Professional Documents
Culture Documents
ly/2sqeG3h
MangmaoTalk 2019 Slide URL
MangmaoTalk 2019
ปิดประตูเจ๊งเร่งกําไร ด้วย Money & Risk Management
Table of
Contents
ภาพรวมของเนื้อ หางานสัมมนา
MangmaoTalk 2019
What You Will Learn Today?
Morning Session
Part 1 : Intro to Money & Risk Management
Afternoon Session
Part 3 : Money Management Models & Performance Comparison
Need Them?
Mind MM & RM
ความสําคัญของ Money & Risk
Management ในการลงทุน
1. It’s a Required Component of Trading
Universe Filter Exit or Stop Money Risk
Management Management
What to Trade? Which to Trade? When to Exit?
How Much to Trade? What to Do with
Ongoing Risk in
Portfolio?
Entry
When to Entry?
Entry
When to Entry?
Trade 195 352 342 114 425 388 441 326 357 361
% Win 44.10% 28.41% 47.08% 67.54% 45.18% 55.15% 45.58% 66.26% 56.86% 59.00%
Avg Profit/Loss (%) 37.34% 18.77% 9.08% 69.60% 14.23% 13.00% 10.91% 24.38% 23.78% 28.88%
Avg Trade Max DD (%) -24.25% -11.88% -13.86% -27.39% -20.01% -14.95% -19.98% -21.97% -29.20% -29.62%
Max Trade Max DD (%) -61.24 -54.66 -42.93 -94.74 -70.8 -50.78 -71.9 -73.83 -70.18 -70.18
Avg Trade Longest DD
(Month) 4.82 1.87 1.11 11.42 2.13 1.81 2.25 5.78 6.64 6.54
Max Trade Longest DD
(Month) 65.65 15 3.55 77.25 6.2 6.15 12.55 12.1 12.2 12.2
2. No one can be right all the time
Mangmao Marc
Backtest Period of CANSLIM ATH with Lichtenfeld Mark Oberweis 52Week Enterprise Magic
2009-2019 Livermore (Modified) SETFilter 10-11-12 Minervini Reinganum Octagon High Multiple Formula
CAGR (%) 23.37% 23.00% 34.35% 22.77% 24.86% 21.93% 18.70% 20.26% 18.59% 23.64%
Max DD (%) -27.92% -29.93% -34.33% -38.09% -27.65% -22.63% -38.08% -26.67% -35.02% -32.06%
Longest DD (Month) 37.55 21.75 17.95 33.2 20.75 23.7 57.5 16.55 24.45 24.35
Trade 195 352 342 114 425 388 441 326 357 361
% Win 44.10% 28.41% 47.08% 67.54% 45.18% 55.15% 45.58% 66.26% 56.86% 59.00%
Avg Profit/Loss (%) 37.34% 18.77% 9.08% 69.60% 14.23% 13.00% 10.91% 24.38% 23.78% 28.88%
Avg Trade Max DD (%) -24.25% -11.88% -13.86% -27.39% -20.01% -14.95% -19.98% -21.97% -29.20% -29.62%
Max Trade Max DD (%) -61.24 -54.66 -42.93 -94.74 -70.8 -50.78 -71.9 -73.83 -70.18 -70.18
Avg Trade Longest DD
(Month) 4.82 1.87 1.11 11.42 2.13 1.81 2.25 5.78 6.64 6.54
Max Trade Longest DD
(Month) 65.65 15 3.55 77.25 6.2 6.15 12.55 12.1 12.2 12.2
2. No one can be right all the time
Mangmao Marc
Backtest Period of CANSLIM ATH with Lichtenfeld Mark Oberweis 52Week Enterprise Magic
2009-2019 Livermore (Modified) SETFilter 10-11-12 Minervini Reinganum Octagon High Multiple Formula
CAGR (%) 23.37% 23.00% 34.35% 22.77% 24.86% 21.93% 18.70% 20.26% 18.59% 23.64%
Max DD (%) -27.92% -29.93% -34.33% -38.09% -27.65% -22.63% -38.08% -26.67% -35.02% -32.06%
Longest DD (Month) 37.55 21.75 17.95 33.2 20.75 23.7 57.5 16.55 24.45 24.35
Trade 195 352 342 114 425 388 441 326 357 361
% Win 44.10% 28.41% 47.08% 67.54% 45.18% 55.15% 45.58% 66.26% 56.86% 59.00%
Avg Profit/Loss (%) 37.34% 18.77% 9.08% 69.60% 14.23% 13.00% 10.91% 24.38% 23.78% 28.88%
Avg Trade Max DD (%) -24.25% -11.88% -13.86% -27.39% -20.01% -14.95% -19.98% -21.97% -29.20% -29.62%
Max Trade Max DD (%) -61.24 -54.66 -42.93 -94.74 -70.8 -50.78 -71.9 -73.83 -70.18 -70.18
Avg Trade Longest DD
(Month) 4.82 1.87 1.11 11.42 2.13 1.81 2.25 5.78 6.64 6.54
Max Trade Longest DD
(Month) 65.65 15 3.55 77.25 6.2 6.15 12.55 12.1 12.2 12.2
2. No one can be right all the time
Mangmao Marc
Backtest Period of CANSLIM ATH with Lichtenfeld Mark Oberweis 52Week Enterprise Magic
2009-2019 Livermore (Modified) SETFilter 10-11-12 Minervini Reinganum Octagon High Multiple Formula
CAGR (%) 23.37% 23.00% 34.35% 22.77% 24.86% 21.93% 18.70% 20.26% 18.59% 23.64%
Max DD (%) -27.92% -29.93% -34.33% -38.09% -27.65% -22.63% -38.08% -26.67% -35.02% -32.06%
Longest DD (Month) 37.55 21.75 17.95 33.2 20.75 23.7 57.5 16.55 24.45 24.35
Trade 195 352 342 114 425 388 441 326 357 361
% Win 44.10% 28.41% 47.08% 67.54% 45.18% 55.15% 45.58% 66.26% 56.86% 59.00%
Avg Profit/Loss (%) 37.34% 18.77% 9.08% 69.60% 14.23% 13.00% 10.91% 24.38% 23.78% 28.88%
Avg Trade Max DD (%) -24.25% -11.88% -13.86% -27.39% -20.01% -14.95% -19.98% -21.97% -29.20% -29.62%
Max Trade Max DD (%) -61.24 -54.66 -42.93 -94.74 -70.8 -50.78 -71.9 -73.83 -70.18 -70.18
Avg Trade Longest DD
(Month) 4.82 1.87 1.11 11.42 2.13 1.81 2.25 5.78 6.64 6.54
Max Trade Longest DD
(Month) 65.65 15 3.55 77.25 6.2 6.15 12.55 12.1 12.2 12.2
%Win of Top 10 AlphaSuite Strategies
Max Trade DD of Top 10 AlphaSuite Strategies
3. MM & RM Impact Performance
Benefits of
MM & RM
ประโยชน์ที่คุณจะได้รับจากการใช้
Money & Risk Management
1. Protection Against Risk of Ruin
2. “Your” Optimal Expected Performance
2. “Your” Optimal Expected Performance
ผลตอบแทนที่เหมาะสมของ
แต่ละคนนั้น … ไม่เหมือนกัน
3. Peace of Mind From Investing
Loss is Controllable
3. Peace of Mind From Investing
Loss is Controllable
บอกตรงๆ ผมมองไม่เห็นตลาดหรอก ผมเห็น
แต่ความเสี่ยง ผลตอบแทน และเงินทุน
ผมมีกฎพื้ นฐานอยู่สองข้อในการประสบความ
สําเร็จในการลงทุนและการใช้ชีวิต นั่นก็คือ
1. ถ้าคุณไม่เดิมพั น คุณก็ไม่มีวันชนะ
2. แต่ถ้าคุณเดิมพั นจนหมดตัว คุณก็จะไม่
เหลืออะไรไว้เดิมพั นอีกต่อไป
Larry Hite
- Van K. Tharp
Money Management vs. Speaker!
MM & RM
Function
หน้าที่ขององค์ประกอบ Money & Risk
Management ในการลงทุน
Strategy Components Timing
What to When to Whether to How Much to What to Do When to Get
Trade? Entry? Trade? Trade? with Trade? Out?
Entry Exit
Entry Exit
Strategy Components Timing
What to When to Whether to How Much to What to Do When to Get
Trade? Entry? Trade? Trade? with Trade? Out?
Entry Exit
Entry Exit
Strategy Components Timing
What to When to Whether to How Much to What to Do When to Get
Trade? Entry? Trade? Trade? with Trade? Out?
Entry Exit
Entry Exit
Mangmao ATH with
SET Filter
Mangmao ATH with SET Filter
Universe : หุ้นสามัญในตลาดหุ้นไทย
Entry : ราคาหุ้นทําจุดสูงสุดใหม่สูงที่สุดใน
ประวัติศาสตร์
Correlation 0.38 1
หมายเหตุ : ผลการทดสอบเป็นผลแบบ
ATH รวมเงินปันผล และได้ใส่เงื่อนไขของ
สภาพคล่องและ Slippage ตามเงื่อนไข
SET ที่เข้มงวดในหนังสือ “แมงเม่าคลับ”
เรียบร้อยแล้ว
ความเสถียรและยั่งยืนของผลตอบแทนตลอดระยะเวลา 23 ปี
ตารางผลตอบแทนรายเดือนและรายปีของระบบเทียบกับดัชนี SET Index ตั้งแต่ ค.ศ. 1997-2018
ผลลัพธ์ก่อนการเผยแพร่สู่นักลงทุน
ในตลาดหุ้นไทยหลัง ค.ศ. 1997-2014
(In-Sample Result)
ผลลัพธ์หลังการเผยแพร่ระบบสู่นัก
ลงทุนในตลาดหุ้นไทยหลัง ค.ศ. 2015
(Out-of-Sample Result)
Year-to-Date 2019
Backtested Result
Positive
Expectancy
“กําไรคาดหวัง” กฎเหล็กข้อแรกในการ
ใช้ MM ของกลยุทธ์การลงทุนทุกรูปแบบ
“It's not whether you're right or
wrong, but how much money you
make when you're right and how
much you lose when you're wrong.
- George Soros
(1) Net Profits Formula
NP = Sum.Profit – Sum.Loss
NP = Net Profit
NP = (Sum.Profit – Sum.Loss)/N
NP = Net Profit
N = Number of Trades
(3) Expectancy (Dollar or Percent)
PW = Probability of Loss ($ or %)
ในด้านการลงทุน หมายความมี
โอกาสน้อยที่กําไรคาดหวัง
(Expectancy) จะเป็นบวกโดย
ความบังเอิญ
System Quality Number (SQN)
N = Number of Trades
Van K. Tharp
System Quality Number (SQN)
SQN Score Rating of Strategy
SQN = 1.10
Van K. Tharp
SQN Example 2
SQN = 2.74
Van K. Tharp
SQN Example 3
SQN = -5.48
Van K. Tharp
SQN Example 4 (MangmaoATHWithSETFilter1997-2019)
SQN = 5.63
Van K. Tharp
MATHSET Trade Distribution
Trade Statistics
AP 10.16%
N 563
Risk Reward
% Win
Ratio
Risk of
Ruin
Risk
% Win Reward
Ratio
Risk
Per
Trade
Risk Per Trade @ Risk Reward 3:1
%Win/%Risk 1% 2% 3% 4% 5%
70% 0% 0% 0% 0% 0.01%
80% 0% 0% 0% 0% 0%
90% 0% 0% 0% 0% 0%
Risk Per Trade @ Risk Reward 3:1
MATHSET Monte Carlo Bootstrap
Bootstrap Statistics
1% 38.06% -18.82%
5% 33.72% -22.69%
ข้อดี : ข้อเสีย :
* เหมาะกับเกมที่มีความน่าจะเป็นคงที่
(Constant Probability)
Martingale vs. Probability of Consecutive Loss
Martingale Bet Size & Trial Relationship
Trials Bet Cumulative Loss (Drawdown)
1 1 1
2 2 3
3 4 7
4 8 15
5 16 31
6 32 63
7 64 127
8 128 255
9 256 511
10 512 1023
Martingale Betting Character
Anti-Martingale Betting Strategy
กลยุทธ์การเดิมพั นแบบ Anti-Martingale มีรากฐานอยู่บนความเชื่อแบบ Momentum โดย
มีหัวใจสําคัญอยู่ที่การเพิ่ มเดิมพั นหรือความเสี่ยงขึ้นเมื่อชนะ (กําไร) อาทิเช่น การเพิ่ มเงิน
เดิมพั นเป็นสองเท่าในทุกๆครั้งที่ชนะในการเดิมพั น
ข้อดี : ข้อเสีย :
* ใช้ได้ดีกับเกมที่มีความน่าจะเป็นไม่คงที่
(Inconstant Probability)
Loss Incurred vs. Gain Required
Loss Incurred Gain Required
10% 11%
20% 25%
30% 43%
40% 67%
50% 100%
60% 150%
70% 233%
80% 400%
90% 900%
What’s The Best Betting Strategy?
อย่าถัวเฉลี่ยการขาดทุน
ลดขนาดการลงทุนของ
คุณให้เล็กลงเวลาที่คุณ
ลงทุนได้ยํ่าแย่ และเพิ่ ม
ขนาดการลงทุนขึ้นใน
เวลาที่คุณทําได้ดี
Paul Tudor Jones
ผู้ก่อตั้งกองทุน Tudor
Investment Corporation (5.1
Billion Net Worth)
Break
พั กรับประทานอาหารกลางวัน
3
A Guide to
MM Models
รูปแบบการคํานวณหา “ขนาดการลงทุน”
Unprotected Profit
รูปแบบของเงินทุนในลักษณะต่างๆ ที่
สามารถนํามาใช้กับการหาขนาดการลงทุน Cash
Total Equity
Total Equity คือมูลค่าของพอร์ตทั้งหมด
TE = Cash + Sum.Pos.Value
All Position Value
Total Equity
โดยที่
Cash คือเงินสุดที่เหลืออยู่
Sum.Pos.Value คือมูลค่าของหุ้นทุกตัวที่
ถืออยู่รวมกันทั้งหมด
Cash
Core Equity (Cash Equity)
Core Equity คือมูลค่าของเงินสดที่เหลือ
Core Equity
CE = Cash
โดยที่
Cash คือเงินสุดที่เหลืออยู่
Closed Equity
RE = All.Pos.Cost + Cash All Position Cost
โดยที่
All.Open.Profits คือกําไรที่ยังไม่ได้ปิด
Cash
All.Pos.Cost คือมูลค่าต้นทุนของหุ้นทุกตัว
ที่ถืออยู่รวมกันทั้งหมด
Reduced Equity
Reduced Equity คือมูลค่าของเงินสดบวก Unprotected Profit
รวมกับต้นทุนหุ้นในพอร์ตทั้งหมดและผลกําไร
ที่ถูกปกป้องไว้เรียบร้อยแล้ว Protected Profit
Reduced Equity
RE = Total Equity - Un.Prot.Profit
All Position Cost
RE = Cash + All.Pos.Cost. + Prot.Profit
โดยที่
Prot.Profit คือกําไรที่ปกป้องแล้ว
Reduced Equity Example
Reduced Equity Example
Un.Prot.Profi
t
Prot.Profit
Un.Prot.Profit
Reduced Equity Example
Prot.Profit
Un.Prot.Profit
Prot.Profit
All Equity Model Comparison
MATHSET (2015 - 2019) Performance by Equity Models
MATHSET (2015 - 2019) Performance by Equity Models
😂
6. Kelly Formula 13. Leverage Target And More ...
PROS CONS
● ใช้ต้นทุนที่มากที่สุดที่เป็นไปได้ในการ ● การวิเคราะห์ถูกต้องตลอดนั้นยาก
เข้าซื้อหุ้นแต่ละครั้ง ทําให้มีโอกาสได้ ● ง่ายต่อการ Overbetting จนอาจส่ง
ผลตอบแทนสูงหากคาดการณ์ได้ ผลให้ขาดทุนหมดตัว จากความผิด
อย่างถูกต้องแม่นยํา พลาดเพี ยงไม่กี่ครั้ง
● เป็น MM ที่มีความเสี่ยงที่สุด
Fixed Dollars / Share Model
PROS CONS
● ง่ายต่อการคํานวนและนําไปปฏิบัติ ● Portfolio เติบโตช้าแบบเส้นตรง
● บังคับไม่ให้นักลงทุน Bias กับ Trade ● อาจไม่สามารถซื้อจํานวนหุ้นได้ลงตัว
ไหนเป็นพิ เศษ ตามกฏเกณฑ์ของตลาด
● สามารถนําไปทดสอบประสิทธิภาพ ● FSM ไม่เหมาะกับเล่นหุ้นหรือสินทรัพย์
สัญญาณเชิงทฏษฏีได้ เป็น Portfolio ทีละหลายๆตัว
Equity Based MM Model
Fixed Percent Model
PROS CONS
● Dynamic Position Size ไปตาม ● ไม่ยืดหยุ่นต่อความผันผวนของหุ้น
ขนาดของ Portfolio แต่ละตัว
● Anti-Martingale โดยธรรมชาติ ● ความเสี่ยงที่ไม่เท่ากันในหุ้นแต่ละตัว
● Reinvest โดยอัตโนมัติเมื่อพอร์ตโต ทําให้พอร์ตโฟลิโอมีความเสี่ยงที่ไม่
● ง่ายต่อการคํานวณ สมดุลย์
Fixed Allocation Model
PROS CONS
● ใช้แนวคิดของการควบคุมความเสี่ยง ● การกําหนด Allocation ที่ไร้
ไปตามกลุ่มสินทรัพย์ต่างๆที่ไม่ค่อย ประสิทธิภาพอาจทําให้ผลตอบแทนแย่
มีความเกี่ยวข้องกัน ● ความเสี่ยงที่ไม่เท่ากันในตราสารแต่ละ
● ง่ายต่อการคํานวณ ชนิดทําให้พอร์ตโฟลิโอมีความเสี่ยงที่
ไม่สมดุลย์
Risk Based MM Model
Fixed Fractional / Fixed Risk Model
N = f * Equity / | Trade Risk |
N = Number of Shares
f = % of Equity
Trade Risk = Buy Price - Stop Price
PROS CONS
● กระจายความเสี่ยง และทําให้ความ ● ต้องเป็นกลยุทธ์ที่มีจุดตัดขาดทุน
เสี่ยงในพอร์ตโฟลิโอสมดุลย์ ● ขึ้นกับคุณภาพของจุดตัดขาดทุน
● ทุก Positions มีโอกาสเกิดความ ● กลยุทธ์ที่มี Stop สั้นมากๆอาจให้
เสียหายต่อต่อพอร์ตโฟลิโอที่เท่ากัน Position ที่มีขนาดใหญ่เกินไป จนมีค
วามเสี่ยงเมื่อเกิด Blackswan
Fixed Fraction Method
Percentage of Risk 1%
Per Trade
PROS CONS
● สามารถทําให้ความเสี่ยงในแต่ละ ● มีความซับซ้อนกว่ารูปแบบอื่น
Position ใกล้เคียงกันได้ถึงแม้แต่ละ ● การกําหนดความเสี่ยงขึ้นอยู่กับ Var
ตัวจะมีความผันผวนที่แตกต่างกัน และ Lookback Period ที่นํามาใช้
● มีการคิดคํานวนความเสี่ยง ไปตาม ● ถ้าสภาวะตลาดมีความผันผวนเพิ่ มขึ้น
ความผันผวนของสภาวะตลาด ความเสี่ยงอาจพุ ่ งขึ้นอย่างรวดเร็ว
Fixed Volatility Method
Percentage of Risk 1%
Per Trade
Volatility 2.92
=(4 * 0.73)
PROS CONS
● เป็นวิธีการกําหนดนํ้าหนักการลงทุน ● ขนาดนํ้าหนักการลงทุนจะเพิ่ มมากขึ้น
โดยอ้างอิงจากผลกําไร ซึ่งคํานวณได้ เรื่อยๆตามการเติบโตของกลยุทธ์การ
จาก ลงทุน เป็นเหตุให้กลยุทธ์อาจถือหุ้น
○ เงินลงทุนตั้งต้น จํานวนน้อยตัวเกินไปในช่วงหลัง หาก
○ กําไรที่เกิดขึ้นของกลยุทธ์ กําหนด %Risk จากกําไรไว้สูงไป
Profit Risk Method
Initial Equity 1M
Profit / Loss 99 M
PROS CONS
● Maximize Growth Potential โดย ● ค่าที่ได้จาก Kelly Formula นั้นทําให้
คํานวนจากข้อมูลสถิติ Portfolio มีค่าความเสี่ยงที่สูงมาก
● เหมาะกับเกมที่มีความน่าจะเป็นและ โดยถึงแม้จะเสี่ยงแค่ ½ ของค่า
ค่า Risk/Reward ที่คงที่ Kelly % ก็ยังคงเสี่ยงสูงอยู่
● ไม่เหมาะกับระบบที่ Winning Ratio
ตํ่า (Consecutive Loss)
Kelly Criterion (Equity)
N = %Kelly * Equity / Price
N = Number of Shares
%Kelly = W - ((1-W)/R )
Where W = Winning Probability & R = Win Loss Ratio
PROS CONS
● Maximize Growth Potential โดย ● ต้องใช้เงินทุนที่สูง (Margin)
คํานวนจากข้อมูลสถิติ ● ต้องรอจนมีเทรดไประยะนึง จึงจะ
● เหมาะกับเกมที่มีความน่าจะเป็นและ คํานวณได้ ในที่นี้กําหนดไว้ที่ 30 เท
ค่า Risk/Reward ที่คงที่ รด
● ควรคํานวณค่า Kelly จาก
Out-of-Sample Trade
Kelly Criteria Equity Method
Price 64.16
PROS CONS
● Maximize Growth Potential โดย ● ค่าที่ได้จาก Kelly Formula นั้นทําให้
คํานวนจากข้อมูลสถิติ Portfolio มีค่าความเสี่ยงที่สูงมาก
● เหมาะกับเกมที่มีความน่าจะเป็นและ โดยถึงแม้จะเสี่ยงแค่ ½ ของค่า
ค่า Risk/Reward ที่คงที่ Kelly % ก็ยังคงเสี่ยงสูงอยู่
● ไม่เหมาะกับระบบที่ Winning Ratio
ตํ่า (Consecutive Loss)
Kelly Risk Criterion (Risk)
N = %Kelly * Equity / | Trade Risk |
N = Number of Shares
%Kelly = W - ((1-W)/R )
Where W = Winning Probability & R = Win Loss Ratio
PROS CONS
● Maximize Growth Potential โดย ● ต้องใช้เงินทุนที่สูง (Margin)
คํานวนจากข้อมูลสถิติ ● ต้องรอจนมีเทรดไประยะนึง จึงจะ
● เหมาะกับเกมที่มีความน่าจะเป็นและ คํานวณได้ ในที่นี้กําหนดไว้ที่ 30 เท
ค่า Risk/Reward ที่คงที่ รด
● ควรคํานวณค่า Kelly จาก
Out-of-Sample Trade
Kelly Risk Criteria Method
Annualized Sharpe % (Rf=4%) 1.56 1.68 1.42 1.8 1.4 1.46 0.9
Correlation with SET.Index 0.417 0.389 0.319 0.382 0.273 0.303 0.274
4
Risk
Management
เทคนิคการบริหารจัดการความเสี่ยงในการลงทุน
What is
RM?
Risk Management คืออะไร?
Risk Management
Risk Management คือองค์ประกอบของกลยุทธ์การลงทุน ซึ่งจะ
บอกให้คุณรู้ว่า “คุณจะควบคุมความเสี่ยงอย่างไร” ในการลงทุน
อย่างไรทั้ง “ก่อนหน้า” และ “ระหว่างการลงทุน” เพื่ อจํากัด, ลด และ
ทําลายความเสียหายที่อาจเกิดขึ้นทิ้งไป
Strategy Components Timing
What to When to Whether to How Much to What to Do When to Get
Trade? Entry? Trade? Trade? with Trade? Out?
Entry Exit
Entry Exit
RM “Before”
Phase
Risk Management ก่อนเข้าทําการลงทุน
Correlation Control
Correlation Control คือเทคนิคในการปกป้องความเสี่ยง “ก่อน” ที่
จะทําการลงทุน โดยมีแนวคิดในการพยายามสร้างพอร์ตโฟลิโอที่หุ้น
แต่ละตัวนั้นมีความสัมพั นธ์ต่อกันที่ตํ่า เพื่ อให้เกิดการกระจายความ
เสี่ยงที่มากขึ้น โดยพิ จารณาถึงค่าสหสัมพั นธ์ (Correlation) ระหว่าง
การเคลื่อนไหวของหุ้นที่จะซื้อและการเคลื่อนไหวของพอร์ตมาพิ จารณา
ร่วมกัน ยกตัวอย่างเช่น การ “ไม่” เข้าซื้อหุ้นที่มีค่า Correlation กับ
พอร์ตโฟลิโอที่สูงกว่า 0.75 (ค่าสหสัมพั นธ์จะวิ่งอยู่ระหว่าง -1 ถึง 1)
Correlation Control
Correlation with Equity 0.95
(250 Days)
ปฎิเสธการเข้าซื้อ
Correlation Control
Correlation with Equity 0.89
(250 Days)
ปฎิเสธการเข้าซื้อ
เข้าซื้อหุ้นได้
Correlation Control
Correlation with Equity -0.66
(250 Days)
Correlation Control
Correlation with Equity -0.57
(250 Days)
เข้าซื้อหุ้นได้
Correlation Control RM Model
Correlation Control RM Model
Correlation < Correlation < Correlation < Correlation < No RM
0 0.25 0.50 0.75
Limit By Industry
- N Stock (1-5 Stock Per Indus)
Portfolio - % Size (5-30% Per Indus)
Group Control n Stocks RM Model
Group Control n Stocks RM Model
1 Stock 2 Stocks 3 Stocks 4 Stocks 5 Stocks No RM
Per Indus Per Indus Per Indus Per Indus Per Indus
1 100,000 100,000
1st. Signal 100,000 Shares
(Entry Signals)
Entry Signals
Entry Signals
Scale-In RM Model Comparison
Scale-In RM Model Comparison
Scale In Scale In Scale In Scale In No RM
25% 50% 75% 100%
1 100,000 100,000
(Entry Signals)
2 50,000 50,000
3 25,000 25,000
4 12,500 12,500
Exit Signal
Exit Signal
Scale Out RM Model Comparison
Scale Out RM Model Comparison
Scale Out 25% Scale Out 50% Scale Out 75% No RM
Portfolio Portfolio
Symbol Current Price Stop Price Pos Size (%) Risk (%)
Portfolio Portfolio
Symbol Current Price Stop Price Pos Size (%) Risk (%)
Portfolio Portfolio
Symbol Current Price Stop Price Pos Size (%) Reduced Size (%)
AAA 15 10 5% -50%
Cumulative Profits 22.86 53.73 162 190.5 200.8 221.3 221.3 221.3 221.3 221.3
Annualized Return % (CAGR) 15.38 19.78 25.83 26.74 27.04 27.6 27.6 27.6 27.6 27.6
Annualized StDev % 10.19 12.59 14.48 14.58 14.91 15.34 15.34 15.34 15.34 15.34
Annualized Sharpe % (Rf=4%) 1.51 1.57 1.78 1.83 1.81 1.8 1.8 1.8 1.8 1.8
MAR Ratio 0.58 0.62 0.81 0.84 0.85 0.86 0.86 0.86 0.86 0.86
Max.DD % -26.4 -31.9 -31.9 -31.9 -31.9 -32 -32 -32 -32 -32
2 1 3 3 4
Longest.DD (Months) 47.62 47.76 48.38 48.38 50.48 50.48 50.48 50.48 50.48 50.48
m m m m m
Correlation with SET.Index 0.374 0.382 0.384 0.383 0.382 0.382 0.382 0.382 0.382 0.382
RM Models
Performance
ประสิทธิภาพโดยเปรียบเทียบ ของหลักการ
จัดการความเสี่ยงในการลงทุนแต่ละรูปแบบ
Each RM Model CAGR Comparison
Each RM Model MaxDD Comparison
Each RM Model MAR Ratio Comparison
Best RM Model Comparison
Best RM Model Comparison
Scale In Scale Correlati 4 Stocks 30 % Portfolio No RM
25% Out 50% on Per Indus PosSize Heat
Control Per Indus 50%
< 0.25
Annualized Return % (CAGR) 28.58 27.08 24.64 28.11 23.86 27.6 27.6
Annualized Sharpe % (Rf=4%) 1.72 1.99 1.72 1.8 1.65 1.8 1.8
Correlation with SET.Index 0.373 0.372 0.343 0.365 0.375 0.382 0.382
MM & RM
Summarized
บทสรุป ของหลักการบริหารเงินทุนและการ
จัดการความเสี่ยงในการลงทุน
MM & RM Summary Points
● MM & RM จะมีประสิทธิภาพได้ต่อเมื่อกลยุทธ์มีกําไรคาดหวังที่เป็นบวกโดยมีนัยทางสถิติ
● MM & RM คือองค์ประกอบในการกําหนดขนาดการลงทุน และการจัดการความเสี่ยงทั้ง
ก่อนและระหว่างการลงทุน โดยต้องไม่สับสนเรื่องของ MM & RM กับ Signal
● MM คือสิ่งที่จะช่วยปกป้องการเกิด Risk of Ruin และสร้าง Exponential Growth
● ไม่มี MM รูปแบบที่ดีที่สุด มีแต่ MM ที่เหมาะสมกับกลยุทธ์และจิตวิทยาการลงทุนของเรา
● RM ไม่ใช่การปรับเปลี่ยนสัญญาณซื้อขาย แต่เป็นการบริหารความเสี่ยงจากสัญญาณ
ซื้อขายที่เกิดขึ้น โดยสามารถทําได้ทั้ง “ก่อน” และ “ระหว่าง” การลงทุน
● RM ครอบคลุมทั้งในเชิงของประสิทธิภาพของกลยุทธ์, การปฎิบัติการลงทุน จิตวิทยา
● MM & RM ไม่จําเป็นต้องถูกใช้ร่วมกันทั้งหมดในคราวเดียวกัน
● กลยุทธ์การลงทุนที่มีประสิทธิภาพนั้นมักเรียบง่าย และ MM & RM ก็เช่นเดียวกัน
● หากจําอะไรไม่ได้ ก็ขอให้จําไว้ว่า High Risk ไม่จําเป็นจะต้องได้ High Reward แต่เป็น
Optimal Risk เพื่ อสร้าง Optimal Performance แทนต่างหาก
Thank You!
See You Next Time :D