fbpx
เคล็ดลับ Amibroker

ส่องงบการเงิน 2558 ด้วย SQ Hybrid Database ตอน : Magic Formula

SiamQuant Team
ติดตามพวกเรา

หลังจากที่งบการเงินไตรมาสที่ 4 ปี 2558 นั้นได้ถูกประกาศออกมาเป็นที่เรียบร้อยแล้วสำหรับบริษัทจดทะเบียนในตลาดหลักทรัพย์ วันนี้เราจะนำกลยุทธ์การลงทุนที่ SiamQuant เผยแพร่ออกมาแล้วนั้น ซึ่งในตอนนี้จะนำเสนอเรื่องของ Magic Formula (MF) นั่นเอง มาลองดูกันครับว่า ในงบการเงินปี 2558 นั้นจะมีบริษัทจดทะเบียนใดบ้างที่อยู่ในเกณฑ์ของ MF ของ Joel Greenblatt กันครับ

Magic Formula สูตรการลงทุนอันแสนมหัศจรรย์ของ Joel Greenblatt

ในเดือนกุมภาพันธ์ที่ผ่านมานั้น ทาง SiamQuant ได้ออกบทความและผลการวิจัยของระบบการลงทุน Magic Formula ให้สมาชิกได้ศึกษากัน ซึ่งหากใครยังไม่ได้อ่านสามารถติดตามได้ที่นี่ Magic Formula สูตรการลงทุนอันแสนมหัศจรรย์ของ Joel Greenblatt โดย Magic Formula นั้น จะใช้อัตราผลตอบแทน (Return on Capital) และผลตอบแทนของกำไร (Earning Yield) มาเป็นเครื่องมือในการคัดกรองและเลือกหุ้นเพื่อการลงทุน

เริ่มกันเลย!! หาหุ้น Magic Formula Q4-2558 ด้วย SiamQuant Hybrid Database

ก่อนอื่นเราจะเริ่มต้นด้วยการใช้โปรแกรม Amibroker ในการ Explore หุ้นจากฐานข้อมูล SQ Hybrid Database เพื่อหาค่า Rate On Capital (ROC) และ  Earning Yield (EY) ของหุ้นแต่ละตัวออกมา และนำไปหา Top Ranking ของหุ้นที่ได้คะแนนสูงที่สุดต่อไป
[accordian divider_line=”” class=”” id=””][toggle title=”MF Exploration AFL Amibroker Code” open=”no”]

/*==================================================
   		 AFL - MF Exploration
==================================================*/

/*
เนื้อหาที่ปรากฏในเอกสารจัดทำขึ้นโดยบริษัท SiamQuant เพื่อวัตถุประสงค์ในการศึกษาเท่านั้น
บริษัท SiamQuant มิได้ให้คำแนะนำหรือให้การรับรองใดๆเกี่ยวกับเนื้อหาที่ปรากฏในเอกสาร
และไม่มีส่วนเกี่ยวข้องที่ต้องรับผิดชอบต่อผู้ใช้ในความเสียหายที่เกิดขึ้นจากการตัดสินใจ
หรือการกระทำใดๆ อันเกิดจากความเชื่อถือในเนื้อหาดังกล่าวของผู้ใช้ไม่ว่าทั้งหมดหรือบางส่วน
หรือในความเสียหายใดๆทั้งทางตรงและทางอ้อม
*/

/*==================================================
            #Include
==================================================*/

#include_once "C:\SiamQuant\SQ Library\SQ AFL V.1.0.2.0\SQ Include\SQ - Include Data Declaration.afl"
#include_once "C:\SiamQuant\SQ Library\SQ AFL V.1.0.2.0\SQ Include\SQ - Include Data Restriction.afl"

/*==================================================
            Filter & Explore
==================================================*/
Filter = SQEBIT_ROLL>=0 ;

AddColumn( C,“Close”,format = 1.2);
AddColumn( SQEBIT_ROLL/(SQTA-SQTCL),“ROC”,format = 1.4);
AddColumn( SQEBIT_ROLL/(SQMKC+(SQTL-SQTC)),“EY”,format = 1.4)


/*==================================================
            END
==================================================*/

 

MFExplore

หลังจากได้ค่าตัวแปร ROC และ EY ของหุ้นแต่ละตัวจากการ Explore ด้วยโปรแกรม Amibroker ออกมาดังรูป เราก็จะนำข้อมูลเหล่านี้มาทำการ Rank เพื่อให้ได้คะแนน MF Score ในโปรแกรม MS Excel เพื่อความสะดวกสำหรับผู้ใช้งานเริ่มต้นและความแม่นยำของข้อมูลมากที่สุด

เริ่มต้นโดยการจัดอันดับข้อมูลของทั้งสองตัวแปร ROC และ EY  โดยใช้คำสั่ง “=Rank()” และนำคะแนนของการจัดอันดับของสองตัวแปรมารวมกันเพื่อหาอันดับ MF Score ที่ดีที่สุดอีกครั้งหนึ่ง

Top 30 หุ้นในตลาดหุ้นไทยจากกลยุทธ์ลงทุน Magic Formula!!

การให้คะแนนนั้นจะดูจาก ROC ที่สูงที่สุดในขั้นตอนแรกและนำมาจัดอันดับเพื่อหา Ranking หลังจากนั้นก็ทำวิธีการเช่นเดียวกันกับ EY หลังจากนั้นนำค่าอันดับของทั้งสองตัวแปรมารวมกันก็จะได้เป็น MF Score ขึ้น ซึ่งตีความหมายว่า ยิ่งค่าน้อยแปลว่ายิ่งดี (เนื่องจากมาจากอันดับบนสุดของตัวแปร ROC และ EY) แล้วเราจึงนำมาเรียงลำดับของ MF Score ใหม่อีกครั้งครับ โดยผลลัพท์ออกมาตามตารางด้านล่างนี้

MFTop30

เป็นอย่างไรกันบ้างครับ เพียงแค่ไม่กี่ขั้นตอนในที่สุดเราก็จะได้รายชื่อหุ้น 30 อันดับแรกที่ผ่านเกณฑ์การคัดเลือกจากระบบการลงทุน Magic Formula กันเป็นที่เรียบร้อยแล้วครับ หากเพื่อนๆนักลงทุนคนไหนสนใจ อยากเจาะลึกในรายละเอียดเพิ่มเติมก็สามารถนำขั้นตอนดังกล่าวไปศึกษาต่อยอดกันได้เลยครับ 😀

ขอบคุณครับ

ทีมงาน SiamQuant

**เนื้อหาที่ปรากฏในเอกสารจัดทำขึ้นโดยบริษัท SiamQuant เพื่อวัตถุประสงค์ในการศึกษาเท่านั้น บริษัท SiamQuant มิได้ให้คำแนะนำหรือให้การรับรองใดๆเกี่ยวกับเนื้อหาที่ปรากฏในเอกสาร และไม่มีส่วนเกี่ยวข้องที่ต้องรับผิดชอบต่อผู้ใช้ในความเสียหายที่เกิดขึ้นจากการตัดสินใจ หรือการกระทำใดๆ อันเกิดจากความเชื่อถือในเนื้อหาดังกล่าวของผู้ใช้ไม่ว่าทั้งหมดหรือบางส่วน หรือในความเสียหายใดๆทั้งทางตรงและทางอ้อม