Quant, AI และ Quantum กับการเงินยุคใหม่: จัดการความเสี่ยงแทนการทำนายราคา

แก่นของเรื่อง

แนวคิดหลัก: ตลาดการเงินเปลี่ยนกฎตลอดเวลา เพราะผู้เล่นเปลี่ยนความเชื่อและพฤติกรรม แม้แต่การเทรดของเราเองก็เปลี่ยนราคา การทำนายราคาให้ถูกต่อเนื่องจึงแทบเป็นไปไม่ได้ สิ่งที่ quant ทำได้คือแยกความเสี่ยงที่คำนวณได้ออกจากความเสี่ยงที่ควบคุมไม่ได้ แล้วออกแบบพอร์ตให้ผลรวมออกมาดีแม้บางตำแหน่งแพ้

Important Quant ไม่ใช่เครื่องทำนายราคา ผลลัพธ์มาจากการจัดการความเสี่ยงแบบทำซ้ำได้ ไม่ใช่จากการเดาถูก

ทำไมวิธีนี้ได้ผล (กลไกเหตุ-ผล)

20% ที่สำคัญที่สุดในทางปฏิบัติ

• แยก risk (รู้ว่ามีอะไรเกิดขึ้นได้และคำนวณได้) ออกจาก uncertainty (ไม่รู้ว่าจะเกิดอะไร)
• กระจายความเสี่ยง อย่าให้ตำแหน่งเดียวล้มพอร์ตทั้งก้อน
• ใช้ออปชัน/สัญญาล่วงหน้าเป็น "ประกัน" ของความเสี่ยงที่รับไม่ไหว
• ตระหนักว่าแบบจำลองหมดอายุ สูตรที่ทุกคนรู้แล้วจะไม่เหลือกำไรพิเศษ
• รออย่างอื่นได้: ทฤษฎี quantum เชิงลึก รายละเอียดคณิตศาสตร์บริสุทธิ์ และการเลือกหลักสูตร

ช่วยให้ดีขึ้นอย่างไร

หมายเหตุ: ตัวเลขในแหล่งข้อมูลเป็นคำเล่าและตัวอย่างประกอบ ไม่ใช่ผลทดสอบที่เปิดข้อมูลให้ตรวจ จึงใช้ป้าย วัดแล้ว อย่างจำกัด

ลองใช้

ตัวอย่างประกอบ (ตัวเลขของเราเอง ไม่ใช่จากต้นทาง)

1) กระจายความเสี่ยง มีเงิน 1,000,000 บาท

2) ตัดความเสี่ยงตลาดด้วย long/short กำหนด w คือสัดส่วนน้ำหนัก และ β คือความไวต่อตลาด

β รวม = 0 หมายถึงตลาดขึ้นหรือลงทั้งกระดานไม่กระทบพอร์ตโดยตรง แต่ความเสี่ยงเฉพาะตัวของแต่ละเหรียญยังอยู่

3) ความคาดหวังรายได้จากเทรดเอง (ใช้ผลตอบแทน 10% ต่อปีที่กล่าวว่าพอเป็นไปได้)

เมื่อไรควรใช้ / ไม่ควรใช้

ก้าวแรกที่เล็กที่สุด

เขียนพอร์ตปัจจุบันเป็นตาราง (สินทรัพย์, สัดส่วน) แล้วดูว่าตำแหน่งใหญ่สุดมีกี่ % ถ้าตัวเดียวเกินที่รับขาดทุนไหว ให้ลดสัดส่วนก่อน

ทดสอบก่อน-หลัง

ทดสอบความเข้าใจ

Quant คืออะไร

Quant ย่อมาจาก quantitative finance คือสาขาการเงินที่ใช้คณิตศาสตร์ มองตลาดเป็นเรื่องวิทยาศาสตร์ ได้แก่ สร้างแบบจำลอง ทดสอบ และทำซ้ำได้ ต่างจากมุมจิตวิทยาตลาดที่ผลขึ้นกับอารมณ์และสัญชาตญาณของคน

เหตุที่ผู้เรียนคณิตศาสตร์มาเข้าสายนี้: ตลาดงานสายคณิตศาสตร์ในไทยมีจำกัด (ติวเตอร์ สอน) ขณะที่การเงิน ประกัน และคอมพิวเตอร์เป็นสายที่ใช้คณิตศาสตร์โดยตรง คณิตศาสตร์เป็นเครื่องมือ ต้องมองหาปัญหาที่ใช้มันได้

ตลาดคริปโตและ Bitcoin

ลักษณะเฉพาะ

• สกุลเงินดิจิทัลจำนวนมาก (ราว 200 ตัวที่ใช้เป็นกลุ่มตัวอย่างในการศึกษา) มีสหสัมพันธ์สูงกับ Bitcoin: Bitcoin ขึ้น ตัวอื่นขึ้นตาม ลงก็ลงตาม ยกเว้น stable coin
• การวิเคราะห์ปัจจัยพื้นฐานยากกว่าหุ้น ในหุ้นเรารู้ขนาดบริษัท เช่น บริษัทเล็กมีที่ให้โตมากกว่า (หุ้นบางตัวขึ้นได้หลายร้อยเท่า) คริปโตมีหลายโครงการ ประเมินยาก
• ราคา Bitcoin ขึ้นกับ ความเชื่อ ของคน คล้ายทองคำ แต่ผันผวนกว่าทองและ Bitcoin เองในระดับนาทีเคยถูกลากขึ้นสุดแล้วกลับที่เดิมได้

กลุ่มกลยุทธ์ที่ใช้ได้

ข้อมูล on-chain

Blockchain เปิดโปร่งใส เห็นทุกธุรกรรม แต่ไม่รู้ตัวตนเจ้าของ เห็นเพียง public key (ใช้ระบุกระเป๋า) เมื่อแยกกระเป๋าได้ ก็วิเคราะห์ได้ว่า whale (ผู้ถือรายใหญ่) ย้ายเงินไปไหน ซึ่งบอกความเชื่อของตลาดและความเสี่ยงระยะสั้น ข้อมูล Bitcoin สะสมมาราว 17 ปี ข้อมูลเปิดเช็กได้ ถือเป็นข้อได้เปรียบในการวิจัย

ทำไมตลาดแบบจำลองยาก

เปรียบกับธรรมชาติ เช่น ไฟป่า อากาศ หรือแบบจำลองเซลล์ ซึ่งอยู่ใต้กฎฟิสิกส์ที่ทุกอย่างทำตาม ตลาดต่างออกไป เพราะคนเปลี่ยนพฤติกรรมได้

ข้อมูลเก่ายังใช้ได้ หากเข้าใจว่าแพตเทิร์นคืออะไร และปรับโมเดลบ่อย ๆ การทำนายราคาจึงถูกแทนด้วยการจัดการความเสี่ยง

AI กับ quant

• ทั้งสองไม่ใช่คู่แข่งตรง ๆ AI ในทางปฏิบัติใช้อัลกอริทึมคณิตศาสตร์ชุดเดียวกับที่ quant ใช้
• AI ที่อธิบายไม่ได้ (neural network) ต่างจาก Explainable AI ที่อธิบายเหตุผลได้
• สถาบันการเงินต้องการเหตุผลของการเทรดที่อธิบายได้ จึงนิยมแบบจำลองที่ทำซ้ำและตรวจสอบได้
• ตัวอย่างที่เล่า: โมเดลทำนายราคา Bitcoin ได้ 3 เดือน เดือนที่ 4 ก็พัง เพราะตลาดเปลี่ยน

ออปชันและการกระจายความเสี่ยง

ออปชันคือประกันราคา

ออปชันคือสัญญาที่ซื้อ-ขายสิทธิ์ตามเงื่อนไขราคา ผู้ซื้อจ่ายเบี้ยเพื่อประกัน ผู้ขายรับเบี้ยและรับภาระจ่ายหากเงื่อนไขเกิด ตัวอย่างที่ยกมา: สัญญาที่จ่ายเมื่อราคา Bitcoin เกิน 80,000 (หน่วยไม่ได้ระบุชัด) ผู้ขายประกันต้องจัดการความเสี่ยงของตนเอง

ราคายุติธรรมของออปชัน

ก่อนมีทฤษฎีตั้งราคา ตลาดซื้อขายด้วยอุปสงค์-อุปทานโดยไม่รู้ราคายุติธรรม ผู้ที่รู้สูตรได้กำไรชัด พอสูตรเผยแพร่และทุกคนรู้ ส่วนต่างที่เคยทำกำไรก็หมดไป ตัวอย่างนี้บอกว่า ความรู้ที่เป็นความลับสร้างกำไรได้ แต่เมื่อแพร่หลายจะเหลือแค่ราคายุติธรรม

กระจายความเสี่ยงในพอร์ต

• ทฤษฎีพอร์ตโฟลิโอได้รางวัลโนเบลสาขาเศรษฐศาสตร์ (อยู่ในคำพูด; ชื่อบุคคลที่ฟังไม่ชัด จึงไม่ระบุ)
• ลงหลายสินทรัพย์ ถ้าตัวหนึ่งล้ม อีกตัวช่วยถัวเฉลี่ย พอร์ตไม่พังทั้งก้อน
• หลังวิกฤต ผู้คนเปลี่ยนพฤติกรรมการลงทุน เช่น ไม่ลงหุ้นกลุ่มเดียวที่โดนผลกระทบพร้อมกัน (ตัวอย่างกลุ่มธุรกิจที่รายได้จากบัตร/การเดินทางถูกกระทบช่วงโควิด)
• กองทุนที่ใช้นักวิทยาศาสตร์ล้วนและเทรดระยะสั้นเคยมีผลตอบแทนสูงมาก (เล่าว่าราว 50% ต่อปี) แต่ตัวเลขนี้เป็นเพดานของคนที่เก่งที่สุด ไม่ใช่ค่าปกติ
• สถาบันการเงินเปลี่ยนจากนักลงทุนเน้นมูลค่า (value investor) มาใช้ quant มากขึ้นนับจากราว 2017 เพราะขั้นตอนเป็นโปรโตคอลที่ทำซ้ำได้ ใช้คนแทนกันได้ (ถ้อยคำช่วงนี้กำกวม)
• ผู้เล่นทุกคนชนะไม่ได้ ต้องมีผู้แพ้บางเกม สิ่งที่ทำได้คือประกอบผลรวมให้ออกมาดี

ความเสี่ยงที่มองเห็นและมองไม่เห็น

Factor model

แยกผลตอบแทนเป็นส่วน ๆ ตามปัจจัย (ปัจจัยที่ 1, 2, 3...) เพื่อรู้ว่าผลตอบแทนมาจากไหน วิธียอดนิยมคือ PCA เมื่อปัจจัยพื้นฐานพัง โมเดลอาจให้ผลแปลก ๆ ที่อธิบายไม่ได้

Hedge ความเสี่ยงตลาด

ถ้าถือสองเหรียญที่ตอบสนองต่อตลาดคนละทิศในสัดส่วนเท่ากัน ผลกระทบตลาดรวมจะหักล้างกัน (ดูตัวอย่าง β ด้านบน)

ESG กับพอร์ตลงทุน

ESG คือ Environment (สิ่งแวดล้อม), Social (สังคม), Governance (บรรษัทภิบาล) การให้คะแนนมักมาจากหน่วยประเมินภายนอก (เช่น บริษัทจัดอันดับ)

อาชีพและเส้นทางสาย quant

• ความมั่งคั่งมาจากเงินเดือนของสถาบัน ไม่ใช่จากเทรดเงินตัวเอง
• ข้อเสีย: งานเครียด ต้องมีผลงานสม่ำเสมอ ผู้ให้ข้อมูลบางคนลาออกมาสอน
• ตำแหน่งอาจารย์ไทยมีจำกัด เพราะจำนวนนักศึกษาลดลง

เทรดเองต้องมีทุนเท่าไร (ความเห็น)

เหตุผล: การเริ่มด้วยเงิน 100,000 แล้วหวังรวยคือการพนัน ที่ 10% ต่อปีใช้เวลานานมาก ต่อให้เก่งระดับสูงสุดก็อยู่ราว 50% ต่อปี

เรียนต่อสาย quant

• Financial Engineering และ Financial Mathematics ชื่อคล้ายแต่ไม่ได้เหมือนกัน
• พื้นคณิตศาสตร์บริสุทธิ์ใช้สร้างและขยายแบบจำลองให้ครอบคลุมหลายตลาด ไม่จำเป็นต้องรู้การเงินมาก่อน บริษัทต่างประเทศมีหัวหน้าที่ใช้คนสายนี้เป็น ส่วนไทยยังต้องมีคนเริ่มก่อน
• ในไทยมีสมาคมของคนสาย quant ที่ศึกษาเทรนด์ของประเทศ

Quantum computing กับ AI

อะไรเร็วขึ้น และเพราะอะไร

คำอธิบายที่ให้: quantum computer เร็วเพราะสองส่วน คืออัลกอริทึมที่ซับซ้อนน้อยลงมาก และฮาร์ดแวร์ที่ทำงานต่างจากคอมพิวเตอร์ปกติ (เล่าว่างานที่คอมพิวเตอร์ทั่วไปใช้นานทำได้ในไม่กี่นาที)

Warning ข้ออ้างที่ว่า AI ที่ปกติฝึก 5 ถึง 10 ปีจะฝึกเสร็จใน 1 วินาทีเมื่อรวมกับ quantum เป็นการเปรียบเทียบสมมติ ไม่มีหลักฐานรองรับ

ความรู้ทั่วไป (ไม่ได้มาจากต้นทาง): ความเร็วของ quantum ขึ้นกับประเภทปัญหา ไม่ได้ทำให้ทุกงานเร็วขึ้น

ผลต่อ Bitcoin และธนาคาร

ความเห็นที่ให้: ปัจจุบัน quantum computer ยังอยู่ในกลุ่มเล็ก ๆ ไม่เปิดให้ทั่วไป ความเสี่ยงจึงอยู่ที่ใครได้ก่อน และการอัปเกรดระบบทันเวลาหรือไม่

ความรู้ทั่วไปเพิ่มเติม: หน่วยงานมาตรฐานสหรัฐ NIST ประกาศมาตรฐานการเข้ารหัสแบบทนควอนตัมชุดแรกในปี 2024 ใช้เป็นแนวทางการย้ายระบบ

ไทยกับ AI และการเงิน

ผลิตภัณฑ์ที่ใช้ความรู้ได้จริง

• สัญญาล่วงหน้าล็อกราคา: ซื้อน้ำมันล่วงหน้า 3 เดือนเพื่อให้จ่ายเท่าวันนี้ เกษตรกรล็อกราคาขายได้ แต่ยังมีข้อจำกัดหลายอย่าง
• ในอดีตไทยเคยมีตลาดล่วงหน้ายางพาราและข้าว แต่ล้มเหลวเพราะขาดคนที่มีความรู้ และความรู้มาถึงเร็วเกินไป
• Tokenization: แปลงสินทรัพย์จริงเป็นโทเค็นเพื่อซื้อขาย ผลิตภัณฑ์การเงินสร้างง่ายและผ่านผู้กำกับดูแลน้อยกว่า

แยกข้อเท็จจริง ความเห็น และข้ออ้าง

Risks

Warning การเทรดด้วยทุนน้อยโดยหวังรวยคือการพนัน และ quant ไม่ได้รับประกันกำไร

ความเข้าใจผิดที่พบบ่อย

• รู้ quant แล้วรวย: รายได้สูงมาจากเงินเดือนสถาบันมากกว่าการเทรดเอง
• AI กับ quant คือคนละเรื่อง: ใช้คณิตศาสตร์ชุดเดียวกันเป็นหลัก
• ข้อมูลเปิดแล้วรู้ตัวตน: เห็นเพียง public key ไม่เห็นชื่อเจ้าของ

Decision / next steps

Recommendation เริ่มจากการจัดการความเสี่ยงของพอร์ตตัวเอง ก่อนคิดเรื่องทำนายหรือเทรดเพิ่ม

เช็กลิสต์ตัดสินใจ

Sources

สถาบันที่อ้างถึง ซึ่งข้อมูลหลักสูตรมาจากคำบอกเล่า ควรตรวจกับสถาบันโดยตรง

ตัวย่อที่ใช้ในหน้านี้

สัญลักษณ์ในสูตร

แถวที่มาจากความรู้ทั่วไป ไม่ใช่นิยามจากต้นทางโดยตรง: PCA, XAI (ต้นทางพูดถึงแนวคิดแต่ไม่ได้นิยาม), API, PQC, NIST, และ β / w

Summary

• Quant คือการใช้คณิตศาสตร์แบบทดสอบและทำซ้ำได้กับตลาด ไม่ใช่การทำนายราคา
• ตลาดเปลี่ยนกฎ จึงแทนการทำนายด้วยการจัดการความเสี่ยง กระจายสินทรัพย์ และใช้ออปชัน/ล่วงหน้าเป็นประกัน
• คริปโตส่วนใหญ่เคลื่อนตาม Bitcoin ข้อมูล on-chain เปิดแต่ไม่เปิดตัวตน
• ความมั่งคั่งสาย quant ส่วนใหญ่มาจากเงินเดือนสถาบัน ไม่ใช่เทรดเอง
• ภัย quantum เป็นความเสี่ยงเชิงเวลาและการเปลี่ยนระบบ ส่วนข้ออ้างความเร็วบางข้อไม่มีหลักฐาน

ภาพประกอบที่หน้านี้ไม่มี

บางช่วงผู้พูดอธิบายผ่านภาพบนจอ (กราฟ ตาราง หรือรูป) หน้านี้ไม่ได้ถอดภาพเหล่านั้นมา จึงไม่บรรยายว่าภาพแสดงอะไร (ภาพประกอบไม่ได้ถอดมา)