สถาบันข้อมูลขนาดใหญ่ (องค์การมหาชน)

Quantitative Hedge Fund สร้างผลตอบแทนเหนือตลาด จากข้อมูลมหาศาลได้อย่างไร?

Feb 6, 2023
Quant

หลาย ๆ ท่านที่สนใจด้านการลงทุน คงจะรู้จักหลักการลงทุนอย่าง Value Investing (VI) ซึ่งเป็นหลักการลงทุนที่นักลงทุนที่ประสบความสำเร็จระดับโลก อย่าง Warren Buffet, Peter Lynch, Charlie Munger และอื่น ๆ อีกหลายท่าน ยึดถือ ปฏิบัติ และ เผยแพร่ต่อสาธารณะชน  มาเป็นระยะเวลายาวนานหลายสิบปี

หลักการลงทุนที่ดูแสนเรียบง่ายนี้ มักจะเน้นไปที่การศึกษา ทำความเข้าใจ และประเมินมูลค่าธุรกิจ (หุ้น) ผ่านการประเมินปัจจัยเชิงคุณภาพต่าง ๆ เช่น ความได้เปรียบในการแข่งขัน การเข้ามาของคู่แข่งรายใหม่ อำนาจต่อรองของบริษัท พฤติกรรมของผู้บริโภค ประกอบกับการประเมินปัจจัยเชิงปริมาณ เช่น รายได้ และกำไรในอนาคตของกิจการ ซึ่งจะสะท้อนการเติบโตของกำไรในอนาคต เพื่อนำมาใช้ประกอบการตัดสินใจในการลงทุน ซึ่งล้วนต้องอาศัยการศึกษาวิจัย วิเคราะห์ข้อมูลปริมาณมาก เพื่อทำความเข้าใจสินทรัพย์นั้น ๆ รายตัวอย่างละเอียด

Quant Fund ใช้กลยุทธ์อะไร

วิธีการดังกล่าวนี้ แตกต่างอย่างสิ้นเชิงกับกับที่ Quant Fund (Quantitative Hedge Fund) อย่าง Renaissance Technologies, Citadel, Two Sigma และอื่น ๆ เลือกใช้ ซึ่งจะเน้นไปที่การสร้าง และใช้อัลกอริทึม เพื่อทำการตัดสินใจ ซื้อขาย หลักทรัพย์ต่าง ๆ โดยอัตโนมัติ ตามกลยุทธ์ต่าง ๆ ยกตัวอย่างเช่น

  • Statistical Arbitrage: เป็นการอาศัยคุณสมบัติ Mean Reversion ของมูลค่าของ Portfolio ของหลักทรัพย์ ซึ่งจะประกอบไปด้วย สถานะซื้อ (Long) และขาย (Short Sale) และมักจะประกอบไปด้วยหลักทรัพย์จำนวนมาก (หลักร้อยตัว) พร้อม ๆ กัน โดยหลักการในการตัดสินใจซื้อขาย คือ เมื่อ Portfolio ของหลักทรัพย์ มีมูลค่าต่ำกว่าค่าเฉลี่ยในระยะยาว จะทำการเปิดสถานะ (Position) และเมื่อ Portfolio ของหลักทรัพย์ มีมูลค่าสูงกว่าค่าเฉลี่ยในระยะยาว จะทำการปิดสถานะ เพื่อทำกำไร
  • Trend Following: เป็นการอาศัยคุณสมบัติ ของ Trend ราคาสินทรัพย์ต่าง ๆ เช่น สินค้าโภคภัณฑ์, อัตราแลกเปลี่ยน เป็นต้น โดยจะทำการเปิดสถานะซื้อ (Long) เมื่อระบบระบุว่าเป็น Trend ขาขึ้น และจะปิดสถานะเมื่อระบบระบุว่าเป็นจุดสิ้นสุดของ Trend หรือในทางกลับกัน สำหรับ Trend ขาลง จะทำการเปิดสถานะ Short เมื่อระบบระบุว่ากำลังเข้าสู่ Trend ขาลง และ ปิดสถานะ เมื่อสิ้นสุด Trend
  • Sentiment Analysis: เป็นการอาศัยการวิเคราะห์ข้อมูลข่าวสาร จากแหล่งข่าวที่น่าเชื่อถือต่าง ๆ รวมทั้งจาก Social Media Platform โดยจะทำการรวบรวมข้อมูลมหาศาลที่อยู่ในรูป Text และประยุกต์ใช้เทคนิคทาง Natural Language Processing ในการประมวลผลข่าวต่าง ๆ ให้อยู่ในรูปของค่าคะแนนของอารมณ์ตลาด โดยหนึ่งในวิธีการที่นำ Sentiment Analysis มาประยุกต์ใช้  เช่น ทำการเปิดสถานะซื้อ เมื่อคะแนนเป็นบวกสูง และปิดสถานะเมื่อคะแนนเริ่มเปลี่ยนเป็นค่าลบ

จากตัวอย่างทั้งสามวิธีข้างต้น จะเห็นได้ว่า หลักการในการลงทุน และตัดสินใจซื้อขายหลักทรัพย์ ของ Quant Fund นั้นล้วนต้องเริ่มต้นจากข้อมูลปริมาณมหาศาล ไม่ว่าจะเป็นข้อมูลทั่ว ๆ ไปเกี่ยวกับ ราคาหลักทรัพย์ และปริมาณการซื้อ ขาย ย้อนหลังหลายสิบปี, ข้อมูลปัจจัยพื้นฐานของบริษัท และกลุ่มธุรกิจ อุตสาหกรรมต่าง ๆ , ข้อมูลตัวเลขดัชนีชี้วัดเศรษฐกิจมหภาค เช่น GDP, อัตราเงินเฟ้อ, อัตราดอกเบี้ย เป็นต้น รวมทั้งยังใช้ ข้อมูลอื่น ๆ ที่กองทุนทั่วไป มักไม่ได้ให้ความสำคัญ เช่น ข้อมูลภาพถ่ายจากดาวเทียม/ภาพถ่ายทางอากาศ ซึ่งจะถูกนำมาประมวลผล เพื่อตรวจเช็ค และติดตามการเคลื่อนไหวของกิจกรรมทางเศรษฐกิจ เช่น การดำเนินงานของบริษัท ห้างร้าน หรือการเพาะปลูก เก็บเกี่ยว สินค้าโภคภัณฑ์ ต่าง ๆ หรือ ข้อมูลการสัญจรทางถนน เพื่อวัดระดับกิจกรรมทางเศรษฐกิจ และการขนส่ง เป็นต้น

ภาพถ่ายทางอากาศของทุ่งนา

Quantitative Trading มีวิธีการอย่างไร

ข้อมูลมหาศาลเหล่านี้ จำเป็นต้องถูกจัดการด้วยเทคนิคทางวิทยาศาสตร์ข้อมูล เช่น การทำความสะอาด หรือ การจัดการข้อมูลที่ผิดปกติ ซึ่งหากไม่ได้รับการจัดการ อาจส่งผลต่อประสิทธิภาพของโมเดล จากนั้นจึงทำการเตรียมความพร้อมข้อมูลก่อนที่จะนำข้อมูลเหล่านี้ ไปใช้ประกอบกลยุทธ์ต่าง ๆ เพื่อสร้างโมเดลหาสัญญาณซื้อ ขาย จากชุดข้อมูลที่มี และสร้างระบบอัลกอริทึมซื้อขายหลักทรัพย์ ซึ่งจะต้องผ่านการ Backtesting หรือการทดสอบระบบซื้อขาย ด้วยชุดข้อมูลในอดีตย้อนหลังหลายปี เพื่อตรวจสอบประสิทธิภาพของกลยุทธ์ที่ใช้ ด้วยตัวชี้วัดต่าง ๆ เช่น

  • ผลตอบแทนเฉลี่ยทบต้นรายปี
  • ความผันผวนของ Portfolio
  • Maximum Drawdown หรือสัดส่วนการลดลงของมูลค่า Portfolio ที่มากที่สุด จาก จุดสูงสุด ไป จุดต่ำสุด ก่อนจุดสูงสุดใหม่
  • Sharpe Ratio หรือดัชนีชี้วัดผลตอบแทนของ Portfolio เหนืออัตราผลตอบแทนปราศจากความเสี่ยง (เช่นพันธบัตรรัฐบาลระยะยาว) เทียบกับความผันผวนของผลตอบแทน

Quant Fund ประยุกต์ใช้วิทยาศาสตร์ข้อมูลอย่างไร

เช่นเดียวกับหลักการในวิทยาศาสตร์ข้อมูล เราจำเป็นต้องแบ่งชุดข้อมูลที่ใช้สร้างโมเดลการซื้อขาย ออกเป็น training set, validation set, และ test set โดยจะทำการสอนโมเดลด้วย training set หลังจากนั้นจึงทำ hyper-parameter tuning และทำการคัดเลือกโมเดลโดยใช้ validation set สุดท้ายจึงทำการทดสอบโมเดลด้วย test set ซึ่งเป็นข้อมูลที่โมเดลไม่เคยเจอมาก่อน หลังจากได้โมเดลที่ยอดเยี่ยมแล้ว จะเป็นการนำโมเดลที่ได้มาสร้างโปรแกรมซื้อขายหลักทรัพย์ โดยขั้นตอนนี้ เรื่องของความเร็วของการประมวลผลโปรแกรม และความเร็วในการเชื่อมต่อ และดำเนินการซื้อขาย จะมีผลอย่างมาก หลังจากนั้นจะเป็นเรื่องของการติดตามการทำงานของโมเดล และเพิ่มประสิทธิภาพการทำงานของโมเดล ให้มีผลตอบแทนที่สูงขึ้น และลดความเสี่ยงจากปัจจัยต่าง ๆ ไม่ว่าจะมาจากตัวกลยุทธ์ที่ใช้ จากวิกฤตในตลาด หรือจากตัวโปรแกรมซื้อขายที่สร้างขึ้นมา

บทส่งท้าย

จะเห็นได้ว่าหลักการในวิทยาศาสตร์ข้อมูล นอกจากจะสามารถนำมาประยุกต์ใช้ในธุรกิจต่าง ๆ เพื่อสร้างความเข้าใจเชิงลึก หรือสร้างโมเดลที่ตอบโจทย์มากมายได้แล้ว เมื่อนำมาประยุกต์ใช้ในโลกของการลงทุน สามารถสร้างผลตอบแทนเหนือตลาด ได้เป็นระยะเวลายาวนาน โดยตัวอย่างที่โด่งดังที่สุด คงหนีไม่พ้น The Medallion Fund ซึ่งบริหารโดย Renaissance Technologies ที่สามารถสร้างผลตอบแทนทบต้นต่อปี สูงถึง 71.8% (ก่อนหักค่าบริหารกองทุน) ระหว่างปี 1994 ถึงปี 2014 โดยความน่าสนใจของ Renaissance Technologies คือเป็น Hedge Fund ที่ประกอบไปด้วย นักคณิตศาสตร์ และนักวิทยาศาสตร์จำนวนมาก โดยที่พนักงานส่วนใหญ่ ไม่ได้มีพื้นฐานมาจากสายการเงิน เหมือนกองทุนทั่ว ๆ ไป

บทความโดย ปิ่นพงศ์ สุขแก้ว
ตรวจทานและปรับปรุงโดย ดวงใจ จิตคงชื่น

Pinphong Sukkaew

Data Scientist at Government Big Data Institute (GBDi)

Asst. Prof. Duangjai Jitkongchuen, PhD

Vice President, Manpower Development Division at Big Data Institute (Public Organization), BDI