Quantitative Foundations

ยินดีต้อนรับสู่ห้องเครื่อง: พื้นฐานเชิงปริมาณ (Quantitative Foundations)

สวัสดีครับ! ยินดีต้อนรับเข้าสู่หนึ่งในบทเรียนที่สำคัญที่สุดในเส้นทางการสอบ CAIA Level I ของคุณ ให้มองว่า พื้นฐานเชิงปริมาณ (Quantitative Foundations) เปรียบเสมือน "ห้องเครื่อง" ของโลกการเงินครับ ก่อนที่เราจะดำดิ่งไปสู่โลกที่น่าตื่นเต้นของกองทุนเฮดจ์ฟันด์ (Hedge Funds), หุ้นนอกตลาด (Private Equity) หรืออสังหาริมทรัพย์ (Real Estate) เราจำเป็นต้องพูดภาษาตัวเลขให้เข้าใจกันก่อน ถ้าคุณรู้สึกว่าตัวเองไม่ใช่ "สายคณิตศาสตร์" ไม่ต้องกังวลนะ เพราะเราจะย่อยแนวคิดเหล่านี้ให้กลายเป็นเรื่องง่ายๆ ในชีวิตประจำวัน เมื่อจบบทนี้ คุณจะสามารถคำนวณผลตอบแทนและทำความเข้าใจเรื่องความเสี่ยงได้อย่างมืออาชีพแน่นอน!

1. มูลค่าเงินตามเวลา (Time Value of Money - TVM) และการทบต้น

แนวคิดหลักของการเงินคือ เงิน 1 ดอลลาร์ในวันนี้มีค่ามากกว่าเงิน 1 ดอลลาร์ในวันพรุ่งนี้ ทำไมน่ะหรือ? เพราะคุณสามารถนำเงินนั้นไปลงทุนตั้งแต่วันนี้และได้รับผลตอบแทนเป็นดอกเบี้ยนั่นเอง นี่คือหัวใจของ มูลค่าเงินตามเวลา (Time Value of Money)

มูลค่าอนาคต (FV) และมูลค่าปัจจุบัน (PV)

เมื่อเราคำนวณเงินจากปัจจุบันไปสู่อนาคต เราเรียกว่าการ ทบต้น (Compounding) และเมื่อเราดึงมูลค่าเงินในอนาคตกลับมาเป็นค่าในวันนี้ เราเรียกว่าการ คิดลด (Discounting)

สูตรการทบต้นแบบไม่ต่อเนื่อง (Discrete Compounding Formula):
\( FV = PV \times (1 + r)^t \)

ตัวอย่าง: หากคุณลงทุน 100 ดอลลาร์ (\(PV\)) ที่อัตราดอกเบี้ย 10% ต่อปี (\(r\)) เป็นเวลา 2 ปี (\(t\)) มูลค่าอนาคตของคุณจะเป็น:
\( FV = 100 \times (1 + 0.10)^2 = 100 \times 1.21 = 121 \text{ ดอลลาร์} \)

ความถี่ในการทบต้น

ดอกเบี้ยไม่ได้จ่ายแค่ปีละครั้งเสมอไป แต่อาจจะจ่ายเป็นรายเดือน รายวัน หรือแม้แต่รายเสี้ยววินาที! ยิ่งคุณทบต้นบ่อยเท่าไหร่ ยอดเงินรวมสุดท้ายของคุณก็จะยิ่งสูงขึ้น เพราะคุณจะได้รับ "ดอกเบี้ยจากดอกเบี้ย" เร็วขึ้นนั่นเอง

ทบทวนสั้นๆ:
- รายปี (Annual): \( m = 1 \)
- รายครึ่งปี (Semi-annual): \( m = 2 \)
- รายไตรมาส (Quarterly): \( m = 4 \)
- รายเดือน (Monthly): \( m = 12 \)

ประเด็นสำคัญ: ยิ่งความถี่ในการทบต้นเพิ่มขึ้น อัตราผลตอบแทนต่อปีที่แท้จริง (Effective Annual Rate - EAR) ก็จะสูงขึ้น นี่คือเหตุผลที่บริษัทบัตรเครดิตมักคิดดอกเบี้ยแบบทบต้นรายวัน เพราะมันทำให้ยอดหนี้ของคุณโตเร็วขึ้นอย่างไรล่ะ!

2. ผลตอบแทนแบบเลขคณิต vs ผลตอบแทนเชิงเรขาคณิต

นี่เป็นจุดที่นักศึกษามักจะสับสนกันบ่อยครับ จริงๆ แล้วมีวิธีหลัก 2 วิธีในการคำนวณ "ค่าเฉลี่ย" ของผลตอบแทน

ค่าเฉลี่ยเลขคณิต (Arithmetic Mean - ค่าเฉลี่ยแบบง่าย)

คุณแค่นำผลตอบแทนทั้งหมดมาบวกกันแล้วหารด้วยจำนวนงวด มันคือ การคาดการณ์ที่ดีที่สุดสำหรับผลตอบแทนในหนึ่งงวด
\( \text{Arithmetic Mean} = \frac{\sum R_i}{n} \)

ค่าเฉลี่ยเรขาคณิต (Geometric Mean - ค่าเฉลี่ยแบบทบต้น)

วิธีนี้สะท้อนถึง อัตราการเติบโตที่แท้จริง ของการลงทุนของคุณเมื่อเวลาผ่านไป มันช่วยอธิบายความจริงที่ว่า ถ้าปีหนึ่งคุณขาดทุน 50% ปีถัดมาคุณต้องทำกำไรให้ได้ 100% ถึงจะกลับมาเท่าทุนเดิม
\( \text{Geometric Mean} = [\prod (1 + R_i)]^{1/n} - 1 \)

กฎเหล็ก: ค่าเฉลี่ยเลขคณิตจะ มากกว่าหรือเท่ากับ ค่าเฉลี่ยเรขาคณิตเสมอ ยิ่งผลตอบแทนมีความผันผวนมากเท่าไหร่ ช่องว่างระหว่างค่าทั้งสองก็จะยิ่งห่างกันมากขึ้นเท่านั้น!

อุปมาอุปไมย: ลองจินตนาการว่าคุณกำลังขับรถ ถ้าคุณขับด้วยความเร็ว 60 ไมล์ต่อชั่วโมงเป็นเวลา 1 ชั่วโมง และจอดนิ่ง (0 ไมล์ต่อชั่วโมง) อีก 1 ชั่วโมง ความเร็วเฉลี่ยของคุณ (แบบเลขคณิต) คือ 30 ไมล์ต่อชั่วโมง แต่ถ้าคุณพยายามจะไปให้ถึงจุดหมายที่ห่างออกไป 60 ไมล์ คุณก็ไปได้แค่ครึ่งทางในเวลา 2 ชั่วโมง—ค่าเฉลี่ยเรขาคณิตจึงเป็นสิ่งที่บอกความคืบหน้าที่แท้จริงในการเดินทางของคุณครับ

3. ผลตอบแทนแบบลอการิทึม (ต่อเนื่อง)

ในโลกของการลงทุนทางเลือก (Alternative Investments) เรามักใช้ ผลตอบแทนแบบลอการิทึม (Logarithmic Returns) หรือที่เรียกว่าผลตอบแทนแบบทบต้นต่อเนื่อง เพราะในทางคณิตศาสตร์แล้ว มัน "จัดการง่ายกว่า" เวลาที่เราต้องคำนวณซับซ้อน

สูตร:
\( r = \ln(\frac{V_t}{V_{t-1}}) \)
(โดยที่ \(\ln\) คือ ลอการิทึมฐานธรรมชาติ)

ทำไมเราถึงใช้มัน?
1. การบวกกันตามเวลา (Time Additivity): หากคุณมีผลตอบแทนล็อกของวันจันทร์และวันอังคาร คุณสามารถนำมันมาบวกกันเพื่อหาผลตอบแทนรวมทั้งสองวันได้ทันที ซึ่งผลตอบแทนเปอร์เซ็นต์ธรรมดาทำแบบนั้นไม่ได้!
2. ความสมมาตร (Symmetry): การเพิ่มขึ้น 10% แล้วตามด้วยการลดลง 10% ในรูปแบบผลตอบแทนล็อก จะทำให้คุณกลับมาที่ศูนย์พอดีเป๊ะ แต่ถ้าเป็นผลตอบแทนธรรมดาจะทำไม่ได้ (1.10 * 0.90 = 0.99)

ไม่ต้องกังวลถ้าจุดนี้ดูยาก: แค่จำไว้ว่า ผลตอบแทนล็อก นั้น "บวกสะสมได้" ตามกาลเวลา ซึ่งเป็นสิ่งที่นักวิเคราะห์กองทุนเฮดจ์ฟันด์ชื่นชอบมาก

4. การวัดความเสี่ยงและการกระจายตัว

เราไม่ได้สนใจแค่ว่าจะทำเงินได้เท่าไหร่ แต่เราสนใจถึง ความเสี่ยง ที่เราต้องแบกรับเพื่อให้ได้เงินนั้นมา เราจะวัดสิ่งนี้โดยใช้ การกระจายตัว (Distribution) (โดยทั่วไปคือ "เส้นโค้งระฆังคว่ำ" หรือการแจกแจงแบบปกติ)

โมเมนต์ทั้งสี่ของการกระจายตัว (Four Moments of a Distribution)

ให้คิดว่านี่คือ "คุณสมบัติ" สี่ประการที่อธิบายชุดผลตอบแทนการลงทุนใดๆ:

1. โมเมนต์ที่ 1: ค่าเฉลี่ย (Mean/Location) – จุดศูนย์กลางของการกระจายตัวอยู่ที่ไหน? นี่คือผลตอบแทนที่คุณคาดหวัง
2. โมเมนต์ที่ 2: ความแปรปรวน/ส่วนเบี่ยงเบนมาตรฐาน (Variance/Standard Deviation/Dispersion) – ผลตอบแทนกระจายตัวกว้างแค่ไหน? ส่วนเบี่ยงเบนมาตรฐานที่สูงหมายถึงความเสี่ยงที่สูง
3. โมเมนต์ที่ 3: ความเบ้ (Skewness/Asymmetry) – "หาง" ของการกระจายตัวเอียงไปทางไหน?
    - ความเบ้เป็นบวก (Positive Skew): ขาดทุนเล็กน้อยบ่อยครั้ง แต่มีโอกาสกำไรมหาศาลเป็นครั้งคราว (เหมือนซื้อลอตเตอรี่)
    - ความเบ้เป็นลบ (Negative Skew): กำไรเล็กน้อยบ่อยครั้ง แต่มีโอกาสขาดทุนหนักเป็นครั้งคราว (นี่คือความเสี่ยงใหญ่ในหลายกลยุทธ์ของเฮดจ์ฟันด์!)
4. โมเมนต์ที่ 4: ความโด่ง (Kurtosis/Fat Tails) – เหตุการณ์ "สุดโต่ง" เกิดขึ้นบ่อยแค่ไหน?
    - ความโด่งเกินปกติ > 0 (Leptokurtic): นี่หมายถึง "หางหนา" (Fat Tails) ซึ่งแปลว่าเหตุการณ์ตลาดพังทลายอย่างรุนแรงเกิดขึ้นบ่อยกว่าที่การแจกแจงแบบปกติจะทำนายไว้

คุณทราบหรือไม่? การลงทุนทางเลือกส่วนใหญ่ ไม่ ได้เป็นไปตามการแจกแจงปกติที่สมบูรณ์แบบ มักจะมีความเบ้เป็นลบและหางหนา นี่คือเหตุผลที่การเข้าใจ "โมเมนต์" เหล่านี้เป็นเรื่องสำคัญอย่างยิ่งสำหรับนักศึกษา CAIA!

5. ขั้นตอนการหาค่าส่วนเบี่ยงเบนมาตรฐานและความแปรปรวน

นักศึกษามักจะรู้สึกว่าสูตรความแปรปรวนดูน่ากลัว เรามาทำให้ง่ายขึ้นกัน:

1. หา ค่าเฉลี่ย (Mean) ของผลตอบแทนของคุณ
2. นำผลตอบแทนแต่ละค่ามาลบด้วยค่าเฉลี่ย (สิ่งนี้เรียกว่า ค่าเบี่ยงเบน (Deviation))
3. ยกกำลังสอง ค่าเบี่ยงเบนแต่ละตัว (เพื่อให้ตัวเลขที่เป็นลบกลายเป็นบวก)
4. หาค่าเฉลี่ย ของค่าที่ยกกำลังสองเหล่านั้น สิ่งนี้คือ ความแปรปรวน (Variance)
5. ถอด รากที่สอง (Square Root) ของความแปรปรวน ค่าที่ได้คือ ส่วนเบี่ยงเบนมาตรฐาน (\(\sigma\))

ข้อผิดพลาดที่พบบ่อย: ลืมยกกำลังสองค่าเบี่ยงเบน หรือลืมถอดรากที่สองในตอนท้าย จำไว้ว่า ส่วนเบี่ยงเบนมาตรฐาน จะมีหน่วยเป็นหน่วยเดียวกับผลตอบแทน (%) ในขณะที่ ความแปรปรวน จะมีหน่วยเป็น "ยกกำลังสอง" ซึ่งยากต่อการจินตนาการ

6. ความสัมพันธ์ (Correlation) และความแปรปรวนร่วม (Covariance)

ในการลงทุนทางเลือก เราชอบ การกระจายความเสี่ยง (Diversification) ซึ่งขึ้นอยู่กับว่าสินทรัพย์แต่ละตัวเคลื่อนไหวไปในทิศทางเดียวกันอย่างไร

ความสัมพันธ์ (Correlation - \(\rho\)):
- มีค่าตั้งแต่ +1.0 ถึง -1.0
- +1.0: สินทรัพย์เคลื่อนไหวไปในทิศทางเดียวกันเป๊ะๆ
- 0.0: สินทรัพย์เคลื่อนไหวเป็นอิสระต่อกัน (ไม่มีความสัมพันธ์กันเลย)
- -1.0: สินทรัพย์เคลื่อนไหวไปในทิศทางตรงกันข้าม

ประเด็นสำคัญ: เพื่อลดความเสี่ยงของพอร์ตโฟลิโอ คุณควรเพิ่มสินทรัพย์ที่มี ความสัมพันธ์ต่ำหรือติดลบ เข้าไปในการลงทุนเดิมของคุณ

ทบทวนสั้นๆ: คำศัพท์ที่จำเป็น

- การทบต้น (Compounding): การได้รับดอกเบี้ยจากดอกเบี้ย
- ค่าเฉลี่ยเรขาคณิต (Geometric Mean): ผลตอบแทนเฉลี่ยที่ "แท้จริง" เมื่อเวลาผ่านไป
- ส่วนเบี่ยงเบนมาตรฐาน (Standard Deviation): เครื่องมือวัดความเสี่ยงในการลงทุนที่ใช้กันบ่อยที่สุด
- ความโด่ง (Leptokurtosis): คำศัพท์เท่ๆ สำหรับ "หางหนา" (เหตุการณ์สุดโต่งเกิดขึ้นบ่อย)
- ความเบ้เป็นลบ (Negative Skew): การกระจายตัวที่มีหางซ้ายยาว (ความเสี่ยงในการเกิดเหตุการณ์พังทลายครั้งใหญ่)

คุณผ่านพ้นบทเรียนพื้นฐานมาได้แล้ว! เครื่องมือเชิงปริมาณเหล่านี้จะเป็นเพื่อนที่ดีที่สุดของคุณเมื่อเราเข้าสู่สินทรัพย์แต่ละประเภท ก้าวต่อไปเลยครับ คุณทำได้!