fbpx

กลยุทธ์การปรับพอร์ตด้วย Value, Quality และ Price Trend โดยทีม One ในงาน SQRC2017

SiamQuant Minimal Home – White Webboard ห้องทดสอบระบบการลงทุน : Strategy Lab กลยุทธ์การปรับพอร์ตด้วย Value, Quality และ Price Trend โดยทีม One ในงาน SQRC2017

ติดป้ายกำกับ: , , ,

  • ผู้สร้าง
    กระทู้
  • #13346
    SiamQuant Team
    Keymaster


    เราเชื่อว่าแนวคิดการซื้อหรือขายหุ้น โดยใช้ตัวแปรเชิงคุณค่า (Value Factor) เช่นค่า P/E อย่างเดียว อาจไม่เพียงพอต่อการสร้างพอร์ทการลงทุนที่ดี เราจึงได้เพิ่มประสิทธิภาพในการคัดเลือกหุ้นโดยการเพิ่มตัวแปรด้านคุณภาพ (Quality Factor) และตัวแปรด้านแนวโน้มราคา (Momentum Factor) เพิ่มเติมเข้ามา ซึ่งตัวแปรเหล่านั้นก็คือ Return On Capital หรือ ROC และตัวแปรด้านแนวโน้มราคา คือ ค่าเฉลี่ย 200 วัน โดยทางทีมของเราเชื่อว่า ตัวแปรดังกล่าวจะสามารถช่วยลด Max.Drawdown แล้ว Longest Drawdown ได้เป็นอย่างดี ทั้งนี้ทั้งนั้น แนวคิดดังกล่าวยังไม่ได้รับการพิสูจน์ในตลาดหุ้นไทยมากเท่าไหร่นัก ดังนั้นเรามาทำการพิสูจน์กันครับว่าแนวคิดนี้จะสามารถใช้ได้หรือไม่!?

    โจทย์ตั้งต้นของทีมผู้เข้าสมัคร SiamQuant Recruitment Camp ในแต่ละทีม

    แก้ไขปัญหาของกลยุทธ์เชิง Buy & Hold ที่มักมี Maximum Drawdown ที่สูงและ Longest Drawdown ที่ยาวนาน ให้มี Performance ที่ดีขึ้นในแง่ต่างๆ อาทิเช่น CAGR, Max.Drawdown, Sharpe Ratio ด้วยฐานข้อมูล SQ Hybrid Database ภายในเวลา 24 ช.ม.

    โดยทีมผู้ชนะจะถูกตัดสินใจจาก ความคิดสร้างสรรค์ในการดัดแปลงกลยุทธ์ Low P/E Rotational System รวมถึงการนำเสนอแนวคิดและการเขียนบทความให้เข้าใจได้ง่ายและข้อมูลครบถ้วนที่สุด

    สมมติฐาน

    1. ใช้ค่าเฉลี่ย 200 วัน เป็นตัว stop loss ตัดขาดทุน เนื่องจาก คาดว่าถ้าหุ้นอ่อนตัวหลุดค่าเฉลี่ยดังกล่าว มีความเสี่ยงที่ราคาหุ้นจะอ่อนตัวถดถอยรุนแรง
    2. นำค่า Earning Yield (1/PE) มาจัดลำดับ (Ranking) จากนั้นจึงนำมาคูณด้วย ROC (Return On Capital) โดยคาดว่า จะได้หุ้นที่ถูกและมีคุณภาพ เข้าสู่พอร์ตการลงทุน

    แนวคิด และกฎการลงทุน ของทีม One

    เนื่องจาก กลยุทธ์การเข้าซื้อหุ้นด้วย Value Facor เช่น P/E ต่ำอย่างเดียวนั้น อาจให้ผลตอบแทนที่ชนะตลาด แต่ก็ต้องเผชิญกับสภาวะการขาดทุนที่ค่อนข้างรุนแรง (Max.Drawdown) และใช้ระยะเวลาที่ค่อนข้างนาน (Longest Drawdown) ในช่วงที่ตลาดไม่ดีหรืออยู่ในช่วงตลาดขาลง ดังรูปที่ 1

    รูปที่ 1. อัตราผลตอบแทนของกลยุทธ์การลงทุนในหุ้น P/E ต่ำ (สีเขียว) เปรียบเทียบกับ อัตราผลตอบแทนของตลาด SET (สีดำ)

    ดังนั้นทางกลุ่ม One System จึงได้มีการเลือกตัวแปรปัจจัยด้านคุณภาพ (Quality Factor) มาตัวหนึ่ง เพื่อทำการทดลอง ซึ่งก็คือ Return On Capital (ROC) โดยใช้แนวคิด นอกจากหุ้นจะถูกแล้ว ควรจะเป็นหุ้นที่มีผลประกอบการค่อนข้างดี และต้องไม่เผชิญกับสภาวะ Drawdown ที่มากเกินไป ดังนั้นเราจึงได้ทำการออกแบบกฎการลงทุนดังนี้

    • ทำการทดสอบหุ้นย้อนหลังเปรียบเทียบกับผลทดสอบย้อนหลังของระบบ Low P/E ไปประมาณ 6 ปี
    • ตะกร้าหุ้น >> เราจะเลือกลงทุน 30 ตัวด้วยจำนวนเงินเท่าๆกัน อันเนื่องมาจากหุ้นใน SET100 มี Market Capital และสภาพคล่องของหุ้นที่ค่อนข้างสูง
    • การเลือกหุ้นจะใช้การเรียงตัวแปร Earning Yield (1/PE) จากน้อยไปมาก
    • หลังจากนั้นจะนำค่า 1/PE ที่เรียงไว้แล้ว คูณเข้ากับ ROC ของหุ้นนั้นๆ (เพื่อให้ข้อมูลไปในทางเดียวกัน เนื่องจาก P/E ยิ่งน้อยยิ่งดี ในขณะที่ ROC ยิ่งมากยิ่งดี) และทำการเลือกหุ้นที่มีผลลัพธ์จากการคูณกันสูงที่สุดเข้า portfolio ซึ่งแสดงถึง หุ้นที่มีราคาถูกและคุณภาพดีนั่นเอง
    • การซื้อ >> เราจะทำการเข้าซื้อหุ้นตอนต้นปีของทุกๆปี (Rotational Investing System)
    • การขาย >> เราจะทำการขายหุ้นสิ้นปีของปีนั้น หรือเมื่อราคาปิดต่ำกว่าเส้นค่าเฉลี่ย 200 วัน
    • ทำการซื้อเฉพาะฝั่ง Long เท่านั้น
    • ตั้งค่าคอมมิสชั่นที่ 0.25% ต่อครั้ง (ไปกลับ 0.50%)

    SiamQuant Strategy Canvas

    ผลการทดสอบย้อนหลังเบื้องต้น (Priliminary Back Testing Result)

    จากผลการทดสอบจะเห็นได้ว่า ระบบ One System มีค่า Max.Drawdown อยู่ที่ 14.73% น้อยกว่า Max.Drawdown ของ Benchmark (SET) ที่มีค่า 25.4% ถึงกว่า 10.75% ดังรูปที่ 2

    รูปที่ 2 แสดงผล relative drawdown result ของระบบ One System เทียบ Benchmark (SET)

    ขณะที่ค่า Longest Drawdown ของระบบอยู่ที่ 12.9 เดือน น้อยกว่า Benchmark (SET) ที่ 34.55 เดือน เกือบ 3 เท่า ดังรูปที่ 3

    รูปที่ 3 แสดงผล Longest Drawdown ของระบบ One System เทียบกับ Benchmark (SET)

    อย่างไรก็ตาม หากดูการเติบโตมูลค่าพอร์ตโพลิโอเทียบกับ Benchmark ในช่วงระหว่างปี ค.ศ. 2010-2017 ซึ่งเป็นช่วงตัวอย่างที่ใช้ในการศึกษา (In Sample) จะสังเกตุเห็นว่า ระบบ One System ยังคงแพ้ Benchmark อยู่เล็กน้อย ตามรูปที่ 4

    รูปที่ 4 แสดงผล การเติบโตมูลค่าของพอร์ต ในช่วงเวลาที่ศึกษา (In Sample Backtesting Result)
    (ปี ค.ศ. 2010-2017)

    สำหรับผลการทดสอบในข้อมูลที่นอกเหนือจากกรณีศึกษา ซึ่งก็คือในช่วงปี ค.ศ. 2000-2010 นั้น (Out of Sample) จะสังเกตุได้ว่า มูลค่าของพอร์ตโฟลิโอเมื่อเทียบกับ Benchmark กลับสามารถเอาชนะตลาดได้อย่างคาดไม่ถึง ดังรูปที่ 5 (ช่วงปี 2000 – 2001 พอร์ทโฟลิโอมีมูลค่าไม่เปลี่ยนแปลงเนื่องจากไม่มีการซื้อขาย เพราะฐานข้อมูลด้าน Quality Factor ยังไม่ได้ถูกบันทึกเอาไว้)

    รูปที่ 5 แสดงผล การเติบโตมูลค่าของพอร์ต นอกช่วงเวลาที่ศึกษา (Out of Sample Backtesting Result)
    (ปี ค.ศ. 2000-2010)

    ต่อมา เมื่อเรานำข้อมูลในช่วงเวลาที่ทำการศึกษาวิจัยระหว่าง ค.ศ. 2010 – 2017 (In Sample Period) ของระบบ One System มาเปรียบเทียบกับระบบ P/E Rotational (ระบบตัวอย่างตั้งต้นจะพบว่า ระบบ One System มีค่า MAX. Drawdown ต่ำกว่าระบบ P/E Rotational ที่ 17.34% (Max.Drawdown ของระบบ P/E Rotational อยู่ที่ระดับ 32.07%) ขณะที่ด้าน Longest Drawdown ต่ำกว่า 53.2 เดือน (Longest Drawdown ของระบบ P/E Rotational อยู่ที่ 66.1 เดือน) แต่อย่างไรก็ตามผลจากการลด Drawdown ส่งผลให้ %CAGR ลดลงไป 5.11% (%CAGR ของระบบ P/E Rotational อยู่ที่ 16.42%) เช่นกัน ดังรูปที่ 6

    รูปที่ 6 แสดงผล IN Sample Backtesting Result ของ One System เทียบกับ P/E Rotational
    (ปี ค.ศ. 2010-2017)

    ขณะที่ เมื่อนำข้อมูลนอกช่วงเวลาที่ศึกษาระหว่าง ค.ศ. 2000 – 2010 (Out of Sample Period) มาตรวจสอบ จะพบว่า ระบบ One System สามารถลด Max.Drawdown และ Longest Drawdown ได้เช่นกัน แต่อย่างนั้น ก็ยังส่งผลกระทบต่อ %CAGR ค่อนข้างสูงเช่นกัน ดังรูปที่ 7

    รูปที่ 7 แสดงผล Out of Sample Backtesting Result ของ One System เทียบกับ P/E Rotational
    (ปี ค.ศ. 2000-2010)

    สรุปผลการทดสอบแนวคิด และกฎการลงทุน ของกลุ่ม One

    แม้ว่า ระบบของกลุ่ม One System จะสามารถลด Max.Drawdown และ Longest Drawdown ได้ เมื่อเทียบกับ Benchmark (SET) และ ระบบ P/E Rotational  แต่ยังคงมีจุดอ่อนในส่วนที่ทำให้อัตราผลตอบแทนทบต้นหรือ %CAGR ที่ลดลง ซึ่งอาจจะเกิดจากความผิดพลาดบางประการในการออกแบบระบบอยู่บ้าง อาทิเช่น

    การออกแบบระบบให้มีการขายหยุดขาดทุน (stop loss) เมื่อราคาอ่อนตัวหลุดค่าเฉลี่ย 200 วัน แต่กลับให้มีการซื้อหุ้นเมื่อเข้าเงื่อนไขตั้งต้น (ซื้อหุ้นต้นปี และซื้อ 30 อันดับแรกของ (1/PE) x ROC) ส่งผลให้ มีหุ้นบางส่วนที่ เข้าเงื่อนไขการเข้าซื้อ และเข้าเงื่อนไขการขายหยุดขาดทุน ทำให้ มีการซื้อ และขายออกทันที
    การออกแบบโดยการนำตัวแปรที่หลากหลายจนเกินไป อาจทำให้ตัวแปรต่างๆหักล้างกัน และอาจเกิด Overfitting Bias ขึ้นมาด้วย จึงส่งผลให้ผลตอบแทนของระบบ ไม่เป็นที่น่าพอใจสักเท่าไหร่นัก (แพ้ตลาด)
    ดังนั้น ข้อสังเกตุที่น่าสนใจจากการทดสอบระบบการลงทุนในครั้งนี้ จึงน่าจะช่วยย้ำเตือนได้เป็นอย่างดีว่า เราควรคำนึงถึงผลกระทบของตัวแปรต่างๆที่จะนำมาใช้ร่วมกันให้ดี เพื่อป้องกันการเกิดการเกิดผลหักล้าง และป้องกันเรื่องของ Overfitting Bias ซึ่งอาจมีผลกระทบต่อการนำระบบไปใช้จริงๆในอนาคตข้างหน้าด้วย และนี่ก็คือผลการทดสอบ และข้อสังเกตุที่น่าสนใจจากทีมของพวกเราครับ

    แหล่งข้อมูลอ้างอิง

    1. http://www.siamquant.com/paul-tudor-jones-moving-average-backtesting-results-on-set-index/
    2. http://www.cnbc.com/2016/03/09/why-a-low-price-to-earnings-ratio-isnt-always-a-good-thing.html

    ข้อมูลผลการทดสอบย้อนหลัง 10 ปี ตั้งแต่ปี ค.ศ. 2006-2016

    Video Clip การบรรยายโดยทีม One

    Disclaimer

    ผลงานวิจัยนี้ใช้เพื่อการศึกษาเท่านั้น กลยุทธ์ต่างๆได้ถูกวิจัยและค้นคว้าโดยบรรดาผู้สมัครเข้าร่วมงาน SiamQuant Recruitment Camp ซึ่งมีระยะเวลาจำกัดเพียง 24 ช.ม. เท่านั้น ส่งผลให้ระบบที่คิดค้นขึ้น อาจยังไม่สมบูรณ์ และมีจุดบกพร่องอยู่ในบางส่วน ดังนั้น ผู้อ่านควรทำการศึกษาค้นคว้าเพิ่มเติมด้วยตนเอง ก่อนตัดสินใจนำไปใช้ประกอบการลงทุน

    ทีมงาน SiamQuant : Kickstarting Quant Era!

  • คุณต้องเข้าสู่ระบบเพื่อตอบกลับกระทู้นี้

เราใช้คุกกี้เพื่อพัฒนาประสิทธิภาพ และประสบการณ์ที่ดีในการใช้เว็บไซต์ของคุณ คุณสามารถศึกษารายละเอียดได้ที่ นโยบายความเป็นส่วนตัว และสามารถจัดการความเป็นส่วนตัวเองได้ของคุณได้เองโดยคลิกที่ ตั้งค่า

ตั้งค่าความเป็นส่วนตัว

คุณสามารถเลือกการตั้งค่าคุกกี้โดยเปิด/ปิด คุกกี้ในแต่ละประเภทได้ตามความต้องการ ยกเว้น คุกกี้ที่จำเป็น

ยอมรับทั้งหมด
จัดการความเป็นส่วนตัว
  • เปิดใช้งานตลอด

บันทึกการตั้งค่า