตกต่ำ เป็นต้น ซึ่งความเสี่ยงเหล่านี้เกิดจากปัจจัยของที่สร้างความผันผวนที่มีระบบทั้งระบบ(เรียกว่าตลาดก็ได้) เป็นความเสี่ยงที่มาจากแวดล้อมภายนอกที่เราไม่อาจทำอะไรได้ ความเสี่ยงเหล่านี้เราไม่อาจแก้ได้ด้วยการกระจายความเสี่ยง นั้นทำให้ Systematic Risk ได้ถูกรู้จักกันในอีกชื่อนหนึงคือ Undiversified risk เพราะมันเกิดกันทั้งระบบนั้นเอง ความเสี่ยงที่ไม่เป็นระบบ (Unsystematic Risk) ก็คือความเสี่ยงที่เกิดกับบริษัทที่เราไปลงทุนโดยเฉพาะเจาะจงครับไม่ได้แอฟเฟคไปทั้งระบบครับ เป็นปัจจัยภายในของตัวบริษัท หรือ ธุรกิจนั้นๆเอง เช่น CEO ของบริษัทลาออก…

หลักการทำงานของ ARIMA ในการทำนายค่าของ Time Series

ARIMA model หรือ ชื่อเต็มๆ ก็คือ “(AutoRegressive Integrated Moving Average)” คิดว่าหลายท่านที่ทำงานคุ้นเคยกับข้อมูลที่มีลักษณะเป็นอนุกรมเวลา (Time Series) คงจะเคยได้ยินกันนะครับ โมเดลนี้ สำหรับตัวผมเอง ก็เป็นโมเดลที่ศึกษาเป็นโมเดลแรกๆ เลยก็ว่าได้ ตั้งแต่ก้าวเข้ามาทำงานกันข้อมูลหุ้น วันนี้ ผมจะมาเล่าให้ฟังเท่าที่เข้าใจนะครับ ว่าเจ้า ARIMA นี่มันมีหลักการทำงานอย่างไร ARIMA(AutoRegressive Integrated Moving Average) ประกอบไปด้วย Combination ของ Time Series 3 เทคนิค คือ AR (Autoregressive), I (Integrated), MA (Moving average) โดยผมจะค่อยๆ อธิบายให้ฟังทีละตัวนะครับ แต่โดยหลักๆ แล้วทุกเทคนิค คือการร่วมกันกำจัด “Noise” ออกจากข้อมูลเพื่อพยายามลด Error term ให้ได้มากสุดจนสามารถมั่นใจได้ว่า ข้อมูลนั้น Reliable หรือ เชื่อถือได้ ซึ่งจะทำให้การทำนาย (Forecast) ในขั้นตอนต่อไปมีประสิทธิภาพมากขึ้นนั่นเองครับ…

7 ปัจจัยอันตรายที่ทำให้กองทุนที่ใช้ Machine Learning ต้องพบจุดจบ ในมุมมองของคุณ Marcos Lopez de Prado

❌ 7 ปัจจัยอันตรายที่ทำให้กองทุนที่ใช้ Machine Learning ต้องพบจุดจบ ในมุมมองของคุณ Marcos Lopez de Prado ผู้จัดการกองทุนระดับมหายักษ์ใหญ่ ของโลกอย่าง AQR Capital และ หัวหน้ากลุ่ม วิจัย Machine Learning ของกองทุน ⚠️ เนื้อหาเชิงเทคนิคระดับสูง ในงานวิจัยของ Quants ในองกรใหญ่ อาจจะมีความซับซ้อนไปนิด แอดพยายามเขียนให้เข้าใจง่ายแล้ว ได้แค่นี้จริงๆ ค่ะ ⚠️ 1. The Sisyphean Quants (รูปที่ #1) ปัญหาข้อแรก ได้นำชื่อมาจาก “Sisyphean task” ที่เป็นเรื่องราวของชายชาวกรีกคนหนึ่งที่โดนลงโทษให้เข็ญก้อนหินก้อนมหึมาขึ้นไปบนยอดเขา ซึ่งเป็นงานที่แทบจะเป็นไปไม่ได้ การออกแรงดันทุกครั้ง ก็เพื่อที่จะพบกับการกลิ้งตกลงมาอีกครั่งของก้อนหินเท่านั้น คุณ Marcos พบว่า สาเหตุแรกเลยที่ทำให้กองทุนที่ใช้ Machine Learning ต้องประสบกับความล้มเหลว ก็คือ ปัญหาพื้นๆ ของการบริหารงาน ที่ขาดการทำงานในลักษณะของ “การร่วมมือกัน” เพื่อดึงคุณลักษณะเด่นของแต่ละบุคคลออกมาใช้…

Correlation ค่ามหัศจรรย์ กับ การลงทุน

เราจะมาหาคำตอบกันว่าค่า “Correlation” หรือ ที่บางครั้งอาจจะเรียกกันว่า Cross-Correlation นี้คือค่าอะไร ? และ จะสามารถนำมาใช้ประโยชน์ในการเทรดได้มากน้อยแค่ไหน? Correlation คือค่าอะไร? “Correlation” เป็นอีกค่าพื้นฐานที่มีความพิเศษ และ มีประโยชน์เป็นอย่างมากในการเทรด เนื่องจาก เป็นค่าที่สามารถบอก “ความสัมพันธ์ของข้อมูล” ซึ่งแน่นอนว่าความสัมพันธ์นี้จะสามารถนำไปสู่การทำนายข้อมูลในอนาคตได้นั่นเอง ดังนั้น การทำความเข้าใจ Correlation จะเป็นประโยชน์อย่างมากในกับงานด้าน Quantitative Analysis สำคัญถึงขนาดที่ว่า Investing back ยักษ์ใหญ่อย่าง Goldmad Sachs หยิบยกมาใช้ถามผู้สมัครในการคัดเลือก Quants กันเลยทีเดียว! เพราะฉนั้น เราคงจะวิ่งหนีค่าพื้นฐานค่านี้ ไม่ได้จริงๆ มาเรียนรู้กันดีกว่า ว่ามันคืออะไร และ จะสามารถนำไปใช้ช่วยในการเทรดได้อย่างไร ค่า Correlation กล่าวอย่างง่ายๆ ก็คือ ค่าที่บอกว่า ข้อมูล 2 ชุด นั้น correlate (มีความสัมพันธ์กัน) กัน หรือไม่ อย่างไร…