fbpx

ค่า PE ของ CK ปี 2002 ปกติหรือไม่?

ติดป้ายกำกับ: 

  • ผู้สร้าง
    กระทู้
  • #22922
    punpunhome
    Participant

    ผมกำลังเขียน Code เพื่อ Backtest ระบบ บังเอิญไปเห็นค่า PE ของ CK เมื่อปี 2002 มันมีค่าต่ำผิดปกติ คือมีค่าต่ำกว่า 1 แต่มากกว่าศูนย์
    วันที่ 21-Jan-2002 ค่า PE=0.66 ตรวจดูค่า Un-adjust EPS=23.52 และ Adjust EPS=2.295
    เป็นแบบนี้เรื่อยมา จนวันที่ 20-Aug-2002 ค่า EPS เริ่มเปลี่ยนจากบวกเป็นค่าลบ แต่ PE=0.82 ซึ่งมันควรเป็น 0

    ค่า PE ผมใช้ SQPE(), UnAdjust EPS ผมใช้ SQEPS() และ Adjusted EPS ผมใช้ Adjust(SQEPS())
    (ผมจะแปะรูปแต่ก็ทำไม่เป็น จำได้ว่าเมื่อก่อนแปะรูปง่าย ถ้าจะให้ส่งรูปประกอบ ช่วยบอกวิธีการส่งด้วยครับ)

    มีหุ้น PE ต่ำแบบนี้จริงด้วยหรือ? หรือว่าผมเขียนcode อะไรผิดไป ช่วยแนะนำด้วยครับ

กำลังดู 4 ข้อความตอบกลับ - 1 ผ่านทาง 4 (ของทั้งหมด 4)
  • ผู้เขียน
    ข้อความตอบกลับ
  • #22923
    satapornk
    Keymaster

    สวัสดีครับคุณ punpunhome ในส่วนของค่า PE นั้น ทางเรารับมาจากตลาดตรงๆ เลยครับ ไม่ได้เป็นค่าที่ผ่านการคำนวณมาแต่อย่างใด คราวนี้ซึ่งจากข้อมูลแล้ว มันค่อนข้างจะเป็นปีเก่าๆ เลยไม่แน่ใจว่าสมัยนั้นมีการคิดสูตรเหมือนหรือแตกต่างจากปัจจุบันอย่างไร ทั้งนี้คงต้องตรวจสอบเพิ่มเติมอีกทีนึงครับ

    #22924
    punpunhome
    Participant

    เรื่องสูตรการคำนวณ PE เทียบกับ EPS ผมเพิ่งนึกขึ้นได้ว่าต้องใช้ EPS 4Q แต่ SQEPS() มันของ Q เดียว อันนี้ผมเข้าใจแล้ว
    แต่ที่ยังสงสัยคือ PE=0.66 มันน้อยมากมันไม่น่าจะมีหุ้นแบบนี้อยู่จริง
    จากการเข้าไปดูกราฟ EPS Adjusted มันโด่งมา Q เดียว ผมว่ามันน่าจะมาจากการใส่ข้อมูลผิดสิบเท่า น่าจะจุดทศนิยมผิดตำแหน่ง
    ถ้าใช้ข้อมูลในการเทรดก็ไม่น่าจะมีปัญหาอะไร แต่ใช้ข้อมูลเพื่อการ backtest ผลมันก็เบี่ยงเบนไปได้ถ้ามีมาก ผมไม่แน่ใจว่าจะมีอีกมากน้อยแค่ไหน

    ผมอ่านคู่มือ Alpha Suite ในส่วนของคุณมด (หน้า 8) แล้วเห็นด้วยอย่างยิ่ง
    “Garbage in, Garbage Out! คือสุภาษิตข้อแรกที่นักลงทุนอย่างเป็นระบบทุกคนเข้าใจเป็นอย่างดี เพราะการวิจัย
    ออกแบบระบบการลงทุนที่ใช้ข้อมูลที่คุณภาพเหมือนขยะนั้น สิ่งที่ได้กลับมาก็คือผลทดสอบและระบบที่อาจกลาย
    เป็นขยะในตลาดหุ้นเช่นกัน!”

    นอกจากข้อมูลส่วนนี้แล้วข้อมูลผิดพลาดอื่นๆ ที่ต้องใช้ SQDatafilter() กรองออก ถ้าแก้ไขที่ต้นทางได้น่าจะยิ่งดี
    เห็นทีม SQ แนะนำให้ใช้ SQDatafilter() มา AND กับเงื่อนไข Buy เพื่อกรองการซื้อออกไป
    แต่ถ้าข้อมูลผิดพลาดมันอยู่หลังจาก Buy ไปแล้ว มันก็ยังผิดพลาดอยู่อีก อาจกำไรเยอะหรือขาดทุนผิดปกติก็ได้

    ตอนแรกผมคิดเอาเองว่าช่วงก่อนปี 2000 ข้อมูลอาจผิดพลาดเยอะ ข้อมูลที่พบใกรณีนี้เป็นปี 2002
    ผมจึงขอคำแนะนำว่า จะสามารถใช้ข้อมูลตั้งแต่ปีไหนเป็นต้นไป จึงจะ backtest แล้วผลน่าเชื่อถือได้?

    และไม่ทราบว่าทาง SQ จะสามารถ feedback กลับไปต้นทางเพื่อแก้ไขให้ข้อมูล clean ขึ้น
    หรือทาง SQ จะทำ Data Cleansing ให้ข้อมูลที่พบแล้วว่าผิดพลาดอยู่ มีความถูกต้องมากยิ่งขึ้นเรื่อยๆได้หรือไม่?

    ขอบคุณครับ

    #22928

    สวัสดีครับ คุณ punpunhome เนื่องจากเห็นมีการพาดพิง Quote และชื่อผมขึ้นมา ผมเลยขอมาตอบคำถามเองตามประเด็นหลักๆดังนี้นะครับ 😀

    1. ความสงสัยเกี่ยวกับค่า P/E Ratio

    ค่า PE Ratio ที่เราได้บริการให้นั้น เป็นค่าที่ถูกบันทึกโดยตรงมากจากทางฐานข้อมูลของทางตลาดหลักทรัพย์ครับ ดังนั้น หากรู้สึกว่าไม่น่าจะถูกต้องนั้น คำถามก็คือแล้วอะไรจะเป็นสิ่งเทียบเคียงความถูกต้องของฐานข้อมูลได้บ้าง? หากเรามีหลักฐานยืนยันตรงนี้ ทางเราก็อาจจะสามารถแจ้งทางตลาดหลักทรัพย์ให้ทำการเปลี่ยนแปลงหรือแก้ไขข้อมูลตามข้อเท็จจริงได้ในระดับหนึ่งครับ

    อย่างไรก็ตาม จากการตรวจสอบในเบื้องต้นนั้น เราได้พบว่าค่าอื่นๆซึ่งมีความสัมพันธ์กับฐานข้อมูล PE ก็เป็นไปในทิศทางเดียวเช่นกันครับ ทั้งค่า Net Profit ,Total Assets, Net Profit, EBIT หรืออื่นๆนั้น พบว่าต่างก็มีการเพิ่มขึ้นในปริมาณที่สอดคล้องกับจุด (Turn Around) ที่ค่า PE ผลิกกลับเป็นบวกเช่นเดียวกัน และที่สำคัญก็คือค่า P/E ที่ต่ำกว่า 1 นั้นเป็นสิ่งที่เกิดขึ้นได้ (Outlier เกิดขึ้นกับข้อมูลพื้นฐานได้เช่นเดียวกันครับ) โดยมักเกิดขึ้นเนื่องจากหุ้นบางตัวนั้นมีการดำเนินงานที่ขาดทุนมายาวนานจนส่งผลให้ราคาหุ้นทรงตัวอยู่ในระดับที่ต่ำ แต่เมื่อบริษัทมีผลกำไรที่เรียกว่า Surprise นักลงทุนจึงส่งผลให้ค่า PE นั้นอยู่ในระดับที่ต่ำมากๆ ซึ่งถ้าลอง Explore หุ้นที่ค่า PE ที่ต่ำกว่า 1 จะพบว่าในหลายๆกรณี จะมาจากหุ้นที่ Turn Around จากผลดำเนินงานขาดทุนครับ

    นอกจากนั้นแล้ว เมื่อเราได้ลองทำการตรวจสอบกับข้อมูลเทียบเคียงนั้น เราได้พบข่าวชิ้นหนึ่งในปี 2003 ซึ่งก็ได้บันทึกข้อมูลที่ตรงกันกับในฐานข้อมูลด้วยเช่นกัน โดยระบุไว้ว่า “ช.การช่างมีกำไรสุทธิทั้งสิ้น 2,618.64 ล้านบาท เพิ่มขึ้น 691.49% จากปี 2543 (2000) ที่ขาดทุนสุทธิ -442.72 ล้านบาท” โดยตัวเลขทั้ง 2 ตัวนี้นั้นตรงกับ Accumulate Net Profit Q4 ของปี 2001 และ 2002 ที่อยู่ในฐานข้อมูลของเราทั้งหมดครับ

    ดังนั้นแล้ว หากคุณ Punpunhome ยังคงรู้สึกว่าไม่ถูกต้อง ขอให้ช่วยกรุณาแจ้งข้อมูลและหลักฐานประกอบเพื่อให้เราได้ใช้ไปยืนยันกับทางผู้ให้บริการฐานข้อมูลของทางตลาดหลักทรัพย์แห่งประเทศไทยอีกครั้งหนึ่งด้วยครับ โดยด้านล่างนี้เป็น Link ของข่าวที่เราใช้ประกอบครับ

    http://info.gotomanager.com/news/details.aspx?id=3972

    2. เรื่องความน่าเชื่อถือของฐานข้อมูลและแนวทางการจัดการ

    ทางเราต้องเรียนว่าเราพยายามที่จะนำเอาข้อมูลดิบจากทางตลาดหลักทรัพย์แห่งประเทศไทย มาทำการตรวจสอบ, แก้ไข, จัดระเบียบ และพัฒนาให้อยู่ในรูปแบบที่ดีที่สุด สำหรับการวิจัยออกแบบระบบการลงทุนเท่าที่เราจะทำได้อยู่เสมอนะครับ (เนื่องจากพวกเราเองก็ต้องใช้มันในการลงทุนเองเช่นเดียวกันครับ)

    อย่างไรก็ตาม ผมก็ต้องขอยอมรับตามตรงว่าจากประสบการณ์ที่เราได้พยายามจัดการและพัฒนาฐานข้อมูลทางการเงินมาระยะหนึ่งนั้น เราก็ได้พบว่าฐานข้อมูลที่ “สมบูรณ์แบบ 100%” นั้น ไม่มีอยู่จริงในโลกใบนี้ครับ (ไม่ใช่เฉพาะกับตลาดหุ้นไทยนะครับ) โดยที่ในหลายๆครั้งนั้นการพยายามที่จะแก้ไขฐานข้อมูลทางการเงินด้วยวิธีการบางอย่างนั้น ก็อาจกลับกลายเป็นการทำลายความน่าเชื่อถือของมันไปในตัวได้ ยกตัวอย่างเช่น

    ในกรณีของค่า P/E Ratio ซึ่งเกิดจากความสัมพันธ์ระหว่าง Price และ Rolling Earning Per Share นั้น หากเป็นกรณีของ Price ที่เราตรวจสอบได้อย่างแน่ใจแล้วว่ามีความผิดพลาดในการบันทึกจริงๆ เราอาจใช้เทคนิคบางอย่างในการจัดการค่า Price ให้อยู่ในขอบเขตปกติ (หรือตัดมันทิ้ง) ซึ่งอาจส่งผลกระทบเล็กน้อยในกรณีที่นักลงทุนใช้ค่า Price หลายๆ Data Point ในการคำนวณค่าต่างๆ (แต่ต้องตรวจสอบเทียบเคียงให้แน่ใจก่อนนะครับ)

    อย่างไรก็ตาม ในกรณีของค่า Rolling Earning Per Share ซึ่งกินเวลาถึงราวๆ 3 เดือนนั้น การพยายามใช้เทคนิคบางอย่างเพื่อปรับค่าของมัน อาจจะส่งผลกระทบต่อค่า P/E ให้ผิดเพี้ยน (หรือขาดหายไปในกรณีที่ตัดมันทิ้ง) ถึงราวๆ 60 Bars เลยทีเดียว ดังนั้นแล้ว หากเราพยายามทำการปรับปรุงมันโดยไม่สามารถตรวจสอบจากข้อมูลเทียบเคียงได้ว่ามันมีความผิดพลาดหรือคลาดเคลื่อนจริงๆหรือไม่นั้น ในทางกลับกันเราก็อาจบิดเบือนมันโดยไม่รู้ตัว และอาจส่งผลกระทบต่อระบบการลงทุนซึ่งอาศัยการทำกำไรจาก Earning Surprise หรือความผิดเพี้ยนของผลกำไรชั่วขณะของกิจการได้เช่นเดียวกันครับ เราจึงเลือกที่จะแนะนำให้นักลงทุนใช้ฟังค์ชั่น Data Filter เพื่อหลีกเลี่ยงหุ้นซึ่งมีการเคลื่อนไหวของฐานข้อมูลที่ผิดปกติ โดยเราไม่สามารถที่จะตรวจสอบกับแหล่งข้อมูลใดๆได้ครับ

    3. ความน่าเชื่อถือของผลการวิจัย (Backtest)

    แน่นอนครับว่า “Garbage in, Garbage Out” เป็นสิ่งที่สำคัญอย่างมากในการวิจัยทุกๆอย่าง แต่อย่างที่เราได้แจ้งไปในข้อที่ 2. ครับว่าฐานข้อมูลที่สมบูรณ์แบบในโลกการเงินนั้นมันไม่มีอยู่จริง (เราจึงทำได้เพียงพยายามตรวจสอบและแก้ไขให้มันใกล้เคียงกับความสมบูรณ์ได้มากที่สุด เท่าที่เราพอจะทำได้จากแหล่งข้อมูลต้นทางเท่านั้นครับ)

    คำถามต่อมาก็คือถ้าอย่างนั้นเราจะเชื่อถือ หรือทำให้งานวิจัยของเราน่าเชื่อถือขึ้นได้อย่างไรบ้าง?

    ในส่วนนี้นั้น ตอบตามตรงทางเลือกของเราก็จะขึ้นอยู่กับว่าเรารับได้ไหมกับคุณภาพของฐานข้อมูลที่เรามีอยู่ ซึ่งถ้าเรา “รับไม่ได้” ก็คือเลิกใช้มันไป แต่หากเราพอ “รับได้” เราก็คงจะต้องพยายามหาวิธีการในการลดผลกระทบของมันลงไป ผมจึงอยากที่จะขอแชร์แนวคิดไว้ดังนี้ …

    อันที่จริงแล้ว ฐานข้อมูลที่ดีนั้นย่อมเป็นปัจจัยหลักอย่างหนึ่งในการวิจัย แต่มันก็ไม่ใช่ปัจจัยทุกอย่างที่ส่งผลต่อความน่าเชื่อถือของผลการวิจัยทั้งหมดครับ! โดยที่ในมุมกลับกันนั้น สิ่งที่หลายๆคนมักมองข้ามไปเมื่อพูดถึงความน่าเชื่อถือของผลการวิจัยก็คือ เรื่องของ “การออกแบบการวิจัย” และ “กระบวนการในการวิจัย” ที่เหมาะสม (Research Design & Research Process) ซึ่งมักจะส่งผลกระทบเป็นอย่างมากไม่แพ้กับการมีฐานข้อมูลที่ดีเลยทีเดียวครับ

    ยกตัวอย่างเช่น ในกรณีการออกแบบวิจัยระบบการลงทุนนั้น เราพบว่านักลงทุนหลายๆคนมักทำการวิจัยโดยไม่ได้มีการคำนึงถึงสมมติฐานและความเสี่ยงจากปัจจัยต่างๆที่เกี่ยวข้องในการวิจัยเท่าไหร่นัก ไม่ว่าจะเป็นในแง่ของ ความถูกต้องในการประมวลผลของโปรแกรมที่ใช้ทำ Backtest, ความถูกต้องของฐานข้อมูล, ความถูกต้องของชุดโค้ด, การตั้งเงื่อนไขสภาวะแวดล้อมของการวิจัยต่างๆ, การกำหนดความคลาดเคลื่อนของคำสั่งซื้อขาย, การกำหนดผลกระทบของขนาดพอร์ตโฟลิโอที่จะใช้ลงทุน รวมไปถึงปัจจัยเกี่ยวข้องอื่นๆอีกมากมาย ซึ่งมักส่งผลต่อความน่าเชื่อถือ รวมไปถึงการตีความผลลัพธ์ของระบบการลงทุนได้เป็นอย่างมากครับ

    โดยในส่วนของความถูกต้องของฐานข้อมูลนั้น เรายืนยันว่าเราจะพยายามตรวจสอบ, แก้ไข และปรับปรุงให้ถูกต้องที่สุดเท่าที่จะทำได้ แต่เราก็อยากให้ทางผู้วิจัยเองคำนึงถึงอยู่เสมอว่าข้อมูลที่เรามีอยู่นั้นอาจมีความคลาดเคลื่อนได้เช่นเดียวกัน จึงมีความจำเป็นส่วนหนึ่งที่ทางผู้วิจัยจะต้องมีกระบวนการในการออกแบบระบบการลงทุน หรือขั้นตอนการวิจัยที่จะช่วยยืนยันถึงความน่าเชื่อถือของมันเองด้วยในระดับหนึ่งครับ ยกตัวอย่างเช่น

    – การไม่ทำการวิจัยออกแบบระบบการลงทุนที่ถือหุ้นแบบโฟกัสมากจนเกินไป เนื่องจากเราไม่อาจแน่ใจได้ว่า Historical Data ที่มีอยู่นั้นจะถูกต้องสมบูรณ์แบบ 100%
    – การตั้งเงื่อนไขบางอย่างเพื่อทดลองการสลับสัญญาณที่เกิดขึ้น (Random Positionscore or Random Signal Rejection) เพื่อตรวจสอบถึงความเสถียรและความน่าเชื่อถือของระบบการลงทุน
    – การทำ Cross Validation ของผลการ Backtest ในคาบเวลาต่างๆว่ามีความแตกต่างกันมากน้อยสักแค่ไหน (ในกรณีที่เราเชื่อว่าฐานข้อมูลในปัจจุบันถูกต้องกว่าอดีต การเทียบผลลัพธ์จะช่วยให้เราเห็นว่าระบบนั้นมี Data Accuracy Sensitivity มากสักแค่ไหนครับ)
    – การทดสอบระบบซึ่งมีความคล้ายคลึงกัน แต่ใช้ตัวแปรคนละตัวกัน เช่น P/BV แทน P/E เพื่อเป็นการตรวจสอบความน่าเชื่อถือและความเสถียรของกลยุทธ์นั้นๆ (ซึ่งควรจะให้ค่าที่เป็นบวกใกล้เคียงกัน และมีลักษณะการเติบโตที่คล้ายคลึงกัน เพื่อยืนยันความ Valide ของกลยุทธ์และ Anomaly ที่เราต้องการทำกำไรจากมัน)
    – การกระจายระบบการลงทุน/ตัวแปร หรือ/และ การทดสอบด้วยแนวคิดอื่นๆที่จะช่วยตรวจสอบความเสถียรของระบบการลงทุนภายใต้ Data Sensitivity & Limiation ในรูปแบบอื่นๆที่เราพอจะทำได้ครับ

    อย่างไรก็ตาม ท้ายที่สุดแล้วผมอยากทิ้งท้ายไว้ว่า ไม่ว่าเราจะพยายามสักแค่ไหนนั้นผลลัพธ์การวิจัย Backtest ที่เกิดขึ้นนั้นก็ไม่มีวันที่จะเป็น “ความจริง 100%” (Truth) แต่มันเป็นเพียง “ข้อเท็จจริง (Fact) ซึ่งเราได้มาจากการวิจัยภายใต้การกำหนดสมมติฐานและเงื่อนไขในการวิจัย จากเครื่องมือและฐานข้อมูลที่เรามีเพียงเท่านั้น”

    โดยที่ระบบเดียวกันนั้นอาจให้ผลลัพธ์ที่แตกต่างกันได้อย่างมหาศาลจากการตั้งเงื่อนไขและกระบวนการ Backtest ที่แตกต่างกันเพียงเล็กน้อยก็เป็นได้ (นี่คือเหตุผลที่ว่าทำไมระบบการลงทุนหลายๆระบบที่ใช้เพียงแค่ Price Data ซึ่งแทบจะไม่มีข้อผิดพลาดอะไรที่ร้ายแรงจึงอาจพังทลายลงเมื่อนำมาใช้จริง) เราจึงควรที่จะใช้ผลลัพธ์ของมันเป็นเครื่องนำทางโดยประมาณการณ์ภายใต้ขอบเขตความเชื่อมั่นในระดับหนึ่ง (Range Estimation with Probability Confidence Level) แทนที่จะยึดติดกับผลลัพธ์เชิงตัวเลขของมันไปโดยปริยายครับ

    หวังว่าคำตอบและความเห็นของผมจะมีประโยชน์ไม่มากก็น้อยนะครับ ทั้งนี้ หากมีข้อผิดพลาดหรือความผิดปกติอื่นๆ ที่เราสามารถตรวจสอบเทียบเคียงได้ และอยู่ในขอบเขตอำนาจที่เราจะสามารถทำได้นั้น ผมจะพยายามกำชับทีมงานทุกคนให้คอยตรวจสอบ, แก้ไข และปรับปรุงฐานข้อมูล ให้มีคุณภาพที่ดีที่สุด เพื่อให้เกิดความน่าเชื่อและความมั่นใจในการวิจัยได้มากที่สุดนะครับ 😀

    “All models are wrong, But some are useful”
    – George Box

    ขอบคุณครับ
    มด แมงเม่าคลับ

    #22929
    punpunhome
    Participant

    ขอบคุณครับคุณมด ขออภัยถ้าผมเขียนทำให้รู้สึกไม่ค่อยสบายใจ ตั้งใจที่จะถามคุณมดเกี่ยวกับการดูแลข้อมูลว่าสามารถแก้ไขข้อมูลเก่าๆได้หรือไม่ เพื่อให้ได้คำตอบที่กระจ่างในคราวเดียว

    1. ความสงสัยเกี่ยวกับค่า P/E Ratio

    พอดีผมเพิ่งได้ดู VDO Super Trend จึงสนใจศึกษาลักษณะปัจจัยพื้นฐานของหุ้น Super Trend ว่าแตกต่างจากหุ้นธรรมดาหรือไม่อย่างไร จึงได้พบว่า CK มี PE ต่ำมากจนสงสัยว่าจริงหรือไม่
    เมื่อได้รับคำยืนยันจากคุณมดว่าหุ้นที่มี PE<1 มีอยู่จริงๆ ตามประสพการณ์ของคุณมดผมก็เชื่อถือครับ ผมไม่ได้ลงทุนผ่านช่วงนั้นมา เพิ่งเทรดได้ไม่นาน และก็ดีใจที่ได้ทราบว่าสามารถแก้ไขข้อมูลกับต้นทางได้ถ้าข้อมูลผิดจริง ขอบคุณครับ

    2. เรื่องความน่าเชื่อถือของฐานข้อมูลและแนวทางการจัดการ
    คือเมื่อ P/E มันน่าจะถูกต้องในกรณีนี้ข้อมูลก็น่าจะถูกต้องสมบูรณ์แล้ว

    แต่ถ้าสมมติมันว่าผิด ตามวิธีที่แก้หนึ่งที่คุณมดกล่าวถึง เช่นถ้าตัดข้อมูลมันทิ้งถึง 60 Bars นั้น จะกลายเป็นเหมือนหุ้นตัวนั้นถูกพักการซื้อขายไป ไม่น่าจะมีผลดี
    กรณีนี้ขออนุญาตแชร์ความคิดเห็นส่วนตัวผมว่า ถ้าหาข้อมูลจริงไม่ได้ ก็เพียงปรับให้ข้อมูลมันสมเหตุผลก็น่าจะเพียงพอแล้วเช่นลด EPS เพื่อให้ค่า PE ดูมันคล้ายปกติทั่วไป และปรับค่าอื่นๆให้สอดคล้อง ยังไงก็พิสูจน์ว่าที่แก้ไปมันผิดไม่ได้อยู่ดี

    มีที่ยังไม่ค่อยกระจ่างคือ ในส่วนที่ให้ใช้ฟังค์ชั่น Data Filter ผมเคยเห็นตัวอย่างให้ใช้ตอน Buy แล้วตอน Sell ควรใช้ด้วยหรือไม่? ฐานข้อมูลอาจผิดปกติเมื่อไรก็ได้
    ผมลองสุ่มดูข้อมูลที่กรองแล้วไม่ผ่าน Data Filter พบว่าส่วนใหญ่มันเป็นในหุ้นบางตัวบางวันไม่ต่อเนื่อง
    o ส่วนของ price ผมส่องดูไม่พบว่ามี Low>High (ตามที่เคยอ่านที่ทีมงาน SQ อธิบายเรื่อง Data Filter ) ถ้าเป็นกรณีเกิน Ceiling เมื่อก่อนที่ไม่ใช่ 30% ก็มีทางเลือกปรับให้เป็นตาม Ceiling นั้น หรือปล่อยผ่านถ้ามันไม่โดดเป็น X เท่าที่เห็นชัดว่าน่าจะผิดเป็นต้น
    o ส่วนของ Fundamental ผมไม่รู้ผิดตรงไหนบ้างหรือเปล่า แต่ถ้าผิดน่าจะแก้ไขได้โดยใช้ของ Bar ก่อนหน้าหรือตามหลัง ตาม Quarter ได้

    3. ความน่าเชื่อถือของผลการวิจัย (Backtest)
    ขอบคุณคุณมดที่ช่วยแชร์ประสพการณ์ที่มีมาอย่างอยาวนาน และเป็นนักวิจัยแถวหน้าในแนว quant ของตลาดหุ้นไทย เป็นประโยชน์อย่างยิ่งครับ

    ในแง่ของผมแล้วการ backtest ไม่ใด้ต้องการผลถูกต้องเหมือนในอดีต 100% เพราะมันเป็นไปไม่ได้ ผมได้ลองกับข้อมูลที่ Save เอาไว้ห่างกัน 1 ปี เมื่อหุ้นบางตัวมีการแตกพาร์ก็ทำให้ระบบเลือกซื้อหุ้นที่แตกต่างกันไปอยู่แล้ว เรากลับไปซื้อในอดีตไม่ได้ และอนาคตมันก็ไม่ซ้ำเหมือนอดีตเป๊ะอยู่ดี

    เพียงแต่น่าจะเป็นการ backtest ผ่านข้อมูลที่สมเหตุผล ที่จะเกิดขึ้นจริงได้ ไม่มีประโยชน์ที่จะให้ระบบรองรับหรือผ่านค่าที่ไม่สามารถเป็นจริงได้ เช่น Low>High เป็นต้น
    กฎเกณฑ์ของตลาดมันเปลี่ยนแปลงกันได้บ่อยๆ ผมไม่ได้ซีเรียสเรื่องข้อมูลถูกกฏเดิมหรือไม่ เพราะไม่สามารถกลับไปเทรดตอนนั้น แต่ถ้าราคามันโดดเป็นเท่าๆตัวที่ผิดเห็นได้ชัดเจน ก็น่าจะแก้ไขข้อมูลที่ผิด ให้ดูปกติไม่สะดุด

    ขอขอบคุณคุณมดอีกครั้ง

กำลังดู 4 ข้อความตอบกลับ - 1 ผ่านทาง 4 (ของทั้งหมด 4)
  • คุณต้องเข้าสู่ระบบเพื่อตอบกลับกระทู้นี้