Example of Single-indicator based strategy with Python(Bollinger bands)

บทความนี้เราจะนำตัวอย่างการสร้างกลยุทธในการเทรดจาก Bollinger Bands ด้วย Python มาฝากกันค่ะ โดยเราจะแสดงให้เห็นว่า Python เป็นภาษาที่ยืดหยุ่นมาก สามารถใช้ในการเทรดได้อย่างสมบูรณ์ ตั้งแต่การอ่านข้อมูล วิเคราะห์ข้อมูล สร้างกลยุทธ์ สร้างสัญญาณซื้อขาย คำนวนค่า Return และ ค่าวัดผลอื่นๆ นอกจากนี้ Python ยังสามารถเชื่อมต่อกับ Interactive Broker เพื่อส่งสัญญาณ ซื้อ – ขาย ได้อัตโนมัติได้แบบสบายๆ อีกด้วย อย่าให้เสียเวลาเรามาเริ่มกันเลยดีกว่า การเทรดโดยเขียนโปรแกรมด้วยตัวเองทั้งหมด แบบไม่ใช้ตัวช่วยเลย ไม่ได้ยากเย็นอะไรนัก มีเพียง 5  ขั้นตอนหลักๆ เท่านั้น ดังนี้ ในบทความนี้เราจะยังไม่แจก source … Continue reading Example of Single-indicator based strategy with Python(Bollinger bands)

เมื่อ Candlestick มาเจอกับ Deep learning

ใครที่อยู่ในแวดวงการลงทุนคงไม่มีใครไม่รู้จัก “Candlestick Pattern” ที่มีการเปิดคอร์สสอนกันอย่างแพร่หลายในบ้านเรา โดยเนื้อหาหลักๆ ก็คือ การจดจำ Pattern ว่า ถ้าในอดีตเคยเกิดรูปแบบของข้อมูลแท่งเทียนในรูปแบบหนึ่งจะก่อให้เกิดรูปแบบราคาที่ตามมาในอนาคต ตัวอย่างเช่น ถ้าเกิด Evening star เป็น Bearish pattern ที่จะส่งผลให้หุ้นลงหรือเพิ่มโอกาสในการที่หุ้นจะลงมากกว่าขึ้น หรือ ถ้าเกิด Morning start แล้วก็จะเป็น Bullish pattern ก็จะส่งผลตรงกันข้ามกับด้านบนคือไปเพิ่มโอกาสทางฝั่งขึ้นแทน เป็นต้น ตัวอย่าง Pattern Evening Star และ Morning Star ความรู้เหล่านี้ได้กลายเป็นองค์ความรู้ที่ถูกกระทำซ้ำ ท่องจำกัน และ นำไปใช้งานกันอย่างแพร่หลายในช่วงหลายปีที่ผ่านมาในตลาดหุ้นไทยเรา บ้างก็นำไปเปิดคอร์สสอน state of art อย่าง technical analysis หรือชื่ออื่นๆ เช่น วิเคราะห์พฤติกรรมราคา วิเคราะห์หุ้นด้วยชาร์ต ราคาที่เก็บกันของแต่ละคอร์สก็ไม่น้อยเลย หลายคนไปเรียนกันและใช้มันมาเทรดกันจริงๆ ผมก็สงสัยว่าทำแบบนี้ต่อไปจะดีแน่หรอ (ถึงจะกำไร) ทั้งต่อตัวผู้ใช้งานเอง และ ต่อสังคมการลงทุนในบ้านเรา เนื่องด้วยผมเป็นนักวิจัยการลงทุนด้วยคณิตศาสตร์ ผมจึงยังไม่ขอโจมตีมันจนกว่าเราจะมีเหตุผลเพียงพอว่ามันดีหรือไม่ได้ เพราะอะไร?  ผลเลยขอนำเสนอการวิเคราะห์ในแบบของผม ให้เห็นทั้ง ข้อดี และ จุดน่าสังเกตของ Candlestick Pattern ซักหน่อยดีกว่า ข้อดี ง่าย เพราะ Candlestick Pattern เป็นการ Visualize ออกมาให้เราเห็นเหมือนรูปด้านบนง่ายต่อการตีความหมาย แต่ก็ต้องไม่ลืมกันนะครับ ว่าที่มันดูง่าย ก็เพราะข้อมูลที่ได้มามันจบไปแล้ว และเป็นการ Visualize Data ดิบเท่านั้นเอง เรามาลองดูตัวออย่างข้อมูลจริงกันครับ ข้อมูลที่ใช้คือ ข้อมูล SET50 ตั้งแต่ปี 02-01-2006 – 18-05-2017 ผมได้ทดลอง Candlestick pattern ด้วยการใช้ “Function Pattern Recognition” มาทดลองกับข้อมูลข้างต้นดูเผื่อสรุปผลหลายๆอย่าง สิ่งที่ผมค้นพบ มีความเป็น Overlap หลาย … Continue reading เมื่อ Candlestick มาเจอกับ Deep learning