มองตลาดหุ้นโลกผ่านเลนส์ นักเศรษฐศาสตร์พฤติกรรม (จบ)

คอลัมน์ลงทุนทั่วโลก
ศุภกร พัฒนวศิน*
บลจ.วรรณ

คลิกอ่าน>>มองตลาดหุ้นโลกผ่านเลนส์นักเศรษฐศาสตร์พฤติกรรม (1)

ในส่วนกระบวนการคิดในการตัดสินใจลงทุนของนักลงทุนมืออาชีพนั้น นักลงทุนประเภท day trader จะตัดสินใจด้วยระบบ 1 เนื่องจากจำเป็นต้องตัดสินใจและส่งคำสั่งซื้อขายอย่างรวดเร็ว โดยระบบ 1 ของ trader ส่วนมากสามารถนำความคิดและพฤติกรรมของมนุษย์ผ่านการเชื่อมโยงความทรงจำและเก็บทักษะที่มนุษย์ฝึกฝนมาตลอดชีวิตมาใช้งานอย่างมีประสิทธิภาพ

ในขณะที่นักลงทุนประเภท active investors ของสถาบันการเงินต่าง ๆ จะเน้นการตัดสินใจโดยใช้ระบบ 2 โดยมีการตอบสนองต่อข้อมูลข่าวสารที่ได้รับอย่างระมัดระวังมากกว่านักลงทุนรายย่อย อีกทั้งกระบวนการตัดสินใจลงทุนจำเป็นต้องดำเนินการผ่านคณะกรรมการลงทุน ซึ่งจำเป็นต้องมีการประชุมและอภิปรายก่อนตัดสินใจลงทุน เพื่อให้การลงทุนเป็นไปตามกรอบนโยบายและแผนการลงทุนของบริษัท ทำให้ระยะเวลาพิจารณาการลงทุนมากกว่านักลงทุนรายย่อย

ในต่างประเทศ Essentia Analytics บริษัทให้คำปรึกษาด้านการวิเคราะห์พฤติกรรมได้นำแนวคิดเศรษฐศาสตร์พฤติกรรมมาประยุกต์ใช้ในการบริหารกองทุน โดยเน้นไปที่การสะกิด (nudge) โดยให้ผู้จัดการกองทุนตอบคำถามและบันทึกเหตุผลทุกครั้งก่อนการตัดสินใจ เพื่อให้แน่ใจว่าทุกการตัดสินใจใช้เหตุผลเป็นไปตามนโยบายการลงทุนที่วางไว้ และลดอคติในการลงทุนให้มากที่สุด ส่งผลให้ผู้จัดการกองทุนสามารถตัดสินใจได้ดีขึ้น รวมถึงสร้างผลตอบแทนได้ดีกว่ากองทุนอื่น (ผลตอบแทนที่เพิ่มขึ้นจากการลงทุนโดยนักลงทุนที่ใช้อารมณ์น้อยกว่า เรียกว่า behavioral alpha)

อย่างไรก็ตาม ภาพรวมกองทุนส่วนใหญ่ยังคงมีผลตอบแทนที่ต่ำกว่าดัชนีตลาดสะท้อนว่า โดยภาพรวมแล้วการลงทุนประเภท active investment ยังไม่ตอบโจทย์ในเรื่องของผลตอบแทนที่ต้องการเอาชนะตลาด ส่งผลให้การลงทุนแบบ passive investment ที่อยู่บนพื้นฐานสมมุติฐานประสิทธิภาพของตลาด (efficient market hypothesis) โดดเด่นอย่างมากในช่วง 20 ปีที่ผ่านมา

2) ผู้เล่นในตลาดที่เป็นเครื่องจักรและการซื้อขายถูกกำหนดโดยระบบอัตโนมัติ (systematic trading)

ปัจจุบันกลยุทธ์ลงทุนตั้งอยู่บนกฎและระบบซื้อขายอัตโนมัติได้รับความนิยมจากนักลงทุนจำนวนมาก เป็นผลจากการพัฒนาอย่างรวดเร็วจากเทคโนโลยีคอมพิวเตอร์ที่ก้าวหน้า ทำให้ต้นทุนของการลงทุนประเภทนี้ต่ำลง การลงทุนประเภทนี้สามารถประมวลผลและส่งคำสั่งซื้อขายได้ในเวลาอันสั้น และเป็นการลงทุนที่ปราศจากภาวะทางอารมณ์และปัจจัยเชิงจิตวิทยาโดยการลงทุนที่กลยุทธ์ลงทุนตั้งอยู่บนกฎมีหลายรูปแบบด้วยกัน

อย่างเช่น algorithmic trading เป็นการลงทุนที่มีการนำแนวคิดการลงทุนมาวิเคราะห์และสร้างเป็นกลยุทธ์การลงทุนผ่านอัลกอริทึม (หากมีการนำกลยุทธ์การลงทุนมาสร้างแบบจำลองทางคณิตศาสตร์และสถิติ จะเรียกว่า quantitative trading) ซึ่งจะมีการทดสอบกลยุทธ์การลงทุนผ่านข้อมูลในอดีต (back testing) เพื่อให้เห็นว่ากลยุทธ์ดังกล่าวสามารถสร้างผลตอบแทนในตลาดได้จริง โดยสามารถซื้อขายผ่านมนุษย์หรือระบบซื้อขายอัตโนมัติ (automated trading) ขึ้นอยู่กับนักลงทุน

เมื่อพิจารณากระบวนการลงทุนดังกล่าวจะเห็นได้ว่า algorithmic trading มีลักษณะการคิดคล้ายระบบ 1 ของมนุษย์ หรือมีการตัดสินใจผ่านข้อมูลหรือประสบการณ์ในอดีตที่ได้ถูกบันทึกและพัฒนาเป็นระบบการลงทุน ทำให้อัลกอริทึมสามารถตัดสินใจลงทุนได้อย่างรวดเร็วและแม่นยำ อีกทั้งข้อได้เปรียบที่สำคัญและทำให้แตกต่างจากการใช้กระบวนการคิดระบบ 1 ในการลงทุน คือกลยุทธ์การลงทุนจำกัดการใช้อารมณ์ รวมถึงวินัยในการลงทุนที่มากกว่า จึงทำให้ผลตอบแทนของ algorithmic trading โดดเด่นกว่าการซื้อขายของ trader ที่เป็นมนุษย์

เทคโนโลยีปัญญาประดิษฐ์ (AI : artificial intelligence) ได้ถูกนำมาประยุกต์ใช้ในการบริหารเงินลงทุนเช่นกัน โดยเทคโนโลยี AI มีการใช้งานในลักษณะของอัลกอริทึมกลยุทธ์การลงทุน เพียงแต่มีคุณสมบัติที่เหนือกว่า เช่น อัลกอริทึมสามารถเรียนรู้ทำความเข้าใจข้อมูลที่ได้รับ และสามารถตัดสินใจลงทุนได้ด้วยตนเอง (ML : machine learning) รวมถึงตัวอัลกอริทึมสามารถวิเคราะห์ข้อมูลเชิงลึก (DL : deep learning) ได้เช่นเดียวกัน

งานวิจัยของ Francesca Rossi นักวิทยาศาสตร์คอมพิวเตอร์ชาวอิตาเลียนที่ได้ศึกษากระบวนการคิดของเทคโนโลยี AI โดยนำมาเปรียบเทียบกับมนุษย์ พบว่ากระบวนการคิดของ AI มีคุณสมบัติคล้ายทั้งระบบ 1 และระบบ 2 ของมนุษย์ ในส่วนของ machine learning มีลักษณะคล้ายระบบ 1 เนื่องจาก ML มีการสร้างแบบจำลองจากข้อมูลประสาทสัมผัส (sensory data) และ ML ยังมีผลลัพธ์ของกระบวนการคิดที่อาจไม่ชัดเจนพอและเต็มไปด้วยอคติเช่นเดียวกับระบบ 1 ของมนุษย์

โดยอคติของอัลกอริทึมเกิดขึ้นจากกระบวนการเรียนรู้ของเครื่องคาดการณ์หรือวิเคราะห์ข้อมูลผิดพลาด เกิดขึ้นจากปัจจัยต่าง ๆ เช่น ฐานข้อมูลที่ใช้ในกระบวนการเรียนรู้ของเครื่องมีไม่มากพอ จึงวิเคราะห์และอนุมานข้อมูลตามข้อมูลเท่าที่มีทำให้เกิดความผิดพลาดได้ (sample bias) หรือเกิดจากการป้อนข้อมูลที่มีอคติในโลกความเป็นจริงเข้าไปในอัลกอริทึม ทำให้กระบวนการเรียนรู้มีอคติ (prejudice bias) เป็นต้น

นอกจากนี้ ที่กระบวนการ DL ของ ML ยังไม่สามารถเรียนรู้และเข้าใจข้อมูลที่ได้รับได้ลุ่มลึกเท่ากับระบบ 1 ของมนุษย์ที่สามารถเรียนรู้ประสบการณ์และกลั่นกรองออกมาเป็นสัญชาตญาณได้ รวมถึงอัลกอริทึมของ ML ยังขาดกระบวนการคิดอย่างมีเหตุผลและสามัญสำนึก เมื่อศึกษาในส่วนของการเปรียบเทียบกระบวนการคิดของ AI กับระบบ 2 ของมนุษย์ พบว่ามีลักษณะที่คล้ายกันเนื่องจาก AI มีทักษะด้านการคำนวณ การค้นหาและการวางแผน รวมถึงทักษะการตัดสินใจ โดยการใช้ระบบโครงข่ายประสาทเทียม (artificial neural network) เรียนรู้และจดจำสัญลักษณ์ในรูปแบบของกรอบแนวคิดระดับสูง (higher-level concepts)

โดยสรุป ไม่ว่าจะเป็นมนุษย์หรือเครื่องจักรต่างมีโอกาสที่จะมีอคติในการตัดสินใจทั้งสิ้น เพียงแต่อคติที่เกิดขึ้นจาก algorithmic trading มีน้อยกว่าหรือแทบไม่มีเลย และการตัดสินใจที่ถูกกำหนดโดยระบบอัตโนมัติส่วนมากมีลักษณะคล้ายกระบวนการคิดระบบ 1 ของมนุษย์ จึงทำให้เกิดการตัดสินใจลงทุนที่รวดเร็ว เมื่อพิจารณาสัดส่วนของ algorithmic trading

ในปัจจุบัน พบว่าธุรกรรมราว 65-70% ของตลาดหุ้นถูกกำหนดโดย algorithmic trading เป็นหนึ่งในปัจจัยที่ส่งผลให้ตลาดหุ้นปรับตัวขึ้นลงเร็วกว่าอดีต และมีแนวโน้มที่ตลาดจะตอบสนองต่อข้อมูลข่าวสารอย่างมีประสิทธิภาพมากขึ้น จากความเร็วของการรับข้อมูลและการดำเนินการลงทุนที่ใช้เวลาน้อยลงของระบบซื้อขาย

* หมายเหตุ – ผู้เขียนเป็นนิสิตฝึกงานที่ฝ่ายกลยุทธ์และพัฒนาผลิตภัณฑ์การลงทุน บลจ.วรรณ