หุ้นตัวไหนเป็นหุ้น Attack ตัวไหนเป็นหุ้น Defense (มารู้จักกับ Beta และ Systematic/Unsystematic riskกันครับ)

Beta ก็คือตัววัด Volatility ของหุ้นตัวหนึงแหละครับแต่คราวนี้เราจะไม่วัดแค่กับตัวหุ้นเองอีกแล้ว จะเห็นว่าที่ผ่านมาเราจะวัดความเสี่ยงด้วย Standard Deviation หรือ Volatility กับตัวหุ้นนั้นๆเองใช่ไหมครับถ้าค่ามันสูงก็แปลว่ามันเหวี่ยงมาก ถ้าค่ามันต่ำก็จะแปลว่ามันเหวี่ยงน้อย แต่นั้นเรายังไม่ได้กล่าวถึง Systematic/Unsystematic Risk เลยครับ มาวันนี้เราจะมาดูกันว่า Systematic/Unsystematic Risk  คืออะไร ทำไมเราต้องหุ้นไปวัดกับตลาดด้วย

  • ความเสี่ยงที่เป็นระบบ(Systematic Risk) ก็คือ ความเสี่ยงที่เป็นระบบ ความเสี่ยงอันเกิดจากการเปลี่ยนแปลงของราคาหุ้นที่เกิดจาก “ระบบ” หรือเกิดจาก Factor ที่มีผลกระทบธุรกิจทั้งธุรกิจหรือตลาดทั้งตลาด  เช่น การขึ้น/ลด ภาษีนโยบายของชาติ การเกิดสงคราม เกิดสภาวะเศรษฐกิจตกต่ำ เป็นต้น ซึ่งความเสี่ยงเหล่านี้เกิดจากปัจจัยของที่สร้างความผันผวนที่มีระบบทั้งระบบ(เรียกว่าตลาดก็ได้) เป็นความเสี่ยงที่มาจากแวดล้อมภายนอกที่เราไม่อาจทำอะไรได้ ความเสี่ยงเหล่านี้เราไม่อาจแก้ได้ด้วยการกระจายความเสี่ยง นั้นทำให้ Systematic Risk ได้ถูกรู้จักกันในอีกชื่อนหนึงคือ Undiversified risk เพราะมันเกิดกันทั้งระบบนั้นเอง
  • ความเสี่ยงที่ไม่เป็นระบบ (Unsystematic Risk) ก็คือความเสี่ยงที่เกิดกับบริษัทที่เราไปลงทุนโดยเฉพาะเจาะจงครับไม่ได้แอฟเฟคไปทั้งระบบครับ เป็นปัจจัยภายในของตัวบริษัท หรือ ธุรกิจนั้นๆเอง เช่น CEO ของบริษัทลาออก บริษัทมีโอกาสเบี้ยวชำระหนี้ สินค้าความนิยมถดถอย เป็นต้น

Read more

Hedge Funds ที่ใช้ A.I. เป็นทำผลงานได้ดีแค่ไหน(เปรียบเทียบผลงาน A.I. Funds กับ Hedge Funds กันครับ )

เรื่องของเรื่องผมเคยได้ยินคำถามมาหลังไมค์ว่าใน Hedge Funds จริงๆระดับโลกมีใครเค้าใช้ AI ในการเทรดกันบ้างไหม คำตอบคือมีแน่นอนครับ และมากด้วย เอาง่ายๆถ้าเราฟังคุณปู่ Jim Simon เจ้าของกองทุน Quant Funds อันดับต้นๆของโลกอย่า Renaissance Technologies ที่บริหารเงินกว่า 84,000,000,000 ล้านดอลลาร์สหรัฐคิดเป็นเงินไทยกว่า 2,618,574,000,000 บาท ได้เคยพูดเอาไว้ตอนที่ไป Ted Talk ว่าที่ Funds แกใช้ AI เยอะมากและวิเคราะห์ Big Data มากๆ บางอย่างอาจจะคาดไม่ถึงเลยว่าแกมาใช้มันในการโมเดล Financial World ด้วย เช่น คะแนนโหวตเลือกตั้งล่วงหน้าโอเคอันนี้เรายังอาจจะพอเข้าใจได้ แต่ที่แปลกๆหน่อยก็อาจจะเป็นสภาพอากาศในวันนั้นๆก็ถูกรวมเข้ามาในโมเดลของแกด้วย และแน่นอนว่ามีอีกมากมายแต่คุณปู่แกไม่ได้บอกด้วยความไม่อยากบอกหรืออะไรก็ไม่ทราบได้ แต่ Data ชั่วโมงละหลาย Terabyte ถึงปู่แกอยากจะบอกก็พูดไม่หมดในช่วงเวลานั้นๆที่ Ted Talk เชิญแกมาหรอกครับ ฮา

แต่เอาเถอะวันนี้ผมไม่ได้จะมาเล่าถึง Renaissance Technologies หรอกแต่ พูดถึงการมีอยู่ของ A.I. Funds และทางไหนที่เราจะหา Benchmark ที่เป็นมาตรฐานสำหรับวัดผลงานกองทุน

Read more

Before the birth of GAN, there was a story of IAN

วันนี้ผมได้ไปอ่านเจอคำตอบของ Ian Goodfellow ผู้โด่งดังจากการคิดค้นโมเดลโคตร Hot อย่าง Generative Adversarial Networks(GAN) ที่ตอบคำถามที่ว่า “เข้ามาในวงการ Machine Learning กันได้อย่างไร” ใน Quora มา และเห็นว่ามันมีประโยชน์แล้สนุกดีเลยเอามาแปล+เรียบเรียง+หาResource ที่เจ้าตัวเค้าแนะนำมาให้อ่านกันครับ

สมัยไฮสคูลIanเค้ามีความสนใจหลากหลาย ไม่ได้เกี่ยวกับ AI ซะเท่าไหร่ เช่น พยายามสร้างภาษาขึ้นใช้เอง อยากเขียน literature บลาๆ

หลังจากจบมัธยมIanได้ตัดสินใจ”เลือก”Stanford เพราะค้ารู้ว่าตัวเค้ามีความสนใจหลากหลายเรื่องเกินไป ยังไม่สามารถเลือก Major ได้ และ Stanford เปิดโอกาสให้เขาเลือกคณะได้หลังจากเข้าเรียนไปแล้ว และไม่ต้องเรียนติดต่อกัน 4 ปีจบได้(สามารถหยุดระหว่างนั้น)

ปีแรกก็เหมือนเราๆ(ที่เรียนสายคอมพ์) ได้เริ่มเขียนโปรแกรม C++ เจอบั๊กปวดหัวเหมือนปุถุชนทั่วไป 555+ ซักพักก็เริ่มสนใจเรื่อง Psychology และ Cognitive science ก็เริ่มไปศึกษาแต่ก็ไม่ได้อะไรกลับมามากนัก การมาเรียนมหาลัยเหมือนกับเสียเวลาไปนั่งเรียน+ผลาญเงินพ่อแม่เปล่าๆ Ian จึงตัดสินใจหยุดเรียนไปสก๊อตแลนกับเพื่อนสองคน เริ่มที่จะหาทางทำงานกัน แต่สรุปว่าเหลว จึงกลับไปที่ Stanford แล้วเรียนต่อ

Read more

Neural Style Transfer พาอาจารย์ Stephen Hawking ไปอวกาศกันดีกว่า

ในวัน 14 มีนาคม 2561 ซึ่งตรงกับวัน Pi และ วันเกิดของ Albert Einsteinที่ผ่านมานี้ โลกเราได้สูญเสียบุคลากรที่มีคุณูประกาศต่อโลกยิ่งอย่าง ศ. Stephen Hawking ไปอย่างไม่มีวันกลับ

แม้จะใช้ชีวิตทั้งชีวิตทำงานกับเรื่องของ ฟิสิกห์จักรวาลแต่ตลอดชีวิต ศ. Hawking ท่านอยากไปอวกาศซักครั้ง เคยได้ไปใกล้เคียงสุดก็แค่ ขึ้นเครื่อง Boeing 727 ไปจำลองสภาพไร้แรงโน้มถ่วงเมื่อปี 2007

ทั้งนี้ทั้งนั้น ศ. Hawking ได้เคยบอกไว้ว่า “การไปอวกาศ คือความปรารถนาที่ยังไม่ถูกเติมเต็ม”

ศ. Stephen Hawking กับหนึ่งในวันที่มีความสุขที่สุดในชีวิต

น่าเสียดายที่วันนี้ท่านได้จากเราไปโดยไม่มีวันกลับแล้ว แต่เราสามารถพาท่านอย่างน้อยก็ในรูปภาพไปอวกาศได้เ้วย Style Transfer ซึ่งเป็นเทคนิคของ Deep Convolution Neural Network เพื่อทำการวาดรูป ศ. Stephen Hawking ด้วย Style กาแลคซี่กันเถอะ

Style Transfer คืออะไร

พูดง่ายๆก็คือการนำเอารูปภาพที่เราต้องการเปลี่ยน Style ของรูป มาใส่ Style หรือรูปภาพอีกรูปของศิลปินที่เราชื่นชอบ จากนั้นนำไปใส่อัลกอรึทึ่ม ผลลัพธ์ที่ได้คือรูปของเราที่ถูกวาดด้วย Style ของศิลปินท่านนั้นตัวอย่าง

รูปบนเป็นการนำรูปเมืองเปอเซียโปลิช ของอาญาจักรเปอร์เซีย มาวาดใหม่ด้วย Style ของรูป The Starry Night ของ Van Gogh ผลทีได้ก็คือเมืองที่วาดด้วย Style ของ Van Gogh  นั่นเอง(สวยเนอะ)

แต่ในวันนี้ผมจะมาวาดรูป Stephen Hawking ให้ไปอยู่ท่ามกลางอวกาศด้วยการใช้เทคนิคเดียวกันนี้ครับ

Read more

มาทำความสะอาดข้อมูลกันเถอะ … Let cleaning up you data

Cleaning up your data!

ก่อนจะทำการ Train Model ไม่ว่าจะเป็นการใช้ Algorithm ใดๆก็ตาม ขั้นตอนแรกที่ต้องให้ความสนใจกันก็คือ ขั้นตอนของการทำ “data preprocessing” นั่นเองค่ะ เพื่อเตรียมข้อมูลของเราให้พร้อมก่อนที่จะนำไปใช้ในการสร้างโมเดล

 

 

ในวิดีโอด้านล่าง เราได้จัดทำขึ้นเพื่อแสดงตัวอย่างการทำ Data cleaning อย่างง่ายๆ ด้วยการแทนค่าข้อมูลที่หายไป (Missing values) ด้วยค่า Median ของข้อมูลในคอลัมน์นั้นๆ ด้วยการใช้ Imputer จากไลบารี่ sklearn ของภาษา Python เข้ามาช่วย มาดูกันเลยค่ะ ว่าสามารถทำได้อย่างรวดเร็วและง่ายดายขนาดไหน

 

ลุงตู่บิ๊กป้อมหมอธีร์ กับ One Shot Learning ไปถึง Siamese network(Deep Convolution Neural Network Model) นิวรอนเสี่ยงคุก!!!

เยี่ยมชมเราได้ที่ AlgoAddict

ในยุคที่ AI กำลังเรืองรองอยู่ทุกวันนี้ปฎิเสธไม่ได้ว่า Big Data มีส่วนทำให้มันเกิดอย่างมาก เพราะเรามีข้อมูลจำนวนมากเราจึงสามารถทำให้โมเดลอย่าง Deep Learning สามารถโชว์พลังของมันเพื่ออัพเกรตส่วนต่างๆขององค์กรอย่างมีนัยยะสำคัญ

แต่ปัญหาอย่างหนึงของวงการ Data Science ในปัจจุบันคงไม่พ้นการมีข้อมูลไม่พอครับ ซึ่งการมีข้อมูลไม่พอสามารถแก้ได้หลายทางเหมือนกันเช่น Data Augmentation ใส่ Noise ]งไปในข้อมูลเดิม ลงไปแล้วเจนออกมาเยอะๆเพื่อให้มีดาต้าเยอะขึ้น หรือถ้ารวยหน่อยก็ซื้อดาต้าเพิ่ม แต่มีอีกวิธีที่ นิยมใช้กันในด้าน Image Recognition(การประมวลผลรูปภาพ) ก็คือ One Shot Learning วันนี้ผมจะขอพูดเรื่อง One Shot learning กันหน่อย โดยจะยกตัวอย่างการจำผู้คนโดยใช้ Image Recognition นะครับ

สมมุติ หลังจากที่หมอธีร์ไปมีข่าววิจารณ์บิ๊กป้อมที่อังกฤษ ลุงตู่ได้เรียกเข้าเคลียร์กะนสามคน แต่ครั้งนี้ลุงแกอยากให้มีความแบบไฮเทคหน่อย ลุงตู่อยากให้มี Face Recognition ตรวจจับใบหน้าของครม.สามท่านนี้เวลาเดินผ่านประตูทางเข้าที่จะเข้ามาเคลียร์กัน สมมุติอีกว่าเราจะจำแนกคนที่จะมาร่วมประชุมต่อไปนี้

Read more

เรียนมาแล้วเล่าให้ฟัง Andrew Ng’s “Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization” Course2 แบบสรุปทั้งคอร์ส

วันนี้ผมจะสรุปคอร์สของอาจารย์ Andrew Ng ตามความเข้าใจของตัวเอง อาจจะไม่เป๊ะตามที่อาจารย์สอนนะครับ บางครั้งผมก็อธิบายไปตามความเข้าใจของตัวเอง เหมือนกับบทความเหล่านี้เป็นการ take note ไว้อ่านเล่นของผมเอง แต่คิดว่าเอามาลงก็อาจจะมีประโยชน์กับผู้สนใจบ้างละมั้งครับ ฮา

ฝากติดตามเพจด้วยนะครับ QuantML

TLDR; คอร์สนี้เป็นคอร์สที่สองของซีรีย์ Deep Learning deep Specialization ของ Deeplearning.AI ของอาจารย์ Andrew Ng ครับ

คอร์สจะแบ่งออกเป็น 3 สัปดาห์ แต่ละสัปดาห์ประกอบด้วย สองส่วน คือส่วนของ Lecture และ ส่วนของ Programming ใน Lecture จะมีความยาวสัปดาห์ละประมาณชั่วโมงกว่าๆจนถึงเกือบสองชั่วโมง ในแต่ละสัปดาห์ก็จะแบ่งเป็นคลิปวีดีโอย่อยๆคลิปละ 3-12 นาทีเหมือนกับคอร์สที่แล้ว

เนื้อหาในส่วนของคอร์สนี้เป็นการเสริมรายละเอียดจากคอร์สที่แล้วครับ คอร์สที่แล้วเป็นการสอนเบสิกของ Neural Network ใช่ไหม๊ครับ แต่มันยังใีรายละเอียดอีกมากมายที่อาจารย์แกยังไม่ได้ลง แน่นอนว่าอัลกอริทึ่ม Deep Neural Network นั้นทรงพลังมากก็จริง แต่มันยังมี Hyperparameter หรือ พารามิเตอร์ที่เราต้องมานั่งปรับมานั่งดีไซน์เองอีกหลายตัวครับ มันยังไม่ง่ายจน plug and play ได้เลยแบบอัลกอริทึ่มบางตัวที่มีการศึกษามานาน เพราะเทียบกันแล้ว Deep Learning มันยังเป็นศาสตร์ที่ไม่นิ่ง นักวิจัยทั้งหลายยังคงพัฒนามันไปเรื่อยๆกันแทบทุกวันฉะนั้นในคอร์สนี้เราจะได้ดูวิธีการ แนวทางการปรับพารามิเตอร์พวกนั้นรวมไปถึง เทคนิคการ Regularization หรือ เทคนิคการหนีการ Overfitting ว่ามีวีธีการอะไรบ้าง และ สุดท้ายก็คือ Optimization หรือก็คือ การหาค่าให้เหมาะสมที่สุดนั่นเอง โดยแต่ละ Week จะมีรายละเอียดดังนี้

  • Week 1 พูดเรื่อง Practical aspects หรือภาคปฎิบัติครับ ประกอบไปด้วย  การแบ่ง Train/Test set สำหรับข้อมูล Big Data, การ Regularization อย่าง L2 และ Drop out จบด้วย ปัญหาตั้งต้นว่าทำไมเราจึงต้อง Optimization การ Initialization มีผลอย่างไร
  • Week 2 จะหนักเรื่อง Optimizatlion เลยครับ Mini-Batch, Momentum, Rmsprop, Adam และ Learning Rate Decay
  • Week 3 สุดท้ายมาจบด้วยการทำ Batch Normalization, Multi-class classification และจบที่สอน Tensorflow เบื้องต้นเบาๆครับ

คอร์สนี้แนะนำอย่างมากให้ดูคอร์สแรกมาก่อนจะไปเรียนคอร์สนี้นะครับ เพราะเป็นการเติมเต็มจากพื้นฐานที่อาจารย์อธิบายไว้ได้อย่างดีในคอร์สแรกให้สมบูรณ์ยิ่งขึ้นจริงๆ ข้อดีคืออาจารย์เสียงน่าฟัง สอนสนุก Theory ค่อนข้างครอบคลุมพอสมควรเลยครับ

Neural Networks and Deep Learning เป็นคอร์สที่สองในชุด specialization Deep Learning ของ DeepLearning.ai ที่ประกอบไปได้ด้วย

  1. Neural Networks and Deep Learning
  2. Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization คอร์สนี้
  3. Structuring Machine Learning Projects
  4. Convolutional Neural Networks
  5. Sequence Models

 

Read more

Modern Portfolio Theory – หนึ่งในนวตกรรมเปลี่ยนโลกการลงทุน

 

ในปี 1956 อาจารย์ Harry Markowitz(รูปบน) ได้นำเสนอเปเปอร์สำคัญทางด้านการลงทุน ว่าด้วยการจัดสรรพอร์ตการลงทุนด้วยสมการ Modern Portfolio Theory หรือเรียกอีกชื่อว่าMarkowitz Portfolio Theory(MPT) ซึ่งมี Impact อย่างสูงและได้เปลี่ยนโลกการเงินไปตลอดกาล  เดี๋ยวเรามาดูกันอย่าครับว่า MPT มีไว้ทำอะไร และ สำคัญอย่างไร เพื่อความเข้าใจง่ายผมจะทำให้มีสมการน้อยเท่าที่จะน้อยได้นะครับ

การเข้ามาของ MPT ถือว่าเป็นการเปลี่ยนแปลงมุมมองต่อ Portfolio ให้เป็นวิชาการขึ้น จำคำที่ว่า “Don’t put all your eggs in one basket” มันได้มีการกล่าวถึงกันมานานแล้วก็จริงแต่งานนี้จะก้าวไปอีกสเตป เป็นการพิสูจน์มันทางคณิตศาสตร์ และ พรูพให้เราเห็น

Read more

Sharpe Ratio เครื่องมือวัดความเสี่ยงยอดนิยมทำงานอย่างไร

จากที่ได้เคยเขียนไปแล้วเรื่อง Math 101 : Variancec และ Standard Deviation ว่าคืออะไร และมันเป็นคณิตศาสตร์ง่ายๆที่เอาไว้วัดความแปรปรวนออกจากข้อมูล หรือ ถ้าพูดกันทางลงทุนการแปรปรวนนั่นก็คือความเสี่ยงนั่นเอง ซึ่งในทางการลงทุนเรามักจะใช้ Variance, Standard Deviation หรือ Volatility เป็นตัววัดว่าในระยะเวลาการลงทุนนั้นการลงทุนใน Port ของเราได้มีการเหวี่ยงไปมากแค่ไหนแต่ก็นั่นแหละ มันบอกได้แต่ความเสี่ยงครับ มันไม่ได้นำ Factor ที่สำคัญอย่างกำไรมาคิดด้วยเลย จริงอยู่ที่ทาง Quantitative Trading เน้นเรื่องการลดความเสี่ยงเป็นอย่างมากถ้าเราใช้แค่เพียงค่าวัดความเสี่ยงมาในการปรับกลยุทธพอร์ตของเราอย่างเดียว มันจะลงเอยด้วยการเราไปลดความเสี่ยง จนอาจจะไม่มีกำไรเลยก็ได้

Read more

รีวิวและสรุป Andrew Ng’s Neural Networks and Deep Learning Course

TLDR; คอร์สนี้เป็นคอร์สแรกสุดของซีรีย์ Deep Learning deep Specialization ของ Deeplearning.AI ของอาจารย์ Andrew Ng

คอร์สจะแบ่งออกเป็น 4 สัปดาห์ แต่ละสัปดาห์ประกอบด้วย สองส่วน คือส่วนของ Lecture และ ส่วนของ Programming ใน Lecture จะมีความยาวสัปดาห์ละประมาณชั่วโมงกว่าๆจนถึงเกือบสองชั่วโมง ในแต่ละสัปดาห์ก็จะแบ่งเป็นคลิปวีดีโอย่อยๆคลิปละ 3-12 นาที เนื้อหาในส่วนของคอร์สนี้จะประกอบไปด้วย Basic ของ Neural Network มีครอบคลุมและเข้าใจได้ง่ายค่อยเป็นค่อยไปค่อยสร้างความเข้าใจทีละเสตปมีการวางโครงสร้างเนื้อหาไว้ดีมากครับค่อยๆประกอบเรื่องที่เรียนเข้าด้วยกัน เสียงอาจารย์น่าฟัง(ส่วนตัว) แนะนำคอร์สนี้อย่างมากสำหรับมือใหม่(ถ้ารู้คอนเสป ML มาบ้างจะดีมาก)ครับ

  • Week 1 ภาพรวมของ Neural Network
  • Week 2 องค์ประกอบของ Neural Networkและอธิบายคอนเสปของ Logistic, Cost function, Gradient Descent, Derivatives, Vectorization เป็นต้น
  • Week 3 ประกอบองค์ประกอบเหล่านั้นเป็น Shallow Neural Network คอนเสปของ Activation Function, Backprop(กระดูกสันหลังแห่ง Deep learning)
  • Week 4 ก็ทำให้มัน Deep สมชื่อนั่นแหละครับ โดยเอา Shallow ด้านบนมาวางเป็น L Layer และอธิบายอีกรอบ

สำหรับมือใหม่ด้าน Machine Learning ก็สามารถเรียนได้ครับแต่จะพบว่าคอร์สนี้ยากซักหน่อยเพราะอาจารย์แกจะ Refer ถึงเทคนิคใน Machine Learning บ้าง ถ้าไม่เคยรู้มาก่อนเลยก็จะงงๆหน่อย

สำหรับคนที่รู้จัก ML มาบ้างแล้วก็เรียนได้เลยครับสนุกดี

สำหรับมือกลางๆเรื่อง Neural Network ก็เรียนได้พืนฐานจะได้แน่นขึ้นครับ

สำหรับมือเก๋า ถ้ามีเวลาก็ลองดูได้ครับแต่คงไม่ได้อะไรใหม่หรอกนะครับเพราะคอร์สนี้ทำเพื่อ Intro to Neural Network เลยไม่ได้ลึกอะไรมากนัก(รูปประกอบมาจากคอร์สอาจารย์ Ng เองทั้งหมดนะครับ)

ตัวคอร์สสามารถเข้าเรียนได้ที่

https://www.coursera.org/learn/neural-networks-deep-learning

Read more