Inside the Black Box ฉบับที่ 3: โครงสร้างระบบ quant trading โดยไม่ต้องใช้คณิตศาสตร์หนัก

ขอบเขตของบทความ: สรุปจากสารบัญฉบับเต็มและบทที่ 1 ที่สำนักพิมพ์ Wiley เผยแพร่ให้อ่านตัวอย่าง รวมกับข้อมูลหนังสือจากหน้าสำนักพิมพ์ ยังไม่ได้อ่านบทอื่นนอกจากบทที่ 1 ข้อสังเกตเรื่องบทอื่นมาจากชื่อหัวข้อในสารบัญเท่านั้น

กองทุน quant มักถูกมองว่าเป็น "กล่องดำ" ที่คนนอกไม่รู้ว่าข้างในทำงานอย่างไร ทั้งนักลงทุนที่ต้องเลือกกองทุน และนักพัฒนาที่อยากสร้างระบบของตัวเอง ต่างต้องการแผนที่ว่าระบบแบบนี้มีส่วนประกอบอะไรบ้าง Inside the Black Box ตั้งใจเป็นแผนที่นั้น

บทความนี้ช่วยดูว่าฉบับที่ 3 ครอบคลุมอะไร และเหมาะกับใคร

หนังสือเล่มนี้ว่าด้วยอะไร

Inside the Black Box: A Simple Guide to Systematic Investing ฉบับพิมพ์ครั้งที่ 3 เขียนโดย Rishi K. Narang ตีพิมพ์โดย Wiley ฉบับปกแข็ง ISBN 978-1-119-93189-8 ออกเดือนกรกฎาคม 2024 ส่วน e-book ออกเดือนมิถุนายน 2024 ความยาว 368 หน้า (หน้าหนังสือของ Wiley)

หน้าสำนักพิมพ์บอกว่าฉบับนี้ปรับจากฉบับที่ 2 ปี 2013 โดยเพิ่มเรื่อง machine learning สำหรับสร้าง alpha การผสม signal, alternative data แนวทางวิจัยที่ปรับปรุงใหม่ และวิธี portfolio construction แบบใหม่ ผู้อ่านเป้าหมายคือคนที่ไม่ใช่นักคณิตศาสตร์แต่อยากเข้าใจ systematic trading และ quant จากสาขาอื่นที่ต้องการกรอบคิดในการสร้างกลยุทธ์

ผู้เขียนเป็น Founding Principal ของ T2AM ตั้งแต่ปี 2005 เคยร่วมก่อตั้ง Tradeworx และเป็น co-portfolio manager ที่ Santa Barbara Alpha Strategies

เนื้อหาครอบคลุมหัวข้ออะไร

สารบัญ แบ่งเป็นสี่ภาค 16 บท และภาคผนวกหนึ่งส่วน:

ภาค	บท	หัวข้อตามสารบัญ
Part One: The Quant Universe	1–2	Why Does Quant Trading Matter?, An Introduction to Quantitative Trading
Part Two: Inside the Black Box	3–9	Alpha Models, Risk Models, Transaction Cost Models, Portfolio Construction Models, Execution, Data, Research
Part Three: A Practical Guide for Investors in Quantitative Strategies	10–12	Risks Inherent to Quant Strategies, Criticisms of Quant Trading, Evaluating Quants and Quant Strategies
Part Four: High-Speed and High-Frequency Trading	13–16	An Introduction to High-Speed and High-Frequency Trading, High-Speed Trading, High-Frequency Trading, Looking to the Future of Quant Trading
Appendix	—	Controversy Regarding High-Frequency Trading

ภาคที่สองเป็นแกนของเล่ม บทที่ 3 แยก alpha model เป็นแบบ theory-driven กับแบบ data-driven และมีหัวข้อการผสม alpha model ส่วนบทที่ 9 วางกระบวนการวิจัยตามวิธีการทางวิทยาศาสตร์ ตั้งแต่การหาไอเดียไปจนถึงการทดสอบ บทที่ 11 รวบรวมข้อวิจารณ์ต่อ quant เช่น ข้อกล่าวหาเรื่อง data mining และการประเมินความเสี่ยงต่ำเกินจริง บทที่ 16 มีหัวข้อ machine learning และ AI

แนวคิดที่น่าสนใจจากบทที่ 1

บทที่ 1 อธิบายว่าทำไม quant trading จึงสำคัญ และ quant สอนอะไรนักลงทุนทั่วไปได้บ้าง

ภาพของอุตสาหกรรม ผู้เขียนยกตัวเลขสินทรัพย์ที่กองทุน quant บริหาร และสัดส่วนการซื้อขายผ่าน algorithmic execution ในตลาดต่าง ๆ แล้วเล่าทั้งความล้มเหลวอย่าง LTCM ในปี 1998 การเทขาย quant ในเดือนสิงหาคม 2007 และ Flash Crash ปี 2010 (หน้า 4–6)
quant กับ market efficiency ตัวอย่าง pairs trade ของ statistical arbitrage อธิบายว่า quant เข้าไปลดช่องว่างราคาระหว่างหุ้นสองตัวที่พื้นฐานคล้ายกัน ผู้เขียนเน้นว่าส่วนใหญ่ไม่ใช่ risk-free profit แต่เป็นโอกาสเชิงความน่าจะเป็นที่ต้องรับความเสี่ยง (หน้า 7–8)
บทเรียนแรก: คิดให้ลึก คอมพิวเตอร์ไม่เข้าใจคำสั่งอย่าง "หาหุ้นถูก" quant จึงต้องนิยามทุกคำ ตั้งแต่ "ถูก" วัดด้วยอะไร ไปจนถึง stock universe ที่ใช้ ผู้เขียนเล่าว่าเคยถามเทรดเดอร์แบบ discretionary หลายคนว่ากำหนด position size อย่างไร และได้คำตอบทำนองว่า "เท่าที่ดูสมเหตุสมผล" (หัวข้อ 1.1)
บทเรียนที่สอง: วัดความเสี่ยง แต่อย่าเชื่อตัวเลขเกินไป quant ช่วยให้รับความเสี่ยงอย่างตั้งใจ เช่น จำกัด beta ของ portfolio ให้ต่ำ แต่กรณี LTCM แสดงว่าการพึ่ง risk model ที่มีข้อบกพร่องอันตรายแค่ไหน (หัวข้อ 1.2)
บทเรียนที่สาม: วินัย ผู้เขียนอ้างถึง disposition effect คือแนวโน้มที่นักลงทุนขายตัวที่กำไรเร็วเกินไปและถือตัวที่ขาดทุนนานเกินไป ระบบที่เขียนกฎไว้ล่วงหน้าช่วยตัดสินใจตอนที่ยังไม่มีแรงกดดัน (หัวข้อ 1.3)

ตัวเลขผลตอบแทนของกองทุนสมมติที่ผู้เขียนใช้เปิดบทเป็นตัวอย่างประกอบเรื่องเล่า ไม่ใช่ผลที่ผู้อ่านควรคาดหวัง

พื้นฐานที่ควรมีก่อนอ่าน

หน้าสำนักพิมพ์ระบุว่าหนังสืออธิบายโดยไม่ใช้คณิตศาสตร์หนัก บทที่ 1 ที่อ่านก็ไม่มีสมการ ความคุ้นเคยกับศัพท์ตลาดหุ้นพื้นฐาน เช่น P/E, beta และ short selling จะช่วยให้อ่านได้ลื่นขึ้น ข้อนี้อนุมานจากบทที่ 1

เหมาะกับใคร และใครควรเริ่มจากเล่มอื่นก่อน

เหมาะ กับนักลงทุนหรือผู้จัดสรรเงินที่ต้องประเมินกองทุน quant เพราะภาคที่สามว่าด้วยความเสี่ยงและวิธีประเมินกองทุนโดยตรง
เหมาะ กับนักพัฒนาหรือ data scientist ที่อยากเห็นโครงสร้างทั้งระบบก่อนลงมือเขียนโค้ด backtest
ควรเลือกเล่มอื่น ถ้าต้องการสูตร โค้ด หรือวิธีสร้าง model แบบลงมือทำ หน้าสำนักพิมพ์วางเล่มนี้เป็นกรอบคิด ไม่ใช่ตำราเทคนิค

ข้อจำกัดของข้อมูลที่ใช้ในบทความนี้

อ่านเฉพาะบทที่ 1 และสารบัญที่ Wiley เผยแพร่ บทที่ 2–16 สรุปจากชื่อหัวข้อเท่านั้น
หน้าสำนักพิมพ์ระบุ 368 หน้า ส่วนข้อมูลในโฟลเดอร์ต้นทางระบุ 375 หน้า บทความนี้ใช้ตัวเลขของสำนักพิมพ์
บทความนี้ไม่ได้ทดลองวิธีหรือกลยุทธ์ใดในเล่ม

แหล่งอ้างอิง

Inside the Black Box, 3rd Edition · Wiley · ข้อมูลหนังสือ ISBN จำนวนหน้า สิ่งที่เพิ่มในฉบับที่ 3 และประวัติผู้เขียน
Contents (PDF) · Wiley · สารบัญฉบับเต็ม
Chapter 1: Why Does Quant Trading Matter? (PDF) · Wiley · บทที่ 1 ทั้งบท หน้า 3–12