Supawat Supakwong No Comments

เมื่อ A.I. (Artificial Intelligence) กับการลงทุนกำลังจะกลายเป็นสองสิ่งที่มาควบคู่กัน วันนี้ Think Algo จะพาทุกท่านมาสำรวจกันว่า จุดไหนบ้างของการลงทุนที่ A.I. จะสามารถเข้ามาช่วยเพิ่มประสิทธิภาพการลงทุนของท่านได้

A.I. กับการหาส่วนต่างของราคาที่เป็นบวก

กลยุทธ์การเทรดที่ดีไม่จำเป็นต้องมองหาเฉพาะหุ้นที่มีราคาถูกเสมอไป  สามารถซื้อหุ้นที่ราคาสูง หรือ เกินมูลค่าที่ควรจะเป็นได้  หากเชื่อว่าจะสามารถขายได้ที่ราคาสูงกว่า นั่นคือ

กำไร (ขาดทุน)   =  ราคาขาย – ราคาซื้อ

ด้วยกลุ่มข้อมูลราคาในอดีต (historical data) ที่มีจำนวนมหาศาล  A.I. สามารถเรียนรู้พัฒนา รวมถึง สร้างอัลกอริทึม เพื่อจำแนกและค้นหา ”รูปแบบ” (pattern) ของการซื้อขายที่จะให้ส่วนต่างราคาขายซื้อที่เป็นบวกได้ 

นอกจากนั้น A.I. ยังสามารถใช้ข้อมูลของราคาในอดีตในการสร้างโมเดลทางคณิตศาสตร์ เพื่อใช้ในการทำนาย (forecasting) ราคาที่กำลังจะเกิดขึ้นในอนาคตได้อีกด้วย

46919511 - robot, artificial intelligence on blue background

A.I. กับการบริหารหน้าตักเงินทุน

จุดที่สองที่ A.I. จะเข้ามาช่วยเพิ่มประสิทธิภาพการเทรดลงทุนของคุณได้ ก็คือ ในส่วนของการบริหารหน้าตักลงทุน (money management) ซึ่งถือว่าเป็นอีกส่วนที่สำคัญยิ่งไม่น้อยไปกว่าในส่วนแรกเลย

วิธีการบริหารจัดการเงินทุนโดยทั่วไป นิยมตั้ง position size ซึ่งเป็นตัวกำหนดว่าจะซื้อหุ้นตัวนี้มากน้อยขนาดไหน โดยอ้างอิงจากความเสี่ยงขาดทุนของการเทรดหุ้นตัวนั้นๆ  (risk-based money management)

อย่างไรก็ตาม สิ่งที่ A.I. สามารถเข้ามาเติมในส่วนนี้ คือ การหา position size อ้างอิงจาก “ความน่าจะเป็น” หรือ โอกาสที่หุ้นตัวนี้จะได้กำไร

ดังที่เราทราบ A.I. สามารถเรียนรู้รูปแบบของราคาจำนวนมหาศาล ดังนั้น จากข้อมูลทางสถิติ มันจะสามารถวิเคราะห์ได้ว่า ลักษณะหรือรูปแบบของราคาประเภทนี้จะมีโอกาสที่ทำกำไรได้มากน้อยขนาดไหน  ข้อมูลความน่าจะเป็น ในส่วนนี้ช่วยให้สามารถคำนวณหาจำนวนหุ้นที่เหมาะสมได้

นอกไปจากนั้น หลัก A.I. ยังช่วยเพิ่มประสิทธิภาพ ในกรณีที่มีการเข้าซื้อขายมากกว่าหนึ่งครั้ง เช่น การซื้อถัว ซื้อเป็นขั้นบันได scale-in และ scale-out

37119272 - robot

A.I. กับการบริหารพอร์ตที่มีมากกว่าหนึ่งกลยุทธ์

การบริหารจัดการพอร์ตที่ดี ควรมีกลยุทธ์ไว้พร้อมใช้งานมากกว่าหนึ่ง ยกตัวอย่างเช่น ในพอร์ตของเราอาจจะมี 1-2 โมเดลทางด้าน trend following อีก 1-2 โมเดลทาง mean reversion บางอันอาจจะเทรดใน timeframe รายวัน บางอันอาจจะเป็นรายสัปดาห์  โดยแต่ละตัว มีการทดสอบเพื่อให้ทราบถึงอัตราผลตอบแทนและความเสี่ยงที่เกี่ยวข้อง

ด้วยสภาพตลาดมีการเปลี่ยนแปลงตลอดเวลา ในช่วงเวลาหนึ่ง โมเดลหนึ่งอาจให้ผลตอบแทนที่ดีกว่า แต่เมื่อเวลาผ่านไป ผลตอบแทนอาจลดลงมามากก็เป็นได้ ดังนั้น การให้น้ำหนัก หรือ weight ต่อโมเดลแต่ละตัวจึงมีความสำคัญ

ยกตัวอย่าง เช่น หากเรามีเงิน 10 ล้านบาท มีโมเดลที่สามารถใช้ได้อยู่ 4 ตัว ดังภาพ โดยอัตราผลตอบแทนในอดีต และความเสี่ยงเป็นไปตามที่กำหนดไว้  เราควรมีการจัดสรรเงินลงทุนไปในแต่ละโมเดลอย่างไร ?

dynamic weightการให้น้ำหนักของโมเดลแต่ละตัวต้องมีความเหมาะสมกันทั้งในเชิงอัตราผลตอบแทนและความเสี่ยง อีกทั้ง weight ควรมีความ dynamic นั่นคือ การปรับน้ำหนักขึ้นลงได้ตามสถานการณ์ของตลาดที่เปลี่ยนไป ซึ่งตรงจุดนี้ A.I. จะเข้ามาช่วยได้เป็นอย่างดี 

ในการพัฒนา THINK-01 ของทาง Think Algo เราให้ความสำคัญกับประเด็นนี้มากเป็นพิเศษ