หลักสูตรอบรม Algo Trading

หลักสูตรอบรม: ออกแบบและสร้าง Algorithmic Trading System & Robot

รายละเอียดล่าสุดของคอร์สนี้ดูในลิงค์นี้ครับ -> https://deepquantspace.com/2021/08/15/algo-trading-course/

สำหรับผู้ที่ต้องการมีหุ่นยนต์เทรด/ลงทุนไว้ใช้งานส่วนตัว หรือผู้สนใจงาน Quant, Quant Developer, Quant Architect

*ผู้สนใจสมัครเรียน รบกวนส่ง message มาที่เฟสบุ๊กผมได้ครับที่ https://web.facebook.com/narong.chansoi.5

หรือที่ Line ID: tuminimaliz

ผู้ที่ไม่ได้เรียนและทำงานด้านไอทีก็เรียนได้ครับ ไม่มีประสบการณ์เทรดก็เรียนได้แค่ต้องฝึกหนักหน่อย

เป็นกิจกรรมแบบฮาร์ดคอร์ ต้องการคนที่ซีเรียสจริงจังนะครับ

ผู้เรียนจะได้เรียนตั้งแต่พื้นฐานการเทรด/ลงทุน ไปจนถึงการนำ Deep Learning, AI, Machine Learning มาใช้

เครดิตรูปภาพ: http://jonathankinlay.com/

กิจกรรม/การจัดอบรมนี้ไม่ใช่การชวนมาเรียนง่ายๆ รวยง่ายๆ ไม่ใช่การระดมทุน ไม่ใช่แชร์ลูกโซ่ ไม่ต้องการคนจำนวนมาก ไม่ต้องการเงินจำนวนมาก ขอแค่พอใช้ประกอบการทำโปรเจ็คต์ และทำกิจกรรมร่วมกันครั้งต่อๆ ไป และเป็นแบบปิด มาเรียนแล้วเข้าร่วมกลุ่ม DeepQuant กันครับ เป็นกลุ่มปิดครับ ไม่มีเผยแพร่อะไรใดๆ สู่วงนอก ไม่ใช่ไม่มีน้ำใจ แต่ผมต้องการความสงบ และต้องการโฟกัสที่การทำโปรเจ็คต์เป็นหลัก

กิจกรรมนี้จะไม่มีออนไลน์หรือ Live นะครับ เพราะต้องการเจอกันคุยกันตัวเป็นๆ แต่หลังจบกิจกรรมพอสนิทกันแล้วก็คุยและทำงานร่วมกันผ่านออนไลน์ได้ครับ ใครหยุดเรียนหรือเรียนไม่ทัน สามารถนัดเรียนหรือปรึกษานอกรอบได้ ผมมีจัดเวิร์กช็อปนอกรอบกันเรื่อยๆ ครับ

สำหรับผู้ที่สนใจอยากเป็นสปอนเซอร์สนับสนุนโครงการพัฒนาระบบ Algorithmic Trading มันๆ เข้มข้นๆ และ/หรืออยากมี trading robot และระบบไอทีไว้ใช้งาน (เฉพาะตลาดหุ้น, TFEX, FOREX, gold future, oil future) หรืออยากได้ผลงานไปใช้ต่อยอด ก็ติดต่อได้ครับ

จำนวนวันอบรม: 10 วัน (ทำไมตั้ง 10 วันแน่ะ! รบกวนอ่านไปเรื่อยๆ และอ่านหัวข้อดูก่อนครับ) เรียนทุกวันอาทิตย์ จะแจ้งวันเรียนทางเฟสบุ๊กนะครับ

ค่าเรียน/ค่าเข้าร่วมกิจกรรม: 48,000 บาท จำกัดผู้เรียน พูดคุยทั่วถึง ห้องไม่ใหญ่โต

ผมไม่ต้องการคนที่อยากรวยลัด รวยเร็ว รวยง่ายๆ อยากเรียนอะไรง่าย อยากทำอะไรง่ายๆ แล้วรวย และ อยากได้คนบ้าๆ สไตล์ฮาร์ดคอร์ มาเรียนมาร่วมงานกัน

ผมเป็นใคร? รบกวนอ่านได้ใน Linkedin คลิ้ก, ประวัติเบื้องต้น คลิ้ก, ผมหันมาทำงานด้านนี้หลายปีแล้ว ได้แรงบันดาลใจจากอะไร ทำไปทำไม อ่านได้ในบล็อกนี้ คลิ้ก: , background problem ในงานวิจัยที่เป็นที่มาในการจัดกิจกรรม/อบรมนี้ อ่านได้ในบล็อกนี้ คลิ้ก

คร่าวๆ คือ ผมทำงานไอทีมาเกือบ 20 ปี ทำงานด้าน Software Architecture มาราว 15 ปี เป็นอาจารย์อิสระและที่ปรึกษาอิสระมาราว 15 ปี หลงใหลบ้าคลั่งการเทรด/ลงทุนมาหลายปี กระหายการทำกำไร แต่เกลียดการพนันและการเสี่ยงดวงเข้าไส้ ใฝ่ฝันในอนาคตอยากทำธุรกิจด้าน Social Enterpise, จะทำมูลนิธิเกี่ยวกับเด็ก คนพิการ คนชรา สิ่งแวดล้อม การศึกษา ไอที, จะสร้างโรงเรียนสร้างครูสอนแนวทางเลือก, จะทำเกษตรด้าน smart farming & digital farming ฯลฯ แต่ดันเจออุปสรรคการเทรด/ลงทุนชิ้นใหญ่คือ จิตวิทยาลงทุน ประเมินตัวเองแล้วคงใช้เวลาอีกหลายปีกว่าจะฝึกสำเร็จ จึงคิดหาทางลัดด้วยการตัดจิตใจออกไปให้หมดสิ้นด้วยการสร้าง Algorithmic Trading System ขึ้นมา โดยให้ Trading Robot หรือ หุ่นยนต์เทรด ไปทำมาหากินให้แทน ผมจะได้เอาเวลาไปทำความฝันต่างๆ ให้เป็นจริงเร็ว ผมสร้างมันเสร็จไปแล้วเบื้องต้น ใช้งานจริงมาสักพักใหญ่แล้ว แต่ยังสร้างหุ่นยนต์ไปไม่กี่ตัว ที่ผ่านมาใช้ทุนสร้างมันไปเยอะ และเหนื่อยกับมันมานานเพราะทำอยู่คนเดียว ตอนนี้กำลัง R&D สร้างตัวต้นแบบชุดใหม่อยู่ ต้องใช้เวลาพอสมควรกว่าจะเสร็จ จึงเกิดกิจกรรมนี้ คือ จะหาเงินทุน และ จะหาคนที่มีอุดมการณ์ไปด้วยกันได้มาร่วมทีม

กลุ่มลูกค้า/ลูกศิษย์ผมที่ผ่านมา อาทิ ธนาคารต่างๆ ไม่ต่ำกว่า 15 ธนาคาร, บริษัทเทเลคอมเกือบทุกราย, ซอฟต์แวร์เฮ้าส์และบริษัทไอทีจำนวนมากทั้งใหญ่ยันเล็ก,  บริษัทที่ทำระบบไอทีด้านการเงิน, บริษัทประกันภัยหลายราย, สถาบันการเงินและโบรกเกอร์, หน่วยงานภาครัฐ, โรงงานอุตสาหกรรม, บริษัทรับจองตั๋ว, บริษัทบริหารอสังหาริมทรัพย์ และในอีกหลากหลายธุรกิจ/อุตสาหกรรม ไว้จะเอาลิงค์ profile ผมแบบละเอียดมาลงอีกที

มีคนจัดคอร์สอบรมแบบนี้เยอะแยะ? ถูกกว่าด้วย ฟรีก็มี คนสอนก็มีชื่อเสียงในแวดวงการลงทุนกว่าด้วย… กิจกรรมและการจัดอบรมของผมเป็นแบบฮาร์ดคอร์ สอนในมุมมองคนไอทีและนักวิเคราะห์ข้อมูล สเกลระบบระดับที่คุณเอาไปต่อยอดทำ hedge fund หรือ private fund ก็ยังได้ ไม่ใช่แค่การสร้าง EA (Expert Advisor) หรือ Trading Robot ง่ายๆ ใช้เองคนเดียว… แต่ไม่ได้หมายความว่าคอร์สที่คนอื่นจัดไม่ดีนะครับ แค่คนละแนวทางกัน เพราะส่วนใหญ่เน้นที่กลุ่มนักลงทุนส่วนบุคคล หรือจัดให้กับนักลงทุนในสถานบันการเงิน

กลุ่ม DeepQuant คือ?

ผมตั้งกลุ่มขึ้นมาชื่อ DeepQuant สมาชิกคือผู้เรียนจากคอร์สนี้ที่จัดมาแล้ว 2 ครั้ง รวมถึงเพื่อนๆ และส่วนหนึ่งจากสปอนเซอร์โปรเจ็คต์ผม เราช่วยกันพัฒนา trading platform, โมเดลเทรด และแลกเปลี่ยนความรู้และประสบการณ์กัน เราจัดเวิร์กช็อปและประชุมปรึกษาหารือกันเรื่อยๆ เรียนจบ 10 วันแต่เราไม่จบ เรายังคบหากันต่อ ช่วยเหลือกันต่อไปเรื่อยๆ เรามี tool ในการสื่อสารและทำงานร่วมกันหลากหลาย อาทิ Line, Facebook, Slack, Trello, Github ฯ

คุณสมบัติผู้เข้าร่วมกิจกรรม:

– เป็นคนที่มีความมุ่งมั่นสูงเกินมนุษย์ปกติ มีความฝันในชีวิตที่ยิ่งใหญ่ (ไม่ได้หมายถึงต้องมีอะไรใหญ่ๆ มีมากๆ) มีเป้าหมายชีวิตชัดเจน ไม่เป็นคนที่ใช้ชีวิตเรื่อยเปื่อยไปวันๆ ไม่ขี้เบื่อ เป็นคนนิ่ง ไม่เปลี่ยนใจง่าย จดจ่อกับสิ่งที่ทำได้เต็มที่ กัดไม่ปล่อยจนกว่าจะถึงเป้าหมาย ไม่ยอมแพ้อะไรง่ายๆ มีความอดทนสูง ทำงานภายใต้ความกดดันสูงได้ดี มีความกระหายการทำกำไรตลอดเวลา แต่ใจเย็นมีชั้นเชิงรู้จักใช้สติปัญญาและกลยุทธ์แบบขงเบ้ง เด็ดขาดเแบบโจโฉ ซึ่อสัตย์แบบกวนอู คิดการใหญ่และมีภาวะผู้นำแบบเล่าปี่ และต้องไม่ขี้โกง ไม่เห็นแก่ตัว ไม่โลภเว่อร์ ไม่ขี้ขโมยไอเดียโดยไม่ขออนุญาต เป็นคนขยัน รักการเรียนรู้ ใฝ่รู้ ชอบค้นคว้าทดลอง รักการอ่าน ใจกว้าง ไม่มีอคติ ใส่ใจสังคม ชอบช่วยเหลือสังคม…

***เยอะหน่อยนะครับ ไม่ต้องมีหมดก็ได้ แต่อยากให้มีหลายๆ เรื่อง 🙂

– สนใจการเทรด/ลงทุนจริงจัง สนใจและอยากมีหุ่นยนต์เทรดแบบมีฟีจเจอร์จัดเต็มและสนใจจริงจัง

สำหรับผู้ที่สนใจเข้าร่วมทีมกันหลังจบกิจกรรม ต้องมีความชำนาญด้านใดด้านหนึ่งจากรายการเหล่านี้: คณิตศาสตร์, สถิติ, Machine Learning, Deep Learning, AI, Data Science, การเทรด/ลงทุน, การบริหารการลงทุน

***ถ้าไม่ถนัดในเรื่องดังกล่าว แต่สนใจศึกษาจริงจังและอยากทำเป็นก็มาร่วมทีมได้ กรณีร่วมทีมแล้วไม่ยอมศึกษาจริงจัง จะขอเชิญออกจากทีมนะครับ

วัตถุประสงค์และเป้าหมายการจัดกิจกรรม:

ต้องการหาเงินทุนมาสนับสนุนการทำโปรเจ็คต์ ด้วยการจัดอบรมให้ความรู้ในการสร้างระบบเทรด/ลงทุนทั้งแบบ manual (ส่งคำสั่งซื้อ/ขายเอง) และแบบ auto trade (ทุกอย่างทำงานอัตโนมัติ รวมถึงการส่งออร์เดอร์) และในแบบ Semi-Auto เช่นระบบแจกสัญญาณ

และ เพื่อหาผู้ร่วมอุดมการณ์ที่อยากมาร่วมงานด้วย อาทิ ส่วนการทำ R&D, ส่วนพัฒนาระบบ, ส่วนพัฒนาโมเดลเทรด/โมเดล machine learning ซึ่งเราเน้นพึ่งพากันแบ่งปันกัน

นอกจากนี้ยังต้องการจัดอบรมโดยเผยแพร่แนวคิดการวิเคราะห์การเทรด/ลงทุนโดยนำแนวคิดและหลักการด้าน Data Science, Data Analytics, AI, Machine Learning, มุมมองแบบนักไอที มาประยุกต์ ซึ่งหลังจบการอบรม หากใครที่เคยหรือเป็นเทรดเดอร์หรือนักลงทุนอยู่แล้ว คุณจะมอง ‘ข้อมูล‘ และโลกของการเทรด/ลงทุนแตกต่างไปจากเดิม

อาจสงสัยว่าผมก็มี trading robot ใช้งานจริงอยู่ จะหาทุนทำไม? คือ เงินในพอร์ตฯ มันไม่ได้มากนัก และผมต้องหยุดพักงานอื่นๆ ลง เพื่อมาทำโปรเจ็คต์นี้ชั่วคราวนั่นเองครับ และอีกเหตุผลคือ อยากหาเพื่อนร่วมทีมร่วมอุดมการณ์ เพราะทำคนเดียวมาหลายปีแล้ว เหนื่อยครับ ทำระบบแบบนี้เครียด (เพราะใช้ความคิดเยอะ แต่สนุกนะ) และสายตาเสีย ต้องจ้องจอและตัวเลขเยอะมาก เพิ่งตัดแว่นมาเองครับ

ตอนนี้ผมมีคนมาร่วมทีมทำกันหลายคน ส่วนใหญ่ก็ผู้เรียนทั้งนั้นครับ มาร่วมทีมกันครับ 🙂

รูปแบบการจัดกิจกรรม:

จัดแบบการฝึกอบรมโดยผมบรรยายเอง ซึ่งจะจัดผู้เรียนเป็นกลุ่มๆ ให้แต่ละกลุ่มมีผู้เรียนคละกัน มีทั้งนักไอทีและคนที่ไม่ได้ทำงานด้านไอทีอยู่ในกลุ่มเดียวกัน โดยจะให้แต่ละกลุ่มช่วยเหลือกันสร้างระบบเทรดและ trading robot ผู้ที่เขียนโปรแกรมไม่เป็นสามารถมีส่วนร่วมในเวิร์กช็อปของกลุ่มได้ เช่น ช่วยเตรียมข้อมูล, ช่วยทดสอบระบบ, ช่วยดูช่วยสังเกต, ช่วยออกแบบระบบเทรด

ไม่ได้เรียนทฤษฎีหนักมาก แต่ก็จะไม่สอนแบบ how to ง่ายๆ ให้ผู้เรียนมีความสุขตอนเรียนและตอนทำเวิร์กช็อปแต่กลับไปทำเองไม่ได้ จะไม่สอนแบบนี้เด็ดขาด แต่จะสอนให้ฝึกคิด ฝึกทำ กลับไปแล้วไปศึกษาต่อยอดเองได้และทำเองจริงได้

ซอฟต์แวร์และเฟรมเวิร์กด้านการเทรด เราใช้หลายตัว อาทิ Amibroker, MetaTrader, (กำลังลอง cTrader กันอยู่), MST Data Plug-In, BisNews (กำลังทดสอบ), กำลังทำระบบเชื่อมต่อโบรก Interactive Broker (IB) เพื่อเทรดตลาดต่างประเทศได้, BackTrader, PyFolio ฯลฯ

เฟรมเวิร์ก/resource system/platform เราก็ใช้หลายตัว อาทิ Docker, MongoDB, InfluxDB, Elasticsearch, Logstash, Kibana, Prometheus, Grafana, Apache Kafka, RabbitMQ, Redis, SpringBoot, NginX, Flask, Java, Python ฯลฯ

ผมสอน Cloud Computing ให้ด้วย อาทิ การใช้บริการ Google Cloud, Amazon AWS เพื่อนำระบบขึ้นไปรันบนคลาวด์

เอ๊ะ โอ๊ะ โอ้วววว…ทำไมใช้อะไรเยอะอย่างนี้!!! จะเรียนไหวมั้ย? ผู้เรียนส่วนใหญ่ใน 2 ครั้งที่ผ่านมาก็ไม่ใช่คนไอทีครับ ผมจัดระดับการเรียนสำหรับแต่ละคนไว้แบบนี้ครับ

1. ระดับเบสิกสุด คือ trading platform และซอร์สโค้ด template ของ trading robot และส่วนการทำงานต่างๆ…ผมเตรียมให้หมด คุณแค่ฝึกทำโมเดลเทรดให้เป็นพอ ข้างบนทั้งหมดหัดไม่ไหวไม่เป็นไร หัดใช้แค่ Amibroker กับ MetaTrader พอ
2. ระดับ robot & maintenance คือ หัดเขียนโค้ดภาษา Python เพื่อพัฒนา trading robot ที่ซับซ้อนขึ้น และหัดแก้โค้ด template ผมให้ตอบโจทย์กลยุทธ์เทรดของคุณเองให้ได้ และหัดดูแลระบบเอง ผมช่วยซัพพอร์ตให้อยู่ห่างๆ อย่างห่วงๆ 🙂
3. ระดับ advance คือ หัดทั้งหมดข้างบน หัดใช้ หัดดูแล หัดแก้ไข ระดับนี้เหมาะกับคนที่เรียนแล้วรู้สึกมัน…สะใจ… อยากทำทั้งหมดเองได้ อยากดูแลระบบทั้งหมดได้เอง หรืออยากเอาไปทำ private fund กับเพื่อนๆ ญาติๆ เองได้

ทั้ง 3 ระดับไม่จำเป็นต้องทำให้ได้ใน 10 วันที่เรียน เรายังพบปะเจอกันไปได้อีกนาน ไม่มีคอร์สอบรมไหนที่คนสอนตามดูแลคนเรียนมากมายขนาดนี้อีกแล้วครับ 5555….

ถ้าคุณไม่ทิ้งผมไป ผมก็ไม่ทิ้งคุณ มีคอร์สไหนบ้างอะ ที่คนสอนต้องโทรฯ หรือส่งไลน์ไปตามคนเรียน ไปถามว่าเรียนทันมั้ย อยากเรียนเสริมมั้ย นัดทำเวิร์กช็อปนอกรอบกันมั้ย

เพราะผู้เรียนกว่า 90% ใน 2 ครั้งที่ผ่านมารวมถึงสปอนเซอร์โปรเจ็คต์ผมทุกคนล้วนต้องการมี passive income ที่ดี อยากไปสโลว์ไลฟ์ ไปทำตามฝัน หลายคนอยากออกจากงาน หลายคนอยากย้ายไปอยู่กับลูก หลายคนอยากไปทำสวน หลายคนอยากไปทำธุรกิจที่ชอบ ฯลฯ ผมก็อยาก… ก็เลยเริ่มต้นทำระบบใช้เองมาตั้งแต่เกือบ 6 ปีกว่ามาแล้ว แล้วเหนื่อยไงทำคนเดียว เลยทำคอร์สนี้ขึ้นมาและหาสปอนเซอร์ เพราะเราต่างมีอุดมการณ์เหมือนกัน เราไม่ได้ทำระบบเพื่อเอามัน ไม่ได้ทำเพื่อเอาไปแข่ง ไม่ได้ทำเพื่อเอาไปขาย ไม่ได้ทำ trading robot ไก่กา แต่เข้มข้นหนักหน่วง เทรดหาเงินได้จริง เพราะ…เราแค่อยากมีชีวิตในแบบที่เราต้องการ แล้วปล่อยให้หุ่นยนต์มันไปทำมาหากินให้…ก็แค่นั้น

สิ่งที่ผู้เข้าร่วมกิจกรรมจะได้รับ:

– ความรู้และข้อแนะนำ

– ได้สร้าง trading engine และ trading robot ไว้ใช้งานเอง โดยดูของที่ผมพัฒนาไปแล้วและใช้งานจริงอยู่เป็นตัวอย่าง และผมจะช่วยสร้างด้วยกรณีที่คุณติดปัญหาตรงไหน

– กรณีที่คุณเขียนโปรแกรมเป็น ผมยินดีให้คำแนะนำละเอียดยิบชนิดไม่หวงไอเดีย

– ใครมีความบ้าดีเดือดอยากร่วมทีมกัน ผมยินดีสอนทุกอย่างเพิ่มเติมให้ฟรี อาทิ software architecture design, non-functional requirement, system quality management, test case design และ เทคนิคการวิเคราะห์ข้อมูลเพื่อการเทรด/ลงทุน เป็นต้น

– ผู้เรียนในแต่ละกลุ่มสามารถกลับไปทำงาน (ทำระบบ) ร่วมกันต่อได้หลังจบกิจกรรม โดยปรึกษาผมได้ตลอด

– สามารถลงทุนแบบอัตโนมัติผ่าน trading engine และ trading robot ของผมได้ (โดยจะพิจารณาเลือกตัวให้เหมาะสมกับสไตล์คุณและวิถีชีวิตของคุณ หมายถึงจะไม่ให้ใช้ robot ทุกตัวที่ผมมีนะครับ เพราะสภาพคล่องของบางสินทรัพย์และบางตลาดมันน้อย เดี๋ยวจะกลายเป็นมาไล่ราคากันเอง)

*ไม่ต้องเอาเงินมาวางกับผม ไม่ต้องเอา user account ของโบรกเกอร์คุณมาให้ผม จะมีคุณคนเดียวเท่านั้นที่เข้าถึง portfolio และ user account ของคุณได้ ดังนั้นไม่ต้องกลัวผมโกง ในส่วนนี้ผมจะอธิบายวันอบรม

**แต่ถ้าไม่ว่างเรียนหรือไม่ว่างทำเพราะติดงานหรือเหตุผลอื่นๆ อยาก ‘ฝาก’ ก่อนได้ไหม?… ได้ครับ ติดต่อมา แต่จำกัดนะครับ แต่ห้ามชวนผมทำธุรกิจเกี่ยวกับการลงทุนใดๆ เด็ดขาด กรณีไม่รับครับ

สิ่งที่ผมกำลังทำและกำลังจะทำ อาทิ trading platform, trading robot, tactical robot, portfolio management robot, monitoring & management system, trading (machine learning) model เป็นต้น จริงๆ มีเยอะครับ ไว้มาเรียนแล้วจะรู้เอง

หัวข้ออบรม

พื้นฐานการเทรด/ลงทุน (เน้นอธิบายคอนเซ็ปต์ไม่ลงลึก (ใช้เวลาประมาณ 1-2 วัน) ใครที่ไม่มีพื้นฐานมาหรืออยากลงลึกไว้จะแนะนำเพิ่มเติมให้ครับ รวมถึงแนะนำแหล่งศึกษาเพิ่มเติมให้):

– บทบาทและหน้าที่ของงานด้าน quant, quant trader, quant developer, quant architect

– แนะนำหนังสือเกี่ยวกับประวัติเทรดเดอร์และนักลงทุนเก่งๆ และเกี่ยวกับจิตวิทยาการเทรด/ลงทุน

– แนะนำเว็บที่มีสาระดีๆ เกี่ยวกับการเทรด/ลงทุน

– ทำความรู้จักกับตลาดหุ้น, ตลาดอนุพันธ์ (derivatives) หรือ ตลาด TFEX ในบ้านเรา, ตลาดอัตราแลกเปลี่ยนเงินตรา (FOREX: foreign exchange) และรวมถึงตลาด gold future, oil future

– ทำความรู้จักกับสภาพคล่องของตลาด

– ทำความรู้จักกับ quantitative trading และ การทำงานในสายงาน quant, quant developer, quant architect

– การเตรียมพร้อมก่อนตลาดเปิด

– ทำความเข้าใจกับปิรามิดการเทรด/ลงทุน เพื่อกระจายความเสี่ยงและจัดสรรสินทรัพย์ใน portfolio และเพื่อกำหนดให้เข้ากับวิถีชีวิตของตนเอง

– การเลือกระยะเวลาการเทรด/ลงทุน อาทิ ระยะสั้น กลาง ยาว ยาวมากๆๆๆ

– ทำความเข้าใจกับกรอบเวลา (time frame) เพื่อเลือก time frame ให้เหมาะสมกับระยะเวลาการเทรด/ลงทุน

– วัฏจักรเศรษฐกิจ และ วัฏจักรการลงทุนกับจิตวิทยาหมู่

– พลังงานของขนาดเงินทุนเริ่มต้น และผลกระทบต่อการเลือกกลยุทธ์เทรด/ลงทุน

– การวางแผนการเทรด/การลงทุน และการบริหารเงิน

– เทคนิคการวางแผนการศึกษาเรียนรู้เพิ่มเติม ให้สอดคล้องกับแผนการเทรด/ลงทุน และให้สอดคล้องกับขนาดเงินทุนที่มี (จะได้ไม่เครียด ค่อยๆ เรียนรู้ ค่อยๆ ลงทุน ค่อยๆ พัฒนาระบบ เงินเยอะขึ้นก็ต้องเรียนเพิ่มขึ้น พัฒนาระบบให้เยอะขึ้นให้แม่นยำขึ้นให้รัดกุมขึ้น)

– การกระจายความเสี่ยง และ การจัดโครงสร้างสินทรัพย์ใน portfolio

– เทคนิคการบริหาร portfolio ประเภทต่างๆ อาทิ แบบกำหนดเงินทุนใน portfolio คงที่, แบบกำหนดกำไรเป้าหมายคงที่ต่อช่วงเวลา, แบบยืดหยุ่นขึ้นระบบเทรด, แบบกำหนดโครงสร้างสินทรัพย์คงที่, แบบปรับโครงสร้างสินทรัพย์บ่อยๆ ตามสถานการณ์, แบบเชิงรับ, แบบเชิงรุก ฯลฯ

– เทคนิคคำนวณขนาดการเทรด/ลงทุน (position sizing) เบื้องต้น สำหรับตลาดหุ้น, TFEX, FOREX

– ทฤษฎีคลื่น (Dow theory), รูปแบบคลื่นที่เป็นเทรนด์หลัก (motive wave) และรูปแบบคลื่นปรับ (corrective wave) และ Elliott Wave เบื้องต้น

– เทคนิคกำหนดตำแหน่งวาง stop loss

– ค่าบริการหรือค่าคอมมิสชั่นในการซื้อ/ขาย และต้นทุนการซื้อ/ขาย (transaction cost: commission, slippage, market impact)

– การวางเงินประกันในการเทรด/ลงทุนในบางตลาด

พื้นฐานด้าน Technical & Fundamental Analysis:

– แนะนำซอฟต์แวร์และเว็บสำหรับดูกราฟและข้อมูลต่างๆ ประกอบการวิเคราะห์และตัดสินใจ อาทิ eFin Stock Pick Up, Amibroker, MetaTrader, investing.com, siamchart.com

– ทำความเข้าใจอินดิเคเตอร์ยอดฮิต อาทิ MACD, RSI, Moving Average, Stochastics, Bollinger Band, ADX, P/E Ratio ฯลฯ และการปรับค่าพารามิเตอร์ให้เหมาะสมกลยุทธ์การเทรด/ลงทุน

– รูปแบบแท่งเทียนแบบดั้งเดิม (candlestick pattern), รูปแบบแท่งเทียนแบบ Heikin Ashi

– การลากเส้นแนวโน้ม

– การดูเทรนด์

– การกำหนดแนวรับ, แนวต้าน ด้วยการวิเคราะห์คลื่น, ด้วย Fibonacci, ด้วยเส้นแนวโน้ม, ด้วยอินดิเคเตอร์ ฯลฯ

– การวิเคราะห์แบบหลาย time frame (multiple time frame analysis)

– การวิเคราะห์รูปแบบตลาด อาทิ ขาขึ้น, ขาลง, sideway

– การวิเคราะห์ Gap (การเปิดกระโดด)

– เทคนิคการปั่นหุ้น/ทำราคา (ไม่ได้สอนปั่นหุ้นนะครับ แต่แนะนำเทคนิคการสังเกตและจับผิด เช่น สังเกตหุ้น, สังเกตบทวิเคราะห์ของนักวิเคราะห์, สังเกตข้อมูลแนะนำ/เชียร์หุ้น, สังเกตข่าวตามสื่อต่างๆ, สังเกตผลประกอบการ ฯลฯ)

– เศรษฐศาสตร์การลงทุน และปรับการมุมมองเศรษฐกิจและการลงทุน อาทิ ภาพใหญ่, ภาพเล็ก, ภาพระยะกลาง, ภาพระยะยาว เป็นต้น

– ทำความเข้าใจเศรษฐกิจโลก, ระดับประเทศ, ระดับภูมิภาค, ระดับอุตสาหกรรม, ระดับบริษัท (ผมไม่ถนัดวิเคราะห์ระดับบริษัทหรือวิเคราะห์หุ้นรายตัวนะครับ สไตล์ผมถนัดแนวมองภาพใหญ่มากกว่า แต่ให้ข้อแนะนำเทคนิคสแกนหุ้นได้)

– เทคนิคการวิเคราะห์ข่าว การตีความข่าว และ การเลือกแหล่งข่าว

– ทำความรู้จักกับกระแสเงินทุน (fund flow) และผลกระทบต่อการเลือกกลยุทธ์เทรด/ลงทุน และการเลือก time frame

– การประเมินจิตวิทยามวลชน

– เทคนิคสแกนหุ้นแบบต่างๆ

– การสังเกต, จดจำ และจับรูปแบบและพฤติกรรมราคา/ดัชนี (pattern recognition)

กลยุทธ์การเทรด/ลงทุนพื้นฐาน:

– กลยุทธ์เทรด/ลงทุนแนวเซน (ZEN) จดจ่อกับสถานการณ์ปัจจุบันและข้อมูลปัจจุบันย้อนหลังไปอดีต ไม่ต้องเครียดกับการกำหนดราคา/ดัชนีในอนาคต

– กลยุทธ์เทรด/ลงทุนให้เหมาะสมกับสภาพคล่องของตลาดและสินทรัพย์

– กลยุทธ์เปิดสถานะ (entry strategy) อาทิ กำหนดจุดเข้าซื้อ หรือ เปิดสัญญา

– กลยุทธ์ปิดสถานะ (exit strategy) อาทิ กำหนดจุดขาย หรือ ปิดสัญญา

– กลยุทธ์ทยอยเปิดสถานะ และ ทยอยปิดสถานะ

– กลยุทธ์การบริหาร portfolio

– กลยุทธ์การบริหารความเสี่ยง

– กลยุทธ์การจัดการ transaction cost

– กลยุทธ์การคำนวณและการวางตำแหน่ง stop loss

– กลยุทธ์เทรด/ลงทุนตามเทรนด์ (trend following)

– กลยุทธ์เทรด/ลงทุนที่จุดกลับตัว (mean reversion)

– กลยุทธ์เทรดสวนเทรนด์ (contrarian)

– กลยุทธ์เทรดสั้นๆ กินคำเล็กๆ (scalping)

– กลยุทธ์เทรด/ลงทุนแบบรอจังหวะจัดเต็มเหมือนมือปืนซุ่มยิง (sniper trading)

– กลยุทธ์เทรดแบบถี่มากๆ เอากำไรทีละน้อยๆ แต่เทรดด้วยสถานะขนาดใหญ่ (HFT: high frequency trading)

– กลยุทธ์เทรด/ลงทุนแบบป้องกันความเสี่ยง (hedge)

– กลยุทธ์เทรด/ลงทุนสินทรัพย์ตัวเดียวกันในคนละตลาด (arbitrage)

– กลยุทธ์เทรด/ลงทุนสินทรัพย์ต่างชนิดแต่มีความสัมพันธ์กัน (correlation) อาทิ หุ้น, อัตราดอกเบี้ย, ทองคำ, น้ำมัน, อนุพันธ์, พันธบัตร ฯลฯ

– กลยุทธ์การกรองสัญญาณ (signal filtering) อาทิ กรองสัญญาณซื้อ/ขายที่ผิด (false signal), กรองสัญญาณซื้อ/ขายให้เหมาะสมกับกลยุทธ์เทรด/ลงทุนและ time frame ที่ใช้

การออกแบบระบบเทรด (Trading System):

– แนวทางการสร้างระบบแบบ theory-driven (เน้นทฤษฎี), แบบ data-driven (เน้นข้อมูล) และ แบบผสมผสาน

– การกระจายความเสี่ยง และ การจัดโครงสร้างสินทรัพย์ใน portfolio

– การเลือกกลยุทธ์ที่จะใช้เทรด/ลงทุน และการเลือก time frame

– การเลือกข้อมูลที่จะนำมาใช้วิเคราะห์ (feature selection) อาทิ อินดิเคเตอร์ต่างๆ และการเลือกค่าพารามิเตอร์ที่เหมาะสม (parameter optimization)

– การเลือกกลยุทธ์การบริหาร portfolio และ การบริหารความเสี่ยง

– การคุมระดับ bias หรือ อคติ หรือ การเข้าข้างตัวเอง หรือ การอิงเทคนิคหรือข้อมูลบางอย่างมากเกินไป และทำความรู้จักกับ bias ประเภทต่างๆ

– การออกแบบเพื่อรับมือกับ latency หรือเวลาหน่วง/เวลาดีเลย์ ให้เหมาะสมกับสินทรัพย์, สภาพคล่องของตลาด, เน็ตเวิร์ก (อินเทอร์เน็ต), เทคโนโลยี, ฮาร์ดแวร์, โปรแกรม ฯลฯ

– การเลือกโบรกเกอร์

– การสร้าง Trading System of Systems ด้วยการสร้างระบบเทรดย่อยๆ หลายระบบ โดยมีระบบเทรดใหญ่คุมทุกระบบย่อยอีกที

– การทดสอบระบบเทรด (backtest) และทำความเข้าใจตัวชี้วัดประสิทธิภาพระบบ อาทิ draw down, equity curve, sharpe ratio, risk/reward ratio, profit/loss ratio, win/lose ratio ฯลฯ

– การป้องกันการวิเคราะห์ที่ขึ้นกับข้อมูลที่มีหรือข้อมูลในอดีตมากเกินไป (curve fitting, overfitting, data snooping)

– การทดสอบระบบเทรดด้วยเทคนิคต่างๆ อาทิ cross validation, walk forward

– การจัดการความคลาดเคลื่อนในราคาเสนอซื้อ/ขาย, ราคาเข้าซื้อ/ขาย (slippage, spread)

– การจัดการ transaction cost

– การเลือกข้อมูล (in-sample data, out-sample data)

– การรับมือกับความผันผวนของตลาด, วิกฤติรุนแรง และ ข้อมูลที่มี noise

– การออกแบบและจัดการ state ของระบบ โดยกำหนด event, action, กฎเกณฑ์ ให้สัมพันธ์กับระบบเทรด/ลงทุน และสถานะของสินทรัพย์หรือตลาดที่จะเข้าเทรด/ลงทุน

– การใช้ความน่าจะเป็นประกอบการตัดสินใจในกรณีที่เหมาะสม อาทิ มีข้อมูลไม่มากพอ, เป็นเหตุการณ์ที่เกิดขึ้นไม่บ่อยครั้ง, ผลการวิเคราะห์ไม่ชัด เป็นต้น

การประยุกต์ Data Analytics & Machine Learning:

– การฝึกมองข้อมูลให้ต่างไปจากที่ ‘ตา‘ เห็น

– การมองโลกและข้อมูลแบบนักไอที (systematic thinking, logical thinking, level of abstraction)

– การมองโลกและข้อมูลแบบนักเศรษฐศาสตร์, นักการเงิน, นักลงทุน/เทรดเดอร์,

– เทคนิคการถ่ายทอดความคิดออกมาเป็นข้อความ รูปภาพ ระบบ

– การวิเคราะห์เชิงคาดการณ์ (predictive analysis)

– การประยุกต์สถิติเพื่อการวิเคราะห์ข้อมูล

– การปรับข้อมูลในเรียบง่ายหรือการลดรูปข้อมูล (data normalization)

– ทำความรู้จักกับ Data Science, Data Mining, Data Analytics, Big Data, Machine Learning, AI

– การเรียนรู้ด้วยเครื่อง (Machine Learning) ประเภทต่างๆ อาทิ supervised learning, unsupervised learning, semi-supervised learning, reinforcement learning, recurrent learning ฯลฯ

– การจัดกลุ่มข้อมูล (clustering), การจัดประเภทข้อมูล (classification) และแนะนำอัลกอริธึมที่เกี่ยวข้อง

– เทคนิคการนำอัลกอริธึมและวิธีการมาประยุกต์ในการวิเคราะห์ อาทิ decision tree, random forest, fuzzy logic, neural network, k-means, ensemble

– เทคนิคการสร้างโมเดลการวิเคราะห์เบื้องต้น

– เทคนิคการลดมิติข้อมูล หรือลดแอททริบิวต์ที่จะนำมาใช้ (feature reduction)

– ประเภทข้อมูล อาทิ ข้อมูลเดี่ยว, ข้อมูลแบบมีหลายรายการ, ข้อมูลแบบ 2 มิติ, ข้อมูลแบบหลายมิติ

– ทำความรู้จักกับแนวคิด Deep Learning

– ประยุกต์แนวคิด Deep Learning ในการตีความข้อมูลเป็นลำดับชั้น โดยแปรสภาพข้อมูลไปสู่รูปแบบที่จะนำไปใช้

– เทคนิควิเคราะห์ความสัมพันธ์กันของข้อมูล (data correlation)

– ทำความรู้จักกับข้อมูลประเภท time series

– เทคนิคการลดมิติข้อมูลให้เหลือแค่ 2 มิติ

– เทคนิคการวิเคราะห์ข้อมูลเชิงถดถอย (regression analysis)

– เทคนิคการวิเคราะห์ข้อมูลแบบเป็นลำดับขั้น

– เทคนิคการตั้งกฏ (regularization) เพื่อคุมข้อผิดพลาดและความแม่นยำในการวิเคราะห์

– เทคนิคการเตรียมข้อมูล: training data (หรือ in-sample data), test data (หรือ out-sample data) และการเตรียมข้อมูลด้วยการพิจารณา test case, test scenario หรือการเลือกข้อมูลให้ครอบคลุมกรณีและสถานการณ์ที่หลากหลายนั่นเอง

– แนะนำภาษาโปรแกรมที่นิยมใช้และหาข้อมูลศึกษาเรียนรู้ไม่ยาก

การออกแบบและสร้าง Algorithmic Trading System:

– ทำความรู้จักกับสถาปัตยกรรมระบบ (system architecture) และ trading engine

– ทำความรู้จักกับการเทรด/ลงทุนด้วยอัลกอริธึม (algorithmic trading) และหุ่นยนต์เทรด (trading robot)

– ทำความรู้จักกับการเทรด/ลงทุนด้วยระบบอัตโนมัติ (auto trading)

– เทคนิคการออกแบบและสร้าง algorithmic trading system architecture

– โมดูลสำคัญใน algorithmic trading system architecture อาทิ trade signal analysis (alpha), portfolio construction, risk management, transaction cost management, execution management, data feed & market connection เป็นต้น

– เทคนิคการสร้างโมเดลด้าน algorithmic trading system และการแปลง (transform) จาก trading system (ระบบเทรด) ไปสู่ algorithmic trading system (หุ่นยนต์)

– การออกแบบอัลกอริธึมในส่วน trade signal analysis

– การออกแบบอัลกอริธึมในส่วน portfolio construction

– การออกแบบอัลกอริธึมในส่วน risk management

– การออกแบบอัลกอริธึมในส่วน transaction cost management

– การออกแบบอัลกอริธึมในส่วน execution management

– การออกแบบอัลกอริธึมในส่วน data feed & market connection

– เทคนิคการสร้าง trading robot หลายๆ ตัว โดยใช้กลยุทธ์ที่แตกต่างกัน อาทิ เทรดในสินทรัพย์เดียวกันแต่คนละ time frame, เทรดในสินทรัพย์ต่างชนิดกัน, เทรดในต่างตลาดกัน, เทรดด้วยอัลกอริธึมและกลยุทธ์ต่างกัน ฯลฯ

– เทคนิคการคุมการบริหาร portfolio, ความเสี่ยง, กลยุทธ์เทรด/ลงทุน แบบ local ที่เฉพาะกับแต่ละ  trading robot และแบบ global สำหรับคุมความสอดคล้องของ trading robot แต่ละตัว

– เทคนิคการออกแบบให้ trading robot ช่วยเหลือหรือร่วมมือกัน และเทคนิคออกแบบให้ trading robot แต่ละตัวทำงานแยกอิสระกันตัวใครตัวมัน กลยุทธ์ใครกลยุทธ์มัน

– แนวทางการสร้างระบบแบบ data driven system ที่เน้นการใช้ข้อมูลจำนวนมาก

– เทคนิคการสร้างข้อมูลจำลอง (data simulation) กรณีมีข้อมูลไม่มากพอ

– ทำความรู้จักกับ MongoDB database (ผู้เรียนกลับไปใช้ตัวอื่นก็ได้นะครับ ไว้จะแนะนำให้) และการออกแบบ data schema สำหรับโครงสร้างข้อมูลและการจัดเก็บข้อมูล

– เทคนิคการออกแบบ algorithmic trading system architecture สำหรับกลยุทธ์เทรด/ลงทุนและ robot ประเภท low-latency (เน้นความเร็ว, time frame ต่ำ) และ high-latency (ไม่เน้นเร็วมาก, time frame ยาว) และการประยุกต์ใช้ Big Data กับ MongoDB database

– เทคนิคการใช้ in-memory data/object เพื่อช่วยด้าน performance (ความเร็วในการประมวลผล)

– เทคนิคการใช้ parallel processing เพื่อช่วยด้าน performance (ความเร็วในการประมวลผล) อาทิ การใช้ multi-threading, การเขียนโปรแกรมไปเรียกใช้ GPU (graphic processing unit หรือ การ์ดจอนั่นเอง)

– เทคนิคการสร้างปฏิทินการทำงาน, ปฏิทินวันหยุด, ปฏิทินเศรษฐกิจ

– เทคนิคการสร้างระบบแบบ Adaptive System โดยเปิดช่องทางบางส่วนให้ ‘คน‘ หรือเจ้าของระบบได้เข้าไปเซ็ตปรับตั้งค่าเพื่อควบคุมกลยุทธ์ภาพรวมได้ ในกรณีเป็นประเด็นละเอียดอ่อนหรือยากต่อการสร้าง robot ให้มันวิเคราะห์และตัดสินใจเองได้

– จำลองการเทรด/ลงทุนเสมือนจริงผ่านการทำ backtest เพื่อทดสอบผลการทำงานของระบบ

– การจัดการ trading/broker account แบบใช้หลาย account และหลายโบรกเกอร์

– การการสร้างระบบเพื่อเทรด/ลงทุนในหลายตลาด และการทำ distributed portfolio & centralized portfolio management

– ไอเดียการทำ hedge fund ที่ใช้ algorithmic trading robot 100% โดยปราศจากคนเทรด/ลงทุน

– ไอเดียการสร้าง trading robot ให้พัฒนาความสามารถตัวเองได้แบบอัตโนมัติ ให้แม่นยำมากขึ้นเรื่อยๆ โดยไม่ต้องเขียนโปรแกรมเพิ่ม

– ไอเดียการสร้าง trading robot ตัวใหม่ๆ ได้แบบอัตโนมัติ โดยให้ trading robot เรียนรู้ข้อมูลแบบอัตโนมัติ, optimize ตัวเองแบบอัตโนมัติ

– ไอเดียการสร้าง trading robot แต่ละตัวให้เป็น microservice และเทคนิคการออกแบบและจัดการสภาพแวดล้อมระบบเพื่อไม่ให้ trading robot ทำงานขัดแย้ง หรือเกิดผลกระทบข้างเคียงถึงกัน

การจัดการคุณภาพระบบ และ การเตรียมความพร้อมด้านไอที

– เทคนิคการจัดการคุณภาพระบบ ด้านความแข็งแกร่ง มีเสถียรภาพ ไม่ล่มหรือหยุดชะงัก (system availability)

– เทคนิคการจัดการคุณภาพระบบ ด้านความเร็วในการทำงาน (system performance)

– เทคนิคการจัดการคุณภาพระบบ ด้านการบำรุงรักษาดูแลระบบ (system maintenance)

– เทคนิคการจัดการคุณภาพระบบ ด้านการใช้งานที่ง่ายสะดวก เขียนโปรแกรมไม่เป็นก็ใช้ระบบได้ (system usability)

– เทคนิคการจัดการคุณภาพระบบ ด้านรองรับการขยายตัว เมื่อเงินเยอะขึ้น ต้องการมี robot หลายตัวขึ้น ต้องการกระจาย portfolio มากขึ้น (system scalability)

– เทคนิคการจัดการคุณภาพระบบ ด้านการปรับปรุงแก้ไขระบบ (system modifiability)

– เทคนิคการจัดการคุณภาพระบบ ด้านความปลอดภัย (system security)

– เทคนิคการจัดการคุณภาพระบบ ด้านการตรวจหาข้อผิดพลาด (system testability)

– ไอเดียการเตรียมซอฟต์แวร์, ฮาร์ดแวร์, เน็ตเวิร์ก และแนวทางการบริหารจัดการ สำหรับการเทรด/ลงทุนแบบ individual (ใช้เองคนเดียว) หรือแบบกองทุนหรือ hedge fund