ห้องทดลอง · Statistical arbitrage (เก็งกำไรจากสถิติ)

⚖️ Pairs Lab

หาคู่หุ้น ETF หรือคริปโตที่ราคาเดินไปด้วยกัน แนวคิดคือรอให้ส่วนต่างถ่างออกผิดปกติ แล้วขายฝั่งที่แพงเกิน ซื้อฝั่งที่ถูกเกิน รอให้กลับเข้าที่ · ทดลองบนกระดาษก่อน จนกว่าตัวเลขจะพิสูจน์ได้

👀 อ่านอย่างเดียว⏳ กำลังโหลด…

ยังไม่ใช่เงินจริง: คู่ที่เคยเดินด้วยกันอาจเลิกเดินด้วยกันได้ทุกเมื่อ (เช่น บริษัทหนึ่งเจอข่าวใหญ่) ตอนนั้นส่วนต่างจะถ่างไม่กลับ และการชอร์ตขาดทุนได้ไม่จำกัด หน้านี้คือห้องทดลองของผม ไม่ใช่คำแนะนำให้ซื้อขาย

☑️ กฎที่ใช้ทั้งหน้า

ค่าเริ่มต้น

⚙️ ปรับกฎ (ทุกแท็บคำนวณใหม่ทันที)

เข้าเมื่อ |z| ≥ ออกเมื่อ z กลับถึง ตัดขาดทุน |z| ≥ z เทียบย้อนหลัง (วัน) ปิดเพราะเวลา (วันทำการ)

🔍 คัดคู่

48 คู่ใน 10 กลุ่มธุรกิจ (ล็อกรายชื่อไว้ตั้งแต่ 10 ต.ค. 2026) เช็คทุกคู่ด้วยราคาปิด 1 ปีล่าสุด: เดินด้วยกันจริงไหม ส่วนต่างกลับเข้าที่เร็วแค่ไหน และตอนนี้ถ่างอยู่เท่าไร · แตะแถวเพื่อดูกราฟของคู่นั้น

⏳ กำลังคำนวณ…

✅ ผ่าน เดินด้วยกันจริงตามเทสต์ 🎯 โซนเข้า อยู่ในโซนเข้า ⚠️ ตัดขาดทุน ถ่างเกินจุดตัดขาดทุน ตัวเลขสีเทาจาง = มาจากคู่ที่ไม่ผ่านเทสต์ จึงเชื่อไม่ได้ 🧾 ไม้ = การเข้าเทรด 1 รอบ (เข้าแล้วออก) แถบ z: กลาง = ค่าเฉลี่ย · เหลือง = โซนเข้า · ส้ม = เกินจุดตัดขาดทุน

คู่	เดินด้วยกันจริงไหม	กลับเข้าที่ใน (half-life)	ส่วนต่างตอนนี้ (z)	ทดสอบช่วงหลัง	สถานะ

📏 แต่ละคอลัมน์คำนวณยังไง

เดินด้วยกันจริงไหม: เทสต์ Engle-Granger บนราคาปิด 1 ปีล่าสุด (เทียบราคา A กับ B แบบเปอร์เซ็นต์ หาสัดส่วนที่เข้ากันที่สุด แล้วเช็คว่าส่วนต่างที่เหลือ "ถูกดึงกลับเข้าหาค่าเฉลี่ย" จริงไหม) เทียบกับเกณฑ์ของ MacKinnon (2010) · คะแนนเทสต์ยิ่งติดลบมาก ยิ่งมั่นใจว่ากลับเข้าที่จริง · ผ่านแบบมั่นใจ 95% = มีโอกาสราว 5% ที่คู่ซึ่งไม่เกี่ยวกันเลยจะผ่านโดยบังเอิญ

half-life: จำนวนวันที่ส่วนต่างหดกลับมาครึ่งทางโดยเฉลี่ย · ใช้ได้เฉพาะคู่ที่ผ่านเทสต์ คู่ที่ไม่ผ่านก็คำนวณออกมาเป็นตัวเลขได้ แต่เชื่อไม่ได้

z: ส่วนต่างวันนี้ห่างจากค่าเฉลี่ยในหน้าต่างย้อนหลัง (ค่าเริ่มต้น 60 วัน) กี่เท่าของความแกว่งปกติ (ส่วนเบี่ยงเบนมาตรฐาน) · +2 = สูงกว่าค่าเฉลี่ยเป็นระยะ 2 เท่าของความแกว่งปกติ

ทดสอบช่วงหลัง: ผลของกฎในช่วง 40% ท้ายของข้อมูล 2 ปี โดยใช้ β ที่หาได้จากช่วงแรกแบบล็อกไว้ หักค่าซื้อขายและค่ายืมหุ้นแล้ว · รายละเอียดอยู่ในแท็บ 🧪

ทำไมต้องบอกจำนวนคู่ที่ทดสอบ: ถ้าลองไปเรื่อยๆ 100 คู่ที่ไม่เกี่ยวกันเลย จะมีราว 5 คู่ผ่านเทสต์ 5% โดยบังเอิญ ยิ่งลองเยอะยิ่งต้องระวัง

📈 กราฟส่วนต่าง

เส้นทองคือ z ของส่วนต่าง · เส้นประเหลืองคือจุดเข้า เส้นประส้มคือจุดตัดขาดทุน · ลูกศร = จุดที่กฎเข้าในอดีต วงกลม = จุดออกพร้อมผลหลังหักต้นทุน

คู่ที่ดู

ส่วนต่าง (z-score)

z = ส่วนต่างวันนี้ห่างจากค่าเฉลี่ยกี่เท่าของ std (การแกว่งปกติ) · 0 = ส่วนต่างปกติ · +2 = ตัวแรกแพงกว่าปกติเทียบตัวที่สอง · −2 = ถูกกว่าปกติ · ปุ่มเปอร์เซ็นไทล์: เส้น 1% และ 99% คือโซน VaR แบบในคลิป (ระดับที่เกินไปเกิดแค่ 1% ของวัน) · 50% คือค่ากลาง

เส้นแบ่ง:

ชี้หรือแตะบนกราฟเพื่ออ่านค่ารายวัน

ราคาสองตัว (เริ่มที่ 100)

A · B · ปรับให้เริ่มที่ 100 เท่ากันเพื่อเทียบทิศทาง

🧺 พอร์ตหลายคู่

แนวคิด "ทำเป็นสิบๆ คู่ แตกสัก 2–3 คู่ก็ยังไหว" ลองย้อนหลังจริงจากรายชื่อทั้งหมดในแท็บ 🔍 · คัดคู่ด้วยข้อมูลช่วงหาสูตรเท่านั้น แล้วเทรดทุกคู่ที่คัดได้พร้อมกันในช่วงทดสอบจริง เงินเท่ากันทุกคู่

เกณฑ์คัดคู่:

เกณฑ์คัดคู่ 5% = เกณฑ์เดียวกับแท็บ 🔍: คู่ที่ไม่เกี่ยวกันจริงจะหลุดผ่านได้ราว 5 ใน 100 คู่ · 10% = ผ่อนให้หลุดได้ราว 10 ใน 100 คู่ · ไม้ = การเข้าเทรด 1 รอบ (เข้าแล้วออก)
แบ่งเงินตามความแกว่ง = คู่ที่ผลรายวันแกว่งแรงในช่วงหาสูตร (60% แรกของข้อมูล 2 ปี) ได้เงินน้อยลง · วิธีง่ายสุดที่แนะนำในคลิป

แบ่งเงิน:

สูงสุดต่อกลุ่มธุรกิจ

📡 ผลจริงหลังล็อกกฎ (ตัวที่เชื่อได้ที่สุด)

🔙 ผลย้อนหลัง (ช่วงทดสอบในอดีต)

📏 คิดยังไง และทำไมต้องจำกัดต่อกลุ่ม

คัดยังไง: แต่ละคู่หาสูตร (β) และทำเทสต์ "เดินด้วยกันจริง" จาก 60% แรกของข้อมูล 2 ปีเท่านั้น คู่ที่ผ่านเกณฑ์ที่เลือกจึงเข้าพอร์ต แล้วเทรดในช่วง 40% หลังที่สูตรไม่เคยเห็น · ถ้าคัดจากผลเทสต์ 1 ปีล่าสุดในแท็บ 🔍 จะเท่ากับแอบดูอนาคต เพราะ 1 ปีนั้นทับช่วงทดสอบ

จำกัดต่อกลุ่ม: คู่ในกลุ่มเดียวกัน (เช่น ธนาคาร 3 คู่) มักแตกพร้อมกันวันที่กลุ่มนั้นมีวิกฤต การกระจายต้องข้ามกลุ่มธุรกิจ ไม่ใช่แค่เพิ่มจำนวนคู่ · ถ้ามีคู่เกินโควตา จะเลือกคู่ที่คะแนนเทสต์ติดลบมากที่สุด (ผ่านแบบมั่นใจที่สุด) ก่อน

เงิน: แบ่งเท่ากันทุกคู่ วันที่คู่ไหนไม่มีไม้ เงินส่วนนั้นอยู่เฉยๆ ไม่ได้ดอกเบี้ย · ผลรายวันคิดจากราคาปิดของทั้งสองขา หักค่าซื้อขายและค่ายืมตามแท็บ 🧪 ในวันที่ปิดไม้

Omega: เอากำไรของทุกวันที่บวกมารวมกัน หารด้วยขาดทุนของทุกวันที่ลบ · 1.2 = ได้ 1.2 บาทต่อเสีย 1 บาท · ต่างจาก win rate ตรงที่นับขนาดของได้เสียด้วย

รายชื่อ 48 คู่ (46 คู่แรก + B/NEM และ GLD/GDX จากคลิป เพิ่มเย็นวันเดียวกันก่อนรันผล) ล็อกไว้ในโค้ดหน้านี้ตั้งแต่ 10 ต.ค. 2026 ก่อนรันผลครั้งแรก (ดูย้อนได้ในประวัติการแก้โค้ดของเว็บ) และจะไม่ตัดคู่ที่ผลแย่ออกทีหลัง เพราะการตัดคู่แพ้ออกจะทำให้ผลย้อนหลังดูดีเกินจริง

📖 อ่านยังไง

Pairs trading ในหนึ่งภาพ แล้วค่อยกางคำศัพท์ทีละตัว

1️⃣ หาคู่สองตัวที่ธุรกิจคล้ายกัน ราคามักขึ้นลงตามกัน เช่น ธนาคารใหญ่ 2 แห่ง
2️⃣ วัดส่วนต่างส่วนต่าง = ราคา A เทียบกับ B ตามสัดส่วน β ถ้าคู่นี้ดี ส่วนต่างจะวนอยู่รอบค่าเฉลี่ย
3️⃣ รอให้ถ่างส่วนต่างห่างค่าเฉลี่ย 2 เท่าของความแกว่งปกติ (|z| ≥ 2) = ตัวหนึ่งแพงเกิน อีกตัวถูกเกิน
4️⃣ เข้าแล้วรอกลับขายตัวที่แพง ซื้อตัวที่ถูก พร้อมกัน · ออกเมื่อ z กลับถึง 0 · ถ้าถ่างต่อถึง 3 ตัดขาดทุน

💡 กำไรมาจากไหน (ถ้าส่วนต่างกลับเข้าที่จริง)

สมมติ A กับ B เป็นธนาคาร 2 แห่ง ถ้าตลาดทั้งตลาดร่วง 5% ทั้งคู่ก็ร่วงพอๆ กัน ขาที่ชอร์ตได้กำไร ขาที่ซื้อขาดทุน หักล้างกันเกือบหมด สิ่งที่เหลือคือ "ส่วนต่าง" ระหว่างสองตัวเท่านั้น (ใช้ได้ตราบที่ β ไม่เปลี่ยนมาก ซึ่งในข้อมูลจริงมันเปลี่ยนได้)

เราจึงไม่ได้เดิมพันว่าตลาดจะไปทางไหน แต่เดิมพันว่าส่วนต่างที่ถ่างผิดปกติ จะหดกลับมาเหมือนที่เคยเป็น

ความเสี่ยงจริง คือวันที่คู่นี้ "หย่ากัน" เช่น ธนาคารหนึ่งมีคดีใหญ่ ส่วนต่างจะถ่างแล้วไม่กลับ กฎตัดขาดทุนที่ |z| = 3 กับกฎปิดเพราะเวลา มีไว้สำหรับวันนั้น แต่ราคาปิดรายวันกระโดดข้ามจุดตัดได้ ขาดทุนจริงจึงอาจมากกว่าที่ตั้งไว้

📚 คำศัพท์ในหน้านี้

β (เบต้าของคู่): สัดส่วนเงินที่วางขา B ต่อเงิน 1 บาทในขา A เทียบการขยับเป็นเปอร์เซ็นต์ · ในแท็บ 🔍 กับกราฟ 📍 หาจากราคา 1 ปีล่าสุด · ในการทดสอบย้อนหลัง (🧪 และ 🧺) หาจาก 60% แรกของข้อมูล 2 ปี แล้วล็อกไว้ · β = 0.8 คือ A 1 บาท คู่กับ B 0.8 บาท
Cointegration (เดินด้วยกันจริง): ราคาสองตัวอาจวิ่งไปไกลทั้งคู่ แต่ส่วนต่างตามสัดส่วน β ถูกดึงกลับเข้าหาค่าเฉลี่ยเสมอ · ต่างจาก correlation ที่บอกแค่ว่าวันไหนขึ้นพร้อมกัน
Correlation (ความสัมพันธ์รายวัน): ตัวเลข −1 ถึง 1 บอกว่าผลตอบแทนรายวันของสองตัวขึ้นลงพร้อมกันแค่ไหน 1 = พร้อมกันทุกวัน 0 = ไม่เกี่ยวกัน · สูงอย่างเดียวไม่พอสำหรับ pairs trading
Mean (ค่าเฉลี่ย): ระดับปกติของส่วนต่าง · ในหน้านี้คือเส้น 0 ของกราฟ z (ค่าเฉลี่ยย้อนหลัง 60 วัน ปรับได้ใน ⚙️ ปรับกฎ)
Std (ส่วนเบี่ยงเบนมาตรฐาน): ปกติส่วนต่างแกว่งห่างค่าเฉลี่ยราวเท่าไร · z = ระยะห่างวันนี้ ÷ std · z 2 = ห่างเป็น 2 เท่าของการแกว่งปกติ
Alpha (α): มี 2 ความหมาย: ในสูตรคู่ คือค่าคงที่ที่ทำให้ส่วนต่างเฉลี่ยอยู่ที่ 0 · ในการวัดผลงาน คือผลตอบแทนส่วนที่เกินจากที่ตลาดให้ (กำไรจากฝีมือ ไม่ใช่จากตลาดขึ้น)
Omega ratio: กำไรรวมของวันที่ได้ ÷ ขาดทุนรวมของวันที่เสีย · มากกว่า 1 = ได้มากกว่าเสีย · ใช้ในแท็บ 🧺
ω (omega ในโมเดล GARCH): ถ้าในคลิปพูดถึง omega คู่กับความผันผวน หมายถึงระดับฐานของความแกว่ง ใช้ทำนายว่า std จะกว้างหรือแคบลง · หน้านี้ยังไม่ได้ใช้
bps: หน่วยต้นทุน 1 bps = 0.01% · 5 bps ต่อขาต่อครั้ง = เสีย 0.05% ทุกครั้งที่ซื้อหรือขายแต่ละขา
z-score: ส่วนต่างวันนี้ห่างจากค่าเฉลี่ยกี่เท่าของความแกว่งปกติ ในหน้าต่างย้อนหลังที่ตั้งไว้
Half-life: เวลาที่ส่วนต่างหดกลับมาครึ่งทาง ถ้า 10 วัน แปลว่าส่วนต่างที่ถ่าง 2 เท่า มักเหลือ 1 เท่าใน 10 วัน
ช่วงหาสูตร กับ ช่วงทดสอบจริง: หา β จากข้อมูลช่วงแรก แล้วเอาไปเทรดช่วงหลังที่สูตรไม่เคยเห็น ผลช่วงหลังเชื่อได้มากกว่า แต่ต้องมีไม้มากพอ (10 ไม้ขึ้นไป) ถึงจะสรุปได้
ชอร์ต (short): ยืมหุ้นมาขายก่อน แล้วซื้อคืนทีหลัง ได้กำไรเมื่อราคาลง ต้องใช้บัญชี margin และมีค่ายืม
Put: สิทธิขายหุ้นที่ราคาตกลงไว้ ราคาหุ้นลง Put ราคาขึ้น ใช้แทนการชอร์ตได้ ขา Put ขาดทุนไม่เกินค่า Put (ขาที่ซื้อยังขาดทุนได้) แต่เสียค่าเวลาทุกวัน

📐 อนุกรมเวลา: ทดลองเอง

สร้างคู่สมมติ 250 วันขึ้นมาเอง แล้วดูว่าเทสต์ที่หน้านี้ใช้ ตอบถูกไหม · ราคาทั้งหมดในแท็บนี้เป็นของจำลอง ไม่ใช่หุ้นจริง

แบบคู่:

แรงดึงกลับ ρ

ρ = เมื่อวานช่องว่างเหลือติดมาวันนี้กี่ส่วน · 0.80 = ดึงกลับแรง (หดครึ่งทางใน 3 วัน) · 0.97 = ดึงกลับอ่อน (23 วัน) · 1.00 = ไม่ดึงกลับเลย · ลากดูว่าเทสต์ "ผ่าน" ตอนไหน

📚 สิ่งที่ควรสังเกตจากการลองเล่น

1. Stationary (นิ่ง) กับ random walk: ช่องว่างที่ถูกดึงกลับจะวนรอบค่าเฉลี่ย (นิ่ง) ส่วน random walk เดินไปเรื่อยๆ ไม่มีบ้าน · pairs trading ต้องการช่องว่างแบบแรก

2. เทสต์ต้องใช้ข้อมูล: ลอง ρ ราว 0.97 แล้วสุ่มหลายรอบ บางรอบไม่ผ่านทั้งที่ของจริงดึงกลับ เพราะ 250 วันน้อยเกินจะแยกแรงดึงกลับอ่อนๆ ออกจาก random walk

3. Correlation หลอกได้: แบบ 🌊 ขึ้นลงพร้อมกันเกือบทุกวัน แต่ช่องว่างไม่มีวันกลับ ถ้าดูแค่ correlation จะเลือกผิด

4. ฟลุคมีจริง: แบบ 🌊 กดสุ่มหลายๆ รอบ จะมีราว 5 ใน 100 รอบที่เทสต์ผ่านทั้งที่ไม่ควรผ่าน คือที่มาของคำเตือน "คู่ที่ผ่านอาจเป็นฟลุค" ในแท็บ 🔍 และ 🧺

5. Half-life ที่วัดได้คลาดเสมอ: ต่อให้รู้ค่าจริง การวัดจาก 250 วันก็คลาดได้มาก ห้ามเชื่อ half-life เป็นเลขแม่นยำ

อยากเรียนต่อ: หัวข้อที่ผู้สอนในคลิปแนะนำให้เริ่มคืออนุกรมเวลา (time series) · คำค้น: stationarity · unit root · ADF test · Engle-Granger cointegration · Ornstein-Uhlenbeck process

🎓 จากคลิป

สิ่งที่ได้จาก The Trading Lab EP.14 (Statistical Arbitrage กับ ดร.พศิน มรุปัณฑ์ธร) แต่ละข้อจับคู่กับส่วนที่ลองได้จริงในหน้านี้ · สรุปด้วยคำของผม ไม่ใช่คำพูดในคลิป

🖤 Market neutral: เอาสองตัวมาลบกัน ตลาดก็หักล้างกัน

หุ้นแต่ละตัวถูกดันด้วยแรงของทั้งตลาด (market factor) เป็นหลัก ถ้าซื้อตัวหนึ่งชอร์ตอีกตัวที่ถูกดันด้วยแรงเดียวกัน แรงนั้นหักล้างกัน เหลือแค่ส่วนต่าง

ข้อมูลจริงในหน้านี้: ⏳ กำลังคำนวณจากราคาจริง… · สรุป: กันได้เฉพาะ "ตลาดทั้งตลาด" และเฉพาะคู่ที่ตอบสนองเท่ากันจริง ข่าวร้ายเฉพาะบริษัทเดียว (แบบเงินพุ่งแยกจากทองในคลิป) ยังทำให้คู่แตกได้

👉 ดูต่อคู่ได้ที่แท็บ 📈 ช่อง "🖤 วันที่ตลาดถล่ม"

⚖️ Hedge ratio: ผสมไม่ใช่ 1 ต่อ 1

สองสินทรัพย์ต้องผสมในสัดส่วนที่ทำให้ส่วนต่างวนกลับเข้าหาค่าเฉลี่ย หาง่ายสุดด้วย linear regression · ในคลิปตัวอย่างหุ้นเหมืองทอง Barrick เทียบ NEM ได้ค่าประมาณ 0.24 · ในหน้านี้คือ β

👉 β ของทุกคู่อยู่ในแท็บ 📈 · คู่ B/NEM เพิ่มเข้ารายชื่อแล้ว (Barrick เปลี่ยนตั๋วจาก GOLD เป็น B ตั้งแต่ปี 2025 · ตั๋ว GOLD ตอนนี้เป็นบริษัทอื่น)

🔗 Correlation ไม่พอ ต้อง cointegration

Correlation บอกว่าวันเดียวกันขึ้นลงพร้อมกันไหม ใช้กรองรอบแรก · cointegration ดูว่าการกระจายของส่วนต่างนิ่งพอจะกลับมาที่เดิมไหม ถ้าการกระจายเริ่มมี 2 ยอด แปลว่าความสัมพันธ์ย้ายที่แล้ว

👉 แท็บ 🔍 มีทั้งสองค่า · แท็บ 📈 มีกราฟการกระจายพร้อมตัวเตือน 2 ยอด · คู่ในคลิปเองตอนนี้: B/NEM

🎯 VaR: เส้นแบ่งจากการกระจายจริง

แทนที่จะเชื่อว่าส่วนต่างเป็นระฆังปกติ ให้ดูจากข้อมูลจริงว่าระดับไหนเกิดแค่ 1% หรือ 10% ของวัน แล้ววางจุดเข้าและจุดตัดขาดทุนตามนั้น ทุกไม้ต้องมีจุดตัดขาดทุน แม้สถิติจะมั่นใจแค่ไหน

👉 แท็บ 📈 กดปุ่ม "🎯 เปอร์เซ็นไทล์" เพื่อดูเส้นแบบในคลิป

⏳ Ornstein-Uhlenbeck (OU) process และ half-life

โมเดลง่ายที่สุดของของที่วนกลับค่าเฉลี่ย ให้ตัวเลขว่าวนเร็วแค่ไหน · half-life คือเวลาที่ส่วนต่างหดกลับมาครึ่งทาง · ข้อจำกัด: โมเดลถือว่าจังหวะการวนคงที่ ถ้าจังหวะเปลี่ยน ต้องประมาณค่าใหม่

👉 half-life ของทุกคู่อยู่ในแท็บ 🔍 (ใช้ได้เฉพาะคู่ที่ผ่านเทสต์)

💸 Spread กับต้นทุน: บางเกมไม่ใช่ของเรา

ในคลิปยกตัวอย่างหุ้นตัวเดียวกันที่ซื้อขายสองตลาด กราฟวนสวยมาก แต่ระยะที่ถ่างแคบกว่าค่าซื้อขาย คนที่ได้คือคนที่ต้นทุนการส่งคำสั่งต่ำกว่าเรา

👉 แท็บ 📈 ช่อง "💸 ส่วนต่างแกว่งพอจ่ายค่าซื้อขายไหม" · ในรายชื่อตอนนี้ใกล้ข่ายนี้ที่สุด: HYG/JNK

〰️ Sizing: เสี่ยงมากลงน้อย

วิธีง่ายสุดคือดู SD ย้อนหลังราว 10–20 วัน แกว่งมากลงเงินน้อย แกว่งน้อยลงมาก · ต้องดูทั้งระบบว่าถ้าขาดทุนพร้อมกัน เงินที่เหลือยังพอไหม

👉 แท็บ 🧺 ปุ่ม "〰️ ตามความแกว่ง" (หน้านี้ใช้ SD ของช่วงหาสูตร เพื่อไม่ให้แอบดูอนาคต)

🧺 ทำหลายคู่ คู่ไหนแตกก็เอาออกแล้วหาคู่ใหม่

ในคลิปผู้สอนพูดถึงพอร์ตราว 50 คู่ และบอกว่าไม่เคยร่วงเกิน 5% · ข้อมูลในหน้านี้: ⏳ กำลังคำนวณ… · แปลว่ากระจายคู่ช่วยให้นิ่ง แต่ความได้เปรียบต้องมาจากการเลือกคู่และกฎที่ดีกว่านี้ ซึ่งผู้สอนไม่ได้เปิดเผยรายละเอียด

👉 แท็บ 🧺 ทั้งหมด

💵 ปันผลของขาชอร์ต

คนชอร์ตต้องจ่ายปันผลแทนเจ้าของหุ้น ผู้สอนเคยขาดทุนจากตรงนี้ทั้งที่ส่วนต่างไม่ได้ขาดทุน

👉 หน้านี้ใช้ราคาปิดที่ปรับปันผลแล้วทั้งสองขา การทดสอบจึงนับปันผลที่ขาชอร์ตต้องจ่ายแล้ว

📦 Cash and carry (ยังไม่ได้ทำในหน้านี้)

ซื้อของจริง แล้วชอร์ตสัญญาซื้อขายล่วงหน้าที่แพงกว่าของตัวเดียวกัน ส่วนต่างหดลงเข้าหากันตอนสัญญาหมดอายุ เช่น ซื้อบิตคอยน์จริงแล้วชอร์ตฟิวเจอร์สที่มีวันหมดอายุ · ต้องใช้ข้อมูลราคาฟิวเจอร์สที่หน้านี้ยังไม่มี

🤖 AI ทำงานแทนคนได้ แต่ไม่ตัดสินใจแทน

ผู้สอนใช้ AI ทำความสะอาดข้อมูลและเขียนโค้ด แต่การตัดสินใจเทรดต้องมาจากกฎที่อธิบายได้และให้ผลซ้ำเดิมได้ทุกครั้ง · หน้านี้ทำแบบนั้น: กฎทั้งหมดอยู่ในกรอบ ☑️ ด้านบน