บริษัทหลักทรัพย์ที่ปรึกษาการลงทุน คลาสสิก ออสสิริส จำกัด

ระบบเทรดอัตโนมัติ เพิ่มประสิทธิภาพของระบบเทรดด้วย Optimization

เพิ่มประสิทธิภาพของระบบเทรดด้วย Optimization

เผยแพร่เมื่อ วันพฤหัสบดีที่ 19 มีนาคม พ.ศ. 2563


ถ้าอยากเพิ่มประสิทธิภาพของระบบเทรดให้ได้มีผลกำไรมากขึ้นหรือลดความเสี่ยงให้ได้มากยิ่งขึ้น หลีกเลี่ยงไม่ได้ที่ต้องทำการ Optimization   การ Optimization คือการหาค่าที่เหมาะสมแก่ระบบค่าดังกล่าวก็คือตัวแปรนั่นเอง ตัวแปลหรือพารามิเตอร์ มีได้อยู่ทุกที่ ยกตัวอย่างเช่น Moving Average : MA(14) ค่าตัวแปลหรือพารามิเตอร์ของ indicator นี้ก็คือจำนวนวันของ MA นั่นเอง อีกตัวอย่างหนึ่งเช่น ค่าสูงสุดของกราฟแท่งเทียน5แท่งย้อนหลัง ค่าตัวแปลหรือพารามิเตอร์คือจำนวณท่งเทียนที่ใช้ในการคำนวณค่าสูงสุด เราสามารถปรับค่าจำนวณแท่งเทียนอาจเพิ่ม-ลดจำนวณแท่งเทียนที่คิดจุดสูงสุดได้ เป็นต้น   เราสามารถปรับจำนวนค่าพารามิเตอร์ของเครื่องมือดังกล่าวให้เหมาะสมกับตลาดเพื่อให้ระบบเทรดมีประสิทธิภาพมากยิ่งขึ้นผ่านทางการ Optimization

การ Optimization คือกระบวนการในการแก้ปัญหาทางคณิตศาสตร์ มีวิธีการหลากหลายวิธีมาก แต่ในบทความนี้จะขอยกตัวอย่างคร่าวๆของการ Optimization ก่อนอื่นต้องเข้าใจก่อนว่าในการใช้ Optimization ในการแก้ปัญหาทางคณิตศาสตร์นั้น ก่อนอื่นต้องทำให้โจทย์เหล่านั้นอยู่ในรูป Closed-form solutions อธิบายได้ง่ายๆคือรูปสมการทางคณิตศาสตร์ที่ไม่ซับซ้อน ประกอบด้วย บวก ลบ คูณ หาร และ สแควร์รูท ซึ่งสมการดังกล่าวจะเป็นสมการตั้งต้นในการ Optimization ต่อไป

  • Brute force approach.

เป็นการ Optimization ไล่ตัวแปลจากทุกค่าที่เป็นไปได้ แต่จะถูกจำกัดด้วยช่วงที่กำหนดไว้ กระบวนการดังกล่าวใช้ทรัพยากรมากในการคำนวนในกรณีที่มีตัวแปลจำนวณมาก ซึ่งโปรแกรมที่ใช้ในการเขียนโรบอทเทรดจะเป็นวิธีนี้ เช่น Amibroker MT4 เป็นต้น

  • Gradient descent methods.

เป็นการ Optimization หาจุดต่ำที่สุด โดยคำนวณทิศทางจากจากความชัน สามารถใช้ในการแก้ปัญหาที่มีตัวแปลมากได้อย่างดี มีความรวดเร็วในการคำนวน  มีข้อจำกัดโดยถ้าโจทย์มีความซับซ้อนหรือกำหนดอัตราการเรียนรู้ไม่เหมาะสมอาจทำให้ไม่สามารถลู่เข้าจุดต่ำสุดจริง(global minimum point) ของสมการได้ ทำให้การคำนวนค่าที่ได้มาอาจไม่ใช่ค่าที่ดีที่สุด

  • Monte Carlo methods.

เป็นการสุ่มค่าในช่วงที่กำหนด สามารถใช้ในการแก้ปัญหาที่มีตัวแปลมากได้อย่างดี แต่ต้องใช้ทรัพยากรณ์มากและเครื่องคำนวณต้องมีประสิทธิภาพที่ดี

  • Combination approaches.

หรือที่เรียกว่า Genetic algorithms เป็นการรวมวิธี Monte Carlo และ Gradient descent เข้าไว้ด้วยกันทำให้มีประสิทธิภาพมากขึ้นสามารถจัดการณ์กับโจทย์ที่มีค่าที่กว้าง


ท่ามกลางวิธี Optimization หลากหลายวิธีคงตอบไม่ได้ว่าใช้วิธีใดดีที่สุด ทั้งนี้ก็ขึ้นอยู่กับสถานการณ์ และและความเหมาะสม ซึ่งผู้ที่จะตอบคำถามได้ดีที่สุดคือผู้ใช้งานที่มีความรู้ความเข้าใจ เกี่ยวกับโจทย์ที่แก้ปัญหาและความรู้ในการใช้อัลกอริทึม

เปิดบัญชี ระบบเทรดอัตโนมัติ
พร้อมรับสิทธิพิเศษทันที !!