Supawat Supakwong No Comments

หลังจากในตอนที่ 1 เราได้เริ่มแกะ Blueprint ของกองทุนโรบอทขนาดใหญ่กันออกมาดูภาพรวมแล้ว ในบทความนี้ เรามาต่อกันเลยครับ

จาก ตอนที่ 1 เราเห็นว่าสำหรับการพัฒนาระบบโรบอทที่ถูกต้องนั้น ควรเริ่มวางโครงสร้างกันตั้งแต่ ขั้นตอนที่หนึ่ง คือ การกำหนดขอบเขตของเงินทุนสูงสุดที่กองทุนนั้นๆ จะจัดการได้ เช่น Blue-Marlin จะดูแลเงินได้ในหลัก 5,000 ล้านบาท หรือ Blue Whale จัดการเงินระดับหมื่นล้านขึ้นไป

จากนั้นในขั้นตอนที่สอง จะทำการวางกรอบแนวคิดพื้นฐานของกอง แล้วทางทีมวิจัยก็จะเริ่มตีแนวคิดนั้นให้แตก แยกย่อยสู่กระบวนการการคัดกรองหุ้นในรูปแบบต่างๆ อาทิเช่น พิจารณาจาก Growth, Value, Volatility, หรือ Momentum (อ่านย้อนหลัง ที่นี่) ดังแสดงในรูป  ก่อนที่แต่ละกลุ่มนั้นจะมีการพัฒนาโมเดลย่อยๆ (sub-models) สำหรับเป็นกลยุทธ์การเข้าซื้อขายในรูปแบบต่างๆ ต่อไป

หากพิจารณาในกรณีของ Blue-Marlin Waldo (BMW) โครงสร้างกองทุนประกอบไปด้วยโมเดลย่อยกว่า 50 ตัว ซึ่งนอกเหนือจากเป็นการกระจายความเสี่ยง (diversification) แล้ว ยังเป็นการสร้างความยืดหยุ่นให้ระบบยังคงสร้างผลตอบแทนที่ดีได้แม้สภาพตลาดอาจเปลี่ยนไป ด้วยแต่ละโมเดลย่อยมีคาแรคเตอร์สำหรับการทำกำไรในสภาพตลาดที่แตกต่างกัน

อาจจะมองอย่างนี้ได้ครับว่า ความสำเร็จของกองทุนนั้น ไม่ได้มาจาก “พระเอกม้าขาว” เพียงต่อเดียว แต่นี่คือ “กองทัพ” ที่ประกอบไปด้วยขุนพลนักรบกว่า 50 ชีวิต พยายามช่วยกันหาช่องในการสร้างผลตอบแทน บางช่วงคนนึงอาจจะเหนื่อย เริ่มแผ่ว ก็จะมีอีกคนเข้ามาช่วย สลับกันไปแบบนี้ไปเรื่อยๆ ซึ่งแน่นอนว่าจะมีความยั่งยืนมากกว่าในระยะยาว เมื่อเทียบกับระบบพระเอกม้าขาว หรือ one-man show

ความเสี่ยงต้องอยู่ในวงจำกัด

จากประสบการณ์การดูแลนักลงทุนกลุ่มที่มีความมั่งคั่งสูง (high net worth) สิ่งหนึ่งที่เราเห็นได้ชัดเจน ก็คือ ผลตอบแทนจากการลงทุนไม่ใช่สิ่งแรกที่เค้าเหล่านั้นมองหา แน่นอนล่ะ ผลตอบแทนดีใครก็ชอบอยู่แล้ว แต่กลับเป็นคำถามที่ว่า ความเสี่ยงขาดทุนเป็นอย่างไร? เงินหามาไม่ง่ายครับ ดังนั้น เมื่อคิดจะทุ่มเงินก้อนนี้มาลงทุนแล้ว มันไม่ควรจะหดหายไป

แม้เราจะมีระบบโรบอทที่ฉลาดในการเลือกหุ้นเพียงใด แต่ในสภาวะวิกฤต หุ้นดีเพียงใดก็ฝืนขึ้นสวนทางตลาดได้ลำบาก ดังนั้น จำเป็นต้องอาศัยทักษะวิศวกรรมทางการเงินในการวางกลยุทธ์เพื่อป้องกันความเสี่ยง

ยกตัวอย่างเช่น สำหรับ Blue-Marlin Waldo เรามีการกันเงินส่วนหนึ่ง สำหรับปกป้องความเสี่ยงขาลงด้วยตราสารอนุพันธ์ ทำให้สบายใจได้ว่าระดับความเสี่ยงจะอยู่ในวงจำกัด

เช่นเคยครับ แม้กับตราสารอนุพันธ์ เราก็ไม่ฝากความหวังทั้งหมดไว้กับพระเอกม้าขาวคนเดียว แต่จะใช้เป็นกลุ่มโมเดลย่อย ในการวิเคราะห์สภาพตลาด ก่อนเปิดสถานะ short ตามเงื่อนไขที่แตกต่างกัน ดังแสดงในรูปข้างล่างครับ

โรบอทเข้ามามีความสำคัญตรงไหน

เอ๊ะ เขียนมาตั้งนาน ยังไม่เห็นมีอะไรเกี่ยวข้องกับโรบอท หรือ การใช้ความฉลาดจาก A.I. เลย ? มาลองดูในส่วนของ “โรบอท” กันก่อนละกันครับ

ถ้าย้อนกลับมาที่โครงสร้างของกองทุนจะเห็นว่า การที่มีโมเดลย่อยอยู่กว่า 50 โมเดล สมมุติเล่นๆ ว่าแต่ละโมเดลจะซื้อขายหุ้นประมาณ 10 ตัว นั่นหมายความว่า มีหุ้นกว่า 500 ตัวที่คุณต้องมาดูแลในแต่ละวัน (ในทางปฏิบัติ จะไม่ใช่หุ้น 500 ตัวสักทีเดียวนะครับ เพราะโมเดลย่อยอาจจะซื้อหุ้นตัวเดียวกันก็ได้ เพียงแต่อาจจะเป็นคนละช่วงราคา หรือช่วงเวลา) ถามว่าให้คนมานั่งเฝ้าหุ้นทั้งหมดนี้ไหวมั้ย? ด้วยเหตุผลนี้ครับ เราจึงจำเป็นต้องใช้งานโรบอท

อีกหนึ่งเหตุผลของความจำเป็นในการใช้โรบอท ก็คือ กระบวนการส่งคำสั่งซื้อขายของออเดอร์ขนาดใหญ่ (order executions) การซื้อหรือขายหุ้นทั้งหมดในครั้งเดียวจะส่งผลอย่างร้ายแรงต่อราคาหุ้น !!! โรบอทจะมีอัลโกริธึมในการแบ่งออเดอร์ออกเป็นก้อนเล็กๆ แล้วทยอยซื้อขาย จะได้ไม่กระทบต่อราคามากจนเกินไป เช่น การใช้หลัก VWAP หรือ TWAP ซึ่งเป็นการทยอยส่งคำสั่งตาม volume profile ของหุ้นตัวนั้นๆ หรือตามเวลาระหว่างวัน

แล้ว A.I. มีประโยชน์ตรงไหน?

ถ้าระบบมี 50 โมเดลย่อย แบ่งเงินเท่าๆ กัน ก็แปลว่า แต่ละโมเดลจะดูแลเงินประมาณ 2% ของพอร์ต แต่จะดีกว่ามั้ย หาก A.I. สามารถคาดการณ์ได้ว่าโมเดลไหนกำลังมาแรง สร้างผลตอบแทนได้สูง และ โมเดลไหนเริ่มแผ่วลงมา?

ใช่แล้วครับ A.I. จะเป็นตัวขับเคลื่อนสำคัญในการให้น้ำหนักการลงทุนของแต่ละโมเดล หากตัวไหนดูมีอนาคตก็จะใส่เงินเข้าไปเยอะหน่อย ส่วนตัวไหนที่เริ่มแผ่วลงมาก็ลดน้ำหนักการลงทุนลงมา รวมถึงการปิดโมเดลย่อยบางส่วนไปเลย หากมีสถานการณ์บ่งชี้ว่า สภาพตลาดไม่เหมาะกับโมเดลย่อยนั้นๆ (ลองอ่านการใช้งาน A.I. ในส่วนอื่นๆ ได้ ที่นี่)

สรุป

เป็นอย่างไรบ้างครับ โรบอทในมุมของกองทุน เป็นเหมือนกับที่คิดไว้หรือเปล่า อย่างที่เคยเขียนไปว่า การบริหารเงินหลักพัน หรือ หมื่นล้าน ไม่ใช่เรื่องง่าย การพัฒนาระบบจึงจำเป็นต้องมีการวางโครงสร้างอย่างมีแบบแผน มีการลงทุนด้านข้อมูล โครงสร้างพื้นฐาน รวมถึง ด้านบุคลากรที่มีความรู้ความสามารถในด้านนี้โดยเฉพาะ

หวังว่าบทความทั้งสองตอนนี้จะเป็นประโยชน์ และ ทำให้นักลงทุนเข้าใจกระบวนการทำงานของกองทุนโรบอทมากขึ้นนะครับ สุดท้ายนี้ หากคิดว่าบทความนี้เป็นประโยชน์ ก็ฝาก like & share ด้วยนะครับจะได้เป็นกำลังใจในการเขียนบทความดีๆ มาให้อ่านกันต่อไป

โชคดีในการลงทุนครับ 🙂

ป.ล. Think Algo เป็นบริษัทวิจัยและพัฒนากลยุทธ์การเทรดอัตโนมัติ แต่ไม่เกี่ยวข้องกับการซื้อขายกองทุน ดังนั้น หากสนใจผลิตภัณฑ์อันเป็นผลจากการวิจัยและพัฒนาของทางบริษัท แนะนำให้สอบถามกับทางที่ปรึกษาการลงทุนเลยครับ