บทความจนถึงตรงนี้

การเดินแบบสุ่ม

การกลับสู่ค่าเฉลี่ย

กระบวนการ OU

ครึ่งชีวิต

“แรงดึงกลับ” ที่มีผลต่อค่าเฉลี่ย

ในบริบทนี้ได้ตรวจสอบผ่านทฤษฎีและการจำลอง

และสิ่งที่เห็นคือ

“ความสามารถในการกลับสู่ค่าเฉลี่ยขึ้นอยู่กับตลาดมากมายต่างกัน”

เป็นข้อเท็จจริง

USDJPY ค่อนข้างกลับสู่ค่าเฉลี่ยได้ง่าย

ในขณะเดียวกัน EURTRY หรือ BTC
มักจะเคลื่อนไปในทิศทางเดียวต่อเนื่อง

นั่นคือ

「จะวัดได้ว่าแต่ละสกุลเงินกลับสู่ค่าเฉลี่ยมากน้อยเพียงใด？」

ถ้าสามารถทำให้เกิดการจำแนกเชิงปริมาณได้

สภาวะที่กลับตัวกลับทางเป็นประโยชน์

ตลาดที่มีการถอยกลับเป็นจุดที่มีประสิทธิภาพ

สภาวะตลาดที่แนวโน้มยังคงต่อเนื่องง่าย

คาดว่าจะสามารถแบ่งประเภทได้อย่างเป็นกลาง

ดังนั้นในครั้งนี้
เพื่อวิเคราะห์“แรงดึงกลับ”แบบเรียลไทม์ จึงได้พัฒนาผลิตภัณฑ์ที่ชื่อ

MeanReversionAnalyzer

ขึ้นมา

■ MeanReversionAnalyzer คืออะไร？

MeanReversionAnalyzer เป็น
อินดิคเตอร์สำหรับคู่สกุลเงินที่

「แรงดึงกลับสู่ค่าเฉลี่ย」

โดยใช้โมเดลทางฟิสิกส์และวิศวกรรมการเงินในการวัด
เป็นอินดิเคเตอร์สำหรับ MT4

นักเทรดส่วนใหญ่มีความรู้สึกว่า

「ห่างจากค่าเฉลี่ยมากแล้วจะกลับมาส eventually」

แต่ในความเป็นจริง

สกุลเงินที่กลับมาทันที

สกุลเงินที่ไม่กลับมาเลย

สกุลเงินที่เคลื่อนไปในทิศทางต่อเนื่อง

มีอยู่

อินดิเคเตอร์นี้จะทำการ visualize ความแตกต่างนั้นด้วยค่าตัวเลข

θ（シータ）

เพื่อแสดงให้เห็นความแข็ง/อ่อนของสปริง

■ แนวคิดภาพคือ “ราคาที่ถูกผูกติดกับสปริง”

การนึกภาพนี้จะทำให้เข้าใจง่าย

● EMA (ค่าเฉลี่ยเคลื่อนที่) = จุดศูนย์กลางของสปริง

● ราคาปัจจุบัน = ลูกบอล

● θ (シータ) = ความแข็งของสปริง

เมื่อราคาห่างจาก EMA ตลาดจะพยายามดึงกลับมาที่ราคานั้น
แต่

“แรงดึงกลับ” นี้แตกต่างกันตามสกุลเงิน

θ ที่มาก

→ สปริงแข็ง
→ ราคากลับมาทันที
→ กลับสู่ค่าเฉลี่ยได้ง่าย

θ ≈ 0

→ สปริงแทบไม่มี
→ ล่องลอยแบบสุ่ม
→ ใกล้เคียงกับการเดินแบบสุ่ม

θ < 0

→ สปริงกลับทิศทาง
→ ห่างออกไปยิ่งเร็วขึ้น
→ แนวโน้มแรง

■ ทำไมถึงไม่ควรวิเคราะห์“ราคาค่าเฉลี่ยเอง”?

ตรงนี้สำคัญมากสำหรับครั้งนี้

เริ่มแรกคือ

Δ X_{t} = a + b X_{t} + ϵ_{t}

ทำการถดถอยกลับเพื่อหาค่าสหสัมพันธ์เฉลี่ย
เพื่อหาค่าสัมประสิทธิ์การกลับสู่ค่าเฉลี่ย

แต่ถ้าเป็นแบบนี้:

EURTRY
BTC
NASDAQ

ในทรัพย์สินที่มีแนวโน้มเพิ่มขึ้นในระยะยาว

「กลับสู่ค่าเฉลี่ย」

ก็อาจทำให้ตีความผิด

เพราะว่าตลาดจริง:
ราคาคือ

Price = Trend + Noise

นั่นคือเหตุผล

นั่นคือ

「ราคาค่าเฉลี่ยเอง」

ไม่ใช่

「การเบี่ยงเบนจากค่าเฉลี่ย」

จำเป็นต้องมองดู

■ แก่นแท้ของ MeanReversionAnalyzer

ในอินดิเคเตอร์นี้ได้กำหนด

Deviation_t = Price_t - EMA_t

สร้างขึ้น

และความแตกต่างนั้น:

กลับคืนสู่ค่าเฉลี่ยหรือไม่
ขยายตัวหรือไม่

จะถูกวิเคราะห์

นั่นคือสิ่งที่เราเห็นคือ

「ราคา」ไม่ใช่สิ่งที่ดู

「การเบี่ยงเบนจากค่าเฉลี่ยคือสิ่งที่ดู」

เป็น

■ พื้นฐานทางคณิตศาสตร์: OU กระบวนการ

ซึ่งเป็นที่รู้จักในวิศวกรรมการเงิน:

Ornstein-Uhlenbeck Process (OU กระบวนการ)

กล่าวคือ:

dZ_t = -\theta(Z_t - \mu)dt + \sigma dW_t

ความหมายง่ายๆ

Z ที่ห่างจากค่าเฉลี่ย

↓

ถูกดึงกลับด้วยแรง -θ

↓

แต่ยังมี Noise แบบสุ่มอยู่

นั่นคือ

「แรงดึงกลับ」กับ「ความสุ่ม」

สมดุลระหว่างสองสิ่งนี้ที่เรากำลังมองหา

■ แล้วจะเห็นอะไรจริง?

บนมุมบนซ้ายของกราฟ แสดงผลการวิเคราะห์แบบเรียลไทม์


=== MeanReversionAnalyzer ===

Pair : USDJPY
TF   : H1
EMA  : 200

--- TREND ---
Theta(Raw) : 0.0012
EMA Slope  : -0.12%

--- REVERSION ---
Theta(Dev) : 0.0531
HalfLife   : 13.2 bars
Deviation  : -1.82%

ADF         : Stationary
Hurst       : 0.37

--- REGIME ---
Range Mean Reversion

■ Half-Life น่าสนใจมาก

สิ่งที่ค่อนข้างสำคัญในครั้งนี้คือ:

Half-Life (ครึ่งชีวิต)

คือ

“เวลาเฉลี่ยที่การเบี่ยงเบนกลับมาครึ่งหนึ่ง”

หมายถึง

ตัวอย่าง:

HalfLife = 5
→ กลับมาค่อนข้างเร็ว

HalfLife = 50
→ ยังไม่กลับมา

นั่นหมายถึง

「รอไม่นานกลับมาง่ายแค่ไหน」

ถึงจะเห็นได้

สิ่งนี้มีประโยชน์ในการตัดสินใจด้วย

■ ตั้งระดับสภาวะตลาด 4 แบบอัตโนมัติ

อินดิเคเตอร์นี้จะจำแนกตลาดออกเป็น 4 แบบ

Regime	สถานะ
Range Mean Reversion	การกลับสู่ค่าเฉลี่ยในกรอบราคา
Trend + Pullback Reversion	แนวโน้ม + การถอยกลับ
Strong Trend	แนวโน้มขาขึ้น/ลงอย่างแรง
Random Walk	การเดินแบบสุ่ม

นี่เป็นเครื่องมือที่มีประโยชน์มาก

ตัวอย่าง:

สภาวะที่RSI พึงใช้การกลับทิศในตลาด

สภาวะที่การซื้อเมื่อถอยลงเป็นประโยชน์

ถ้าเป็นแนวโน้มที่ไปต่อความเสี่ยงสูง

สามารถแยกความแตกต่างได้

อินดิเคเตอร์นี้ไม่ใช่เครื่องมือทำนายอนาคต

ไม่ใช่เช่นนั้น

「ตอนนี้ตลาดนี้มีความได้เปรียบทางสถิติหรือไม่？」

วิเคราะห์ได้

กล่าวคือ:

ความได้เปรียบในการกลับสู่ค่าเฉลี่ย

ความได้เปรียบในการต่อแนวโน้ม

สภาวะที่ไม่มี Edge เลย

กำลังพิจารณา

■ สิ่งที่อยากทำต่อไป

ตอนนี้ยังน่าสนใจมาก แต่ต่อไปจะเพิ่มเติม:

การจัดอันดับหลายคู่สกุลเงิน

การผสมผสานกับความแข็งแรงของสกุลเงิน

การแบ่งตลาดด้วย AI

ครึ่งชีวิตที่เหมาะสมสำหรับคู่สกุลเงินแต่ละคู่

แผนที่ θ ตามกรอบเวลา

และอื่นๆ ที่อยากลองต่อไป

■ สรุปครั้งที่ 6

ตลาดมีแรงกลับสู่ค่าเฉลี่ยที่แตกต่างกัน

สามารถ quantify ความแข็งแรงด้วย θ

สำคัญคือไม่ใช่ราคาหลัก แต่ความเบี่ยงเบนจากค่าเฉลี่ย

สามารถวัดความเป็นไปได้ของการกลับด้วย OU กระบวนการ

Half-Life ช่วยบอก “ความเร็วในการกลับ”

สามารถจัดประเภทตลาดเป็น Regime

MeanReversionAnalyzer เป็นเครื่องมือวิเคราะห์ “ลักษณะของตลาด”

■ ข่าวคราวต่อไป (ตอนที่ 7)

ครั้งหน้าจะ

「ใน 28 คู่สกุลเงินจริงๆ แล้วค่าเฉลี่ยกลับมากน้อยแค่ไหน？」

จะวิเคราะห์ในรูปแบบอันดับ

USDJPY กลับมาง่ายจริงหรือไม่？

รอบที่ 6: ทำให้ “พลังการ Mean Reversion” เห็นได้ชัด ─ พัฒนา MeanReversionAnalyzer

「จะวัดได้ว่าแต่ละสกุลเงินกลับสู่ค่าเฉลี่ยมากน้อยเพียงใด？」

MeanReversionAnalyzer

■ MeanReversionAnalyzer คืออะไร？

「แรงดึงกลับสู่ค่าเฉลี่ย」

θ（シータ）

■ แนวคิดภาพคือ “ราคาที่ถูกผูกติดกับสปริง”

● EMA (ค่าเฉลี่ยเคลื่อนที่) = จุดศูนย์กลางของสปริง

● ราคาปัจจุบัน = ลูกบอล

● θ (シータ) = ความแข็งของสปริง

θ ที่มาก

θ ≈ 0

θ < 0

■ ทำไมถึงไม่ควรวิเคราะห์“ราคาค่าเฉลี่ยเอง”?

「ราคาค่าเฉลี่ยเอง」

「การเบี่ยงเบนจากค่าเฉลี่ย」

■ แก่นแท้ของ MeanReversionAnalyzer

「ราคา」ไม่ใช่สิ่งที่ดู

「การเบี่ยงเบนจากค่าเฉลี่ยคือสิ่งที่ดู」

■ พื้นฐานทางคณิตศาสตร์: OU กระบวนการ

Ornstein-Uhlenbeck Process (OU กระบวนการ)

Z ที่ห่างจากค่าเฉลี่ย

ถูกดึงกลับด้วยแรง -θ

แต่ยังมี Noise แบบสุ่มอยู่

「แรงดึงกลับ」กับ「ความสุ่ม」

■ แล้วจะเห็นอะไรจริง?

■ Half-Life น่าสนใจมาก

Half-Life (ครึ่งชีวิต)

「รอไม่นานกลับมาง่ายแค่ไหน」

■ ตั้งระดับสภาวะตลาด 4 แบบอัตโนมัติ

「ตอนนี้ตลาดนี้มีความได้เปรียบทางสถิติหรือไม่？」

■ สิ่งที่อยากทำต่อไป

■ สรุปครั้งที่ 6

■ ข่าวคราวต่อไป (ตอนที่ 7)

「ใน 28 คู่สกุลเงินจริงๆ แล้วค่าเฉลี่ยกลับมากน้อยแค่ไหน？」