ไขความลับของปริมาณการซื้อขายกับการพฤติกรรมราคา

เชื่อว่าหลายๆคนคงเคยได้ยินประโยคในทำนองที่ว่า “ราคาจะขึ้นไปได้ ต้องมีปริมาณการซื้อขาย (Volume) เข้ามาด้วย” หรือพูดง่ายๆก็คือ “วอลุ่มมาราคาจะขึ้น” นั่นเอง ดังนั้นในบทวิจัยชิ้นนี้เราจะมาลองทำการทดสอบกันดูครับว่า ปริมาณการซื้อขายหรือวอลุ่มนั้นเป็นหนึ่งในปัจจัยที่ทรงพลังจริงหรือไม่?

หนึ่งในวิธีการวิเคราะห์ทางเทคนิคที่ได้รับความนิยมคือ การพิจารณาปริมาณการซื้อขาย

ในปัจจุบันสามารถเรียกได้ว่าการวิเคราะห์หุ้นด้วยปัจจัยทางเทคนิคนั้น เป็นหนึ่งในวิธีการที่กำลังได้รับความนิยมเป็นอย่างมากในตลาดหุ้นไทย โดยการวิเคราะห์หุ้นด้วยปัจจัยทางเทคนิคนั้นประกอบไปด้วย การวิเคราะห์ราคา ได้แก่ Open, High, Low และ Close, การสังเกตรูปแบบของราคา (Price Pattern), การวิเคราะห์ด้วยเครื่องมือทางเทคนิค (Technical Indicator)  รวมถึงการดูปริมาณการซื้อขายหรือวอลุ่มเป็นต้น ซึ่งในวันนี้เราจะมาพูดถึงเฉพาะส่วนของการพิจารณาด้วยปริมาณการซื้อขาย ที่เรียกได้ว่าเป็นที่นิยมในแทบทุกยุคทุกสมัยเลยทีเดียว

แล้ววอลุ่มนั้นสำคัญไฉน? ทำไมคนส่วนมากถึงสนใจมัน? …เนื่องจากวอลุ่มนั้นเป็นสิ่งที่บ่งบอกปริมาณการซื้อขายในแต่ละวัน ทีนี้ก็ได้มีนักลงทุนระดับโลกหลายๆท่านยกตัวอย่างเช่น คุณ Nicolas Darvas เจ้าของทฤษฏีกล่องเงินล้านดาร์วาส ซึ่งเขาได้ทำการสังเกตและพบว่าราคามักจะขึ้นไปพร้อมกับปริมาณการซื้อขายที่เพิ่มมากขึ้น หรือแม้กระทั่งใจความตอนหนึ่งของทฤษฎีดาว (Dow Theory) ซึ่งกล่าวไว้ว่าปริมาณการซื้อขายนั้นเป็นตัวคอนเฟิร์มแนวโน้มเป็นต้น ซึ่งความคิดเหล่านี้เองทำให้ในปัจจุบันนักลงทุนมักจะมีความเชื่อว่าว่าการที่ราคาจะขึ้นไปเป็นแนวโน้มที่แข็งแกร่งนั้น มักจะมาพร้อมกับปริมาณการซื้อขายที่สูงขึ้นนั่นเอง

โดยในบทความชิ้นนี้ เราจะมาทำการทดสอบกันว่าวอลุ่มที่เพิ่มสูงขึ้นนั้นดีจริงหรือ? อย่างไรก็ดีเนื่องจากคำว่าวอลุ่มที่สูงขึ้นหรือวอลุ่มมากนั้นยังไม่ชัดเจนเพียงพอที่จะทำการทดสอบได้ ดังนั้นเราจำเป็นต้องแปลงกฎเกณฑ์นี้ให้ชัดเจนเสียก่อน โดยในงานวิจัยชิ้นนี้เราได้ให้ความหมายของคำว่า “วอลุ่มมาก” ไว้ดังนี้

คำว่า“วอลุ่มมาก”หมายถึง ภาวะที่เส้นค่าเฉลี่ยของวอลุ่มย้อนหลัง 20 วันหรือประมาณ 1 เดือน มีค่ามากกว่าเส้นค่าเฉลี่ยของวอลุ่มย้อนหลัง 50 วันหรือประมาณ 2 เดือนครึ่ง

ส่วนคำว่า“วอลุ่มน้อย”หมายถึง ภาวะที่เส้นค่าเฉลี่ยของวอลุ่มย้อนหลัง 20 วัน มีค่าน้อยกว่าเส้นค่าเฉลี่ยของวอลุ่มย้อนหลัง 50 วัน

ซึ่งในการทดสอบครั้งนี้เราจะใช้จุดที่เส้นค่าเฉลี่ยของทั้งสองเส้นนั้นตัดกันเป็นจุดสำหรับการเข้าซื้อและขายหุ้นนั่นเองครับ

หมายเหตุ 1 : จำนวนวันที่มีการเทรดทั้งหมดใน 1 เดือนนั้น มีอยู่ที่ประมาณ 20 วัน

หมายเหตุ 2 : ในการทดสอบครั้งแรกนี้ ที่เราทำการทดสอบเฉพาะเรื่องของวอลุ่มเพียงอย่างเดียว เนื่องจากหากวอลุ่มมีนัยยะสำคัญจริง ระบบควรจะอยู่รอดได้ด้วยตัวของมันเอง โดยที่ไม่จำเป็นต้องเอาปัจจัยอื่นๆ เช่น เรื่องทิศทางของราคา หรือแนวโน้มเข้ามาเกี่ยวข้องด้วย

ภาพที่ 1 : ภาพตัวอย่างแสดงสัญญาณการซื้อขายด้วยปริมาณวอลุ่ม

โดยก่อนที่จะทำการทดสอบเรื่องปริมาณการซื้อขายนั้น เราจะทำการกำหนดเงื่อนไขต่างๆสำหรับการทดสอบโดยมีรายละเอียดดังนี้

Condition Details
Backtesting Window
  • 01/01/2007 – 01/01/2017
Backtesting Restriction
  • เงินทุนเริ่มต้น 1 ล้านบาท
  • อัตราค่า Commission 0.15% (รวมซื้อขาย 0.3%)
  • Slippage  1% ทั้งการซื้อและขาย
  • Long Only
Universe
  • All Stocks หุ้นทุกตัวในตลาดหลักทรัพย์
Filters
  • มูลค่าการซื้อขายเฉลี่ยใน 1 ปีมากกว่า 1 ล้านบาท/วัน
  • กรองข้อมูลที่มีความผิดพลาดออกด้วย SQDataFilter(1)
Position Size
  • ถือหุ้นมากที่สุด 20 ตัวในพอร์ตโฟลิโอ ขนาดการลงทุนต่อตัวคือ 5% ของมูลค่าพอร์ตโฟลิโอ
Position Score
  • เรียงลำดับจากปริมาณการซื้อขาย
Order Management
  • ทำการซื้อขายราคาเปิด (Open) ของวันถัดไปของวันที่เกิดสัญญาณ)

 

ตารางที่ 1 : ตารางแสดงเงื่อนไขต่างๆสำหรับการทดสอบปริมาณการซื้อขาย

ผลการทดสอบเรื่องปริมาณการซื้อขายกับตลาดหุ้นไทย

ภาพที่ 2 : ภาพแสดงการเติบโตของพอร์ตโฟลิโอ (เส้นสีเขียว) เทียบกับดัชนี SET Index (เส้นสีดำ)

Portfolio Metrics Volume SET Index
Net Profit 9.53% 134.04%
CAGR 0.91% 9.17%
MaxDD -67.67% -58.02%
Longest DD (Month) 59.5 44.15
CAR/MDD 0.01 0.15
Trade Metrics Volume SET Index
No. of All Trade 2,099
Avg. Bar Held 24.04
% Win 32.63%
Avg. Profit/Loss % 0.79%
Max Consecutive Loss 23

 

ตารางที่ 2 : ตารางแสดงค่าสถิติของการซื้อขายด้วยปริมาณวอลุ่มและดัชนี SET Index

จากผลการทดสอบข้างต้นจะพบว่า การซื้อขายหุ้นด้วยสัญญาณจากปริมาณการซื้อขายที่มากนั้น ไม่ได้สร้างผลตอบแทนอย่างมีนัยยะสำคัญ ซึ่งขัดกับความเชื่อของใครหลายๆคน รวมถึงตัวผมเองด้วยที่ครั้งนึงเคยเชื่อว่าปริมาณการซื้อขายนั้นมีความสำคัญและเป็นหนึ่งในปัจจัยที่จะสามารถทำนายพฤติกรรมของราคาได้

อย่างไรก็ดี ในส่วนถัดไปเราจะลองนำเอาแนวคิดเรื่องปริมาณการซื้อขายนี้มาประยุกต์ใช้ควบคู่ไปกับระบบเบรคเอาท์กันดูครับ ว่าถ้าใช้ร่วมกับทิศทางของราคาจะให้ผลลัพธ์ที่ต่างออกไปหรือไม่?

ทดลองประยุกต์ใช้ปริมาณการซื้อขายควบคู่กับระบบเบรคเอาท์

เพื่อคลายข้อสงสัยของใครหลายๆคนว่า แล้วถ้าหากนำแนวคิดเรื่องปริมาณการซื้อขายนี้มาประยุกต์ใช้กับกลยุทธ์การลงทุนที่ทุกคนคุ้นเคยกันดีเช่น กลยุทธ์การเบรคเอาท์นั้น ผลลัพธ์จะเป็นเช่นไร โดยเราจะแบ่งการทดลองเป็น 3 การทดลองดังนี้

  1. การเบรคเอาท์พร้อมด้วยปริมาณการซื้อขายที่มาก
  2. การเบรคเอาท์โดยไม่สนใจปริมาณการซื้อขายใดๆเลย
  3. การเบรคเอาท์พร้อมด้วยปริมาณการซื้อขายที่น้อย

โดยเราใช้นิยามปริมาณการซื้อขายที่มากในการทดสอบครั้งนี้เหมือนกับการทดสอบครั้งก่อนหน้าคือ เส้นค่าเฉลี่ยของวอลุ่มย้อนหลัง 20 วัน มีค่ามากกว่าเส้นค่าเฉลี่ยของวอลุ่มย้อนหลัง 50 วัน และปริมาณการซื้อขายที่น้อยคือ เส้นค่าเฉลี่ยของวอลุ่มย้อนหลัง 20 วัน มีค่าน้อยกว่าเส้นค่าเฉลี่ยของวอลุ่มย้อนหลัง 50 วัน นอกจากนี้เราได้มีการกำหนดตัวแปรควบคุมสำหรับการทดสอบในครั้งนี้ดังนี้

  1. ใช้สัญญาณการเบรคเอาท์ขาขึ้นจากกรอบ 55 วันเป็นสัญญาณในการซื้อ
  2. ใช้สัญญาณการเบรคเอาท์ขาลงจากกรอบ 20 วันเป็นสัญญาณในการขาย

หมายเหตุ 3 : ตัวแปรควบคุม หมายถึงตัวแปรที่อาจทำให้ผลการทดลองมีความคลาดเคลื่อน ดังนั้นเราจึงต้องมีการควบคุมตัวแปรนี้ไว้นั่นเองครับ

หมายเหตุ 4 : สัญญาณการเบรคเอาท์นี้นำมาจากระบบที่สอง (System Two) ของระบบ The Turtle ของ Richard Dennis

นอกจากนี้มีการกำหนดเงื่อนไขอื่นๆ สำหรับการทดสอบการประยุกต์ใช้ปริมาณการซื้อขายกับระบบเบรคเอาท์ดังนี้

Condition Details
Backtesting Window
  • 01/01/2007 – 01/01/2017
Backtesting Restriction
  • เงินทุนเริ่มต้น 1 ล้านบาท
  • อัตราค่า Commission 0.15% (รวมซื้อขาย 0.3%)
  • Slippage  1% ทั้งการซื้อและขาย
  • Long Only
Universe
  • All Stocks หุ้นทุกตัวในตลาดหลักทรัพย์
Filters
  • มูลค่าการซื้อขายเฉลี่ยใน 1 ปีมากกว่า 1 ล้านบาท/วัน
  • กรองข้อมูลที่มีความผิดผลาดออกด้วย SQDataFilter(1)
Position Size
  • ถือหุ้นมากที่สุด 20 ตัวในพอร์ตโฟลิโอ ขนาดการลงทุนต่อตัวคือ 5% ของมูลค่าพอร์ตโฟลิโอ
Position Score
  • เรียงจากอัตราการเปลี่ยนแปลงของราคาภายในรอบ 20 วัน
Order Management
  • ทำการซื้อขายราคาเปิด (Open) ของวันถัดไปของวันที่เกิดสัญญาณ)

 

ตารางที่ 3 : ตารางแสดงเงื่อนไขต่างๆสำหรับการทดสอบการประยุกต์ใช้ปริมาณการซื้อขายกับระบบการเบรคเอาท์

ภาพที่ 3 : ภาพแสดงการเติบโตของพอร์ตโฟลิโอของระบบเบรคเอาท์พร้อมวอลุ่ม (เส้นสีเขียว), ระบบการเบรคเอาท์ปกติ (เส้นสีฟ้า), ระบบการเบรคเอาท์พร้อมวอลุ่มที่น้อย (เส้นสีแดง) และดัชนี SET Index (เส้นสีดำ)

Portfolio Metrics Breakout with volume Breakout without volume Breakout with less volume SET Index
Net Profit 266.22% 373.54% 680.52% 134.04%
CAGR 13.86% 16.83% 22.82% 9.17%
MaxDD -52.4% -47.23% -37.96% -58.02%
Longest DD

(Month)

29.6 30.1 22.5 44.15
CAR/MDD 0.26 0.36 0.6 0.15
Trade Metrics Breakout with volume Breakout without volume Breakout with less volume SET Index
No. of All Trade 918 970 856
Avg. Bar Held 42.34 42.52 44.4
% Win 33.88% 35.05% 37.51%
Avg. Profit/Loss % 3.82% 4.17% 5.79%
Max Consecutive Loss 28 27 36

 

ตารางที่ 4 : ตารางแสดงค่าสถิติของระบบเบรคเอาท์พร้อมวอลุ่ม, ระบบการเบรคเอาท์ปกติ, ระบบการเบรคเอาท์พร้อมวอลุ่มที่น้อย และดัชนี SET Index

จากการทดสอบครั้งนี้ พบว่าการใช้กลยุทธ์การเบรคเอาท์ควบคู่ไปกับปริมาณการซื้อขายที่มากนั้น กลับให้ผลตอบแทนที่แย่กว่าระบบเบรคเอาท์ธรรมดาเสียด้วยซ้ำ! …ไม่เพียงเท่านั้นระบบที่ให้ผลตอบแทนดีที่สุดกลับกลายเป็นระบบเบรคเอาท์ โดยในจุดที่ราคามีการเบรคเอาท์นั้นปริมาณการซื้อขายกลับไม่ได้มาก!

ซึ่งหากใครที่ได้มางาน SiamQuant Strategy Talk 2017 ที่พึ่งจัดไปในช่วงเดือนกันยายน พ.ศ. 2560 นั้นจะพบว่ากลยุทธ์หุ้นนำตลาด (Leading Stock) ของ Jesse Livermore ซึ่งถูกนำเสนอโดย คุณมด แมงเม่าคลับนั้น มีใจความตอนหนึ่งว่า Livermore จะชื่นชอบหุ้นที่มีการทำจุดสูงสุดใหม่ และจะชอบมากขึ้นอีกถ้าตัวเขาเองนั้นไม่สามารถซื้อหุ้นได้ ณ จุดเบรคเอาท์ แต่จำเป็นต้องไปซื้อในราคาที่แพงกว่า!! เนื่องจากไม่มีปริมาณการซื้อขายให้เขาสามารถซื้อหุ้นได้ หรือเรียกง่ายๆว่าหุ้นนั้นกำลังอยู่ในภาวะไร้แรงต้าน! และนี่ก็เป็นหนึ่งในเหตุผลที่สนับสนุนผลการทดสอบครั้งนี้นั่นเองครับ

สรุปประเด็นที่น่าสนใจจากงานวิจัยชิ้นนี้

จากการทดสอบในเบื้องต้นนั้น พบว่าการที่หุ้นขึ้นพร้อมปริมาณการซื้อขายที่เพิ่มขึ้นนั้น กลับไม่ได้ให้ผลลัพธ์ที่ดีอย่างที่ใครหลายๆเข้าใจกัน ดังนั้นจึงอยากฝากเพื่อนๆพี่ๆนักลงทุนทุกท่านว่าหากจะลงทุนด้วยแนวคิดใดนั้น เราควรจะมีการทดสอบให้ชัดเจนก่อนก่อนที่จะนำไปใช้จริงกันนะครับ ^^

Thanadon Praphutikul

ทีมงานวิจัยระบบการลงทุน SiamQuant Alpha Researcher
เริ่มต้นการลงทุนตั้งแต่เป็นนักศึกษาชั้นปีที่ 1 ด้วยความต้องการเอาชนะตลาด โดยมีจุดเปลี่ยนมาสู่การลงทุนอย่างเป็นระบบ เนื่องจากช่วยให้เราสามารถพิสูจน์ถึงสิ่งต่างๆได้ด้วยวิธีการทางวิทยาศาสตร์ที่จับต้องได้จริง ^^