ปัญหาที่ใหญ่ที่สุดอย่างหนึ่งในการเทรด คือการคำนวณ "ขนาดเงินเดิมพัน" (Position Sizing) แนวคิดหนึ่งที่นิยมใช้กันคือ Kelly Criterion อย่างไรก็ดี ก็ยังมีความท้าทายคือ เราต้องรู้ความน่าจะเป็น (True Probability) งานวิจัยของ Zheng Song (2017) พาเราไปทดลองเหตุการณ์ที่จะใช้ Kelly Criterion เมื่อเราไม่รู้ค่าความน่าจะเป็นที่แท้จริง (p) และต้องเดาสุ่มเอาหน้างานผ่านการเก็บสถิติไปเรื่อยๆ

The Uncertainty of Success

งานวิจัยนี้จำลองสถานการณ์ที่นักเทรดไม่ได้รู้ค่า p มาตั้งแต่ต้น แต่ใช้วิธี Iteratively Updated หรือการอัปเดตค่าความน่าจะเป็นไปตามผลลัพธ์ที่เกิดขึ้นจริง (Coin Toss) เปรียบเทียบกับกลุ่มที่ใช้ Fixed Estimate (สถิติจากช่วงทดลองงานหรือ Burn-in period) และ Flat Betting (ลงเงินคงที่)

สิ่งที่น่าสนใจคือเมื่อ Edge ของเราต่ำ (เช่น p = 0.505) การใช้สูตร Kelly กลับให้ผลลัพธ์ที่แย่กว่าการลงเงินแบบ Flat Betting (B) เสียอีก เพราะความคลาดเคลื่อนเพียงเล็กน้อยในการประมาณค่า p จะทำให้ขนาด Bet Size ผิดเพี้ยนไปมหาศาลจนพอร์ตพังได้ง่ายๆ

Updated vs. Fixed: อะไรคือทางเลือกที่ดีกว่า?

ผลลัพธ์จากการจำลองเผยให้เห็น Trade-off ที่นักลงทุนทุกคนต้องเจอ:

• Fixed Estimate: หากค่าที่คุณประมาณได้ในช่วง Burn-in ใกล้เคียงกับความเป็นจริง การยึดค่านั้นไว้จะให้ Median Wealth ที่สูงกว่าและมีความผันผวนต่ำกว่า
• Updated Estimate: การอัปเดต p ตลอดเวลาจะให้ผลตอบแทนเฉลี่ยที่สูงขึ้น แต่ต้องแลกมาด้วยความผันผวน (Variance) ที่สูงมากจนน่าตกใจ
• The Error Gap: หากเราประมาณค่า p สูงเกินจริง (Overestimate) การอัปเดตข้อมูลไปเรื่อยๆ จะช่วย "ลดแรงกระแทก" ได้ดีกว่าการดื้อดึงใช้ค่าเดิมที่ผิดพลาด แต่ถ้าเราประมาณไว้ต่ำกว่าจริง (Underestimate) การใช้ค่าคงที่กลับให้ผลลัพธ์ที่นิ่งกว่า

Key Takeaways for Traders

จากการอ่าน Paper ฉบับนี้ ผมสรุปประเด็นสำคัญที่นำมาประยุกต์ใช้ในการบริหารพอร์ตได้ดังนี้:

1. Burn-in Period คือชีวิต: ยิ่งคุณมีข้อมูลตั้งต้นก่อนเริ่มใช้ Kelly นานเท่าไหร่ Median Wealth ของพอร์ตจะยิ่งสูงขึ้น และโอกาสล้มละลายจะลดลงอย่างเห็นได้ชัด
2. Fractional Kelly (k) คือเกราะป้องกัน: ในช่วงแรกที่ข้อมูลยังมีน้อย การใช้ค่า k ต่ำๆ (เช่น Half-Kelly) เป็นเรื่องจำเป็น k ควรจะค่อยๆ เพิ่มเข้าใกล้ 1 ก็ต่อเมื่อเรามั่นใจในฐานข้อมูลที่ใหญ่พอเท่านั้น

ในความเห็นของผม สิ่งที่สำคัญที่สุดจากเปเปอร์นี้ คือ การใช้ Fractional Kelly เพื่อป้องกันตัวเราจากความผิดพลาดที่อาจเกิดขึ้น เราต้องไม่ลืมว่าเราเป็นมนุษย์มองโลกในแง่ดี และมักจะประเมินตัวเลข Probability สูงเกินความจริงเสมอ ซึ่งจะนำไปสู่ Oversizing ซึ่งอาจทำให้พังทั้งพอร์ตได้ง่ายๆ