แกะ Blueprint กองทุนโรบอท (ตอนที่ 2)

Think Algo

 

หลังจากใน ตอนที่ 1 เราได้เริ่มแกะ Blueprint ของกองทุนโรบอทขนาดใหญ่กันออกมาดูภาพรวมแล้ว บทความนี้เรามาต่อกันเลยครับ

 

จาก ตอนที่ 1 เราเห็นว่าสำหรับการพัฒนาระบบโรบอทที่ถูกต้องนั้น ควรเริ่มวางโครงสร้างกันตั้งแต่ ขั้นตอนที่หนึ่ง คือ การกำหนดขอบเขตของเงินทุนสูงสุดที่กองทุนนั้นๆ จะจัดการได้ เช่น Blue-Marlin จะดูแลเงินได้ในหลัก 5,000 ล้านบาท หรือ Blue Whale จัดการเงินระดับหมื่นล้านขึ้นไป

 

จากนั้นในขั้นตอนที่สอง จะทำการวางกรอบแนวคิดพื้นฐานของกอง แล้วทางทีมวิจัยก็จะเริ่มตีแนวคิดนั้นให้แตก แยกย่อยสู่กระบวนการการคัดกรองหุ้นในรูปแบบต่างๆ อาทิเช่น พิจารณาจาก Growth, Value, Volatility, หรือ Momentum (อ่านย้อนหลัง ที่นี่) ดังแสดงในรูป  ก่อนที่แต่ละกลุ่มนั้นจะมีการพัฒนาโมเดลย่อยๆ (sub-models) สำหรับเป็นกลยุทธ์การเข้าซื้อขายในรูปแบบต่างๆ ต่อไป

 

 

หากพิจารณาในกรณีของ Blue-Marlin Waldo (BMW) โครงสร้างกองทุนประกอบไปด้วยโมเดลย่อยกว่า 50 ตัว ซึ่งนอกเหนือจากเป็นการกระจายความเสี่ยง (diversification) แล้ว ยังเป็นการสร้างความยืดหยุ่นให้ระบบยังคงสร้างผลตอบแทนที่ดีได้แม้สภาพตลาดอาจเปลี่ยนไป ด้วยแต่ละโมเดลย่อยมีคาแรคเตอร์สำหรับการทำกำไรในสภาพตลาดที่แตกต่างกัน

 

อาจจะมองอย่างนี้ได้ครับว่า ความสำเร็จของกองทุนนั้น ไม่ได้มาจาก “พระเอกม้าขาว” เพียงต่อเดียว แต่นี่คือ “กองทัพ” ที่ประกอบไปด้วยขุนพลนักรบกว่า 50 ชีวิต พยายามช่วยกันหาช่องในการสร้างผลตอบแทน บางช่วงคนนึงอาจจะเหนื่อย เริ่มแผ่ว ก็จะมีอีกคนเข้ามาช่วย สลับกันไปแบบนี้ไปเรื่อยๆ ซึ่งแน่นอนว่าจะมีความยั่งยืนมากกว่าในระยะยาว เมื่อเทียบกับระบบพระเอกม้าขาว หรือ one-man show

 

 

ความเสี่ยงต้องอยู่ในวงจำกัด

 

จากประสบการณ์การดูแลนักลงทุนกลุ่มที่มีความมั่งคั่งสูง (high net worth) สิ่งหนึ่งที่เราเห็นได้ชัดเจน ก็คือ ผลตอบแทนจากการลงทุนไม่ใช่สิ่งแรกที่เค้าเหล่านั้นมองหา แน่นอนล่ะ ผลตอบแทนดีใครก็ชอบอยู่แล้ว แต่กลับเป็นคำถามที่ว่า ความเสี่ยงขาดทุนเป็นอย่างไร? เงินหามาไม่ง่ายครับ ดังนั้น เมื่อคิดจะทุ่มเงินก้อนนี้มาลงทุนแล้ว มันไม่ควรจะหดหายไป

 

แม้เราจะมีระบบโรบอทที่ฉลาดในการเลือกหุ้นเพียงใด แต่ในสภาวะวิกฤต หุ้นดีเพียงใดก็ฝืนขึ้นสวนทางตลาดได้ลำบาก ดังนั้น จำเป็นต้องอาศัยทักษะวิศวกรรมทางการเงินในการวางกลยุทธ์เพื่อป้องกันความเสี่ยง

 

ยกตัวอย่างเช่น สำหรับ Blue-Marlin Waldo เรามีการกันเงินส่วนหนึ่ง สำหรับปกป้องความเสี่ยงขาลงด้วยตราสารอนุพันธ์ ทำให้สบายใจได้ว่าระดับความเสี่ยงจะอยู่ในวงจำกัด

 

เช่นเคยครับ แม้กับตราสารอนุพันธ์ เราก็ไม่ฝากความหวังทั้งหมดไว้กับพระเอกม้าขาวคนเดียว แต่จะใช้เป็นกลุ่มโมเดลย่อย ในการวิเคราะห์สภาพตลาด ก่อนเปิดสถานะ short ตามเงื่อนไขที่แตกต่างกัน ดังแสดงในรูปข้างล่างครับ

 

 

โรบอทเข้ามามีความสำคัญตรงไหน

 

เอ๊ะ เขียนมาตั้งนาน ยังไม่เห็นมีอะไรเกี่ยวข้องกับโรบอท หรือ การใช้ความฉลาดจาก A.I. เลย ? มาลองดูในส่วนของ “โรบอท” กันก่อนละกันครับ

 

ถ้าย้อนกลับมาที่โครงสร้างของกองทุนจะเห็นว่า การที่มีโมเดลย่อยอยู่กว่า 50 โมเดล สมมุติเล่นๆ ว่าแต่ละโมเดลจะซื้อขายหุ้นประมาณ 10 ตัว นั่นหมายความว่า มีหุ้นกว่า 500 ตัวที่คุณต้องมาดูแลในแต่ละวัน (ในทางปฏิบัติ จะไม่ใช่หุ้น 500 ตัวสักทีเดียวนะครับ เพราะโมเดลย่อยอาจจะซื้อหุ้นตัวเดียวกันก็ได้ เพียงแต่อาจจะเป็นคนละช่วงราคา หรือช่วงเวลา) ถามว่าให้คนมานั่งเฝ้าหุ้นทั้งหมดนี้ไหวมั้ย?ด้วยเหตุผลนี้ครับ เราจึงจำเป็นต้องใช้งานโรบอท

 

อีกหนึ่งเหตุผลของความจำเป็นในการใช้โรบอท ก็คือ กระบวนการส่งคำสั่งซื้อขายของออเดอร์ขนาดใหญ่ (order executions) การซื้อหรือขายหุ้นทั้งหมดในครั้งเดียวจะส่งผลอย่างร้ายแรงต่อราคาหุ้น !!!

 

โรบอทจะมีอัลโกริธึมในการแบ่งออเดอร์ออกเป็นก้อนเล็กๆ แล้วทยอยซื้อขาย จะได้ไม่กระทบต่อราคามากจนเกินไป เช่น การใช้หลัก VWAP หรือ TWAP ซึ่งเป็นการทยอยส่งคำสั่งตาม volume profile ของหุ้นตัวนั้นๆ หรือตามเวลาระหว่างวัน

 

 

แล้ว A.I. มีประโยชน์ตรงไหน?

 

ถ้าระบบมี 50 โมเดลย่อย แบ่งเงินเท่าๆ กัน ก็แปลว่า แต่ละโมเดลจะดูแลเงินประมาณ 2% ของพอร์ต แต่จะดีกว่ามั้ย หาก A.I. สามารถคาดการณ์ได้ว่าโมเดลไหนกำลังมาแรง สร้างผลตอบแทนได้สูง และ โมเดลไหนเริ่มแผ่วลงมา?

 

ใช่แล้วครับ A.I. จะเป็นตัวขับเคลื่อนสำคัญในการให้น้ำหนักการลงทุนของแต่ละโมเดล หากตัวไหนดูมีอนาคตก็จะใส่เงินเข้าไปเยอะหน่อย ส่วนตัวไหนที่เริ่มแผ่วลงมาก็ลดน้ำหนักการลงทุนลงมา รวมถึงการปิดโมเดลย่อยบางส่วนไปเลย หากมีสถานการณ์บ่งชี้ว่า สภาพตลาดไม่เหมาะกับโมเดลย่อยนั้นๆ (ลองอ่านการใช้งาน A.I. ในส่วนอื่นๆ ได้ ที่นี่)

 

..สรุป..

 

เป็นอย่างไรบ้างครับ โรบอทในมุมของกองทุน เป็นเหมือนกับที่คิดไว้หรือเปล่า อย่างที่เคยเขียนไปว่า การบริหารเงินหลักพัน หรือ หมื่นล้าน ไม่ใช่เรื่องง่าย การพัฒนาระบบจึงจำเป็นต้องมีการวางโครงสร้างอย่างมีแบบแผน มีการลงทุนด้านข้อมูล โครงสร้างพื้นฐาน รวมถึง ด้านบุคลากรที่มีความรู้ความสามารถในด้านนี้โดยเฉพาะ

 

หวังว่าบทความทั้งสองตอนนี้จะเป็นประโยชน์ และ ทำให้นักลงทุนเข้าใจกระบวนการทำงานของกองทุนโรบอทมากขึ้นนะครับ สุดท้ายนี้ หากคิดว่าบทความนี้เป็นประโยชน์ ก็ฝาก like & share ด้วยนะครับจะได้เป็นกำลังใจในการเขียนบทความดีๆ มาให้อ่านกันต่อไป

 

โชคดีในการลงทุนครับ 

 

ป.ล. Think Algo เป็นบริษัทวิจัยและพัฒนากลยุทธ์การเทรดอัตโนมัติ แต่ไม่เกี่ยวข้องกับการซื้อขายกองทุน ดังนั้น หากสนใจผลิตภัณฑ์อันเป็นผลจากการวิจัยและพัฒนาของทางบริษัท แนะนำให้สอบถามกับทางที่ปรึกษาการลงทุนเลยครับ

 


คุณชอบบทความนี้ใช่ไหมแอด
LINE : @stock2morrow
เพิ่มเพื่อน
หรือ กรอก E-mailเพื่อรับบทความ
Think Algo

Think Algo เป็นบริษัท Fin-Tech ที่ค้นคว้าวิจัยและพัฒนาปัญญาประดิษฐ์ (Artificial Intelligence) สำหรับการลงทุน และเป็นศูนย์กลางการเรียนรู้การเทรดด้วยระบบอัลกอริทึ่ม (algorithmic trading) ติดตามเราได้ที่ think-algo.com และ FB: Think Algo