⚠️ บันทึกการวิจัยและการเทรดส่วนตัว — ไม่ใช่คำแนะนำการลงทุน ผู้เขียนไม่ได้ให้บริการที่ปรึกษาการลงทุนที่มีใบอนุญาต
ในเดือนพฤษภาคม 2569 ผมแยก paper trading เป็นสาม independent systems พวกมันรันแบบ parallel พร้อม independent capital allocation จนถึงพฤศจิกายน 2569 จากนั้น arbiter ประเมินผลลัพธ์ walk-forward และเลือกแนวทางที่จะได้รับ live capital
สิ่งนี้ผิดปกติ นักเทรดส่วนใหญ่ optimize ระบบเดียว ผมกำลังรันสามระบบที่แข่งขันกันโดยตั้งใจ นี่คือเหตุผล
ปัญหาของการ Optimize ระบบเดียว
เมื่อคุณปรับแต่ง single system ตลอดหลายปีของการทดสอบ คุณสร้าง survivor ที่ถูก tune กับ historical data ของคุณ การปรับแต่งที่ทำให้มัน "ดีกว่า" อาจเป็นการตอบสนองต่อ noise ที่จะไม่เกิดซ้ำ นี่คือ standard overfitting problem ที่รู้จักกันดี
ปัญหาที่ obvious น้อยกว่า: คุณสูญเสียความสามารถในการบอกว่าระบบกำลัง generate alpha หรือคุณอยู่ใน favorable regime ที่ปิดบังจุดอ่อนของมัน momentum system ที่สร้างและทดสอบในปี 2555-2564 อาจดูน่าประทับใจไม่ใช่เพราะ methodology ถูกต้อง แต่เพราะตลาด US มี bull run ที่ยาวนานผิดปกติ
การแก้ไขแบบ conventional คือ walk-forward testing พร้อม out-of-sample periods ผมใช้สิ่งนั้น แต่มีคำถามเพิ่มเติม: implementation เฉพาะของ methodology ทำผลลัพธ์ดีกว่า alternative implementations ของ methodologies ที่ valid เท่าเทียมกันหรือไม่?
สาม Branch
Pattern branch (current): Chart-based momentum Breakout จาก contracting base, RS≥80, Stage 2, volume confirmation ณ entry Exit ผ่าน partial-TP ที่ 2R + MA21 trail นี่คือ branch ที่รันมานานที่สุด — 20-year walk-forward validation อยู่บนระบบนี้
O'Neil branch: CANSLIM-adjacent entry criteria เดียวกับ pattern branch แต่ layer ด้วย earnings acceleration (C), annual EPS growth (A), และ eight O'Neil sell rules (20-25% profit + EMA50 trail, 7-8% hard stop, climax exit, distribution day sell) โครงสร้าง exit ต่างกัน, position-duration behavior ต่างกัน
Simons branch: Pure quantitative Five-factor equal-weight ensemble — RS rating, price-to-52-week-high, earnings growth slope, volume trend, cross-sectional sector momentum Rebalance รายสัปดาห์ ไม่มี chart reading ไม่มี human judgment บน entries
แต่ละ branch รันด้วย paper capital ฿333,000 พวกมัน trade universe เดียวกัน (US + Thai SET50/100) แต่ apply independent entry และ exit logic
Arbiter ทำงานอย่างไร
Branch arbiter ที่ implement ในพฤศจิกายน 2569 ประเมินแต่ละ branch บน 4 statistical criteria:
1. Per-trade profit factor: gross wins ÷ gross losses ต้องเกิน 1.0 พร้อม margin; ค่าต่ำกว่า 1.3 เป็น marginal
2. Deflated Sharpe Ratio (DSR): Sharpe ที่ correct สำหรับ number of trials Standard Sharpe inflate ด้วย tests มากขึ้น DSR adjust สำหรับจำนวน configurations ที่ลองก่อนถึง configuration ปัจจุบัน
3. Probability of Backtest Overfitting (PBO): cross-validation test ที่ตรวจว่า system ที่ perform ดีที่สุด in-sample ทำผลลัพธ์ดีที่สุด out-of-sample ใน CV splits ที่ re-sampled อย่างน้อยครึ่งหนึ่ง PBO สูง (>50%) หมายความว่า system น่าจะ overfit
4. Bootstrap confidence intervals: nonparametric CI บน 30-day forward return distribution ต้องไม่รวมศูนย์พร้อม acceptable width
Branch ต้องผ่านอย่างน้อย 3 จาก 4 criteria เพื่อพิจารณา ถ้า multiple ผ่าน ที่มี highest DSR × (1 - PBO) composite score ชนะ ถ้าไม่มีผ่าน live allocation ยังอยู่ใน cash จนกว่าจะมีหนึ่ง
ทำไมสามมากกว่าสอง
สอง branches จะเหลือคำถามว่า winner ชนะเพราะ methodology หรือ regime สาม branches ที่แตกต่าง methodologically — discretionary chart, CANSLIM hybrid, pure quant — สร้าง competition ที่ informative มากกว่า ถ้าทั้งสามล้มเหลว arbiter บอกผมบางอย่างเกี่ยวกับ market conditions ไม่ใช่แค่ implementation choices ของผม ถ้าหนึ่ง outperform สม่ำเสมอตาม varying conditions หลักฐานแข็งแกร่งกว่า
Branches ออกแบบให้มี correlation structures ต่างกัน Pattern และ O'Neil share entry logic แต่ต่างกันบน exit Simons เป็น independent บน entry ซึ่งหมายความว่า: - ช่วงที่ Pattern และ O'Neil ทั้งคู่ outperform Simons บอกว่า chart read มี value - ช่วงที่ Simons outperform ทั้งคู่บอกว่า quant signal มี edge ที่ chart read ไม่มี - ช่วงที่ O'Neil outperform Pattern บอกว่า exit structure สำคัญกว่า entry signals
สิ่งที่รู้จาก Prior Replay Analysis
ใน replay study ที่ทำในเดือนมิถุนายน 2569 ผม apply exit rules ของแต่ละ branch กับ paper entries ชุดเดียวกัน (รับ intersection ของ trades ที่ทั้งสาม branches จะได้ enter) และคำนวณ realized R-multiples
ผลลัพธ์ตลอด test set: - Pattern branch: +1R median - O'Neil branch: -1R median - IBD simulation: -17.4R median - Current paper exits: -9.3R median
Spread 18.4R จาก exit choice เพียงอย่างเดียว บน entries เดียวกัน ชี้ว่า exit framework เป็น primary driver ของ system performance ในชุดข้อมูลนี้ นั่นคือสมมติฐานที่ November arbiter จะทดสอบด้วยหลักฐาน live-data
จะเกิดอะไรขึ้นหลังพฤศจิกายน
Branch หนึ่งได้รับ live capital อีกสองอันไม่หายไป พวกมันรัน paper ต่อไป สร้างข้อมูลต่อเนื่อง ถ้า live branch performance แตกต่างจาก paper continuation ของ branches อื่นในแบบที่ statistically significant อย่างมีนัยสำคัญ นั่นกลายเป็นหลักฐานสำหรับการพิจารณา allocation ใหม่
ระบบออกแบบมาสำหรับการประเมินต่อเนื่อง ไม่ใช่ single winner-take-all decision ที่ไม่ revisit อีก
ตามรอย ศึกษา รอจังหวะ จู่โจม
บันทึกการวิจัยและการเทรดส่วนตัว — ไม่ใช่คำแนะนำการลงทุน ผู้เขียนไม่ได้ให้บริการที่ปรึกษาการลงทุนที่มีใบอนุญาต — MOEasymmetry
Draft 2026-06-12. แหล่งที่มา: 3-branch architecture implement พฤษภาคม-มิถุนายน 2569 Branches: simons/oneil/current (pattern) แต่ละ ฿333K paper Branch arbiter: DSR + PBO + bootstrap CI, พฤศจิกายน 2569 Replay study: entries เดียวกัน × 4 exit rules → Pattern +1R / O'Neil -1R / IBD sim -17.4R / Current -9.3R (มิถุนายน 2569) Full arbiter methodology ที่ vault [[Branch-Arbiter-DSR-PBO-2026-06-10]] และ project_3_branch_architecture.md