ระบบเทรดยิ่งแม่นยิ่งดีจริงหรือ!?

สวัสดีนักลงทุนทุกท่านครับ  ในช่วงนี้จะเห็นได้ว่ามีนักลงทุนทั้งมือใหม่และมือเก่า (ที่เปลี่ยนวิธีการลงทุน) หลายต่อหลายท่านนั้นหันมาให้ความสนใจการลงทุนด้วยวิธีการทางเทคนิค (Technical Analysis) กันมากขึ้น และแน่นอนการลงทุนด้วยวิธีการทางเทคนิคนั้นจำเป็นที่จะต้องมีรูปแบบและขั้นตอนในการลงทุน (การเทรด) รูปแบบหนึ่งที่เหมาะสมกับตลาด และเหมาะสมกับตัวเรา หรือ ที่เราเรียกกันสั้นๆว่า "ระบบเทรด" ซึ่งแต่ละคนนั้นระบบอาจจะไม่เหมือนกัน (และไม่จำเป็นต้องเหมือนกัน) แต่มุ่งหวังไปทางเดียวกันคือ "ทำกำไร" ในตลาดได้เหมือนกัน เพื่อไม่ให้เกิดการพัฒนา "ระบบเทรด" ไปในทางที่ผิด หรือเสียเวลามากไปนั้น บทความ "ระบบเทรดยิ่งแม่นยิ่งดีจริงหรือ!?"
จะพาไปดูกันว่าแท้จริงแล้ว ความแม่นของระบบนั้น สำคัญมากขนาดไหน และจำเป็นจะต้องแม่นยำมากขนาดไหน ไปดูกันเลยครับ


นักลงทุนคงจะทราบกันดีอยู่แล้วถึง หลักการทั่วไปของการ "เทรด" หรือ Trading ให้อยู่รอดนั้นมีหลักการทั่วๆ ไปอยู่ด้วยกัน 2 ข้อ ได้แก่
  • Win > Lose (Accuracy)
  • Reward > Risk (Average Win/Lose Ratio)
หลักการทั้ง 2 ข้อนี้สำคัญมากในการสร้างระบบเทรด เพื่อเทรดให้อยู่รอดได้ในตลาดส่วนทั้ง 2 ข้อนี้จะมีรายละเอียดอย่างไรผมจะอธิบายเพื่อให้เห็นภาพชัดเจนขึ้นจากตัวอย่างระบบเทรดที่แตกต่างกัน 2 ระบบ ซึ่งมีเงื่อนไขต่อไปนี้ครับ

ช่วงเวลาที่ใช้ทำการทดสอบระบบ 3 ปี คือ ระหว่าง 1/1/10 - 1/1/13 โดยทดสอบกับ SET Index


เงื่อนไขระบบ #1 ระบบ Cross MA10 : ระบบนี้ง่ายมากครับ 

สัญญาณซื้อ : ราคาปิดปิดสูงกว่า ค่าเฉลี่ยเคลื่อนที่ 10 วัน (Moving Average 10 days) แท่งแรก
สัญญาณขาย : ราคาปิดปิดต่ำกว่า ค่าเฉลี่ยเคลื่อนที่ 10 วัน (Moving Average 10 days) แท่งแรก

เมื่อทำการทดสอบย้อนหลังด้วย Efin Smart Portal พบว่าได้ผลดังนี้

ภาพแสดง ผลการทดสอบย้อนหลัง (Backtest) ระบบเทรด #1 Cross MA10 จาก Efin Smart Portal

จำนวนครั้งที่เทรด (Total Trades) 54 ครั้ง
จำนวนครั้งที่เทรดแล้วชนะ (Win Trades) 24 ครั้ง
จำนวนครั้งที่เทรดแล้วแพ้  (Loss Trades) 30 ครั้ง
ความแม่นยำ (Accuracy) 44 % (คำนวณจาก เทรด 54 ครั้ง ชนะ 24 ครั้ง = (24/54)*100)
กำไรเฉลี่ยต่อครั้ง (Avg Profit)  3.65 % 
ขาดทุนเฉลี่ยต่อครั้ง (Avg Loss)  -1.01 % 
กำไรทั้งหมด (Total Profit) 57.42 %

เงื่อนไขระบบ #2 ระบบ William %R : ระบบนี้ก็ง่ายไม่ซับซ้อนเช่นกัน
สัญญาณซื้อ : เมื่อ indicator William%R <= -80 % วันแรก
สัญญาณขาย : เมื่อ indicator William%R >= -10 % วันแรก

เมื่อทำการทดสอบย้อนหลังด้วย Efin Smart Portal พบว่าได้ผลดังนี้

ภาพแสดง ผลการทดสอบย้อนหลัง (Backtest) ระบบเทรด #2 William%R จาก Efin Smart Portal

จำนวนครั้งที่เทรด (Total Trades) 20 ครั้ง
จำนวนครั้งที่เทรดแล้วชนะ (Win Trades) 14 ครั้ง
จำนวนครั้งที่เทรดแล้วแพ้  (Loss Trades) 6 ครั้ง
ความแม่นยำ (Accuracy) 70 % (คำนวณจาก เทรด 20 ครั้ง ชนะ 14 ครั้ง = (14/20)*100)
กำไรเฉลี่ยต่อครั้ง (Avg Profit)  2.31 % 
ขาดทุนเฉลี่ยต่อครั้ง (Avg Loss)  -3.57 % 
กำไรทั้งหมด (Total Profit) 10.88 %

เห็น 2 ระบบนี้ แล้วสงสัยอะไรไหมครับ ถ้าไม่เห็นสังเกตจากที่ผม Highligh สีเหลือง 2 บรรทัดของแต่ละระบบก็ได้ครับ ซึ่งก็คือ ระบบ #1 ให้ความแม่นยำ (Accuracy) ที่ 44 % เท่านั้นแต่กับให้กำไรรวม (Total Profit) สูงถึง 57.42 % เลยทีเดียว ในขณะที่ระบบ #2 นั้นให้ความแม่นยำ (Accuracy) ถึง 70 % ซึ่งมากกว่าอย่างเห็นได้ชัด แต่กลับให้กำไรรวม (Total Profit) เพียง 10.88 % เท่านั้น

คำถามก็คือ เป็นไปได้อย่างไร ระบบที่แม่นยำกว่า กลับให้กำไรน้อยกว่าระบบที่แม่นยำต่ำกว่าการโยนเหรียญด้วยซ้ำ (ต่ำกว่า 50%) อะไรเป็นตัวแปรสำคัญของผลที่เกิดขึ้น เราไปดูกันต่อครับ

จากที่ผมกล่าวไว้ตอนแรกว่า หลักการเทรดให้อยู่รอดโดยทั่วๆ ไปนั้นมีด้วยกัน 2 ข้อ คือ

  • Win > Lose (Accuracy)
  • Reward > Risk (Average Win/Loss Ratio)
2 ข้อนี้แปลง่ายๆ ก็คือ ข้อแรก เทรดให้ชนะ  มากกว่า เทรดให้แพ้  ซึ่งรวมๆ เรียกว่า "ความแม่นยำ" ในการเทรด ส่วนข้อที่สองนั้น มีใจความว่า เวลากำไร (Reward) ต้อง "กำไร" ต่อครั้งให้มากกว่า "ขาดทุน" (Risk)  จึงเรียกรวมๆ ได้อีกว่า Average Win/Loss Ratio แต่ข้อแรกนั้นอาจจะไม่จริงเสมอไป เพราะ จะเห็นว่าระบบที่เอามาให้ดูนั้น ระบบ #1 เทรดชนะ น้อยกว่า เทรดแพ้ ซะอีก (ความแม่นยำต่ำ) 

จากคำกล่าวข้างบน แสดงว่า ตัวแปรสำคัญอีกตัวหนึ่งที่มีผลต่อผลตอบแทนของเราก็คือ Reward : Risk (Average Win : Average Loss) นั่นเอง เพื่อเพิ่มความเข้าใจจะยกตัวอย่างให้เห็นชัดเจนยิ่งขึ้น

ตัวอย่างระบบเทรด #1 สมมติทุนที่ 1,000,000 บาท เทรดทั้งหมด 54 ครั้ง 

กำไรเฉลี่ยต่อครั้ง (Avg Profit)  3.65 % แปลว่า กำไร ต่อครั้งจะได้ 36,500 บาท
ขาดทุนเฉลี่ยต่อครั้ง (Avg Loss)  -1.01 % แปลว่า ขาดทุน ต่อครั้งจะเสีย 10,100 บาท
Reward : Risk ประมาณ 3 เท่า (Average Win/Average Loss = 3) คิดจาก 3.65%/1.01%

ดังนั้น ชนะ 24 ครั้ง จะให้กำไรเป็นเงิน 24 x 36,500 = 876,000 บาท
          แพ้  30 ครั้ง จะขาดทุนเป็นเงิน 30 x 10,100 = 303,000 บาท
รวมผลตอบแทนทั้งหมดจะได้ 573,000 บาท หรือคิดเป็น 57.30 % นั่นเอง   

ตัวอย่างระบบเทรด #2 สมมติทุนที่ 1,000,000 บาท เทรดทั้งหมด 20 ครั้ง 

กำไรเฉลี่ยต่อครั้ง (Avg Profit)  2.31 %  แปลว่า กำไร ต่อครั้งจะได้ 23,100 บาท
ขาดทุนเฉลี่ยต่อครั้ง (Avg Loss)  -3.57 %  แปลว่า ขาดทุน ต่อครั้งจะเสีย 35,700 บาท

Reward : Risk ประมาณ 0.6 เท่า (Average Win/Average Loss = 0.6) คิดจาก 2.31%/3.57% 

ดังนั้น ชนะ 14 ครั้ง จะให้กำไรเป็นเงิน 14 x 23,100 = 323,400 บาท
          แพ้  6 ครั้ง จะขาดทุนเป็นเงิน 6 x 35,700 = 214,200 บาท
รวมผลตอบแทนทั้งหมดจะได้ 82,200 บาท หรือคิดเป็น 8.22 % นั่นเอง   

จากตัวอย่างคงจะเห็นภาพได้ชัดขึ้นมาบ้างนะครับว่า เจ้า Reward : Risk เนี่ยสำคัญไม่ใช่น้อย โดยระบบ #1 ให้ Reward : Risk สูงถึง 3 เท่า ในขณะที่ระบบ #2 ให้ Reward : Risk เพียง 0.6 เท่า เท่านั้น 
หากทำความเข้าใจตรงนี้เพิ่มสักนิด จะเห็นว่า "นักลงทุนจะไม่ต้องไปเสียเวลาหา ระบบเทรดที่แม่นยำสูงๆ เลยแม้แต่น้อย เพียงแค่เพิ่ม Reward : Risk ให้สูงขึ้นจากเดิมผลตอบแทนก็มากขึ้นได้อย่างเห็นได้ชัด"

ผมคิดว่านักลงทุนต้องคิดว่า "ถ้างั้นเราลองไปเพิ่ม Reward : Risk ในระบบ #2 ให้เท่ากับ ระบบ #1 ดูก็ได้ จะได้ทั้งแม่นยำ และ ได้เยอะ ด้วย เดี๋ยวเราลองมาดูกันว่าผลจะเป็นอย่างไร

ตัวอย่างระบบเทรด #2 แบบปรับปรุง สมมติทุนที่ 1,000,000 บาท เทรดทั้งหมด 20 ครั้ง (เหมือนเดิม) 

ความแม่นยำคงเดิม แต่เพิ่ม Reward : Risk ให้เป็น 3 เท่า (จากเดิมที่ 0.6)
กำไรเฉลี่ยต่อครั้ง (Avg Profit)  3.65 %  แปลว่า กำไร ต่อครั้งจะได้ 36,500 บาท
ขาดทุนเฉลี่ยต่อครั้ง (Avg Loss)  -1.01 %  แปลว่า ขาดทุน ต่อครั้งจะเสีย 10,100 บาท

Reward : Risk ประมาณ 3เท่า (Average Win/Average Loss = 3) คิดจาก 3.65%/1.01%

ดังนั้น ชนะ 14 ครั้ง จะให้กำไรเป็นเงิน 14 x 36,500 = 511,000 บาท
          แพ้  6 ครั้ง จะขาดทุนเป็นเงิน 6 x 10,100 = 60,600 บาท
รวมผลตอบแทนทั้งหมดจะได้ 450,400 บาท หรือคิดเป็น 45.04 % นั่นเอง (ยังน้อยกว่าระบบ #1 อยู่)

ผลที่ได้จะเห็นได้ว่า ผลตอบแทนรวมนั้นเพิ่มขึ้นอย่างชัดเจนแต่ยังน้อยกว่า ระบบ #1 อยู่ถึงกว่า 12 % ทั้งๆ ที่เราเพิ่ม Reward : Risk ให้เท่ากับ ระบบ #1 แล้ว คำตอบข้อนี้ไม่ยากครับ สาเหตุก็คือ "โอกาสในการเทรด" จะเห็นว่าในช่วงเวลาเดียวกัน ระบบ #1 นั้น มีถึง 54 ครั้ง ในขณะที่ ระบบ #2 มีเพียง 20 ครั้งเท่านั้น ถึงแม้จะแม่นกว่า และผลตอบแทนที่ได้ต่อครั้งจะเท่ากัน แต่หาก ระบบ นั้นให้โอกาส ในการเทรดน้อยกว่า ก็ทำให้ผลตอบแทนที่ได้น้อยกว่าอย่างเห็นได้ชัดเช่นกันครับ

ดังนั้นสรุปใจความสำคัญที่อธิบายมาทั้งหมดก็คือ

  • การพัฒนาระบบเทรดนั้น ไม่จำเป็นจะต้องไปเสียเวลากับการหาระบบที่แม่นยำสูงมากๆ เพียงแต่หาระบบที่เราถนัดและเชื่อในระบบนั้นก็พอ (Accuracy พอประมาณ)
  •  กำไรที่ได้ต่อครั้ง (Reward) นั้นต้องมากกว่า ขาดทุน (Risk) ข้อนี้นั้นสำคัญยิ่ง (Average Win > Average Loss Ratio) เห็นได้ชัดจากตัวอย่างที่ให้ไปแล้ว
  • ถึงแม้จะเพิ่มให้ระบบแม่นยำขึ้น และ กำไรต่อครั้งมากกว่าขาดทุน แต่ก็อย่าลืมสร้างระบบให้เพิ่มโอกาสในการเทรดด้วย เพราะ ถึงแม้ระบบจะยอดเยี่ยมเพียงใด แต่หากโอกาสที่เข้ามานั้นน้อยนิด ก็คงยากที่จะทำกำไรได้มาก เช่นกัน

สำหรับบทความ "ระบบเทรดยิ่งแม่นยิ่งดีจริงหรือ!?" นั้นก็จบเพียงเท่านี้ หวังว่าบทความนี้จะเป็นประโยชน์กับนักลงทุนทุกท่านนะครับ ขอบคุณทุกท่านที่ติดตามกัน แล้วพบกันได้ที่ investmentory.com แห่งนี้กันได้เช่นเคย ขอให้นักลงทุนทุกท่านโชคดีในการลงทุนครับ ^___^

หมายเหตุ : สำหรับนักลงทุนท่านใดต้องการจะศึกษาเทคนิคและกลยุทธ์การเข้าซื้อตามแนวโน้ม (Trend Following) ให้มากขึ้น สามารถเข้าไปดูผลงานหนังสือของผมเพิ่มเติมได้ ที่นี่ครับ


พิเศษสำหรับสมาชิกทุกท่าน : สัมมนาหุ้นและอนุพันธุ์ ออนไลน์ กับ Investmentory  เรียนได้ทุกที่ ทุกเวลา ตลอด 24 ชั่วโมง สนใจคลิ๊กอ่านรายละเอียดเพิ่มเติม ที่นี่ครับ  





1 ความคิดเห็น:

  1. จำหน่ายข้อมูลย้อนหลัง historical data เพื่อทำ Backtest สำหรับโปรแกรม MT4 ข้อมูลประมาณ 10 ปี มีหลายสกุลเงิน และ Timeframe ตั้งแต่ปี 2007-ถึงอัฟเดตสัปดาห์ล่าสุด ข้อมูลมีคุณภาพ ใช้งานได้ทันที

    กลุ่มผลิตภัณฑ์
    => FOREX DATA เช่น AUD USD,
    => METALS เช่น COPPER, GOLD
    => COMMODITY เช่น COFFEE, CORN, OIL
    => INDEX เช่น DAX, DOW JONES,

    สามารถดูได้ที่เว๊ป
    www.forexhistorydata.blogspot.com

    ตอบลบ