Downside Protection Strategy
จากบทความเรื่อง Chasing the Investing Unicorn: Give me “High Returns with Limited Risk” ของ Dr. Wes Gray เขาพูดถึงแนวคิดการสร้าง Downside Protection Model เพื่อจำกัดขนาดความเสี่ยงของพอร์ตในระะยะยาวได้น่าสนใจ
ผมจึงนำเอาประเด็นนี้มาต่อยอด โดยแนวคิดของ Downside Protection ก็คือการสร้างโมเดลทื่มาช่วยลดการด้อยของมูลค่าสถานะที่ถือ ลดการเกิดขนาด Drawdown และการถดถอยของ Equity Curve ซึ่งกลยุทธ์สนการทำ Downside Protection มีหลายประเภท เช่นการ Hedging , การลดขนาดสถานะ, การ Stoploss เป็นต้น
สิ่งที่ท้าทายคือจะสร้าง Downside Protection อย่างไรที่เหมาะสม และเกิดประสิทธิภาพสูงสุด ไม่ใช่ทำแล้วขาดทุนเพิ่ม หรือต้องเสียโอกาสจากผลตอบแทนระยะยาว ตรงนี้เป็นประเด็นที่หลาย paper มีการวิจัย มีการนำเสนอโมเดลต่างๆหลากหลาย เช่นใน paper ของ Dr. Wes Gray นำเสนอแนวทางการพัฒนา Downside protection model (DPM) ด้วย Time series Analysis เขาใช้ Moving Average เป็นเครื่องมืองมือในการวิเคราะห์ ข้อมูลราคาและสร้างเงื่อนไขในการบริหารจัดการเงิน (การเข้าซื้อสถานะเพิ่ม(Buy)และการถือเงินสดรอ(Hold) )สำหรับการเทรด เป้าหมายคือ limit risk ลด Drawdown แต่ไม่เสียโอกาสการเข้าลงทุนยามภาวะตลาด นอกจากนี้เขายังใช้กลยุทธ์ DPM บนการทำ diversification ควบคู่ไปด้วยเพื่อจำกัด ขนาดความเสี่ยงรวมที่เกิด และรองรับ market volatile ที่เกิด
การทดลองต่อยอดจาก paper นี้นำเอาแนวคิดการพัฒนา Downside protection model ด้วย TSA มาใช้ โดยเป้าหมายคือการสร้าง Equity Curve ที่เติบโต ลักษณะที่สม่ำเสมอและต่อเนื่อง (Trend) สิ่งที่พบจากการทดสอบเบื้องต้น ตัวของ Moving Average นั้นมีข้อจำกัดค่อนข้างมาก ดังนั้นผมจึงได้ทดลองเปลี่ยนมาใช้โมเดล Time Sries Analysis ด้วย Prophet modeling library และใช้เทคนิคการวิเคราะห์ข้อมูล Equity Curve ของ asset หลักแทน
Prophet
Prophet เป็น open source library พัฒนาโดยทีม Facebook Research ซึ่งสร้างมาเพื่อการทำ time series analysis & prediction เป็นโมเดลที่ใช้งานง่าย สะดวกในการปรับจูนและทำการ optimization จากประสบการณ์ที่ทำ TSA กับข้อมูลจำนวนมากมาก่อนด้วยโมเดล ARIMA, exponential smoothing และอื่นๆ พบว่า Prophet Model นั้นทำงานได้ดีและมีประสิทธิภาพมากกว่า
จากภาพ Prophet ทำการ decompose ข้อมูล time series ออกเป็นองค์ประกอบ 3 ส่วนคือ Trend, seasonality และ holidays การทดลองนี้เน้นไปที่ Trend เป็นส่วนสำคัญนการวิเคราะห์และพยากรณ์ Equity Curve ที่เกิด เพื่อใช้สร้าง Downside Protection Model ซึ่ง Prophet ทำการโมเดล Trend ด้วย Nonlinear, Saturating Growth ( logistic growth model)
นอกจากสกัด Trend จากข้อมูล time series แล้ว Prophet ยังสามารถทำนาย forcasting ทิศทางของ Time Series , คำนวณหาค่า Uncertainty จากข้อมูล และสกัดเอา outliers ที่ไม่ปกติจากชุดข้อมูลได้อีกด้วย ตรงนี้เราสามารถใช้เพื่อสร้างกลยุทธ์การทำ DPM ต่อไป
การทดลองนี้เริ่มจากนำข้อมูล equity curve ของพอร์โฟริโอที่เทรดจริง ในสินค้าค่าเงิน ระยะเวลา 1 ปี มาทำการวิเคราะห์ ด้วย Prophet
ข้อมูล return รายวันของพอร์ต
ทำการวิเคราะห์ข้อมูล Time Series ด้วย Prophet เพื่อ fit โมเดลและจากนั้นทดลองทำการพยากรณ์ทิศทางการเติบโตของข้อมูล
รันโมเดล บนข้อมูลทั้งหมด ตรวจสอบค่าความถูกต้อง( MAE , MSE)และ plot กราฟผลลัพธ์การพยากรณ์เพื่อวิเคราะห์ Trend และ Uncertainty ที่ได้จากโมเดล โดยการพยากรณ์จะใช้คาบเวลาระยะสั้น เพื่อลดผลกระทบจาก random walk effect ที่เกิด
เป้าหมายหลักของการทำการวิเคราะห์ข้อมูล ไม่ใช่ที่ผลการพยากรณ์(forecast) แต่เป็นการอนุมานค่าเพื่อใช้การทำ Downside protection นั้นหมายความว่าถ้า ข้อมูลที่ได้จากการวิเคราะห์ด้วยโมเดล บ่งชี้ว่าจะเกิดการถดถอย หรือเข้าสู่ภาวะไม่ปกติ จุดนั้นจะเป็นตัวบ่งชี้ ที่ใช้สร้างเป็น Rule ในการดำเนินกลยุทธ์ตาม Downside protection Model ต่อไป
Downside protection model (DPM)
สร้าง Downside Protection Model จากผลลัพธ์ Time Series Analysis ที่ได้ก่อนหน้า โดยแนวคิดเบื้องต้น เราจะใช้การ Hedging ด้วยการเปิด Sell Position ส่วนนี้ Hedging Layer นี้จะมีการคำนวณขนาดและดีกรีของการ Hedging ตามพฤติกรรมราคา และระดับค่า correlation ของ asset ที่เหมาะสม แต่ไม่ขอลงรายละเอียดในบทความนี้
ด้านเงื่อนไขของการทำ DPM แบ่งเป็น 2 state
State 01 : Equity Curve ถดถอยต่ำกว่า Forecast Trend Line
>> ทำการรอ(Hold) ไม่เปิดสถานะหรือเข้า Buy เพิ่ม ใน main layer
Stare 02 : Equity Curve ตัดลงกรอบล่าง Confidence band
>> หยุดการเปิดสถานะ Buy เพิ่ม
>> ดำเนินการเปิด Hedging Position
>> ปิด Hedging ตาม Time หรือกรณีเกิด Changepoint
ผลการทดสอบการใช้งาน DPM กับเทรดตลาดจริง ช่วง 6 เดือน บัญชีจริง Micro account ผลออกมาค่อนข้างดี พบว่าสามารถลขนาดของ Drawdown ในพอร์ตโฟริโอได้ และสามารถกำหนดขนาดของ ความเสี่ยงสูงสุด ที่เป้าหมายของ Downside protection ได้เป็นอย่างดี
อ้างอิงบทความ
