ประเมินความเสี่ยงด้วย Value at Risk (VaR) แต่ละแบบมีข้อดีข้อเสียอย่างไร

ความจริงเรื่องนี้ผมเคยเขียนไปเมื่อ 2-3 ปีก่อนแล้ววันนี้มีโอกาสผมขอนำกลับมาเขียนให้เป็นระบบและครอบคลุมขึ้นนะครับ Value at Risk (VaR) คืออะไร VaR คือ “โมเดลที่ใช้ในการประเมินความเสี่ยง” ของพอร์ตฟอลิโอวิธีหนึ่ง ที่ถูกนำมาใช้เพื่อตอบคำถามประเภทที่ ในช่วงเวลาหนึ่งๆ พอร์ตฟอลิโอของเราจะมีโอกาสเสียเงินได้มากเท่าไหร่ ที่ระดับความเชื่อมั่น (Confident Level) แค่ไหน ตัวอย่าง เช่น “จากข้อมูลรายเดือนที่เราของหุ้น ABC เป็นเวลา 30 ปี เรามีความมั่นใจ 95% ว่าถ้าเราถือหุ้นตัวนี้ไว้ในพอร์ตฟอลิโอของเรา หุ้นตัวนี้จะไม่ลดลงเกินกว่า 4% ในช่วงเวลา 1 เดือน” พูดง่ายๆคือ “มีโอกาสแค่ 5% ที่หุ้น ABC จะลดลงเกินกว่า 4% ในช่วง 1 เดือน” นั่นเองเป็น “VaR” เป็นโมเดลที่ใช้กันอย่างแพร่หลายในการวิเคราะห์ความเสี่ยง และวิธีการคำนวณ VaR ก็มีหลายวิธี ซึ่งผมจะแยกประเภท ดังนี้ Non-Parametric วิธีการที่ไม่ต้องใช้ตัวแปรใดๆ ใช้แค่…

คุยกันเรื่อง “อนาคตของ Machine Learning ในโลกของการลงทุน” กับอดีตหัวหน้าทีม Machine Learning แห่งกองทุนระดับแสนล้านดอลล่าห์อย่าง “AQR Capital Managment” และผู้ชนะรางวัล “Quant of the Year 2019” กัน

วันนี้เรามาจับเข่าคุยกับ ดร. Marcos Lopez de Prado กันเรื่องประเภทของ Quant 2 ประเภทในตลาดทุกวันนี้ม เรื่องอนาคตของการลงทุนในยุคใหม่หลังจากเข้าสู่ยุคแห่ง Machine Learning โลกการลงทุนจะเปลี่ยนแปลงอย่างไร องกรค์ควรปรับตัวอย่างไร มีปัญหาอะไรที่ท้าทายบ้าง สถาบันการลงทุนขนาดใหญ่มีทางเลือกอะไรบ้างในโลกที่เปลี่ยนไปแล้ว และปิดท้ายที่อนาคตของตัวเค้าเองหลังจากที่เพิ่งลาออกจาก AQR Capital Managment ว่ามีโปรเจ็คอะไรต่อไปครับ Q: การลงทุนเชิง Quantitative นี่ได้ผลจริงไหมครับ? A: ก่อนที่ผมจะตอบคำถามนี้ ผมว่าเราควรมาทำความเข้าใจกับความแตกต่างระหว่างองค์กร Math-quant และ Econ-quant 1: องค์กร “Math-quant” นั้นได้ถูกก่อตั้งและดำเนินงานโดย นักคณิตศาสตร์ นักฟิสิกห์ นักวิทยาการคอมพิวเตอร์ และ วิศวกร พวกเขามีกองทุนบริหารความเสี่ยงที่ทำผลงานได้ดีที่สุดในประวัติศาสตร์, โดยที่ Sharpe Ratio ของเขามักจะสูงมากกว่า 2 ด้วย: Renaissance Technologies, Two Sigma , DE Shaw,…

Big Data and Machine Learning อนาคตของโลกแห่งการลงทุน!

วันนี้มีบทความจั่วหัวร้อนแรงอย่าง “Go with big data and machine learning, or leave finance to thouse who do!” หรือ ที่แปลเป็นภาษาไทยแบบแสบๆ คัน ว่า “จะใช้ Big data และ Machine Learning ในงานไฟแนนซ์ หรือ ปล่อยเรื่องไฟแนนซ์ให้คนที่ทำได้เค้าทำกัน!” เป็นบทความที่จั่วหัวได้รุนแรงอีกบทความหนึ่งเลยค่ะ เห็นได้ชัดว่าผู้เขียนอย่าง David H Bailey นักวิจัยอาวุโส สาย คณิตศาสตร์ และ คอมพิวเตอร์ ได้แสดงความเชื่อออกมาเต็มที่ว่า Big Data และ Machine Learning จะเป็นอนาคตของงานด้านไฟแนนซ์ รวมถึงการลงทุน อย่างแน่นอน ถึงขนาดที่ว่าใครไม่ลุกขึ้นมาเรียนรู้ ก็จะต้องเดินออกจากสายงานกันไปเลยทีเดียว! เพื่อลดบรรยากาศแห่งความร้อนแรงนี้ ผู้เขียนจึงจะขอเป็นเพียงผู้เล่าให้ฟัง และ เพิ่มเติมข้อมูลในบางส่วนที่น่าสนใจ โดยจะไม่เพิ่มเติมความคิดเห็นส่วนตัวลงไปนะคะ เพียงแค่เห็นว่า…

ข้อมูล Open High Low Close ตาม Time Frame ที่เรารู้จักมีจุดอ่อนอย่างไร?

เชื่อว่าหลายๆคนที่ลงทุนอยู่น่าจะคุ้นเคยกับข้อมูลการลงทุน Format แบบ Open, High, Low, Close ที่มักจะตัดแบ่งตามช่วงเวลาหนึงๆ วันนี้เราจะมาแนะนำให้รู้จัก Standard Bar กันครับก็จะแบ่งด้วย 3 แบบคือ Time bar, Volume bar และ Dollar bar โดยข้อมูลที่พวกเรารู้จักกันดีก็คือ Time bar นั่นเอง แต่ข้อมูลแต่ละแบบก็มีข้อดีข้อเสียต่างกันไปไปครับ Time bar time bar ก็คือ สิ่งที่เรารู้จักกันดีครับคือการเก็บข้อมูลตามช่วงเวลาหนึงๆ เช่น ตัดทุก 15, 30, 60 นาที, ชั่วโมง , รายวัน, สัปดาห์ กันดี โดยมักจะประกอบไปด้วย time stamp ตามด้วย open high low close volume หรือ bid ask…

“Factor investing” เส้นทางสายใหม่ใน Bond market

บทความนี้เขียนเมื่อ วันที่ 9 กรกฏาคมที่ผ่านมานี่เอง พูดถึงแนวโน้มการเปลี่ยนแปลงการลงทุนภายใน Bond markets ว่า ในยุคที่เรากำลังอยู่ในช่วงตลาดขาขึ้นแบบนี้ กลุ่มของ Hedge Funds/ Funds จำเป็นต้องมีการแข่งขันกันอย่างเข้มข้น เพื่อให้นักลงทุนไม่ถอดใจหันหนีไปลงทุนกับ Index Tracking Funds กันหมด  และ แนวทางของกลยุทธ์ที่ผู้เขียนคาดว่าจะเป็นแนวโน้มใหม่ที่เหล่า Hedge Funds จะหันหัวเรือเข้าไปหา เพื่อให้มีค่า Beta ที่สูงขึ้น และ นำไปสู่การรักษานักลงทุนเอาไว้กับตัวเอง ก็คือ “Factor Investing” แนวคิดนี้ได้ถูกนำเสนออย่างเป็นทางการใน paper ของคุณ Patrick Houweling, Porfolio Manager แห่ง Robeco – the Investment Engineers จากกรุงลอนดอน ประเทศอังกฤษ ในหัวข้อ “Factor Investing in Corporate Bond Mark” (ลงลิงก์ให้ท้ายบทความ)…

ทำไม กองทุนอันดับหนึ่งของโลก อย่าง “Bridgewater” (by Ray Dalio) ที่ไม่เคยประกาศกลยุทธ์ใหม่เลยมาตั้งแต่ปี 1996 จึงตัดสินใจเปิดตัวกลยุทธ์ “Optimal Porfolio” อย่างเป็นทางการ?

เป็นที่ทราบกันดีอยู่แล้วให้กลุ่มผู้สนใจการลงทุนว่า ถ้าจะให้พูดถึงกองทุนระดับบิ๊กๆ ของโลก ชื่อของ กองทุน “Bridgewater Associates” ของนักลงทุนคนดังอย่าง คุณ “Ray Dalio” ต้องลองเข้ามาในหัวแน่นอน ควบคู่กันกันกับกองทุน “AQR Capital management” ที่นักลงทุนสายวิชาการอย่างคุณ “Marcos Lopez de Prado” ที่เราเคยพูดถึงกันไปแล้วทำงานอย่ด้วย ก่อนอื่นเรามาดู Performance ล่าสุดของ 2 กองทุนนี้กันก่อนดีกว่าค่ะ ขอยกการจัดอันดับอย่างเป็นทางการของ Quarter ที่ 2 ประจำปี 2018 มาให้ดูดังตารางด้านบนค่ะ (ใครอยากดูอันดับแบบเต็มๆ ทั้ง 113 อันดับ ขอเชิญตามลิงก์ท้ายบทความได้เลยค่ะ) อย่างที่พูดไปข้างต้น กองทุนอันดับหนึ่งคือ Bridgewater Associates กับ Asset under Management(AUM) $132.8 billions ตามมาติดๆ ด้วยกองทุนของคุณ Marcos สุดหล่อสายวิชาการ ไม่หวงไอเดียที่ผู้เขียนชื่นชอบมากๆ และติดตามมาตลอดไปอย่าง…

Modern Portfolio Theory หนึ่งในนวตกรรมเปลี่ยนโลกการลงทุน

อาจารย์ Harry Markowitz ผู้คิดค้นทฤษฏี Modern Portfolio Theory ในปี 1956 อาจารย์ Harry Markowitz(รูปบน) ได้นำเสนอเปเปอร์สำคัญทางด้านการลงทุน ว่าด้วยการจัดสรรพอร์ตการลงทุนด้วยสมการ Modern Portfolio Theory หรือเรียกอีกชื่อว่าMarkowitz Portfolio Theory(MPT) ซึ่งมี Impact อย่างสูงและได้เปลี่ยนโลกการเงินไปตลอดกาล จากการวิเคราะห์การลงทุนแบบรายตัวมาเป็นวิเคราะห์การลงทุนแบบ Portfolio สมัยใหม่ เดี๋ยวเรามาดูกันอย่างกันครับว่า MPT มีไว้ทำอะไร และ สำคัญอย่างไร เพื่อความเข้าใจง่ายผมจะทำให้มีสมการน้อยเท่าที่จำเป็นนะครับ การเข้ามาของ MPT ถือว่าเป็นการเปลี่ยนแปลงมุมมองต่อ Portfolio ให้เป็นวิชาการขึ้น จำคำที่ว่า “Don’t put all your eggs in one basket” มันได้มีการกล่าวถึงกันมานานแล้วก็จริงแต่งานนี้จะก้าวไปอีกสเตป เป็นการพิสูจน์มันทางคณิตศาสตร์ และ พรูพให้เราเห็นไปเลยว่าทำไม ทำไมต้องมี MPT? จากรูปเรามี Asset 2…

Basic Pair Trading (2) : การประยุกต์ใช้ Cointegration

บทความนี้เขียนมาจากการเข้าร่วมสัมมนากับกลุ่ม Quantopain ที่กรุงลอนดอน ประเทศอังกฤษ ในช่วงต้นปีที่ผ่านมา ส่วนหนึ่งของสัมมนาได้กล่าวถึง Basic pair trading strategy ที่มีการประยุกต์ใช้ค่า Cointegration เราจะตัดส่วนนี้มาพูดถึงกันในบทความชุดนี้ค่ะ บทความแรก Basic Pair Trading (1) สามารถหาอ่านได้จากลิงก์นี้ https://algoaddict.com/blog/89211/pairtrading-1 Cointegration idea แนวคิดหลักๆ ของ Cointegration ที่เราจะนำมาใช้กันใน basic pair trading ก็คือ การใช้ค่า Cointegration เพื่อหาหุ้นที่มี “Economic link” ต่อกัน โดยที่ หุ้น 2 ตัวจะ Cointegrated กันก็ต่อเมื่อความแตกต่างของข้อมูล 2 ชุด มีลักษณะเป็น “Mean Reverting” หรือ พูดง่ายๆ ก็คือ ค่าวิ่งไปมาอยู่รอบๆ ค่า Mean ของตัวเองนั้นเอง ตัวอย่างเช่น…

Basic Pairs Trading (1) : Idea of Cointegration

Pair trading เป็นอีกหนึ่ง strategy ที่ได้รับความสนใจอย่างกว้างขวางในกลุ่มของ Hedge funds ในบทความนี้ก็จะขอถือโอการมาแบ่งบันความรู้ในเรื่องการใช้เทคนิค Cointegration ในการทำ pair trading กันค่ะ Pair trading? เป็นเทคนิคการเทรดอย่างนึงที่มีการประกันความเสี่ยงโดยทำการเทรดเป็น “คู่” เวลาเปิด order ก็จะมีการเปิดสถานะ long และ short พร้อมๆ กัน บนคู่หุ้นที่ต้องการ” Pair trading ถือ เป็นเทคนิคการ hedging อย่างหนึ่งที่ได้รับความนิยมกันอย่างแพร่หลายในกลุ่ม hedge funds จนบางครั้งมีการเข้าใจผิดกันไปว่า pair trading กับ hedging นั้นเป็นเทคนิคเดียวกัน ในความเป็นจริงแล้วทั้งสองเทคนิคนี้มีความต่าง คือ การ hedging เป็นเทคนิคการเทรดที่มีการพยายามประกันความเสี่ยงด้วยวิธีการที่หลากหลาย (ซึ่งอาจจะเป็นวิธีอื่นที่ไม่ใช่ pair trading ก็ได้) ส่วน pair trading เป็นหนึ่งในวิธีการทำ hedging ที่ใช้เฉพาะเทคนิคการเทรดเป็นคู่ เท่านั้น…

Monte Carlo for Stock Simulation

“หุ้นตัวนี้ในช่วงที่ผ่านมามันมีเทรนขาขึ้นที่ชัดเจนมาก ช่วยฟันธงให้หน่อยได้ไหม ว่าหุ้นตัวนี้เดือนหน้าจะขึ้นหรือจะลง?” “หุ้นตัวนี้กราฟสวยมาก คิดว่าเดือนหน้าหุ้นตัวนี้จะเบรกไลน์เป็นขึ้นอย่างใหญ่โตเลยรึเปล่า?” ใครเคยวิเคราะห์การลงทุนแบบ Technical Analysis คงเคยได้ยินคำถามประเภทนี้กันมาบ้าง บ้างก็ไปหา “ผู้รู้” เพื่อให้ช่วยวิเคราะห์ให้ แต่ถ้าเราเชื่อในการวิเคราะห์เชิงปริมาณ คำถามนี้ตอบได้ง่ายๆเลยว่า “ไม่รู้!!!” เพราะถ้าเราเชื่อใน Random Walk Hypothesis มันจะไม่มีใคนคนไหนที่จะสามารถพูดได้อย่าง 100% ว่าวันพรุ่งนี้ อาทิตย์หน้า หรือปีข้างหน้า มันจะขึ้นหรือลงแค่ไหน เพราะการขึ้นลงของหลักทรัพย์มันมีตัวแปรมากมายเหลือเกินมาเกี่ยวข้องจนเป็นที่มาของชื่อ Random Walk เองนั่นแหละครับ แต่ถึงเราจะเชื่อแบบนั้น ก็ไม่ได้จะหมดหนทางในการประเมินความเสี่ยง/คาดการณ์มันซะทีเดียว จากบทความที่แล้วผมได้พูดให้ฟังคร่าวๆ ถึงความจำเป็นในการสุ่มตัวแปรเพื่อสร้างแบบจำลอง(Simulation)การลงทุนที่มีประสิทธิภาพ ซึ่งก็ไม่ได้ลงรายละเอียดทางคณิตศาสตร์มากนัก วันนี้ผมจะพามาดูสมการเบื้องหลังการ Simulation มันกันครับ Monte Carlo for stock simulation ถ้าตลาดหุ้นมันเต็มไปด้วยการ Random แล้วเราทำอะไรได้บ้าง? มาตั้งต้นกันก่อน เราต้องการอะไร? เราต้องการประเมินอนาคตของหุ้นซักตัวหนึงในอนาคตอันใกล้ อาจจะ 1 สัปดาห์ 1 เดือน 1 ปี…

Monte Carlo Simulation

วันนี้เราจะมาพูดถึงอีกหนึ่งเรื่องที่ได้ยินบ่อยๆ คือ “Monte Carlo” แบบ 101 กันครับโดยเราจะไม่ลงสมการอะไรมาก แต่จะเน้นให้เห็นว่าการ Random เกี่ยวข้องกับการลงทุนอย่างไร และเราจะเอาความรู้ตรงนั้นมาทำอะไรได้บ้าง ที่มาที่ไปของ Monte Carlo ชื่อ “Monte Carlo” นั้นมาจาก เมือง “Monte Carlo” ของประเทศ โมนาโก ซึ่งเป็นเมืองที่โด่งดังเรื่องคาสิโนมากที่สุดในโลกเมืองหนึง ว่าด้วยการพนันนั้นก็ คือ เกมส์ ที่มีความน่าจะเป็นทางคณิตศาสตร์มากมายเข้ามาเกี่ยวข้อง หรือ มีการ Random มากมายเกิดขึ้น เช่น ความน่าจะเป็นในการได้เงินที่เกิดจากการเล่นเครื่องเล่นจำพวก Slot Machine, การทอยลูกเต๋า เป็นต้น คาสิโนจึงเป็นแรงบันดาลใจให้นำมาเป็นชื่อของโมเดลทางสถิติเพื่อสร้างแบบจำลองเสมือน (Simulation) ตัวแปรสุ่มเหล่านั้น Casino Monte Carlo ที่ Monaco ถ้าจะถามว่า “จะเอา Monte Carlo มาใช้งานในด้านการลงทุนได้ยังไงดี?” คำตอบคงไม่พ้น 1) การสร้างแบบจำลองเสมือน (Simulation)…

รู้จักกับการแจกแจงปกติกับพื้นฐาน Mean Reversal

Normal Distribution สามารถเอามาพิจรณาควบคู่การเทรด Mean Reversal ได้อย่างไร Normal Distribution คืออะไร แล้วข้อจำกัดของมันคืออะไร แบบเบื้องต้น การแจกแจงปกติ (Normal Distribution) เป็นรูปแบบการแจกแจงดาต้าตามความน่าจะเป็นของตัวแปรที่เราสนใจ ซึ่งนับเป็นสิ่งที่เป็นพื้นฐานที่สำคัญมากในวิชาสถิติ กล่าวคือเป็นการนำเอาตัวแปรนั้นๆมาพล๊อตในรูปแบบกราฟระฆังคว่ำเพื่อดูความถี่ของตัวแปรที่เราสนใจ ยกตัวอย่างว่าเป็นหุ้นนะครับ ก็จะเป็นการนำหุ้นตัวนั้นๆมาพล๊อตดูการแจกแจงความถี่ดูว่า หุ้นตัวนั้นๆในช่วงเวลาที่เรากำหนด มีความถี่ในการเคลื่อนไหวขึ้นลงอยู่ที่เท่าไหร่ ซึ่งจะทำให้เราสามารถตอบคำถามประเภท จากข้อมูลที่ผ่านมานี้ มีโอกาสแค่ไหนที่ หุ้นตัวนั้นจะลงมากกว่า 5% ในหนึ่งวัน เป็นต้น จากรูป นี่คือกราฟการแจกแจงปกติ มีคุณสมบัติคือมีจุคพีคเพียงจุดเดียวในกราฟรูปร่างของมันจะคล้ายระฆังคว่ำ โดยสัญลักษณ์ Mu ที่ปรากฎให้เห็นั้นคือค่ากลาง(Mean) โดยการแจกแจงแบบปกติเนี่ยมันมีคุณสมบัติอย่างหนึงคือ ถ้าเราเอาค่ากลางของมันมาบวกไปด้วยค่าส่วนเบี่ยงเบนมาตราฐาน และ อีกด้านก็นำมันไปลบกับค่าส่วนเบี่ยงเบนมาตราฐาน มันจะครอบคลุมไป 68% ของการแจกแจงข้อมูลทั้งหมด ถ้าเอาค่ากลางไปบวก/ลบกับ 2คูณด้วยส่วนเบี่ยงเบนมาตราฐานนั้นก็จะได้ความน่าจะเป็นถึง 95%ของข้อมูลทั้งหมด ถ้าเราเพิ่มเป็นตัวเลขที่นำไปคูณเป็น 3 มันะจะคลอบคลุมไปถึง 99.7% ของข้อมูลทั้งหมดทีเดียว จากข้อมูลตรงนี้เราจะสกัดเอาอะไรจากความรู้พื้นฐานนี้ไปใช้ได้บ้างละ จริงๆมันก็เป็นพื้นฐานหนึงของสิ่งที่เรียกกันว่า Mean Reversal หรือ Counter…