ยินดีต้อนรับสู่พื้นฐานทางสถิติ!

ยินดีต้อนรับสู่หนึ่งในหัวใจสำคัญของหลักสูตร CAIA! หากคุณเคยรู้สึกหวั่นใจกับสูตรคณิตศาสตร์หรือตัวอักษรกรีกแปลกๆ ให้สูดหายใจลึกๆ แล้วผ่อนคลาย เพราะคุณมาถูกที่แล้ว ให้มองว่าสถิติคือ "ภาษาของความเสี่ยง" ในโลกของการลงทุนทางเลือก (เช่น เฮดจ์ฟันด์, หุ้นนอกตลาด และอสังหาริมทรัพย์) ผลตอบแทนมักจะไม่ได้เคลื่อนไหวในรูปแบบ "ปกติ" เสมอไป การจะเป็นนักลงทุนที่ประสบความสำเร็จ คุณจำเป็นต้องมีเครื่องมือเหล่านี้เพื่อวัดผลในอดีตและประเมินสิ่งที่อาจเกิดขึ้นในอนาคต

ในบทนี้ เราจะเรียนรู้วิธีวัด "ค่ากลาง" ของข้อมูล วิธีดูว่าผลตอบแทน "กระจายตัว" แค่ไหน และวิธีสังเกตเหตุการณ์ "สุดโต่ง" ที่อาจทำให้พอร์ตการลงทุนพังได้ มาเริ่มกันเลย!

1. การวัดผลตอบแทนเฉลี่ย: เลขคณิต vs. เรขาคณิต

เมื่อเราดูผลการดำเนินงานของการลงทุน เรามักจะเริ่มจาก ค่าเฉลี่ย (Mean) แต่การคำนวณนั้นทำได้สองวิธี ซึ่งหากใช้ผิดวิธีอาจนำไปสู่ความเข้าใจที่คลาดเคลื่อนครั้งใหญ่ได้!

ค่าเฉลี่ยเลขคณิต (Arithmetic Mean)

นี่คือค่าเฉลี่ยแบบง่ายที่คุณเคยเรียนสมัยโรงเรียน คือการนำผลตอบแทนทั้งหมดมารวมกันแล้วหารด้วยจำนวนช่วงเวลา

สูตร: \( \mu = \frac{\sum X_i}{n} \)

เมื่อไหร่ที่ควรใช้: ใช้ค่าเฉลี่ยเลขคณิตเมื่อคุณต้องการประมาณการผลตอบแทนสำหรับช่วงเวลาอนาคต เพียงหนึ่งงวด โดยอ้างอิงจากข้อมูลในอดีต แต่ค่านี้ ไม่ ได้นำผลของ "ดอกเบี้ยทบต้น" มาคำนวณด้วย

ค่าเฉลี่ยเรขาคณิต (Geometric Mean หรือ Time-Weighted Return)

ค่านี้ใช้วัดการเติบโตที่แท้จริงของการลงทุนเมื่อเวลาผ่านไป โดยคำนึงถึงผลของ "ดอกเบี้ยทบต้น" มันจะบอกคุณว่าผลตอบแทนต่อปีที่แท้จริงของคุณเป็นเท่าใด หากคุณถือการลงทุนนั้นไว้ตลอดระยะเวลาทั้งหมด

สูตร: \( G = [(1 + R_1) \times (1 + R_2) \times ... \times (1 + R_n)]^{1/n} - 1 \)

ตัวอย่างทีละขั้นตอน: ลองจินตนาการว่าคุณได้กำไร 50% ในปีที่ 1 และขาดทุน 50% ในปีที่ 2
1. นำ 1 ไปบวกกับแต่ละค่า: (1.50) และ (0.50)
2. คูณเข้าด้วยกัน: \( 1.50 \times 0.50 = 0.75 \)
3. ถอดรากที่สอง (เพราะเป็นระยะเวลา 2 ปี): \( \sqrt{0.75} \approx 0.866 \)
4. ลบออกด้วย 1: \( 0.866 - 1 = -13.4\% \)
แม้ว่าค่าเฉลี่ยแบบ เลขคณิต จะเท่ากับ 0% \( (50 - 50) / 2 \) แต่ในความเป็นจริงคุณกลับขาดทุน! นี่คือเหตุผลว่าทำไมค่าเฉลี่ยเรขาคณิตจึงมักจะต่ำกว่าค่าเฉลี่ยเลขคณิตเสมอเมื่อมีความผันผวนเกิดขึ้น

ทบทวนสั้นๆ: ค่าเฉลี่ยไหนใช้ตอนไหน?

เลขคณิต: เหมาะสำหรับถามว่า "ปีหน้ามีโอกาสได้ผลตอบแทนเท่าไหร่?"
เรขาคณิต: เหมาะสำหรับถามว่า "ความมั่งคั่งของฉันเติบโตขึ้นจริงๆ เท่าไหร่ในช่วง 5 ปีที่ผ่านมา?"

2. การวัดความเสี่ยง: ความแปรปรวนและส่วนเบี่ยงเบนมาตรฐาน

ในทางการเงิน ความเสี่ยง มักถูกนิยามว่าเป็น ความผันผวน (Volatility) คือการที่ผลตอบแทนจริงเหวี่ยงไปมาจากค่าเฉลี่ยมากน้อยเพียงใด หากกองทุนให้ผลตอบแทนคงที่ 5% ทุกปี นั่นคือมีความผันผวนเป็นศูนย์ แต่ถ้าปีหนึ่งได้ +20% และปีถัดมา -10% แสดงว่ากองทุนนั้นมีความเสี่ยงสูงกว่ามาก

ความแปรปรวน (Variance - \( \sigma^2 \))

ความแปรปรวนวัดจากค่าเฉลี่ยของส่วนเบี่ยงเบนจากค่าเฉลี่ยที่นำมา "ยกกำลังสอง" เราต้องยกกำลังสองเพื่อให้ค่าผลตอบแทนติดลบไม่ไปหักลบกับค่าที่เป็นบวก

ส่วนเบี่ยงเบนมาตรฐาน (Standard Deviation - \( \sigma \))

นี่คือ รากที่สองของความแปรปรวน เป็นเครื่องมือวัดความเสี่ยงที่นิยมใช้ที่สุด เพราะหน่วยที่ได้จะเหมือนกับหน่วยของผลตอบแทน (เป็นเปอร์เซ็นต์) ทำให้เราสามารถพูดถึงค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานควบคู่กันไปได้อย่างเข้าใจง่าย

เทคนิคการจำ: ให้มองส่วนเบี่ยงเบนมาตรฐานเหมือนกับ "พื้นที่ขยับตัว" ยิ่งเลขเยอะ ยิ่งแปลว่าการลงทุนนั้นขยับ (ผันผวน) อย่างรุนแรง

ข้อสรุปสำคัญ

ส่วนเบี่ยงเบนมาตรฐานสูง = ความผันผวนสูง = ความเสี่ยงสูง

3. การแจกแจงปกติ (Normal Distribution): "กราฟระฆังคว่ำ"

การแจกแจงปกติ เป็นกราฟที่สมมาตรซึ่งใช้อธิบายปรากฏการณ์ต่างๆ ในธรรมชาติ (เช่น ส่วนสูงหรือคะแนนสอบ) ในทางการเงิน เรามัก สมมติ ให้ผลตอบแทนมีการแจกแจงแบบปกติเพื่อให้คำนวณได้ง่ายขึ้น แม้ว่าในความเป็นจริงการลงทุนทางเลือกมักจะไม่ได้เป็นเช่นนั้นก็ตาม!

ลักษณะสำคัญของการแจกแจงปกติ:

  • สมมาตร: ฝั่งซ้ายและฝั่งขวาเหมือนกันทุกประการเหมือนส่องกระจก
  • ค่าเฉลี่ย = ค่ามัธยฐาน = ค่าฐานนิยม: จุดสูงสุดของกราฟอยู่ตรงกลางพอดี
  • กฎ 68-95-99:
    - 68% ของผลตอบแทนจะอยู่ภายในส่วนเบี่ยงเบนมาตรฐาน 1 เท่าจากค่าเฉลี่ย
    - 95% ของผลตอบแทนจะอยู่ภายในส่วนเบี่ยงเบนมาตรฐาน 2 เท่าจากค่าเฉลี่ย
    - 99.7% ของผลตอบแทนจะอยู่ภายในส่วนเบี่ยงเบนมาตรฐาน 3 เท่าจากค่าเฉลี่ย

ถ้ารู้สึกยากในตอนแรก ไม่ต้องกังวลนะ! แค่จำไว้ว่าในโลกปกติ เหตุการณ์ "สุดโต่ง" (เช่น ตลาดหุ้นถล่ม 40%) ควรจะเป็นสิ่งที่เกิดขึ้นได้ยากมากๆ

4. ความเบ้ (Skewness): กราฟเอียงไปทางไหน?

ในโลกการลงทุนทางเลือกที่แท้จริง ผลตอบแทนมักจะ ไม่ สมมาตร ความไม่สมมาตรนี้เรียกว่า ความเบ้ (Skewness)

ความเบ้เป็นบวก (Positive Skew / Right-Skewed)

"หาง" ของกราฟจะชี้ไปทางขวา หมายความว่ามีการขาดทุนเล็กๆ น้อยๆ เกิดขึ้นบ่อย แต่บางครั้งก็มีโอกาส กำไรมหาศาล
ตัวอย่าง: การซื้อลอตเตอรี่ หรือการลงทุนใน Venture Capital บางประเภท

ความเบ้เป็นลบ (Negative Skew / Left-Skewed)

"หาง" จะชี้ไปทางซ้าย หมายความว่าคุณอาจมีกำไรเล็กๆ น้อยๆ บ่อยครั้ง แต่มีโอกาสเผชิญกับ การขาดทุนระดับหายนะ
สำคัญ: กลยุทธ์เฮดจ์ฟันด์หลายอย่าง (เช่น การขาย Options) มักมีความเบ้เป็นลบ นี่เป็นเรื่องอันตรายเพราะกลยุทธ์อาจดูเหมือน "ปลอดภัย" มานาน จนกระทั่งวันหนึ่งเกิดความล้มเหลวแบบฉับพลัน

ข้อผิดพลาดที่พบบ่อย:

นักศึกษามักคิดว่า "เป็นบวก" ต้องดีเสมอและ "เป็นลบ" ต้องแย่เสมอ แม้นักลงทุนส่วนใหญ่จะชอบความเบ้ที่เป็นบวก แต่ต้องจำไว้ว่า ความเบ้ใช้อธิบายรูปร่างของหางกราฟ ไม่ใช่ใช้วัดคุณภาพของการลงทุนนั้นโดยตรง

5. ความโด่ง (Kurtosis): หางหนาและความแหลม

ในขณะที่ความเบ้มองความเอียงของกราฟ ความโด่ง (Kurtosis) จะมองที่ "หาง" และ "ยอด" ของกราฟ

ส่วนเกินของความโด่ง (Excess Kurtosis)

ในการแจกแจงปกติ ค่าความโด่งจะมีค่าเท่ากับ 3 พอดี ดังนั้นเราจึงเรียกค่าที่เกินจาก 0 ว่า "Excess Kurtosis"
- Leptokurtic (ความโด่งสูง): กราฟจะมีจุดยอดที่สูงและแคบ รวมถึงมี หางที่หนา (Fat Tails)
- หางที่หนา (Fat Tails) หมายความว่า "เหตุการณ์สุดโต่ง" (ทั้งดีและแย่) มีโอกาสเกิดขึ้นบ่อยกว่าที่การแจกแจงปกติจะทำนายไว้

เทคนิคการจำ: Leptokurtic คือการ "Leap" (กระโดด) ขึ้นไป (ยอดสูง) และมี "Fat" (หางหนา) ที่บ่งบอกถึงความเสี่ยงที่จะเกิดเหตุการณ์เซอร์ไพรส์

รู้หรือไม่?

การลงทุนทางเลือกขึ้นชื่อเรื่อง "หางที่หนา" นี่คือเหตุผลที่โมเดลแบบดั้งเดิมซึ่งสมมติว่ามีการแจกแจงแบบปกติ มักจะประเมินความเสี่ยงของการพังทลายของตลาดในการลงทุนทางเลือกต่ำเกินไป

6. ความแปรปรวนร่วมและสหสัมพันธ์: การเคลื่อนไหวไปด้วยกัน

การลงทุนทางเลือกมักถูกนำมาเพิ่มในพอร์ตเพราะมันไม่ได้เคลื่อนไหวไปในทิศทางเดียวกับตลาดหุ้นเสมอไป เราวัดการ "เคลื่อนไหวไปด้วยกัน" นี้โดยใช้ความแปรปรวนร่วมและสหสัมพันธ์

ความแปรปรวนร่วม (Covariance)

ค่านี้บอกเราถึง ทิศทาง ที่สินทรัพย์สองตัวเคลื่อนไหวไปด้วยกัน
- ความแปรปรวนร่วมเป็นบวก: เคลื่อนไหวไปในทิศทางเดียวกัน
- ความแปรปรวนร่วมเป็นลบ: เคลื่อนไหวในทิศทางตรงกันข้าม

สหสัมพันธ์ (Correlation - \( \rho \))

ความแปรปรวนร่วมอ่านค่าได้ยากเพราะตัวเลขอาจเป็นค่าใดก็ได้ แต่ สหสัมพันธ์ จะปรับค่าความแปรปรวนร่วมให้อยู่ในช่วง -1 ถึง +1

  • +1.0: สหสัมพันธ์บวกสมบูรณ์ (เคลื่อนไหวเหมือนฝาแฝด)
  • 0.0: ไม่มีสหสัมพันธ์ (ไม่เกี่ยวข้องกันเลย)
  • -1.0: สหสัมพันธ์ลบสมบูรณ์ (เคลื่อนไหวเหมือนไม้กระดก)

เปรียบเทียบกับชีวิตจริง: หากคุณมีร้านขายร่มและร้านขายเสื้อกันฝน ผลตอบแทนของคุณจะมีสหสัมพันธ์สูง (+1) แต่ถ้าคุณมีร้านขายร่มและร้านขายครีมกันแดด สินทรัพย์ทั้งสองจะมีสหสัมพันธ์เป็นลบ (-1) เพราะเมื่อร้านหนึ่งขายดี อีกร้านหนึ่งมักจะขายไม่ดี!

กล่องทบทวนสั้นๆ

ค่าเฉลี่ย (Mean): ผลตอบแทนเฉลี่ย
ส่วนเบี่ยงเบนมาตรฐาน: ความเสี่ยง/ความผันผวน
ความเบ้เป็นลบ: ความเสี่ยงที่จะเกิดการพังทลายของ "หางด้านซ้าย"
หางหนา (Kurtosis): เหตุการณ์สุดโต่งเกิดขึ้นบ่อยกว่าที่คิด
สหสัมพันธ์ (Correlation): สินทรัพย์สองตัว "เต้นรำ" ไปด้วยกันแค่ไหน ยิ่งสหสัมพันธ์ต่ำ ยิ่งดีต่อการกระจายความเสี่ยง!

สรุปพื้นฐานทางสถิติ

ในบทนี้ เราได้เรียนรู้ว่าแม้ ค่าเฉลี่ย และ ส่วนเบี่ยงเบนมาตรฐาน จะเป็นจุดเริ่มต้นในการทำความเข้าใจข้อมูล แต่มันก็บอกเรื่องราวได้ไม่ทั้งหมด ความเบ้ และ ความโด่ง ช่วยเตือนเราถึงผลตอบแทนที่เอียงผิดปกติและเหตุการณ์เซอร์ไพรส์ที่รุนแรง สุดท้าย สหสัมพันธ์ ช่วยให้เราเข้าใจว่าการเพิ่มการลงทุนทางเลือกอาจช่วย (หรือทำร้าย) สมดุลโดยรวมของพอร์ตการลงทุนของเราได้อย่างไร ขอแค่เชี่ยวชาญคำศัพท์เหล่านี้ คุณก็จะมีรากฐานที่จำเป็นสำหรับการเรียนเนื้อหาส่วนที่เหลือในหลักสูตร CAIA แล้ว!