Mudley Group hedge Fund School Part 1

Write by: Tarn (Fund manager of Mudley Group Offshore Fund)

Arrange and translate to English versions: Boe (Analyst Mudley Group Offshore Fund, Master of finance from New York)

สวัสดีครับ วันนี้เราจะมาเข้าหลักสูตรของเฮดจ์ฟันกันแบบจริงๆจังๆเสียที หลังจากที่ไม่ได้เขียนอะไรวิชาการมานานๆมากๆแล้ว อิอิ

ไม่ว่าเราจะเป็นนักลงทุนสถาบัน หรือ นักลงทุนรายย่อย สิ่งสำคัญอันดับแรกที่ทุกคนขาดไม่ได้ ก็คือหัวใจในการตัดสินใจ (Decisions’ Process) ซึ่งทุกคนล้วนมีกระบวนการ หรือ โมเดลที่ใช้ในการตัดสินใจที่แตกต่างกัน

No matter what type of investors we are be it institutional or individual the most important element of investing is the decision process, which differs from one person to another.

ในเฮดจ์ฟันที่ดีนั้น จะมีการควบคุมความเสี่ยงในทุกกระบวนการเป็นสิ่งที่จำเป็น

In a hedge fund operation risk management is mandatory

ซึ่งในนิยามของผมเฮดจ์ฟันที่ดีนั้นต้องสามารถเข้าใจความเสี่ยงในทุกกระบวนการการลงทุน และ สามารถ ที่จะเอาตัวรอดอยุ่ได้

According to my principle a good hedge fund has to understand each and every step of its investment process (operation) and survive

ส่วนพวกที่คอยกิน Management fee กับ Performance fee นั้นโดยไม่ได้พยามเรียนรุ้ถึงความเสี่ยงต่างๆนั้น ผมจัดอยุ่ในพวก sale man hedge fund

Those hedge funds that live on management fee and performance fee without spending effort to understand those risks I personally call them “sales man hedge fund”

ดังนั้น Fund manager ที่ดีของเฮดจ์ฟันนั้น ขั้นตอนแรกจะหนีไม่พ้นหลักสูตรพื้นฐานของเฮดจ์ฟัน คือ การเข้าใจความเสี่ยงของกระบวนการตัดสินใจของตัวเอง (Decisions’ Risk)

Therefore a good hedge fund’s fund manager has to understand the risk of his own decision

เพราะทุกการตัดสินใจของตัว Fund Manager หรือ ตัวโมเดลของ Fund นั้นแผงไปด้วยความเสี่ยงซึ่งเราหนีไม่พ้นในกฏของโลกความจริงนี้ ซึ่งในวงการวิชาการเราจะเรียกว่า (Decisions’ probability Risk)

Since every decision made by the fund manager or even the fund’s model are always filled with systematic risk which the academical circles call it “Decisions’ probability Risk”

กล่าวคือไม่ว่าเราจะตัดสินใจดีแค่ไหนแต่ก็ไม่มีทางที่จะถูกต้อง 100% ในโลกแห่งความเป็นจริงใบนี้ ซึ่งกระบวนการคิดของแต่ล่ะคนทำให้แต่ล่ะคนมี % การตัดสินใจที่ผิดพลาดต่างกัน ซึ่งแน่นอนสิ่งพวกนี้ไม่สามารถวัดออกมาเป็นค่าคณิตศาสตร์เชิงประมาณหรือการระบุปริมาณ (Statistical Number )ได้ แต่เราล้วนรุ้ว่าสิ่งที่เรากำลังเผชิญอยุ่คือ (Dynamic Number) หรือค่าที่มันดิ้นได้ในโลกของความจริง

No matter how hard we tried to make our decision it will never be 100% accurate. It is also true that each individual’s decision process yields different percentage error and can not be represent by a statistical number;

ทีนี้เรามาดูกราฟที่ผมแนบมาในเนื้อหาก่อนที่เราจะดำเนินการต่อไป

ในภาพ

Mean Reversion คือ การวกกลับเข้าสู่ค่าเฉลี่ยนั่นเอง

Time of Observations คือ จำนวน Time frame ที่เราใช้ในการเก็บข้อมูลของราคาเช่นเก็บข้อมูลทุกๆ 30 นาที ทุกๆหนึ่งวัน ยกตัวอย่างให้เห็นภาพง่ายๆ บางคนดูกราฟราย 5 นาที ก็คือการสำรวจเก็บข้อมูลราคาทุกๆ 5 นาทีนั่นเอง บางคนดูกราฟราย 30 นาที ก็คือคอยตรวจสอบราคาทุกๆ 30 นาทีเป็นต้น

Time of observations is the number of time frames that we used to record the data; for example 30 minutes of data, daily data. In other words , for those people that observed the graph every 5 minutes, they surveyed price data every 5 minutes, for those that observed every 30 minutes, surveyed every 30 minutes

Historical Volatility คือ % การผันผวนของราคา

Historical Volatility is the percentage volatility of price.

ดังนั้นจากกราฟแรกเราจะเห็นว่ายิ่งเราใช้ Time frame สั้นแค่ไหน ปริมาณความผันผวนในการวิ่งกลับไปกลับมาเข้าสู่ค่าเฉลี่ยจะยิ่งมาก นี่เป็นสาเหตุที่ว่าทำไมคนใช้กราฟระยะสั้นถึงต้องมีการตัดสินใจมากมายบ่อยครั้ง เพราะไม่ว่า indicator technical อะไรก็ตามในกระบวนการตัดสินนั้น ล้วนเป็น ค่า Math ค่าหนึ่ง ดังนั้นการสวิงตัวของราคาผ่านกระบวนการทาง static number จึงสูงมาก โอกาสที่เราผิดพลาดจึงมีโอกาสสูงตามเป็นต้น

In the first figure we can see that the shorter time frame we use the higher the volatility around the mean, which is the reason why those who use short term graphs has more frequent decision process. No matter what technical indicator accompanied the decision process they are only a variable. Since the price swing through the static number is very high the higher probability of decision error is present.

นี่จึงเป็นสาเหตุข้อพิสูจน์ว่าทำไม Value investment ถึงได้เปรียบในแง่ทางคณิตศาสตร์ หรือนักลงทุนฝรั่ง ในกองทุนเฮดจ์ฟันส่วนมากมี Macro model ตัวตัดสินใจหลักใน time frame ที่กว้างกว่าคนทั่วๆไปมาก

Which is evidently why value investment is mathematically advantageous or why foreign investors, especially hedge funds, employ macro models for their decision in a much wider time frame than other investors.

สูตร Decisions’ probability Risk

Decisions’ probability Risk formula

D (p) = %Win (model) -%Loss (Model) – %Risk (Factor)

D (p) = Decisions’ probability Risk

%Win (model) = % การตัดสินใจถูกโดยเฉลี่ย เช่นการคำนวนจาก back test ย้อนหลัง

%Win (model) = % average correct decision (e.g. results from back test)

%Loss (Model) =% การตัดสินใจผิดโดยเฉลี่ย เช่นการคำนวนจาก back test ย้อนหลัง

%Win (model) = % average erroneous decision (e.g. results from back test)

ในเฮดจ์ฟันนั้นต่างกับกองทุนทั่วๆไปเมื่อมีการนำคณิตศาสตร์มาใช้จะต้องระวังเป็นพิเศษ เพราะตัวเลขทางคณิตศาสตร์จากสถิตินั้นเป็น statistic number เราจึงต้องมีการ Adjust Risk factor ทุกครั้ง เข้าไปในสูตรปกติ

A hedge fund is different than other fund since it has to be extra cautious when it employs its mathematical models, since the input number is a statistical number that it’s risk factor has to be readjusted before being used in any application.

%Risk Factor = (Mean Reversion Volatility curve ใน time frame ที่เราใช้)/Swing Factor

%Risk Factor = (Mean Reversion Volatility curve in the used time frame)/Swing Factor

Swing factor = ถ้า % Volatility 10%-15% หรือต่ำกว่านี้ = 3

= ถ้า % Volatility 15%-20% = 2

= ถ้า % Volatility 20%-25% = 1.5

= ถ้า % Volatility > 25% =1

Swing factor ที่ใช้เป็นค่ามาตรฐาน แต่ถ้าเราอยากคำนวนโดยละเอียดเพื่อให้เหมาะกับสภาตลาดแต่ล่ะประเทศก็สามารถทำได้ แต่ผมคิดว่าไม่จำเป็น เนื่องจากเรากำลังเจอกับ Dynamic math การหาค่าย้อนหลังโดยละเอียดจะไม่เชื่อมโยงกับค่า parameter ในอนาคตเท่าไร.

The present swing factor is the standard value. The model can be fine tuned with the current market condition, but in my opinion it is unnecessary since we are dealing with dynamic math. Since the past detailed data does not correlate much with the future parameter.

จากสูตรง่ายๆข้างบนก็จะเห็นได้ว่าเราสามารถลดความเสี่ยงของเราได้โดยการพยาม ลด Volatility ลง เพราะ Volatility เป็นตัวแปรสำคัญในการทำให้เราผิดพลาด ดังนั้นเหตุผลนี้เองฝรั่งถึงใช้ Time frame mยาวกว่าเรามากนักในการตัดสินใจ.

From the simple model above we can see that we can reduce our risk by reducing the volatility. Volatility itself is the variable that mislead us, which is why the foreign funds used longer time frames for their decision process.

** ท้ายนี้จากสูตรนี้เราจะเห็นถึงความเสียเปรียบทางการตัดสินใจและความเสี่ยงของเราในการต่อส็กับพวกนี้ และ หากเราเป็นรายย่อย Risk factor ของเราจะมีเพิ่มมากขึ้นกว่าในสูตรด้วย นั่นคือ Emotions factor นี่เป็นสาเหตุที่ว่า เราทำการ back test โมเดลของเราแล้วถึงมันจะดูดี แต่เวลาเราเอามาทำจริงมันยังมี ปัจจัยความเสี่ยงที่ซ่อนอยุ่ที่เรามองข้ามไปอยุ่เป็นต้นครับ หวังว่าพอเป็นไอเดียให้เพื่อนๆได้นะครับ **

Lastly, from the presented model we could observe the disadvantages of our decision process and the risk of combating THEM Add if we are the individual traders our risk factor would increase even more due to the emotion factor. Which explain why the results of our back test can looks promising in the forecast but never in the real market conditions, due hidden risk factor mentioned earlier. I hope this article would be more or less useful my fellow investors.