การพยากรณ์หุ้นไทยในช่วงตลาดผันผวน

1. การพยากรณ์หุ้นไทยในช่วงตลาดผันผวนการพยากรณ์หุ้นไทยในช่วงตลาดผันผวน ศาสตราจารย์ ดร.อัญญา ขันธวิทย์ ศาสตราจารย์ในสาขาวิชาการเงินและการธนาคาร ระดับ 11 ศาสตรเมธาจารย์ บริษัทหลักทรัพย์จัดการกองทุน เอ็มเอฟซี จำกัด (มหาชน) คณะพาณิชยศาสตร์และการบัญชี มหาวิทยาลัยธรรมศาสตร์

2. การลงทุนเพื่อคาดหวังผลตอบแทนการลงทุนเพื่อคาดหวังผลตอบแทน ผลตอบแทนจากการลงทุนมาจาก 1. กำไรจากการเปลี่ยนแปลงของราคา เป็นแหล่งใหญ่ มีความสำคัญมากที่สุด แต่ผันผวนมาก 2. เงินปันผล คิดเป็นสัดส่วนที่ต่ำ มักพยากรณ์ได้ค่อนข้างแม่นยำ 3. สิทธิ์ เกิดขึ้นไม่บ่อยครั้ง ดังนั้น ความสำเร็จหรือความล้มเหลวจากการลงทุนจึงถูก กำหนด โดยกำไรหรือขาดทุนจากส่วนต่างของราคา

3. กลยุทธ์การลงทุนและความสำเร็จกลยุทธ์การลงทุนและความสำเร็จ เมื่อกำไรหรือขาดทุนจากการเปลี่ยนแปลงของราคากำหนดความสำเร็จหรือความล้มเหลวของการลงทุน กลยุทธ์การลงทุน จึงตรงไปตรงมา คือ 1. ซื้อ หรือ ถือครองต่อไป เมื่อราคา จะ ปรับตัวสูงขึ้น 2. ขาย หรือ ชะลอการซื้อ เมื่อราคา จะ ปรับตัวลดลง

4. ปัญหาของการดำเนินกลยุทธ์การลงทุนปัญหาของการดำเนินกลยุทธ์การลงทุน แต่การเปลี่ยนแปลงของราคาเป็น เหตุการณ์ในอนาคต ที่ ผู้ลงทุนไม่ทราบแน่นอน จึงต้องพยากรณ์ขนาดและทิศทาง แล้ว กำหนด กลยุทธ์ตามการพยากรณ์ 1. ซื้อหรือถือครอง เมื่อพยากรณ์ว่า ราคาจะเปลี่ยนแปลงมาก ในทางบวก 2. ขายหรือชะลอ เมื่อพยากรณ์ว่า ราคาจะเปลี่ยนแปลงมากในทางลบ

5. เงื่อนไข ความสำเร็จของกลยุทธ์อยู่ที่การพยากรณ์ที่แม่นยำ วัตถุประสงค์ของผู้ลงทุน คือ เพื่อการทำกำไรในระดับที่สูงที่สุด กำไรจะเกิดขึ้นได้จริง เมื่อผู้ลงทุนพยากรณ์ ก. สัญญาณบวก ซื้อหรือถือครอง แล้วราคาปรับตัวสูงขึ้นมากจริง ข. สัญญาณลบ ขายหรือชะลอการซื้อ แล้วราคาปรับตัวลดลลงมากจริง

6. ความสำคัญที่มากขึ้นของการพยากรณ์ความสำคัญที่มากขึ้นของการพยากรณ์ ผู้ลงทุนแบ่งเป็น 2 กลุ่มตามระยะเวลาการถือครอง คือ ผู้ลงทุนระยะสั้นและผู้ลงทุนระยะยาว ความผันผวนของราคาหุ้นแบ่งเป็น 2 ลักษณะ คือ ความผันผวนสูง และ ความผันผวนต่ำ การพยากรณ์มีความสำคัญมากขึ้น ในการกำหนดความสำเร็จของการลงทุน สำหรับผู้ลงทุนระยะสั้น และ ตลาดหุ้นมีความผันผวนสูง เหตุผล ในระยะสั้น การเปลี่ยนแปลงของราคามี Noise มาก ในระยะที่ยาวขึ้น Noise ถัวกันจึงมีระดับลดลง ส่วนช่วงตลาดผันผวน ผู้ลงทุนมีโอกาสทำกำไรได้จำนวนมากหรือ ขาดทุนจำนวนมาก ผู้ลงทุนจะได้กำไรมากเมื่อเข้าตลาดได้ถูกเวลา ก่อนหุ้นขึ้น

7. เหตุผลที่หุ้นไทย สามารถพยากรณ์ได้จริง 1. Market Inefficiency ตลาดทำงานอย่างไม่มีประสิทธิภาพ ผู้ลงทุนที่ได้ข้อมูลก่อนจึงใช้ข้อมูลเพื่อทำกำไรได้เกินปกติ 2. Time Varying Risk Premium ผลตอบแทนมีส่วนชดเชยความเสี่ยงจากการลงทุนประกอบอยู่ เมื่อ Risk Premium เปลี่ยนแปลงตามเวลา และพยากรณ์ได้ ราคาและผลตอบแทนย่อมต้องพยากรณ์ได้ด้วย 3. Individual Executions ผู้ลงทุนต้องใช้เวลาในการวิเคระห์ต่างกัน จึงตอบสนองต่อข่าวสารคนละเวลากันได้ ราคาจึงทยอยสะท้อนข้อมูล

8. ข้อสังเกต ผู้ลงทุนระยะยาวที่อาจคล้ายผู้ลงทุนระยะสั้น ผู้ลงทุนระยะยาวสนใจถือครองหุ้นเป็นระยะเวลายาวนานช่วงหนึ่ง แต่อาจมีการปรับการลงทุน หากมีข่าวสารสำคัญหรือสัญญาณบ่งชี้เกี่ยวกับการเปลี่ยนแปลงราคาหุ้น ปัจจุบัน ผู้ลงทุนรับข่าวสารและสัญญาณได้รวดเร็ว จึงอาจประสงค์จะปรับฐานะการลงทุนเป็นช่วงๆ หากผู้ลงทุนระยะยาว ปรับฐานะบ่อยครั้ง แม้ในภาพรวมจะเป็นการถือครองหุ้นในระยะยาว โดยพฤตินัยอาจไม่ต่างจากผู้ลงทุนระยะสั้นมากนัก* * ผู้ลงทุนระยะยาวในหุ้น ที่ใช้สัญญาฟิวเจอร์สป้องกันความเสี่ยงของราคาหุ้นขาลงเป็นระยะๆ เป็นอีกตัวอย่างที่ทำให้เห็นภาพชัดเจนมากขึ้น

9. ข้อสังเกต หุ้นไทยในอดีตผันผวน และอาจผันผวนต่อเนื่อง

10. แนวทาง การพยากรณ์หุ้นไทยในช่วงตลาดผันผวน ผู้ลงทุนดำเนินการ สืบค้น ปัจจัย ข่าวสาร ข้อมูล ที่มีจนถึงปัจจุบัน เชื่อมโยง ปัจจัย ข่าวสาร ข้อมูล นั้น กับราคา (ที่จะเกิดในอนาคต) ได้ ผลลัพธ์ เป็นขนาดหรือทิศทางการเปลี่ยนแปลงของราคาที่พยากรณ์ ตัดสินใจ ลงทุนโดยใช้ราคาที่พยากรณ์ประกอบกับกลยุทธ์ได้ออกแบบไว้ จากนั้น รอ เวลาให้เกิดผลว่า จะกำไร หรือ จะขาดทุน

11. ตัวอย่างข้อมูลที่ใช้ประกอบการพยากรณ์ตัวอย่างข้อมูลที่ใช้ประกอบการพยากรณ์ ตลาดหุ้นอเมริกาและยุโรป ตลาดหุ้นเอเซีย ราคาน้ำมันดิบ ราคาทองคำ ปัญหาปัจจัยที่พิจารณามีเป็นจำนวนมาก ผู้ลงทุนจะเลือกปัจจัยใดประกอบการพยากรณ์ 11

12. ผู้ลงทุนจะเชื่อมโยงปัจจัย กับราคาในอนาคตได้อย่างไร ตัวอย่าง Linear Regressionในฐานะเครื่องมือการเชื่อมโยง

13. ผลลัพธ์ของการเชื่อมโยงและการเลือกใช้ปัจจัยผลลัพธ์ของการเชื่อมโยงและการเลือกใช้ปัจจัย

14. สรุปปัญหาของการพยากรณ์ที่พบจริงในทางปฏิบัติสรุปปัญหาของการพยากรณ์ที่พบจริงในทางปฏิบัติ 1. จำนวนปัจจัย 2. ระดับความสำคัญของแต่ละปัจจัย 3. Combinationsมีจำนวนมาก และอาจให้ผลที่ไม่สอดคล้องกัน ตัวอย่างปัจจัย DJIA กับ Oil มี 4 Combinations คือ (1) ไม่ใช้เลย (2) DJIA (3) Oil และ (4) DJIA + Oil หรือ 2M ดังนั้น ถ้ามี 5 ปัจจัย ได้ 32 Cs มี 10 ปัจจัย ได้ 1,024 Cs และมี 20 ปัจจัยได้ 1,048,576 Cs 4. ความสามารถในการประมวลผลจำกัด หากเลือกบางส่วนต้องอาจยอมเสียข้อมูลสำคัญบางส่วนไป

15. ความปรารถนาของผู้พยากรณ์ราคาหุ้นความปรารถนาของผู้พยากรณ์ราคาหุ้น Model ที่ปรารถนา ต้องสามารถ 1. สะท้อนความเชื่อดั้งเดิมของผู้ลงทุน 2. ระบุระดับความสำคัญของปัจจัย 3. เชื่อมโยงราคาหุ้นกับปัจจัยได้ ตามระดับความสำคัญ 4. พยากรณ์แม่นยำ 5. ทำกำไรได้จริง

16. แนะนำตัวแบบ BACE ตัวแบบ BACE (Bayesian Averaging of Classical Estimates) เป็น Model การพยากรณ์ราคาหุ้นที่มีลักษณะที่ปรารถนาข้อ (1) (2) และ (3) ลักษณะที่ปรารถนาข้อ (4) แม่นยำ และ (5) ทำกำไร ต้องทดสอบ คำอธิบาย ตัวแบบ BACE พัฒนาจาก Bayesian Econometrics ตัวแบบรับข้อมูลเกี่ยวกับความเชื่อของผู้ลงทุน ไปผนวกกับข้อมูลความสัมพันธ์ที่เกิดขึ้นจริง ระหว่างปัจจัยกับราคา โดยพิจารณาปัจจัยทั้งหมด และความสัมพันธ์ที่อาจเป็นไปได้ทุกรูปแบบ แล้วประมวลผลเพื่อกำหนด รูปแบบความสัมพันธ์เชิงปริมาณ และระดับความสำคัญของปัจจัย ได้อย่างเป็นรูปธรรม

17. ข้อมูลเชิงเทคนิคเกี่ยวกับตัวแบบ BACE การระบุรูปแบบความสัมพันธ์ การประเมินความสำคัญใช้ Posterior Inclusion Probability หมายเหตุ ผู้ประสงค์จะใช้งานโปรแกรม สามารถติดต่อเพื่อขอรับโปรแกรมได้ที่ akhantha@tu.ac.th

18. การทดสอบความสามารถในการพยากรณ์และการทำกำไรการทดสอบความสามารถในการพยากรณ์และการทำกำไร ระยะเวลาการลงทุน รายวัน ช่วงเวลา ปี 2550 ถึง 2551 หลักทรัพย์1. ดัชนี SET 2. ดัชนี SET 50 3. หุ้น PTT 4. หุ้น PTTEP 5. หุ้น ADVANC

19. ปัจจัยที่ใช้พยากรณ์ 17 ตัว ทำให้ 2M = 131,072 9. ราคาทองคำ 10. ราคาข้าว 11. ดัชนี DJIA 12. ดัชนี FTSE 100 13. ดัชนี NIKKEI 225 14. THB 1M Yield 15. THB 5Y – 1M 16. USD 1M Yield 17. USD 5Y – 1M 1. Lagged Return 2. Lagged Return Square 3. ปริมาณการซื้อขาย 4. ปริมาณการซื้อสุทธิของ ผู้ลงทุนชาวต่างประเทศ 5. อัตราแลกปลี่ยน USD 6. อัตราแลกปลี่ยน JPY 7. อัตราแลกปลี่ยน EURO 8. ราคาน้ำมันดิบ

20. ความระมัดระวังในการใช้ข้อมูลเพื่อพยากรณ์ความระมัดระวังในการใช้ข้อมูลเพื่อพยากรณ์ ณ เวลาพยากรณ์ ผู้ลงทุนต้องมีข้อมูลจริง และต้องซื้อขายได้ตามเวลาที่ซื้อขายและที่ใช้คำนวณผลตอบแทน เนื่องจากการตรวจสอบใช้ราคาปิดรายวัน ดังนั้น 1. ข้อมูลปัจจัยจากตลาดไทยและตลาดที่ปิดก่อน ใช้ t-2 2. ข้อมูลจากตลาดในยุโรปและอเมริกาใช้ t-1

21. ประเด็นที่จะตรวจสอบ • ระดับความสำคัญของแต่ละปัจจัย • ค่าสัมประสิทธิ์ เพื่อใช้พยากรณ์ราคาหุ้นในอนาคต • ความสามารถที่เป็นจริง • การเปลี่ยนแปลงระดับความสำคัญ • การพยากรณ์ได้แม่นยำ • การทำกำไรได้จริง

22. ระดับความสำคัญของปัจจัย ณ 30 ธ.ค. 51

23. ข้อสังเกต • จำนวนปัจจัยที่มี Inclusion Pb. สูงกว่า 50% มีจำนวนไม่มาก • แม้ปัจจัยที่เหลือจะมี Inclusion Pb. ต่ำ แต่ไม่เป็น 0.00%แสดงว่ามี Information ที่เป็นประโยชน์ในการพยากรณ์อยู่บ้าง • การตัดปัจจัยบางตัวออกทำให้ ผู้พยากรณ์สูญเสียข้อมูลที่เป็นประโยชน์ • ประเด็นปัญหา คือ ผู้พยากรณ์ต้องหาวิธีใช้ประโยชน์จากปัจจัยเหล่านี้ ตามความสำคัญ ให้เหมาะสม • ตัวแบบ BACEประมวลข้อมูลจากตัวแปรทุกตัว ตามน้ำหนักความสำคัญ

24. ค่าสัมประสิทธิ์เพื่อการพยากรณ์ ณ 30 ธ.ค. 51

25. ค่าสัมประสิทธิ์เพื่อการพยากรณ์ ณ 30 ธ.ค. 51

26. การนำค่าสัมประสิทธิ์ไปใช้งานจริงการนำค่าสัมประสิทธิ์ไปใช้งานจริง

27. ความกังวล ความไม่เชื่อมั่น ตัวแบบ BACE มีคุณลักษณะที่ปรารถนาครบถ้วน บัดนี้ ตัวแบบมีผลลัพธ์พร้อมให้ผู้ลงทุนนำไปใช้งาน ผมจึงแนะนำให้ผู้ลงทุนนำตัวแบบไปประยุกต์ใช้ ปัญหาหลัก ผู้ลงทุนมีความเชื่อมั่น และ กล้าใช้ตัวแบบ ไปใช้พยากรณ์และลงทุนโดยใช้ เงินของตัวเองจริง หรือไม่ ผมคิดว่าไม่ ดังนั้น เพื่อให้เกิดความมั่นใจ ผมจึงจะทดสอบคุณลักษณะสำคัญเพิ่มเติม 2 ข้อ คือ 1. ตัวแบบพยากรณ์ได้แม่นยำ 2. การใช้ตัวแบบสามารถทำกำไรได้จริง

28. การตรวจสอบความสามารถ เสมือนจริง • ตรวจสอบการลงทุนรายวัน • ตั้งแต่ 3 ม.ค. 50 ถึง 30 ธ.ค. 51 • คำนวณค่าสัมประสิทธิ์ ทุกไตรมาส โดยใช้ข้อมูลถึงวันที่มีการคำนวณใหม่ • จากนั้นวิเคราะห์ • Posterior Inclusion Probability ว่า Stable หรือไม่ • ความสามารถในการพยากรณ์ • ชนะ Buy and Hold • ผลตอบแทนเมื่อมีสัญญาณบวก เป็นบวก และมากกว่าที่มีสัญญาณลบ • ความสามารถในการทำกำไร • หลังจากหัก Transaction Costs แล้ว ชนะBuy and Hold

29. การเปลี่ยนแปลงของ Inclusion Probability (ดัชนี SET50) เมื่อ PIP เป็น Time Varying การพยากรณ์จะได้ผลดีหรือ?

30. การทดสอบความสามารถในการพยากรณ์การทดสอบความสามารถในการพยากรณ์

31. การทดสอบความสามารถในการทำกำไร TC = 0.25% ข้อสังเกตสำคัญ 1. การซื้อขายบ่อยครั้งทำให้กำไรลดลง 2. หากมี Threshold = TC กำไรสูงขึ้น 3. BACE ให้กำไรสูงกว่า สำหรับ 4 ใน 5 ยกเว้นหุ้น ADVANC

32. สรุป 1 • ตัวแบบ BACE มีความสามารถในการพยากรณ์สูงสำหรับทุกหุ้น • แต่ ความสามารถในการทำกำไร ลดลงเพราะ Transaction Costs • การใช้ตัวแบบ BACE ควรใช้กลยุทธ์ Forecast Return > TCs

33. การใช้ตัวแบบ BACE ร่วมกับการวิเคราะห์ทางเทคนิค • การวิเคาะห์ทางเทคนิคให้สัญญาณการซื้อขายรายวัน • ผู้ลงทุนใช้สัญญาณทางเทคนิค ประกอบการลงทุน • การศึกษาในอดีตพบว่า การวิเคราะห์ทางเทคนิคช่วยการทำกำไรในหุ้นไทย

34. เทคนิคที่พิจารณาใช้ร่วมกับตัวแบบ BACE • การวิเคราะห์ที่ใช้ราคาของตัวหุ้นเอง • Moving Average (1,50) • Trading Range Break (25) • การวิเคราะห์โดยใช้ข้อมูล DJIA • Moving Average (1,150)

35. ความสามารถในการพยากรณ์ของการวิเคราะห์ทางเทคนิค (ดัชนี SET 50) ข้อสรุป 1. การวิเคราะห์ทางเทคนิคมีความสามารถ ในการพยากรณ์ (ช่วงตลาดขาลง) 2. เทคนิค DJ-VMA(1,150) ให้ผลดีที่สุด สอดคล้องกับที่พบในอดีต

36. แนวทางการใช้สัญญาณทางเทคนิค ร่วมกับตัวแบบ BACE ทางเลือก 2 ทาง คือ • การแปลงเป็น Dummy Variablesแล้วใช้เป็นปัจจัยของตัวแบบ BACE • การให้สัญญาณร่วมกันกับตัวแบบ BACE ทางเลือกที่ 2 เหมาะสมกว่าเพราะในบางครั้งสัญญาณทางเทคนิคเหมือนกันทุกวัน ทำให้ทางเลือก 1 ใช้ไม่ได้

37. ผลลัพธ์การทำกำไร เมื่อ TC = 0.25% ผลลัพธ์ไม่ชัดเจน อาจดีหรือด้อยกว่าที่ใช้ BACE อย่างเดียว

38. แนวทางการเพิ่มความสามารถให้ตัวแบบ BACE 1. การใช้ราคาเปิดและปิด เพื่อคำนวณอัตราผลตอบแทนรายวัน 2. การเพิ่มปัจจัยในการพยากรณ์ เช่น เพิ่ม ดัชนี Hang Seng หรือ DAX 3. การใช้นิยามของปัจจัยนิยามอื่น เช่น ใช้ มูลค่าการซื้อขายต่อมูลค่าตลาด แทนอัตราการเปลี่ยนแปลงของมูลค่าการซื้อขาย 4. การใช้ Proxy อื่นของปัจจัย เช่นใช้ ราคาน้ำมันดิบ Dubai แทน NYMEX 5. การขยาย Investment Horizonเป็นรายสัปดาห์หรือรายเดือน 6. การใช้กับหุ้นที่มีความผันผวนต่ำกว่า

39. คำถาม คำตอบและการอภิปราย ขอขอบคุณ ศาสตราจารย์ ดร.อัญญา ขันธวิทย์ ศาสตราจารย์ในสาขาวิชาการเงินและการธนาคาร ระดับ 11 ศาสตรเมธาจารย์ บริษัทหลักทรัพย์จัดการกองทุน เอ็มเอฟซี จำกัด (มหาชน) คณะพาณิชยศาสตร์และการบัญชี มหาวิทยาลัยธรรมศาสตร์