fbpx
บทความพิเศษ

THE BACKTESTER เผยความลับตลาดหุ้นด้วยวิทยาศาสตร์แห่งการลงทุน! EP.1

SiamQuant Team
ติดตามพวกเรา

มาแล้วครับ… The Backtester ซี่รี่บทความส์ถาม-ตอบทุกวันศุกร์ประจำสัปดาห์ ถึงเวลาที่เราจะมาเฉลยคำตอบที่คุณสงสัย เกี่ยวกับการลงทุนอย่างเป็นระบบ หรือกลยุทธ์การลงทุนต่างๆในตลาดหุ้นไทย โดยคัดเลือกจาก 3 คำถามที่ได้รับการโหวตการกด Like จากเพื่อนๆมากที่สุด ซึ่งเราจะไปวิจัยค้นหาคำตอบจากฐานข้อมูลหุ้นทั้งเชิงเทคนิคและพื้นฐาน (SiamQuant Hybrid Database) โดยมีจุดประสงค์เพื่อให้เพื่อนๆนักลงทุนทุกคนได้เห็นภาพและประโยชน์ของการทดสอบเบื้องต้น รวมถึงเข้าใจแนวคิดการลงทุนอย่างอย่างเป็นระบบมากยิ่งขึ้น ดังนั้นเมื่อทุกอย่างเริ่มต้นที่ “คำถาม” … เราทีมงาน SiamQuant จึงอยากพาทุกคนไปร่วมค้นหาคำตอบด้วยกันครับ! หากทุกคนพร้อมแล้ว เรามาเริ่มที่ 3 คำถามแรกที่มียอด Like สูงสุดของสัปดาห์แห่งการเปิดตัวบทความ The Backtester กันเลยครับ!

คำถามที่ได้รับการโหวตอันดับ 1

โดยคุณ “ต้น สุดลิ่งxxx” (แหม…เห็นชื่อแล้วอยากแอดเพื่อนเลยครับ เพราะซื้อหุ้นทีไรสุด Floor ตลอด ไม่เคย “สุดลิ่ง” สักที) ถามเข้ามาเกี่ยวกับค่า Parameters ของเส้น Moving Average (MA) ที่เหมาะกับแนว Trend Following ใน Time frame Intra-Day 240 นาที โดยเฉพาะในกลุ่ม SET, SET100 และ SETHD ว่ามีค่าเท่าไร?

คำตอบ

ก่อนอื่นต้องขอขอบคุณสำหรับคำถามนะครับ และขอเรียนคุณ “ต้น สุดลิ่งxxx” ก่อนว่าฐานข้อมูล Hybrid ของทาง SiamQuant ในเวอร์ชั่นปัจจุบันเป็นข้อมูล End-of-Day (EOD) ครับ หากมีการพัฒนาในส่วนของข้อมูล Real-Time ใน Intra-Day ทางเราจะแจ้งให้ทุกคนทราบอย่างแน่นอนครับ ดังนั้นเราจึงขอตอบคำถามนี้บนฐานข้อมูล EOD แทนนะครับ จากคำถามปลายเปิดข้างต้น เราจึงทำการทดสอบระบบ Double MA Crossover ในเบื้องต้น โดยมีเงื่อนไขอย่างง่ายดังนี้

  • ระยะเวลาทดสอบ 30/12/2005-31/12/2015
  • รูปแบบการทดสอบ Portfolio Trading เล่นหุ้นทีละหลายๆตัวในพอร์โฟลิโอ
  • กำหนด Short MA Period อยู่ในช่วง 5-20 bars และกำหนด Step=1 ในการ Optimize
  • กำหนด Long MA Period อยู่ในช่วง 20-200 bars และกำหนด Step=5 ในการ Optimize
  • จุด Entry เมื่อ Short MA ตัด Long MA ขึ้น
  • จุด Exit เมื่อ Short MA ตัด Long MA ลง
  • Position Size เท่ากับ 5% ของ Total Equity
  • ในกรณีที่มีหุ้นที่จะซื้อมีมากกว่าเงินในพอร์ตโฟลิโอ ให้เลือกซื้อหุ้นที่มีให้ผลตอบแทนใน 1 เดือนมากที่สุดก่อน (Position Score)

ซึ่งผลของการ Optimize หรือการปรับค่า Parameters ของ MA ทั้ง 2 เส้นให้ค่า MAR Ratio (CAR/MDD) เป็นดังนี้ครับ

MAOpt

ภาพที่ 1: แสดงผลการ Optimize ที่ไม่เสถียรของค่า Parameter ในระบบ MA Crossover

จากภาพจะเห็นถึงลักษณะของยอดปลายแหลมที่พุ่งขึ้น (Spike) ในหลายจุดของพื้นที่ที่ Optimize ดูไม่ราบเรียบ ซึ่งแสดงถึงความไม่เกาะกลุ่มของช่วง Parameter ที่เหมาะสม และมีความไม่เสถียรค่อนข้างมากในการทดสอบเบื้องต้น ดังนั้นแล้วการหาค่า Parameters ที่ดีที่สุด หรือเหมาะสมกับตลาดอาจจะทำได้ยาก เพราะตลาดมีการเปลี่ยนแปลงอยู่ตลอดเวลาอย่างเป็นพลวัตร (Dynamic) ซึ่งบางครั้ง Parameter ค่าหนึ่งอาจจะเหมาะกับตลาดในช่วงหนึ่งๆเท่านั้น เราจึงไม่สามารถหาได้ว่า Parameter กลุ่มใดที่จะที่เหมาะกับตลาดที่สุด

นอกจากนั้นแล้ว หากสังเกตดูเราจะพบว่าแทบไม่มี Parameter ไหนที่ระบบ Double MA Cross Over จะให้ผลตอบแทนที่ดีออกมาได้เลยแถมยังแพ้ตลาดไปเยอะด้วยซ้ำ โดยจะสังเกตได้จากค่า Compund Average Return to Maximum Drawdown (CAR/MDD) ว่ามีค่าตั้งแต่ติดลบถึงเพียงราวๆ 0.9 เท่านั้น ซึ่งเหตุผลก็เนื่องมาจากระบบ MA Crossover นั้นเป็นระบบในลักษณะ Mean Reversion ซึ่งตลาดหุ้นไทยไม่มีพฤติกรรมแบบ Mean Reversion ที่ชัดเจนเท่าไหร่ จึงไม่สามารถที่จะให้ผลตอบแทนที่น่าสนใจออกมาได้ครับ

ปล. ระบบ Double MA Crossoverไม่ใช่ Trend Following อย่างที่หลายๆท่านเข้าใจ เนื่องจากสัญญาณมักเกิดขึ้นหลังจากราคาหุ้นเกิดการกลับตัว แต่ Trend Following จะรอให้เกิดแนวโน้มที่ชัดเจนก่อนจึงเกิดสัญญาณครับ

คำถามที่ได้รับการโหวตอันดับ 2

โดยคุณ “Dissayapol xxx” ถามว่าการใช้ Relative Strenght ร่วมกับหุ้น Small Cap. หรือหุ้นที่ Low Beta จะให้ผลการ Backtest ออกมาเป็นอย่างไร?

คำตอบ

คำถามนี้เป็นคำถามที่ดีมากๆเลยครับ ต้องขอขอบคุณที่คุณ “Dissayapol xxx” ได้ถามเข้ามาด้วยนะครับ หากใครเคยอ่านเรื่องราวของคุณ Jesse Livermore ก็คงจะ ทราบกันเป็นอย่างดีว่าหลักการเลือกหุ้นที่แข็งแกร่งกว่าตลาด (Relative Strenght : RS) นั้นมีประสิทธิภาพเพียงใด และนี่คือ ผลการทดสอบเบื้องต้นจากการหมุนลงทุนแบบคงที่ (Rotation) ทุกสิ้นปีและเลือกหุ้น 50 ตัวที่มีค่าดังต่อไปนี้เข้าไว้ในพอร์ตโฟลิโอ

  1. หุ้นที่มีค่า RS มากที่สุด (Parameter คำนวณ 20 วัน)
  2. หุ้นที่มีค่า RS มากที่สุด และไม่อยู่ในกลุ่ม SET100 (Small Cap.)
  3. หุ้นที่มีค่า RS มากที่สุด และมีค่า Beta น้อยกว่า 1 (Low Beta Parameter คำนวณ 250 วัน)
  4. หุ้นที่มีค่า RS มากที่สุด และไม่อยู่ในกลุ่ม SET100 และมีค่า Beta น้อยกว่า 1

Q2Figure

 

  SET.Index RS RS.SmallCap RS.Low.Beta RS.SmallCapLowBeta
Cumulative Profits 0.8046 2.8669 5.4044 4.1604 5.5222
Annualized Return 0.0628 0.1498 0.2112 0.1845 0.2135
Annualized Standard Deviation 0.2135 0.2133 0.1977 0.1811 0.1749
Annualized Sharpe (Rf=4%) 0.0991 0.4908 0.8282 0.7626 0.9489
Max.DD -0.5802 -0.5708 -0.5234 -0.5071 -0.4736
Longest.DD (Months) -34.5 -26.5 -26.3 -25.3 -25.6

 

ภาพและตารางที่ 2: แสดงผลการ Equity Curve และ Drawdown ของระบบทั้ง 4 กลุ่ม

จากภาพจะเห็นได้ว่าในเบื้องต้น การเพิ่ม Criteria ในเรื่องของ Small Cap. และ Low Beta จะทำให้ผลตอบแทนต่อความเสี่ยงดีขึ้นเป็นลำดับ ให้ค่า Sharpe Ratio (Risk Free Rate = 4%) เพิ่มขึ้นจากเดิมเท่ากับ 0.49 เป็น 0.82 และ 0.76 ตามลำดับ นอกจากนี้เราจะเห็นว่าการรวมทุก Criteria ทั้งหมดเข้าไว้ด้วยกันนั้นให้ค่า MAR Ratio สูงสุดเท่ากับ 0.94 ซึ่งในการทดสอบเบื้องต้น ถือว่าเป็นตัวแปรที่น่าสนใจในการนำไปต่อยอดศึกษาในเชิงลึกต่อไปครับ

คำถามที่ได้รับการโหวตอันดับ 3

โดยคุณ “Kasidit xxx” ถามเกี่ยวกับการใช้กลยุทธ์ Sector Rotation โดยเลือกหุ้นที่แข็งแกร่งจาก Sector ที่แข็งแกร่งกว่าตลาด จะใช้ได้ดีในตลาดหุ้นไทยหรือไม่?

คำตอบ

ขอบคุณคุณ “Kasidit xxx” สำหรับคำถามนะครับ ในเรื่องของ Industry Momentum นั้นถือเป็นอีกหนึ่งหัวข้อในการทดสอบระบบที่น่าสนใจมากครับ เพราะหากใครได้เคยศึกษาเรื่องของ Momentum Anomaly ในหุ้นรายตัวเช่น Relative Strength จะต้องสงสัยอย่างแน่นอนว่า หากหุ้นที่แข็งแกร่งกว่าตลาดอยู่แล้ว และยังอยู่ในอุตสาหกรรมฯที่แข็งแกร่งกว่าตลาดด้วย เมื่อทดสอบระบบดังกล่าวในตลาดหุ้นไทย แล้วผลลัพธ์จะเป็นอย่างไร? นี่คือคำตอบเบื้องต้น จากการหมุนลงทุนแบบคงที่ (Rotation) ทุกสิ้นปีและเลือกหุ้น 50 ตัว ที่มีค่าดังต่อไปนี้เข้าไว้ในพอร์ตโฟลิโอ

  1. หุ้นที่มีค่า RS มากที่สุด
  2. หุ้นที่มีค่า RS มากที่สุดและอยู่ใน Industry ที่มีค่า RS มากที่สุด (Industry Winner)

Q3Figure

  SET.Index RS RS+Industry
Cumulative Profits 0.8046 2.8669 1.852
Annualized Return 0.0628 0.1498 0.1142
Annualized Standard Deviation 0.2135 0.2133 0.1404
Annualized Sharpe (Rf=4%) 0.0991 0.4908 0.5024
Max.DD -0.5802 -0.5708 -0.3338
Longest.DD (Months) -34.5 -26.5 -31.8

 

ภาพและตารางที่ 3: แสดงผลการ Equity Curve และ Drawdown ของระบบทั้ง 2 กลุ่ม

จากภาพที่ 2 จะเห็นได้ว่าแม้ตัวแปรเรื่องของ Industry Momentum จะทำให้ผลตอบแทนต่อปีลดลงบ้างจากเดิม 14.98% เหลือ 11.42% แต่ก็ส่งผลให้ค่า Max. Drawdown ลดลงอย่างมากจากเดิม -57.08% เหลือเพียง -33.38% เท่านั้นเมื่อกับตัวแปร Stock Momentum อย่างเดียว นอกจากนี้แล้วยังทำให้ความผันผวนของพอร์ทลดลงไปด้วย ดังนั้นถึงแม้ว่าผลตอบแทนจะลดลงแต่ความเสี่ยงลดลงในสัดส่วนที่มากกว่า จึงส่งให้ระบบที่ใช้ทั้ง Stock และ Industry Momentum มีค่า Sharpe Ratio สูงกว่าการใช้ Stock Momentum เพียงอย่างเดียว ซึ่งให้เท่ากับ 0.49 และ 0.50 ตามลำดับนั่นเองครับ

เป็นอย่างไรกันบ้างครับ สำหรับคำตอบที่ทางทีมงาน SiamQuant เต็มใจเตรียมมมามอบให้ทุกคน หวังว่าเพื่อนๆนักลงทุนจะได้ประโยชน์จากรายการ The Backtester นี้ไม่มากก็น้อยนะครับ และหากใครที่อยากร่วมสนุกในคราวหน้าก็ขอให้เตรียมคำถามที่เกี่ยวกับการลงทุนอย่างเป็นระบบ เอาไว้รอได้เลยครับ เพราะคำถามดีมีชัยไปกว่าครึ่ง! และหากคำถามของคุณโดนใจและถูกโหวตจากเพื่อนๆมากที่สุด เราจะนำคำถามนั้นกลับไปศึกษาและค้นหาคำตอบมาเฉลยให้อ่านกันอย่างแน่นอน และนอกจากจะได้รับคำตอบแล้วคุณยังจะได้รางวัลที่เราจะหามาแจกอีกด้วย (อะไรจะสุดยอดขนาดนั้น 55)

สำหรับ The Backtester EP.1 ก็ขอจบเพียงเท่านี้ ใครที่ยังไม่ได้สมัครสมาชิกเพื่อติดตามข่าวสารและสิทธิพิเศษต่างๆ อย่าลืมกดสมัครสมาชิกได้ที่ปุ่ม Menu “สมัครสมาชิก” ด้านบนได้เลยครับ ขอบคุณครับ 😀

ทีมงาน SiamQuant

SiamQuant Academy จุดเริ่มต้นของการลงทุนอย่างเป็นระบบ