แมงเม่ายุค 5.0 บินอย่างไรไม่ให้ติดดอย ติดปีกเม่าด้วย Machine Learning

Nuna Areena
Jun 7 · 8 min read

แมงเม่าบินไปหาแสงไฟ เพราะว่าหลงเข้าใจผิดคิดว่ากองไฟเป็นแสงไฟ ก็บินเข้าไปตายในกองไฟ

ในการลงทุนก็ไม่ต่างกัน ที่เราเรียกว่ากลุ่มแมงเม่านั้นหมายความว่า เขาถูกล่อด้วยกองไฟ(ผลประโยชน์) ให้เข้าไปในไฟ (ตลาดการลงทุน)

มือใหม่หัดเล่นหุ้น ที่ไม่มีความรู้และประสบการณ์ก็เอาเงินมาจมกับตลาดหุ้นนับไม่ถ้วน ถ้าไม่อยากเป็น “เม่า” ไม่อยากติดดอย ต้องทำอย่างไร

พวกเราคือนักเรียน Botnoi AI & Data Science Classroom III Group 4 + 7

จะมาขอแนะนำวิธีเล่นหุ้นแบบฉลาดๆ ด้วย Machine Learning กัน

ก่อนอื่นเราขอแนะนำสมาชิกในทีมกันก่อน

เรามาเข้าเรื่องกันเลยดีกว่า…

ว่าแต่ Machine Learning (ML) คืออะไร

Machine Learning (ML) คือ ความสามารถในการเรียนรู้โดยปราศจากชุดคำสั่งที่ชัดเจน เช่น ถ้าเราอยากประเมินราคาบ้านในเขตกรุงเทพฯ ซึ่งขึ้นอยู่กับปัจจัยหลายๆ อย่างเช่น ขนาดที่ดิน ทำเลที่ตั้ง จำนวนห้องนอน พื้นที่ใช้สอย และอื่นๆ เราสามารถบรรจุข้อมูลมากมายที่มีอยู่แล้วเหล่านี้เข้าสู่กระบวนการทำ ML เพื่อทำนายราคาบ้านได้ทั้งทั่วกรุงเทพฯ ได้อย่างใกล้เคียงความจริงโดยที่คุณไม่ต้องนั่งปวดหัวกับข้อมูลในมหาศาลใน Excel ที่กำลังจะค้างในไม่ช้า

ก่อนจะไปเทรดด้วย ML มาทำความเข้าใจกับการเล่นหุ้นเบื้องต้นก่อน

“หุ้น” (Stock)

คือ ตราสารที่กิจการออกให้แก่ผู้ถือ เพื่อระดมเงินทุนไปใช้ในกิจการ โดยผู้ถือหุ้นจะมีฐานะเป็น “เจ้าของ” ซึ่งจะมีส่วนได้เสียหรือมีสิทธิในทรัพย์สินและรายได้ของ กิจการ ได้รับผลตอบแทนเป็นเงินปันผลเมื่อกิจการมีกำไร และหากกิจการมีผลการดำเนินงานที่ดี ราคาหุ้นเติบโต ก็จะสามารถทำกำไรได้จากส่วนต่างราคาได้ด้วย แต่การลงทุนในหุ้นก็มีความเสี่ยงจากการผันผวนในราคาหุ้น ซึ่งถูกกำหนดจากสภาพเศรษฐกิจ อุตสาหกรรม และผลการดำเนินงานของบริษัท และเมื่อหุ้นถูกนำไปจดทะเบียนเพื่อซื้อขายในตลาดหลักทรัพย์ฯ ก็จะเข้าสู่กลไกตลาด มีแรงซื้อและแรงขายที่เกิดจากการ คาดการณ์ของผู้ลงทุนแต่ละคน ทำให้ราคาหุ้นที่เห็นในตลาดมีการเปลี่ยนแปลงขึ้นลงในแต่ละช่วงเวลา ซึ่งราคาหุ้นในตลาดอาจต่ำกว่า สูงกว่าหรือเท่ากับมูลค่าที่แท้จริงก็ได้

SET Index หรือ ดัชนีราคาหุ้นตลาดหลักทรัพย์ฯ

คือ ดัชนีที่สะท้อนความเคลื่อนไหวของราคาหุ้นในตลาดหลักทรัพย์ฯ ทั้งหมด ซึ่งตัวเลขที่ปรับตัวเพิ่มขึ้นหรือลดลงในแต่ละวันเป็นเหมือนตัวชี้วัดให้นักลงทุนเห็นว่าภาพรวมของตลาดหุ้นในวันนั้นๆ เป็นเช่นไร

SET100 คือ ดัชนีที่ใช้แสดงระดับราคาหุ้นสามัญ 100 ตัว โดยคัดเลือกกลุ่มหลักทรัพย์ที่มีมูลค่าตามราคาตลาด (Market Capitalization) และสภาพคล่องในการซื้อขายสูงสุด 100 อันดับแรก

SET100 มีบริษัทอะไร อยู่ใน Sector ไหน

ดูเพิ่มเติมได้ที่ หุ้น SET100 มีอะไรบ้าง? (blockdit.com)

หุ้นเหมือนกับสิ่งมีชีวิต ที่มีขึ้นย่อมมีลงและเกิดแรงเหวี่ยง จนอาจทำให้นักลงทุนที่ไม่ทันระวังตัวได้รับบาดเจ็บ ดังนั้น ก่อนตัดสินใจลงทุนต้องเข้าใจแนวโน้มตลาดหุ้นว่าเป็นขาขึ้นหรือขาลง ซึ่งเรามักจะเรียกตลาดหุ้นขาขึ้นว่าตลาดกระทิง และตลาดหุ้นขาลงว่าตลาดหมี เพราะกระทิง เวลาต่อสู้ ใช้หัวจะขวิดขึ้น ส่วนหมีเวลาต่อสู้ ใช้มือตะปบลง โดยปัจจัยที่มีผลต่อสภาวะตลาด ได้แก่ ดัชนีเศรษฐกิจมหภาค; การปรับเพิ่มขึ้นของหุ้นกลุ่มผู้นำตลาด, การเพิ่มค่าของสินทรัพย์เสี่ยงสูง เช่น ทองคำ, อสังหาริมทรัพย์ และหุ้น รวมถึง Crypto currency และการปรับตัวขึ้นของดัชนีตลาดหุ้นทั้งแผง

สภาพตลาดหุ้นไทย (ข้อมูล ณ วันที่ 4 มิ.ย. 64)

ตลาดหลักทรัพย์แห่งประเทศไทย(ตลท.) สรุปภาพรวมอัตราเงินปันผลตอบแทน (Market Dividend Yield) ของตลาดหลักทรัพย์ไทย (SET) ณ วันที่ 4 มิถุนายน 2564 อัตราเงินปันผลตอบแทนของ SET อยู่ที่ 2.24% และ mai อยู่ที่ 1.68% ซึ่งต่ำกว่าเดือนที่ผ่านมา

ดัชนีหุ้นไทยปิดอยู่ที่ระดับ 1,611.53 จุด ลดลงจากวันก่อนหน้า 6.02 จุด (-0.37%) มูลค่าการซื้อขายรวมทั้งสิ้น 106,351.03 ล้านบาท ซึ่งสถานะตอนนี้ถือว่าตลาดฯ อยู่ในระดับฟื้นตัวขึ้นมาจากเมื่อเดือนก่อน ที่ปรับฐานลงไปค่อนข้างแรง

สิ่งที่น่าจับตามอง ในช่วงนี้ น่าจะเป็นการฉีดวัคซีนต้านโควิดหลังนายกรัฐมนตรียืนยันว่า 7 มิ.ย. มีวัคซีนแอสตร้าเซนเนก้าอย่างแน่นอน คาดว่าจะช่วยหนุนตลาดฯให้เป็นบวกได้ รวมถึงส่งผลดีต่อหุ้นที่ได้รับประโยชน์จากการเปิดประเทศในระยะสั้นอีกด้วย

แต่ขณะเดียวกันก็ยังมีความกังวลของนักลงทุนที่เกรงว่าข้อมูลการจ้างงานเชิงบวกของสหรัฐฯจะทำให้ธนาคารกลางชะลอมาตรการกระตุ้นเศรษฐกิจ และแรงกดดันด้านราคาจะบีบให้เฟดปรับเปลี่ยนนโยบายการเงินในปัจจุบัน

หลังจากเข้าใจปัจจัยที่ส่งผลกระทบต่อตลาดหุ้น และประเมินสภาวะตลาดหุ้นปัจจุบันแล้ว นักลงทุนควรสำรวจตัวเองก่อนการลงทุน เพราะไม่ว่าสภาวะตลาดหุ้นจะอยู่ในลักษณะไหน หากนักลงทุนศึกษาหาความรู้ตลอดเวลา รู้จักสินทรัพย์ที่ตัวเองลงทุน มีวินัย และเลือกกลยุทธ์การลงทุนที่เหมาะสม ใช้เหตุผลในการตัดสินใจลงทุน นักลงทุนก็มีโอกาสจะประสบความสำเร็จมากกว่าล้มเหลว

คุณเป็นนักลงทุนแบบไหน?

นักลงทุนมีหลายประเภท ก่อนการลงทุนมาสำรวจตัวเองก่อน ว่าคุณเหมาะสมกับการลงทุนประเภทใด พิจารณาระดับความเสี่ยงที่ยอมรับได้ ทั้งในแง่ทัศนคติต่อการลงทุน อายุ ฐานะการเงิน ความอดทนต่อการขาดทุน และเวลา โดยทั่วไปเราแบ่งนักลงทุนเป็น 3 ประเภทหลัก ได้แก่

  • นักลงทุนระยะสั้น Day Trade เน้นเก็งกำไรระยะสั้นๆ จบในวัน ไม่ข้ามคืน เน้นหากระแสเงินสด หยุดการขาดทุนให้เร็วที่สุด (Cut Loss) โดยส่วนมากไม่เกิน 2 เปอร์เซ็น สมมุติว่าเราซื้อหุ้นมา ราคา 100 บาท หากราคาต่ำกว่า 98 บาทเราจะทำการขายทิ้งทันที กลยุทธ์นี้จะต้องมีเวลาพอ ต้องติดตามข่าว และเฝ้าหน้าจออย่างต่อเนื่อง
  • นักลงทุนแบบเล่นเป็นรอบ Swing Trade เน้นเก็บกำไรคำเล็กๆจากรอบการแกว่งตัวของราคาในช่วงระยะสั้นถึงระยะกลาง ถือเป็นรอบๆ 3–5 วัน หรือเป็นอาทิตย์ตามรอบของหุ้นนั้นๆ
  • นักลงทุนระยะยาว Run Trend/Valued Investor เน้นถือยาวจนกว่ากราฟจะเป็นขาลง ดูงบ ดูพื้นฐาน ดูอนาคตของบริษัท

แล้วเราจะเลือกเล่นสั้นหรือยาวดี หลักๆ คือ เทรด Time Frame ไหน ก็แล้วแต่ คุณต้องมีเวลามาดูแลมัน อย่างน้อย 1–2 ครั้งต่อ Period เช่น ถ้าคุณสามารถดูกราฟ ได้วันละ 2 ครั้ง เช้า เย็น ก็ใช้ Time Frame Day ในการเทรด ถ้าเป็นนักลงทุน full time มีเวลานั่งเฝ้าหน้าจอหลายชั่วโมง ก็อาจจะเลือก Time Frame รายชั่วโมง ส่วนคนเล่นหุ้นระยะยาว ก็ดูกราฟ Time Frame Week ตอนต้นสัปดาห์ และปลายสัปดาห์ก็พอ สิ่งสำคัญที่สุดคือคุณควรจะต้องเลือก Time Frame ที่จะเทรด ให้เหมาะสมกับการใช้ชีวิตของคุณ อย่าช้าไป เร็วไป

เลือกสไตล์การลงทุนที่ใช่

สไตล์การลงทุนที่มีแนวทางชัดเจน ถือเป็นสิ่งสำคัญ ซึ่งจะทำให้เราสามารถยึดเหนี่ยว ไม่ลงทุนอย่างไร้กระบวนท่า โดยทั่วไปจะแบ่งออกเป็น 2 สไตล์หลักๆ คือ

  • สายเน้นคุณค่า (Value Investment : VI)

มักจะมองการลงทุนในระยะยาว จะสนใจพื้นฐานของกิจการนั้นเป็นหลัก ซึ่งสิ่งที่นักลงทุน VI ให้ความสำคัญมากที่สุด คือ ความคุ้มค่า โดยจะศึกษาข้อมูลของบริษัท วิเคราะห์แนวโน้ม ความได้เปรียบทางธุรกิจ รวมถึงข้อมูลผู้บริหาร และจะเลือกซื้อหุ้นเมื่อพบว่าราคาหลักทรัพย์ต่ำกว่ามูลค่าตามปัจจัยพื้นฐาน นักลงทุนที่เป็นที่รู้จักในสายนี้ เช่น วอร์เรน บัฟเฟตต์, เบน เกรเฮม, ดร.นิเวศน์ เหมวชิรวรากร

  • สายเทคนิค (Technical Analysis)

นิยมเล่นหุ้นในระยะสั้น โดยดูพฤติกรรมของราคาหุ้นเป็นหลัก อาศัยข้อมูลการซื้อขายในอดีตทั้งราคาและปริมาณการซื้อขาย มาใช้ในการวิเคราะห์เพื่อทำนายทิศทางราคาหุ้นในอนาคต รวมถึงอาศัยข่าว การอ่านกราฟสัญญาณเทคนิค เพื่อเข้าเก็งกำไรหุ้นแต่ละตัวเป็นหลัก นักลงทุนในสายนี้ เช่น จอห์น เมอร์ฟี, ลุงโฉลก สัมพันธ์ธารักษ์

การวิเคราะห์ด้วยปัจจัยบริษัทพื้นฐานหรือการดูบริบทการบริหารงาน (Fundamental Analysis) จะช่วยให้เราค้นหาบริษัทที่มีศักยภาพในการทำกำไรแบบระยะยาว แต่จะไม่สามารถตอบคำถามได้โดยตรงว่าเราควรจะซื้อหุ้นนี้ตอนไหน ดังนั้นนักลงทุนบางรายจะลงทุนแบบ Hybrid คือ เลือกหุ้นจากพื้นฐานและเข้าออกโดยดูสัญญาณเทคนิค

เนื่องจากโจทย์ของ DSE#3 สัปดาห์นี้เป็นการทำนายราคาหุ้นและหากำไรในระยะสั้น ตามเงื่อนไขด้านล่างนี้ และใน part ต่อไปเราจึงจะเน้นที่การวิเคราะห์หุ้นเชิงเทคนิค

  1. มีระยะเวลาในการสร้างโมเดล สำหรับการวิเคราะห์หุ้น ประมาณ 2 สัปดาห์ โดยใช้ความรู้จากกระบวนการ Data Science
  2. ใช้ Machine Learning ในการวิเคราะห์ รวมถึงมีการใช้เทคนิค Trend Forecasting เพิ่มด้วย
  3. เลือกวิเคราะห์หุ้นที่อยู่ใน SET100 เนื่องจากมีสภาพคล่องสูง ซื้อขายง่าย
  4. หุ้นที่จะเลือกใช้ทำการซื้อขายต้องมีราคาต่อหุ้นไม่เกิน 200 บาท เนื่องจากมีการจำกัดงบการซื้อที่ 20,000 บาท (ปกติซื้อหุ้นขั้นต่ำคือ 100 หุ้น )
  5. ต้องส่งชื่อหุ้นที่เลือกใช้ทำการซื้อขาย ในวันศุกร์ ที่ 4 มิถุนายน 2564
  6. จะทำการซื้อหุ้นตัวที่เลือก ในวันจันทร์ ที่ 7 มิถุนายน 2564 และทำการขายในวันจันทร์ ที่ 14 มิถุนายน 2564 (เท่ากับว่ามียะเวลาซื้อขายเพียง 1 สัปดาห์)

การวิเคราะห์หุ้นเชิงเทคนิค

การวิเคราะห์หุ้นแบบเชิงเทคนิคมีเครื่องมือหรืออาวุธในการเทรดที่หลากหลาย นักลงทุนสามารถพิจารณาเลือกใช้จากความถนัดและความเหมาะสม ไม่ว่าจะเป็น ดัชนีชี้วัด (Indicators), แนวโน้ม (Trend), รูปแบบราคา (Chart Patterns), แนวรับ-แนวต้าน (Support & Resistance) และ รูปกราฟ (Candlestick)

1. ดัชนีชี้วัดในหุ้น (Technical Indicators) คือ เครื่องมือที่จะนำข้อมูลของหุ้นมาผ่านการคำนวณตามหลักทางคณิตศาสตร์เพื่อนำเสนอ แบ่งแยก หรือจัดเรียงข้อมูลตัวเลขนั้นๆ ออกมาให้เราได้ศึกษาได้อย่างเข้าใจมากยังขึ้น แบ่งออกได้เป็น 3 ประเภท

1.1 ดัชนีชี้วัดทิศทางแนวโน้มการเคลื่อนที่ของหุ้น (Trend Following) คือ การประเมินภาพรวมของราคาที่มีการเปลี่ยนแปลง ที่จะช่วยให้เข้าใจสภาพตลาดในปัจจุบัน เช่น MACD, Moving Average, SAR เป็นต้น

1.2 ดัชนีชี้วัดที่คำนวณแรงเหวี่ยงของราคา (Momentum) มักจะนำมาใช้ในการพิจารณาวัดระหว่างราคาล่าสุดกับราคาก่อนหน้า โดยระยะห่างระหว่างจะมีค่าอยู่ที่ 0 ถึง 100 และนำเสนอสัญญาณของ Overbought (โซนที่มีการซื้อเป็นจำนวนมาก ซึ่งจะทำให้เกิดแรงขายกลับคืนมา) กับ Oversold (โซนที่มีการขายเป็นจำนวนมาก ซึ่งจะทำให้เกิดแรงซื้อกลับคืนมา) เครื่องมือประเภทนี้จะเป็นพวก RSI, CCI และ Stochastics เป็นต้น ซึ่งถ้าค่าของ Momentum มีค่าต่ำกว่า 100 นั่นคือสัญญาณของทิศทางราคาต่ำลง เพราะแท่งเทียนปิดราคาล่าสุดต่ำกว่าในอดีต ในทางกลับกันถ้าค่าของ Momentum มีค่าสูงกว่า 100 นั่นคือสัญญาณของทิศทางราคาสูงขึ้น เพราะแท่งเทียนปิดราคาล่าสุดสูงกว่าในอดีต

  1. 3 ดัชนีชี้วัดความผันผวนของราคา (Volatility) ดัชนีประเภทนี้จะนำมาใช้ในการวัดความผันผวนหรือการขึ้นลงของราคา โดยนักลงทุนจะใช้เครื่องมือเหล่านี้ในการหาโอกาสเพื่อทำการซื้อขาย ซึ่งส่วนใหญ่แล้วมักจะเป็นช่องทางที่ทำกำไรได้อย่างคุ้มค่า เทรดเดอร์ทั้งหลายจึงนิยมใช้เครื่องมือคุณภาพชิ้นนี้เป็นหลัก เช่น ATR, Bollinger Bands, และ Historical Volatility เป็นต้น

2. การดูกราฟ

2.1 แท่งเทียน( candlestick)

ในส่วนประกอบของกราฟ นั้นมีอะไรกันบ้าง

❶ ราคาเปิด เป็นราคาที่ซื้อขายตั้งแต่แรกที่เกิดขึ้นตั้งแต่เปิดตลาด

❷ ราคาสูงสุด เป็นการเคลื่อนไหวของราคาหุ้นใน ระดับราคาที่สูงสุดในวันที่ทำการ

❸ ราคาต่ำสุด เป็นการเคลื่อนไหวของราคาหุ้น ใน ระดับราคาที่ต่ำสุดในวันที่ทำการ

❹ ราคาปิด เป็นราคาสุดท้ายในวันที่ซื้อขายหุ้นสิ้นสุดลงของวัน

หากวันไหน ราคาปิดสูงกว่าราคาเปิด ตัวแท่งเทียนจะเป็นแท่งโปร่ง(บางโปรแกรมใช้แท่งสีเขียว)

และหากวันไหน ราคาปิดต่ำกว่าราคาเปิด ตัวแท่งเทียนก็จะเป็นแท่งทึบ (บางโปรแกรมใช้แท่งสีแดง)

2.2 แนวโน้มหุ้น คือ แนวโน้มขึ้น, แนวโน้มลง, แนวโน้มเคลื่อนที่ไปข้าง

การเคลื่อนไหวของราคาหุ้นในแต่ละวันจะมีแนวโน้มแตกต่างกันออกไป

โดยหลักๆ จะแบ่งออกเป็น 3 แบบ ได้แก่

แนวโน้มขึ้น (Uptrend)

ราคาหุ้นสูงสุดจะอยู่ในระดับที่สูงกว่าราคาสูงสุดครั้งก่อน หรือราคาหุ้นต่ำสุดก็จะอยู่สูงกว่าราคาหุ้นต่ำสุดครั้งก่อน ทิศทางการเคลื่อนที่ของราคาจะสูงขึ้นอย่างต่อเนื่อง เป็นสัญญาณบอกว่า ราคาหุ้นกำลังขึ้น

แนวโน้มลง (Downtrend)

ราคาหุ้นต่ำสุดจะอยู่ในระดับที่ต่ำกว่าราคาต่ำสุดครั้งก่อน หรือราคาหุ้นสูงสุดก็จะอยู่ต่ำกว่าราคาหุ้นสูงสุดครั้งก่อน ทิศทางการเคลื่อนที่ของราคาจะลดลงอย่างต่อเนื่อง เป็นสัญญาณบอกว่า ราคาหุ้นกำลังลง

แนวโน้มเคลื่อนไปข้างหน้า หรือ แนวโน้มราบ (Sideways)

ราคาหุ้นที่สูงขึ้นครั้งใหม่ จะเท่ากับที่เคยสูงขึ้นครั้งก่อน หรือราคาหุ้นต่ำสุดครั้งใหม่ จะเท่ากับหรือ ใกล้เคียงกับราคาที่ต่ำสุดครั้งก่อน โดยทิศทางการเคลื่อนไหวของราคาจะอยู่ในกรอบแคบๆ เป็นสัญญาณบอกว่า ราคาหุ้นไม่ค่อยเปลี่ยนแปลงมากนัก อาจเพราะไม่มีปัจจัยบวกหรือลบมาทำให้ทิศทางเปลี่ยน

2.3 แนวรับ-แนวต้าน (Support & Resistance) คือ ระดับของราคาที่ถูกประเมินว่า มีความสำคัญต่อการเคลื่อนไหวของราคา

แนวรับ (Support)

เส้นที่ลากไว้เพื่อแสดงว่าเป็นแนวต่ำสุดของราคาที่เป็นไปได้ หรือก็คือราคาจะไม่พุ่งตกลงต่ำกว่าเส้นนี้นั่นเอง นักลงทุนใช้เพื่อทำนายว่าในกรณีที่ราคาตกลงเข้าใกล้แนวรับหรือค่านี้ นั่นแสดงว่ามันใกล้ถึงเวลาที่ราคาจะตีกลับหรือพุ่งขึ้น ทำให้เขาเปิดออร์เดอร์ Buy

แนวต้าน (Resistance)

เส้นหรือแนวที่อยู่ตรงข้ามกับแนวรับ เป็นเส้นที่บ่งบอกถึงจุดสูงสุดของราคาที่สามารถขึ้นไปได้ หมายความว่ากราฟราคาจะไม่พุ่งสูงกว่าแนวนี้ (จากข้อมูลย้อน) โดยการกำหนดเส้นแนวต้นนั้นคือการใช้พีคหรือจุดสูงสุดของ Trend Line 3 พีค มาเป็นตัวกำหนด หากพบว่าราคานั้นกำลังเข้าใกล้แนวหรือจุดสูงสุดนี้ นั่นแสดงว่ามันกำลังมีแนวโน้มที่จะตีกลับ เราก็สามารถเปิดออร์เดอร์ Sell

2.4 Chart Pattern เป็นอีกหนึ่งเทคนิคการวิเคราะห์กราฟราคาหุ้น โดยอาศัยการสังเกตุรูปแบบการเคลื่นไหวของตลาด คล้ายกับเทคนิคของ Candle Stick แต่เป็นการอ่านภาพรวมที่ใหญ่กว่า โดยรูปแบบราคาสามารถแบ่งออกเป็น2 แบบ ได้แก่

รูปแบบกลับตัว (Reversal Pattern)

เมื่อราคาวิ่งขึ้นหรือลงในทิศทางที่ชัดเจน จากนั้นชะลอตัวเกิด Pattern ได้สำเร็จ ราคาจะเปลี่ยนทิศทางจากขาขึ้นเป็นขาลง หรือ จากขาลงเป็นขาขึ้น

รูปแบบต่อเนื่อง (Continuous Pattern)

เมื่อราคาวิ่งขึ้นหรือลงในทิศทางที่ชัดเจน จากนั้นชะลอตัวเกิด Pattern ได้สำเร็จ จะเป็นการยืนยันว่าราคาจะเคลื่อนที่ไปในทิศทางเดิม

หลังจากเข้าใจพื้นฐานของการลงทุนในตลาดหุ้นแล้ว เรามาทำความเข้าใจกับข้อมูลที่เราจะใช้ทำนายหุ้นกัน

Time series (อนุกรมเวลา)

ราคาหุ้นเป็นข้อมูลที่ผันแปรตามระยะเวลา ข้อมูลเช่นนี้เราเรียกว่า อนุกรมเวลา หรือ Time series ซึ่งการวิเคราะห์อนุกรมเวลานั่นหมายถึง การวิเคราะห์ความผันแปรตามลำดับเวลา โดยการแปรผันจะเกิดจากปัจจัยดังต่อไปนี้

  • ค่าแนวโน้ม (Long Term Trend : T)
  • การผันแปรตามฤดูกาล (Seasonal Variation : S)
  • การผันแปรตามวัฎจักร (Cyclical Variation : C)
  • การผันแปรเนื่องจากเหตุการณ์ไม่ปกติ (Irregular Variation: I)

ข้อมูลอนุกรมเวลา อาจได้รับอิทธิพลของปัจจัยที่เป็นส่วนประกอบของอนุกรมเวลาทั้ง 4 ปัจจัยหรือเพียงปัจจัยใดปัจจัยหนึ่งเท่านั้น การวิเคราะห์จึงควรแยกวิเคราะห์ทีละปัจจัยดังนี้

  1. ค่าแนวโน้ม (Long Term Trend : T) เป็นการแสดงถึงการเคลื่อนไหว หรือเปลี่ยนแปลงของข้อมูลในอนาคตของตัวแปร โดยพิจารณาจากแนวโน้มในอดีต หรือพูดง่ายๆ ก็คือ ทำนายพฤติกรรมในอนาคตโดยพิจารณาจากข้อมูลในอดีต เช่น ปริมาณการใช้ไฟฟ้าของประเทศไทย, ปริมาณการนำเข้าน้ำมันดิบ เป็นต้น
  2. การผันแปรตามฤดูกาล (Seasonal Variation : S) หมายถึงการเปลี่ยนแปลงตามฤดูกาล โดยอาจเกิดขึ้นซ้ำ ๆ กันในรอบ 1 ปี จนกลายเป็นแบบแผนเดียวกัน เช่น ผลผลิตข้าวจะสูงในช่วงไตรมาสแรกของปี , ยอดขายของห้างสรรพสินค้าจะสูงในช่วงปลายปี, เป็นต้น ในการวิเคราะห์การผันแปรตามฤดูกาลนี้จะวัดออกมาในรูปของดัชนีฤดูกาล(Seasonal Index)
  3. การผันแปรตามวัฎจักร (Cyclical Variation: C) หมายถึง การเคลื่อนไหวที่เป็นไปตามวัฎจักร (เช่นวัฎจักรธุรกิจ) ซึ่งการเคลื่อนไหวตามวัฎจักรนี้ จะมีลักษณะคล้ายกับการผันแปรตามฤดูกาล แต่จะมีระยะเวลาที่ยาวนานกว่า
  4. การผันแปรเนื่องจากเหตุการณ์ไม่ปกติ (Irregular Variation: I) การผันแปรชนิดนี้ไม่แน่นอน ไม่สามารถคาดการณ์ได้ล่วงหน้า เช่น ภัยธรรมชาติ สงคราม การนัดหยุดงาน เป็นต้น

Source : https://www.logisticafe.com/2009/08/time-series-analysis/

การพยากรณ์หุ้น

เริ่มเข้าเรื่องการวิเคราะห์หุ้นด้วย AI

ในการพยากรณ์หุ้นเพื่อทำให้ได้อัตราผลกำไรสูงสุดในครั้งนี้ เรามีกระบวนการทำงานดังต่อไปนี้

1. Data Collection :

  • ทำการคัดเลือกกลุ่มหลักทรัพย์ที่จะมาทำการลงทุน เราใช้เกณฑ์คัดเลือกจากหลักทรัพย์ ที่มีมูลค่าตามราคาตลาด (Market Capitalization) และสภาพคล่องในการซื้อขายสูงสุด 100 อันดับแรก หรือ SET100
  • ทำการจัดกลุ่มของหุ้น ตามประเภทอุตสาหกรรม (Industry) ได้แก่ Agro & Food Industry, Financials, Industrials, Property & Construction, Resources, Services, Technology และแบ่งตาม Sector ของประเภทอุตสาหกรรมนั้นๆ

2. Data Preparation:

  • รวบรวมข้อมูลหุ้นแต่ละตัว ตั้งแต่วันที่ 1/1/2019 จนถึงวันที่ 4/6/2021 พร้อมทั้งราคาปิด ณ วันที่ 4/6/2021 และทำการพยากรณ์ราคาปิดของหุ้นแต่ละตัว จำนวนหุ้นที่สามารถซื้อได้ ภายใต้งบประมาณ 20,000 บาท และกำไรที่ได้ในอีก 5 วันทำการข้างหน้า
  • การรวมข้อมูลราคาหุ้น ประเภท industry และ sector เพื่อทำการคำนวณปริมาณหุ้นในแต่ละ Sector เป็นรายวัน และนำข้อมูลทั้งหมดมารวมกัน เพื่อให้ได้ Volume รวมของ Sector นั้นมาเป็น Feature ที่คาดว่าจะมีผลกับ Volume ของหุ้นและราคาของตัวนั้นๆ

เนื่องจากเราได้ตั้งสมมุติฐานไว้ว่า “ถ้าหุ้นตัวไหนที่มี Volume แรงๆ น่าจะทำให้ได้กำไร ระยะ 5 วันตามโจทย์มากกว่าการวิเคราะห์ AI หรือ Tecnical อื่นๆ”

  • การเพิ่ม Feature เราก็ไม่ประมาทเรื่อง Technical Indicator อื่นๆ จึงไปหา Function ที่รวบรวม Indicator หลายๆตัวได้ เพื่อให้ Model หาหาความสัมพันธ์ต่อไป

TA Add All Indicator

จากที่เราใช้ TradingView ในการวิเคราะห์มาตลอดนั้น พบ Indicator ที่ถูกปรับปรุงให้ดูง่ายขึ้นนั้น ควรนำมาเป็น Indicator หลักของการทำ Model ได้ดังภาพตัวอย่าง มาเป็น 4 ตัวหลักๆ ดังนี้

  1. Squeeze On (ชื่อว่า “SQZMOMv2” ชื่อเต็มๆ Squeeze Momentum Indicator โดยพัฒนามาจาก [LazyBear] Version2 และ KıvanÇ fr3762)
  2. CDC version 3 (ชื่อว่า “CDC ActionZone V3 2020” โดยพัฒนาต่อมาจาก “Kitti-Playbook Action Zone V.4.2.0.3 for Stock Market”
  3. Sigma Spikes ชื่อว่า “Sigma Spikes” ของ Adam H. Grimes
  4. Volume Weighted MACD [LazyBear] ชื่อว่า “VWMACD_LB” เต็มๆว่า Volume Weighted MACD ของ [LazyBear]

วิธีการที่เราเอามาใช้ (ซึ่งค่อนข้างถึกนิดนึง) คือ เอา PINE Script ที่ใช้ใน TradingView มาแปลงให้เป็น Python และได้ค่าที่ต้องการ ดังภาพตัวอย่างนี้ (จึงอาจจะเป็นไอเดียให้เพื่อนๆ ที่อยากลองดูเป็นตัวอย่างได้นะ)

  • หา Feature ใหม่ เนื่องจาก โจทย์เราต้องการกำไรที่ได้จากการขายหุ้น ที่ซื้อมา 5 Preriod days ก่อนหน้า เราจึงสร้าง Feature เพื่อหากำไร หากซื้อหุ้น 5 วันก่อนหน้า มาเป็น Feature และตั้งชื่อว่า Profit if buy 5 days ago

Colab : DSE3 group4+7 Stock prediction.ipynb

เราได้เลือกใช้ข้อมูลในช่วงหลังจากวันที่ 1 เมษายน 2020 ถึง วันที่ 4 มิถุนายน 2021 (วันส่งชื่อหุ้น ตามกติกาของ BOTNOI) ซึ่งสาเหตุที่เราเลือก ใช้ข้อมูลตั้งแต่ 1 เมษายน 2020 เนื่องจาก เป็นเดือนที่สถานการณ์โควิด19 เริ่มระบาด ถ้าเราเลือกข้อมูลก่อนหน้านี้ มาทำการ Training ข้อมูลอาจจะเรียนรู้ข้อมูลสถานการณ์ก่อน โควิดระบาดได้

แล้วนำค่า Feature ต่างๆ เก็บไว้ในตาราง

เนื่องจากหน่วยหรือค่า ของแต่ละคอล์ม มีความแตกต่างกันค่อนข้างมากเช่น ถ้าข้อมูลทางด้านราคา จะมีหน่วยเป็นบาท ข้อมูลที่เป็น volumn จะมีหน่วยเป็น unit ดังนั้นเราจึงทำการ Normalization เพื่อเปลี่ยน scale ให้อยู่ในรูปแบบเดียวกัน โดยเราทำการเปลี่ยนรูปแบบของข้อมูลให้อยู่ในรูป การเปลี่ยนแปลงของเปอร์เซ็น (percentage change)ก่อนจะนำข้อมูลไปใส่ในโมเดล ในขั้นตอนต่อไป

3. Train model

หลังจาก clean model แล้ว เราจึงทำการ แบ่ง model ออกเป็น 2 ส่วน

1. Cross-sectional data model

Model ที่ใช้ Cross-sectional data คือ การเอา Feature ทีไ่ด้จาก Indicators 127ตัว ของหุ้นเหล่านั้น มา Predict การเปลี่ยนแปลงกำไร ซึ่งในส่วนนี้ เราได้ทำการทดสอบ 4 โมเดล คือ Multiple linier Regression, XG Boost Regression, Random forest Regression, และ Long short-term memory (LSTM) ซึ่งการทำในลักษณะนี้เนื่องจาก เราพบว่าข้อมูลหุ้นแต่ละตัว มีลักษณะข้อมูลที่ต่างกัน

ดังนั้น การใช้โมเดลที่ต่างกันจึงมีผลต่อการพยากรณ์กำไรที่ได้จากการขายหุ้น

แต่อย่างไรก็ตาม หลังจากที่เราทำการ Random หุ้นเพื่อมาทดสอบ Model ทั้ง4 แล้ว เราจึง ทำการ Evaluate Model โดยใช้ (Root Mean Squre Error :RMSE) ซึ่งพบว่า ผลการประเมิน ในแต่ละหุ้นออกมาได้ ไม่เท่ากัน แต่จะมี 2 กรณี คือ

ค่า RMSE

*LSTM <Random forest Regression<XG Boost Regression<Multiple linear Regression

หรือ

*LSTM <XG Boost Regression<Random forest Regression<Multiple linear Regression

ซึ่งจะพบว่า ในกรณีของ LSTM นี้ มีค่า RMSE น้อยที่สุด ในทุก กรณี
และจากการที่เรา ไปสำรวจ Medium และ Kaggle ที่มีบทความเกียวกับ stock price prediction ก็พบว่า model LSTM เป็น หนึ่งใน State of the art model ใน machine learning ที่ใช้ในการพยากรณ์ stock price ด้วย Deep learning และเป็น Model ที่เหมาะกับ data ที่เป็น Sequence กล่าวคือผลของ sequence ก่อนหน้า จะส่งผลต่อ sequence อันถัดไป ซี่งเหมาะกับข้อมูลที่เป็น time series แบบโมเดลพยากรณ์หุ้นนี้

ดังนั้น เราจึงเลือก พยากรณ์หุ้น 100 ตัวด้วยวิธี LSTM

ซึ่ง LSTM นี้ เป็น artificial recurrent neural network (RNN) architecture

Source: https://blog.floydhub.com/long-short-term-memory-from-zero-to-hero-with-pytorch/

2. Time Series data model

จากการทำนายของ Cross-sectional data ในข้อ 1 นั้น เรานำข้อมูลมาพยากรณ์ Time series เพื่อหากำไร ถ้าขายหุ้น ณ วันที่ 14 มิถุนายน 2564 ตามโจทย์ ของ BOTNOI

เราเลือกใช้ Prophet Forecasting Model ซึ่งพัฒนาโดย Facebook ซึ่งจะมีการวิเคราะห์ Trend, Seasonality, Event ต่างในการพยากรณ์

Source: https://www.analyticsvidhya.com/blog/2018/05/generate-accurate-forecasts-facebook-prophet-python-r/

สรุปผลลัพท์ที่ได้จากการใช้ เทคนิค Trend forcasting

สามารถใช้ทำนายหุ้นได้หรือไม่ และมีประสิทธิภาพอย่างไร

ผสมผสานความรู้ จาก Machine learning ที่แนะนำ หุ้น TOP 5 ที่น่าจะได้กำไรสูงที่สุด จากโมเดลที่เราสร้างขึ้นมาคือ

ข้อมูลบริษัท

หุ้นที่เลือกในครั้งนี้ คือ “BEC”

BEC บริษัท บีอีซี เวิลด์ จำกัด (มหาชน)

  • กลุ่ม : บริการ/สื่อและสิ่งพิมพ์
  • ลักษณะธุรกิจ : กลุ่มบริษัทดำเนินธุรกิจหลัก คือ
  1. กลุ่มธุรกิจคอนเทนต์ — แพลตฟอร์มโทรทัศน์, ดิจิทัลแพลตฟอร์ม, การจัดจำหน่ายลิขสิทธิ์ในต่างประเทศ, บริการจัดหา ผลิตรายการบันเทิงและสารคดี
  2. กลุ่มธุรกิจสนับสนุน
  • ราคาปิด(ณ วันที่ 4 มิ.ย. 64) : 13.4 บาท/หุ้น
  • แนวโน้มราคา 5 วันย้อนหลัง : +8.36%

แล้วทำไมเราถึงเลือกหุ้น “BEC”

ในการเลือกหุ้น เราอาจจะไม่สามารถนำ สิ่งที่่ Model ทำนายไว้ มาตัดสินได้ทั้งหมด เนื่องจาก โมเดลของเราเรียนรู้เฉพาะสิ่งที่เราเคย Train เข้าไปเท่าทั้น เช่น พวก ราคา volume และ Indicators ต่างๆ

สิ่งที่โมเดลของเราทำนายได้นั้นก็ไม่ได้บอกว่าจะถูกต้องทั้ง100% ยังมีอีกหลายปัจจัยที่โมเดลของเรา ยังไม่ได้เรียนรู้ เช่น เรื่อง ข่าวสาร ซึ่งนับว่าเป็นปัจจัยสำคัญ

ดังนั้น เราจึงใช้วิธีให้ Model ช่วยพยากรณ์กำไรของหุ้นให้ ซึ่งใช้เทคนิค Trend Technical analsysis เป็นปัจจัยหลัก

แต่สิ่งที่ model ยังไม่ได้เรียนรู้ เช่น เรื่องข่าว ดังนั้นเพื่อลดความเสี่ยงของการทำนายพลาดของโมเดล ก็ยังจะต้องใช้ Human knowledge มาช่วยวิเคราะห์ เพื่อปัองกันความผิดพลาดจากสิ่งที่โมเดลทำนายไว้ อีกรอบหนึ่ง

ดังนั้นโมเดลที่เราพัฒนามานี้ จึงทำหน้าที่เหมือน Scrope หุ้นเด่นๆ ให้มนุษย์แบบเราๆ มีตัวเลือกในการตัดสินใจ ได้น้อยลง และ สะดวกมากขึ้น

เมื่อพิจารณาจาก แนวโน้มราคา 5 วันย้อนหลังแล้วพบว่า หุ้น BEC เท่ากับ +8.36% ซึ่งเป็นแนวโน้มที่สูงสุดใน 5 ตัวแรก ซึ่งสังเกตุได้ว่าราคาหุ้นของ BEC มีแนวโน้มสูงขึ้นอย่างต่อเนื่องตั้งแต่ปลายเดือนพฤษภาคม และเดือนมิถุนายนก็ยังคงมีแนวโน้มสูงมากขึ้น ดัชนี SQZMOM V2 และ CDC ActionZone V3 และ VWMACD_LB ทุกตัวส่งสัญญาณว่าดีทั้งหมด และเป็นหุ้นขาขึ้น อีกทั้งดัชนี SigmaSpikes ก็ยังบอกว่าราคาหุ้นนี้กำลังพุ่งเลยเส้นมาตรฐาน กล่าวคือเป็นสัญญาณที่ดีที่บอกว่าควรจะเลือกหุ้นตัวนี้

เท่านั้นยังไม่พอ เรายังจำเป็นต้องนำข่าว ที่เกี่ยวข้องกับ BEC มาพิจารณาด้วย ก็พบว่าช่วงนี้ติด New high ตามบรรดา Broker ก็เพ่งกระแสมาที่เป็นหุ้นบวกแรง และนักวิเคราะห์หุ้นหลายสำนัก เช่น บริษัทหลักทรัพย์ หยวนต้า(ประเทศไทย), บริษัทหลักทรัพย์ทิสโก้ , บริษัทหลักทรัพย์ เคทีบี เอสที และอีกหลายสำนัก ต่างก็ออกมาบอกเป็นแนวทางเดียวกันว่าแนะนำให้ซื้อ

เนื่องจากหุ้น การกลับมาเล่าข่าวของคุณสรยุทธ สุทัศนะจินดา จะทำให้ Rating เพิ่มขึ้น 25–40% มีการเปลี่ยนผังรายการใหม่ ทำให้มีรายได้จากโฆษณามากขึ้น อีกทั้งมีการปรับโครงสร้างต้นทุน จึงทำให้สำนักต่างๆประเมินกันว่า BEC นี้จะมีกำไรสุทธิอยู่ที่ 541–650 ล้านบาท ในปี 2564 ราคาปิด ณ 4 มิย.2564 อยู่ที่ 13.40 บาท แต่เซียนหุ้นก็ยังบอกต่อว่า สัญญาณขายอยู่ที่ประมาณ19 บาท สิ่งเหล่านี้เป็นการสร้างความเชื่อมันให้แก่นักลงทุน จึงคิดว่าเป็นหุ้นที่น่าสนใจ และสามารถทำกำไรในระยะสั้น และระยะยาวได้ดี

botnoi-classroom

This publication consists of articles related to Data…

Medium is an open platform where 170 million readers come to find insightful and dynamic thinking. Here, expert and undiscovered voices alike dive into the heart of any topic and bring new ideas to the surface. Learn more

Follow the writers, publications, and topics that matter to you, and you’ll see them on your homepage and in your inbox. Explore

If you have a story to tell, knowledge to share, or a perspective to offer — welcome home. It’s easy and free to post your thinking on any topic. Write on Medium

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store