StratCraft และฟิสิกส์ของ Quant: แยกชั้นเรนเดอร์ออกจากแกนกลาง
บทความตอนสุดท้ายของซีรีส์ เจาะลึกเหตุผลที่การเทรดด้วยมนุษย์เต็มไปด้วยชั้นเรนเดอร์ทางอารมณ์ ขณะที่โมเดล Quant เข้าถึงตัวเลขดิบโดยไม่มีสิ่งเจือปน
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- บทความนี้เป็นตอนที่ 3 และเป็นตอนสุดท้ายของซีรีส์เรื่องการเรนเดอร์ข้อมูลของสมองและโมเดล
- มนุษย์มองกราฟราคาหุ้นแล้วแปลงเป็นรูปร่างทางกายวิภาค เช่น รูปหัวและไหล่ (Head and Shoulders)
- โมเดล Machine Learning อย่าง XGBoost ทำงานโดยอาศัยต้นไม้ตัดสินใจหลายร้อยต้นประมวลผลตัวเลขดิบโดยไม่มีอารมณ์
- การมีชั้นเรนเดอร์ทางอารมณ์ระหว่างข้อมูลกับตัวนักเทรดคือต้นทุนที่แพงที่สุดในตลาดการเงิน
นี่คือบทความตอนที่ 3 ในซีรีส์ทั้งหมด 3 ตอน โดยตอนแรกสำรวจว่าเหตุใดสมองมนุษย์และ LLM จึงใช้การเปรียบเทียบเรื่องการเรนเดอร์เหมือนกัน ส่วนตอนที่ 2โต้แย้งว่าการเพิ่มพลังประมวลผลไม่สามารถข้ามเส้นแบ่งความมีสำนึกได้ และตอนสุดท้ายนี้จะตั้งคำถามว่า จะเกิดอะไรขึ้นเมื่อคุณนำชั้นการเรนเดอร์ไปไว้ในพื้นที่ที่ลงโทษความบิดเบือนอย่างรุนแรง
ผมมีเพื่อนคนหนึ่งที่ชอบเทรดหุ้น เขาไม่ได้เทรดเป็นอาชีพ มีงานประจำ บัญชีนายหน้าซื้อขายหลักทรัพย์ และมีความคิดเห็นที่หนักแน่นเกี่ยวกับกราฟราคา เย็นวันหนึ่งเขาเปิดกราฟราคาหุ้นขึ้นมาแล้วชี้ไปยังรูปแบบหนึ่งใกล้กับจุดสูงสุด พร้อมกับบอกว่าเป็นรูปแบบกลับตัวคลาสสิกที่เรียกว่าหัวและไหล่ และเขากำลังจะถอนตัวออก
ในขณะที่ผมมองกราฟอันเดียวกัน ผมเห็นราคาหุ้นวิ่งขึ้นแล้วก็วิ่งลง ผมมองไม่เห็นหัว ผมมองไม่เห็นไหล่ ผมเห็นแค่เส้นกราฟเท่านั้น เพื่อนของผมไม่ได้พูดผิดเสียทีเดียว เพราะรูปแบบหัวและไหล่เป็นรูปแบบที่มีอยู่จริงและนักเทรดใช้กันมานานหลายทศวรรษ เพียงแต่เขาดูอนุกรมเวลาของราคาแล้วสมองของเขาก็เรนเดอร์มันออกมาเป็นอวัยวะของมนุษย์ ก่อนจะตัดสินใจทางการเงินโดยอิงจากอวัยวะชิ้นนั้นแทนที่จะเป็นตัวเลข
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
นั่นคือการทำงานของชั้นเรนเดอร์ (Render Layer) และตลาดหุ้นก็คือสถานที่ที่เลวร้ายที่สุดที่จะปล่อยให้มันทำงานโดยไม่มีการตรวจสอบ เมื่อนักเทรดแบบใช้วิจารณญาณมองกราฟ สมองของพวกเขาจะนำข้อมูลดิบมารวมกันแล้วยุบรวมเป็นฉากที่ถูกเรนเดอร์ไว้ล่วงหน้า พร้อมด้วยชื่อรูปแบบ ความเชื่อมโยงทางอารมณ์ และความทรงจำเกี่ยวกับครั้งล่าสุดที่กราฟมีลักษณะคล้ายกัน
"Head and shoulders. Classic reversal pattern. I'm getting out."
ปัญหานี้ไม่ใช่เรื่องเล็กๆ แต่มันคือปัญหาทั้งหมด การเทรดของมนุษย์คือการเทรดด้วยอารมณ์ ไม่ใช่เพราะนักเทรดไร้ระเบียบวินัย แต่เป็นเพราะฮาร์ดแวร์ในหัวไม่มีสวิตช์ปิด ชั้นเรนเดอร์จะแนบความรู้สึก ความทรงจำ และรูปแบบที่จับคู่กันเข้ากับข้อมูลทุกจุดก่อนที่คุณจะมีโอกาสได้มองมันจริงๆ
ในเชิงเทคนิคแล้ว สมองของมนุษย์วิวัฒนาการมาเพื่อจดจำรูปแบบทางภาพและการเอาตัวรอด ทำให้เรามักมองเห็นภาพที่มีความหมาย (Pattern Recognition) แม้กระทั่งในข้อมูลสุ่มอย่างกราฟราคา การเปลี่ยนผ่านจากข้อมูลตัวเลขดิบไปเป็นภาพในหัวจึงช่วยลดภาระการประมวลผลของสมอง แต่ในตลาดการเงินที่เต็มไปด้วยสัญญาณรบกวน กลไกนี้กลับกลายเป็นอคติที่สร้างความเสียหายได้เพราะเราตัดสินใจด้วยความกลัวหรือความโลภแทนที่จะเป็นความน่าจะเป็นทางสถิติ
คนส่วนใหญ่ไม่เคยเข้าไปดูข้างในโมเดล Machine Learning ดังนั้นนี่คือความลับ: มันน่าเบื่อมาก ลองพิจารณา XGBoost ซึ่งเป็นหนึ่งในอัลกอริทึมที่ถูกใช้งานมากที่สุดในการเงินเชิงปริมาณ แกนหลักของมันมีความเรียบง่ายจนน่าตกใจ คุณป้อนตารางข้อมูลให้มัน โดยแต่ละแถวคือช่วงเวลาหนึ่ง และแต่ละคอลัมน์คือตัวเลข เช่น การเปลี่ยนแปลงของราคาในช่วง 5 นาทีที่ผ่านมา หรือความผันผวน
XGBoost จะพิจารณาตารางนี้และถามคำถามทีละข้อ เช่น การเปลี่ยนแปลงของราคาใน 5 นาทีมากกว่า 0.3% หรือไม่? ถ้าใช่ให้ไปทางซ้าย ถ้าไม่ใช่ให้ไปทางขวา จากนั้นมันจะสร้างต้นไม้ตัดสินใจขนาดเล็กหลายร้อยต้นเพื่อแก้ไขข้อผิดพลาดของต้นไม้ก่อนหน้า การทำนายขั้นสุดท้ายคือการลงคะแนนร่วมกันของต้นไม้ทั้งหมด โดยไม่มีความรู้สึก ไม่มีอารมณ์ และไม่มีอดีตในวัยเด็ก
โมเดล ML ไม่มีชั้นเรนเดอร์ มันไม่เคยเห็นกราฟ และไม่เคยจดจำรูปแบบด้วยการแปลงข้อมูลภาพให้กลายทางอารมณ์ มันรับตัวเลขเข้ามาและส่งตัวเลขออกไป การข้ามชั้นเรนเดอร์ไปหมายความว่ามันสัมผัสกับคณิตศาสตร์โดยตรงโดยไม่ต้องผ่านตัวกรองความบิดเบือนที่ฝึกฝนมาตั้งแต่ความทรงจำในวัยเด็ก
ที่มา: Dev.to
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น