SHARE
ผู้อ่านคงสังเกตเห็นว่าในช่วง 2-3 ปีที่ผ่านมามีความพยายามจากทุกกลุ่มอุตสาหกรรมที่จะนำเทคโนโลยีปัญญาประดิษฐ์ (Artificial Intelligence) และการเรียนรู้ด้วยเครื่อง (Machine Learning) มาใช้เพื่อเสริมประสิทธิภาพการทำงาน ทั้งในด้านความแม่นยำในการทำงาน ความเร็ว และการลดต้นทุน ทำให้ความต้องการบุคลากรที่มีความรู้ความสามารถทางด้านนี้เพิ่มสูงขึ้นอย่างมาก เราเห็นได้จ่ากการปรับตัวตอบรับจากภาคการศึกษาที่หลายโรงเรียนได้เพิ่มวิชาการเขียนโปรแกรมคอมพิวเตอร์ให้เรียนตั้งแต่ประถมศึกษา ซึ่งสิ่งนี้ควรได้รับการสนับสนุนจากทุกภาคส่วนอย่างจริงจังและต่อเนื่อง
ในอุตสาหกรรมการลงทุนโดยเฉพาะอย่างยิ่งตลาดหุ้น ซึ่งแต่ละปีตลาดมีค่าความผันผวนประมาณ 10-20% แต่ถ้าลงไปดูในระดับหุ้นรายตัวเราเห็นว่าทำผลตอบแทนได้ตั้งแต่ 20% ไปจนถึงหลายเท่าตัวได้ในแต่ละปี สิ่งนี้เองจึงเป็นแรงดึงดูดที่ทำให้ผู้คนจำนวนมากหลั่งไหลเข้ามาแสดงหาโอกาสจากตลาดหุ้น จึงทำให้ตลาดหุ้นกลายเป็นสนามแข่งที่ผู้เล่นต่างมาประลองกันว่าใครจะมีข้อมูลที่แม่นยำกว่า และใครจะเข้าถึงทรัพยากรหุ้นในตลาดที่มีอยู่อย่างจำกัดได้เร็วกว่า แน่นอนว่าปัจจัยด้านความแม่นยำและความเร็วในการตัดสินใจย่อมมีผลอย่างยิ่งต่อชัยชนะในการแข่งขันครั้งนี้ ผู้ที่ได้ครอบครองเทคโนโลยีปัญญาประดิษฐ์ซึ่งมีจุดแข็งในด้านความแม่นและความเร็วนี้ก็ควรจะได้เปรียบในเกมส์นี้ โดยรวมแล้ววิธีการที่นำหลักการของปัญญาประดิษฐ์ และใช้กระบวนพิสูจน์ทางสถิติจากสาขาวิชาการเรียนรู้ของเครื่องมาใช้ในการตัดสินใจลงทุนนั้น ถือเป็นหนึ่งในการลงทุนเชิงปริมาณ (Quantitative Investment Strategy) ซึ่งสามารถจำแนกเป็นกลยุทธ์ย่อยได้อีกหลายประเภท
ถ้าจะกล่าวถึงวิธีการที่นักลงทุนไทยรู้จักกันมากที่สุดคงจะเป็นระบบการเทรดตามกฎ (Rule-Based Trading System) ซึ่งเป็นการเขียนสูตรกำหนดจังหวะซื้อขาย เช่น ถ้าค่า Technical Indicator สองตัวตัดขึ้นก็ให้ซื้อ ตัดลงก็ให้ขาย เป็นต้น โดยกลยุทธประเภทนี้มักจะมีการทำ Market Timing ไปด้วยเพื่อเร่งให้ผลตอบแทนสูงขึ้นโดยอาศัยภาวะส่งของตลาด แต่หากเป็นกองทุนขนาดใหญ่ที่ลงทุนแบบ Quant มักจะเป็นลักษณะปรับพอร์ทตามกำหนดเวลา (Calendar Rebalancing System) เช่นแต่ละเดือน หรือแต่ละไตรมาส โดยกองทุนจะเข้าซื้อขายหุ้นโดยเลือกหุ้นเรียงลำดับตามคะแนนจากมากไปหาน้อย ซึ่งคะแนนในที่นี้อาจเกิดจากการคำนวณบนตัวเลขพื้นฐานงบ ตัวเลขทางเทคนิค หรือค่าความเสี่ยงของตัวหุ้นเองก็ได้
นอกเหนือจากกลยุทธ์ที่อาศัยสัญญาณจากภาวะตลาด หรือปรับพอร์ทตามกำหนดเวลาข้างต้นแล้ว ยังมีการลงทุนที่หาผลตอบแทนโดยปราศจากความเสี่ยงจากตลาด เช่น Pairs Trading สมมติหุ้น A กับหุ้น B ซึ่งอยู่ในอุตสาหกรรมเดียวกัน แต่กลับให้ผลตอบแทนช่วงที่ผ่านมาต่างกัน เราอาจใช้วิธีขายตัวที่ดูเหมือนจะแพงกว่าและมาซื้อตัวที่ราคาถูกกว่าแทน เพื่อสร้างความได้เปรียบจากส่วนต่างผลตอบแทน หรือแม้กระทั่งบางครั้งสินค้าซึ่งเป็นหุ้นตัวเดียวกัน แต่เทรดในสองตลาดด้วยราคาที่ต่างกัน เราก็อาจใช้วิธีซื้อหุ้นจากตลาดที่ขายราคาถูกกว่า แล้วเอาไปขายในตลาดที่แพงกว่าก็ได้ ซึ่งวิธีนี้เรียกว่าการทำอาร์บิทราจ (Arbitrage)
กลยุทธ์อีกกลุ่มหนึ่งที่มีบทบาทเพิ่มขึ้นอย่างมากในปัจจุบัน นั่นก็คือ High-Frequency Trading (HFT) วิธีการนี้จะมีระยะเวลาถือครองหุ้นที่สั้นมาก แต่เน้นการเทรดที่มีอัตราการชนะสูง (High Winning Rate) ผู้เล่นที่สามารถใช้วิธีนี้ได้จะต้องอาศัยเทคโนโลยีด้านการคำนวณและการสื่อสารมีความเร็วสูง ตลาดหลักทรัพย์เองก็เห็นความสำคัญของกลยุทธ์นี้ จึงมีบริการ Co-Location สำหรับให้เรานำเครื่อง Server ไปวางที่ศูนย์คอมพิวเตอร์ของตลาดหลักทรัพย์ได้โดยตรง เพื่อให้เกิดความได้เปรียบจากความเร็วในการรับส่งข้อมูลกับตลาดที่เร็วกว่าคู่แข่งแม้เพียงเสี้ยววินาทีก็ตาม แต่เนื่องจากกลยุทธ์นี้จะมีเทรดจำนวนมาก ดังนั้นผู้ที่จะใช้กลยุทธ์กลุ่มนี้ได้จำเป็นที่จะต้องมีค่าใช้จ่ายในการเทรดที่ต่ำมาก (Transaction Cost) จึงไม่ใช่ทุกคนจะสามารถเทรดในลักษณะนี้ได้
กลยุทธ์ที่กล่าวมาข้างต้นมักจะเป็นกลยุทธ์ที่แสวงหาผลตอบแทนจากส่วนต่างของราคา แต่ยังมีกลยุทธ์อีกกลุ่มที่เป็น Algorithmic Trading สำหรับตอบโจทย์เมื่อนักลงทุนส่งคำสั่งซื้อขนาดใหญ่ออกไปในตลาด แต่ต้องการให้มีผลกระทบต่อตลาดน้อยที่สุด โดย Algorithm ที่นิยมใช้ในตลาด เช่น VWAP ที่จะทำให้ได้ราคาเฉลี่ยใกล้เคียงกับราคาเฉลี่ยของวันมากที่สุด หรือ Implementation Shortfall ซึ่งใช้วิธีปรับอัตราเร็วในการส่งคำสั่งให้เร็ว/ช้า โดยเปรียบเทียบว่าราคาหุ้นในตลาดดีหรือแย่กว่าราคาอ้างอิงที่นักลงทุนกำหนด กล่าวคือกลยุทธ์กลุ่มนี้ไม่ได้สนใจการทำกำไรจากตลาดแต่สนใจการบริหารคำสั่งซื้อเพื่อให้ซื้อหุ้นให้ได้ราคาถูกที่สุดและขายได้ราคาแพงที่สุด จึงทำผู้ให้บริการกลยุทธ์กลุ่มนี้ส่วนใหญ่จะเป็นกลุ่มโบรกเกอร์ และผู้ใช้บริการก็มักจะเป็นนักลงทุนสถาบันซึ่งต้องส่งคำสั่งซื้อขายขนาดใหญ่ออกไปในตลาด
จากที่กล่าวมาทั้งหมด ท่านผู้อ่านคงจะพอเห็นแล้วนะครับว่ากลยุทธ์การลงทุนเชิงปริมาณ มีความหลากหลายทั้งในแง่เป้าหมายและวิธีการ ซึ่งทั้งหมดนี้อาศัยหลักการที่ว่าพฤติกรรมต่างๆ ในอดีตจะยังคงซ้ำรอยต่อไปในอนาคต ดังนั้นการให้เครื่องจักรเรียนรู้ข้อมูลอดีตย่อมสามารถค้นพบรูปแบบพฤติกรรมที่จะนำมาคาดการณ์อนาคตได้ และสิ่งนี้ดูเหมือนเป็นแนวทางที่ทุกคนพยายามจะไป หรืออย่างน้อยที่สุดความรู้ที่เครื่องจักรเรียนรู้มาได้ ก็ทำให้มนุษย์ได้เรียนรู้และเข้าใจตลาดหุ้นมากขึ้นกว่าที่เคยเป็นครับ
โดย คุณณรงค์ศักดิ์ ปลอดมีชัย
ประธานเจ้าหน้าที่บริหาร
บริษัทหลักทรัพย์จัดการกองทุน ไทยพาณิชย์ จำกัด
