ในช่วงที่ผ่านมาเราเห็นว่าเทคโนโลยีพัฒนาไปมาก โลกของการลงทุนก็พัฒนาวิธีการไปมากเช่นกัน แต่ไม่ค่อยมีใครออกมาอัพเดทวิธีการลงทุนให้เราฟังเลยว่า วิธีการเหล่านั้นทำอย่างไร แต่สิ่งหนึ่งที่เราเห็นบ่อย โดยเฉพาะในปีนี้ นั่นคือ “ความผันผวน” จนนำไปสู่ข้อสังกตว่า นักลงทุนส่วนใหญ่ในตลาด ใช้ข้อมูลเดียวกันในการตัดสินใจ ไม่ว่าจะเป็น ตัวเลขเศรษฐกิจ งบการเงิน บทสัมภาษณ์ผู้บริหาร หรือแม้กระทั่งกราฟทางเทคนิค แล้วมันมีข้อมูลอื่นอีกหรือไม่ ที่นักลงทุนยังไม่ทราบ และหากว่าทราบแล้ว จะช่วยให้จัดการเรื่องความเสี่ยงและผลตอบแทนได้ดีขึ้น ทั้งจากการลงทุนในค่าเงิน และตราสารทุน

ข้อมูลทางเลือก (Alternative data) คือ อะไร?

ตามนิยามแล้ว ข้อมูลทางเลือกในที่นี้ หมายถึง ข้อมูลใด ๆ ก็ตามที่ไม่ได้อยู่ในตลาด (non-market data) และเป็นข้อมูลที่เกิดจากบุคคล องค์กร หรือแม้กระทั่งจากรัฐบาลก็ได้ ตัวอย่างเช่น การโพสต์โซเชียลมีเดีย ข้อมูลการทำธุรกรรมขององค์กร ภาพถ่ายจากดาวเทียม (ส่วนมากใช้ในการดู Supply ของน้ำมันดิบ) สภาพภูมิอากาศ เป็นต้น

เมื่อเก็บรวบรวมข้อมูลต่าง ๆ ได้มากพอ กระบวนการต่อไป คือ การทำ Machine Learning หรือ การทำให้คอมพิวเตอร์สามารถเรียนรู้ได้ด้วยตัวเองจากข้อมูลที่มีอยู่

การนำข้อมูลทางเลือก (Alternative data) ไปใช้

การนำไปใช้นั้น มีความยุ่งยาก ซับซ้อน และต้องใช้คนที่มีทักษะความรู้ในระดับสูง ทางด้านสถิติ และการทำ Machine Learning เพื่อนำไปพัฒนาโมเดลต่าง ๆ โดยเริ่มจากการจดจำรูปแบบในอดีต ไปจนถึงขั้นการนำข้อมูลเชิงปริมาณอื่น ๆ เข้าไปวิเคราะห์ร่วม ซึ่งแน่นอนว่า การได้มาซึ่งข้อมูลทางเลือก ย่อมมีค่าใช้จ่าย และไม่สามารถการันตีผลลัพธ์ที่แน่นอนได้ แต่ถ้าหากได้รับการทดสอบมากพอ มันจะเรียนรู้และพัฒนาไปได้ไกลมากขึ้น และมีความแม่นยำมากขึ้นตามลำดับ

นักลงทุนรายย่อยจะทำอย่างไรได้บ้าง เมื่อการเข้าถึงและการใช้ข้อมูลทางเลือก ไม่ได้เปิดกว้าง แถมยังต้องเข้าใจการใช้เครื่องมือเฉพาะทางที่มีความยากและซับซ้อน ?

เราต้องย้อนกลับไปที่จุดเริ่มต้น ว่าระบบการเทรด การลงทุนนั้น โดยหลักแล้ว เกิดจากการพิจารณา 2 เรื่อง นั่นคือ ความเสี่ยงและผลตอบแทน เพียงแต่ว่าในช่วงหลัง การมีผู้เล่นที่เก่ง และใช้กลวิธีหลากหลายรูปแบบ ทำให้เกิดสิ่งที่ต่างชาติเรียกว่า The Hunt For Alpha ซึ่งคำว่า Alpha หากพูดให้เข้าใจง่าย มันคือการพยายามเอาชนะตลาด หรือการหาผลตอบแทนที่ได้มากกว่าค่ามาตรฐานหรือดัชนี นั่นแปลว่า การหาผลกำไรที่เป็น Active Return จากการใช้ข้อมูลทางปัจจัยพื้นฐาน และทางเทคนิค เพื่อลงทุนหรือเทรดในระยะสั้น จะทำได้ยากขึ้นเรื่อย ๆ

สิ่งที่เกิดขึ้น คือ นักลงทุนรายย่อยมีการปรับตัว โดยโยกเงินเข้าไปลงทุนใน Passive funds แม้กระทั่งคุณ Cliff Asness ผู้ร่วมก่อตั้ง AQR Capital Management ก็เคยให้สัมภาษณ์เมื่อปลายปี 2017 ว่า เขาได้ขยับสัดส่วนการลงทุน จากประมาณ 20% ใน passive funds สู่ระดับ 40% (นั่นแปลว่าเขามีมุมมองว่าตลาดยังคงเป็นขาขึ้นในระยะยาว) แล้วปล่อยให้ส่วนที่เหลือเป็น Active และในขณะเดียวกัน ก็มีบางคนประยุกต์ใช้ข้อมูลทางเลือกจากการสังเกต (หากรอให้เรียนรู้จนทำ Machine Learning เป็น อาจจะใช้นานมาก จนพลาดโอกาสที่ดีในการลงทุน)

ตัวอย่างข้อมูลทางเลือกที่นักลงทุนรายย่อยเข้าถึงได้ เพื่อประกอบการตัดสินใจลงทุน

• App Usage & Web Traffic เราสามารถคาดการณ์ผลการดำเนินงานของบริษัทที่เน้นการซื้อขายสินค้าออนไลน์ได้จากการเข้าไปค้นหาว่า มีจำนวนผู้ใช้งาน App และ Website ของบริษัทนั้น ๆ มากน้อยเพียงใดในช่วงที่ผ่านมา นั่นทำให้เรารู้ว่า บริษัทมีสเกลขนาดไหนในโลกออนไลน์ (ส่วน % การเปลี่ยน Traffic Online มาเป็นยอดขาย ก็คงต้องอาศัยการสอบถามจากนักลงทุนสัมพันธ์ของบริษัท)
• Pricing เนื่องจากโลกมุ่งหน้าเข้าสู่การค้าขายแบบ E-commerce มากขึ้น เราจึงสามารถเปรียบราคาขายของบริษัทที่เรากำลังพิจารณาจะเข้าไปลงทุน กับบริษัทคู่แข่งได้ โดยใช้ข้อมูลนี้ประกอบเข้ากับข้อที่ 1
• Reviews & Ratings โลกโซเชียลมีเดีย ทำให้เราเห็นว่าลูกค้า รู้สึกอย่างไรกับบริษัทนั้น ๆ และสินค้าที่ลูกค้าได้รับ สามารถใช้งานได้จริง และได้ผลตามที่บริษัทได้เคยบอกไว้หรือไม่
• Sentiment หากว่าเราพิจารณา ข้อ 1-3 ว่าบริษัทนั้น มีผู้ใช้มาก ราคาแข่งขันได้ และลูกค้าพอใจ แต่ข่าวที่ส่งในสำนักข่าวต่าง ๆ กลับโจมตี ตรงนี้เราก็สามารถกลับไปพิจารณาข้อเท็จต่อได้ โดยไม่คล้อยตามข้อความในข่าวมากนัก

ทั้งหมดนี้ เป็นเพียงแนวทาง การใช้ข้อมูลทางเลือกที่นอกเหนือจากการงบการเงิน และกราฟทางเทคนิค ที่ยังไม่ถูกนำมาใช้อย่างแพร่หลายมากนัก แต่ทว่ามีประโยชน์สำหรับการพิจารณาตัดสินใจลงทุน ที่เราสามารถตรวจสอบด้วยตนเองได้

-ศิริวิมล วิสุทธิ์ศักดิ์ชัย-