ยินดีต้อนรับสู่โมเดลการกำหนดราคาหลักทรัพย์แบบหลายปัจจัย (Multi-Factor Equity Pricing Models)!

ในการเดินทางของ CAIA Level I คุณน่าจะเคยผ่านหูผ่านตากับ แบบจำลองการกำหนดราคาหลักทรัพย์ในตลาดทุน (Capital Asset Pricing Model - CAPM) กันมาแล้ว ซึ่ง CAPM บอกเราว่ามีเพียง "ปัจจัยเดียว" เท่านั้นที่อธิบายผลตอบแทนของหุ้นได้ นั่นคือความเสี่ยงของตลาดโดยรวม (Beta) แต่ในโลกความเป็นจริง ผลตอบแทนมันไม่ได้ง่ายขนาดนั้นน่ะสิ! ในบทนี้ เราจะมาสำรวจ โมเดลแบบหลายปัจจัย (Multi-Factor Models) ซึ่งยอมรับว่าความเสี่ยงมี "หลายรสชาติ" เช่น ขนาดของบริษัท, ความ "ถูก" ของราคาหุ้น หรือแม้แต่กระแสความนิยมในช่วงที่ผ่านมา (Momentum) ทั้งหมดนี้ล้วนมีบทบาทในการกำหนดผลตอบแทนทั้งสิ้น ลองจินตนาการว่านี่เหมือนกับการประเมินราคาบ้านที่ไม่ใช่แค่ดูจากพื้นที่ตารางเมตรเพียงอย่างเดียว แต่ยังต้องดูทำเล อายุของบ้าน และเขตพื้นที่โรงเรียนที่อยู่ใกล้เคียงด้วย

1. รากฐานสำคัญ: ทฤษฎีการกำหนดราคาโดยการเก็งกำไรส่วนต่าง (Arbitrage Pricing Theory - APT)

ก่อนที่เราจะลงลึกไปในโมเดลเฉพาะเจาะจง เราต้องทำความเข้าใจ "คุณปู่" ของทฤษฎีหลายปัจจัยเสียก่อน นั่นคือ Arbitrage Pricing Theory (APT) แม้ CAPM จะบอกว่ามีปัจจัยความเสี่ยงแค่ปัจจัยเดียว แต่ APT บอกว่าจริงๆ แล้วมีปัจจัยความเสี่ยง มากมาย เพียงแต่ไม่ได้ระบุชัดเจนว่าปัจจัยเหล่านั้นคืออะไร

แนวคิดหลัก: APT ตั้งสมมติฐานว่าผลตอบแทนของสินทรัพย์สามารถสร้างโมเดลได้จากฟังก์ชันเชิงเส้น (Linear function) ของปัจจัยทางเศรษฐกิจมหภาคหรือดัชนีตลาดต่างๆ โดยโมเดลนี้อาศัย กฎราคาเดียว (Law of One Price) ซึ่งก็คือแนวคิดที่ว่าสินทรัพย์สองอย่างที่มีความเสี่ยงเท่ากันต้องมีราคาเท่ากัน ถ้าไม่เท่ากัน นักลงทุนก็จะทำการ "เก็งกำไรส่วนต่าง" (Arbitrage) จนราคาปรับเข้าสู่สมดุล

สูตรของ APT มีหน้าตาดังนี้:
\( E(R_i) = R_f + \beta_{i,1} \lambda_1 + \beta_{i,2} \lambda_2 + ... + \beta_{i,k} \lambda_k \)

โดยที่:
- \( E(R_i) \) คือผลตอบแทนที่คาดหวัง
- \( R_f \) คืออัตราผลตอบแทนที่ปราศจากความเสี่ยง (Risk-free rate)
- \( \beta_{i,k} \) (Beta) คือความอ่อนไหวของสินทรัพย์ต่อปัจจัย k
- \( \lambda_k \) (Lambda) คือ เบี้ยประกันความเสี่ยง (Risk premium) ที่เชื่อมโยงกับปัจจัยนั้น

เคล็ดลับฉบับย่อ: APT vs. CAPM

ไม่ต้องกังวลถ้าคณิตศาสตร์ดูน่ากลัว! สิ่งสำคัญที่ต้องจำคือ CAPM เป็นกรณีพิเศษและจำกัดของ APT ที่มีแค่ปัจจัยเดียว (ตลาด) เท่านั้น แต่ APT มีความยืดหยุ่นกว่าเพราะยอมให้มีแหล่งที่มาของความเสี่ยงเชิงระบบได้หลายแหล่ง

สรุปประเด็นสำคัญ: APT เป็นกรอบแนวคิดให้โมเดลหลายปัจจัย โดยเสนอว่าผลตอบแทนขับเคลื่อนด้วยปัจจัยความเสี่ยงที่เป็นอิสระต่อกันหลายปัจจัย และผู้เล่นในตลาดจะทำการเทรดเพื่อขจัด "ของฟรี" (โอกาสทำ Arbitrage) ออกไป

2. โมเดลสามปัจจัยของ Fama-French

ในช่วงทศวรรษ 1990 นักวิจัยอย่าง Eugene Fama และ Kenneth French สังเกตเห็นว่าหุ้นสองประเภทมักทำผลตอบแทนได้ดีกว่าตลาดเสมอ นั่นคือ หุ้นขนาดเล็ก (Small-cap) และ หุ้นเน้นคุณค่า (Value stocks) พวกเขาจึงสร้างโมเดลขึ้นมาเพื่อจับ "ความผิดปกติ" (Anomalies) เหล่านี้

ปัจจัยทั้งสามประกอบด้วย:
1. ความเสี่ยงตลาด (MKT): เหมือนกับค่า Beta ใน CAPM มาตรฐาน
2. ขนาด (SMB - Small Minus Big): การสังเกตพบว่าบริษัทขนาดเล็กมีแนวโน้มให้ผลตอบแทนสูงกว่าบริษัทขนาดใหญ่ในระยะยาว
3. มูลค่า (HML - High Minus Low): การสังเกตพบว่าหุ้น "Value" (ที่มีอัตราส่วนราคาต่อมูลค่าทางบัญชีสูง) มักจะให้ผลตอบแทนชนะหุ้น "Growth" (ที่มีอัตราส่วนราคาต่อมูลค่าทางบัญชีต่ำ)

สูตรคำนวณ:
\( R_i - R_f = \alpha_i + \beta_{i,MKT}(R_m - R_f) + \beta_{i,SMB}(SMB) + \beta_{i,HML}(HML) + \epsilon_i \)

วิธีอ่านค่า "Betas":
  • ถ้ากองทุนมี ค่า SMB beta เป็นบวก หมายความว่ากองทุนนั้นเอนเอียงไปทางหุ้น ขนาดเล็ก (Small-Cap)
  • ถ้ากองทุนมี ค่า SMB beta เป็นลบ หมายความว่ากองทุนนั้นเอนเอียงไปทางหุ้น ขนาดใหญ่ (Large-Cap)
  • ถ้ากองทุนมี ค่า HML beta เป็นบวก แสดงว่าเป็นกองทุนประเภท เน้นคุณค่า (Value)
  • ถ้ากองทุนมี ค่า HML beta เป็นลบ แสดงว่าเป็นกองทุนประเภท เน้นการเติบโต (Growth)

ข้อผิดพลาดที่ควรหลีกเลี่ยง: นักเรียนหลายคนคิดว่าหุ้น "Growth" ดีกว่าเสมอเพราะมันโตเร็ว แต่ในบริบทของโมเดล Fama-French หุ้น Growth มักจะมีราคาแพง ในขณะที่หุ้น Value (ตัวที่ราคาถูก) ในอดีตมักให้เบี้ยประกันความเสี่ยงจากการที่ถูกมองข้ามหรือมีความเสี่ยงมากกว่านั่นเอง

3. โมเดลสี่ปัจจัยของ Carhart: การเพิ่มปัจจัย Momentum

Mark Carhart ตระหนักว่าโมเดลของ Fama-French ยังขาดปัจจัยสำคัญบางอย่างไป นั่นคือ โมเมนตัม (Momentum) เขาพบว่าหุ้นที่ทำผลงานได้ดีในช่วงเวลาที่ผ่านมา (3 ถึง 12 เดือน) มักจะทำผลงานได้ดีต่อเนื่องในระยะสั้น

ปัจจัยที่สี่คือ:
4. โมเมนตัม (WML - Winners Minus Losers หรือ UMD - Up Minus Down): คำนวณโดยการนำผลตอบแทนของหุ้น 30% ที่มีผลงานดีที่สุด ลบด้วยผลตอบแทนของหุ้น 30% ที่มีผลงานแย่ที่สุด

คุณรู้หรือไม่?
Momentum มักถูกเรียกว่าเป็น "ความผิดปกติอันดับหนึ่ง" (Premier Anomaly) เพราะมันท้าทาย สมมติฐานตลาดที่มีประสิทธิภาพ (Efficient Market Hypothesis) เนื่องจากมันชี้ให้เห็นว่าคุณสามารถทำนายผลตอบแทนในอนาคตได้จากราคาในอดีต สำหรับนักศึกษา CAIA ให้จำไว้ว่า Momentum เป็นปัจจัยทาง เทคนิค ในขณะที่ขนาดและมูลค่าเป็นปัจจัยทาง ปัจจัยพื้นฐาน

สรุปประเด็นสำคัญ: โมเดลของ Carhart เป็นมาตรฐานสำหรับการ วัดผลการดำเนินงาน (Performance Attribution) หากผู้จัดการกองทุนรวมอ้างว่าตนเองเป็นอัจฉริยะ เราจะใช้โมเดลนี้ตรวจสอบว่า "Alpha" ของเขานั้นเกิดขึ้นจากความเก่งจริง หรือเป็นเพียงผลจากการซื้อหุ้นที่กำลังเป็นขาขึ้น (Momentum) กันแน่

4. โมเดลห้าปัจจัยของ Fama-French

เมื่อตลาดวิวัฒนาการไป Fama และ French จึงอัปเดตโมเดลของพวกเขาในปี 2015 โดยเพิ่มอีกสองปัจจัยที่เกี่ยวข้องกับคุณภาพของบริษัทและพฤติกรรมของผู้บริหาร ซึ่งก็คือ โมเดลห้าปัจจัย (Five-Factor Model)

ปัจจัยใหม่สองประการได้แก่:
1. ความสามารถในการทำกำไร (RMW - Robust Minus Weak): บริษัทที่มีกำไรจากการดำเนินงานสูง (Robust) มักทำผลงานได้ดีกว่าบริษัทที่มีอัตรากำไรต่ำ (Weak)
2. การลงทุน (CMA - Conservative Minus Aggressive): บริษัทที่ลงทุนหนักในโครงการใหญ่ๆ (Aggressive) มักจะให้ผลตอบแทนต่ำกว่าบริษัทที่รัดกุมในการใช้จ่าย (Conservative)

เปรียบเทียบปัจจัย CMA: ลองเปรียบเทียบบริษัทเหมือนกับคนดูสิครับ นักลงทุนแบบ "Aggressive" คือคนที่คอยเปิดธุรกิจใหม่และใช้เงินตลอดเวลา ซึ่งมักจะเกินตัว ในขณะที่นักลงทุนแบบ "Conservative" จะเติบโตอย่างช้าๆ และรอบคอบ ในเชิงประวัติศาสตร์แล้ว กลุ่มที่รอบคอบ (Conservative) จะให้ผลตอบแทนที่ปรับด้วยความเสี่ยงที่ดีกว่าสำหรับผู้ถือหุ้น

ทบทวนสั้นๆ: ทั้ง 5 ปัจจัย
  • Market: ความเสี่ยงด้านหุ้น
  • SMB: เล็ก vs ใหญ่
  • HML: ถูก (Value) vs แพง (Growth)
  • RMW: กำไรสูง vs กำไรต่ำ
  • CMA: ลงทุนต่ำ vs ลงทุนสูง

5. ทำไมเราต้องใช้โมเดลเหล่านี้?

คุณอาจจะสงสัยว่า "ทำไมต้องใช้ถึง 5 ปัจจัย ในเมื่อปัจจัยเดียวแบบ CAPM ก็ง่ายดี?" ในโลกสถาบันการเงินมีเหตุผลหลัก 3 ประการครับ:

1. การวัดผลการดำเนินงาน (Performance Attribution): นี่เปรียบเสมือน "การตรวจ DNA" ของพอร์ตการลงทุน มันบอกเราชัดเจนว่าผลตอบแทนมาจากไหน ผู้จัดการเก่งจริงจนชนะตลาด (Alpha) หรือแค่ซื้อหุ้นขนาดเล็กเน้นคุณค่าจำนวนมาก (Beta Factors)?

2. การบริหารความเสี่ยง (Risk Management): ถ้าคุณรู้ว่าพอร์ตของคุณมีความเสี่ยงสูงต่อปัจจัย "Small-Cap" คุณก็จะรู้ว่าคุณอาจได้รับผลกระทบหนักหากหุ้นขนาดใหญ่เริ่มนำตลาด ซึ่งช่วยให้คุณกระจายความเสี่ยงไม่เพียงแค่รายหุ้น แต่กระจายตาม ปัจจัยความเสี่ยง (Risk Factors)

3. การจัดพอร์ตการลงทุน (Portfolio Construction): ผู้จัดการสามารถ "เอียง" (Tilt) พอร์ตไปสู่ปัจจัยที่ตนเชื่อว่าจะให้ผลตอบแทนดี เช่น ในภาวะเศรษฐกิจถดถอย ผู้จัดการอาจเอนเอียงพอร์ตไปทางปัจจัย ความสามารถในการทำกำไร (RMW) เพื่อความปลอดภัย

คำสำคัญ: การเอียงปัจจัย (Factor Tilting)
คือการจงใจให้น้ำหนักในปัจจัยใดปัจจัยหนึ่ง (เช่น Value หรือ Momentum) ในพอร์ตมากกว่าปกติ เพื่อหวังผลตอบแทนส่วนเพิ่มจากปัจจัยความเสี่ยงนั้นๆ

สรุปประเด็นสำคัญ: โมเดลหลายปัจจัยช่วยให้เราลอกคราบ "โชค" ของผู้จัดการกองทุนออกไป และเห็นถึง "สไตล์" ที่แท้จริงของพอร์ต ในโลกของ CAIA สิ่งที่เราเรียกว่า "Alpha" ส่วนใหญ่ มักจะเป็นเพียง "Factor Beta ที่เรายังไม่ระบุตัวตน" เท่านั้นเอง

6. สรุปและคำแนะนำสุดท้าย

อย่าปล่อยให้อักษรย่อ (SMB, HML, UMD, RMW, CMA) ทำให้คุณสับสน ให้เน้นไปที่ ตรรกะ เบื้องหลังแต่ละตัว:

  • SMB: เล็กคือเสี่ยง เลยต้องจ่ายผลตอบแทนสูงกว่า
  • HML: Value คือหุ้นที่ถูกมองข้าม/เสี่ยง เลยต้องจ่ายผลตอบแทนสูงกว่า
  • UMD: แนวโน้มมักจะดำเนินต่อไป
  • RMW: บริษัทที่ทำกำไรได้ดีคือบริษัท "คุณภาพสูง"
  • CMA: การลงทุนเกินตัวอาจนำไปสู่ความสิ้นเปลืองและผลตอบแทนที่ต่ำลง

ให้กำลังใจทิ้งท้าย: คุณผ่านบทที่ถือว่าต้องคำนวณเยอะที่สุดบทหนึ่งมาได้แล้ว! แค่จำไว้ว่าโมเดลเหล่านี้เป็นเพียงเครื่องมือที่ช่วยให้เราเข้าใจว่า ความเสี่ยงมีหลายหน้าตา หากคุณสามารถระบุหน้าตาเหล่านั้นได้ คุณก็จะสามารถกำหนดราคาความเสี่ยงได้อย่างแม่นยำขึ้นครับ