ความเสี่ยงที่นักลงทุนสมัครเล่นแบบเราๆ กลัวที่สุดเวลาลงทุนคือการล้างพอร์ต ดังนั้นเรื่องนี้ก็เป็นเรื่องแรกๆที่เราต้องคิดก่อนเสมอ ไม่ว่าจะลงทุนในแบบไหน วิธีการหนึ่งที่จะทำให้เราเข้าใจความเสี่ยงจากการล้างพอร์ต หรือโอกาสในการขาดทุน โอกาสในการทำกำไรในแบบความน่าจะเป็น – สถิติ ได้ดีขึ้นก็ด้วยการใช้ Simulation เพื่อให้รู้ความน่าจะเป็นของการล้างพอร์ตของระบบเทรดที่ใช้อยู่

การควบคุมความเสี่ยงในระบบเทรดทั่วไปสามารถทำได้ผ่านการกำหนดจุดเข้าออก และขนาดของการเปิด ขนาดของทุน แต่ในระบบแบบ  Copy trade เราจะควบคุมปัจจัยหลายๆอย่างได้น้อยกว่าการเทรดเอง (เราสามารถจัดการได้แค่ขนาดตัวคูณของการเปิดตาม ไม่สามารถเลือกจุดเข้าจุดออกเองได้) การให้ความสำคัญกับสถิติและความเข้าใจระบบที่เราตามอยู่จึงเป็นเรื่องที่ต้องให้ความสำคัญมาก

ทั่วไปสำหรับการ Copy trade นั้นผมมองในแบบเราต้อง รู้จักกลยุทธของคนที่เราจะตามก่อน จากนั้นถ้าชอบก็เสมือนเราเทรดเอง แล้วเราก็ควบคุมในส่วนของการบริหารทุนอย่างเดียว

1. ทำความเข้าใจกลยุทธของ signal provider แล้วมองให้เป็นกลยุทธของเรา

เมื่อเรามองเขาเป็น 1 กลยุทธเทรด หากเราชอบ เราก็ลงทุนให้เขาเทรดแทนเราในกลยุทธนั้น เช่น เราชอบเทรดเบรคเอาท์ในวันข่าวแรง เราก็เลือกคนที่เทรดแบบนั้นมาสะสมในพอร์ต copy trade เรา แทนที่เราจะต้องไปนั่งเฝ้าวันข่าว FED NFP BOJ ตาคนนี้จะไปเฝ้าแทนเราให้เอง ถ้าเขาเทรดในแบบที่เราจะเทรด เราก็อู้งานรูทีนพวกนี้ได้  เพียงแต่เราต้องทำการบ้านไป reverse engineer นั่งดูเดโมก่อนว่าเขาเทรดด้วยกลยุทธแบบไหน ซึ่งโดยมากพวกที่ติดอันดับดีๆ มีสถิตินานๆมักเทรดคล้ายๆหุ่นยนต์ มีเงื่อนไขค่อนข้างคงตัว-มีวินัยพอควร(แต่ก็ไม่ทุกคนนะ)

หรือลองนึกภาพง่ายๆ อย่างเรารู้ว่าคนนี้เทรดแบบ Close system เราเข้าใจ และชอบกลยุทธบริหารทุนแบบนี้ เราก็กดตามลงทุนไปเลย พอเราเข้าใจความเสี่ยง สิ่งที่จะต้องเจอ มันอาจมี DD ได้ระดับไหน เข้าใจว่ามีโอกาสที่จะสร้างผลตอบแทนระยะยาวขณะที่คุมความเสี่ยงได้ปลอดภัยมาก  เราก็ลงเงินไว้แล้วก็ทิ้งพอร์ตไว้ไม่ต้องไปดูได้ยาวๆ เพราะพอร์ตนี้คือลงทุนระยะยาว กับเข้าใจวิธีไปแล้ว คอย monitor แบบนานๆทีได้

2. เราต้องเข้าเข้าใจธนนมชาติของระบบสถิติ-ความน่าจะเป็น ว่าเป็นแบบไหน แล้วทำให้เราต้องเจอกับอะไรบ้าง

  • 2.1 เข้าใจปัจจัย เช่น เข้าใจว่า % win คือสิ่งสำคัญ แต่มันมีสิ่งอื่นประกอบกันอีก มันไม่ใช่เราเทรดบนระบบความเสี่ยง 60 % ที่มีโอกาสชนะมากกว่าขาดทุน แล้วเราจะไม่ล้างพอร์ต หรือจะไม่ขาดทุน เราสามารถขาดทุนหนักๆได้ ถ้าเราใช้ bet size ใหญ่เกินไป ดังนั้นเราต้องพยายามแตกแฟคเตอร์ให้ครบที่สุด หากเจอปัญหาก็ต้องแก้ปัญหา ปรับปรุงให้ตรงจุด
  • 2.2 เข้าใจว่าสถิติ+ความน่าจะเป็น มันทำงานในแบบที่ไม่ใช่คำตอบสมบูรณ์แบบสมการเส้นตรง ระบบเทรดความน่าจะเป็นโอกาสชนะ 60 % ของเรา เทรดมา 9 ครั้ง ถูกมา 5 ครั้ง ผิดมา 4 ครั้ง ครั้งต่อไปควรเป็นถูกแน่ๆ อัดเงินเลย เพราะ มันต้อง 6/10 แน่ๆ ปรากฎไม่ใช่ แล้วนี่คือสิ่งที่เจอได้เป็นปกติ การจะเป็นไปตามความน่าจะเป็น มันต้องมีจำนวนของการเล่นที่มากครั้งพอ แล้วสิ่งที่เป็นไปตามความน่าจะเป็นมันคือตัวค่าเฉลี่ยของการเล่น ไม่ได้หมายถึงตัวประชากรข้อมูลตัวใดตัวหนึ่งแบบเจาะจงว่าจะต้องเกิดการคาดเดาขึ้นที่ค่าของ meanเมื่อเราเข้าใจแล้วว่าสถิติจะเป็นไปตามนั้นต้องใช้เวลา – การเล่นจำนวนรอบเยอะๆ และมันมีกระจายอยู่รอบๆค่า mean เราจะเข้าใจในสิ่งที่จะต้องเจอ บางทีเราจะเจอการติดลบได้แบบยาวๆพอควร อย่างผลตอบแทนสรุป เดือนนึงเราอาจติดลบ แต่ทั้งปีส่วนมากจะกำไร ถ้าเข้าใจแบบนี้ก็จะทนรอการติดลบได้ ปล่อยให้สถิติ-ความน่าจะเป็นมีเวลาในการพิสูจน์ความเป็นไปได้ของระบบเทรดนั้นๆเอง

3. ควบคุม พัฒนาในสิ่งที่ทำได้

ในระบบ copy trade เราควบคุมจุดเข้าออกไม่ได้ แต่เราพอจะควบคุมวงเงินที่ทำการ bet ลงไปในพอร์ตเราได้ ดังนั้นเราจะมองคนที่เราตามเป็นตัวกลยุทธ ส่วนด้าน MM หากเขาจัดการดี เราก็อาจใช้วิธีตามระดับความเสี่ยงในอัตราส่วนตามเขาไปเลย คือหากเขาเดือนนี้เขาลบ 5 % เราก็ลบเท่ากัน อันนี้ปรับที่ตัวแปร multiplier โดยจูนให้ % gain ที่ติดลบให้ใกล้เคียงกับของต้นทาง ตัวอย่างวิธีที่ผมใช้ค่า DD – %gain เพื่อปรับพอร์ตตาม provider ส่วนหากเราอู้ได้มั่นใจในระดับนึงจนมีเวลาว่างแล้ว เราก็เอาเวลามานั่งหาทางทำการบ้านกันต่อ โดยหัวข้อที่ผมสนใจส่วนมากคือทำไงให้การ copy trade มันเล่นกับ Money management ได้มากขึ้น (เท่าที่มีให้ปรับตัวแปรนี่แหล่ะ) ด้วยการทดลองทำ simulation มาเป็นแนวทาง

ในส่วนบทความนี้จะศึกษาในส่วนที่ 2 ทั้งข้อ 2.1 2.2 โดยผมลองทำ simulation มาทำความเข้าใจสิ่งที่จะต้องเจอดู แล้วก็ทำเป็นตัวโครงระบบไว้ โดยมี input คือข้อมูลจากคนที่เราสนใจจะตาม copy trade ได้แก่ %win % loss กับขนาดเดิมพันต่อครั้ง เป็นปัจจัยปรับค่า เพื่อดูผลที่เราสนใจ เพื่อที่จะไปออกแบบในส่วนที่ 3 อีกทีว่าตามยังไงให้ล้างพอร์ตยากๆ ขณะที่จูนผลตอบแทนเท่าที่จะมีโอกาสได้ด้วยการปรับค่าของขนาด bet size

ก่อนอื่น สิ่งที่เรามีในมือจาก myfxbook report ของคนที่เราสนใจจะ มีแค่ค่า  %win % loss กับค่าสรุป expectancy

  • % win คืออะไร- สำหรับการเทรดด้วยระบบเทรด การรู้สถิติของระบบที่เราใช้เป็นเรื่องจำเป็นมาก ไม่ว่าจะเทรดเองหรือ Copy trade ซึ่งสำหรับ Copy trade ด้วย Myfxbook AutoTrade  นี้จะมีข้อมูลของคนที่เป็น Signal provider ให้เราดูในรายงานอยู่แล้ว

    ส่วนคนที่พัฒนาระบบเทรดเอง – วิธีได้มาซึ่งสถิติของ % win / % loss
    1. ทำแบคเทสกับข้อมูลในอดีต จะด้วยการทำโดยแมนวลทดสอบดูด้วยตัวเราเอง (เครื่องมือช่วยในการทำแมนวลแบคเทส )  หรือทำเป็นอีเอเพื่อทดสอบก็ได้ถ้ามีความสามารถด้านการเขียนโปรแกรม
    2. ทำฟอเวิร์ดเทสกับข้อมูลปัจจุบัน ใช้บัญชีเดโม หรือบัญชีจริงที่เปิดด้วยความเสี่ยงต่ำ bet size ต่ำลองเทรดด้วยกลยุทธนั้น แล้วนำผลมาคำนวณ ซึ่งอาจผูกบัญชีนั้นไว้กับ myfxbook เพื่อให้แสดงค่าสถิติสรุปออกมาให้เราเลยก็ได้

    โดยทั่วไปสำหรับ % win ของเหล่า signal provider ที่ติดอันดับ top list ตอนนี้จะอยู่แถวๆ 55-80 % โดยส่วนมากจะแถว 55-60% บางคนที่ 80 % มักจะเป็นเทรดสไตล์สวิงที่เน้นเข้าแม่นแต่กินสั้น ซึ่งส่วนมากคนที่ผมติดตามนั้น 57-60% ก็ดูดีสำหรับผมแล้วครับ

  • Expectancy : อัตราของการสร้างกำไร -กับอัตราของการขาดทุน ลองนึกภาพของระบบการเล่นเกม / ระบบเทรดของเรา ว่ามันจะมีทั้งช่วงของการทำกำไร ชนะเกม กับช่วงของการขาดทุน แพ้เกม โดยทั้งสองช่วงจะมีอัตรา ซึ่งต่างกันไปในแต่ละระบบ หากอัตราการทำกำไร มันสูงกว่าอัตราการขาดทุน พอร์ตเราก็จะมีแนวโน้มไปในทางด้านดี หากอัตราจากสถิติของเรามันกลับเป็นอัตราของการติดลบนั้นขยายเร็วกว่าอัตราด้านการทำกำไร พอร์ตเราก็มีแนวโน้มวิ่งไปสู่ 0 ซึ่งหากการเร่งในด้านลบนี้มากเท่าไหร่ เราก็ไปสู่ 0 ได้เร็วเท่านั้น ซึ่งอัตราสองด้านนี้จะถูกนำมาในแสดงรายงานสรุป ผ่านทางค่า expectancy ที่แสดงใน myfxbook report นั่นเองครับ โดยคิดจาก %win * average profit – % loss * average loss ดังนั้นค่านี้ควรมีค่ามากกว่า 0 ถึงเป็นระบบที่น่าสนใจ

    แล้วค่านี้ก็จะต้องเป็นสิ่งที่เราปรับปรุงในกรณีที่เราออกแบบระบบเทรด หรือแม้แต่การ copy trade หากเป็นไปได้ก็ต้องหาวิธีพัฒนาให้เทียบเท่ากับคนที่เราติดตาม หรือดีกว่า ถ้ามีโอกาส
  • การล้างพอร์ต เมื่อผูกกับสมการ – การล้างพอร์ตได้ หมายถึง อัตราเร็วในด้านของการขาดทุน ก็ต้องอยู่เหนืออัตราเร็วด้านทำกำไรมากๆ ดังนั้นหมายถึงตัวแปร % loss ของเรานั้นสูง หรืออีกตัวแปรคือ % ของค่าเฉลี่ยเมื่อ loss ของเราสูง
  • จาก expectancy เราพบตัวแปรสองตัวที่จะทำให้พอร์ตเราพุ่งไปสู่การล้างได้ เราก็ต้องหาทางเพิ่มมัน เพื่อเราจะได้ล้างพอร์ตตามความตั้งใจ (ไม่ใช่ละ)
    วิธีที่เราจะควบคุมไม่ให้พอร์ตเราเข้าสู่ด้านมืดนี้ อธิบายแบบตรงๆเราก็ต้อง

    • ทำ % win ให้มากๆสิ % loss จะได้น้อยๆ คนส่วนมากจะมุ่งหาข้อนี้กันเป็นหลัก
    • ลดอัตราของ average loss ลงสิ ข้อนี้มักไม่ค่อยจะคิดถึงกัน

Simulation โดยเล่นเกมทายหัวก้อย

  • เกมนี้จำกัดให้เราเล่นได้สูงสุด 100 ตา จะเล่นน้อยกว่านี้ก็ได้
  • มีทุน 1000 usd.
  • เราได้ไปทำการทดสอบเหรียญนั้นมาแล้วพบว่าเหรียญนั้นมีอัตราเอียงจนทำให้ผลออกหัว 60 % ก้อย 40 %
  • ดังนั้นกลยุทธเราคือ แทงหัวอย่างเดียวทุกตา
  • เราจะลงทุน bet ในแต่ละตาด้วยขนาดทีละเท่าไหร่ดี

เราก็อัดไปเลย ไม้แรก 500 usd เพราะยังไงโอกาสชนะสูงกว่าแพ้ แพ้ตาแรกก็ยังมีโอกาสตาที่สอง ตาที่สองมันน่าจะถูก แต่สิ่งที่เรามีโอกาสเจอจากกลยุทธวางเงินแบบนี้คือ ผิดติดกันทั้งสองตาแล้วล้างพอร์ตทันที แล้วก็มีโอกาสเจอได้บ่อยๆด้วย

ทำไมเราถึงเจอเหตุการณ์แบบนี้บ่อยๆ ?

Simulation นี้ออกแบบให้ 1 เกม มี 100 ตา โอกาสชนะ 60 % แล้วเปลี่ยนตัวแปรที่สนใจจะศึกษา คือขนาดของbet size ให้มีขนาด 500 usd เทียบกับ 2 usd ดูว่าจะต่างกันแบบใดบ้าง โดยมีทุนเริ่มต้นเท่ากันคือ 1000 usd

เมื่อคนหนึ่งคนมาเล่นเกมนี้ ก็จะได้เส้นของ balance ออกมา 1 เส้น
แล้วถ้าให้คน 1000 คนมาเล่นเกมเดียวกันนี้ ก็จะทำให้เกิดเส้นผลตอบแทนของคนแต่ละคนเป็น 1000 เส้น
* กราฟไม่ได้พล๊อตดาต้าทั้งหมด 1000 คน เพราะมันจะถมกันหนาจนมองไม่ค่อยรู้เรื่อง

ตัวเส้นจะใช้ทุนเริ่มต้น +- กำไรขาดทุนต่อตา บวกไปเรื่อยๆ
หากเหลือ 0 จะถูกนับว่าล้างพอร์ต แสดงในช่อง 0 ในรูปคือ 0.43 = 43 %
หากเหลือมากกว่าเงินต้น จะแสดงในช่อง P ในรูปคือ 0.57 = 57%
ส่วนหากเงินต้นไม่ต่ำกว่า 0 แต่ต่ำกว่าวงเงินตั้งต้นจะนับตกในช่อง L ในรูปคือไม่มี

สิ่งที่เราได้จากขนาด bet size ขนาดใหญ่นี้ เราจะพบว่าโอกาสล้างพอร์ตมี 43 % หมายถึงคนพันคนนั้น จะมี 430 คนที่หมดตัว หากเทรดด้วยการวางเดิมพันขนาดนี้

จากนั้นลองย้อนกลับไปถึงสิ่งที่ผมตั้งหัวข้อไว้ด้านบน คือ

การจะพัฒนา expectancy ของเรานั้น เราอาจทำได้สองแนวทาง

  • ทำ % win ให้มากๆสิ % loss จะได้น้อยๆ คนส่วนมากจะมุ่งหาข้อนี้กันเป็นหลัก
  • ลดอัตราของ average loss ลงสิ ข้อนี้มักไม่ค่อยจะคิดถึงกัน

จะเห็นว่า ขนาดของ %win ที่มากกว่า % loss สามารถถูกทำให้แพ้เกมระยะยาวได้เพราะตายตั้งแต่ต้นๆเกม หรือช่วงการผิดที่บ่อยกว่าถูก – ด้วย bet size ขนาดใหญ่

การจะไปมุ่งมัวหาระบบที่ % win สูงขึ้น แต่ไม่ทันเข้าใจว่าที่มีปัญหาคือ bet size มันใหญ่เกินไปจนทำลายโอกาสที่จะเป็นไปตามความน่าจะเป็น คือการแก้ปัญหาที่ผิดจุด ที่ควรแก้ไขอันดับแรกคือ ลดอัตราของ average loss ลงให้ได้ก่อน ซึงก็มาจากการลดขนาด bet size นั่นเอง

คำถามต่อมาที่อยากรู้คือ

Bet size ขนาดไหนถึงจะให้ผลตอบแทนที่ดีที่สุดหลังจากเราลิมิตความเสี่ยงที่เรารับไหวแล้ว

ทั่วไปคนเรารับระดับความเสี่ยงได้ต่างกัน ดังนั้นอันนี้ของคนอื่นอาจต่างไป แต่สำหรับผมคือ ผมจะเลือกกรณีที่มันไม่ล้างพอร์ตเป็นเงื่อนไขแรก

ก็ไปทดสอบ Simulation ต่อโดยปรับค่าขนาด bet size แบบเล็กๆดูมั่ง เช่น 2 % ที่เขาฮิตๆกัน

พบว่าโอกาสล้าง = 0

โอกาสกำไร 99 %
โอกาสขาดทุน 1 %

 

เมื่อเรารู้ว่ากลยุทธของเรามี % win loss ระดับไหน เราก็มาลอง Simulation ขนาดเปิดแบบต่างๆดู แล้วมองหาค่าที่ปลอดภัยสำหรับเรา ขณะที่ผลตอบแทนมันก็จะตามมาหลังจากเราได้ค่าที่เราเลือกระดับ Risk แล้วเอาเอง อย่างถ้าใช้ 2 % rule ตาม Simulation ตัวอย่างกับระบบ 60 % win เราก็จะเป็นเส้นๆหนึ่งจากหนึ่งพันเส้นใน simulation นั่นแหล่ะ แต่ไม่ยืนยันได้แน่ชัดว่าเส้นไหนกันแน่

ดังนั้นการตีความ simulation จึงเป็นรูปแบบของ % ของโอกาสของทั้ง return / risk

โดยทั่วไปเรามีโอกาสสูงที่จะตกในแถว Mean – SD ของการ simulation ถ้าอ่านคร่าวๆจากรูปทุนของเราน่าจะเพิ่มไปได้ในแถวๆช่วง 1400+-184 สำหรับระบบนี้
แล้วความเสี่ยงหล่ะ ก็น้อยมาก เพราะโอกาสขาดทุน กับโอกาสของล้างพอร์ตจาก simulation ก็ยังน้อยอยู่

ซึ่งหากเราทดสอบโดยปรับค่าการ bet เป็นขนาดต่างๆแล้วดูค่าสรุป ก็อาจจูนค่าระบบในแง่ bet size หรือขนาดการผิดเมือต้องผิดได้ครับ

พอทดสอบ bet size หลายๆแบบ ลองมาดูผล จะเห็นว่าช่วงที่ไม่ล้างเลยนี่ไปได้สูงถึง 5 % (หรือมากกว่านั้น)
แต่ถ้าจะเอาให้โอกาส Loss 1 %  ก็ต้องเลือกที่ MM 2%
ส่วนถ้าใช้ MM 10% จะเริ่มมีโอกาสล้างได้ที่ 2 % คือคนร้อยคนใช้ระบบเทรดนี้ด้วย bet ขนาด 10 % ของพอร์ต จะเจอล้างกันไปประมาณสองคน

สรุป

  • สถิติบอกเราว่า เราต้องรอได้นานพอ แล้วไม่ทำร้ายพอร์ตของเราเองให้ล้างไปซะก่อน
  • การ simulation ที่ดี ควรใช้จำนวนรอบ / คนเล่นเกมเยอะๆ ปัญหาที่ทำมาแค่นี้เพราะ excel มันค้างครับ  T T
  • ถ้ามีเวลา ควรพิจารณาปัจจัยต่างๆอีก แล้วลองทำ simulation factor ทำนองนี้ จะประเมินโอกาสของความเสียงกับโอกาสผลตอบแทนได้อย่างมีนัยยะขึ้น ถ้าเราสามารถใส่ตัวแปรเข้าไปใน simulation ได้อีก
  • simulation นี้ใช้บนเงื่อนไขที่ผมสนใจ เป็นแนวทางให้ผู้อยากทำทำนองนี้เข้าใจไอเดีย กับวิธีแบบของผม ดังนั้นอย่าติดอยู่กับวิธีครับ แล้วแต่ความคิดสร้างสรรค์กับความเข้าใจเรื่องแฟคเตอร์เลย เพียงแต่ทำแล้วที่เราต้องการคือ % ของความน่าจะเป็น (และมักจะเป็นความน่าจะเป็นทาง risk อย่างล้างพอร์ต หรือขาดทุน) จะเป็นเรื่องที่ควรทำเพื่อศึกษาระบบเป็นอันดับแรก
  • bet size ของการเทรดแบบที่มีความถี่บ่อยๆครั้งนี้ ผมมองว่าน่าจะมีปัจจัยตีกรอบเรื่องเวลาเข้ามามีส่วนอีก ซึ่งต้องหาทาง simulation ต่อไป

 

ส่วนด้านล่างนี้แปะไว้ก่อนครับ เป็นอีกส่วนที่กำลังสนใจทำ simulation มาศึกษา

The law of large numbers is a principle of probability according to which the frequencies of events with the same likelihood of occurrence even out, given enough trials or instances. As the number of experiments increases, the actual ratio of outcomes will converge on the theoretical, or expected, ratio of outcomes. ref

 

พบว่าตรงไหนผิด แย้งได้เต็มที่เลยครับ ได้แก้ให้ถูกและเข้าใจว่าผิดตรงไหน

สำหรับผู้ที่สนใจไฟล์ที่ผมใช้ทำ simulation เดี๊ยวไว้จะ pack ไปกับบทความแจกในช่วงปลายเดือนมีนาคมรอบเดียวไปเลยครับ เพราะว่าไฟล์นี้ยังแก้ไขอยู่เรื่อยๆ

บทความชุดนี้มีเนื้อหาเพื่ออธิบายให้ผู้อ่านเข้าใจถึงวิธีการลงทุน ด้วยการ Copy trade กับผู้ให้บริการ Myfxbook AutoTrade
ซึ่งเหมาะกับ – ผู้ไม่มีความรู้ในด้านเทคนิคคัล / ผู้มีความรู้ แต่ไม่มีเวลา โดยรูปแบบการลงทุนคือเลือกเทรดตามคนที่ทำผลงานการเทรดได้ดี ด้วยการดูข้อมูลทางสถิติ

คลิกที่นี่เพื่อเข้าสู่หน้ารวมรวมบทความล่าสุดในชุด Myfxbook AutoTrade http://www.tradeguideline.com/myfxbook_autotrade_overview/

หากมีความคิดเห็น – คำถาม – คำติชมใดๆ สามารถแนะนำมาได้ที่ช่อง Comment หรือ Inbox ได้เลยครับ
สนใจบทความการลงทุนในแนวนี้ สามารถติดตามได้ที่เพจ learntotradefx  ได้ครับ

 

 

 

 

 

 

%d bloggers like this: