CFD และฟอเร็กซ์เป็นตราสารที่ซับซ้อน และมีความเสี่ยงสูงที่จะสูญเสียเงินอย่างรวดเร็วเนื่องจาก leverage เทรดเดอร์รายย่อยส่วนใหญ่ขาดทุน ควรเทรดด้วยเงินที่คุณสามารถยอมรับการสูญเสียได้เท่านั้น และต้องแน่ใจว่าคุณเข้าใจวิธีการทำงานของผลิตภัณฑ์เหล่านี้. การเปิดเผยความเสี่ยง

Monte Carlo Simulation (การจำลองมอนเตคาร์โล)

หน้านี้อธิบายว่าการจำลองมอนเตคาร์โลคืออะไร ใช้กับผลการเทรดอย่างไร และมีข้อจำกัดอะไรบ้าง

ทีมบรรณาธิการ Extrade Thailand ·

ในหน้านี้
  1. Monte Carlo simulation คืออะไร
  2. ตัวอย่าง: Monte Carlo กับการเทรด (กรณีสมมติ)
  3. พบคำนี้ได้ที่ไหน
  4. นิยามเชิงสถิติและข้อจำกัด
  5. คำที่เกี่ยวข้อง
  6. คำถามที่พบบ่อย

Monte Carlo simulation คืออะไร

Monte Carlo simulation (การจำลองมอนเตคาร์โล หรือจำลองมอนติคาร์โล) คือวิธีประมาณผลลัพธ์ที่เป็นไปได้ โดยสุ่มค่าตัวแปรซ้ำหลายรอบ แล้วนำผลทุกรอบมาดูเป็นการกระจายตัว (distribution) แทนการคำนวณเพียงค่าเดียว

ผลที่ได้ไม่ใช่คำตอบเดียว แต่เป็นช่วงของผลลัพธ์ ซึ่งบอกว่าผลแบบใดเกิดบ่อย และผลแบบใดเกิดได้แต่พบไม่บ่อย

เริ่มต้น1% ต่อเทรดDD −9%2% ต่อเทรดDD −17%5% ต่อเทรดDD −41%10% ต่อเทรดDD −72%100 เทรดที่เหมือนกัน ชนะ 40% ผลตอบแทน 1.5 × ความเสี่ยง
ลำดับเทรดชุดเดียวกันที่ความเสี่ยงต่อเทรดต่างกัน เมื่อค่าคาดหวัง (expectancy) เป็นศูนย์ ความเสี่ยงที่สูงขึ้นไม่ได้เพิ่มกำไร แต่ทำให้ drawdown (DD) ลึกขึ้นเท่านั้น ตัวอย่างประกอบ: ตัวเลขสมมติเพื่อการเรียนรู้ ไม่ใช่ราคาจริงหรือเงื่อนไขของโบรกเกอร์ใด

ตัวอย่าง: Monte Carlo กับการเทรด (กรณีสมมติ)

สมมติว่าเทรดเดอร์มีรายการเทรดจากการทดสอบย้อนหลัง (backtest) ของระบบเทรดหนึ่ง โดยใช้ขนาดล็อตคงที่ทุกออร์เดอร์

  1. นำรายการกำไรและขาดทุนของแต่ละเทรดมาสลับลำดับแบบสุ่ม
  2. สร้าง Equity Curve ใหม่จากลำดับที่สลับแล้ว
  3. บันทึกการย่อตัวสูงสุด (maximum drawdown) ของเส้นนั้น
  4. ทำซ้ำขั้นตอนข้างต้นหลายรอบ

ผลรวมสุดท้ายของทุกรอบเท่ากัน เพราะใช้เทรดชุดเดียวกัน แต่ drawdown แต่ละรอบต่างกันมาก เพราะลำดับการแพ้ชนะเปลี่ยนไป การกระจายตัวของ drawdown ช่วยให้เห็นว่าผลจาก backtest เพียงเส้นเดียวอาจดูดีกว่าสิ่งที่เกิดขึ้นได้จริง

ถ้าต้องการลองคำนวณด้วยตัวเลข ดูเครื่องมือในหน้า เครื่องคำนวณและจำลอง

การเทรด CFD และฟอเร็กซ์ที่ใช้เลเวอเรจทำให้ขาดทุนได้เร็ว ผลการจำลองไม่ได้รับประกันผลในอนาคต และไม่ได้บอกว่าระบบใดจะทำกำไร

พบคำนี้ได้ที่ไหน

นิยามเชิงสถิติและข้อจำกัด

ในเชิงรูปแบบ วิธีนี้ประมาณค่าคาดหมาย E[f(X)] ด้วยค่าเฉลี่ยของ f จากตัวอย่าง X ที่สุ่มจากการแจกแจงที่กำหนด ค่าประมาณจะเข้าใกล้ค่าจริงตามกฎจำนวนมาก (law of large numbers) แต่ความคลาดเคลื่อนลดลงช้ากว่าการเพิ่มของจำนวนรอบมาก

ข้อจำกัดที่ควรรู้:

คำที่เกี่ยวข้อง

คำถามที่พบบ่อย

มอนเตคาร์โลบอกได้ไหมว่าระบบเทรดจะทำกำไร

ไม่ได้ วิธีนี้แสดงช่วงผลลัพธ์ที่เป็นไปได้ภายใต้สมมติฐานที่ใส่เข้าไปเท่านั้น

Monte Carlo ต่างจาก backtest อย่างไร

Backtest ให้ผลจากลำดับเหตุการณ์ในอดีตเพียงเส้นเดียว ส่วน Monte Carlo สร้างเส้นทางทางเลือกจำนวนมากเพื่อดูการกระจายตัวของผล

ต้องสุ่มกี่รอบ

ยิ่งสุ่มมากรอบ ค่าประมาณยิ่งนิ่ง ทดสอบได้โดยเพิ่มจำนวนรอบจนผลแทบไม่เปลี่ยน

ทำไมผลแต่ละครั้งไม่เท่ากัน

เพราะใช้ตัวเลขสุ่ม ถ้าต้องการผลที่ทำซ้ำได้ ให้กำหนดค่า seed ของตัวสุ่ม

หน้าที่เกี่ยวข้อง