Professional Trading Risk & Money Management

ก่อนเริ่ม: บทนี้สอนอะไรและไม่สอนอะไร

Risk & Money Management ไม่ใช่วิธีทำให้ทุกออเดอร์ชนะ แต่เป็นระบบกำหนดว่าเมื่อเราคิดผิดจะเสียได้เท่าไร เมื่อคิดถูกจะเก็บผลลัพธ์อย่างไร และผลรวมหลายสิบหรือหลายร้อยครั้งยังเหมาะกับทุนและสภาพจิตใจหรือไม่ ตัวเลขทุกตัวในบทเป็นตัวอย่างเพื่อการศึกษา ต้องแทนค่าด้วย Contract Specification, ต้นทุน และข้อมูลการเทรดจริงของตนเอง

อย่าเพิ่มความเสี่ยงเพราะผลย้อนหลังดูสวยเพียงช่วงเดียว และอย่าตีความคำว่า Professional หรือ Quantitative ว่าปลอดภัยกว่าโดยอัตโนมัติ แบบจำลองที่ดีต้องเปิดเผยสมมติฐาน มีข้อมูลมากพอ ทดสอบนอกช่วงสร้างระบบ และเผื่อ Spread, Commission, Slippage, Gap กับความผิดพลาดในการส่งคำสั่ง

Module 1: Foundation of Money Management

Money Management คือกติกาการกำหนดขนาดเงินที่นำไปเสี่ยงในแต่ละครั้งและการจัดสรรทุนระหว่างโอกาสต่าง ๆ ส่วน Risk Management กว้างกว่า เพราะรวมการจำกัดความเสียหายจากราคา สภาพคล่อง ระบบ เทคโนโลยี ความสัมพันธ์ระหว่างสินทรัพย์ และพฤติกรรมผู้เทรด Capital Management มองภาพระดับพอร์ต เช่น เงินสำรอง เงินที่ถอนได้ การเพิ่มหรือลดทุน และเงินที่ห้ามนำมาเสี่ยง

เป้าหมายแรกคือ Capital Preservation หรือการรักษาความสามารถในการอยู่รอด ไม่ใช่รักษายอดเงินไม่ให้ลดแม้แต่ครั้งเดียว การขาดทุนเป็นส่วนหนึ่งของระบบที่มีความไม่แน่นอน แต่ต้องไม่ใหญ่จนการฟื้นตัวเป็นไปไม่ได้ หากทุนลด 10% ต้องกำไรประมาณ 11.1% เพื่อกลับจุดเดิม แต่ถ้าลด 50% ต้องกำไร 100%

Trading Edge คือความได้เปรียบเชิงสถิติหลังหักต้นทุน ไม่ใช่ความมั่นใจหรือภาพกราฟที่ดูสวย Edge ต้องนิยามกฎเข้า ออก ขนาดสถานะ ตลาด เวลา และต้นทุนอย่างชัดเจน แล้วตรวจจากกลุ่มตัวอย่างจำนวนมาก ผลลัพธ์ระยะสั้นอาจบวกทั้งที่ไม่มี Edge หรืออาจลบทั้งที่ Edge ยังทำงานอยู่

ตัวอย่างการรักษาทุน

บัญชี 100,000 บาทกำหนดเงินสำหรับเทรดจริง 60,000 บาท อีก 40,000 บาทเป็นเงินสำรองที่ไม่โอนเข้า Margin Account ระบบอนุญาตเสี่ยง 0.5% ของ Equity ต่อออเดอร์ และไม่เกิน 1.5% ต่อวัน แม้มีสัญญาณสี่ครั้ง ก็ไม่จำเป็นต้องใช้ความเสี่ยงเต็มทุกครั้งหาก Exposure ซ้ำกัน

Module 2: Risk Metrics

Risk per Trade คือความเสียหายที่วางแผนไว้หาก Stop ทำงาน โดยคิดเป็นเงินและเปอร์เซ็นต์ของ Equity แต่ความเสียหายจริงอาจมากกว่าเพราะ Gap หรือ Slippage จึงควรมี Buffer ส่วน Risk per Day, Week และ Month เป็น Circuit Breaker ป้องกันการสะสมความผิดพลาดและการเทรดแก้มือ เมื่อถึงเพดานให้หยุดตามกฎ ไม่ใช่เพิ่มขนาดเพื่อเอาคืน

Maximum Drawdown คือการลดลงมากที่สุดจากยอดสูงสุดเดิมไปยังจุดต่ำสุดถัดมา วัดได้ทั้ง Balance และ Equity ต้องระบุให้ชัดว่าใช้แบบใด Risk of Ruin คือความน่าจะเป็นโดยประมาณที่ทุนจะลดถึงระดับล้มเหลวภายใต้สมมติฐานเรื่อง Win Rate, Payoff, ขนาดความเสี่ยง และลำดับผลลัพธ์ หากสมมติฐานไม่เสถียร ตัวเลขนี้ก็ไม่น่าเชื่อถือ

Recovery Factor = Net Profit ÷ Maximum Drawdown ใช้ดูว่ากำไรชดเชย Drawdown ได้มากเพียงใด Calmar Ratio มักใช้ผลตอบแทนต่อปี ÷ Maximum Drawdown ขณะที่ Sharpe Ratio เบื้องต้น = (ผลตอบแทนเฉลี่ย − อัตราปลอดความเสี่ยง) ÷ ส่วนเบี่ยงเบนมาตรฐานของผลตอบแทน Sharpe ไม่ได้แยกความผันผวนด้านดีและด้านร้าย และไวต่อช่วงเวลา/ความถี่ข้อมูล

ตัวอย่าง Dashboard ความเสี่ยง

สมมติ Equity 100,000 บาท: เสี่ยงต่อครั้ง 500 บาท, ต่อวัน 1,500 บาท, ต่อสัปดาห์ 3,000 บาท และต่อเดือน 6,000 บาท หากวันนี้ขาดทุนสามครั้งเต็มงบ ระบบหยุดทันที แม้สัญญาณครั้งที่สี่ดูดีมาก หากกำไรสุทธิหนึ่งปี 18,000 บาทและ Max DD 9,000 บาท Recovery Factor = 2.0

Module 3: Position Sizing

Fixed Lot ใช้ขนาดเดิมทุกครั้ง เข้าใจง่ายแต่เปอร์เซ็นต์ความเสี่ยงเปลี่ยนตาม Stop และ Equity Fixed Fractional หรือ Percentage Risk ใช้สัดส่วนของ Equity เช่น 0.5% ต่อครั้ง แล้วคำนวณ Volume จากระยะ Stop: Position Size = Risk Money ÷ (Stop Distance × Value per Unit) ต้องปัดลงตาม Volume Step และตรวจ Contract Specification ทุกสินทรัพย์

ATR Position Sizing วาง Stop เป็นจำนวนเท่าของ ATR แล้วลดขนาดเมื่อความผันผวนสูง Volatility Position Sizing อาจใช้ ATR, Standard Deviation หรือความผันผวนของผลตอบแทนเพื่อทำให้ความเสี่ยงใกล้เคียงกันระหว่างตลาด แต่ห้ามสับสนระหว่างความผันผวนของราคาและความเสี่ยงจาก Gap

Kelly Criterion แบบง่าย f* = p − q/b โดย p คือโอกาสชนะ, q = 1−p และ b คือกำไรเฉลี่ยต่อขาดทุนเฉลี่ย Kelly ไวต่อค่าประมาณและอาจแนะนำขนาดสูงเกินรับได้ ในงานจริงจึงมักใช้ Fractional Kelly และมี Hard Cap ส่วน Dynamic Position Sizing ต้องอิงกฎล่วงหน้า เช่น ลด Risk เมื่อ Drawdown เพิ่ม ไม่ใช่ปรับตามอารมณ์หลังแพ้หรือชนะ

ตัวอย่างคำนวณ

Equity 100,000 บาท เสี่ยง 0.5% = 500 บาท จุดยกเลิกแนวคิดห่าง 50 จุด และมูลค่า 10 บาทต่อจุดต่อหนึ่งหน่วย ขนาด = 500 ÷ (50 × 10) = 1 หน่วย หาก ATR เพิ่มจน Stop ที่มีเหตุผลเป็น 100 จุด ขนาดต้องลดเหลือ 0.5 หน่วยเพื่อคงความเสี่ยงเดิม ไม่ใช่คง Lot แล้วรับความเสี่ยงเป็นสองเท่า

Module 4: Stop Loss Engineering

Technical Stop วางที่จุดซึ่งหลักฐานทางเทคนิคบอกว่าแนวคิดผิด Structure Stop วางพ้น Swing หรือโครงสร้างที่ใช้เข้า ATR/Volatility Stop ใช้ระยะเผื่อสัมพันธ์กับการแกว่งปัจจุบัน Time Stop ออกจากสถานะเมื่อแนวคิดไม่เกิดภายในเวลาที่กำหนด แม้ราคายังไม่ชน Stop ทุกแบบต้องมีเหตุผลและทดสอบแยกกัน

Initial Stop กำหนดความเสี่ยงเริ่มต้นและต้องมีอยู่ก่อนส่งคำสั่ง Trailing Stop ใช้รักษากำไรหรือจำกัดการคืนกำไรหลังราคาเคลื่อนที่แล้ว แต่การเลื่อนเร็วเกินไปอาจเปลี่ยนระบบ Trend Following ให้กลายเป็นระบบออกด้วย Noise ใน MT4/MT5 Trailing Stop บน Desktop อาจต้องให้โปรแกรมทำงานอยู่ ขณะที่ Stop Loss ที่ส่งถึง Server มีพฤติกรรมต่างกันตามผู้ให้บริการ

Stop ไม่รับประกัน Fill ที่ราคาที่ระบุ ช่วง Gap, ข่าว, สภาพคล่องต่ำ หรือ Spread กว้างอาจข้ามระดับ Stop จึงต้องเผื่อ Slippage ในการประเมิน Worst Case และไม่ใช้ Leverage จน Margin Call เกิดก่อน Stop ทำงาน

ตัวอย่าง Stop Engineering

ระบบ Breakout เข้าที่ 100, Swing Low อยู่ 96 และ ATR = 2 หากกฎกำหนด Buffer 0.5 ATR จุด Stop คือ 95 ไม่ใช่ 99 เพียงเพราะอยากได้ R:R สูง จากนั้นจึงคำนวณ Position Size ด้วยระยะ 5 จุด Time Stop อาจกำหนดว่า หากครบ 8 แท่งแล้วยังไม่ปิดเหนือ 104 ให้ออกเพื่อคืนทุนไปหาโอกาสใหม่

Module 5: Reward Management

Risk–Reward Ratio เปรียบเทียบกำไรที่วางแผนกับเงินเสี่ยง เช่น เสี่ยง 1R เพื่อเป้าหมาย 2R แต่ R:R สูงไม่ได้แปลว่าระบบดี หากโอกาสถึงเป้าต่ำมาก Expectancy ต้องพิจารณา Win Rate, Average Win, Average Loss และต้นทุนร่วมกัน

Partial Close คือปิดบางส่วนที่ระดับหนึ่ง Scaling Out คือแผนทยอยออกหลายระดับ Pyramid คือเพิ่มสถานะเมื่อราคาเคลื่อนไปตามเงื่อนไข โดยต้องกำหนด Total Risk รวมก่อนเพิ่ม Trailing Exit เลื่อนจุดออกตามโครงสร้าง ระยะ หรือ Indicator วิธีเหล่านี้เปลี่ยน Distribution ของผลลัพธ์ จึงต้องทดสอบด้วยกฎเดียวกันทั้งชุดข้อมูล

อย่าเลื่อน Target ไกลขึ้นเพราะโลภหรือเลื่อน Stop กว้างขึ้นเพราะไม่อยากขาดทุน การจัดการระหว่างถือสถานะต้องเขียนล่วงหน้า รวมถึงกรณี Partial Close แล้ว Stop ส่วนที่เหลือ, ค่า Commission เพิ่ม และ Minimum Volume ที่ทำให้แบ่งสถานะไม่ได้

ตัวอย่างแผนออก

สถานะ 2 หน่วยเสี่ยงรวม 1R ปิด 1 หน่วยที่ +1R และเลื่อน Stop อีกหน่วยตาม Swing Low หากส่วนที่เหลือออกที่ +3R ผลรวม = 0.5R + 1.5R = 2R ก่อนต้นทุน แต่หากเลื่อน Stop เป็น Breakeven เร็วและส่วนที่เหลือถูกปิดบ่อย Average Win อาจต่ำกว่าแผนถือทั้งหมด

Module 6: Trade Performance Analytics

MAE (Maximum Adverse Excursion) คือการเคลื่อนที่ติดลบมากที่สุดระหว่างถือแต่ละออเดอร์ ส่วน MFE (Maximum Favorable Excursion) คือกำไรลอยตัวสูงสุดก่อนออก ต้องกำหนดว่าจะวัดจาก Bid, Ask, Mid หรือ OHLC และรวม Spread หรือไม่ให้เหมือนกันทุก Trade

Trade A เข้า 100 ราคาต่ำสุด 96 และออก 110 จึงมี MAE = −4 และกำไรจริง +10 ถ้าราคาสูงสุดระหว่างทาง 118 จะมี MFE = +18, Realized Profit = +10 และ Lost Opportunity เชิงพรรณนา = 8 จุด Exit Efficiency = Realized Profit ÷ MFE = 10 ÷ 18 ≈ 55.6% แต่ Efficiency สูงไม่ใช่เป้าหมายเดียว เพราะการไล่ให้ใกล้ 100% อาจทำให้ Exit Overfit

MAE–MFE Scatter Plot ใช้ดูคำสั่งจำนวนมาก จุดที่ MAE สูงแต่ MFE ต่ำอาจเป็น Setup คุณภาพต่ำ จุดที่ MFE สูงแต่กำไรจริงต่ำอาจชี้ปัญหา Exit อย่างไรก็ตามห้ามเลือกระยะ Stop/TP จากข้อมูลทั้งหมดแล้วรายงานผลบนข้อมูลชุดเดิม ต้องแยก Development และ Validation

ตัวอย่าง Scatter Plot

รวบรวม 100 Trades แล้วแปลง MAE/MFE เป็น R เพื่อเปรียบเทียบต่างสินทรัพย์ หากผู้ชนะ 80% มี MAE ไม่เกิน 0.6R แต่ผู้แพ้กระจายถึง 1R อาจทดลอง Stop 0.7R บนข้อมูลใหม่ พร้อมตรวจว่าจำนวน Trade ที่ถูกตัดก่อนกลับไปชนะเพิ่มเท่าไร อย่าสรุปจากเส้นแบ่งที่วาดย้อนหลังเพียงครั้งเดียว

Module 7: R-Multiple และ Return per Trade

R คือเงินที่วางแผนเสี่ยงเริ่มต้นหนึ่งหน่วย หาก Initial Risk = 100 USD การขาดทุน 100 USD คือ −1R และกำไร 300 USD คือ +3R การรายงานเป็น R ช่วยเปรียบเทียบ Trade ที่ขนาดเงินต่างกัน แต่ต้องใช้ Initial R เดิม ไม่แก้ฐานย้อนหลังหลังเลื่อน Stop

Average R คือผลรวม R ÷ จำนวน Trades ส่วน Expectancy in R = (Win% × Avg Win R) − (Loss% × Avg Loss R) โดย Avg Loss ใช้ขนาดบวกในสูตร ตัวอย่าง Win 40%, Avg Win 2R, Loss 60%, Avg Loss 1R ได้ 0.4×2 − 0.6×1 = +0.2R ต่อ Trade ก่อนต้นทุน

RPT (Return per Trade) อาจวัดเป็น Net Profit ÷ จำนวน Trade หรือ Average R per Trade ต้องระบุหน่วยให้ชัด RPT ช่วยเปรียบเทียบระบบที่จำนวน Trade ต่างกัน แต่ไม่บอกลำดับผลลัพธ์ Drawdown, Capacity หรือเวลาที่ใช้ถือสถานะ จึงต้องดูร่วมกับ Distribution และ Equity Curve

ตัวอย่าง Expectancy

20 Trades: ชนะ 8 ครั้งเฉลี่ย +2R และแพ้ 12 ครั้งเฉลี่ย −1R ผลรวม = 16R − 12R = +4R, Average R/RPT = +0.2R ต่อ Trade หากต้นทุนเฉลี่ย 0.05R ต่อ Trade Expectancy หลังต้นทุนเหลือ +0.15R ตัวเลขบวกไม่ได้รับประกันว่า 20 ครั้งถัดไปจะบวก

Module 8: Equity Curve Analysis

Balance Curve เปลี่ยนเมื่อปิดสถานะ ส่วน Equity Curve รวมกำไรขาดทุนลอยตัว จึงมองเห็น Floating Drawdown ที่ Balance ซ่อนอยู่ Closed Drawdown วัดจากผลที่ปิดแล้ว Recovery Curve แสดงระยะจากจุดต่ำสุดกลับสู่ High Water Mark และ Time Under Water วัดเวลาที่ Equity ยังไม่ทำจุดสูงใหม่

Equity Heat Map แบ่งผลลัพธ์ตามวัน เวลา Setup ตลาด หรือระดับ Drawdown เพื่อค้นหาการกระจุกตัว แต่สีสวยอาจเกิดจากข้อมูลน้อย ต้องแสดงจำนวนตัวอย่างและช่วงความเชื่อมั่นร่วมด้วย Rolling Performance เช่น 30, 50 หรือ 100 Trades ช่วยเห็นการเปลี่ยนแปลงโดยไม่ยึดติดกับค่าเฉลี่ยตลอดอายุระบบ

เส้น Equity ที่เรียบผิดธรรมชาติอาจเกิดจากไม่ Mark-to-Market, ซ่อนสถานะแพ้, ใช้ข้อมูลอนาคต หรือ Overfit การวิเคราะห์จึงต้องตรวจวิธีบันทึกข้อมูล ไม่ใช่ดูรูปทรงเพียงอย่างเดียว

ตัวอย่าง Heat Map และ Rolling Curve

ระบบมีกำไรรวม แต่ Rolling 30 Trades ติดลบต่อเนื่องและ Heat Map แสดงว่าขาดทุนกระจุกในช่วงข่าว หากกฎเดิมไม่ได้ห้ามข่าว ต้องตั้งสมมติฐานและทดสอบ Filter บนข้อมูลใหม่ ไม่ใช่ลบ Trades ที่แพ้ย้อนหลัง

Module 9: Portfolio Risk

Correlation วัดการเคลื่อนไหวร่วมกันในอดีตและเปลี่ยนได้ตามช่วงเวลา Exposure คือขนาดความไวรวมต่อปัจจัยเดียว Dollar Risk คือเงินที่คาดว่าจะเสียถึง Stop หากทุกสถานะผิดพร้อมกัน Sector Exposure ใช้กับกลุ่มอุตสาหกรรม ส่วน Currency Exposure แยกการถือ Long/Short ของแต่ละสกุลจากหลายคู่เงิน

Long EUR/USD และ Long GBP/USD อาจดูเป็นสอง Trade แต่ทั้งคู่มี Short USD และอาจเสียพร้อมกันเมื่อ USD แข็ง การรวมความเสี่ยงแบบบวกตรงเป็นกรอบอนุรักษนิยม ส่วนแบบใช้ Correlation/Covariance ต้องมีข้อมูลที่เหมาะสมและ Stress Scenario เพราะ Correlation มักสูงขึ้นในภาวะวิกฤต

กำหนดเพดานต่อ Instrument, Currency, Sector, Strategy และ Portfolio รวม ตรวจ Margin และสภาพคล่องด้วย เพราะ Position ที่ Risk-to-Stop ต่ำอาจใช้ Margin สูงหรือปิดยาก

ตัวอย่าง Currency Exposure

เสี่ยง EUR/USD 0.5%, GBP/USD 0.5% และ XAU/USD 0.5% ทั้งสามสถานะอาจไวต่อ USD รวม 1.5% หากกฎเพดาน USD Theme = 1% ต้องลดขนาดหรือเลือกเฉพาะ Setup ที่มีคุณภาพสูงสุด ไม่ควรอ้าง Correlation ต่ำจากช่วงสั้นเพื่อใช้เต็มทุกสถานะ

Module 10: True Alpha Money Management

คำว่า True Alpha ในบทนี้ใช้เป็นกรอบคิดสำหรับแยกแหล่งที่มาของผลตอบแทน ไม่ใช่ชื่อสูตรมาตรฐานที่รับประกันกำไร และไม่ใช่คำยืนยันว่ากลยุทธ์ใดสร้าง Alpha ได้จริง จุดเริ่มต้นคือสมการเชิงแนวคิด **ผลตอบแทนรวม = Cash + Beta + Alpha** เพื่อให้ผู้เรียนเห็นว่ากำไรของพอร์ตไม่ได้มาจาก “ฝีมือเลือกจังหวะ” ทั้งหมด

**Cash** คือเงินสด เงินฝาก หรือสินทรัพย์สภาพคล่องสูงที่ใช้เป็นทุนสำรองและช่วยให้พอร์ตไม่จำเป็นต้องขายสินทรัพย์ในเวลาที่ไม่เหมาะสม ผลตอบแทนของส่วนนี้อาจต่ำ แต่หน้าที่หลักคือความคล่องตัวและการอยู่รอด **Beta** คือผลตอบแทนที่เกิดจากการรับความเสี่ยงตามตลาดหรือ Benchmark เช่น พอร์ตที่ขึ้นลงตามดัชนี แม้ผู้ลงทุนไม่ได้เลือกจังหวะเก่งเป็นพิเศษ ส่วน **Alpha** คือผลตอบแทนส่วนเพิ่มเหนือ Benchmark ที่เหมาะสม หลังหักค่าธรรมเนียม Spread, Commission, Slippage และต้นทุนอื่นแล้ว Alpha จึงต้องพิสูจน์ด้วยข้อมูลนอกชุดที่ใช้สร้างระบบและจำนวนตัวอย่างที่เพียงพอ ไม่ควรเรียกกำไรทั้งหมดว่า Alpha

ตัวอย่างการจัดสรร Cash 50% / Beta 40% / Alpha 10%

ตัวอย่างจากบทความชุมชนที่ผู้ใช้ให้มาแบ่งพอร์ตเป็น Cash 50%, Beta 40% และ Alpha 10% ภาพนี้มีประโยชน์ในฐานะ “ตัวอย่างการแบ่งหน้าที่ของทุน” เท่านั้น ไม่ใช่สัดส่วนที่เหมาะกับทุกคน เงินสด 50% ทำหน้าที่เป็นสภาพคล่องและกันชน, Beta 40% รับผลตอบแทนตามตลาด และ Alpha 10% เป็นพื้นที่ขนาดเล็กสำหรับกลยุทธ์ที่ต้องพิสูจน์ความได้เปรียบ หากกลยุทธ์ Alpha ยังไม่มีข้อมูลเพียงพอ สัดส่วนส่วนนั้นอาจต้องเล็กลงหรือเป็นศูนย์ ไม่ควรเพิ่มเพียงเพราะช่วงล่าสุดทำกำไรดี

ชั้นควบคุมความเสี่ยงต้องแยกจากสมการผลตอบแทน

Cash, Beta และ Alpha บอกว่า “ผลตอบแทนมาจากไหน” แต่ยังไม่ตอบว่า “ควรเสี่ยงเท่าไร” จึงต้องมี Risk Overlay ครอบอีกชั้น ได้แก่ เพดานความเสี่ยงรวมของพอร์ต, เพดานต่อสินทรัพย์และปัจจัยเศรษฐกิจ, ขนาดความเสี่ยงต่อ Trade, กฎลดขนาดเมื่อ Drawdown สูง และเกณฑ์หยุดระบบเมื่อสถิติเสื่อมลง Dynamic Risk Allocation อาจกำหนด A Setup = 1.0%, B = 0.5%, C = ไม่เทรด แต่เกณฑ์ A/B ต้องกำหนดและบันทึกก่อนรู้ผล มิฉะนั้นจะกลายเป็นการให้คะแนนย้อนหลัง

Compounding by Equity ใช้ Equity ปัจจุบันเป็นฐาน ทำให้ขนาดลดเมื่อทุนลดและค่อยเพิ่มเมื่อทุนฟื้น โดยยังต้องมี Cap ป้องกันการขยายเร็วเกินไป ตัวอย่าง Drawdown Protection: DD 0–5% เสี่ยง 1.0%, DD 5–10% เหลือ 0.75%, DD 10–15% เหลือ 0.5%, มากกว่า 15% หยุดหรือเหลือ 0.25% ตามนโยบายที่ทดสอบแล้ว การ Scale Up ควรดู Rolling Expectancy, Profit Factor, MAE/MFE, Correlation และ Sample Size ร่วมกัน ไม่ใช้ Winning Streak หรือความมั่นใจส่วนตัวเพียงอย่างเดียว

ตัวอย่าง Risk Overlay บนพอร์ต

Equity สูงสุด 100,000 บาท ปัจจุบัน 91,000 บาทจึงมี DD 9% ตามตาราง Risk ลดจาก 1% เป็น 0.75% หรือ 682.50 บาทต่อ Trade ไม่ใช่ 750 บาทจากยอดเดิม เมื่อ Equity ฟื้น ต้องกำหนดล่วงหน้าว่าจะเพิ่ม Risk ที่ระดับใดและใช้กี่ Trades ยืนยัน เพื่อหลีกเลี่ยงการสลับขนาดถี่เกินไป

แหล่งอ่านเพิ่มเติม: บทความชุมชน Pantip “จาก Kzm มุ่งหน้าสู่ True Alpha” ใช้เป็นที่มาของตัวอย่าง Cash/Beta/Alpha และสัดส่วน 50/40/10 ในบทนี้ เนื้อหาเป็นมุมมองของผู้เขียนในชุมชน จึงควรอ่านประกอบกับตำราการจัดพอร์ตและหลักฐานเชิงสถิติ ไม่ควรถือเป็นข้อเท็จจริงสากลหรือคำแนะนำเฉพาะบุคคล

Module 11: Monte Carlo และ Robustness

Monte Carlo Simulation สุ่มหรือ Resample ลำดับผลลัพธ์จำนวนมากเพื่อดู Range ของ Drawdown, Ending Equity และ Losing Streak ที่อาจเกิดจากระบบเดียวกัน Sequence Risk คือผลกระทบจากลำดับชนะ–แพ้ โดยเฉพาะเมื่อถอนเงินหรือปรับขนาดตาม Equity

Worst-case Drawdown จาก Simulation ไม่ใช่ขีดจำกัดแน่นอน Confidence Interval สื่อช่วงภายใต้แบบจำลองและข้อมูลที่ใช้ หากข้อมูลมี Regime Shift, Fat Tail หรือ Trade ไม่เป็นอิสระ ช่วงจริงอาจกว้างกว่า Position Size Stress Test จึงควรเพิ่ม Spread/Slippage, ลด Expectancy, เพิ่ม Correlation และจำลอง Gap ร่วมด้วย

อย่า Shuffle แบบทำลายคุณสมบัติที่สำคัญโดยไม่รู้ตัว เช่น กลุ่มขาดทุนต่อเนื่องตาม Regime อาจต้องใช้ Block Bootstrap และจำนวน Trades ต้องเพียงพอ Monte Carlo ไม่สร้าง Edge; มันช่วยถามว่า Edge ที่ประมาณไว้อาจสร้างเส้นทางเลวร้ายแค่ไหน

ตัวอย่าง Stress Test

จาก 200 Trades จำลอง 10,000 เส้นทาง แล้วดู Percentile 95 ของ Max DD สมมติได้ 18% จากนั้นเพิ่มต้นทุน 0.05R และลดกำไรเฉลี่ย 15% หาก DD ขยับเป็น 28% ขนาด 1% ต่อ Trade อาจสูงเกินนโยบาย 20% จึงทดลอง 0.5–0.75% และตรวจใหม่

Module 12: Trading Journal และ Dashboard

Journal ที่ใช้วิเคราะห์ได้ต้องเก็บ Timestamp, Instrument, Direction, Setup Version, Entry/Stop/Exit, Initial Risk, Size, Costs, Slippage, MAE, MFE, Result R, Screenshot และเหตุผลการออก ข้อมูลก่อน Trade ต้องล็อกก่อนรู้ผลเพื่อป้องกัน Hindsight Bias

Dashboard ขั้นต่ำควรมี Win Rate, Average Win/Loss, Expectancy, Profit Factor, MAE, MFE, Exit Efficiency, Average R/RPT, Drawdown, Recovery Factor, Equity Curve และ Rolling 30–100 Trades SQN แบบ Van Tharp ใช้ SQN = √N × Mean R ÷ Standard Deviation R และไวต่อ Sample Size/Outlier จึงต้องรายงาน N และ Distribution เสมอ

กำหนด Review Cadence: หลัง Trade ตรวจความครบถ้วน, รายสัปดาห์ตรวจการทำตามกฎ, รายเดือนตรวจ Metrics และรายไตรมาสพิจารณาเปลี่ยนระบบ แยก Error Trade ออกจาก Valid Loss แต่ห้ามลบ Error ออกจากผลทุนจริง Dashboard มีหน้าที่ช่วยตัดสินใจ ไม่ใช่ตกแต่งผลลัพธ์

ตัวอย่าง Workflow การทบทวน

ครบ 50 Trades ระบบมี Expectancy +0.18R, Profit Factor 1.35, Max DD 8R แต่ Exit Efficiency ลดจาก 62% เหลือ 41% ใน Rolling 20 Trades ขั้นตอนที่ถูกคือเช็ก Data Quality, แยกตาม Setup Version และ Market Regime แล้วตั้งสมมติฐาน ไม่ใช่เปลี่ยน Target ทันที

สรุป: ลำดับใช้งานจริง

1. พิสูจน์กฎและต้นทุนของ Trading Edge
2. กำหนดจุดผิดของแนวคิดและ Worst-case Loss
3. คำนวณ Position Size จาก Equity และ Risk Cap
4. ตรวจ Exposure รวมและ Drawdown State
5. ส่งคำสั่งตาม Checklist และบันทึกข้อมูลก่อนรู้ผล
6. วิเคราะห์ MAE/MFE, R, Expectancy และ Equity เป็นชุด
7. Stress Test และปรับขนาดด้วยกฎที่ตรวจสอบได้

แบบฝึกหัด: สร้าง Journal จำลอง 30 Trades ด้วยข้อมูล Demo คำนวณ Result R, MAE, MFE, Expectancy, Profit Factor และ Max Drawdown จากนั้นเขียน Risk Policy หนึ่งหน้า ห้ามเพิ่มเงินจริงจนกว่าหน่วย ราคา และต้นทุนทั้งหมดจะตรวจสอบได้