ViMi Robo Academy

03/07/2022

รวมลิงค์ติดตามข้อมูล คาดการณ์การเข้าสู่สภาวะเศรษฐกิจถดถอย

รวบรวมลิงค์สำคัญ ในการติดตามข่าวเศรษฐกิจ การลงทุน

31/03/2022

WACC ประเมินมูลค่าหุ้น

การหามูลค่าที่แท้จริง (Intrinsic value) ของบริษัทที่เราจะไปลงทุน เป็นอีกหนึ่งแนวคิดของการวิเคราะห์มูลค่าหุ้นด้วยปัจจัยพื้นฐาน โดยใช้การคาดการณ์และคำนวณมูลค่าบริษัทในอนาคต

แต่มูลค่าบริษัทในอนาคตกับมูลค่าปัจจุบันนั้นไม่เท่ากัน เหมือนกับหลักการคิดมูลค่าสินทรัพย์ต่างๆ ที่มีอัตราการเติบโตหรือดอกเบี้ยเป็นตัวเปรียบเทียบ ดังนั้นเมื่อประเมินมูลค่าอนาคตได้แล้วจึงต้องนำมาคิดลด (Discount) เพื่อให้เป็นมูลค่าปัจจุบัน แล้วแปลงเป็นราคาหุ้นว่า ปัจจุบันควรเป็นราคาหุ้นเท่าไหร่

โดยเราใช้อัตราคิดลด (Discount rate) กับกระแสเงินสดในโมเดลต่างๆ ยกตัวอย่างโมเดล เช่น

● โมเดลคิดลดเงินปันผล (Dividend discount model: DDM)
● โมเดลคิดลดกระแสเงินสดอิสระ (Discount free cash flow: DCF)
● โมเดลคิดลดกำไรคงเหลือ (Residual income model: RIM)

เราได้เคยคุยกันไปบ้างแล้วในเรื่องการหาราคาหุ้นจากโมเดล DDM https://www.blockdit.com/posts/6159d57080a3db0c9be2ce6e ซึ่งเราใช้ผลตอบแทนคาดหวังของส่วนผู้ถือหุ้นเป็นอัตราคิดลด ที่คำนวณจากสูตร CAPM

แต่เราจะใช้ WACC ในโมเดลคิดลดกระแสเงินสด DCF ที่เป็นกระแสเงิดสดของกิจการ (Free Cash Flow to the Firm: FCFF)

การเปลี่ยนแปลงของตัวแปร ในสมการ WACC จะทำให้ราคาหุ้นที่คำนวณได้แตกต่างกันมาก ยกตัวอย่าง เราทำ Sensitivity ของตัวแปร Risk-free ระหว่าง 2.2% - 2.6% และ beta ระหว่าง 1.1 - 1.3 สำหรับหุ้น EA ได้มูลค่าหุ้นอยู่ระหว่าง 75.61 - 129.91 บาท

นักลงทุนจึงควรพิจารณาเวลาที่อ่านบทวิเคราะห์ ที่นักวิเคราะห์ใช้วิธีประเมิน DCF model ที่มีการระบุค่า WACC ในเปเปอร์

บทความฉบับเต็ม
https://www.blockdit.com/posts/60fb860f263c941648abac82

13/03/2022

วิธีสร้าง Risk-free portfolio พอร์ตที่ไม่มีความเสี่ยง

ต่อเนื่องจาก 2 ตอนที่แล้วที่เราได้อธิบายเรื่องของเบต้าและ CAPM ซึ่งเป็นพื้นฐานหลักในการประเมินมูลค่าหุ้นและสร้างโมเดลพอร์ต เช่นการใช้ Modern Portfolio Theory (MPT) ที่ใช้เส้น Efficient Frontier รวมไปถึงการสร้าง Risk-free portfolio

Risk-free portfolio คือพอร์ตที่มีค่าเบต้ารวมเท่ากับศูนย์ ซึ่งถ้าแทนค่าในสมการ CAPM แล้วจะได้ผลตอบแทนคาดหวังของพอร์ตเท่ากับ Risk-free ซึ่งโดยทั่วไปแล้วหมายความว่าเราจะได้ผลตอบแทนจากพอร์ตนี้เท่ากับการลงทุนในพันธบัตรรัฐบาล

ถ้าได้ผลตอบแทนเพียงเท่านั้น แล้วทำไมต้องสร้างพอร์ตหุ้น Risk-free ด้วย?

คำตอบคือมีหลายปัจจัยที่เราไม่ต้องการลงทุนในพันธบัตรรัฐบาลตรงๆ เช่นสภาพคล่อง ความยากง่ายในการซื้อขาย มูลค่าขั้นต่ำในการลงทุน

การสร้าง Risk-free portfolio ในบทความนี้จะหมายถึงการหาน้ำหนักการลงทุนในหุ้นแต่ละตัว (จริงๆ แล้วเราสามารถผสมสินทรัพย์อื่นในพอร์ตได้ เช่นทองคำ bitcoin) โดยเราสามารถหาน้ำหนักการลงทุนในหุ้นแต่ละตัวได้หลายวิธี เช่น Trial and error การใช้สมการคณิตศาสตร์ Partial differential equation โดยครั้งนี้เราจะใช้โปรแกรม Excel เข้ามาช่วยวิเคราะห์แบบง่ายๆ ไม่กี่ขั้นตอน

เป้าหมายที่เราต้องการคือหาน้ำหนักการลงทุนแต่ละตัวที่ทำให้เบต้าเท่ากับศูนย์ แต่ในความเป็นจริงแล้วเราอาจไม่สามารถหาพอร์ตที่มีค่าเท่ากับศูนย์ได้อย่างสมบูรณ์ เราจึงอาจทำได้เพียงหาค่าเข้าใกล้ศูนย์มากที่สุดเท่านั้น

3 ขั้นตอนการสร้าง Risk-free portfolio เริ่มจากการหาข้อมูล และกำหนดชนิดสินทรัพย์ที่จะเลือกเข้าพอร์ต โดยครั้งนี้เรากำหนดให้เลือกหุ้นใน SET100

1. ดึงข้อมูลเบต้า เราใช้ตัวช่วยจาก efin StockPickup โดยใช้ฟังก์ชั่น Total Scan ในเมนู Scan และเลือกตลาดเป็น SET100 หาค่าเบต้าในระยะเวลา 90 วันย้อนหลัง แล้ว export ไฟล์ Excel

2. เปิดไฟล์ excel ที่ดาวน์โหลดมา แล้วเพิ่มคอลัมน์ "C" Weight เป็นน้ำหนักการลงทุนเริ่มต้น กำหนดเป็น 1% สำหรับหุ้นทุกตัว และทำการหาค่าสัดส่วนเบต้าของหุ้นแต่ละตัวโดยเพิ่มคอลัมน์ "D" Beta Weight เป็นน้ำหนักเบต้าของพอร์ต ด้วยการคูณคอลัมน์ "B" และ "C" แล้วทำการหาผลรวมทั้งหมด (cell "C102" และ "D102")

3. ใช้ฟังก์ชั่น Solver ในเมนู Data
● กำหนดเงื่อนไขให้ cell "D102" มีค่าเท่ากับศูนย์ ซึ่งก็คือการกำหนดเบต้าพอร์ตเท่ากับศูนย์
● กำหนดให้เปลี่ยนแปลงค่าใน cell "C2" ถึง "C101" คือให้โปรแกรมคำนวณค่าน้ำหนักในคอลัมน์ C ให้ใหม่
● กำหนดเงื่อนไขให้ cell "C102" มีค่าเท่ากับหนึ่ง ซึ่งก็คือการลงทุนในพอร์ต 100%
● กด Solve เพื่อทำการคำนวณ

หลังจาก Excel ทำการคำนวณเสร็จแล้ว ซึ่งใช้เวลาประมาณ 20 วินาที ขึ้นอยู่กับความเร็วคอมพิวเตอร์ เราจะได้น้ำหนักการลงทุนในหุ้นทั้งหมด 14 ตัวที่ทำให้พอร์ตมีค่าเบต้าเท่ากับศูนย์ เป็น Risk-free portfolio

ขอย้ำอีกครั้งว่า Risk-free portfolio นั้น
● ไม่ใช่พอร์ตที่มีผลตอบแทนสูงสุด
● ไม่ใช่พอร์ตที่ไม่มีการขาดทุน
● แต่เป็นพอร์ตทางทฤษฎีที่ไม่มีความเสี่ยงที่เป็นระบบ เพราะเบต้าเท่ากับศูนย์
● บนสมมติฐานที่ว่าเบต้าในอดีตจะยังเท่าเดิมในอนาคต
● และโดยทั่วไปมักใช้ Risk-free portfolio วิเคราะห์ร่วมกับหลายสินทรัพย์ในพอร์ต (หุ้น bond ทอง commodities REIT crypto ...)

เราศึกษาเรื่องนี้เพื่อเป็นพื้นฐานความเข้าใจในการจัดพอร์ตในขั้น advance ขึ้นไป และยังสามารถปรับใช้ได้ในบางสถานการณ์

ซึ่ง Risk-free portfolio นี้ไม่ใช่ Risk parity ที่เราเคยนำเสนอ (https://www.blockdit.com/posts/609f545c5c45630f21305253) ถึงแม้จะมีแนวคิดใกล้เคียงกันคือปรับสมดุลของพอร์ตให้ได้ความเสี่ยงต่ำสุด

โดย Risk-free portfolio เป็นการลงทุนในพอร์ตที่ปราศจากความเสี่ยงที่เป็นระบบ ไม่ได้มีเป้าหมายเพื่อลดความผันผวนของพอร์ต แต่มีเป้าหมายเพื่อให้ได้ผลตอบแทนและความเสี่ยงเท่ากับ Risk-free

ในขณะที่ Risk parity เป็นการหาน้ำหนักการลงทุนของสินทรัพย์ในพอร์ตให้มีความผันผวนต่ำสุด ซึ่งมีทั้งความเสี่ยงที่เป็นระบบ และไม่เป็นระบบผสมกันอยู่ และผลตอบแทนอาจจะมากกว่า Risk-free

ในโอกาสถัดไป เราจะมาลอง optimize portfolio กันด้วย Efficient frontier กัน

06/03/2022

ค่าเบต้า บอกความเสี่ยงที่เป็นระบบ (แต่บอกไม่หมด)?

ขอต่อเรื่องเบต้าจากตอนที่แล้ว ก่อนที่จะไปสร้างพอร์ต Risk-free portfolio

ตอนที่แล้วได้เกริ่นที่มาของเบต้า การหาข้อมูลเบต้าหุ้นไทยจาก fact sheet ด้วย set.or.th และการใช้ค่าเบต้าในสูตร CAPM เพื่อหาผลตอบแทนคาดหวัง และราคาหุ้นเป้าหมายด้วย DDM

ตอนนี้เรามาขยายความเพิ่มเติมเล็กน้อย และลองฝึกหาค่าเบต้าด้วยตัวเอง และพิจารณาเบื้องหลังค่าเบต้าที่มีตัวเลขหนึ่งที่ fact sheet ไม่ได้บอกเรา

เมื่อเรานำผลตอบแทนรายวันของหุ้นใดหุ้นหนึ่งมาพล๊อตกราฟในแกน Y เทียบกับแกน X ที่กำหนดให้เป็นผลตอบแทนรายวันของ SET (ในทางทฤษฎีเป็นส่วนต่างระหว่างผลตอบแทนและ Risk-free rate) แล้วทำ linear regression ด้วยแนวคิดพื้นฐานที่ว่าพยายามให้ข้อมูลทุกจุดตกอยู่บนเส้นกราฟ หรือมีความคลาดเคลื่อนรวมน้อยที่สุด เรียกว่าแนวคิด BLUE (Best Linear Unbiased Estimate) คือเส้นที่มีค่าความคลาดเคลื่อนกำลังสองน้อยสุด (sum of squares of error) หลังจากนั้นก็ใช้สมการเส้นตรงนี้อธิบายความสัมพันธ์ของหุ้น Y และ SET และเราเรียกเส้นกราฟนี้ว่า Security Characteristic Line (SCL) และความชันของเส้น SCL นั้นคือค่าเบต้านั่นเอง

แต่..ไม่ใช่ทุกจุดข้อมูล จะถูกพล๊อตให้อยู่บนกราฟเส้นตรงได้ มันจะมีค่าผลรวมค่า error ระหว่างจุดที่ไม่ตกบนเส้นกราฟ โดยความสัมพันธ์ของจุดข้อมูลนั้นบ่งบอกได้ด้วยค่าสหสัมพันธ์ หรือ อาร์-สแควร์ (R2) โดย R2 มีค่าระหว่าง 0% ถึง 100% ถ้า R2=0% อาจเปรียบเทียบได้ว่าเราไม่สามารถอธิบายความสัมพันธ์ X และ Y ด้วยสมการกราฟนั้นได้ และถ้า R2=100% คือทุกจุดข้อมูลนั้นอยู่บนเส้นกราฟความสัมพันธ์ ทำให้เราสามารถอธิบายความสัมพันธ์ของ X และ Y ได้ 100%

และค่า R2 คือสิ่งที่ fact sheet ไม่ได้บอกเรา ดังนั้นหากบอกว่าเบต้าเท่ากับ 1 แต่ค่า R2 (ที่ไม่ได้บอกเรา) เท่ากับ 0% ค่าเบต้านั้นก็อาจจะไม่มีความหมายในการนำไปใช้งาน

เรามาลองหาค่าเบต้าและ R2 จาก excel กัน โดยเริ่มต้นจากดาวน์โหลดข้อมูลราคารายวันของหุ้นที่ต้องการหาและ SET (ดาวน์โหลดได้จาก set.or.th, siamchart, efinancethai, setsmart,...) แล้วหา % การเปลี่ยนแปลงรายวัน ในตัวอย่างลองใช้ PTT ของปีที่แล้ว ระยะเวลา 1 ปี

จากนั้นหา slope และ R2 จาก excel ซึ่งมีหลายวิธี

1. หาตรงจากสูตร slope และ RSQ “=slope(column ข้อมูล %Change PTT,column ข้อมูล %Change SET)” และ “=RSQ(column ข้อมูล %Change PTT,column ข้อมูล %Change SET)” ทำให้ได้ค่า BETA = 0.98 และ R2 = 29% ซึ่งวิธีนี้รวดเร็วดี

2. ใช้วิธี insert Scatter plot แล้วหา Trendline (ซึ่งก็คือเส้น SCL) และกำหนดให้แสดงสมการและ R2 ตามตัวอย่างในรูป ได้ค่า BETA และ R2 เท่ากับวิธีแรก แต่กราฟช่วยให้เราเห็นภาพความสัมพันธ์

3. วิธีนี้ใช้ฟังก์ชั่น Data Analysis แล้วเลือก regression ทำให้เราได้ค่าเบต้า 0.9752 ตรงคอลัมน์ Coefficients และค่า R2 0.2881 นอกจากนี้เรายังได้ค่าทางสถิติอื่นเช่นการตรวจสอบนัยสำคัญอย่าง t-test ได้ด้วย โดยตัวอย่างนี้ได้ค่า P-Value = 0.0000 จึงถือได้ว่าที่ระดับความเชื่อมั่น 95% ข้อมูลนี้มีการกระจายตัวที่สัมพันธ์กับสมการที่จะนำไปใช้ แต่ R2=28.81% นั้นอาจตีความหมายได้ว่าสมการนี้อธิบายความสัมพันธ์ PTT และ SET ได้ 28.81%

สรุปจาก 3 วิธีนั้นเราได้ค่าเบต้าและ R2 ตรงกัน โดยเบต้า 0.98 ใกล้เคียงกับ set.or.th ที่ 0.96 แต่สิ่งที่เรารู้เพิ่มเติมขึ้นมาคือ R2 ที่มีค่าเพียง 28.81%

จะเห็นได้ว่าค่าเบต้า เป็นตัวเลขที่ดูเหมือนไม่มีอะไรซับซ้อนในการนำไปใช้ต่อ เพื่อประเมินราคาหุ้น แต่ก็มีสิ่งที่อยู่เบื้องหลังที่อาจทำให้ตัวเลขที่เรานำไปใช้นี้ไม่มีความหมายใดๆ เลยเช่นกัน

แต่.. บทความนี้ ไม่ได้มีจุดประสงค์ที่จะบอกว่าเบต้า ไม่มีประโยชน์ เพราะเป้าหมายของเราคืออยากให้เพื่อนนักลงทุนได้เข้าใจที่มาของตัวเลขและสิ่งที่ควรจะตรวจสอบต่อ หากเป็นการใช้เพื่อตัดสินใจลงทุน

นักลงทุนที่มีความรู้มีข้อมูลที่มากกว่า แล้วเข้าใจและใช้ข้อมูลนั้นถูกต้อง ก็เปรียบเสมือนนักรบที่มีอาวุธมากกว่า และสามารถใช้อาวุธเหมาะสมกับกลยุทธ์ของตนเองในสมรภูมิ ทำให้เพิ่มโอกาสชนะในสนามรบได้มากยิ่งขึ้น

ในครั้งหน้าเรามาสร้าง Risk-free portfolio กัน

26/02/2022

ค่าเบต้า ยังคงสามารถใช้ประเมินผลตอบแทนของหุ้นได้อยู่หรือไม่?

ค่าเบต้า Beta (β) เป็นตัวแปรหนึ่งที่นักลงทุนสายทฤษฎี รู้จักกันดีว่าเราใช้ค่านี้เพื่อเป็นตัวแปรหาผลตอบแทนที่ควรจะได้รับ (Required return) เมื่อเทียบกับตลาด ซึ่งเบต้าเป็นตัวแปรหนึ่งของโมเดล CAPM (นักการเงินส่วนใหญ่อ่านว่า “แค๊ปเอ็ม” ย่อมาจาก Capital Asset Pricing Model) รวมถึงใช้เบต้าในการพิจารณากระจายความเสี่ยงของพอร์ต เพราะเบต้าคือค่าตัวเลขทางสถิติที่วัดความสัมพันธ์เทียบกับดัชนีตลาด ที่เป็นความเสี่ยงที่เป็นระบบ (Systematic risk) โดยค่าเบต้านี้บอกเราได้ทั้ง “ขนาดและทิศทางของความสัมพันธ์”

เราสามารถคำนวณค่าเบต้าได้จากการคำนวณผลตอบแทนย้อนหลังได้จากสมการ

β = Covariance / Variance

Covariance คือการวัดการเปลี่ยนแปลงระหว่างผลตอบแทนหุ้นและตลาดหรือ SET ว่าจะมีการเปลี่ยนแปลงตามกันมากน้อยเพียงใด
Variance คือค่าความแปรปรวน เป็นค่าที่ใช้วัดการกระจายของข้อมูล ซึ่งเท่ากับส่วนเบี่ยงเบนมาตรฐานของผลตอบแทนหุ้นแต่ละตัว แล้วนำมายกกำลังสอง

ผลตอบแทนที่ควรจะได้รับ (E(r); Required return) ที่หาจาก CAPM นั้นหาได้จากสมการ

E(r) = Risk-free rate + β*(Market return - Risk-free rate)

โดยนักลงทุนสามารถดูค่าเบต้าได้จาก set.or.th ในหน้าสรุปข้อสนเทศ ตัวอย่างของ PTT (https://www.set.or.th/set/factsheet.do?symbol=PTT&ssoPageId=3&language=th&country=TH)

เราสามารถใช้ลิงค์นี้สำหรับหุ้นอื่น โดยการเปลี่ยนตัวย่อ PTT เป็นหุ้นอื่นได้เลย

เบต้ามีค่าเป็นเลขจำนวนจริง เป็นได้ทั้งบวกและลบ
1️⃣ (Beta < 0 )หากเบต้ามีค่าเป็นลบ แสดงว่ามีโอกาสที่ราคาของหุ้นตัวนั้นขึ้นลงสวนตลาด ตลาดขึ้นหุ้นตัวนั้นจะลง ตลาดลงหุ้นตัวนั้นจะขึ้นสวน ยิ่งลบมากๆ ก็จะขึ้นลงแรงสวนทางกับตลาดมาก
2️⃣ (Beta >0) หากเบต้ามีค่าเป็นบวก แสดงว่ามีโอกาสที่ราคาของหุ้นตัวนั้นขึ้นลงทางเดียวกับตลาด ตลาดขึ้นหุ้นตัวนั้นจะขึ้น ตลาดลงหุ้นตัวนั้นจะลงตาม ยิ่งบวกมากๆ ก็จะขึ้นลงแรงในทางเดียวกับตลาดมาก
3️⃣ (Beta =0) หากเบต้าเข้าใกล้หรือเท่ากับศูนย์ แสดงว่าหุ้นตัวนั้นขึ้นลงไม่มีความสัมพันธ์กับตลาด คือไม่ได้กำไร และไม่ขาดทุน
4️⃣ (Beta = 1) และหากเบต้าเท่ากับหนึ่ง หมายถึงหุ้นตัวนั้นขึ้นลงและมีอัตราผลตอบแทนเท่ากับตลาด

ข้อจำกัดของเบต้า รวมถึงโมเดล CAPM คือการใช้ข้อมูลผลตอบแทนย้อนหลังในช่วงเวลาที่ต่างกัน จะทำให้ค่าเบต้าต่างกัน ส่งผลให้ผลตอบแทนที่คำนวณได้จาก CAPM ต่างกันด้วย นอกจากนี้เบต้าเป็นการใช้ข้อมูลในอดีตที่อาจจะไม่เป็นไปตามค่านั้นในอนาคต

ข้อจำกัดอื่นของเบต้าและ CAPM คือเป็นค่าที่เปลี่ยนแปลงตลอดเวลา โดยเฉพาะหุ้นที่เป็นวัฎจักรที่ผันผวนตามวงรอบ เช่น หุ้นน้ำมัน เกษตร ยางพารา เดินเรือ มีค่าเบต้าที่ผันผวนตามวัฎจักรของธุรกิจ และมีเบต้าที่แตกต่างกันในแต่ละช่วงเวลาเป็นอย่างมาก ยกตัวอย่างหุ้น STA มีค่าเบต้าปี 2562 เท่ากับ 1.67, ปี 2563 เท่ากับ 0.61, ปีที่แล้วเท่ากับ 0.10, และปีนี้จนถึงปัจุบัน (YTD) เท่ากับ 0.09

ตัวอย่างตีความ STA ปีนี้จนถึงตามรูปวันที่ 18 กุมภาพันธ์ หาก SET ให้ผลตอบแทน 1% แล้ว STA จะให้ผลตอบแทน 0.09% ในทางกลับกันหาก SET ให้ผลขาดทุน 1% แล้ว STA จะทำให้เราขาดทุนเพียง 0.09% (เบต้าเข้าใกล้ศูนย์ คือแทบจะไม่ได้กำไรและไม่ขาดทุนเมื่อเทียบกับตลาด)

เรามาลองหาราคาหุ้น 5 ตัวแรกที่มีมูลค่าตลาดสูงสุดใน SETHD จากการใช้เบต้าแตกต่างกันระหว่างปีปัจจุบัน 2565 YTD, 2564, 2563, และค่าเฉลี่ย โดยกำหนดใช้ดอกเบี้ยพันธบัตรรัฐบาล 10 ปี เป็นผลตอบแทนโดยปราศจากความเสี่ยง (Risk free rate) 1.7% และผลตอบแทนเฉลี่ยของตลาดคือ 8% ในโมเดล CAPM คำนวณได้ผลตอบแทนคาดหวัง E(r)

แล้วนำมาหาราคาเป้าหมายของหุ้นจากแบบจําลองคิดลดเงินปันผล (DDM; Dividend Discount Model) จากสูตร P = Do*(1+g) / [E(r) - g] ที่กำหนดให้การเติบโตของเงินปันผลคือ g = 3% ต่อปี ได้ผลราคาเป้าหมายตามตาราง

จากตารางจะเห็นว่าเมื่อเราใช้ Time frame ของค่าเบต้าต่างกัน จะทำให้ราคาหุ้นแตกต่างกันมากในหุ้นบางตัว อย่างเช่น PTTEP ได้ราคาเป้าหมายต่ำสุดอยู่ที่ 68 บาท และสูงสุดที่ 150 บาท ในขณะที่หุ้นบางตัวอย่างเช่น ADVANC ได้ราคาเป้าหมายที่สอดคล้องกัน

แล้วเมื่อเป็นอย่างนี้แล้ว เรายังคงใช้เบต้ารวมถึง CAPM ในการประเมินราคาหุ้นได้หรือไม่ แล้วจะใช้ Time frame ไหนในการหาค่าเบต้า?

คำแนะนำส่วนตัวคือเรายังคงสามารถใช้เบต้าและ CAPM ในการเป็น guideline เป้าหมายที่ควรจะเป็นเมื่อเทียบกับตลาด แต่ไม่ควรใช้เป็นราคาเป้าหมายในการซื้อขายหุ้นเพียง model เดียว ควรใช้ร่วมกับ model หรือการวิเคราะห์อื่นร่วมด้วย โดย Time frame ผลตอบแทน 1 ปี ย้อนหลัง คือค่าที่นิยมใช้กันทั่วไป และเราสามารถใช้แบบเปรียบเทียบเบต้าหลายๆ ค่า เพื่อดูความอ่อนไหวหรือ beta-price sensitivity

นักลงทุนสาย VI หลายท่านมักจะมีข้อโต้แย้งหรือไม่เห็นด้วยกับการใช้เบต้าและ CAPM ในการประเมินผลตอบแทนคาดหวัง ซึ่งส่วนตัวก็เห็นด้วยแบบนั้นว่าไม่ควรใช้เบต้าและ CAPM ในการประเมินราคาหุ้นเพียงปัจจัยเดียว

และตัวผู้เขียนเองมีความเห็นว่าเป้าหมายการใช้เบต้านั้นคือการเปรียบเทียบความผันผวนของหุ้นเทียบกับตลาด และใช้เพื่อการพิจารณาในภาพรวมของพอร์ต โดยการพิจารณาว่าพอร์ตของเรามีค่าเบต้าสอดคล้องกับความเสี่ยงที่เรากำหนดหรือไม่

โดยในทางทฤษฎีแล้ว การลงทุนเป็นสัดส่วนของหุ้นแต่ละตัวในพอร์ต ที่ทำให้มีค่าเบต้ารวมทั้งพอร์ตเข้าใกล้หรือเท่ากับศูนย์ (Beta = 0) คือการกระทำที่เทียบเท่ากับการลงทุนในพอร์ตที่ปราศจากความเสี่ยงหรือ “Risk free portfolio” ซึ่งพอร์ตนี้จะไม่ใช่พอร์ตที่มีผลตอบแทนสูงสุดแต่เป็นพอร์ตที่มีความเสี่ยงต่ำสุดเมื่อเทียบกับตลาด และได้ผลตอบแทนเท่ากับ Risk-free rate ซึ่งมักใช้ในสภาวะ bear market

และนักลงทุนอาจต้องการ Beta > 2 คือต้องการให้พอร์ตมีผลตอบแทน (หรือขาดทุน) มากกว่า 2 เท่าของผลตอบแทนตลาดในสภาวะ bull market ได้เช่นกัน

ในครั้งถัดไป เรามาสร้างตัวอย่างพอร์ตที่เป็น Risk free portfolio กัน

https://www.blockdit.com/posts/6159d57080a3db0c9be2ce6e

24/05/2021

DuPont Analysis

ถ้าจะใช้ ROE ต้องลงให้ลึกถึงรากด้วย DuPont

15/05/2021

Risk Parity อีกหนึ่งวิธีลงทุนของ Risk averse

โดยหลักการของ Risk parity คือการคำนวณหาสัดส่วนการลงทุนตามน้ำหนักความเสี่ยงของแต่ละสินทรัพย์ที่จะทำให้พอร์ตมีความเสี่ยงเป็นไปตามที่ต้องการ (หรือจัดพอร์ตให้มีความเสี่ยงต่ำสุดสำหรับ Risk averse) ซึ่งสินทรัพย์ที่เลือกลงทุนเข้าพอร์ตก็จะมีความเสี่ยงหรือความผันผวนตามสภาวะตลาดของสินทรัพย์นั้น เช่น หุ้นมีความเสี่ยงจากตลาดหุ้น (Equity risk) ตราสารหนี้มีความเสี่ยงจากอัตราดอกเบี้ย (Interest rate risk) สินค้าโภคภัณฑ์เช่นน้ำมัน เหล็ก ทอง ข้าวโพด มีความเสี่ยงจากอัตราเงินเฟ้อ (Inflation risk) เป็นต้น

เรามาดูตัวอย่างของการ Simulate Risk parity เพื่อปรับสัดส่วนพอร์ตใหม่ ให้มีความเสี่ยงต่ำสุด โดยเทียบเคียงกับพอร์ตกองทุนของทาง Finnomena ที่ได้ออกบทความปรับกลยุทธ์เมื่อต้นสัปดาห์ที่ผ่านมา โดยเราใช้แนวทางการลงทุนในพอร์ต TOP5 มาวิเคราะห์เปรียบเทียบ

Risk Parity อีกหนึ่งวิธีลงทุนของคนขี้กลัวแต่ได้กำไร !!

24/04/2021

Just say No!

===Just Say No===

​ตั้งแต่เกิดการระบาดของเชื้อไวรัสโคโรนาเมื่อต้นปี 2563 โลกของการลงทุนก็เปลี่ยนไป จากการลงทุนโดย “มืออาชีพ” และนักลงทุนสถาบัน รวมถึงนักลงทุนส่วนบุคคลผู้มุ่งมั่น เป็นผู้เล่นหลัก ก็กลายเป็นนักลงทุนส่วนบุคคลรายย่อยที่เน้นการ “เก็งกำไร” เป็นหลัก

การเข้ามา “เล่น” ของพวกเขา ทำให้ทรัพย์สินหรือหลักทรัพย์ทางการเงินจำนวนมาก ซึ่งรวมถึงหุ้นและอนุพันธุ์ของหุ้น และ Crypto Currency เช่น บิทคอยน์ มีราคาขึ้นไปอย่างรวดเร็วและสูงจน “กูรู” หรือผู้เชี่ยวชาญ “รุ่นเก่า” ส่วนใหญ่มองว่า “เป็นไปไม่ได้” และคิดว่าในที่สุดมันก็จะต้องตกลงมาอย่างแรงและคนที่เข้าไปเล่นก็จะเสียหายอย่างหนัก

ผมเองก็คิดอย่างนั้น และโดยส่วนตัวก็ไม่ได้เข้าไปร่วมใน “มหกรรมการเก็งกำไร” ที่น่าจะพูดได้ว่ารุนแรงมากที่สุดครั้งหนึ่งของโลก ถ้าจะพูดว่าผมอาจจะ “ตกยุค” ที่ไม่ตระหนักว่าโลกของการลงทุนกำลัง “เปลี่ยนไป” ธุรกิจต่าง ๆ และโครงสร้างของการทำธุรกรรมการเงินรุ่นเก่ากำลังล่มสลายหรือถูก Disrupt และทำให้เสียโอกาสที่จะทำกำไรได้อย่างรวดเร็วในช่วง 1-2 ปีมานี้ผมก็ยอมรับ

เพราะการลงทุนในระยะสั้นนั้น ผลงานการลงทุนย่อมขึ้นอยู่กับภาวะของตลาดอยู่ไม่น้อย ในยามที่ตลาดกำลัง “ร้อนแรง” และมีการ “เก็งกำไร” ที่สูงมากอย่างในช่วงเร็ว ๆ นี้ คนที่เล่นหุ้นหรือหลักทรัพย์ที่มีการเก็งกำไรสูงก็มักจะทำผลงานได้ดีมาก บางคนปีเดียวสามารถทำกำไรได้เป็น 100% หรือหลายร้อยเปอร์เซ็นต์ก็มี

โดยวิธีการที่ทำก็คือการ “ไล่ล่า” หาหลักทรัพย์ที่วิ่งขึ้นไปแรงมาก ๆ ซื้อแล้วขายอย่างรวดเร็วแล้วก็หาซื้อตัวใหม่เล่น ทั้งหมดนั้นยังอาศัยการ “กู้เงิน” ผ่านบัญชีมาร์จินและ/หรืออ็อปชั่นของหลักทรัพย์ซึ่งสามารถขยายผลตอบแทนเพิ่มขึ้นอีกมาก ซึ่งทั้งหมดนั้นเป็นสิ่งที่นอกเหนือไปจากความรู้ความสามารถและพฤติกรรมการลงทุนของผมที่เน้น “การลงทุนระยะยาว” และหลีกเลี่ยง “ความเสี่ยง” ที่จะเสียหายหนัก หรือเรียกว่าเป็นการลงทุนแบบ “เต่า”
​
แน่นอนว่าผมเองก็รู้สึก “เสียดาย” อยู่เหมือนกันที่ทำไมไม่ซื้อหุ้นตัวนั้นหรือไม่เข้าไป “เล่น” สินทรัพย์แบบบิทคอยน์ในช่วงแรก ๆ ที่ดูเหมือนว่ามันจะต้องขึ้นเมื่อคำนึงถึงขนาดของนักลงทุนรายย่อยที่แห่กันเข้ามาในตลาดอานิสงค์จากโควิด-19 มองย้อนหลังไป 1-2 ปีที่ผ่านมาผมเองก็รูสึกเหมือนกันว่าหุ้นหลายตัวหรือสินทรัพย์บางอย่างน่าจะต้องวิ่งขึ้นไปได้แรงแต่ผมก็ไม่ได้ทำอะไรกับมัน

บางทีอาจจะเป็นเพราะผมกลัวความเสี่ยงมากเกินไป บางทีอาจจะเป็นเพราะว่าผมกังวลกับ “ภาพใหญ่” ของเศรษฐกิจที่ไม่ดีอย่างมาก หรือบางทีอาจจะเป็นเพราะอายุที่มากขึ้นทำให้คิดอะไรช้าลงและไม่อยากเคลื่อนไหวมากในสไตล์แบบ “เต่าที่กำลังเจอพายุ” ที่มักจะชอบ “อยู่นิ่ง ๆ” ไม่ว่าจะเป็นอย่างไร การที่อยู่มานานและได้เห็นการขึ้นอย่างแรงของหุ้นหรือทรัพย์สินบางอย่างที่ไม่ได้มีพื้นฐานจริง ๆ มารองรับ และสุดท้ายมันก็ตกลงไปที่เดิมทำให้ผมคิดว่า เราไม่ควรพยายามทำกำไรจากสิ่งที่เป็น “อนิจจัง” เหล่านั้น
​
ถึงวันนี้ ผมน่าจะมีหุ้นหรือสินทรัพย์ที่ผมมักจะ “Say No” หรือไม่ค่อยสนใจที่จะเข้าไปลงทุนหรือเกี่ยวข้องจำนวนไม่น้อย ส่วนใหญ่หรือเกือบทั้งหมดจะเป็นหุ้นหรือหลักทรัพย์ที่กำลังวิ่งขึ้นร้อนแรงและให้ผลตอบแทนสุดยอดในระยะเวลาอันสั้น เนื่องจากนักลงทุนหรือนักเล่นเก็งกำไรเข้าไปเล่นกันเป็นจำนวนมาก และทั้ง ๆ ที่ผมเองก็คิดว่าราคาก็คงจะขึ้นไปอีกและอาจจะสามารถทำกำไรได้ง่าย ๆ แต่ผมก็ไม่ทำ

ผมคงยึดติดกับคำพูดของบัฟเฟตต์ที่ว่า “ถ้าไม่พร้อมที่จะถือมัน 5 ปี ห้านาทีเราก็ไม่ควรจะเข้าไปถือมัน” และต่อไปนี้ก็คือสิ่งที่นักเล่นหุ้นโดยเฉพาะในช่วงนี้ชอบกันมากแต่ผม “ไม่เล่น” หรือไม่สนใจที่จะลงทุนหุ้น IPO คือสิ่งที่ผมแทบจะ “เลิกจอง” ไม่ต้องพูดถึงว่าจะเข้าไปซื้อในตลาดหุ้นในวันแรกที่เข้าตลาด ผมคิดว่าหุ้น IPO นั้นไม่มีคำว่าถูกวัดจาก “พื้นฐาน” ของกิจการ ถ้าซื้อแล้วถือยาว โอกาสกำไรก็อาจจะน้อย

แน่นอนว่ามีหุ้น IPO บางตัวอาจจะถูกจริง แต่นั่นคงเป็นเพราะที่ปรึกษา “ประเมินผิด” หรือสถานการณ์หลังจากเข้าตลาดแล้วเปลี่ยนไป ทำให้บริษัทดีขึ้นมาก แต่นั่นสำหรับผมคือข้อยกเว้น และผมไม่อยากจะเสี่ยง ดังนั้น วิธีหลีกเลี่ยงที่จะซื้อหุ้นแพงอย่างหนึ่งก็คือ ไม่จองหุ้น IPO เหนือสิ่งอื่นใดก็คือ เราก็แทบจะไม่เคยได้รับจัดสรรหุ้น IPO จำนวนมากอยู่แล้ว ดังนั้น ถึงจะทำกำไรได้ในวันหุ้นเข้าตลาด มันก็ไม่มีนัยสำคัญกับผลตอบแทนของพอร์ตโดยรวม

​หุ้นที่เป็น Cyclical เช่นหุ้นเดินเรือหรือหุ้นเหล็กที่กำลังร้อนแรงในช่วงเร็ว ๆ นี้ เป็นหุ้นกลุ่มหนึ่งที่ผม “Just Say No” คือไม่สนใจจะเข้าไปซื้อหรือเข้าไปเล่น ว่าที่จริงเมื่อหลายเดือนก่อน ก่อนที่ราคาหุ้นในกลุ่มเดินเรือจะวิ่งขึ้นไปมาก ผมก็ได้ข่าวจากคนที่อยู่ในวงการว่าค่าระวางเรือกำลังจะขึ้นแรงและราคาหุ้นก็น่าจะขึ้นตามอย่างที่เคยเกิดทุกครั้ง แต่ผมก็ไม่ได้เข้าไปซื้อหุ้น

พูดตามตรง ผมเองไม่ได้มีความรู้อะไรเกี่ยวกับการขนส่งสินค้าทางเรือ ดังนั้น ผมก็ไม่แน่ใจว่ามันจะขึ้นต่อไปและนานมากน้อยแค่ไหน ผมแค่รู้ว่าโอกาสที่มันจะสูงอย่างนั้นตลอดไปมีน้อยและในที่สุดก็จะตกลงมาและราคาหุ้นที่ขึ้นไปนั้นก็มักจะเกินพื้นฐาน บางทีเกินไปมาก ดังนั้น ความเสี่ยงก็จะสูงโดยเฉพาะถ้าเราเข้าซื้อหุ้นในยามที่ราคาขึ้นไปมากแล้ว และนั่นก็คือสิ่งที่ผมเห็นมาเป็นระยะตลอดหลายสิบปีที่ผ่าน ซึ่งก็น่าจะมีผลทำให้ผมไม่สนใจเข้าไปร่วมในการเก็งกำไรหุ้นที่เป็นวัฎจักร แม้ว่าบางครั้งผมจะคิดว่าคราวนี้อาจจะทำเงินได้ง่าย ๆ ก็ตาม

​หุ้นที่ “ขายสตอรี่” คือหุ้นที่วิ่งขึ้นไปแรงเพราะบริษัทมีแผนที่จะ “ลุย” ธุรกิจหรืออะไรบางอย่างที่กำลังเป็นเทรนด์ เช่น การขายผลิตภัณฑ์กัญชาหรือไปทำโรงไฟฟ้าหรือทำแบตเตอรี่ สิ่งต่าง ๆ เหล่านี้เป็นของใหม่ที่อาจจะไม่ได้ทำเงินหรือทำให้ขาดทุนก็ได้โดยเฉพาะถ้าบริษัทไม่ได้มีประสบการณ์หรือมีความได้เปรียบอะไรเมื่อเทียบกับคนอื่นและที่ทำอยู่แล้ว

ดังนั้น ผมจึงมักจะ “Say no to story” และจะไม่ให้ค่า ราคาที่ผมจะจ่ายนั้น จะต้องคิดเฉพาะสิ่งที่บริษัทมีอยู่เท่านั้น และหุ้นที่มีสตอรี่มักจะมีราคาแพงเนื่องจากมีการเก็งกำไรสูง ดังนั้น ผมจึงมักจะไม่ซื้อหุ้นที่มีสตอรี่
​
หุ้นไฮเท็คซึ่งแน่นอนรวมถึงหุ้นดิจิตอลที่มีศักยภาพในการเปลี่ยนโลกได้ เป็นอีกกลุ่มหนึ่งที่ผม “Just Say No” ไม่ใช่เพราะผมไม่เชื่อว่ามันจะเปลี่ยนได้จริง ผมคิดว่ามันกำลังจะเปลี่ยนอยู่แล้ว แม้แต่ตัวเองทุกวันนี้ที่ยังไม่ชำนาญการใช้เทคโนโลยีใหม่เท่าที่ควร แต่ก็ต้องใช้แทบจะตลอดเวลา เหตุเพราะมันมีความจำเป็นต้องใช้เนื่องจากสิ่งเก่า ๆ กำลังเลิกไป หรือประสิทธิภาพต่ำกว่าของใหม่มาก แต่สิ่งที่ทำให้ผมไม่กล้าที่จะลงทุนซื้อหุ้นอยู่ที่ “ราคา” ของหุ้นที่มักจะสูงมากจนทำให้คนที่เน้น “Value” อย่างผมรับไม่ได้

เหนือสิ่งอื่นใดก็คือ การประมาณและประเมินผลประกอบการของกิจการนั้นทำได้ยากเนื่องจากมันเป็น “ของใหม่” ที่ไม่มีใครรู้ว่ายอดขายจะโตแค่ไหนและกำไรจะเป็นอย่างไรในอนาคตอันไกล นอกจากนั้น ธุรกิจไฮเท็คหรือดิจิตอลเองนั้น ก็มักจะมีการเปลี่ยนแปลงอย่างรวดเร็ว และมีโอกาสที่จะถูก Disrupt ด้วยเทคโนโลยีที่ “ใหม่กว่า” ได้เสมอ ที่สำคัญอีกอย่างหนึ่งก็คือ ผมกลัวว่าซื้อหุ้นพวกนี้ไปแล้วเกิดการปรับตัวลงครั้งใหญ่ของหุ้น ผมจะทำอย่างไร?
​
เรื่องของเงินคริปโตหรือพวก “เหรียญ” ดิจิตอลต่าง ๆ ที่ร้อนแรงจนแทบ “ไหม้” ในช่วงนี้เนื่องจากราคาขึ้นไปหลายเท่าหรือหลายสิบเท่าในเวลาปีสองปีนั้น เป็นสิ่งที่ผม “Say No” ไม่ใช่ว่าผมไม่รู้ว่ามันคืออะไรหรือทำอะไรหรือมีประโยชน์อย่างไร แต่อยู่ที่ความไม่แน่นอนว่ามันจะสามารถรักษาอัตถะประโยชน์ของมันได้มากและยาวนานแค่ไหน เหตุก็เพราะว่า “คู่แข่ง” หรือเหรียญใหม่ ๆ สามารถที่จะถูกสร้างขึ้นมาได้เสมอ

นอกจากนั้น ค่าที่ว่าเรื่องของเงินตราเป็นสิ่งที่รัฐบาลทั่วโลกต่างก็ควบคุมเพื่อผลในการสร้างความมั่นคงและการเติบโตทางเศรษฐกิจของประเทศ ดังนั้น เหรียญที่จะมา “ทำลาย” หรือ Disrupt เงินของรัฐจึงอาจจะถูกกีดกันโดยรัฐบาลต่าง ๆ ทำให้ไม่สามารถเติบโตได้ ตัวอย่างล่าสุดก็คือข่าวที่ว่าอเมริกาจะเก็บภาษีกำไรจากการซื้อขายคริปโตในอัตราที่สูงมากก็ได้ทำให้ราคาบิทคอยน์ตกลงมาระดับ 10% ในวันเดียว ซึ่งแสดงให้เห็นถึงความเสี่ยงที่สูงมากสำหรับการลงทุนในเหรียญดิจิตอลเหล่านี้
​
ผมไม่รู้ว่าการ “Just Say No” ในเรื่องต่าง ๆ เกี่ยวกับการลงทุนเช่นที่ผมทำอยู่นี้ จริง ๆ แล้วให้ผลที่ดีหรือเสียกันแน่กับผลตอบแทนการลงทุนระยะยาวของผม แต่ที่รู้แน่ ๆ ก็คือมันช่วยให้ผม “จำกัด” ตัวเองให้ทำเฉพาะในสิ่งที่อยู่ใน “Circle of Competence” หรือความรอบรู้ของผม พูดง่าย ๆ สิ่งที่เราไม่รู้ เราก็จะไม่ทำ แน่นอนว่า ผมไมได้ Just Say No 100%

ตัวอย่างเช่น บางครั้งผมก็ซื้อหุ้นจอง บางครั้งอาจจะซื้อหุ้นวัฏจักรหรือหุ้นไฮเท็ค แต่ก็จะเป็น “ข้อยกเว้น” และก็ต้องมีเหตุผลพอ และเหตุผลนั้นจะต้องไม่ใช่เพราะความโลภ อยากรวยเร็ว เพราะนั่นจะเป็นอันตราย ว่าที่จริง เหตุผลที่คนจำนวนมากแห่กันเข้ามาเล่นหุ้นที่เก็งกำไรสูงมากจากหุ้นหรือเหรียญดิจิตอลต่าง ๆ ก็คือ ความโลภ ซึ่งเป็นสิ่งที่ผมพยายามหลีกเลี่ยงนั่นเอง

โลกในมุมมองของ Value Investor
24 เมษายน 64
ดร.นิเวศน์ เหมวชิรวรากร

10/04/2021

จุดเดียวในจักรวาล

24/03/2021

วิธีใช้ SD PE วิเคราะห์หุ้นหรือ SET ว่าถูกหรือแพง

เพื่อนๆ นักลงทุนคงเคยได้ยินนักวิเคราะห์มาบ้างนะคะว่า ตอนนี้ PE (Price to Earning Ratio: PE) หรือราคาต่อกำไรของ SET อยู่ในช่วงค่าเฉลี่ย Mean บ้าง, -1SD, +2SD บ้าง

เพราะว่านักวิเคราะห์ใช้ข้อมูลในอดีตและ SD หรือส่วนเบี่ยงเบนมาตรฐานซึ่งเป็นค่าทางสถิติคาดการณ์อนาคตได้ค่ะ ถึงแม้จะไม่ได้บอกตรงๆ ว่าราคาหุ้นควรเป็นเท่าไหร่ หรือ SET ควรเป็นกี่จุด แต่ก็บอกได้ว่าที่ระดับราคาปัจจุบันมีความถูกหรือแพงเมื่อเทียบกับอดีต

เราสามารถบอกได้ว่าเมื่อเทียบกับอดีตแล้ว..

========================

68% ที่ข้อมูลอยู่ในช่วง ±1SD

95% ที่ข้อมูลอยู่ในช่วง ±2SD

99% ที่ข้อมูลอยู่ในช่วง ±3SD

========================

หากนำค่า PE ย้อนหลัง 11 ปีมาพล๊อตกราฟ หาค่าเฉลี่ยและ SD ตามรูป จะพบว่าตอนนี้ PE SET = 40 เท่า เลยจาก +2SD ที่ 25 เท่าไปไกลเลยค่ะ 😂

เราอาจตีความได้ว่าตอนนี้มีความน่าจะเป็น 95% ที่ SET แพงกว่าอดีต (ความน่าจะเป็น 5% ที่ไม่แพงกว่าอดีต)

เราจึงสามารถใช้ PE วิเคราะห์ความถูกแพงร่วมกับการประมาณการณ์ผลกำไร การเติบโตในอนาคต fund flow หรือสภาวะตลาดอื่นๆ ก่อนตัดสินใจลงทุนได้ค่ะ

* PE ที่คำนวณนี้เป็นแบบกำไรย้อนหลัง 12 เดือน (Trailing 12 months: TTM) ซึ่งปีที่แล้วมีผลกระทบเรื่องโควิด ทำให้กำไรลดลงมากและ PE สูง
** แต่หากใช้ประมาณกำไรปีนี้เป็น Forward PE จากสมาคมนักวิเคราะห์จะอยู่ที่ 19.2 เท่า
*** การใช้ SD นี้เป็นพื้นฐานของการวิเคราะห์ทางเทคนิคด้วย เช่น Bollinger Band Indicator
**** ตัวเลขเป๊ะๆ ของข้อมูลที่อยู่ในช่วง 95% คือ ±1.98SD และ 99% ที่ ±2.58SD โดยมี assumption ว่าการกระจายตัวของข้อมูลเป็นแบบ Normal distribution

15/03/2021

วางกลยุทธ์การลงทุนด้วย Correlation
Correlation Trading Strategy EP. 2/2

การใช้กราฟ Correlation อย่างง่ายนั้น เราใช้ tradingview เพียง 3 ขั้นตอนเองค่ะ

1. เข้า web tradingview เลือกหุ้นหรือ Index ที่จะทำการวิเคราะห์ แล้วเลือก Full-featured chart

2. เมนู Indicators เลือก Correlation Coefficient แล้ว Add symbol เป็นชื่อหุ้นหรือ Index ที่จะทำการเปรียบเทียบ เราก็จะได้กราฟ correlation ที่ panel ด้านล่าง โดย correlation ที่แสดงนี้เป็นค่าเฉลี่ยย้อนหลัง 20 วัน เป็นค่า default ซึ่งเราสามารถปรับตั้งค่าได้ค่ะ

3. เราสามารถดู trend ของหุ้นหรือ Index อีกตัว โดยไปที่ +Compare แล้วใส่ชื่อหุ้นหรือ Index ตัวที่สองเลือก new price scale

เสร็จแล้วค่ะ เพียงแค่นี้เราก็สามารถเห็นภาพคร่าวๆ ของ correlation คู่หุ้นหรือ Index เพื่อตัดสินใจว่าจะนำไปวิเคราะห์ต่อหรือไม่ค่ะ

ตัวอย่างการตีความจากกราฟ correlation ระหว่าง SET50 กับ S&P500 ที่ค่าเฉลี่ยย้อนหลัง 50 วัน ตอนนี้มีความสัมพันธ์กันเพียง 0.17 แต่ช่วงปลายปีที่แล้วถึงต้นปีนี้มีช่วงที่ correlation สูงถึง 0.93 (S&P500 มีแนวโน้มขึ้นตาม SET50 😂)

ขอบคุณสำหรับการติดตามค่ะ 😊