【การตรวจสอบบทความวิชาการระหว่างประเทศ】ข้อมูลจาก 229,000 คนและ 72,000,000 ทวีตพิสูจน์: ทำไมการติดตาม “อินฟลูเอนเซอร์การเงินที่พูดมาก” จึงทำให้ขาดทุนเฉลี่ยต่อเดือนถึง -2.3%?
สื่อมวลชนการลงทุนและผู้ค้าที่รวมตัวกัน ไว้สำหรับผู้อ่าน GogoJungle ทุกท่านที่ติดตาม
เมื่อมองดูผู้ทรงอิทธิพลบน SNS ที่โพสต์ “การเทรดก่อนใคร” หรือ “มุมมองตลาด” อย่างต่อเนื่องในทุกวัน คุณเคยรู้สึกถึงบางอย่างที่ไม่ค่อยเข้ากันบ้างไหม
“ทำไมพวกเขาถึงสามารถทวีตบ่อยขนาดนี้ในขณะที่กำลังเทรดอยู่?”
“ทำไมการคาดการณ์ของบัญชีที่มีผู้ติดตามหลายหมื่นคนถึงทำนายตรงข้ามกันบ่อยครั้งขนาดนี้?”
มีการตีความเชิงสังเคราะห์ด้วยการตรวจสอบอย่างละเอียดโดยใช้การเงินเชิงปริมาณและการวิเคราะห์ข้อมูลขนาดใหญ่ ซึ่งเป็นบทความวิจัยที่มีความสำคัญมาก
งานวิจัยฉบับนี้ โดยผู้เขียน Ali Kakhbod แห่งมหาวิทยาลัยแคลิฟอร์เนีย เบิร์กลีย์ (UC Berkeley), Seyed Kazempour แห่งรัฐลุยเซียนา, Dmitry Livdan แห่ง UC Berkeley, Norman Schürhoff แห่งมหาวิทยาลัยโลซานน์ และสถาบันวิจัยการเงินสวิตเซอร์แลนด์ (SFI)“Finfluencers”(ธันวาคม 2024)
บทความนี้อ่านจากมุมมองของผู้ค้าสินค้าทางมืออาชีพ เพื่อถอดรหัสข้อมูลเชิงปริมาณของบทความ (การตรวจสอบ alpha ตามแบบ Fama-French 5-factor) และวิเคราะห์ว่าเศรษฐกิจผู้ติดตาม SNS ทำลายประสิทธิภาพของนักลงทุนรายบุคคลอย่างไรในเชิงโครงสร้าง
1. ชุดข้อมูลบทความและวิธีทดสอบ
ลักษณะเด่นของการศึกษาคือขนาดข้อมูลที่ล้นหลามและกรอบการทดสอบที่เข้มงวด
- กลุ่มเป้าหมาย:อินฟลูเอนเซอร์การเงิน 29,475 คนบนแพลตฟอร์มการลงทุนด้านการเงินขนาดใหญ่ “StockTwits”
- ข้อมูลการวิเคราะห์:ทวีตแนะนำการซื้อขายและทวีตเชิงอารมณ์กว่า 72 ล้านข้อความ
- โมเดลประเมินค่า:ประมาณการผลตอบแทนส่วนเกิน 20 วันที่หลังทวีต โดยใช้แบบจำลอง Fama-French 5-factor เพื่อกำจัดความเสี่ยงเชิงระบบ (ตลาด ขนาด มูลค่า ความสามารถในการทำกำไร และรูปแบบการลงทุน) เพื่อคำนวณ “อัลฟาที่แท้จริง (True Alpha)” อย่างบริสุทธิ์
2. ผลการทดลอง: มากกว่าครึ่งเป็น “เทพเจ้าผิด” ที่น่าตกใจ
จากการประมาณด้วยแบบจำลองผสม (Mixture model) ผลการประมาณค่าความสามารถที่แท้จริงของอินฟลูเอนเซอร์การเงินถูกจัดหมวดหมู่ดังนี้
| ประเภทของ Finfluencer | สัดส่วน (Share) | ผลตอบแทนเฉลี่ยรายเดือน (Mean Monthly Alpha) |
|---|---|---|
| Skilled Type 2 (ผู้มีความสามารถจริงสูงสุด) | 5.1% (0.6) | +8.14%(0.49) |
| Skilled Type 1 (ผู้มีความสามารถ) | 23.5% (1.0) | +1.49%(0.10) |
| Unskilled (ไม่มีความสามารถ — ติดตามตลาด) | 16.6% (2.7) | 0.00% |
| Antiskilled Type 1 (逆神 — ขาดทุน) | 45.5% (1.8) | -1.19%(0.08) |
| Antiskilled Type 2 (逆神มากที่สุด) | 9.3% (0.5) | -9.15%(0.33) |
ทั้งหมด54.8%(ประมาณ 55%)เป็นกลุ่มที่สร้างอัลฟ่าลบในระดับ “Antiskilled” และผลตอบแทนเฉลี่ยที่ปรับน้ำหนักต่อเดือนอยู่ที่−2.3%ถึงจุดนี้
ผู้เขียนบทความได้ย้ำในหน้า 18 ของบทความว่า ข้อความที่ตรงไปตรงมาดังต่อไปนี้
"For the majority, tweets are informative in the sense of 'do the opposite of what I say'."
หากดูในเชิงสถิติ สัญญาณของอินฟลูเอนเซอร์ส่วนใหญ่ได้รับการพิสูจน์แล้วว่าใช้ได้เป็นเพียง “ฟิลเตอร์การกลับตัว” เท่านั้น
3. ทำไมคนที่พูดมากที่สุดถึงมีความสามารถน้อยที่สุด: ความสัมพันธ์เชิงลบระหว่างกิจกรรมกับทักษะ
การวิเคราะห์ที่ให้ข้อมูลเชิงลึกที่สุดในบทความนี้คือการวิเคราะห์เชิงปริมาณระหว่าง “กิจกรรมทวีต (Activity)” และ “ความน่าจะเป็นที่มีทักษะ (Skill possession)” (Table 4, p.23)
การเพิ่มปริมาณทวีตเป็นสิบเท่าตัว (1 log unit) ส่งผลต่อการมีทักษะดังนี้ (pp):
- ความน่าจะเป็นที่เป็น Skilled (ผู้มีความสามารถ): −3.34 pp (มีนัยสำคัญน้อยกว่า 1%)
- ความน่าจะเป็นที่เป็น Unskilled: +2.45 pp (มีนัยสำคัญน้อยกว่า 1%)
- ความน่าจะเป็นที่เป็น Antiskilled: +0.88 pp (มีนัยสำคัญน้อยกว่า 1%)
ในขณะเดียวกัน การประมาณการความยืดหยุ่นในการเพิ่มผู้ติดตาม (Table 5, p.27) พบว่า“จำนวนทวีตที่เพิ่มขึ้น 1% จะทำให้ผู้ติดตามเพิ่มขึ้น 0.72%”มีความสัมพันธ์เชิงบวกสูงที่ได้รับการยืนยัน
นั่นคือ
- ผู้เผยแพร่ที่มีฝีมือต่ำพยายามโพสต์มุมมองตลาดบ่อยครั้งมากขึ้น
- การโพสต์บ่อยและความรื่นเริงที่เกินเหตุ (hype) ถูกอัลกอริทึมของ SNS ชื่นชอบ ทำให้จำนวนผู้ติดตามพุ่งขึ้นอย่างรวดเร็ว
- ผู้มีฝีมือจริง (เช่น Skiled Type 2 ที่สร้างผลตอบแทนต่อเดือนเฉลี่ย +8.14%) กลับโฟกัสทรัพยากรไปที่การสังเกตตลาดและการดำเนินการที่มีวินัย ส่งผลให้การโพสต์บน SNS ต่ำลงและจำนวนผู้ติดตามไม่เติบโต
กล่าวคือ เกิดการเลือกปฏิบัติเชิงตลาดแบบย้อนทวี (Adverse Selection) ที่ผู้ที่มีทักษะต่ำกว่าเป็นผู้ครองตำแหน่งอินฟลูเอนเซอร์ตลอดเวลา ในขณะที่ผู้ที่มีทักษะสูงกว่ากลับถูกทำให้ไม่เป็นที่รู้จัก
4. เห็นภาพด้านปฏิบัติของผู้เทรดมืออาชีพ
ข้อเท็จจริงที่บทความนี้ชัดเจนคือ สอดคล้องกับประสบการณ์ปฏิบัติของผู้เทรดมืออาชีพอย่างแน่นอน
โดยทั่วไป ความได้เปรียบที่แท้จริงของผู้เทรดคือการสังเกตความผันผวนและสภาพคล่องของตลาด และ “รอจนกว่าความคาดหวังจะบวกถึงจุดที่เหมาะสม” การถือสถานะเสี่ยงเป็นการเปิดเผยความเสี่ยง และการทวีตที่ไม่หยุดหย่อนทุกวินาทีของตลาดเป็นการยืนยันถึงการขาดวินัย
โมเดลธุรกิจของอินฟลูเอนเซอร์ที่ทุ่มเทในการดึงดูดผู้ติดตามคือ ไม่ใช่รายได้จากการเทรด แต่เป็นรายได้จากการสร้างผู้เข้าชมแพลตฟอร์ม (เซลลอน, แอฟฟิลิเอต, โฆษณา) สำคัญสำหรับพวกเขาคือจำนวนการแสดงผลไม่ใช่ผลแพ้ชนะของตลาด
5. บทสรุป: เข้าใจอิทธิพลของอัลกอริทึมและพัฒนาความสามารถในการทำงานอิสระ
บทเรียนจากบทความ Finfluencers ที่เราได้เห็นมีความชัดเจน
- จำนวนผู้ติดตามไม่ใช่ตัวชี้วัด “ทักษะการเทรด” แต่เป็นตัวชี้วัด “ความถี่ของกิจกรรมการตลาด”
- การติดตามข้อมูลล่วงหน้าของคนอื่นหรือมุมมองตลาดของผู้อื่นเป็นการเสี่ยงที่ทำให้พอร์ตโฟลิโอประกอบขึ้นด้วย bias ลบ 2.3% ต่อเดือน
- ความรู้ที่แท้จริงซึ่งเป็นความรู้โดยปริยาย (ความเข้าใจสิ่งแวดล้อม การบริหารทุน และการปรับตัวตามสภาวะตลาด) ไม่มีอยู่บน Timeline ของ SNS
วิธีรอดในมหาสมุทรข้อมูลคือการตัดเสียงรบกวนจากพฤติกรรมของผู้อื่นออกอย่างสิ้นเชิง และดำเนินการเทรดด้วยข้อมูลการตรวจสอบของตนเองและขอบเชิงสถิติอย่างมีวินัย