Building a Quantitative Foundation: Why I Built this repo
เริ่มทำ Quantitative Analysis กับตลาดสหรัฐฯ อย่างจริงจัง สิ่งแรกที่ผมให้ความสำคัญคือ infrastructure ของข้อมูล ปัจจุบันผมพัฒนา Python Private Repo เพื่อเชื่อมต่อกับ Interactive Brokers (IBKR) โดยตรงผ่าน ib_insync ซึ่งโปรเจกต์นี้จะเป็นหัวใจหลักในการบริหารจัดการพอร์ตและทดสอบกลยุทธ์ในอนาคต
The Shift from GUI to Code
หลายคนอาจตั้งคำถามว่าทำไมผมไม่ส่งคำสั่งซื้อขายหรือดูข้อมูลผ่าน TWS หรือ Gateway ของ IBKR โดยตรง การใช้ GUI มีข้อจำกัดเรื่องความคล่องตัวและการขยายสเกล การควบคุมผ่าน Python ช่วยให้ผมปรับแต่งฟังก์ชันได้ตามความต้องการเฉพาะตัว
ผมมองว่า API คือเครื่องมือที่ช่วยปลดล็อกขีดจำกัดด้านเวลาและการจัดการข้อมูล ซึ่ง GUI ทั่วไปให้ไม่ได้ การเขียนโค้ดเพื่อควบคุมพอร์ตคือการเตรียมความพร้อมสำหรับการทำระบบที่ซับซ้อนกว่าเดิมในอนาคต
Data Infrastructure and Stack
หัวใจสำคัญในระยะแรกของ Repo นี้คือการทำ Data Pipeline ผมเลือกใช้ Stack ที่เน้นความเรียบง่ายแต่ทรงพลัง:
- ib_insync: สำหรับการเชื่อมต่อและดึงข้อมูล Real-time/Historical จาก IBKR
- SQLite: สำหรับการจัดเก็บข้อมูลอย่างเป็นระบบเพื่อนำมาใช้งานต่อ
ผมเริ่มจากการดึงข้อมูล US Equity เข้ามาเก็บไว้ในฐานข้อมูล Local การมีข้อมูลเป็นของตัวเองช่วยให้ผมสามารถวิเคราะห์ Price Behaviour ได้โดยไม่ต้องพึ่งพาระบบภายนอกตลอดเวลา
Current Objectives
เป้าหมายของ Repo นี้ในปัจจุบันแบ่งออกเป็น 3 ส่วนหลัก:
- Data Pipeline Learning: ศึกษาและสร้างกระบวนการไหลของข้อมูลตั้งแต่ต้นทางจนถึงฐานข้อมูล
- Data Exploration: วิเคราะห์หาความสัมพันธ์และโครงสร้างของตลาดสหรัฐฯ ผ่านชุดข้อมูลที่จัดเก็บ
- Strategy Backtesting: ทดสอบสมมติฐานการเทรดบนข้อมูลจริงเพื่อหาความได้เปรียบเชิงสถิติ
Next Steps
ผมพยายามสร้างสภาพแวดล้อมที่เอื้อต่อการตัดสินใจด้วยข้อมูล (Data-Driven Decision Making) เพื่อให้ง่ายต่อการต่อยอดในอนาคต