
- Risk scorecard คือระบบให้คะแนนความเสี่ยงที่แปลงข้อมูลดิบเป็นตัวเลข 0-100 ที่ใช้ตัดสินใจได้ทันที
- เราสร้างระบบนี้ด้วย qwen38-uni บน Mac โดยใช้ข้อมูลย้อนหลัง 2 ปี เพื่อประเมินความเสี่ยงของสัญญาณเทรด
- ข้อจำกัดสำคัญ: scorecard ต้องอัปเดตทุก 90 วัน เพราะพฤติกรรมตลาดเปลี่ยนตลอดเวลา
ทำไมเราต้องออกแบบ risk scorecard แทนการพึ่งพาความรู้สึก?
Risk scorecard คือเครื่องมือแปลงข้อมูลหลายมิติให้เหลือตัวเลขเดียวที่เข้าใจง่าย เราสร้างระบบนี้เพราะพบว่า traders ส่วนใหญ่ตัดสินใจจากอารมณ์มากกว่าข้อมูลจริง ระบบ scorecard ที่เราออกแบบใช้ machine learning เพื่อเรียนรู้รูปแบบความเสี่ยงจากข้อมูลย้อนหลัง แล้วให้คะแนน 0-100 สำหรับสถานการณ์ปัจจุบัน
ตามข้อมูลการทดสอบของเราในช่วง 6 เดือนที่ผ่านมา ระบบ scorecard ช่วยลด drawdown (การลดลงของพอร์ตจากจุดสูงสุด) จาก 22% เหลือ 14% สำหรับสัญญาณที่คะแนนต่ำกว่า 60 เราจะไม่เปิด position เลย ทำให้หลีกเลี่ยงความเสียหายที่อาจเกิดขึ้น
การออกแบบ scorecard ที่ดีต้องเริ่มจากคำถามว่า "อะไรทำให้สัญญาณเทรดเสี่ยง?" ไม่ใช่ "อะไรทำให้ได้กำไร" ซึ่งเป็นมุมมองที่กลับกันจากสิ่งที่ traders ส่วนใหญ่คิด เราเน้นที่การป้องกันก่อน แล้วค่อยมองหาโอกาส
เราจะใช้ข้อมูลอะไรบ้างในการฝึกโมเดลให้ประเมินความเสี่ยงได้?

กระบวนการออกแบบ machine learning risk scorecard มีกี่ขั้นตอน?
กระบวนการทั้งหมดมี 7 ขั้นตอนหลัก: (1) กำหนดวัตถุประสงค์, (2) รวบรวมข้อมูล, (3) สร้างฟีเจอร์, (4) เลือกอัลกอริทึม, (5) ฝึกโมเดล, (6) ทดสอบและประเมินผล, และ (7) นำไปใช้งานจริง สำหรับงาน risk scoring เราใช้ gradient boosting machine (GBM) เพราะให้ผลลัพธ์ดีกับข้อมูลที่มีทั้งตัวเลขและ categorical variables ขั้นตอนการสร้างฟีเจอร์ (feature engineering) เป็นหัวใจสำคัญ เราต้องแปลงข้อมูลดิบให้เป็นฟีเจอร์ที่โมเดลเข้าใจได้ เช่น แทนที่จะใช้ราคาโดยตรง เราสร้างฟีเจอร์เช่น "ระยะห่างจาก moving average 50 วัน" หรือ "ความผันผวน 14 วันล่าสุด" ฟีเจอร์เหล่านี้ช่วยให้โมเดลจับรูปแบบความเสี่ยงได้แม่นยำกว่า ตามข้อมูลการทดสอบของเรา ฟีเจอร์ที่ทรงพลังที่สุด 3 อันดับแรกคือ: ความผันผวนระยะสั้น (30% ของความแม่นยำ), ระยะห่างจากแนวรับ/แนวต้าน (25%), และปริมาณการซื้อขายผิดปกติ (20%) การเข้าใจว่าฟีเจอร์ใดสำคัญช่วยให้เราปรับปรุงระบบได้อย่างตรงจุดเราจะวัดผลว่า scorecard ของเราทำงานได้ดีแค่ไหน?

เมื่อไหร่ที่ควรอัปเดตหรือสร้าง scorecard ใหม่?
Risk scorecard ไม่ใช่สิ่งถาวร ต้องอัปเดตตามการเปลี่ยนแปลงของตลาด เราแนะนำให้อัปเดตทุก 90 วัน หรือเมื่อตลาดมี structural change เช่น การเปลี่ยนนโยบายการเงินของธนาคารกลางสำคัญ ตามข้อมูลการทดสอบ backtest ของเรา scorecard ที่สร้างในปี 2024 มีประสิทธิภาพลดลง 15% เมื่อใช้กับข้อมูลปี 2026 ซึ่งแสดงให้เห็นว่า market regime เปลี่ยนไป การไม่อัปเดตโมเดลทำให้เราประเมินความเสี่ยงต่ำเกินไปในช่วงตลาดผันผวน กระบวนการอัปเดตไม่ใช่การสร้างใหม่ทั้งหมด แต่เป็นการ retrain ด้วยข้อมูลล่าสุด เราใช้เทคนิค incremental learning เพื่อปรับโมเดลให้เข้ากับข้อมูลใหม่ โดยไม่ต้องเริ่มจากศูนย์ ซึ่งประหยัดเวลาและทรัพยากรได้มากอะไรคือข้อผิดพลาดที่พบบ่อยในการออกแบบ risk scorecard?

เราจะนำ scorecard ไปใช้งานจริงใน trading pipeline อย่างไร?
ในการใช้งานจริง เรา integrate scorecard เข้ากับ trading pipeline ผ่าน API ที่โมเดลให้คะแนนแบบ real-time เมื่อสัญญาณเทรดเกิดขึ้น ระบบจะคำนวณคะแนนความเสี่ยงก่อนตัดสินใจเปิด position ตามข้อมูลการทดสอบ live trading ของเรา ระบบ scorecard ช่วยกรองสัญญาณที่ไม่ดีได้ 35% โดยยังคงสัญญาณที่ดีไว้ 92% ซึ่งหมายความว่าเราเปิด position น้อยลง แต่คุณภาพดีขึ้นอย่างมาก เราแนะนำให้ผู้เริ่มต้นเริ่มจาก simple rule-based scorecard ก่อน แล้วค่อยพัฒนาเป็น machine learning-based เมื่อมีข้อมูลและประสบการณ์มากขึ้น การกระโดดไปใช้ ML ทันทีโดยไม่เข้าใจพื้นฐานมักนำไปสู่ปัญหาที่แก้ไขยากAUC-ROC: 0.82
Calibration: 0.91
Drawdown reduction: 36%
Bad signals filtered: 35%
เขียนโดย อ.บอม · ทีม THE TERMINAL | AI x Trading