Research note · MOEasymmetry · มิถุนายน 2026
3 สัมภาษณ์ 3 นักเทรดที่มีประสบการณ์ กฎมากมายเกี่ยวกับ stop loss, position sizing, การจับจังหวะตลาด และการบริหาร trade
บทความส่วนใหญ่หยุดแค่นั้น — บอกกฎ ใส่ screenshot แล้วก็จบ
เราไม่หยุด เราเอาข้ออ้างที่ทดสอบได้ไปรันกับข้อมูล SET รายวัน 40+ ปี (1982–2026, 10,875 bars) และ backtest records ของเราทั้งหมด 6 tests บางอันผ่าน บางอันไม่ผ่าน และ 1 อันไม่ transfer มาสู่ตลาดไทยเลย
นี่คือสิ่งที่ข้อมูลบอกจริงๆ
3 แหล่งที่มา
Brian Shannon — เทรด 35 ปีในตลาด US, เขียนหนังสือ Technical Analysis Using Multiple Timeframes, เป็นผู้ทำให้ Anchored VWAP เป็นที่รู้จัก สัมภาษณ์: TraderLion (2026-05-13)
Clement Ang — ชนะ US Investing Championship (ผลตอบแทน 150%+ ปี 2025) หลังจากสูญเงินเกือบหมดในปี 2022 สัมภาษณ์: TraderLion (2026-01-17)
Financial Wisdom — "5 Signals That Tell You When the Market Is About to Turn" (2026-04-21)
6 ข้ออ้างที่เราทดสอบ
Test 1: "Stage 4 ห้ามซื้อ"
Sources: Clement Ang (บทเรียนที่ 2) + Brian Shannon (Stage 2 setup)
ข้ออ้าง: ห้ามซื้อหุ้นที่ราคาต่ำกว่า 200-day MA เด็ดขาด ต่ำกว่า 200d MA = Stage 4 = phase ที่ institutional กำลัง liquidate
ที่เราทดสอบ: เปรียบเทียบ trade 737 ครั้งในระบบ DI ที่ไม่มี 200d MA filter กับ 622 ครั้งที่มี filter ข้อมูล: ตลาดไทย 2007–2026
| Metric | ไม่มี 200d filter | มี 200d filter | Delta |
|---|---|---|---|
| จำนวน trade | 737 | 622 | −115 |
| Win rate | 48.2% | 49.2% | +1.0pp |
| Mean return per trade | +9.81% | +10.81% | +1.00pp |
| Average winning trade | +26.89% | +28.28% | +1.39pp |
| Average losing trade | −6.06% | −6.11% | −0.05pp |
ผล: ยืนยัน 200-day filter ไม่ได้แค่ตัด trade แพ้ออก — มัน select หา winner ที่ใหญ่กว่า การตัด 115 trades ออกทำให้ mean return ดีขึ้น 1pp และ average winner โตขึ้น 1.4pp Clement เรียนรู้เรื่องนี้จากการสูญเงินส่วนใหญ่กับ HSBC ที่อยู่ต่ำกว่า 200d MA ที่กำลังลง ข้อมูลเห็นด้วยกับเขา
Test 2: "หลัง bearish EMA cross หยุดเทรด"
Sources: Brian Shannon (บทเรียนที่ 5) + Financial Wisdom (signal ที่ 5)
ข้ออ้าง: เมื่อ 10-week EMA ตัดลงมาต่ำกว่า 20-week EMA market regime เปลี่ยนเป็น hostile ควรลด position และคาด return ที่ต่ำกว่า
ที่เราทดสอบ: ทุก 10-week / 20-week EMA weekly crossover บน SET ตั้งแต่ปี 1982–2026 (2,319 weekly bars, 40 bullish crosses, 40 bearish crosses) วัด 60-day forward return
| Signal | N | 60d mean | 60d median | Win rate |
|---|---|---|---|---|
| Baseline (ทุกสัปดาห์) | 2,285 | +2.42% | +1.41% | — |
| Bullish cross (10w > 20w) | 40 | +3.35% | +2.17% | 65.9% |
| Bearish cross (10w < 20w) | 40 | −0.44% | +0.03% | 50.0% |
ผล: ยืนยัน — โดยเฉพาะฝั่ง bearish หลัง bearish cross บน SET, expected 60-day return ลดจาก baseline +1.41% เหลือแทบ zero หลัง bullish cross, win rate ขึ้นไป 65.9% นี่คือ regime filter ในทางปฏิบัติ: เมื่อตลาดหยุด stop ซ้ำในทิศเดิมต่อเนื่อง นั่นไม่ใช่โชคร้าย แต่เป็น regime signal
Test 3: "Monthly reversal candle = ผู้ซื้อกลับมาแล้ว"
Source: Financial Wisdom (signal ที่ 3)
ข้ออ้าง: เดือนที่แตะ low ต่ำสุดใหม่ในช่วงเวลา intraday แต่ปิดสูง (ใน top 30% ของ monthly range) บอกว่าผู้ซื้อชนะผู้ขาย forward returns จะดีกว่า
ที่เราทดสอบ: SET monthly bars กว่า 1,100 bars ตั้งแต่ปี 1982–2026 พบ 34 เดือนที่ SET แตะ 3-month intraday low แต่ปิดใน top 30% ของ monthly range
| ช่วงเวลา | Signal months | Ordinary months | Win rate delta |
|---|---|---|---|
| 30 วัน | median +1.91% | median +0.83% | 64.7% vs 54.5% (+10pp) |
| 60 วัน | median +2.65% | median +1.28% | 64.7% vs 56.0% (+9pp) |
เดือนที่เป็น signal ล่าสุดบน SET: ก.ค. 2022, มี.ค. 2023, ธ.ค. 2023, ส.ค. 2024, เม.ย. 2025, ม.ค. 2026
ผล: ยืนยันในฐานะ confluence signal Win rate ดีขึ้น +9pp มีความหมาย เมื่อผู้ขายดัน SET ลงสู่ low หลายเดือนแต่ผู้ซื้อปิดได้สูง, 60-day follow-through ดีกว่าอย่างมีนัยสำคัญ ไม่ใช่ standalone trade trigger — ใช้เพื่อเพิ่ม confidence เมื่อ signal อื่นๆ align กันด้วย
Test 4: "50-month MA แยก bear market ออกจาก correction ธรรมดา"
Source: Financial Wisdom (signal ที่ 4)
ข้ออ้าง: ใน deep corrections, S&P 500 มักหา support ที่ 50-month MA เมื่อราคาแตกลงมาต่ำกว่าและอยู่ใต้นั้น คุณอยู่ใน genuine bear market แล้ว
ที่เราทดสอบ: SET monthly data 1982–2026 (490 monthly bars) เปรียบเทียบ 6-month forward return เมื่อ SET อยู่เหนือ vs ต่ำกว่า 50-month MA และระบุ cross-below events ทั้งหมด 14 ครั้ง
| ตำแหน่ง vs 50-month MA | จำนวนเดือน | 6m win rate | 6m median return |
|---|---|---|---|
| เหนือ 50-month MA | 335 | 60.3% | +2.73% |
| ต่ำกว่า 50-month MA | 142 | 56.3% | ผันผวนสูง |
14 cross-below events ครอบคลุมทุก major SET bear market: - ก.ค. 1996: forward 6m −20.2% — จุดสูงสุดก่อนวิกฤตเอเชีย - ก.ค. 2008: forward 6m −35.4% — วิกฤต GFC - พ.ย. 2019: forward 6m −15.9% — ก่อน COVID
เมื่อ SET กลับขึ้นเหนือ 50-month MA อีกครั้ง, forward return เป็นบวกอย่างสม่ำเสมอ
ผล: ยืนยันในฐานะ bear market identifier เหนือ 50-month MA = win rate 60.3%, return สม่ำเสมอ Cross-below = ทุก major SET bear market ใน 40 ปีอยู่ในลิสต์นี้ ค่า MA ไม่ได้ทำนาย bottom แน่นอน — มันบอกว่าคุณอยู่ใน environment ที่ hostile structurally หรือไม่
Test 5: "RSI divergence ที่ weekly low = ผู้ขายอ่อนแรงแล้ว"
Source: Financial Wisdom (signal ที่ 1)
ข้ออ้าง: เมื่อราคาทำ new 13-week low แต่ weekly RSI ไม่ยืนยัน (bullish divergence, RSI < 45) = downside momentum กำลังอ่อนลง forward returns จะดีกว่า
ที่เราทดสอบ: SET weekly data 1982–2026 พบ RSI bullish divergence 124 signals และ confirmed lows (ราคา low + RSI low พร้อมกัน) 144 ครั้ง วัด 60-day forward return
| Signal | N | 60d mean | 60d median | 60d win rate |
|---|---|---|---|---|
| RSI divergence (bullish) | 124 | +4.31% | +0.81% | 53.2% |
| Confirmed low (ไม่มี divergence) | 144 | +0.63% | −0.15% | 49.3% |
ผล: ยืนยัน — directional signal ไม่ใช่ precision trigger Divergence ให้ median lift +0.96pp และ win rate +3.9pp เทียบกับ confirmed lows คำเตือนของบทความยังใช้ได้: "RSI divergence สามารถคงอยู่นานกว่าที่คาดมาก" Signal บอกว่าผู้ขายอ่อนแรง — แต่ไม่ได้บอกว่าผู้ซื้อมาถึงแล้ว
Test 6: "หุ้นนำ bottom ก่อน index 3 วัน"
Source: Brian Shannon (บทเรียนที่ 6)
ข้ออ้าง: หุ้นที่แข็งแกร่งที่สุด bottom ก่อน broad market index ประมาณ 3 วัน เงินค่อยๆ rotate เข้ามาใน leaders ก่อนที่ index จะยืนยัน
ที่เราทดสอบ: Major SET corrections >15% ตั้งแต่ปี 2005 สำหรับแต่ละ correction ระบุ SET index trough date และ median trough date ของหุ้ท RS top-quartile
| Correction | SET index trough | Median leader trough | Leaders นำก่อน |
|---|---|---|---|
| 2019-07 → 2020-03-23 (−41%) | 2020-03-23 | 2020-03-23 | 0 วัน |
| 2023-01 → 2024-08-06 (−25%) | 2024-08-06 | 2024-08-07 | −1 วัน |
ผล: ไม่ transfer มาสู่ตลาดไทย บน Thai data, leaders bottom พร้อมกันกับ SET index แทบเลย ไม่ใช่ 3 วันก่อน
ทำไม? SET เป็นตลาดขนาดเล็กกว่า Foreign institutional flow สามารถ override individual stock leadership signals ในระยะสั้นได้ กองทุนใหญ่ที่ซื้อหรือขาย index basket ทำให้ทุกอย่างเคลื่อนพร้อมกัน Shannon observe สิ่งที่ถูกต้องสำหรับตลาด US ที่มี participants หลายพันราย แต่ structure ของตลาดไทยไม่ produce timing นำก่อนแบบนั้น
ในทางปฏิบัติ: เรายังคง monitor RS ของหุ้นรายตัวแทนที่จะรอให้ index ยืนยัน (underlying principle ยังถูกต้อง) แต่เราไม่พึ่งพา individual leaders เป็น 3-day leading indicator สำหรับ SET timing
สรุป: อะไรผ่าน อะไรไม่ผ่าน
| ข้ออ้าง | ยืนยันบน Thai data? |
|---|---|
| Stage 4 avoidance (200d MA filter) | ใช่ — win rate +1pp, mean return +1pp |
| Bearish EMA cross = ลด exposure | ใช่ — 60d return ลดเหลือ near zero |
| Monthly reversal candle | ใช่ — win rate boost +9pp |
| 50-month MA as bear market identifier | ใช่ — ทุก major SET bear อยู่ในลิสต์ |
| RSI weekly divergence | ใช่ — win rate +3.9pp, directional signal |
| Leaders bottom 3 วันก่อน index | ไม่ — Thai market structure ไม่ produce นี้ |
5 จาก 6 ยืนยัน อันที่ไม่ transfer ให้ finding ที่มีประโยชน์: การ filter regime ในตลาดไทยต้องพึ่งพา market-level signals (50-month MA, EMA crossovers) มากกว่า individual stock leadership timing
ทำไมเรื่องนี้ถึงสำคัญ
บทความเทรดส่วนใหญ่บอกกฎโดยไม่ทดสอบ กฎที่รอดผ่านข้อมูล 40 ปีในตลาดที่ต่างออกไป — SET vs US equities — ไม่ใช่แค่ "style preferences" มันกำลัง describe บางสิ่งที่เป็น structural เกี่ยวกับวิธีที่ตลาดทำงาน
Stage 4 ทำลาย account ได้ Regime filters ป้องกันไม่ให้คุณสู้กับตลาดที่ hostile Monthly reversal candles บอกว่าผู้ซื้อชนะผู้ขายที่ major low แล้ว pattern เหล่านี้ทำงานได้ในกรุงเทพเหมือนที่ทำงานได้ในนิวยอร์ก
แต่ timing assumptions ที่ขึ้นอยู่กับ specific market microstructure — อย่างเช่น 3-day leader lead — ต้องทดสอบใหม่ในแต่ละตลาด นั่นคืองานของ quantitative validation ไม่ใช่การสมมติ
Framework ทั้งหมดของ MOEasymmetry สร้างบนหลักการนี้: ทุกกฎ ทุก filter ทุก exit ต้องผ่าน walk-forward testing บน Thai data ก่อนที่จะเข้าสู่ระบบ 3 นักเทรดในบทความนี้ทำแบบเดียวกัน — intuitively ผ่านทศวรรษของการเทรดจริง เราแค่รัน numbers เพื่อยืนยัน
ทดสอบบน SET daily data 1982–2026 (10,875 bars) และ Thai backtest records 2007–2026 ผลทางสถิติเป็น directional — forward return ไม่ได้รวม slippage หรือ position sizing นี่คืองานวิจัยเพื่อการศึกษา ไม่ใช่คำแนะนำการลงทุน