พอร์ต Best-in-Class (BIC) เป็นพอร์ตการลงทุนที่ใช้แบบจำลอง Machine Learning ในการคัดเลือกกองทุนที่คาดว่าจะมีผลตอบแทนดีที่สุดในระยะเวลา 6 เดือนข้างหน้า โดยกลยุทธ์ในกลุ่ม BIC จะแบ่งเป็น 5 กลยุทธ์ ได้แก่
- หุ้นเทคโนโลยี (BIC – Global Tech)
- หุ้นกลุ่มอุตสาหกรรมสุขภาพ (BIC – Global Healthcare)
- หุ้นเอเชียไม่รวมญี่ปุ่น (BIC – Asia ex-Japan)
- หุ้นไทยขนาดใหญ่ (BIC – Thai Equity Large Cap)
- อสังหาริมทรัพย์ (BIC – Property)
ซึ่งอ้างอิงจากหมวดหมู่กองทุนที่ถูกจัดโดย Morningstar และ AIMC จากนั้นในทุกรอบการปรับพอร์ต (6 เดือน) จะทำการรันโมเดลเพื่อให้ได้ผลตอบแทนที่คาดหวังใน 6 เดือนข้างหน้าของแต่ละกอง จากนั้นในแต่ละกลยุทธ์ จะทำการเรียงลำดับกองทุนที่มีผลตอบแทนคาดหวังสูงสุด 3 อันดับแรก และจัดออกมาเป็นพอร์ต โดยให้น้ำหนัก 40-30-30% ในกองทุนอันดับ 1-2-3 ตามลำดับ
เนื่องจากพอร์ต BIC มีเป้าหมายคัดเลือกกองทุนที่คาดว่าจะมีผลตอบแทนในอนาคตดีที่สุด ตามหมวดหมู่ที่กำหนด การคัดเลือกโดยใช้โมเดล Machine Learning ถือเป็นวิธีการคัดเลือกกองทุนเชิงปริมาณ (Quantitative Fund Screening) ที่มีประสิทธิภาพ และแสดงให้เห็นจากหลายกรณีศึกษาว่าเป็นโมเดลที่สามารถใช้งานได้จริง แต่ในขณะเดียวกัน การคัดเลือกกองทุนเชิงคุณภาพ (Qualitative Fund Screening) ก็เป็นหนึ่งในปัจจัยที่มีส่วนช่วยในการคัดเลือกกองทุนได้ดีไม่แพ้กัน ข้อมูลเชิงคุณภาพ เช่น การเปลี่ยนแปลงผู้จัดการกองทุนหลัก, การเปลี่ยนแปลงกระบวนการคัดเลือกหุ้นของกลยุทธ์การลงทุน ก็สามารถเป็นตัวบ่งชี้ผลตอบแทนที่คาดหวังในอนาคตได้เช่นกัน
นอกจากนี้ การจัดพอร์ต BIC ด้วยกองทุนจำนวน 3 กองทุน ในอัตราส่วน 40-30-30% ไม่ได้ทำให้ความผันผวนของพอร์ตลดลงอย่างมีนัยสำคัญ เนื่องจากพอร์ต BIC แต่ละพอร์ต มี Universe การลงทุนเป็นกองทุนในภูมิภาคหรือกลุ่มอุตสาหกรรมเดียวกัน ทำให้กองทุนแต่ละกองมีค่า Correlation กับกองทุนอื่นในหมวดเดียวกันที่ค่อนข้างสูง
ยกตัวอย่างเช่น กองทุนรวมไทยหลายกองที่ลงทุนในหุ้นกลุ่มอุตสาหกรรมสุขภาพ (Healthcare) มีการลงทุนในกองทุนหลักเดียวกัน หรือกองทุนรวมไทยหลายกองที่เป็น Passive Fund ในกลุ่มหุ้นเทคโนโลยี ที่ลงทุนแบบ Thematic (เช่น Semiconductor, E-Sports) ถึงแม้จะลงทุนใน ETF ต่างประเทศที่ไม่เหมือนกัน แต่ก็มีผลตอบแทนใกล้เคียงกันเพราะลงทุนใน Thematic เดียวกัน ดังนั้น สำหรับพอร์ต BIC การลงทุนในกองทุนมากกว่า 1 กอง จึงไม่ได้ให้ผลลัพธ์ที่แตกต่างจากการลงทุนในกองทุนเพียงกองทุนเดียวมากนัก
Case Study #1: กองทุน KFHHCARE-A (กองทุนหลัก JPMorgan Funds – Global Healthcare Fund)
กองทุนนี้ถูกคัดเลือกมาอยู่ในพอร์ต BIC – Global Healthcare ในรอบการปรับพอร์ตล่าสุดในช่วงปลายปี 2023 โดยกองทุนหลัก JPMorgan Funds – Global Healthcare Fund ทำผลตอบแทนในช่วงปี 2020 จนถึงปี 2022 ได้อย่างโดดเด่น
เปรียบเทียบผลการดำเนินงานกองทุนหลัก
กองทุน KFHHCARE-A (JPMorgan) กับกองทุน ES-HEALTHCARE (Janus Henderson)
Source: Finnomena Funds, Morningstar as of 13/08/2024
แต่ในช่วงปี 2023 กองทุนหลัก JPMorgan มีการเปลี่ยนผู้จัดการกองทุน ซึ่งปัจจัยนี้อาจส่งผลต่อผลการดำเนินงานของกองทุน กราฟด้านบนแสดงถึงผลตอบแทนย้อนหลังของกองทุนหลัก JPMorgan เทียบกับกองทุนหลัก Janus Henderson Global Life Sciences Fund ซึ่งเป็นกองทุนหลักของกองทุน ES-HEALTHCARE จะสังเกตุเห็นว่าในช่วงปี 2020-2022 กองทุน JPMorgan ทำผลตอบแทนได้โดดเด่น แต่ตั้งแต่ปี 2023 เป็นต้นมา กองทุน Janus Henderson (ซึ่งไม่ได้มีการเปลี่ยนผู้จัดการกองทุน) ทำผลตอบแทนได้ดีกว่า
ถ้าหากพิจารณาเพียงแค่ปัจจัยเชิงปริมาณ มีความเป็นไปได้สูงว่ากองทุนหลัก JPMorgan จะถูกให้คะแนนมากกว่ากองทุนหลัก Janus Henderson ซึ่งหลังจากที่เรานำกองทุนดังกล่าวเข้ามาเป็นส่วนหนึ่งของพอร์ต BIC Global Healthcare กองทุนดังกล่าวก็ทำผลตอบแทนได้ดีเป็นอันดับต้น ๆ ในบรรดากองทุนกลุ่มอุตสาหกรรมสุขภาพ แต่ถ้าหากพิจารณาปัจจัยเชิงคุณภาพเพิ่มเติม ปัจจัยเรื่องการเปลี่ยนผู้จัดการกองทุนจะถูกนำเข้ามาพิจารณาด้วย ซึ่งในปัจจุบัน กองทุน F-Pick ในกลุ่มกองทุนอุตสาหกรรมสุขภาพ ก็คือกองทุน ES-HEALTHCARE ซึ่งมีกองทุนหลักเป็นกองทุน Janus Henderson Global Life Sciences Fund
Case Study #2: Correlation
กองทุนที่ถูกคัดเลือกมาอยู่ในพอร์ต BIC ในแต่ละหมวด ทั้ง 3 กองทุน โดยปกติจะมีลักษณะที่คล้ายกัน ในกรณีของกองทุนหุ้นต่างประเทศ ถึงแม้จะมีกองทุนหลัก (Master Fund) ที่ไม่เหมือนกัน แต่เนื่องจากลักษณะของพอร์ต BIC มีการกำหนดการลงทุนเป็นกองทุนที่ลงทุนในกลุ่มอุตสาหกรรม (Sector Fund) หรือกองทุนที่ลงทุนในภูมิภาคใดภูมิภาคหนึ่ง ทำให้กองทุนแต่ละกองมีการเคลื่อนไหวของราคาที่ใกล้เคียงกัน (มีค่า Correlation ระหว่างกันที่สูง) ยกตัวอย่างเช่นหน้าพอร์ต BIC – Global Tech ในปัจจุบัน ประกอบไปด้วยกองทุน KT-WTAI-A, B-INNOTECH, และ SCBDIGI ในสัดส่วน 40%, 30% และ 30% ตามลำดับ ถ้าหากพิจารณาค่า Correlation
Correlation Matrix ของผลตอบแทนย้อนหลังตั้งแต่จัดตั้งกองทุน
ของกองทุนในหน้าพอร์ต BIC – Global Tech ปัจจุบัน
Source: Finnomena Funds, Morningstar as of 03/09/2024
จะเห็นว่าทั้งสามกองทุนมีค่า Correlation ระหว่างกันที่ค่อนข้างสูง ดังนั้นการจัดพอร์ตลงทุน โดยใช้กองทุนทั้งสามกองนี้ จะไม่ช่วยให้ความผันผวนรวมของพอร์ตลดลง
จัดทำโดยบลป. เดฟินิท สำหรับบลน. ฟินโนมีนา (Finnomena Funds)
คำเตือน: ผู้ลงทุนควรทำความเข้าใจลักษณะสินค้า เงื่อนไขผลตอบแทน และความเสี่ยงก่อนตัดสินใจลงทุน | ผลการดำเนินงานในอดีต และผลการเปรียบเทียบผลการดำเนินงานที่เกี่ยวข้องกับผลิตภัณฑ์ในตลาดทุน มิได้เป็นสิ่งยืนยันถึงผลการดำเนินงานในอนาคต | ผู้ลงทุนอาจมีความเสี่ยงจากอัตราแลกเปลี่ยน เนื่องจากการป้องกันความเสี่ยงขึ้นอยู่กับดุลพินิจของผู้จัดการกองทุน | กองทุนรวมนี้ลงทุนกระจุกตัวในผู้ออกตราสารหรือประเทศใดประเทศหนึ่ง จึงมีความเสี่ยงที่ผู้ลงทุนอาจสูญเสียเงินลงทุนจำนวนมาก ผู้ลงทุนจึงควรพิจารณาการกระจายความเสี่ยงของ พอร์ตการลงทุนโดยรวมของตนเองด้วย | คำแนะนำการลงทุนนี้เป็นไปตามกรอบการพิจารณาของ Finnomena Funds ซึ่งมีเป้าหมายในการสร้างโอกาสรับผลตอบแทนในระยะเวลาตามแต่ละประเภทของพอร์ตเท่านั้น บริษัทมิได้การันตีถึงผลตอบแทนที่จะได้จากคำแนะนำการลงทุนดังกล่าว มีความเสี่ยงที่ผลตอบแทนอาจไม่เป็นไปตามคาดหวัง หรือมีผลขาดทุนได้ | สอบถามข้อมูลเพิ่มเติมหรือขอรับหนังสือชี้ชวนได้ที่บริษัทหลักทรัพย์นายหน้าซื้อขายหน่วยลงทุน ฟินโนมีนา จำกัด ในช่วงเวลาวันทำการตั้งแต่ 09:00-17:00 น. ที่หมายเลขโทรศัพท์ 02 026 5100 และทาง LINE @FINNOMENAPORT | สำหรับผู้ลงทุนในความดูแลของ Kept by krungsri ติดต่อทีม Kept help center ที่หมายเลขโทรศัพท์ 02 296 6299
