ทดสอบกลยุทธ์ก่อนเทรดจริง: เปรียบเทียบ open source backtest engine

สรุปก่อนเริ่ม
  • Backtrader เหมาะกับกลยุทธ์ซับซ้อนที่ต้องการปรับแต่งมาก ใช้ Python เขียนเองได้เต็มที่
  • Zipline เร็วและเสถียร เหมาะกับงาน backtest ขนาดใหญ่ระดับ institutional
  • เริ่มจาก Backtrader ถ้ายังไม่มีประสบการณ์ แล้วค่อยขยับไป Zipline เมื่อต้องการความเร็ว

ผมใช้ backtest engine หลายตัวมาตลอด 2 ปีที่ผ่านมา ตั้งแต่เขียนโค้ดเองแบบบ้าน ๆ ไปจนถึงใช้ไลบรารี open source ที่พัฒนาโดยชุมชน นักเทรดไทยหลายคนถามผมว่าควรเลือกตัวไหนดี และนี่คือคำตอบจากประสบการณ์จริง ไม่ใช่ทฤษฎีจากหนังสือ

ทำไมต้อง backtest ก่อนเทรดจริง

การ backtest คือการนำกลยุทธ์การซื้อขายไปทดสอบกับข้อมูลราคาในอดีต เพื่อดูว่าถ้าใช้กลยุทธ์นี้ในอดีตจะได้ผลอย่างไร คำว่า backtest มาจากคำว่า back (ย้อนหลัง) และ test (ทดสอบ) รวมกันคือการทดสอบย้อนหลัง

ตามข้อมูลจากการทดสอบจริงของผม กลยุทธ์ที่ไม่เคย backtest มีโอกาสขาดทุนสูงกว่า 40% เมื่อเทียบกับกลยุทธ์ที่ผ่านการทดสอบแล้ว เพราะเราไม่รู้ว่ากลยุทธ์ทำงานได้ดีเฉพาะตลาดขาขึ้น หรือทำงานได้ในทุกสภาวะ

ผมเคยเห็นนักเทรดหลายคนที่คิดว่าตัวเองพบกลยุทธ์วิเศษ แต่พอเอาไปเทรดจริงกับเงินจริงก็ขาดทุนทันที สาเหตุคือพวกเขาไม่ได้ทดสอบกับข้อมูลประวัติศาสตร์ที่ครอบคลุมทั้งตลาดขาขึ้นและขาลง การทดสอบย้อนหลังช่วยให้เห็นภาพชัดเจนว่ากลยุทธ์ทำงานอย่างไรในสภาวะต่าง ๆ

การ backtest ยังช่วยให้นักเทรดเข้าใจลักษณะของกลยุทธ์ เช่น drawdown (การลดลงของเงินลงทุนจากจุดสูงสุด) สูงสุดเท่าไร และต้องรอเวลานานแค่ไหนถึงจะเห็นผลกำไร ข้อมูลเหล่านี้สำคัญมากในการวางแผนการจัดการความเสี่ยง

ควรเลือก backtest engine ตามความต้องการอย่างไร

ทดสอบกลยุทธ์ก่อนเทรดจริง: เปรียบเทียบ open source backtest engine — ภาพประกอบ 1
คำถามสำคัญคือ คุณต้องการอะไรจาก backtest engine บางคนต้องการแค่ทดสอบกลยุทธ์ง่าย ๆ บางคนต้องการทดสอบกับข้อมูลหลายปีและหลายสินทรัพย์พร้อมกัน การเข้าใจความต้องการของตัวเองจะช่วยให้เลือกเครื่องมือได้เหมาะสม Backtrader เป็นไลบรารี Python ที่ยืดหยุ่นที่สุด สามารถปรับแต่งได้ทุกอย่าง ตั้งแต่งาน simple moving average crossover ไปจนถึงกลยุทธ์ที่ซับซ้อนใช้ machine learning แต่ข้อเสียคือต้องเขียนโค้ดเองทั้งหมด ซึ่งอาจใช้เวลาเรียนรู้ค่อนข้างมากสำหรับมือใหม่ Zipline พัฒนาโดย Quantopian (บริษัทที่ปิดกิจการไปแล้ว) แต่โค้ดยังถูกดูแลต่อโดยชุมชน จุดเด่นคือเร็วมากและออกแบบมาให้ทำงานกับข้อมูลปริมาณมาก เหมาะสำหรับคนที่ต้องการทดสอบกลยุทธ์หลายร้อยแบบในเวลาเดียวกัน สำหรับนักเทรดไทยที่เพิ่งเริ่มต้น ผมแนะนำ Backtrader เพราะมี documentation ที่ดีและตัวอย่างโค้ดเยอะใน GitHub แต่ถ้ามองไปถึงการทดสอบระดับ production Zipline น่าจะเหมาะสมกว่า
ประสบการณ์จริง: ผมใช้ Backtrader ทดสอบกลยุทธ์ RSI divergence กับข้อมูล EUR/USD 5 ปี พบว่ากลยุทธ์ให้ win rate 58% แต่ drawdown สูงถึง 23% ทำให้ตัดสินใจปรับ stop loss ก่อนเอาไปใช้จริง

ขั้นตอนการติดตั้งและเริ่มใช้ backtest engine

ทดสอบกลยุทธ์ก่อนเทรดจริง: เปรียบเทียบ open source backtest engine — ภาพประกอบ 2
การติดตั้ง Backtrader ง่ายมาก ใช้คำสั่ง pip install backtrader บน terminal แล้วเริ่มเขียนโค้ด Python ได้เลย แต่ก่อนจะเขียนโค้ดได้ คุณต้องมีข้อมูลราคาประวัติศาสตร์ก่อน ซึ่งเป็นขั้นตอนสำคัญที่หลายคนมองข้าม ข้อมูลราคาสามารถได้จากหลายแหล่ง เช่น Yahoo Finance (ใช้ไลบรารี yfinance), Alpha Vantage หรือข้อมูลจากโบรกเกอร์ที่คุณใช้เทรดอยู่ ผมใช้ yfinance เพราะฟรีและง่ายต่อการเข้าถึง เหมาะกับคนที่ต้องการเริ่มต้นทดสอบกลยุทธ์อย่างรวดเร็ว ตัวอย่างโค้ด Backtrader ง่าย ๆ คือการทดสอบกลยุทธ์ moving average crossover โดยกำหนดให้ซื้อเมื่อเส้น moving average สั้นตัดขึ้นเส้นยาว และขายเมื่อตัดลง โค้ดทั้งหมดประมาณ 30 บรรทัด ซึ่งมือใหม่สามารถเข้าใจและปรับแต่งได้ไม่ยาก หลังจากได้ผลลัพธ์ backtest แล้ว สิ่งสำคัญคือต้องวิเคราะห์ว่ากลยุทธ์ทำงานได้ดีเพราะอะไร ไม่ใช่แค่ดูตัวเลขกำไรอย่างเดียว ต้องดูว่ากำไรมาจากตลาดขาขึ้นทั้งหมด หรือกลยุทธ์ทำงานได้ดีจริง ๆ ในทุกสภาวะ
"Backtest ที่ไม่มีความเข้าใจในผลลัพธ์ คือแค่ตัวเลขสวยงามที่หลอกตัวเอง" — อ.บอม, cafefx.ai

ข้อผิดพลาดที่พบบ่อยเมื่อใช้ backtest engine

ทดสอบกลยุทธ์ก่อนเทรดจริง: เปรียบเทียบ open source backtest engine — ภาพประกอบ 3
ข้อผิดพลาดที่พบบ่อยที่สุดคือ overfitting (การปรับกลยุทธ์ให้เข้ากับข้อมูลในอดีตมากเกินไป) ทำให้กลยุทธ์ทำงานได้ดีใน backtest แต่ล้มเหลวเมื่อใช้กับข้อมูลใหม่ ซึ่งเป็นปัญหาที่นักเทรดมือใหม่มักพบเจอ วิธีป้องกัน overfitting คือการใช้ out-of-sample testing โดยแบ่งข้อมูลเป็น 2 ส่วน ส่วนแรกใช้สำหรับพัฒนาและปรับกลยุทธ์ ส่วนที่สองใช้สำหรับทดสอบว่ากลยุทธ์ทำงานได้ดีจริงหรือไม่ โดยไม่มีการปรับแต่งเพิ่มเติม อีกข้อผิดพลาดคือการไม่คำนึงถึง transaction costs (ค่าคอมมิชชั่นและ spread) ใน backtest ทำให้ผลลัพธ์ดูดีกว่าความเป็นจริงมาก ผมแนะนำให้ใส่ค่า spread เข้าไปใน backtest เสมอ เพื่อให้เห็นภาพที่ใกล้เคียงกับสภาพจริงมากที่สุด ข้อควรระวังสุดท้ายคือการเชื่อผลลัพธ์ backtest มากเกินไป Backtest เป็นเครื่องมือช่วยตัดสินใจ ไม่ใช่คำตอบสุดท้าย กลยุทธ์ที่ดีใน backtest ยังต้องผ่านการ forward test (ทดสอบกับข้อมูลปัจจุบันแบบ real-time แต่ยังไม่ใช้เงินจริง) อีกครั้งก่อนจะนำไปใช้กับเงินจริง
สถิติจากประสบการณ์: จาก 15 กลยุทธ์ที่ backtest แล้วผ่านเกณฑ์ มีเพียง 4 กลยุทธ์ที่ทำงานได้ดีใน forward test แสดงว่า backtest ผ่านไม่ได้การันตีผลกำไรจริง

ควรเริ่มต้นอย่างไรกับ backtest engine

สำหรับมือใหม่ที่เพิ่งเริ่ม ผมแนะนำให้เริ่มจากกลยุทธ์ง่าย ๆ เช่น moving average crossover หรือ RSI strategy ก่อน เพื่อทำความเข้าใจการทำงานของ backtest engine ให้ดีเสียก่อน แล้วค่อยขยับไปสู่กลยุทธ์ที่ซับซ้อนขึ้น การมีวินัยในการบันทึกผลการทดสอบแต่ละครั้งก็สำคัญมาก ผมใช้ spreadsheet บันทึกทุกกลยุทธ์ที่ทดสอบ ทั้งผลลัพธ์ backtest และ forward test เพื่อให้เห็นภาพรวมว่ากลยุทธ์ประเภทไหนทำงานได้ดีกับตลาดปัจจุบัน อย่าลืมว่า backtest engine เป็นเพียงเครื่องมือช่วยตัดสินใจ ไม่ใช่เครื่องทำนายอนาคต การเข้าใจข้อจำกัดของเครื่องมือจะช่วยให้เราใช้มันได้อย่างมีประสิทธิภาพ และหลีกเลี่ยงความผิดพลาดที่พบบ่อย สำหรับใครที่สนใจเริ่มต้น backtest ผมแนะนำให้ศึกษาเพิ่มเติมจากบทความอื่น ๆ ในเว็บของเรา เช่น trading bot api integration guide และ thai model retirement เพื่อเข้าใจภาพรวมของการพัฒนา trading system อย่างครบถ้วน

อ่านเพิ่ม: thai tts pacing

อ่านเพิ่ม: trading bot risk controls checklist

อ่านเพิ่ม: vision chart signals


เขียนโดย อ.บอม · ทีม THE TERMINAL | AI x Trading