การตัดขาดทุนทั้งที่สั้นก็ไม่เวิร์ค เหมือนว่ามันได้ผลเพียงการกระจายความเสี่ยงที่เงียบๆ เท่านั้น
สวัสดีครับ ผมครอน ในฐานะผู้บริหารวิศวกรโครงสร้างพื้นฐาน ผมกำลังสร้าง Bot สำหรับ swing ในหุ้นญี่ปุ่นร่วมกับ AI (Claude Code) และก็ค่อนข้างเป็นมือใหม่ทั้งด้านโปรแกรมมิ่งและการเทรดระยะสั้น
※บทความนี้เป็นบันทึกการพัฒนาตามวันที่ 2 กันยายน 2026
วันนี้เป็นวันที่เติม “ไอเดียปรับปรุง” เข้ากับกลยุทธ์ของ Bot อย่างหนึ่ง ผมได้ลองทฤษฎีที่มักได้ยินมา 5 อย่าง แล้วทั้งหมด 5 อย่างถูกทิ้งหมด. เหลือเพียงอย่างเดียวดั้งเดิมที่น่ากลมกรอบ
ไม่ใช่ว่าจะไม่อ่านบันทึกการแพ้เลย... อาจคิดอย่างนั้นนะ แต่ประสบการณ์ “แพ้ติดกัน 5 ครั้ง เหลือแค่ 1 อย่าง” นี้อาจเป็นประโยชน์มากที่สุดสิ่งที่บทความนี้จะบอกได้คือ 2 เรื่องต่อไปนี้
- ทฤษฎีการเทรดมีความหมายว่า “ทั่วไปถูกต้อง” และ “ใช้งานได้กับวิธีของตัวเอง” ไม่ใช่เรื่องเดียวกัน
- สิ่งที่ได้ผลคือการกระจายความเสี่ยงที่เรียบง่าย ไม่ใช่การเข้าสู่กลยุทธ์ที่เด่นหรือลงทุนแบบหรูหรา
ก่อนอื่น กลยุทธ์ของผมเป็นแบบไหน?
ถ้าอธิบายส่วนนี้ไม่ถกเถียงต่อไปไม่ได้ ดังนั้นขออธิบายแบบสั้นๆ
กลยุทธ์ Bot ของผมคือทุกเดือนเปลี่ยนเข้าไปในหุ้นที่มีมูลค่าหุ้นใหญ่ที่ร้อนแรงที่สุดในตอนนั้นแค่ครั้งเดียว ไม่ดูว่า “บริษัทนี้ถูก” หรือไม่ โดยดูจากความแข็งแรงของการเคลื่อนไหวในอดีตอย่างเครื่องจักรกล ผมเรียกมันว่าหนึ่งครั้งต่อเดือน เนื่องจากเปลี่ยนเดือนละครั้ง
ซึ่งมี “วาล์วกันขัดข้อง” ติดอยู่ เมื่อภาพรวมตลาดทรุดลง สัดส่วนหุ้นจะลดลงโดยอัตโนมัติ และส่วนที่เหลือจะรอด้วยเงินสดหนึ่งในหลักคิดคือ เน้นไม่ให้พลาดการขาดทุนมากกว่าการออกแบบนี้
วันนี้ผมได้ลองเพิ่มเติมอะไรลงไปในจุดหนึ่งต่อเดือนนี้เพื่อให้ความเจ็บปวดในช่วงตลาดลง (สูงสุดที่ทรัพย์สินจะลดลง) ลดลงมากขึ้นได้ไหมผมใช้การทดสอบย้อนหลัง (backtest) ด้วยข้อมูลในอดีต ประมาณ 21 ปี ของหุ้นญี่ปุ่น
ข้อเสีย① “ตัดขาดทุนอย่างแน่นอน”
เป็นข้อที่เป็นที่รู้จักมาก ที่ว่า “หากราคารื้อตั้งแต่ราคาซื้อลงไปในอัตราส่วนคงที่ ให้ขายโดยอัตโนมัติและยืนยันการขาดทุน”
ได้ลองใส่การตัดขาดทุนนี้ลงในหนึ่งครั้งต่อเดือน ผลลัพธ์คืออัตราผลตอบแทนต่อปีลดลง และการลดลงสูงสุดแทบไม่เปลี่ยนแปลงยิ่งตัดขาดทุนเข้มเท่าไร ผลการดำเนินงานยิ่งแย่ลง
เหตุผลง่ายๆ เพราะหนึ่งครั้งต่อเดือนจะสลับหุ้นในพอร์ตไปยังหุ้นหลายตัว ดังนั้นการลดลงของทรัพย์สินจะเกิดจาก “การลดลงของตลาดทั้งหมด” มากกว่าจะเกิดจาก “การตกของหุ้นตัวเดียว” ถึงแม้จะเลิกขาดทุนกับหุ้นตัวใดตัวหนึ่งไปเร็วก็ไม่ช่วย เมื่อราคาถูกลงแล้วซื้อคืนกลับ V-shape ก็อาจทำให้พลาดการขึ้นมาถึงจุดสูง
ข้อเสีย② “แนวโน้มขาลงควรทำกำไรด้วยการขายชอร์ต”
มีความคิดแบบคลาสสิกว่า ตลาดมีแนวโน้มขึ้น-ลง ซึ่งการลงไปถือสินค้าผลตอบแทนตรงข้ามกับตลาดอย่าง อินเวิร์สเอฟทีเอ (Inverse ETF) ที่เคลื่อนไหวทางตรงกันข้ามกับดัชนี อาจทำกำไรได้ในช่วงขาลง?
ผมได้ลองแบบนี้ด้วย ในช่วงที่ตลาดอ่อนแรง เงินสดบางส่วนถูกโยกไปยังฝั่งอินเวิร์ส ผลคือเกือบตลอดช่วง 20 ปีที่ผ่านมา การลดลงร้ายแรงที่สุดกลับมีมากกว่ากลายเป็นเกณฑ์.
สิ่งที่ได้ผลคือมีเพียงช่วงเดียวใน 20 ปีที่ลงยาวและต่อเนื่องเท่านั้น ในช่วงอื่นๆ ที่ตลาดลงและเด้งขึ้นเร็ว ถูกหักล้างทีละรอบแทบทุกครั้ง เพราะไม่สามารถคาดเดาว่า “ขณะนี้เป็นขาลงจริงๆ หรือไม่” ก่อน
ข้อเสีย③ การลอน/ชอร์ตจริง
“การขาย short หุ้นที่อ่อนแอกว่า (ไม่ถือหุ้นที่ตัวเองไม่ได้ครอบครองมาก่อน) และซื้อหุ้นที่แข็งแกร่งมาร่วมด้วย เพื่อให้ได้กำไรจากการขึ้นลงของตลาด” เป็นแนวคิดที่ฟังดูดี แต่มันอธิบายไม่ได้ว่า
ถ้าขยายจำนวนหุ้นที่ติดสัญญาซื้อขายมากกว่า 200 รายการ เพื่อให้การซื้อและขายหักลบกัน ผลลัพธ์คือทดสอบย้อนหลังพบว่าอัตราผลตอบแทนเฉลี่ยต่อปีติดลบ เมื่อแยกเฉพาะฝั่งซื้อออกมาให้ได้กำไร ปรากฏว่าส่วนฝั่งขายกลับทำกำไรทั้งหมด
หุ้นกลุ่มใหญ่ของญี่ปุ่นที่เคยเป็น “กลุ่มที่แพ้” ส่วนใหญ่เป็นบริษัทยุคชิ้นที่ถูกขายในช่วงชั่วคราวและเมื่อเวลาผ่านไปก็กลับมาเป็นปกติ การขายชอร์ตต่อไปในลักษณะนี้จึงเป็นการเดิมพันที่แพ้ในระยะยาว
ข้อเสีย④⑤ “การตัดสินใจ” และ “การคัดเลือกหุ้น” ทำให้เคร่งครัดมากไป
สองข้อเพิ่มเติม
- การตัดสินว่าตลาดมีการ “พังทลาย” อย่างเคร่งครัด: ไม่ใช่แค่ “หลุดเส้น” แล้วลดหุ้นลงทันที แต่ต้องรอดูหลายวันจนยืนยัน แล้วค่อยลดหุ้นลง เพื่อรอรอรับการลงอย่างยาวนาน ทำให้การลดลงยาวนานขึ้นและผลลัพธ์แย่ลง
- การคัดเลือกหุ้นให้เข้มงวดขึ้น: เช่น ถือเฉพาะหุ้นที่กำลังขึ้นเท่านั้น เพิ่มเงื่อนไข บางทีอาจดูดีในช่วงสั้นๆ แต่ถ้าแบ่งช่วงออกเป็นครึ่งต้น/ปลายกลับพบว่าแนวโน้มล่มสลาย นั่นเพราะการปรับแต่งมากเกินไป (over-optimization) ชุดข้อมูลที่ผ่านมา
ทำไมทั้ง 5 ข้อถึงไม่เวิร์ก
เมื่อเรียงลำดับแล้ว พบว่า มีจุดร่วมบางอย่าง“สวนทางกับแนวโน้มของตลาด”“พยายามทายแนวโน้ม”“เคลื่อนไหวช้าๆ”กลยุทธ์ที่ใช้มอชเชียนอย่างหนึ่งไม่ทำงานกับกลยุทธ์ที่อาศัย“ความเร่ง” เช่นหนึ่งครั้งต่อเดือน เนื่องจากถูกดูดหักด้วยการเด้งกลับอย่างรวดเร็ว
นี่ไม่ใช่เฉพาะผม พบว่านักโมเมนตัม (Momentum) มักถูกหลอกในตลาดที่แนวโน้มคงที่หรือกลับทิศอย่างรวดเร็ว (อ้างอิง: Above the Green Line) และกฎ “ควรตัดขาดทุนเร็ว” ที่มีการทดสอบข้อมูลพบว่าไม่ควรรับรองว่าเป็นคำตอบที่ถูกต้องเสมอ (อ้างอิง: Diamond Online)
และสิ่งสำคัญแนวคิดการ “ป้องกันในช่วงขาลง” โดยเดิมทีมีวาล์วปลอดภัยที่ปลอดภัยอยู่แล้ว (รอเงินสดเมื่อพอร์ตถูกรื้อ) ก็เพียงพอ. การพยายามเติมอะไรเข้าไปเพิ่มเติมกลับทำให้ผลการดำเนินงานแย่ลง การลบออกจึงเป็นทางเลือกที่ถูกต้อง
1 อย่างที่เหลืออยู่เท่านั้น: เพิ่มทองเล็กน้อย
หลังจากแพ้ติดต่อกัน 5 ครั้ง สิ่งที่ลองสุดท้ายคือสิ่งนี้ส่วนหนึ่งของทรัพย์สินในหนึ่งครั้งต่อเดือน (ประมาณ 10-20%) ถือทองไว้เสมอ.
เหตุที่เลือกทอง เพราะราคาทองแทบไม่เคลื่อนไหวตามกลยุทธ์ของผมมากนัก ในการดูการเคลื่อนไหวร่วมกับทอง ผมได้คัดกรองค่าแนวร่วม (สหสัมพันธ์) ประมาณใกล้ศูนย์ (+0.2) และทองเองก็มีพลังขับเคลื่อตัวเองสูงขึ้นเรื่อยๆ
ผลลัพธ์ที่ได้คือการลดลงสูงสุดลดลงจากเกือบ 40% เหลือประมาณ 30% ความเสี่ยงต่อผลตอบแทนปรับดีขึ้นเกือบ 20% และอัตราผลตอบแทนต่อปีก็นิ่งไม่ลดลงแม้จะแบ่งช่วงต้น/ท้ายออกก็ทำให้การลดลงต่ำลงทั้งสองช่วง ไม่ใช่เรื่องบังเอิญ
ข้อควรระวังคือ สิ่งนี้เป็นการเล่าเรื่องว่า “ถ้าใช้กลยุทธ์หนึ่งของผมเองและวนข้อมูลในอดีตก็ได้ผลเช่นนี้” เพราะหากกลยุทธ์เปลี่ยนผลลัพธ์ก็เปลี่ยนไปด้วย จึงไม่สามารถนำไปทั่วไปได้
จุดสำคัญคือแนวคิดที่ว่า “ทองเมื่อขาลงเท่านั้น” ไม่เวิร์กเพราะการซื้อช้าเกินไปและขายก็ช้าไปด้วย การถือทองไว้ตลอดทั้งรอบตลาดจะทำให้เกิดการกระจายที่แท้จริงขึ้น
สรุปคือ สิ่งที่ได้ผลไม่ใช่กลยุทธ์การทายตลาด แต่เป็นแค่การถือสิ่งที่ไม่สัมพันธ์กับตลาดไว้เป็นระยะยาวและนี่คือแนวทางที่เรียบง่าย
เพิ่มเติม: สองข้อที่พลาด
ข้อที่ 1: ค่าข้อมูลผิดทำให้ทรัพย์สินแตะสูงกว่า 100 ล้านเยนใน 20 ปี
ข้อมูลราคาทองมีข้อมูลเสียประมาณปีละหนึ่งครั้งที่ราคาร่วงลงมากถึง 100 เท่า เมื่อคำนวณออกมาก็ได้ทรัพย์สินกว่า 100 ล้านเยนใน 20 ปี สาเหตุถูกระบุและเปลี่ยนเป็นวิธีอื่น (ทองล่วงหน้า x ดอลลาร์/เยน) จึงแก้ไขได้
ข้อที่ 2: AI ตระหนักถึงความผิดของตัวเองและแก้ไขเอง
ระหว่างการทดสอบ ผมเขียนบันทึกเพื่อทดลอง แต่ก็ไปปรากฏในบันทึกการทำธุรกรรมจริงซึ่งเป็นข้อผิดพลาดเล็กๆ ของโปรแกรม ผมเป็นผู้ให้ AI รับผิดชอบในการพัฒนา Bot นี้ และความเสี่ยงของการปล่อยให้ AI ทำงานเองมีด้านที่น่ากลัวสิ่งที่น่าสนใจคือ Claude Code ตระหนักถึงความผิดพลาดด้วยตัวเองและกลับสู่สภาพเดิมได้โดยไม่ต้องสั่งงาน มาร์กด้วย “เวลาบันทึกที่เขียนลงไปเป็นหลักฐาน” ทำให้กลับมาได้ภายในไม่กี่นาที และไม่ต้องบอกคำสั่ง ลักษณะนี้ยืนยันได้ว่าเป็น AI ที่ดีและอิสระในการทำงาน
แต่ในทางเดียวกัน มันก็ทำให้กลัวเล็กน้อย Because AI สามารถตรวจจับแต่ข้อมูลจริงได้ ถ้าปล่อยให้อันตรายเกิดขึ้น โดยฉะนั้น ก่อนให้ AI เขียนโค้ดกับข้อมูลจริง ผมต้องตรวจสอบก่อนว่า “การแยกข้อมูลทดสอบออกอย่างแน่นหนาจริง” ซึ่งเป็นหน้าที่ของผม
บทเรียนวันนี้และสิ่งที่จะทำต่อไป
อย่าพยายามเติมความคิดเข้ามาจนเต็มทุกอย่าง และตัดสินใจตรวจสอบก่อนว่าไม่ต้องเติมอะไรเพิ่มเติมได้
ทฤษฎีบางอย่างอาจดูเหมือนถูกต้องเพราะคนทั่วไปพูดถึง แต่การใช้งานจริงในสภาพแวดล้อมของตัวเอง (กลยุทธ์ เงินทุน ตลาด) อาจต่างกัน การลองไอเดียปรับปรุง 5 อย่างทั้งหมดแล้วทิ้งหมด หลังจากนั้นลองใช้งานการกระจายด้วยทองเป็นอย่างเดียวที่ได้ผล ซึ่งดูเรียบแต่มีประสิทธิภาพ นี่คือบทสรุปของวันนี้
ครั้งถัดไป ในช่วงเวลาปรับเปลี่ยนปลายกันยายน ผมจะนำเสนอตัวเลือกทองบ้างในรูปแบบจริงของ One-Of-Block ในการทดสอบย้อนหลัง แล้วนำไปใช้งานจริงเป็นครั้งแรก
สำหรับคนที่ยังสงสัยว่า “กฎการตัดขาดทุนควรใช้อย่างไร”คำตอบคือ “ตรวจสอบด้วยบันทึกการซื้อขายของตนเอง”ไม่ใช่คำตอบจากคนอื่น แต่ใช้ข้อมูลของตัวเองในการสรุปผล ซึ่งน่าเชื่อถือและได้ผลจริง
※บทความนี้เป็นบันทึกการพัฒนาของผม ไม่ได้แนะนำหุ้นหรือวิธีการใดๆ นักลงทุนควรตัดสินใจเอง