← บทความทั้งหมด
ใจความสำคัญของความได้เปรียบในการเทรด

CLIP SUMMARY

ใจความสำคัญของความได้เปรียบในการเทรด

“ถ้าคุณไม่รู้ว่าคุณเป็นใคร ตลาดคือที่ที่แพงที่สุดในการหาคำตอบนั้น”

“ถ้าคุณไม่รู้ว่าคุณเป็นใคร ตลาดคือที่ที่แพงที่สุดในการหาคำตอบนั้น”

คุณต้องเทรดในแบบที่คุณเชื่อ ถ้าคุณไม่รู้ว่าคุณเป็นใคร ตลาดนี่แหละจะเป็นที่ที่แพงที่สุดในโลกในการหาคำตอบนั้น

จากคลิปสัมภาษณ์ Linda Raschke เกี่ยวกับการมีความได้เปรียบในการเทรด และความสำคัญของข้อมูล

เธอเริ่มต้นด้วยการบอกว่า เราต้องมีความได้เปรียบบางอย่าง เราจำเป็นต้องมีข้อได้เปรียบทางสถิติ ซึ่งอาจเกิดจากการสร้างโมเดลรวมถึงจากประสบการณ์ของตัวเราเอง เราต้องใช้ข้อได้เปรียบอย่างสม่ำเสมอ เพราะในระยะยาวมันคือเกมของตัวเลข หากเทรดไปบนความได้เปรียบ 1,000 ครั้ง ค่าความคาดหวังของเราจะเป็นบวก ที่สำคัญความได้เปรียบจะช่วยให้เราจัดการกับกำไรและขาดทุนได้ดีขึ้น

แต่ปัญหาคือ สำหรับคนที่เพิ่งเทรดต้องเริ่มจากการลองหมวกหลายๆใบเพื่อให้รู้ว่าแนวไหนเหมาะกับเรา คุณลินดาบอกว่า อาจจะต้องลอง 3 เดือนกับหนึ่งแนว เพราะเราจะเข้าใจรายละเอียดลึกๆ ของแต่ละสไตล์ก็ต่อเมื่อเราลองมาหลายแบบแล้วเท่านั้น ซึ่งกระบวนการนี้อาจใช้เวลาอย่างน้อย 3-5 ปี โดยที่ช่วงแรกจะเน้นไปที่การรักษาทุนก่อนจนกว่าเราจะมีประสบการณ์ที่มากพอ

สิ่งที่เราต้องการคือ Edge ที่แข็งแรงและคงทนสามารถใช้ได้ในระยะยาว เป็นรูปแบบซ้ำๆที่เกิดขึ้นในตลาด แต่ถ้าเราสามารถเจอได้ คนอื่นก็สามารถพบได้เช่นกัน และในที่สุด Edge นั้นจะมี "Half-Life" หรืออายุการใช้งานครึ่งหนึ่ง ระบบที่เคยใช้งานได้จะเริ่มลดประสิทธิภาพลงเมื่อเวลาผ่านไป

ทุกอย่างในตลาดเป็นเรื่องของการแลกเปลี่ยน เมื่อมีผู้เล่นเข้ามาในตลาดมากขึ้น noise ก็ยิ่งเพิ่มขึ้น เราต้องมีสไตล์หรือแนวทางของตัวเองเพื่อที่จะอยู่ได้ในระยะยาว แต่การจะพัฒนาสไตล์การเทรดได้นั้นก็ต้องมาจากการลองผิดลองถูก

คุณลินดาบอกว่า ‘การลองผิดลองถูกมีค่ามาก’ นอกจากเรื่องนี้ยังมีเรื่องของความเสี่ยง ที่บางคนพร้อมรับความเสี่ยงมาก บางคนไม่พร้อม แต่ไม่ว่าเราจะมี Edge หรือไม่ ถ้าเรายังอยู่ในตลาดไม่นานพอ สุดท้ายแล้วเราจะเป็นศัตรูของตัวเอง เราอาจถูกอารมณ์ครอบงำ อาจขาดความมั่นใจ Panic จากการเทรดมากเกินไป หรือแม้แต่อยากเอาคืนจากตลาด จนกว่าเราจะฝึกจิตใจให้ด้านชาและสร้างเกราะจิตใจที่แข็งแรงมากพอ ซึ่งต้องใช้เวลาและประสบการณ์เป็นอย่างมาก

เพราะในท้ายที่สุดแล้ว เกมนี้เหมือนอาชีพอื่นๆ เขาเปรียบเหมือนการเรียนปริญญาต้องใช้เวลา 4 ปี ต่อด้วยการฝึกงานอีก 2-3 ปี ต้องใช้เวลาหลายปีกว่าจะเริ่มได้เงินเดือนสูง การเทรดก็เช่นกัน โดยเฉพาะในฝั่งของ Retail Trader เพราะไม่ใช่อย่างที่โฆษณากันว่าจะสามารถรวยได้อย่างง่ายดายและรวดเร็ว ซึ่งในมุมของเทรดเดอร์เธอไม่ค่อยชอบคำว่า ‘วินัย’ เท่าไหร่ แต่ชอบเรียกว่า ‘กระบวนการ’ มากกว่า เพราะถ้ามีกระบวนการที่ชัดเจน เราก็ไม่ต้องพึ่งพาความรู้สึกว่า วันนี้ฉันมีวินัยหรือเปล่า? แค่ยึดมั่นกับกระบวนการก็พอ ปัญหาคือหลายคนมีกระบวนการแต่ไม่ทำตาม

ในช่วง 10 ปีแรกของการเป็นเทรดเดอร์ เธอทำทุกอย่างด้วยมือเปล่า พิมพ์ชาร์ตออกมาเป็นกระดาษ แล้วค่อยๆ คำนวณ Variance ของแต่ละเทรดด้วยตัวเองทั้งหมด เธอได้เรียนรู้อะไรเยอะมากจากวิธีแบบนี้ โดยเฉพาะช่วงเวลาที่กลยุทธ์ไม่เวิร์ก เธอบอกว่าการ Backtest ก็มีประโยชน์ โดยเฉพาะตอนสร้างโมเดลหรือแนวคิดครั้งแรก แต่มันก็มีข้อเสียเหมือนกัน อย่างถ้าเรานำข้อมูลจำนวนมากมาเฉลี่ยเข้าด้วยกัน เราจะพลาดข้อมูลที่เกิดความเบ้ของตลาด (ข้อมูลที่สุดโต่ง) ซึ่งข้อมูลเหล่านี้เป็นที่มาของ Edge จริงๆ

คุณลินดามองว่า ในส่วนที่อยู่ตรงขอบต่างหากที่จะให้โอกาส (จังหวะตลาดที่สุดโต่ง) จุดนี้คนส่วนใหญ่จะมองข้ามเพราะมันละเอียดเกินไป และต้องใช้เวลาฝึกเยอะมากถึงจะมองเห็นได้ ธรรมชาติของมนุษย์คืออยากซื้อของถูก และขายตอนแพง เราชินกับแนวคิดแบบ Arbitrage หรือ Reversion to the mean แต่ในตลาดมันไม่ใช่แบบนั้นเสมอไป บางครั้งความสัมพันธ์ระหว่างสิ่งต่างๆ มันเพี้ยนแบบมีเหตุมีผล และคุณควรจะไปตามความผิดปกตินั้น

เธอเรียนรู้จาก Commitment of Traders (COT) report ว่าแค่เพราะมันดูสุดโต่งก็ไม่ได้แปลว่ามันจะกลับตัว บางครั้งมันยิ่งสุดโต่ง มันยิ่งต้องตามไปทางนั้นด้วยซ้ำ เพราะมันอาจจะกำลังมีอะไรบางอย่างที่บ้าคลั่งกำลังเกิดขึ้น

คุณลินดาเคยเขียนหนังสือร่วมกับ Larry Connor ชื่อ Street Smarts และเห็นว่าตลาดมี ‘ความเป็นสัญชาตญาณริมถนน’ อยู่บ้าง ก็คือเราไม่จำเป็นที่ต้องมีปริญญาโทคณิตศาสตรประยุกต์หรือทักษะเขียนโปรแกรมถึงขั้นเทพ เพราะสิ่งที่ยากที่สุดสำหรับคนส่วนใหญ่คือความอดทนหรือความสามารถในการรออย่างมีวินัยเพื่อให้โอกาสดีๆ ปรากฏขึ้นมา ซึ่งโอกาสแบบ Asymmetrical หรือโอกาสที่ Win Rate สูงจริงๆ ไม่ได้เกิดขึ้นบ่อยอย่างที่คนทั่วไปคิด…

Source : Linda Raschke on Having an Edge in Trading and the Importance of Data