Money Mania ทำเรื่องการเงิน ให้เป็นเรื่องง่ายๆ

ของดีอีกแล้วครับ
27/05/2026

ของดีอีกแล้วครับ

VSA Analysis : ศาสตร์อ่านร่องรอยของ Smart Money ผ่าน Volume และพฤติกรรมราคา

จากโพสต์ของเม่าปอยที่ใช้ Aspen มาสแกนหาหุ้นวอลุ่มเข้า real time ก็จะเห็นได้ว่าจาก list วันนั้น ถ้าเราเป๊ะ เราจะได้ CCET และ SMT ซึ่งทั้ง 2 ตัวบวกไปกว่า 4-50% จากวันที่เม่าปอยลงวิธีนี้

ซึ่งวิธีที่เม่าปอยใช้ในวันนั้น รากจริงๆคือ Volume Spread Analysis (VSA) นั่นเอง 😗

——

เวลาเราดูกราฟ คนส่วนใหญ่มักเริ่มจากคำถามง่ายๆว่า “ราคาขึ้นหรือลง” ถ้าราคาขึ้นก็รู้สึกดี ถ้าราคาลงก็รู้สึกแย่ ถ้าแท่งเขียวใหญ่ก็คิดว่ามีแรงซื้อ ถ้าแท่งแดงใหญ่ก็คิดว่ามีแรงขาย

ในมุมของเม่าปอย การอ่านกราฟแบบนั้นอาจยังไม่พอ เพราะในตลาดจริง สิ่งที่สำคัญกว่าการรู้ว่าราคาขึ้นหรือลง คือการพยายามเข้าใจว่า “การขึ้นลงนั้นเกิดจากแรงของใคร” และ “แรงนั้นจริงแค่ไหน”

นี่คือจุดที่ Volume Spread Analysis หรือ VSA เข้ามามีบทบาท

VSA เป็นแนวคิดการวิเคราะห์ตลาดที่พยายามอ่านความสัมพันธ์ระหว่าง Volume, Spread ของแท่งราคา และตำแหน่งการปิดของราคา เพื่อดูว่าพฤติกรรมของตลาดกำลังบอกอะไรเราอยู่ พูดง่ายๆคือ VSA ไม่ได้ดูแค่แท่งเขียวแท่งแดง แต่มันพยายามอ่าน “พฤติกรรมเบื้องหลังแท่งเทียน” ว่ามีแรงซื้อจริงไหม มีแรงขายจริงไหม หรือกำลังมี Smart Money แอบทำอะไรบางอย่างอยู่

แก่นของ VSA เริ่มจากแนวคิดที่เรียบง่ายมาก คือ Price คือ Result และ Volume คือ Effort ถ้าตลาดใช้ effort เยอะ ผลลัพธ์ก็ควรออกมาเยอะ ถ้า Volume สูงมาก ราคาก็ควรขยับแรง แต่ถ้า Volume สูงมากแล้วราคาขยับนิดเดียว แปลว่ามีบางอย่างไม่ปกติ เพราะมีแรงจำนวนมากเข้าไปในตลาด แต่ผลลัพธ์กลับไม่ออกมาตามแรงที่ใช้

เช่น หุ้นตัวหนึ่ง Volume พุ่งสูงมาก ราคาพยายามขึ้น แต่สุดท้ายปิดได้แค่นิดเดียว หรือปิดกลางแท่ง เม่าปอยจะไม่รีบมองว่านี่คือ bullish ทันที เพราะในมุม VSA นี่อาจแปลว่ามีแรงขายซ่อนอยู่ด้านบน มีคนเอาของออกมาขายใส่แรงซื้อจำนวนมาก ทำให้ราคาขึ้นต่อไม่ได้ แม้ Volume จะสูงก็ตาม ตรงนี้คือสิ่งที่เรียกว่า Effort สูง แต่ Result ต่ำ

ในทางกลับกัน ถ้าราคาลงแรงแต่ Volume เบามาก นั่นก็อาจไม่ได้แปลว่าตลาดอ่อนแอเสมอไป เพราะการลงแบบ Volume เบาอาจแปลว่า “ไม่มี supply จริง” ไม่มีคนอยากขายมากพอ ราคาเลยไหลลงจาก liquidity บางช่วงมากกว่าการขายจริงของรายใหญ่ ตรงนี้เป็นเหตุผลว่าทำไม VSA ถึงให้ความสำคัญกับ Volume มากกว่าการดูสีของแท่งเทียนเพียงอย่างเดียว

VSA มีรากความคิดใกล้เคียงกับ Wyckoff มาก เพราะทั้งสองแนวคิดเชื่อว่าตลาดไม่ได้เคลื่อนไหวแบบสุ่มทั้งหมด แต่มีพฤติกรรมของผู้เล่นรายใหญ่แฝงอยู่เสมอ Wyckoff พูดถึง Composite Operator หรือผู้เล่นขนาดใหญ่ที่สะสมของ กระจายของ และใช้ sentiment ของตลาดเป็นเครื่องมือ ส่วน VSA เอาความคิดนั้นมาขยายผ่านการอ่านแท่งราคาและ Volume รายแท่ง เพื่อดูว่าในแต่ละจังหวะ ตลาดกำลังถูกสะสม ถูกแจก หรือถูกหลอกให้ไล่ตามราคา

องค์ประกอบหลักของ VSA มี 3 อย่าง อย่างแรกคือ Volume ซึ่งสะท้อนระดับ participation ของตลาด ถ้า Volume สูง แปลว่ามีคนเข้ามามีส่วนร่วมเยอะ แต่ต้องระวังว่า Volume สูงไม่ได้แปลว่าดีเสมอไป เพราะมันอาจเป็นได้ทั้งแรงซื้อจริง แรงขายจริง การ panic sell หรือการ distribute ของรายใหญ่

อย่างที่สองคือ Spread หรือความกว้างของแท่งราคา ถ้าแท่งกว้าง แปลว่าตลาดเคลื่อนไหวรุนแรง มี imbalance สูง ถ้าแท่งแคบ แปลว่าตลาดไม่ค่อย commit หรือมีแรงบางฝั่งเข้ามากดไว้ อย่างที่สามคือ Close Location หรือตำแหน่งการปิด ถ้าปิดใกล้ high มักแปลว่าฝั่งซื้อคุมเกม ถ้าปิดใกล้ low มักแปลว่าฝั่งขายคุมเกม แต่ทั้งหมดนี้ต้องอ่านร่วมกับ Volume เสมอ

ตัวอย่างง่ายๆ ถ้ามีแท่งเขียวยาว Volume สูง และปิดใกล้ high อันนี้อาจเป็น demand ที่แข็งแรง เพราะ effort สูงและ result สูงสอดคล้องกัน แต่ถ้าแท่งเขียวยาว Volume สูง แต่ปิดต่ำกว่ากลางแท่งหรือมีไส้บนยาว แบบนี้ต้องระวัง เพราะอาจมีแรงขายจำนวนมากซ่อนอยู่ในแท่งนั้น ต่อให้ภาพภายนอกเป็นแท่งเขียว แต่พฤติกรรมภายในอาจไม่ bullish อย่างที่คิด

สัญญาณสำคัญของ VSA ตัวแรกคือ No Demand หมายถึงแท่งเขียวที่ขึ้นแบบไม่มีแรงซื้อจริง ลักษณะมักเป็นแท่งเขียวขนาดเล็ก Spread แคบ Volume ต่ำ และปิดไม่ค่อยสวย มักเกิดในจังหวะที่ราคาดีดขึ้นหลังจากลงมา หรือขึ้นไปใกล้แนวต้าน แต่ Volume กลับไม่สนับสนุน

ในมุมเม่าปอย นี่คือจังหวะที่ตลาดเหมือนพยายามชวนให้คนเชื่อว่า “เด้งแล้วนะ” แต่รายใหญ่ไม่ได้เข้ามาซื้อจริง ถ้าแท่งถัดไปเริ่มแดงหรือขายลงแรง No Demand จะกลายเป็นสัญญาณเตือนว่าการเด้งนั้นอาจเป็นแค่รีบาวด์หลอก

สัญญาณที่สองคือ No Supply ซึ่งเป็นฝั่งตรงข้ามกับ No Demand ลักษณะคือแท่งแดงเล็ก Spread แคบ Volume ต่ำ มักเกิดหลังจากราคาย่อลงมา แต่แรงขายเบาลงมาก สิ่งที่ VSA พยายามบอกคือ ตลาดอาจไม่มีคนอยากขายแล้ว หรือ supply ถูกดูดซับไปมากพอแล้ว ถ้าหลังจาก No Supply มีแท่งเขียวที่ Volume เริ่มดีขึ้นตามมา ก็อาจเป็นสัญญาณว่าราคามีโอกาสกลับตัวขึ้น

สัญญาณที่สามคือ Stopping Volume อันนี้สำคัญมาก เพราะเป็นหนึ่งในสัญญาณที่สาย VSA ชอบใช้ดูจุดกลับตัวจากขาลง ลักษณะคือราคาลงแรง Volume สูงผิดปกติ แต่ปิดไม่แย่เท่าที่ควร เช่น มีไส้ล่างยาว หรือปิดเหนือ low ได้มาก ในมุมทั่วไป คนอาจเห็น Volume สูงในแท่งแดงแล้วตกใจว่าแรงขายเยอะ แต่ VSA จะถามต่อว่า “ถ้าขายเยอะขนาดนี้ ทำไมราคาปิดไม่ต่ำกว่านี้?” คำตอบที่เป็นไปได้คือ มีแรงรับขนาดใหญ่เข้ามาดูดซับ supply อยู่ นี่จึงอาจเป็นร่องรอยของการสะสมของ Smart Money

สัญญาณที่สี่คือ Upthrust เป็นจังหวะที่ราคาพยายาม breakout ขึ้นไปเหนือแนวต้านหรือทำ high ใหม่ แต่สุดท้ายปิดกลับลงมา โดยเฉพาะถ้ามาพร้อม Volume สูง นี่คือภาพของ bull trap ที่คลาสสิกมาก เพราะตลาดเหมือนดันราคาให้คนไล่ซื้อ แต่สุดท้ายมีแรงขายกดกลับลงมา ในเชิงพฤติกรรม นี่อาจเป็นจังหวะที่รายใหญ่ใช้ความโลภของตลาดเป็น exit liquidity ดันราคาให้ดูเหมือน breakout แล้วปล่อยของใส่คนที่ไล่ตาม

สัญญาณที่ห้าคือ Shakeout หรือ Spring ในภาษาของ Wyckoff เป็นจังหวะที่ราคาหลุดแนวรับลงไป ทำให้คนตกใจขายหรือ stop loss ถูกกิน แต่สุดท้ายราคากลับขึ้นมาปิดเหนือแนวรับหรือปิดใกล้ high ของแท่งได้ ในมุมเม่าปอย นี่คือจังหวะที่ตลาด “เขย่าคนออก” ก่อนจะไปต่อ เพราะรายใหญ่ต้องการ liquidity จากคนที่ panic sell ถ้าหลัง Shakeout ราคายืนกลับขึ้นมาได้จริง มันมักเป็นสัญญาณที่น่าสนใจมากในเชิง accumulation

สิ่งที่ทำให้ VSA ต่างจาก Technical Analysis แบบทั่วไป คือ VSA ไม่ได้เชื่อ signal แบบตายตัว เช่น breakout แล้วต้องซื้อ หรือ Volume สูงแล้วต้องดี แต่ VSA จะถามเสมอว่า “บริบทคืออะไร” ถ้า Volume สูงในต้นเทรนด์ อาจเป็นแรงซื้อใหม่ แต่ถ้า Volume สูงหลังราคาขึ้นมาไกลมาก อาจเป็น buying climax หรือ distribution ถ้าแท่งแดงใหญ่ Volume สูงในขาลง อาจเป็น panic sell แต่ถ้าปิดไม่หลุด low มาก อาจเป็น stopping volume ดังนั้นแท่งเดียวกันสามารถมีความหมายต่างกันได้ ขึ้นอยู่กับว่ามันเกิดตรงไหนของโครงสร้างตลาด

ตรงนี้คือเสน่ห์และความยากของ VSA พร้อมกัน มันไม่ใช่อินดิเคเตอร์ที่บอกซื้อขายแบบสำเร็จรูป แต่เป็น framework การอ่านพฤติกรรมตลาด ต้องดู context ต้องดู phase ต้องดูแนวรับแนวต้าน ต้องดูว่าตลาดอยู่ใน accumulation, markup, distribution หรือ markdown และต้องดูว่าพฤติกรรมของ Volume สอดคล้องกับราคาหรือไม่

เม่าปอยมองว่า VSA เป็นเครื่องมือที่เหมาะมากกับการเอาไปใช้ร่วมกับ Wyckoff, Breakout, Support/Resistance และ Market Structure เพราะมันช่วยกรองคุณภาพของสัญญาณได้ดี เช่น ถ้าหุ้น breakout แนวต้าน แต่ Volume ไม่มา Spread แคบ และปิดไม่ใกล้ high แบบนี้ต้องระวังว่า breakout อาจไม่มี demand จริง แต่ถ้า breakout ด้วยแท่งกว้าง Volume ดี และปิดใกล้ high โอกาสที่ breakout จะมีคุณภาพก็สูงขึ้น

อีกตัวอย่างคือถ้าหุ้นลงมาที่แนวรับแล้วเกิดแท่งแดง Volume สูงมาก แต่ปิดดี มีไส้ล่างยาว จากนั้นตามด้วยแท่ง No Supply และแท่งเขียว confirm ตรงนี้ภาพจะเริ่มน่าสนใจ เพราะมันเหมือนตลาดลงมา test supply แล้วพบว่าขายต่อไม่ลง รายใหญ่รับของไปแล้ว และแรงขายเริ่มหมด นี่คือจุดที่ VSA ช่วยให้เราเห็นพฤติกรรมก่อนที่ราคาอาจเริ่มกลับตัวชัดเจน

แต่แน่นอน VSA ไม่ใช่สูตรวิเศษ ข้อจำกัดสำคัญคือมัน subjective สูงมาก คนสองคนดูกราฟเดียวกันอาจตีความต่างกันได้ อีกอย่างคือ Volume ในบางตลาดอาจไม่สมบูรณ์ เช่น Forex ใช้ tick volume ไม่ใช่ real volume หรือ Crypto ที่ volume กระจายหลาย exchange ทำให้ข้อมูลไม่ clears เท่าหุ้นที่มีตลาดกลาง นอกจากนี้ VSA ยังต้องใช้ประสบการณ์สูง เพราะการดูแท่งเดียวโดยไม่เข้าใจบริบทมักทำให้ตีความผิดง่าย

ดังนั้นวิธีใช้ VSA ที่ดีในมุมเม่าปอย ไม่ใช่การจำชื่อ pattern แล้วเอาไปกดซื้อขายทันที แต่ควรใช้เป็น “ภาษาที่ช่วยอ่านตลาด” เริ่มจากดูภาพใหญ่ก่อนว่าตลาดอยู่ phase ไหน จากนั้นดูแนวรับแนวต้าน แล้วค่อยอ่าน Volume, Spread และ Close Location ของแท่งสำคัญ ถ้ามีหลายสัญญาณสอดคล้องกัน เช่น แนวรับสำคัญ + Stopping Volume + No Supply + แท่งเขียว confirm แบบนี้น้ำหนักของการวิเคราะห์จะดีกว่าการเห็นแท่งใดแท่งหนึ่งแล้วตัดสินใจทันที

สุดท้าย VSA ไม่ได้พยายามทำนายอนาคตแบบแม่นยำร้อยเปอร์เซ็นต์ แต่มันช่วยให้เราอ่าน “ร่องรอย” ของตลาดได้ดีขึ้น ว่าการขึ้นลงที่เห็นนั้นมีคุณภาพแค่ไหน เป็นแรงซื้อจริงหรือแรงซื้อหลอก เป็นแรงขายจริงหรือแค่ shakeout เป็น breakout ที่มี demand รองรับหรือเป็น upthrust ที่รายใหญ่ใช้ปล่อยของ

———

สำหรับเม่าปอย สิ่งที่ทำให้ VSA น่าสนใจที่สุด คือมันทำให้กราฟไม่ใช่แค่ภาพของราคา แต่มันกลายเป็นเรื่องเล่าของพฤติกรรมมนุษย์ ความกลัว ความโลภ การหลอก การสะสม และการกระจายของคนที่มีอำนาจมากกว่าเราในตลาด

และเมื่อเราเริ่มอ่านภาษาเหล่านี้ออก เราจะไม่มอง Volume สูงว่า bullish เสมอไป ไม่มองแท่งแดงใหญ่เป็น bearish เสมอไป และไม่มอง breakout ทุกครั้งว่าเป็นโอกาสเสมอไป

เพราะในตลาดจริง ราคาคือสิ่งที่ทุกคนเห็น แต่ Volume คือร่องรอยของสิ่งที่หลายคนมองข้าม

และบางครั้ง ร่องรอยเล็กๆเหล่านี้แหละ ที่บอกเราแบบที่หมอบอสชอบถามคนไข้ว่า “นี่เรากำลังทำอะไรกันอยู่นะ“ 🤨

ซึ่งถ้าเม่าปอยเป็นคนไข้ ก็คงสงสัยในใจ แล้วมีเสียงในหัวว่า ”ก็เมิงตรวจกุอยู่ไง ไอ***“

❤️

——

#สรุปสำหรับพวกขี้เกียจอ่าน

VSA คือศาสตร์อ่าน “ร่องรอยของ Smart Money” ผ่านความสัมพันธ์ระหว่าง Volume + Spread + การปิดของราคา

แก่นสำคัญคือ “Price = Result, Volume = Effort” ถ้า volume เยอะแต่ราคาไปไม่ไกล แปลว่าอาจมีแรงขายซ่อนอยู่

Volume สูงไม่ได้ bullish เสมอ และแท่งแดงแรงก็ไม่ได้ bearish เสมอ ต้องดู context ร่วมกับโครงสร้างตลาด
Pattern สำคัญเช่น No Demand, No Supply, Stopping Volume, Upthrust และ Shakeout

สุดท้าย VSA ไม่ได้ทำนายอนาคต แต่มันช่วยให้เราอ่าน “พฤติกรรมของรายใหญ่” ได้ดีขึ้น 😗

หมอบอสชอบถามคนไข้ว่า ”นี่เราทำอะไรกันอยู่“

สำหรับทุกท่านที่ต้องการลงทุนระยะยาวครับ
24/05/2026

สำหรับทุกท่านที่ต้องการลงทุนระยะยาวครับ

55555 อย่างชอบบบ
22/05/2026

55555 อย่างชอบบบ

ขอบคุณไอเดียจาก หุ้นพอร์ทระเบิด
แล้วคุณอยู่จักรวาลไหนละ 5555

22/05/2026

ถ้าหุ้น Semi ในเมกา อยู่ในไทย อาจจะติด Cash Balance เกือบทุกตัว
🫣🫣

โอเค๊ สบายใจละะะ
16/05/2026

โอเค๊ สบายใจละะะ

ใครสาย Academic ที่ลงทุนหุ้น US ผมว่าควรค่าแก่การอ่านครับ
15/05/2026

ใครสาย Academic ที่ลงทุนหุ้น US ผมว่าควรค่าแก่การอ่านครับ

13/05/2026

เดินตามหลังผู้ใหญ่ หมาไม่กัด ขอลอกไปด้วยคนนะครับ 🥳🥳

12/05/2026

มีใครรู้สึกเหมือนผมมั้ย ว่าบรรยากาศใน Social ตอนนี้คนอวดพอร์ต US คล้ายๆกับที่อวดพอร์ตทองกันเลย 😅😅

11/05/2026

Sell in May ของ SET INDEX นี่มันขลังจริงๆนะ 😅😅

Enjoy the ride, but watch for the exit signal.
09/05/2026

Enjoy the ride, but watch for the exit signal.

ว่าด้วยเรื่องฟองสบู่.......(เขียนยาวมาก)

เห็นมีคนคุยกันว่าตลาดมีโอกาสเกิดฟองสบู่....ในอนาคตอันใกล้นี้ อย่างไรก็ดี เราจะรู้ได้ไงว่า ฟองสบู่ในตลาดหุ้นเป็นยังไง

แอดเลยลองหาข้อมูลดูเพื่อให้ตัวเองเข้าใจมากขึ้น

-----
Disclaimer : แอดไม่ใช่ผู้เชี่ยวชาญเรื่องฟองสบู่ แต่บทความนี้เกิดจากการรวบรวมข้อมูลต่างๆของแอด และคุยกับ AI ด้วย
อ่านเป็นความรู้ได้เลยฮะ
-----

#ฟองสบู่ตลาดหุ้น มีรอบไหนบ้าง

- ฟองสบู่มิสซิสซิปปี (ฝรั่งเศส 1719–1720): เมื่อ John Law พิมพ์เงินเพิ่มขึ้นมหาศาลและเปิดขายหุ้น Compagnie d’Occident ส่งผลให้ราคาหุ้นจาก 500 เปลือกปะการัง (livres) ในต้นปี 1719 พุ่งสูงถึง ~18,000 ในต้นปี 1720 (+36 เท่า) ก่อนพังทลายหนัก ทรงตัวใกล้ศูนย์ในปลายปี 1720

- ฟองสบู่เซาธ์ซี (อังกฤษ 1720): หุ้น South Sea Company พุ่งจาก ~£128½ (ม.ค.1720) ถึง >£1,000 (ส.ค.1720) (กว่า 8 เท่า) ด้วยโครงการชำระหนี้รัฐ จนถึงกันยายนราคาพังถล่ม และท้ายปีเหลือ ~£124 (ลดกว่า 87%) กระทบระบบการเงินอังกฤษและยุโรปครั้งใหญ่

- ฟองสบู่การก่อสร้างทางรถไฟ (อังกฤษ 1844–1845): ราคาหุ้นของบริษัททางรถไฟพุ่งสูงจากการเก็งกำไร แต่ไม่ปรากฏดัชนีชี้วัดหลักวิชาการโดยตรง (ข้อมูลหลักจำกัด)

- ฟองสบู่ปี 1929 (สหรัฐฯ): ดัชนี Dow Jones ขยับจาก ~63 ใน 1921 ไปถึง 381 ใน ก.ย.1929 (เพิ่ม 6 เท่า) ก่อนร่วงแรง 89% ใน 3 ปี (สู่ ~41 กลาง 1932)
สาเหตุหลักคือเศรษฐกิจเฟื่องฟู มีการกู้ยืมเล่นหุ้นสูง (เงินกู้ประกันหลักทรัพย์) ตามด้วยนโยบายการเงินรัดกุมโดย Fed ทำให้เกิดกระแสเทขายครั้งใหญ่

- Black Monday (1987, สหรัฐฯ/โลก): ภายหลังก้าวสูงมาตั้งแต่ต้นทศวรรษ 1980s ราคาหุ้นทั่วโลกปรับตัวขึ้น (P/E สูง ~17) จนถึงกันยายน 1987
ดัชนีหลักในสหรัฐฯ ตีกลับรอบเล็กน้อย แต่ในเดือน 10/1987 ดัชนีตลาดแตก Black Monday ดิ่ง 22% วันเดียว อย่างไรก็ตามช่วงก่อนหน้านั้นไม่ถึงกับฟองสบู่เทคโนโลยีเฉพาะ คาดว่าปัจจัยชักนำมาจากการปรับลดดอกเบี้ยที่รวดเร็วเกินควบคุม

- ฟองสบู่ญี่ปุ่น (ญี่ปุ่น 1986–1990): นโยบายการเงินผ่อนคลาย (อัตราดอกเบี้ยลง) และเยนอ่อนตั้งแต่กลาง 1980s หนุนดัชนี Nikkei 225 พุ่งจาก ~13,000 (1986) ขึ้นแตะสถิติ 38,957 (ธ.ค.1989)(3 เท่า) พร้อมราคาที่ดินและสินเชื่อท่วมตลาด จากนั้น BOJ ขึ้นดอกเบี้ยหลายครั้ง ฟองสบู่แตก Nikkei ตกราว 82% ใน 20 ปี (เหลือ ~7,054 ใน 2009) ก่อผลยาวนาน “ทศวรรษที่หายไป” ของญี่ปุ่น

- ฟองสบู่ดอทคอม (สหรัฐฯ 1995–2000): การเกิดอินเทอร์เน็ตสร้างคลื่นความคาดหวังสูง หุ้นเทคโนโลยีถูกเก็งกำไรมหาศาล ดัชนี NASDAQ Composite พุ่งจาก ~750 (1990) ทะลุ 5,048 (มี.ค.2000)(7 เท่า) แต่ฟองสบู่แตก อัตราส่วน P/E ตลาดเทคโนโลยีสูงนับร้อย ดัชนีดิ่ง 78% ถึง 1,114 (ต.ค.2002) ส่งผลเกิดภาวะถดถอยในสหรัฐฯ ต้นยุค 2000

- ฟองสบู่จีน 2007 (จีน): หลังมาตรการปิดการระดมทุนและจำกัดหุ้น IPO (2005–06) ตลาดกลับสู่ขาขึ้น ดัชนี SSE Composite (เซี่ยงไฮ้) พุ่ง 6 เท่า ตั้งแต่ ~1,000 (กลาง 2005) แตะจุดสูงสุด 6,124 (16 ต.ค.2007) หลังจากนั้นในปี 2008 ร่วง 65–73% (สู่ ~1,664 ใน ต.ค.2008) เพราะปัจจัยภายใน (จำกัดหุ้นใหม่, อัตราดอกเบี้ย) ร่วมกับวิกฤตการเงินโลก ก่อให้เกิดวิกฤตใจความน่าเชื่อถือรัฐบาลจีน

- ฟองสบู่จีน 2015 (จีน): ตลาด A-shares ขึ้นอย่างร้อนแรงใน 2014–2015 ดัชนีเซี่ยงไฮ้แตะ ~5,178 (12 มิ.ย.2015) (เพิ่ม ~74% ในปี) จากนั้นใน 1 เดือนหลัง “กฤษฎีกาดำหิน” ตลาดดิ่งลง ~30% ในปลายก.ค.2015 (ขณะหยุดซื้อขายหุ้นนับพันบริษัท) รัฐบาลจีนเข้าช่วยคุมเต็มที่ (ซื้อหุ้นค้ำจ่าย) ทำให้ราคาคงที่ราว 3,000 ในปลายปี 2015 รวมแล้วตกประมาณ 40–45% จากจุดสูงสุด

=========



จากเหตุการณ์ที่ว่ามาข้างต้นนี้ เหตุการณ์ฟองสบู่ครั้งหนึ่งที่แอดให้ความสนใจมากที่สุด คือ ปรากฏการณ์ฟองสบู่ดอทคอม (Dot-com Bubble) ในช่วงปี 1995 ถึง 2002

ช่วงต้นถึงกลางทศวรรษ 1990 เมื่อเทคโนโลยีสารสนเทศเริ่มเข้ามามีบทบาทในการปฏิวัติอุตสาหกรรม การค้า และการเงิน การถือกำเนิดของ World Wide Web และการแพร่หลายของคอมพิวเตอร์ส่วนบุคคลได้สร้างสภาพแวดล้อมที่ต้นทุนในการรับส่งและจัดเก็บข้อมูลลดลงอย่างรวดเร็ว นวัตกรรมเหล่านี้กระตุ้นให้เกิดความเชื่อมั่นในหมู่ผู้ประกอบการและนักลงทุนว่าโลกกำลังเข้าสู่ "เศรษฐกิจยุคใหม่" (New Economy) ที่กฎเกณฑ์เดิมๆ เกี่ยวกับผลกำไรและรายได้อาจไม่สามารถนำมาใช้ประเมินมูลค่าของกิจการได้อีกต่อไป

เหตุการณ์นี้ ไม่ได้เป็นเพียงเหตุการณ์ความผันผวนของราคาหุ้นในตลาดหลักทรัพย์เท่านั้น แต่ยังเป็นภาพสะท้อนของการเปลี่ยนแปลงเชิงโครงสร้างในระดับรากฐานของเศรษฐกิจโลกที่พยายามเปลี่ยนผ่านจากยุคอุตสาหกรรมเข้าสู่ยุคข้อมูลข่าวสาร

ดัชนี Nasdaq Composite ซึ่งเป็นดัชนีหลักที่รวบรวมหุ้นกลุ่มเทคโนโลยีและโทรคมนาคม กลายเป็นดัชนีที่สะท้อนถึงความร้อนแรงของฟองสบู่ได้ดีที่สุด ตลอดช่วงปี 1995 ถึงปี 2000 ดัชนีนี้พุ่งขึ้นอย่างต่อเนื่องจากระดับไม่ถึง 1,000 จุด ไปสู่ระดับสูงสุดที่เกิน 5,000 จุด

การพุ่งขึ้นของดัชนี Nasdaq ถึง 85.59% ในปี 1999 เพียงปีเดียว ถือเป็นช่วงที่ฟองสบู่ขยายตัวถึงขีดสุดก่อนจะเกิดการระเบิดในเวลาต่อมา ความร้อนแรงนี้ไม่ได้จำกัดอยู่เพียงในสหรัฐฯ แต่ยังลามไปถึงตลาดหุ้นเทคโนโลยีทั่วโลก เช่น Mothers Market ในโตเกียว, Kosdaq ในโซล และ Neuer Markt ในแฟรงก์เฟิร์ต

ความเชื่อมโยงที่สำคัญและมักถูกกล่าวถึงคืออิทธิพลของวิกฤตการณ์ทางการเงินในไทยเมื่อปี 1997 ต่อการก่อตัวของฟองสบู่ดอทคอมในสหรัฐฯ เมื่อรัฐบาลไทยประกาศลอยตัวค่าเงินบาทในเดือนกรกฎาคม 1997 ก่อให้เกิดวิกฤตการณ์ที่ลุกลามไปทั่วเอเชียตะวันออกเฉียงใต้ รัสเซีย และบราซิล ความระสับระส่ายนี้ลุกลามไปยังสหรัฐฯ เมื่อกองทุนบริหารความเสี่ยง Long-Term Capital Management (LTCM) ประสบภาวะล้มละลายเนื่องจากการผิดนัดชำระหนี้ของรัสเซียในเดือนสิงหาคม 1998

เพื่อป้องกันไม่ให้วิกฤตการณ์ทางการเงินลุกลามเข้าสู่ระบบธนาคารของสหรัฐฯ ธนาคารกลางสหรัฐฯ (Fed) จึงได้ตัดสินใจลดอัตราดอกเบี้ยลงอย่างรวดเร็วและจัดทำแผนช่วยเหลือ LTCM ในปี 1998 การลดอัตราดอกเบี้ยและเพิ่มสภาพคล่องเข้าสู่ระบบในช่วงเวลาที่เทคโนโลยีอินเทอร์เน็ตกำลังเป็นที่นิยม กลายเป็นเชื้อไฟอย่างดีที่ทำให้นักลงทุนหันมาใช้เงินทุนราคาถูกในการเก็งกำไรในหุ้นกลุ่มเทคโนโลยีอย่างบ้าคลั่ง หากไม่มีการอัดฉีดสภาพคล่องจากการตอบสนองต่อวิกฤตในไทย ฟองสบู่ดอทคอมอาจไม่สามารถขยายตัวจนถึงระดับที่สร้างความเสียหายอย่างรุนแรงเช่นนี้ได้

Alan Greenspan ประธานธนาคารกลางสหรัฐฯ ในขณะนั้น ได้กล่าวถึงสภาวะตลาดด้วยประโยคประวัติศาสตร์ว่า "Irrational Exuberance" (ความคึกคะนองที่ไร้เหตุผล) มาตั้งแต่ปลายปี 1996 เพื่อเตือนสติว่าราคาหุ้นอาจสูงเกินพื้นฐานที่แท้จริง อย่างไรก็ตาม ตลาดกลับเพิกเฉยต่อคำเตือนดังกล่าวและยังคงพุ่งสูงขึ้นต่อไปเป็นเวลาหลายปี ความย้อนแย้งที่เกิดขึ้นคือ ในขณะที่ Fed พยายามรักษาเสถียรภาพทางการเงิน แต่อัตราดอกเบี้ยที่ต่ำและการส่งสัญญาณช่วยเหลือตลาดในภาวะวิกฤต (มักถูกเรียกว่า "Greenspan Put") กลับสร้าง "Moral Hazard" หรือความประมาทเลินเล่อของนักลงทุนที่เชื่อว่าธนาคารกลางจะเข้ามารองรับเสมอเมื่อเกิดปัญหา

===========

ในช่วงปลายทศวรรษ 1990 สภาพแวดล้อมทางธุรกิจถูกครอบงำด้วยแนวคิด "Get Big Fast" หรือการเติบโตอย่างรวดเร็วเพื่อครอบครองส่วนแบ่งการตลาดให้ได้มากที่สุด โดยไม่คำนึงถึงผลกำไรในระยะสั้น บริษัทส่วนใหญ่ใช้เงินทุนที่ได้มาจากการระดมทุนในตลาดหลักทรัพย์ไปกับการโฆษณาและสร้างแบรนด์อย่างมหาศาล เพื่อดึงดูด "Eyeballs" หรือจำนวนผู้เข้าชมเว็บไซต์ ซึ่งกลายเป็นตัวชี้วัดหลักที่นักวิเคราะห์ใช้ในการประเมินมูลค่าแทนที่ตัวเลขกำไรสุทธิ

ความเชื่อมั่นที่มากเกินไปนี้นำไปสู่พฤติกรรมการใช้จ่ายที่ฟุ่มเฟือยของบริษัทสตาร์ทอัพ เช่น การจัดปาร์ตี้เปิดตัวที่หรูหรา การซื้อโฆษณาในช่วงซูเปอร์โบวล์ราคาแพงระยับ และการให้สวัสดิการพนักงานที่เกินความจำเป็น ตัวอย่างที่ชัดเจนคือในการแข่งขันซูเปอร์โบวล์ปี 2000 มีบริษัทดอทคอมถึง 12-17 บริษัทที่ยอมจ่ายเงินเฉลี่ย 2 ล้านดอลลาร์สหรัฐเพื่อโฆษณาเพียง 30 วินาที พฤติกรรมการ "เผาเงิน" (Burn Rate) นี้กลายเป็นที่ยอมรับในวงกว้าง โดยหวังว่าบริษัทเหล่านั้นจะกลายเป็นผู้ชนะที่ครองตลาด (Monopoly) ในอนาคต

Pets .com ที่ระดมทุนได้ถึง 82.5 ล้านดอลลาร์สหรัฐในการ IPO แม้จะมีโมเดลธุรกิจที่ขาดทุนอย่างต่อเนื่อง นักลงทุนในช่วงนั้นต่างพากันละทิ้งการลงทุนแบบเน้นคุณค่า (Value Investing) และหันไปหาการลงทุนตามกระแส (Momentum Trading) โดยหวังว่าจะสามารถขายหุ้นต่อให้ "คนโง่กว่า" (Greater Fool Theory) ในราคาที่สูงขึ้นได้

========

***การล่มสลายของฟองสบู่ดอทคอมไม่ได้เกิดจากสาเหตุเดียว แต่เป็นผลจากการประจวบเหมาะของปัจจัยหลายประการที่ทำให้นักลงทุนเริ่มกลับมามองความจริง สัญญาณเริ่มปรากฏชัดในต้นปี 2000 เมื่ออัตราดอกเบี้ยที่ Fed ปรับขึ้นอย่างต่อเนื่องเริ่มส่งผลต่อต้นทุนการกู้ยืมและสภาพคล่องของบริษัทสตาร์ทอัพ

Barron's ได้ตีพิมพ์บทความหน้าปกที่ชื่อว่า "Burning Up" ซึ่งเปิดเผยข้อมูลจากการสำรวจบริษัทอินเทอร์เน็ตกว่า 200 แห่ง พบว่า 74% ของบริษัทเหล่านั้นมีกระแสเงินสดติดลบ และหลายแห่งกำลังจะหมดเงินทุนภายในระยะเวลาอันสั้น ข้อมูลนี้สร้างความตระหนกให้กับตลาดอย่างรุนแรง ประกอบกับกรณีของ MicroStrategy ที่ประกาศแก้ไขงบการเงินเนื่องจากความผิดพลาดทางบัญชี ทำให้หุ้นร่วงลง 62% ในวันเดียว และทำลายความเชื่อมั่นที่มีต่อตัวเลขรายได้ของหุ้นเทคโนโลยีอื่นๆ

เหตุการณ์ระดับโลกที่กระตุ้นการพังทลายนอกจากปัจจัยทางบัญชีและการเงินแล้ว เหตุการณ์อื่นๆ ยังมีส่วนช่วย "ทิ่มแทง" ฟองสบู่ให้แตกเร็วขึ้น

1. ข่าวเศรษฐกิจญี่ปุ่น: ในเดือนมีนาคม 2000 ข่าวว่าญี่ปุ่นเข้าสู่ภาวะเศรษฐกิจถดถอยอีกครั้งได้กระตุ้นให้เกิดการขายหุ้นทั่วโลก

2. คำตัดสินคดีผูกขาดของ Microsoft: ศาลมีคำตัดสินว่า Microsoft มีพฤติกรรมผูกขาดตลาด ส่งผลให้หุ้นร่วงลง 15% และฉุดรั้งกลุ่มเทคโนโลยีทั้งระบบ

3. ความล้มเหลวของควบรวมกิจการ AOL-Time Warner: การควบรวมที่ยิ่งใหญ่ที่สุดในประวัติศาสตร์ในเวลานั้น ถูกตั้งคำถามถึงความคุ้มค่าและกลายเป็นสัญลักษณ์ของความล้มเหลวในการผสานโลกเก่าและโลกใหม่เข้าด้วยกัน ในช่วงระหว่างเดือนมีนาคม 2000 ถึงตุลาคม 2002 ดัชนี Nasdaq ดิ่งลงจากระดับ 5,048.62 จุด ลงสู่จุดต่ำสุดที่ 1,139.90 จุด หรือลดลงถึง 78% การลดลงนี้เป็นการลบความมั่งคั่งที่สร้างขึ้นมาตลอด 5 ปีก่อนหน้าเกือบทั้งหมด

========

#หลักฐาน เชิงปริมาณและดัชนีชี้วัด เราสังเกตฟองสบู่จากอะไรได้บ้าง

- M/P Ratio และ P/E สูงผิดปกติ
ฟองสบู่แต่ละรอบมักมี P/E ตลาดหรือมูลค่าตลาดต่อ GDP สูงสุดในประวัติศาสตร์ เช่น ตีความ Buffett Indicator พบว่าเมื่อ MktCap/จีดีพี > 100% มักเป็นสัญญาณฟองสบู่ (ตลาดสหรัฐปี 1929 ขึ้นถึง ~140%, ญี่ปุ่น 1989 เกิน 100%, จีน 2007 ราว 150% เป็นต้น)

- ความเร่งของเครดิตและอัตราดอกเบี้ย
สถิติการขยายตัวของสินเชื่อสูงเกินปกติ เช่น ญี่ปุ่นทศวรรษ 1980 สินเชื่อเติบโตก้าวกระโดด ขณะที่อัตราดอกเบี้ยต่ำ ใกล้ศูนย์ รวมทั้งอัตราดอกเบี้ยติดลบบางช่วงในโลกปัจจุบัน นโยบายการเงินผ่อนคลายนี้เป็นเชื้อไฟให้เกิดการเก็งกำไรสินทรัพย์หลายประเภท

- ดัชนีเชิงเทคนิค
การเปลี่ยนแปลงราคาสินทรัพย์สำคัญ เช่น ดัชนี Nikkei, NASDAQ หรือ Shanghai Composite มีรูปแบบ “พุ่งสูงอย่างรวดเร็วแล้วร่วงฉับพลัน” ที่จับต้องได้จากกราฟหุ้น เหมือนกราฟ Dot-com ที่ NASDAQ พุ่งจาก 750 ไป 5,000 ก่อนตกรถ 78% หรือ Nikkei ที่แตะเกือบ 39,000 ใน 1989 แล้วร่วง 82% ใน 20 ปี

โดยทั่วไปฟองสบู่เกิดจากปัจจัยผสมของ

1) นโยบายการเงิน/การคลังผ่อนคลาย (อัตราดอกเบี้ยต่ำมาก, การพิมพ์เงิน หรือเปิดกู้ )

2) ความเชื่อใหม่ในสินทรัพย์ (เทคโนโลยีใหม่, โครงการสร้างรายได้มหาศาล)

3) การเก็งกำไรรายย่อย/รายใหญ่ (การกู้มาซื้อหุ้น เก็งกำไรระยะสั้น)

4) การกระตุ้นจากรัฐบาล (ออกนโยบายส่งเสริม IPO, โครงการลงทุน)

5) การปฏิวัติเศรษฐกิจ (หลังสงคราม WWI, หลังสมัยจ่ายทองคำ เป็นต้น)

ทั้งนี้ในแต่ละภูมิภาคปัจจัยเฉพาะก็จะแตกต่าง เช่น ญี่ปุ่นมีปัจจัย “ขาขึ้นของอสังหา” ผนวกกับการเงินถูกปล่อย ธนาคารชาติจีนสั่งปิด IPO ในบางช่วง เป็นต้น

ดังนั้นถ้าจะให้แนะนำนักลงทุนง่ายๆ เรื่องฟองสบู่

- นักลงทุนควรเฝ้าระวังตัวชี้วัดการประเมินค่าตลาด เช่น อัตราส่วน P/E สูงผิดปกติ, มูลค่าตลาดต่อ GDP เกินสมดุล, การเติบโตสินเชื่อพุ่งสูง, กระแสเงินทุนไหลเข้าสู่ตลาดหุ้นอย่างรวดเร็ว

- กระจายความเสี่ยง: อย่าพุ่งเข้าสู่สินทรัพย์เดียวเกินไป เช่น ฟองหุ้น Dot-com ปี 2000 เป็นบทเรียนว่าการกระจุกตัวสูง (เทคโนโลยี) เสี่ยงเต็ม ๆ หรือฟองญี่ปุ่นที่มีทั้งหุ้นและอสังหา

- อย่าเผชิญพฤติกรรมฝูง (Herd): หลายฟองสบู่เกิดจากการติดตามกระแสโดยไม่สนพื้นฐาน เช่น ดอทคอม โอนการลงทุนเข้าสู่หุ้นกลุ่มใหม่โดยตั้งสมมติฐานว่าราคาไม่เคยพัง ฟองจีนครั้งล่าสุดก็เกิดจากเสียงวิทยุของตลาด

ข้างบนก็เป็นอะไรที่เราใช้ดูได้ แต่ถ้ามันสูงแล้วแปลว่า ฟองสบู่ไหม เราเองก็พิจารณาควบคู่กับภาพจริง
สมมติแอดดู Buffett Indicator >> Market Cap / GDP >>> ก็ต้องบอกว่า Market Cap ขยายไวจริง หุ้นตัวใหญ่ๆมา Listed ที่ US มาก มี Flow จาก ETF ไหลเข้ามามากมาย

หรือจะไปดู CAPE ก็จะพบว่าค่ามันสูงอยู่ เราก็รู้แล้วว่า ตลาดมันวิ่งนำ แนวโน้มกำไรในอนาคตขึ้นมานั่นแหละนะ แพงไหมก็แพงถ้าดูค่านี้ ค่าเฉลี่ย 10-20 ปี แต่ถ้าดู 5 ปี ก็ได้ผลต่างออกไป เลยพยายามดูหลายมุม การเปลี่ยนแปลงของ Market Structure หลัง 2020 ก็ทำให้เห็นอะไรเยอะขึ้น

==========

Paper ตัวหนึ่งของ GS ที่คุยถึง AI Bubble

เขาไปสัมภาษณ์คนในวงการนักวิเคราะห์ GS

Eric Sheridan (Internet)
- ลักษณะบางอย่างคล้าย Dot-com bubble แต่ยังไม่ถึงขั้นนั้น
- Mag 7 สร้างกระแสเงินสดสูง ( free cash flow ) และจ่ายปันผล แตกต่างจากปี 1999
- แต่ช่องว่างระหว่างมูลค่าตลาด public vs private ที่กว้างขึ้น = “risk in the system”

Kash Rangan (Software)
- Software ส่วนใหญ่ ยังไม่แพงเกินไป ยกเว้น Oracle ที่ราคาหลุดจากพื้นฐาน
- กังวลเรื่อง “debt-fuelled cycle” เพราะหลายบริษัทเริ่มกู้หนี้มหาศาลเพื่อสร้าง AI infrastructure ( Oracle กู้ $18 bn )

Peter Oppenheimer (Chief Equity Strategist)
- เห็นความคล้าย bubble ในอดีต แต่ fundamentals ยังแข็งแรง (กำไรดี งบดุลแกร่ง )
- ตลาดยังไม่ถึงจุดฟองสบู่ แต่ต้องจับตาความกระจุกตัวของหุ้นกลุ่ม AI

นักเศรษฐศาสตร์ GS – Joseph Briggs

-เห็นว่า AI spending ยังไม่ใหญ่เกินไป เมื่อเทียบสัดส่วน GDP (< 1%)คาดว่า Generative AI สร้าง $20 trillion มูลค่าทางเศรษฐกิจ (PDV) ในสหรัฐฯ ราว $8 trillion จะไหลกลับสู่ภาคธุรกิจในรูป “capital revenues”Productivity จะเพิ่ม ~15% ใน 10 ปี ข้างหน้า
-เชื่อว่า capex ระดับนี้ “คุ้มค่า” ในเชิง macro แม้ไม่แน่ชัดว่าใครบ้างจะเป็นผู้ชนะ

ขณะที่กลุ่มที่ดูด้าน Venture Capital มีความเห็นว่า

Byron Deeter (Bessemer Venture Partners)
- มองว่า “AI ไม่ใช่ hope-and-hype cycle” เหมือน Dot-com แต่เป็น “scale and monetization cycle”
- Valuation สูง แต่สอดคล้องกับศักยภาพการเติบโต
- AI คือ “โอกาสเทคโนโลยีครั้งใหญ่ที่สุดในชีวิต” คาดว่า value จะเคลื่อนจาก infra → application คล้าย cloud wave

David Cahn (Sequoia Capital)

-ชี้ว่าการลงทุน data center อาจถึงระดับ capex bubble (ใช้ตัวเลข $4–10 trillion ภายใน 2030)
- แต่ “overbuild compute = good for application firms” เพราะ ต้นทุน COGS ลด
- เสนอว่า AI แบ่งเป็น 3 ชั้น คือ 1) infra bubble 2) app boom 3) AGI long-term story
- วงจร “circular deal” เช่น Nvidia → OpenAI → Oracle → Nvidia เป็นสัญญาณฟองสบู่ที่ต้องจับตา

สรุปแล้ว GS มองว่า AI ยังไม่ใช่ฟองสบู่เต็มรูปแบบ แต่มี “จุดร้อน” บางส่วน (quantum computing, infra spending สูงเกิน)
bubble อาจเกิดใน private round ก่อน (public market ยัง discipline กว่า)

=======

ในอีกเจ้า UBS ก็เคยออก Paper ว่ามี 7 สัญญาณที่ใช้ติดตามฟองสบู่ได้นะ

1. Buy-the-dip mentality – หุ้นชนะพันธบัตรต่อเนื่องกว่า 10 ปี (+14%/ปี) ซึ่งมักจะเกิดในช่วงท้ายของ Bull Market

2. Belief that “this time is different” – เพราะ Gen AI ถูกมองว่าเทคโนโลยีเปลี่ยนโลก

3. เวลาห่าง 25 ปีจาก bubble ก่อนหน้า (TMT 1998 → Gen AI 2023)

4. กำไรโดยรวมของระบบเศรษฐกิจเริ่มกดดัน (EPS ของบริษัทนอกกลุ่ม top 10 แทบไม่โต)

5. แรงซื้อจากรายย่อยชัดเจน (โดยเฉพาะสหรัฐฯ อินเดีย เกาหลี)

6. การกระจุกตัวสูง (High concentration) – หุ้นไม่กี่ตัวนำตลาด

7. สภาพคล่องการเงินผ่อนคลาย – Fed มีแนวโน้มลดดอกเบี้ย

ใน 7 ข้อนี้เค้าก็บอกว่า 6 ข้อผ่านเงื่อนไขที่จะเป็นฟองสบู่แล้วล่ะ.........แต่สมมติว่ามันฟองสบู่แล้ว หุ้นก็ยังขึ้นไปอีก ซักวันมันก็ต้องแตก

แล้วเราจะหาจุดพีคยังไง

1. ด้านมูลค่า (Valuation)
- ต้องเห็น P/E >45–70x สำหรับหุ้นอย่างน้อย 30% ของตลาด (ตอนนี้ Mag 6 = 35x ยังต่ำกว่า)
- ERP (Earnings Yield – Bond Yield) ยังสูงกว่าระดับปี 2000/1929
- TAM ของ Semiconductor ต้องโตถึง ~$2 ล้านล้านภายในปี 2030 (1.3% ของ GDP) เพื่อให้ valuation สมเหตุสมผล
- นักลงทุนเริ่มหันจาก “มูลค่าพื้นฐาน” ไปใช้ “ตัวชี้วัดแปลกๆ” เช่น TAM, eyeballs, land value

2. ปัจจัยระยะยาว (Long-term Catalysts)
- ยังไม่มี over-investment เหมือนยุค dotcom (ICT investment/GDP ยังปกติ)
- หนี้ของ hyperscalers ยังต่ำและลงทุนด้วยเงินสด ไม่ใช่หนี้
- ความกว้างของตลาด (breadth) ยังไม่แย่เท่ายุค 1999
- กำไรระดับประเทศ (NIPA profits) ยังไม่ decouple จาก EPS เหมือนตอน TMT *NIPA = National Account Profit
- ความผันผวน (volatility) ยังต่ำมาก (ไม่มี correction >10% ตั้งแต่ เม.ย.)
- Fed ยังไม่ตึงนโยบาย – nominal GDP ~5% ยังสูงกว่า Fed Fund rate

3. ปัจจัยระยะสั้น (Short-term Catalysts)
- Earnings momentum ยังดี – ไม่เหมือนปี 1999 ที่ momentum peak ก่อนตลาด 1 ปี
- ISM new orders ยังไม่ร่วงแรง (ต่างจากปี 2000 ที่หล่นจาก 56 ไปยัง

07/05/2026

ช่วงนี้หุ้นสหรัฐฯที่เปลี่ยน Product Mix ไปสู่ตัวที่ Margin สูงขึ้น จะเป็นกลุ่มที่ผมคิดว่าเล่นง่ายสุดครับ

ที่อยู่

Bangkok
10120

เบอร์โทรศัพท์

+66632697478

เว็บไซต์

แจ้งเตือน

รับทราบข่าวสารและโปรโมชั่นของ Money Maniaผ่านทางอีเมล์ของคุณ เราจะเก็บข้อมูลของคุณเป็นความลับ คุณสามารถกดยกเลิกการติดตามได้ตลอดเวลา

แชร์

ประเภท