(Paper)เช็คประสิทธิภาพของ Trend Following ในระยะเวลากว่า 136 ปี กันหน่อย!!!

บทความนี้เราจะมาดูเปเปอร์ที่นำหลักฐานจากงานวิจัย (Evidences) ที่แสดงถึงประสิทธิภาพของ Trend Following ในระยะเวลากว่า 136 ปี!!! ที่ผ่านมามาวิเคราะห์กัน เปเปอร์นี้โอเคเลยครับเป็นการสรุปผลการลงทุนแบบตามแนวโน้มเป็นจำนวนถึง 136 ปี จุใจกันเลยทีเดียว! ปกติเราทำระบบลงทุน Backtest กัน 30-40 ปีก็ว่ามากแล้วแต่เปเปอร์ตัวนี้เค้าไปหาข้อมูลตลาดหลักทรัพย์อเมริกาตั้งแต่ปี 1880-2016 กันเลยทีเดียว เก่าแก่แค่ไหนนะหรือครับ ปี 1880 ก็ตั้งแต่สมัยพระนางเจ้าวิกตอเรียแห่งอังกฤษประเทศญี่ปุ่นจักรพรรดิเมจิ และที่ไทยเรา ล้นเกล้ารัชกาลที่ 5 ยังทรงครองราชย์ อยู่เลยครับ!!!! … … ผลลัพธ์ที่ได้ออกมาก็คือ “การลงทุนแบบนี้ให้ผลโดยเฉลี่ยยอดเยี่ยม” ทีเดียว โดยสามารถทำงานได้อย่างดีในภาวะวิฤตในตลาดมาได้ถึง 8 ใน 10 ครั้งทีเดียว โดยงานวิจัยครั้งนี้เป็นของ … Continue reading (Paper)เช็คประสิทธิภาพของ Trend Following ในระยะเวลากว่า 136 ปี กันหน่อย!!!

ทำไมต้อง Uncorrelated

ก่อนอื่นต้องมาพูดเรื่อง Correlation คร่าวๆก่อนไอเดียของมันถ้าจะให้พูดอย่างง่ายๆก็คือการที่สิ่งของสองสิ่งขึ้น ลง พร้อมๆกันนั่นแหละครับ เหมือนหุ้นในกลุ่ม Tech ด้วยกันอาจจะขึ้นและลง โดยภาพรวมจะคล้ายกันมากกว่า หุ้นในกลุ่ม Tech และกลุ่ม Food ทำนองนั้น ส่วนไอเดียของ Modern Portfolio Theory คือ พยายามสร้าง Portfolio ที่ถือ Asset ที่ Uncorrelated ต่อกันใน หมายความว่าถ้า Asset A ลง เราก็จะคาดหวังให้ Asset B ขึ้นมา Average กัน แต่ในระยะยาวมันจะช่วยให้ Portfolio ของเราลดความผันผวน(Volatility aka … Continue reading ทำไมต้อง Uncorrelated

An Example using ARIMA in Prediction using Thailand GDP (2)

บทความนี้เราจะมาว่ากันต่อในเรื่องของการทำนายข้อมูล Time Series ด้วย  ARIMA กันค่ะ โดยบทความนี้เป็นบทความที่ 3  ของบทความชุด “ARIMA เท่าที่เข้าใจ” ซึ่งได้เขียนไปแล้ว 2 ตอนด้วยกัน สามารถอ่านได้ตามลิงก์ด้านล่าง เมื่ออ่านครบทั้ง 3 บทความนี้ ก็น่าจะสามารถนำ ARIMA ไปประยุกต์ใช้ในการทำนายข้อมูลประเภทต่างๆ ได้อย่างไม่ยากแล้วค่ะ บทความชุด “ARIMA เท่าที่เข้าใจ” 1) ARIMA เท่าที่เข้าใจ อธิบายการทำงานของ ARIMA model จากประสบการณ์ใช้งานของ QuantML (https://qtmlresearch.com/2017/06/07/arima-part-1-the-basic/) 2) ตัวอย่างการใช้ ARIMA ทำนายข้อมูล GDP ของประเทศไทย … Continue reading An Example using ARIMA in Prediction using Thailand GDP (2)

เปิดม่าน Deep Learning (2) : Neural Network – Learning rate

จากบทความชุด เปิดม่าน Deep Learning (1) : Neural Network – Perceptron เราได้จบบทความนั้นเอาไว้ที่ปัญหาที่ perceptron หรือ neuron มีความ sensitive ต่อข้อมูลสอนมากเกินไป จนเกิดปัญหาในลักษณะของ overfitting กับข้อมูลสอน ดังรูป จากรูป เป็นการทำงานของนิวรอนแบบไม่มีค่า Learning Rate จะเห็นได้ชัดเจนว่าในการสอนนิวรอนครั้งที่ 1 ด้วยข้อมูลสอน input 1 นิวรอนปรับตัวอยู่ใกล้กับข้อมูลสอนนั้นมาก (ค่าคำตอบที่ได้ค่อนข้างจะเฉพาะเจาะกับข้อมูลนี้มาก) ต่อมาเราจึงทำการสอนด้วย input 2 เราจะเห็นว่านิวรอนปรับตัวอย่างเร็วเข้าหา input 2 โดยแทบจะลืมการสอนในครั้งแรกไปเลย กลายเป็นค่าคำตอบเปลี่ยนไปเฉพาะเจาะกับกับ … Continue reading เปิดม่าน Deep Learning (2) : Neural Network – Learning rate

An Example using ARIMA in Prediction using Thailand GDP (1)

จากบทความที่แล้ว ตามลิงก์ (ใต้หัวข้อ) เราได้พูดถึง Basic of ARIMA เอาไว้ ซึ่งถึงแม้ว่าตัวโมเดลจะไม่ได้ถูกออกแบบมาโดยเฉพาะสำหรับการทำนายมากนัก แต่ก็เป็นโมเดล Time-series ที่สามารถนำมาประยุกต์ใช้ในการทำนายข้อมูลได้ ดังนั้น วันนี้เราจึงได้นำตัวอย่างการประยุกต์ใช้ ARIMA พื้นฐานในการทำนายอย่างง่ายมาให้ดูกัน โดยตัวอย่างนี้ใช้ จะเป็นข้อมูล GDP ของประเทศไทย ดังนี้ https://qtmlresearch.com/2017/06/07/arima-part-1-the-basic/   Data : GDP of Thailand during (1960 = 2015) 1) มาดูข้อมูลดิบกันก่อน ก่อนอื่นมาโหลดข้อมูล และ เนื่องจากข้อมูลของเราเรียงจากปีปัจจุบันไปยังอดีต แต่เพื่อให้ง่ายต่อความเข้าใจ และ เพื่อการแสดงผล เราจะปรับการเรียงข้อมูลให้เรียงจากอดีตถึงปีปัจจุบันโดยการ … Continue reading An Example using ARIMA in Prediction using Thailand GDP (1)

เปิดม่าน Deep Learning (1) : Neural Network – Perceptron

บทความนี้ก็จะขอเกาะกระแส Neural Network กันหน่อยค่ะ เนื่องจาก Neural Network หรือ ที่เราเรียกกันง่ายๆ ว่า  “นิวรอลเน็ต” ช่วงนี้มาแรงมากๆ คิดๆ แล้วก็ไม่น่าเชื่อนะคะ ว่า นิวรอลเน็ต ที่หลายๆ คนเคยมองว่าเป็นอัลกอริทึมที่หยุดพัฒนาไปแล้ว ซึ่งคนในวงการคอมพิวเตอร์เคยพูดติดตลกกันว่า นิวรอลเน็ตน่ะเป็นอัลกอริทึ่มตายแล้ว! แต่แล้ววันนี้ เจ้านิวรอลเน็ตได้กลับมาเป็นกระแสขึ้นมาอีกครั้ง ซึ่งก็คงจะปฏิเสธไม่ได้เลยว่าจะต้องตบรางวัลให้กับเจ้าตัว  Deep Leaning “AlphaGo” ตัวเก่งจาก Google ที่สามารถเอาชนะแชมป์โลกในการแข่งขันเกมส์ Go มาได้อย่างสวยงาม น่าชื่นชมจริงๆ ค่ะ เคยคิดกันมั้ยคะ ว่า AlphaGo ใช้เทคนิคพิเศษอะไรถึงเอาชนะสมองอันซับซ้อนของมนุษย์ได้ จริงๆ ก็มีหลายปัจจัยนะคะ แต่ปัจจัยที่น่าชื่นชมที่สุดในความคิดของผู้เขียน … Continue reading เปิดม่าน Deep Learning (1) : Neural Network – Perceptron

ARIMA เท่าที่เข้าใจ

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 ถ้าจะเปรียบเทียบเทคนิคทั้ง 3 เทคนิคนี้ ก็จะเปรียบได้กับการ “ตากผ้า” … Continue reading ARIMA เท่าที่เข้าใจ