KRV ROBUSTA
← กลับหน้าแรกสมัครใช้งาน
คู่มือสำหรับผู้เริ่มต้น · ไม่มีพื้นฐานก็อ่านเข้าใจ

ก่อนจะเชื่อตัวเลข ต้องเข้าใจที่มาของมันก่อน

อธิบาย 3 แนวคิดที่ทุกคนที่ทำ EA ต้องรู้ — Backtest คืออะไร ทำไมต้อง Optimize และ Overfitting คือกับดักที่อันตรายที่สุด

01
พื้นฐานที่ 1

Backtest คืออะไร?

Backtest คือการ "ย้อนเวลา" เอา EA ไปรันกับข้อมูลราคาในอดีตที่เกิดขึ้นแล้ว เพื่อดูว่าถ้าใช้กลยุทธ์นี้เทรดจริงในช่วงเวลานั้น จะได้กำไรหรือขาดทุนเท่าไหร่ — เหมือนสอบเทียบเพื่อดูฝีมือ EA ก่อนเอาเงินจริงไปเสี่ยง

  • ข้อมูลในอดีต (historical data) คือ "โจทย์สอบ" ที่ EA ต้องแก้
  • ผลลัพธ์ที่ได้ (กำไร, Drawdown, Win Rate) คือ "คะแนนสอบ" ของ EA ตัวนั้น
  • ข้อจำกัด: อดีตไม่ได้การันตีอนาคต ตลาดเปลี่ยนพฤติกรรมได้เสมอ
EA "เดินย้อนเวลา" ผ่านข้อมูลราคาเก่า
02
พื้นฐานที่ 2

ทำไมต้อง Optimize?

EA ทุกตัวมี "พารามิเตอร์" — ตัวเลขที่กำหนดพฤติกรรม เช่น ระยะ Stop Loss, ช่วงเวลาของอินดิเคเตอร์ Optimize คือกระบวนการลองสลับค่าพารามิเตอร์เหล่านี้หลายพันแบบ แล้ว Backtest ทุกแบบ เพื่อหาชุดที่ให้ผลลัพธ์ดีที่สุด

  • เหมือนหมุนปุ่มวิทยุหาคลื่นที่ชัดที่สุด — ลองทีละนิดจนกว่าจะเจอจุดที่ดี
  • ยิ่งพารามิเตอร์เยอะ ยิ่งมีชุดค่าผสมให้ลองมากขึ้นแบบทวีคูณ
  • ปัญหาคือ: ถ้าลองมากเกินไปจนหาค่าที่ "เข้ากับอดีตพอดีเป๊ะ" — นั่นคือจุดเริ่มต้นของ Overfitting
ลองสลับค่าพารามิเตอร์นับพันแบบ หาชุดที่ดีที่สุด
03
พื้นฐานที่ 3 — สำคัญที่สุด

Overfitting คือกับดักอันตราย

Overfitting เกิดเมื่อ Optimize จนได้ค่าที่ "จำ" รายละเอียดเล็กๆ น้อยๆ ของข้อมูลอดีตได้แม่นเป๊ะ (รวมถึงความบังเอิญที่ไม่มีทางเกิดซ้ำ) แทนที่จะจับ "รูปแบบที่แท้จริง" ของตลาด — ผลคือ กราฟย้อนหลังสวยงามมาก แต่พอเอาไปเทรดจริงกับข้อมูลใหม่ กลับพังทันที เพราะมันไม่เคยเรียนรู้อะไรจริง มันแค่จำข้อสอบเก่าได้

  • สัญญาณเตือน: ค่าที่ดีที่สุดในอดีตกลับใช้ไม่ได้เลยในปีถัดไป
  • สัญญาณเตือน: เปลี่ยนพารามิเตอร์นิดเดียว ผลลัพธ์เปลี่ยนจากกำไรเป็นขาดทุนทันที (ไม่มี "ที่ราบ" ที่มั่นคง)
  • วิธีป้องกัน: ทดสอบกับหลายช่วงเวลา (walk-forward), เก็บข้อมูลบางส่วนไว้ทดสอบแยก (Out-of-Sample) และเลือกค่าที่ "สม่ำเสมอ" ไม่ใช่ค่าที่ "ดีที่สุด" — นี่คือสิ่งที่ KRV ROBUSTA ช่วยคัดกรองให้อัตโนมัติ
อดีต (ฝึก)อนาคต (จริง)
เส้นที่ Overfit (จำอดีตเป๊ะ)   ราคาจริง
เส้นสีแดงจำทุกจุดในอดีตได้เป๊ะ — แต่พอเข้าเขตอนาคต (เส้นประ) กลับเบี่ยงออกจากความจริงทันที
04
พื้นฐานที่ 4 — Out-of-Sample Testing

Out-of-Sample คือ "สอบครั้งเดียว"

Out-of-Sample Testing (OOS) คือการแบ่งข้อมูลเป็น 2 ก้อนเพียงครั้งเดียว — ก้อนแรก (In-Sample) ใช้ Optimize หาค่าพารามิเตอร์ แล้วเอาค่านั้นไปทดสอบกับก้อนที่สอง (Out-of-Sample) ที่ไม่เคยใช้ตอนหาค่าเลย เหมือน "อ่านหนังสือทั้งเทอมแล้วสอบทีเดียวจบ" — ทำแค่รอบเดียว ไม่มีการเลื่อนหรือทำซ้ำ

  • IS (In-Sample): ข้อมูลที่ใช้ Optimize หาค่าพารามิเตอร์ — "ช่วงที่อ่านหนังสือ"
  • OOS (Out-of-Sample): ข้อมูลถัดไปที่ไม่เคยใช้ตอน Optimize เลย ใช้แค่ตรวจผล — "ช่วงที่สอบจริง"
  • OOS Efficiency: เทียบผลตอบแทนช่วง OOS กับ IS — ยิ่งใกล้ 100% ยิ่งน่าเชื่อ ยิ่งต่ำ (โดยเฉพาะต่ำกว่า 40%) ยิ่งส่อว่า Overfit
  • ข้อจำกัด: ทดสอบแค่ 1 รอบ — ถ้าโชคดี/ไม่ดีตรงกับช่วง OOS ที่เลือก ผลอาจไม่สะท้อนความทนทานจริงระยะยาว (นี่คือเหตุผลที่ต้องมี Walk-Forward ต่อ)
  • KRV ROBUSTA ให้คุณติ๊กไฟล์ไหนเป็น IS ไฟล์ไหนเป็น OOS แล้วคำนวณ OOS Efficiency ให้อัตโนมัติ
In-Sample — อ่านหนังสือ (Optimize)OOS — สอบแบ่งครั้งเดียว จบ — ไม่ทำซ้ำ ไม่เลื่อนหน้าต่าง
Out-of-Sample = แบ่งข้อมูลสองก้อน ทดสอบครั้งเดียวจบ
05
พื้นฐานที่ 5 — Walk-Forward Analysis

Walk-Forward คือ "เรียนแล้วสอบ สลับไปเรื่อยๆ"

Walk-Forward Analysis (WFA) คือการทำ IS→OOS ซ้ำหลายรอบ โดยเลื่อนหน้าต่างเวลาไปเรื่อยๆ ตลอดประวัติข้อมูล: Optimize ช่วง A → ทดสอบช่วง B (ที่ตามหลัง A) → เลื่อนไป Optimize ช่วง B → ทดสอบช่วง C → ทำแบบนี้ต่อไปจนครบข้อมูล เหมือน "เรียนบทที่ 1 สอบ, เรียนบทที่ 2 สอบ" สลับกันไปตลอดทั้งเทอม — สิ่งที่แยก Walk-Forward ออกจาก OOS ธรรมดาคือ ความซ้ำ (repetition) และการเลื่อนหน้าต่าง (rolling window)

  • Walk-Forward แบบ Rolling: หน้าต่าง IS เลื่อนตามไปเรื่อยๆ (ตัดข้อมูลเก่าสุดทิ้ง) ขนาดหน้าต่างคงที่ทุกรอบ
  • Walk-Forward แบบ Anchored: จุดเริ่ม IS ตรึงอยู่กับที่ ขยายออกไปเรื่อยๆ ทุกรอบ (หน้าต่างใหญ่ขึ้นตามเวลา)
  • เกณฑ์ยืนยันความทนทาน: ต้องได้ OOS Efficiency >70% อย่างสม่ำเสมอหลายรอบติดกัน (ไม่ใช่แค่รอบเดียวเหมือน OOS ธรรมดา) ถึงจะเรียกว่าทนทานจริงตามหลัก Walk-Forward
  • KRV ROBUSTA คำนวณ OOS Efficiency ให้อัตโนมัติทุกรอบที่อัปโหลด แล้วเช็คความสม่ำเสมอข้ามรอบให้เอง
รอบ 1: ISOOSรอบ 2: ISOOSรอบ 3: ISOOSเลื่อนไปเรื่อยๆ
Walk-Forward = ทำ IS→OOS ซ้ำหลายรอบ เลื่อนหน้าต่างตามเวลา ไม่ใช่แบ่งสอบครั้งเดียวแบบ OOS ธรรมดา
06
พื้นฐานที่ 5 — Monte Carlo Simulation

ถ้าสลับลำดับเทรดใหม่ 1,000 แบบ ผลจะยังดีอยู่ไหม?

ผล backtest ที่เห็นคือ "ลำดับเทรดแบบเดียว" ที่เกิดขึ้นจริงในอดีต แต่โชคก็มีผลต่อลำดับนั้น (เทรดกำไรมาก่อนหรือขาดทุนมาก่อน ส่งผลต่อ drawdown สูงสุดต่างกันได้) Monte Carlo Simulation คือการสุ่มสลับลำดับเทรดเดิมซ้ำหลายพันครั้ง (resampling) แล้วดูการกระจายตัวของผลลัพธ์ — ถ้ากลยุทธ์ทนทานจริง ผลควรยังออกมาดีในเกือบทุกลำดับที่สุ่มได้ ไม่ใช่ดีเฉพาะลำดับที่เกิดขึ้นจริงลำดับเดียว

  • ใช้ตรวจอะไร: ช่วงความเชื่อมั่น (confidence interval) ของ Drawdown และผลตอบแทน — เช่น "มีโอกาส 95% ที่ DD จะไม่เกิน X%"
  • ต่างจาก Walk-Forward: Walk-Forward ทดสอบความทนทานข้ามช่วงเวลา (อดีต→อนาคต) ส่วน Monte Carlo ทดสอบความทนทานต่อลำดับเหตุการณ์ (โชคของลำดับเทรด) — ใช้เสริมกัน ไม่ใช่แทนกัน
  • KRV ROBUSTA รันการสุ่มนี้ให้อัตโนมัติในแท็บ Monte Carlo ของแต่ละชุดพารามิเตอร์ที่วิเคราะห์

เข้าใจหลักการแล้ว พร้อมใช้เครื่องมือจริงหรือยัง?

KRV ROBUSTA คัดกรองชุดพารามิเตอร์ที่ทนทาน ไม่ overfit ให้อัตโนมัติ จากผล Optimize หลายปีที่คุณอัปโหลดเข้ามา

สมัครใช้งาน →กลับหน้าแรก