pppppppppp

@superdxke 🫠🫠🫠

นี่ฉันห่างsexมานานแค่ไหนแล้ว😭

@superdxke 🫨🫨🫨

🫣

เรียยกว่าอาชีพเสริม รายได้อาทิตย์นี้จากหวยลาวแทงแบบโบ้ๆ เบ้ๆ 55555555

@jellybeartea อยากชวนแวะมานั่งทำงาน อ่านหนังสือกับเราได้ที่ @WAWsanct, นอกจาก Wifi free แอร์เย็นฉ่ำแล้ว เรายังมี beanbag ที่นั่งสบายที่สุดในตอนนี้ แถมถ้าจะใช้ห้องประชุมเราก็มีให้พร้อมจอ 100 นิ้วเบิ้มๆไปเลย จะทำโปรเจ็คคุยงานหรือเปิดหนังดูก็สบาย

@superdxke เก่งมากก

เกือบสลบแงงงง

@kxnxmpxtxx มีใจกบางความเจ็บปวด กับความจริงในใจที่ฟังง่ายมากๆ ละก้เพราะนะ5535

เพิ่งว่างได้ดู Crescendo ไม่ใช่เพลงสำหรับฟังจริงๆ เพลงสำหรับเสพศิลป์เต็มๆ

@superdxke 🥺

นี่แหละๆๆๆ

ล่าสุด😭

Backtest สวย ทำไม trade สด live จริงแล้วพัง? ผมเคยพูดถึงเรื่องนี้ไปแล้วคร่าวๆ แต่เจอคำถามนี้มาเรื่อยๆ ตลอด เลยจะพูดถึงอีกรอบ (ศัำท์ที่ใช้บางคำ ผมคงไม่อธิบายขยายความเพิ่มเติม ถ้าไม่ทราบ ให้ไปลอง Google เพิ่มเติมเอาเองครับ.. อันดับแรกเลย คนส่วนมากสับสนระหว่าง.. P-World (alpha research, portfolio optimization, risk management, factor models, stress testing… ) กับ… Q-World (Black-Scholes, risk-neutral pricing, martingale pricing…) ตัวอย่างปัญหาคือ.. implied volatility จาก options market เป็น Q-object.. เอาไป forecast realized vol ใน P-world ไม่ได้.. เพราะมัน overestimate เสมอ.. มี variance risk premium แฝงอยู่ หรือเอา risk-neutral probabilities จาก option prices ไป size position จริงๆ… model บอก crash probability 30% แต่นั่นคือ Q-probability.. P-probability จริงๆ อาจแค่ 10%… เลย hedge มากหรือน้อยเกินไปโดยไม่รู้ตัว​​​​​​​​​​​​​​​​ ที่ backtest ดีแต่ live พัง ส่วนใหญ่ไม่ใช่เพราะ signal มันไม่ดี… แต่เพราะ multiple testing problem ลองคิดง่ายๆ ถ้าทดสอบ strategies 1,000 แบบ แล้วเลือก Sharpe ดีสุด.. แม้ทุกแบบจะเป็น noise ล้วนๆ ก็ยังได้ winner ที่ดูดี ทางสถิติมัน guaranteed เลยว่าต้องมี outlier ที่ดูเหมือน alpha แต่จริงๆ คือโชคล้วนๆ ไม่ใช่ edge.. ปัญหาคือ backtest ไม่รู้ว่าเราลองมากี่ครั้งแล้ว… มันเห็นแค่ strategy ที่เราเอามาให้ดู.. ไม่เห็นอันอื่นอีก 999 แบบที่เราทิ้งไป Sharpe ที่ได้เลย inflated.. ยิ่งลองเยอะก็ยิ่งหลอกตัวเองได้มากขึ้น.. Lopez de Prado เขียนเรื่อง Deflated Sharpe Ratio ไว้ดีครับ… Sharpe จาก backtest ต้อง deflate ตามจำนวน trials ที่ลองมา ถ้ายังดีอยู่หลัง deflation ค่อยเชื่อ… walk-forward testing ไม่ใช่ optional อีกต่อไป​​​​​​​​​​​​​​​​ คนส่วนใหญ่ไล่หา alpha จาก price signal อย่างเดียว แต่ไม่ค่อยมองไปที่ order flow Kyle’s Lambda, Amihud Illiquidity, Order flow toxicity.. พวกนี้มันบอกอะไรหลายอย่างที่ price chart ไม่ได้บอก.. คนที่เข้าใจ microstructure จริงๆ บางทีไม่ต้องการ model ซับซ้อนเลย.. แค่อ่าน order book เป็น ก็มี edge แล้ว.. และเรื่อง position sizing.. หลายคนทุ่มเวลา 90% ไปกับการหา signal แต่ก็ลืมว่า Kelly Criterion บอกชัดว่า signal ดีแค่ไหนก็ล้าง portfolio ได้ถ้า size ผิด.. ก็เป็นอีกจุดที่คนเจ็บตัวกันโดยไม่รู้ด้วยซ้ำว่าเจ็บเพราะอะไร.. มืออาชีพหลายคนใช้ Fractional Kelly ที่ 1/4~1/2 และ adjust ตาม regime.. signal generation กับ position sizing ก็ co-design ตั้งแต่แรก ไม่ใช่ทำแยกกันแล้วเอามาแปะติดกันทีหลัง​​​​​​​​​​​​​​​​ ตัวอย่างง่ายๆ คือ signal ที่มี Sharpe สูงแต่ drawdown ลึก.. ถ้าเราใช้ Kelly เต็มๆ อาจต้อง size ใหญ่มากในช่วงที่ confidence สูง.. แต่ถ้า regime เปลี่ยน volatility พุ่ง Kelly จะบอกให้ลด size ลงทันที.. ถ้า sizing logic เราไม่ได้ design มาให้รองรับพฤติกรรมของ signal ตัวนั้นตั้งแต่แรก.. มันจะ react ช้า หรือ over-size ในจังหวะที่ไม่ควร พูดง่ายๆ คือ signal บอกว่าเข้า.. แต่ sizing ต้องบอกด้วยว่าเข้าเท่าไหร่.. ภายใต้ความไม่แน่นอนของ signal นั้นๆ.. 2 อันนี้ต้องคุยกันตั้งแต่ต้น ไม่ใช่มาคิดแยกกัน​​​​​​​​​​​​​​​ และสุดท้ายที่คนมองข้ามคือเรื่อง execution.. Almgren กับ Chriss เขียน paper ไว้ดีมากว่าการ build หรือ liquidate position มี optimal execution path ของมัน..​​​​​​​​​​​​​​​​ ถ้าเราต้องการเข้า position ใหญ่.. การยิง order เข้าไปทีเดียวคือการจ่าย market impact แพงที่สุด.. แต่ถ้ารอนานเกินไปก็เสีย timing risk.. optimal execution คือการ balance สองอย่างนี้ให้ดี execute ที่แย่คือจ่ายค่าโง่ทุกวันๆ โดยไม่รู้ตัว.. signal เดียวกัน strategy เดียวกัน แต่คนที่ execute ดีกว่าได้เงินมากกว่าเสมอ เราไม่ใช่แค่ต้องหา alpha.. แต่ต้องรักษา alpha ตลอดทั้ง pipeline.. ตั้งแต่ idea ไปถึง model ไปถึง sizing ไปถึง execution.. จนถึง PnL จริงในบัญชี.. ทุกๆ layer มี leakage ของตัวเอง คนที่ชนะระยะยาวคือคนที่จัดการ leakage ได้ดีกว่า.. ไม่ใช่แค่คนที่มี signal ดีกว่า

ทุกคนคิดว่า CoWoS คือคอขวดของ AI chip จริงๆ แล้วมันมีลึกกว่านั้นนะ GPU → packaging (CoWoS) → ชั้นฐาน (ABF substrate) → ผ้าใยแก้วทอพิเศษข้างใน (T-Glass) เจ้าหลักคือ Nitto Boseki บริษัทญี่ปุ่น สะสม know-how มาหลายสิบปี เลียนแบบได้ยาก ผมว่า pattern นี้น่าสนใจ Memory = เกาหลี Foundry = ไต้หวัน T-Glass = ญี่ปุ่น แต่ละ layer ของ AI supply chain ไปหยุดที่ประเทศที่ต่างกัน ประเทศถัดไปคือที่ไหนอะ... ประเทศไทยได้ปะ Fabrinet ทำ optical alignment อยู่ เข้าคิวด้วยได้ไหม อ่อ ไม่ใช่บริษัทบ้านเรา เห้อ 🥲

ท่อนนี้ใช่มะ🤔 ตอนแรกเห็นโพสมาสักพักที่หลายคนบอกมันแปลกๆ กูก็เฉยๆนะ จนมาดูคลิปนี้แหล่ะ กูว่าแปลกๆจริง

@superdxke เซม

อยากดื่ม🫩

@superdxke 5645545

🫣

@psind707 หมายถึงใครนะะ55555

แฮกเกอร์หนุ่มที่โดนแหกไป ทำไมไม่มาดูงานกับท่าน Billionaire สุดยอดนักลงทุนไทยในเมกา

กุคือพี่เค้าเวอชั่นยังไม่จบแน่ๆ ละกำลังจะทวิตแบบนี้ในอีก 10 ปีข้างหน้า

นั่งฉี่ดีทุกอย่าง เสียอย่างเดียวกระเจี๊ยวมันจุ่มน้ำอ่ะ ต้องเอามือยกไว้

เช้านี้ได้ PRE-IPO เจ้า SpaxeX ของป๋า Elon Musk มาละ

@superdxke เก่งมั่กๆ

ใช้พลังงานหมดแล้ว กลับมายมต่อ

นอยอ่า #rtxxdm

@superdxke ผมเปนคนใจดี เดี๋ยวช่วยเองคั้บ

เขาบอกจูบจะช่วยลดอาการปวดหัว ตอนนี้ปวดหัวจัง😓