What is Quantitative Analysis (QA)?

Quantitative Analysis (QA) คือการปฏิบัติในการตัดสินใจเทรดจากข้อมูล ไม่ใช่จากอารมณ์หรือความรู้สึก มันเปลี่ยนตัวเลขให้เป็นกฎด้วยคณิตศาสตร์ สถิติ และโค้ด นึกถึงเพื่อนที่ใจเย็นคอยตรวจใบเสร็จก่อนสั่งรอบถัดไป แล้วถามว่ายังสมเหตุสมผลอยู่หรือไม่

Myth

QA ไม่ใช่หุ่นยนต์ที่พิมพ์เงินฟรี มันเป็นกรอบสำหรับทดสอบแน Ideas และการจัดการโอกาส และมันก็ยังแพ้เมื่อตลาดเปลี่ยนแปลงหรือข้อมูลวุ่นวาย

How it works

Quantitative Analysis (QA) ตามลูปง่ายๆ: เก็บข้อมูล ทดสอบ ตัดสินใจ ทำซ้ำ นึกถึงผู้ค้าปลีกที่สร้างกลยุทมเมนตัมเล็กๆ บน BTC

Step 1: ดึงข้อมูลสะอาด เช่น ประวัติราคาตลาดและราคาปัจจุบัน market prices.
Step 2: สร้างฟีเจอร์ เช่น ค่าเฉลี่ยเคลื่อนที่และแนวโน้มปริมาณ แล้วกรอง outliers ที่เห็นได้ชัด
Step 3: เขียนกฎ เช่น ซื้อเมื่อราคาสAbove ค่าเฉลี่ยและปริมาณเพิ่มขึ้น มิฉะนั้นอยู่เฉยๆ
Step 4: ทดสอบย้อนหลังหลายปี รวมค่าธรรมเนียมและ slippage และเก็บข้อมูลบางส่วนไว้ไม่ให้ดูเพื่อการตรวจสอบแบบ out of sample
Step 5: หากยังยืนยันได้ ให้รันด้วยมือหรือป้อนเข้าสู่ Algorithmic Trading พร้อมการแจ Alert และการกำหนดตำแหน่ง

ทำให้มันน่าเบื่อและทดสอบได้ ใช่ นั่นคือไอเดีย

Why it matters

แล้วทำไมคุณควรสนใจ QA ถ้าคุณคลั่งไคล้ криптоและเทคโนโลยี?

Benefit: มันเปลี่ยนความคิดเห็นที่คลุมเครือให้เป็นแผนที่ทำซ้ำได้ที่ช่วยประหยัดเวลาและบางครั้งก็เงิน
Perspective: มันเข้ากับกระแสการเทรดที่ข้อมูลมาก่อนและช่วยสร้างวินัยผ่านการบริหารความเสี่ยงที่ดีกว่า risk management.
Relevance: คุณจะพบมันใน prop desks, quant DAOs และบอทส่วนบุคคล คู่กับการกระจายความหลากหลายอย่างชาญฉลาด diversification มันสามารถทำให้การใช้งานราบรื่นขึ้นทั่วเหรียญและกลยุทธ์

Tip

เริ่มด้วยกฎที่ชัดเจนหนึ่งข้อ แล้วค่อยเพิ่มเฉพาะสิ่งที่ช่วยปรับปรุงมันในการทดสอบ out-of-sample คอนโทรลจึงมีหลาย knob มากขึ้นจึงมีโอกาส overfitting มากขึ้น

Key Characteristics

สิ่งที่ทำให้ Quantitative Analysis (QA) โดดเด่น:

Data: เน้นข้อมูลที่สะอาดและเกี่ยวข้องมากกว่าความรู้สึก
Rules: การตัดสินใจตามตรรกะที่ชัดเจนสามารถทดสอบและทำซ้ำได้
Testing: Backtests และ forward tests พยายามค้นหาว่ารูปแบบนั้นเป็นจริงหรือแค่โชค
Automation: ง่ายที่จะเปลี่ยนเป็น alerts หรือ bots เมื่อพิสูจน์ตัวเองแล้ว

Variations

รสชาติที่คุณจะเห็น:

Statistical: Mean reversion, momentum, และการทดสอบ time series แบบคลาสสิก
Machine: โมเดลที่เรียนรู้รูปแบบจากฟีเจอร์และฉลาก
Factor: กฎที่สร้างจากตัวขับเคลื่อนอย่างแนวโน้ม carry หรือ value
HFT: โมเดลระยะสั้นมากที่ให้ความสำคัญกับความเร็วและโครงสร้างไมโคร
Onchain: สัญญาณจากค่าธรรมเนียม กระแส addresses และกิจกรรมเครือข่าย

Reminder

Garbage in, garbage out. หากข้อมูลผิดหรือระบอบการเปลี่ยนแปลง ปรากฏการณ์ที่ผ่านการพัฒนาโมเดลที่เรียบหรูจะสะดุด ดังนั้นให้ปรับปรุงสมมติฐานและต้นทุนของคุณอย่างต่อเนื่อง

Example

กองทุนคริปโตทดสอบกฎโมเมนตัมง่ายๆ บน ETH จำกัดความเสี่ยงต่อการเทรด แล้วจึงรันจริงเฉพาะหลังการทดสอบ out of sample ยืนยันผล backtest

Fun Fact

คำว่า quant ได้รับความนิยมบน Wall Street หลังจากการตั้งราคาตัวเลือก (option pricing) โผล่ขึ้นในทศวรรษที่ 70 และ quants รุ่นแรกหลายคนเป็นนักฟิสิกส์ บางคนต่อมช่วยสร้างโมเดล market making ใน crypto

Wrap-Up

ในบรรทัดเดียว: Quantitative Analysis (QA) เปลี่ยนข้อมูลให้เป็นกฎที่คุณสามารถทดสอบ เชื่อถือ และปรับเปลี่ยนได้เมื่อทัศนคติของตลาดเปลี่ยนไป

Quantitative Analysis (QA)