🔴 LEVEL 4 — Risk Management
🎯 เมื่อเรียนบทนี้จบ คุณจะเข้าใจว่า:
- R:R ที่แท้จริงควรอ่านอย่างไร
- ทำไม R:R 1:3 ไม่ได้ดีกว่า 1:1 โดยอัตโนมัติ
- ความสัมพันธ์ระหว่าง R:R กับ Win Rate
- Break-even Win Rate คืออะไร
- ทำไมการเพิ่ม TP ให้ไกลขึ้นอาจทำให้โอกาสชนะลดลง
- ทำไม R:R ที่วางไว้กับ R:R ที่เกิดขึ้นจริงอาจไม่เท่ากัน
- Spread, Commission และ Slippage ส่งผลต่อ R:R อย่างไร
- Partial Take Profit ทำให้ R:R เปลี่ยนอย่างไร
- Trailing Stop ทำให้ R:R จริงแตกต่างจากแผนอย่างไร
- วิธีหา R:R ที่เหมาะกับ Strategy จากข้อมูลจริง
- ทำไม Market Structure ควรมาก่อนการกำหนด R:R
- วิธีประเมิน R:R สำหรับ Scalping, Day Trading และ Swing Trading
- มืออาชีพควรดู R:R ร่วมกับ Expectancy อย่างไร
R:R จริง ๆ คืออะไร?
Risk-Reward Ratio (R:R) คือการเปรียบเทียบ:
จำนวนเงินหรือระยะทางที่เรายอมเสี่ยง
กับ:
ผลตอบแทนที่คาดหวังจาก Trade
ตัวอย่าง:
Entry:
1.1000
Stop Loss:
1.0950
Risk:
50 pips
Take Profit:
1.1100
Reward:
100 pips
ดังนั้น:
R:R = 1:2
หมายความว่า:
ยอมเสีย 1 ส่วน เพื่อหวังผลตอบแทน 2 ส่วน
แต่ R:R ไม่ได้บอกว่า Trade ดีหรือไม่
นี่คือจุดที่ต้องเข้าใจให้ชัด
สมมติ:
Trade A
R:R:
1:1
Win Rate:
70%
Trade B
R:R:
1:3
Win Rate:
25%
อย่าเพิ่งสรุปว่า:
Trade B ดีกว่า
เพราะ R:R เป็นเพียง:
หนึ่งตัวแปรของระบบ
ต้องดู:
Win Rate + R:R + Costs + Distribution + Execution
Break-even Win Rate
เราสามารถคำนวณ Win Rate ขั้นต่ำที่ทำให้:
กำไรเฉลี่ย = ขาดทุนเฉลี่ย
โดยยังไม่รวมค่าธรรมเนียมและ Slippage
ถ้า:
R:R = 1:1
ต้องชนะประมาณ:
50%
เพื่อให้ผลลัพธ์ทางคณิตศาสตร์อยู่ใกล้จุดคุ้มทุน
ถ้า:
R:R = 1:2
Break-even Win Rate จะอยู่ที่ประมาณ:
33.33%
ถ้า:
R:R = 1:3
จะอยู่ที่ประมาณ:
25%
ตาราง R:R กับ Break-even Win Rate
| R:R | Break-even Win Rate* |
|---|---|
| 1:0.5 | 66.67% |
| 1:1 | 50.00% |
| 1:1.5 | 40.00% |
| 1:2 | 33.33% |
| 1:2.5 | 28.57% |
| 1:3 | 25.00% |
| 1:4 | 20.00% |
| 1:5 | 16.67% |
*เป็นการคำนวณเชิงทฤษฎีโดยยังไม่รวมต้นทุนการเทรด
แล้วทำไมไม่ตั้ง R:R = 1:10 ไปเลย?
นี่คือกับดักที่มือใหม่เจอบ่อย
หาก:
R:R สูง = ดีเสมอ
Trader ก็อาจคิดว่า:
“งั้นผมตั้ง TP ให้ไกลที่สุด”
เช่น:
Risk:
20 pips
Target:
200 pips
R:R:
1:10
ฟังดูดีมาก
แต่คำถามสำคัญคือ:
ตลาดมีโอกาสวิ่งถึง 200 pips จาก Entry ก่อนชน Stop หรือไม่?
ถ้า:
โอกาสต่ำมาก
R:R บนกระดาษก็ไม่มีประโยชน์มากนัก
R:R ที่ดีต้องสัมพันธ์กับ Probability
นี่คือหัวใจของบทนี้:
R:R ต้องพิจารณาควบคู่กับโอกาสที่ Trade จะไปถึง Target
ตัวอย่าง:
Strategy A
R:R:
1:1
Probability ชนะ:
70%
Strategy B
R:R:
1:5
Probability ชนะ:
15%
แม้ Strategy B มี:
Reward ใหญ่กว่า
แต่ไม่ได้หมายความว่า:
Expected Outcome จะดีกว่าเสมอ
R:R กับ Expectancy
เราสามารถเชื่อมกับสิ่งที่เรียนมาแล้วได้:
Expectancy = (Win Rate × Average Win) − (Loss Rate × Average Loss)
สมมติ:
Win Rate:
40%
Average Win:
2R
Loss Rate:
60%
Average Loss:
1R
ดังนั้น:
(0.40 × 2) − (0.60 × 1)
=
0.80 − 0.60
=
+0.20R
นี่สำคัญกว่า:
การบอกว่า “ผมใช้ R:R 1:2”
เพียงอย่างเดียว
R:R ที่วางไว้ ≠ R:R ที่เกิดขึ้นจริง
สมมติแผน:
R:R = 1:3
แต่ใน Live Trading:
- ปิดกำไรบางส่วนเร็ว
- เลื่อน Stop
- ปิดก่อน TP
- มี Slippage
- ใช้ Trailing Stop
ผลลัพธ์จริงอาจกลายเป็น:
Average Win = 1.4R
ดังนั้น:
Actual Average Win
อาจต่ำกว่า:
Planned Reward
นี่คือเหตุผลที่ Professional Trader สนใจ:
Realized R-Multiple
มากกว่าแค่ R:R ที่เขียนไว้ตอนเข้า Trade
R-Multiple คืออะไร?
R-Multiple คือการวัดผลลัพธ์ของ Trade เทียบกับ:
Initial Risk
สมมติ Risk:
$100
ถ้า Trade ได้:
+$200
ผลลัพธ์:
+2R
ถ้าเสีย:
−$100
ผลลัพธ์:
−1R
ถ้าเสีย:
−$50
ผลลัพธ์:
−0.5R
ทำไม R-Multiple สำคัญ?
เพราะช่วยให้เปรียบเทียบ Trade ที่มีขนาด Account หรือ Position ต่างกันได้
เช่น:
Trader A:
+$500
Trader B:
+$100
ดูจาก Dollar:
A ดูดีกว่า
แต่:
A Risk:
$1,000
ดังนั้น:
+0.5R
B Risk:
$50
ดังนั้น:
+2R
ในแง่ของประสิทธิภาพเมื่อเทียบกับ Risk:
B ทำได้ดีกว่า
R:R กับ Market Structure
สิ่งที่ไม่ควรทำคือ:
กำหนด R:R ก่อน
แล้วค่อย:
หา Stop และ Target ให้เข้ากับตัวเลข
ตัวอย่าง:
Trader ตั้งใจ:
“ทุก Trade ต้อง 1:3”
จึง:
ขยับ TP ให้ไกลจนได้ 1:3
แม้:
Resistance อยู่ตรงหน้า
นี่อาจทำให้:
Target ไม่สอดคล้องกับ Market Structure
วิธีคิดที่ดีกว่า
ให้ถาม:
1.
Setup อยู่ตรงไหน?
2.
Invalidation อยู่ตรงไหน?
3.
Stop Loss ควรอยู่ตรงไหนตาม Structure?
4.
Target ที่มีเหตุผลอยู่ตรงไหน?
จากนั้น:
ค่อยคำนวณ R:R
ถ้า:
R:R ไม่เหมาะสม
ให้พิจารณา:
Skip Trade
แทนที่จะ:
บิด Structure เพื่อให้ได้ R:R ที่ต้องการ
R:R เป็น “ผลลัพธ์จาก Trade Design”
ไม่ควรเป็น:
เป้าหมายที่ต้องบังคับให้ทุก Trade มี
ตัวอย่าง:
Market Structure ให้:
Stop = 30 pips
Resistance:
45 pips
ดังนั้น Reward:
45 pips
R:R:
1:1.5
ถ้า Strategy มี Edge ที่เหมาะกับ:
1:1.5
Trade นี้อาจ:
ดี
แม้ไม่ได้:
1:3
ทำไม 1:2 ไม่ใช่กฎสากล?
เพราะ Strategy แต่ละแบบมี:
- Win Rate
- Holding Period
- Market Condition
- Volatility
- Entry Quality
- Exit Method
ต่างกัน
ดังนั้น:
R:R ที่เหมาะสมก็แตกต่างกัน
Scalping กับ R:R
Scalper อาจใช้:
Target สั้น
เพราะ:
Market Movement ที่ต้องการสั้นกว่า
แต่ต้องเผชิญ:
- Spread
- Commission
- Slippage
- Execution Speed
ดังนั้น:
R:R บนกราฟอาจดูดี
แต่หลังหักต้นทุน:
Realized Edge อาจลดลงมาก
Day Trading กับ R:R
Day Trader อาจมี:
Target ใหญ่กว่า Scalper
แต่:
Position มักปิดภายในวัน
R:R ที่เหมาะสมต้องสัมพันธ์กับ:
Intraday Volatility
และ:
Market Structure
Swing Trading กับ R:R
Swing Trader อาจ:
ถือ Position หลายวัน
จึงอาจมี:
Stop กว้าง
และ:
Target กว้าง
R:R ที่เหมาะสมจึงต้องดู:
- Daily/Weekly Structure
- Volatility
- Swing Range
- Holding Period
Cost-Adjusted R:R
นี่คือเรื่องที่มือใหม่มักไม่คิด
สมมติ:
Risk:
10 pips
Reward:
20 pips
บนกราฟ:
1:2
แต่มีต้นทุน:
Spread + Commission + Slippage
ต้นทุนรวม:
2 pips
ผลตอบแทนสุทธิ:
18 pips
ความเสี่ยงจริง:
อาจเพิ่มขึ้นตามต้นทุนและ Execution
ดังนั้น:
Realized R:R จะต่ำกว่า Planned R:R
ทำไม Scalper ต้องระวังเรื่องนี้มาก?
เพราะ:
Target เล็ก
ดังนั้นต้นทุน:
มีสัดส่วนสูงเมื่อเทียบกับ Reward
ตัวอย่าง:
Target:
10 pips
Cost:
2 pips
ต้นทุนกิน:
20% ของ Target
แต่ถ้า:
Target:
100 pips
Cost:
2 pips
สัดส่วน:
เพียง 2%
ดังนั้น:
R:R ที่เหมาะสมต้องพิจารณา Transaction Cost
Partial Take Profit กับ R:R
สมมติ:
Risk:
1R
Target แรก:
+1R
Trader ปิด:
50%
อีก 50%:
ปล่อยไป +3R
ผลลัพธ์ไม่ได้เท่ากับ:
+3R เต็ม Position
แต่:
0.5 × 1R + 0.5 × 3R
=
+2R
ดังนั้น:
Average Realized Reward
อาจแตกต่างจาก:
Final Target
Trailing Stop กับ R:R
สมมติ:
Initial Plan:
1:3
แต่เมื่อราคาไป:
+1R
Trader เลื่อน Stop:
ตามราคา
จากนั้นตลาดกลับตัว:
ปิดที่ +0.8R
แม้ Chart จะเคยมี:
+2R Floating Profit
แต่ผลลัพธ์จริง:
+0.8R
ดังนั้น:
R:R ที่เห็นบน Chart
ไม่ใช่:
R-Multiple ที่ได้รับจริง
R:R กับ Break-Even Win Rate
จำหลักง่าย ๆ:
Reward สูงขึ้น → Break-even Win Rate ลดลง
แต่:
Reward สูงขึ้นอาจทำให้ Hit Rate ลดลง
นี่คือ Trade-off
จึงไม่มี:
“R:R ที่ดีที่สุดสำหรับทุก Strategy”
Trade-Off ที่แท้จริง
ถ้าเพิ่ม Target:
Reward ↑
แต่อาจ:
Probability of Hit ↓
ถ้าลด Target:
Probability of Hit ↑
แต่อาจ:
Reward ↓
ดังนั้น Strategy ต้องหา:
จุดสมดุล
R:R Optimization
การหา R:R ที่เหมาะสมไม่ควรใช้:
ความรู้สึก
ควรใช้:
Historical Data
เช่นทดสอบ:
TP = 1R
TP = 1.5R
TP = 2R
TP = 2.5R
TP = 3R
แล้วเปรียบเทียบ:
- Win Rate
- Expectancy
- Profit Factor
- Max DD
- Average R
- Trade Frequency
- Recovery
- Stability
อย่าดูแค่ Net Profit
สมมติ:
Strategy A
Net Profit:
+$20,000
Strategy B
Net Profit:
+$22,000
ดูเหมือน B ดีกว่า
แต่ถ้า:
A:
Max DD 8%
B:
Max DD 25%
อาจเป็น:
Risk Profile ที่แตกต่างกันมาก
ดังนั้น:
R:R Optimization ต้องดูทั้ง Return และ Risk
R:R Optimization กับ Overfitting
นี่เป็นกับดักระดับสูง
สมมติ Backtest:
1:2.37
ให้ผลดีที่สุด
ไม่ได้แปลว่า:
2.37 คือ R:R ที่ “ถูกต้อง”
อาจเป็น:
Parameter ที่บังเอิญเข้ากับ Historical Data
ดังนั้นควรทดสอบ:
1:2
1:2.25
1:2.5
1:2.75
เพื่อดูว่า:
Strategy Stable หรือไม่
Robust R:R
หาก:
1:2
ถึง:
1:2.5
ให้ผลลัพธ์ใกล้เคียงกัน
แสดงว่า:
Strategy อาจ Robust ต่อ R:R
แต่ถ้า:
1:2.37
ดีมาก
ขณะที่:
1:2.3
และ:
1:2.4
แย่ลงอย่างมาก
อาจเป็นสัญญาณ:
Overfitting
R:R กับ Market Regime
R:R ที่เหมาะสมอาจเปลี่ยนตาม:
Trending Market
มีโอกาส:
Target ไกล
Range Market
Target:
อาจควรใกล้กว่า
High Volatility
Stop และ Target:
อาจกว้างขึ้น
Low Volatility
Target:
อาจสั้นลง
ดังนั้น:
Dynamic R:R อาจเหมาะกับบาง Strategy
แต่ Dynamic R:R ไม่ควรกลายเป็นการปรับตามอารมณ์
ไม่ควร:
“วันนี้ดูเหมือนขึ้นแรง งั้นเอา TP 1:5”
ควร:
มี Rule
เช่น:
หาก ATR อยู่เหนือ Percentile ที่กำหนด → ใช้ Target Model A
นี่คือ:
Rule-Based Adaptation
R:R กับ Entry Quality
สมมติ:
Setup A:
Entry ดีมาก
มี Room ถึง Target:
3R
Setup B:
Entry ช้า
เหลือ Room:
1R
แม้ใช้ Strategy เดียวกัน:
Expected Outcome อาจต่างกัน
ดังนั้น:
Entry Location มีผลต่อ R:R ที่เป็นไปได้
R:R กับ Stop Placement
การขยับ Stop ให้แคบลง:
ทำให้ R:R ดูสูงขึ้น
ตัวอย่าง:
Target:
100 pips
Stop:
50 pips
R:R:
1:2
ถ้าลด Stop:
25 pips
R:R:
1:4
ดูดีขึ้น
แต่ถ้า Stop 25 pips:
อยู่ภายใน Market Noise
ก็อาจ:
ถูก Stop บ่อยขึ้น
ดังนั้น:
อย่าปรับ Stop เพื่อทำให้ R:R สวย
R:R กับ Volatility
Stop ที่เหมาะสมต้องสัมพันธ์กับ:
Market Volatility
เช่น:
ตลาดปกติ:
ATR 30 pips
Stop:
10 pips
อาจ:
แคบเกินไปสำหรับ Strategy
ดังนั้น:
R:R สูงขึ้นบนกระดาษ
แต่:
Win Rate อาจลดลง
R:R กับ Trade Frequency
Target ไกลขึ้น:
อาจทำให้ Trade ใช้เวลานานขึ้น
และ:
Trade Frequency ลดลง
Target ใกล้ขึ้น:
อาจมีโอกาสปิดเร็วขึ้น
ดังนั้น:
R:R ส่งผลต่อจำนวน Opportunity ที่ Strategy สามารถสร้างได้
R:R กับ Holding Period
โดยทั่วไป:
Target ที่ไกลกว่า
มักต้องการ:
Time in Market มากขึ้น
แต่ไม่ได้เป็นกฎตายตัว
ดังนั้นต้องดู:
Strategy Type
R:R กับ Expectancy Distribution
อย่าดูแค่:
Average R
ให้ดู:
Distribution ของ R-Multiple
เช่น:
+3R
+2R
−1R
−1R
+0.5R
−1R
เป็นต้น
เพราะ:
Distribution บอกลักษณะของ Strategy ได้มากกว่า R:R ที่เขียนไว้ตอนเข้า Trade
Professional Insight: Planned R:R vs Realized R:R
Professional Trader ควรแยก:
Planned R:R
สิ่งที่วางแผนตอน Entry
Realized R:R
สิ่งที่เกิดขึ้นจริงหลังปิด Trade
ตัวอย่าง:
Planned:
1:3
Realized Average Win:
+1.8R
ดังนั้น:
Strategy จริงไม่ได้มี Average Win = 3R
และนี่มีผลต่อ:
Expectancy
โดยตรง
Professional Insight: R:R Distribution
แทนที่จะบอก:
“Strategy นี้ใช้ R:R 1:3”
ควรดู:
Average Win = +2.1R
Median Win = +1.6R
Best Win = +5.2R
Worst Win = −1.4R
จะให้ข้อมูล:
ลึกกว่า Planned R:R
Professional Insight: MFE และ MAE
สองแนวคิดที่มีประโยชน์มาก:
MFE
Maximum Favorable Excursion
คือ:
ราคาวิ่งไปในทางกำไรมากที่สุดแค่ไหนก่อนปิด Trade
MAE
Maximum Adverse Excursion
คือ:
ราคาวิ่งสวนทางมากที่สุดแค่ไหนก่อนปิด Trade
ข้อมูลสองตัวนี้ช่วยวิเคราะห์:
Stop Placement
และ:
Take Profit
ได้อย่างมีประสิทธิภาพมากขึ้น
ตัวอย่าง MFE
Trade:
Entry 1.1000
ก่อนปิด:
ราคาขึ้นถึง 1.1060
แต่สุดท้าย:
ปิดที่ 1.1030
MFE:
+60 pips
Realized Profit:
+30 pips
แปลว่า:
ตลาดเคยให้กำไรสูงกว่าที่เราได้รับจริง
ตัวอย่าง MAE
Entry:
1.1000
ราคาลงไป:
1.0980
ก่อนกลับขึ้นไป:
1.1040
MAE:
−20 pips
หาก Stop:
30 pips
Trade ยังไม่ถูก Stop
ข้อมูลนี้สามารถใช้ศึกษา:
Stop วางแคบหรือกว้างเกินไปหรือไม่
MFE/MAE กับการหา R:R
หาก Backtest พบว่า:
Trade ที่ชนะส่วนใหญ่มี MFE ประมาณ 1.5–2R
แต่เราตั้ง:
TP = 4R
อาจมี:
Trade จำนวนมากที่ไปไม่ถึง Target
ดังนั้น:
MFE Distribution
สามารถช่วยประเมิน:
Target ที่สมเหตุสมผล
วิธีหา R:R จากข้อมูลจริง
ขั้นที่ 1:
เก็บ Trade:
อย่างน้อยจำนวนที่เพียงพอสำหรับการวิเคราะห์
ขั้นที่ 2:
บันทึก:
- Entry
- Stop
- Initial Risk
- Exit
- MFE
- MAE
- R-Multiple
ขั้นที่ 3:
จัดกลุ่มตาม:
- Market Condition
- Setup
- Timeframe
ขั้นที่ 4:
ทดสอบ Target หลายระดับ
ขั้นที่ 5:
ดู:
Expectancy + Distribution + Drawdown
อย่าหา R:R จาก Trade เดียว
Trade เดียว:
ไม่สามารถบอก Optimal R:R ได้
เพราะ:
Variance สูง
ต้องดู:
Sample Distribution
Sample Size สำคัญ
สมมติ:
Strategy มี:
10 Trades
แล้ว:
1:3 ดูดีมาก
ยังเร็วเกินไปที่จะสรุป
หาก:
500 Trades
และ:
ผลยัง Stable
ความมั่นใจในการวิเคราะห์:
สูงขึ้น
แต่ก็ยัง:
ไม่ใช่การรับประกันอนาคต
R:R กับ Strategy Validation
หลังหา R:R ที่เหมาะสมแล้ว:
ควรทดสอบ:
In-Sample
ใช้สร้าง Model
Out-of-Sample
ใช้ตรวจว่า Model:
ยังทำงานกับข้อมูลที่ไม่เคยใช้สร้างหรือไม่
Forward Test
ตรวจ:
การทำงานในสภาวะตลาดจริง
นี่ช่วยลด:
Overfitting
R:R กับ Professional Execution
แม้ Strategy จะมี:
Optimal R:R
แต่ถ้า Execution ไม่ดี:
- Slippage
- Early Exit
- Missed Entry
- Stop Error
- Partial Close
Realized R:
อาจแตกต่างจาก Backtest
ดังนั้น:
Execution Quality เป็นส่วนหนึ่งของ R:R จริง
⚠️ ข้อผิดพลาดที่พบบ่อย
❌ คิดว่า R:R สูง = Strategy ดี
❌ บังคับทุก Trade ให้ได้ 1:2 หรือ 1:3
❌ ขยับ Stop ให้แคบเพื่อเพิ่ม R:R
❌ ขยับ TP ให้ไกลเพื่อเพิ่ม R:R
❌ ไม่ดู Market Structure
❌ ไม่ดู Volatility
❌ ไม่หัก Transaction Cost
❌ ไม่ดู Realized R
❌ ไม่ดู MFE / MAE
❌ Optimize R:R จากข้อมูลน้อยเกินไป
❌ เลือก R:R ที่ดีที่สุดจาก Backtest เพียงค่าเดียว
❌ ปรับ R:R ตามความรู้สึก
❌ ปิดกำไรเร็วแต่ยังอ้างว่า Strategy เป็น 1:3
🧪 ตัวอย่างการวิเคราะห์จริง
สมมติ Strategy หนึ่ง:
Model A
Target:
1R
Win Rate:
65%
Model B
Target:
2R
Win Rate:
45%
Model C
Target:
3R
Win Rate:
32%
อย่าตัดสินจาก:
R:R อย่างเดียว
ให้คำนวณ:
Expectancy
และดู:
- Max DD
- Trade Frequency
- Average R
- Distribution
- Stability
ตัวอย่าง Expectancy
Model A
(0.65 × 1) − (0.35 × 1)
=
+0.30R
Model B
(0.45 × 2) − (0.55 × 1)
=
+0.35R
Model C
(0.32 × 3) − (0.68 × 1)
=
+0.28R
จากตัวอย่างนี้:
Model B มี Expectancy สูงที่สุด
แม้:
Model C มี R:R สูงกว่า
นี่แสดงให้เห็นว่า:
R:R สูงสุด ≠ Expectancy สูงสุด
แล้ว R:R ไหนดีที่สุด?
คำตอบคือ:
ไม่มี R:R ที่ดีที่สุดสำหรับทุก Strategy
R:R ที่ดีคือ:
R:R ที่สอดคล้องกับ Entry, Stop, Target, Market Structure, Probability, Costs และ Strategy Edge
และต้องผ่าน:
Data Validation
🧠 20 สิ่งที่ควรจำจากบทเรียนนี้
- R:R ไม่ได้บอกคุณภาพของ Trade เพียงตัวเดียว
- R:R สูงไม่ได้แปลว่า Strategy ดีกว่า
- R:R ต้องดูร่วมกับ Win Rate
- Break-even Win Rate ลดลงเมื่อ Reward เพิ่มขึ้น
- Target ที่ไกลขึ้นอาจทำให้ Probability of Hit ลดลง
- Planned R:R อาจไม่เท่ากับ Realized R:R
- R-Multiple ช่วยเปรียบเทียบผลลัพธ์โดยใช้ Risk เป็นหน่วย
- Market Structure ควรมาก่อนการบังคับ R:R
- ไม่ควรบีบ Stop เพื่อทำให้ R:R สูงขึ้น
- ไม่ควรขยับ TP เพียงเพื่อให้ได้ 1:3
- Transaction Cost มีผลต่อ R:R จริง
- Partial Take Profit ทำให้ Realized Reward เปลี่ยน
- Trailing Stop ทำให้ผลลัพธ์จริงแตกต่างจาก Planned R:R
- MFE ช่วยศึกษาว่าตลาดเคยให้กำไรสูงสุดเท่าไร
- MAE ช่วยศึกษาว่า Trade เคยเคลื่อนสวนทางมากแค่ไหน
- R:R ควรวิเคราะห์จาก Distribution ของ Trade ไม่ใช่ Trade เดียว
- R:R ที่ดีที่สุดจาก Backtest เพียงจุดเดียวอาจเป็น Overfitting
- Robustness สำคัญกว่าการหา Parameter ที่ดีที่สุดเพียงค่าเดียว
- Scalping, Day Trading และ Swing Trading อาจมี R:R ที่เหมาะสมต่างกัน
- เป้าหมายไม่ใช่การหา R:R ที่สูงที่สุด แต่คือการหา R:R ที่ทำให้ Strategy มี Edge และสามารถนำไปใช้งานจริงได้อย่างสม่ำเสมอ
📌 สรุปบทเรียนที่ 60
สิ่งที่สำคัญที่สุดของบทนี้คือ:
อย่าตัดสิน Strategy จาก R:R เพียงตัวเดียว
การเห็น:
1:3
ไม่ได้แปลว่า:
ดีกว่า 1:1
และการเห็น:
1:5
ก็ไม่ได้แปลว่า:
ดีกว่า 1:2
เพราะเมื่อ Reward เพิ่ม:
Probability ที่ราคาไปถึง Target อาจลดลง
ดังนั้นสิ่งที่เราต้องหาไม่ใช่:
“R:R ที่สูงที่สุด”
แต่คือ:
“R:R ที่เหมาะสมที่สุดกับ Distribution ของ Strategy”
และการหา R:R ที่เหมาะสมควรเริ่มจาก:
Market Structure
↓
Entry
↓
Invalidation / Stop
↓
Target
↓
Planned R:R
↓
Historical Data
↓
MFE / MAE
↓
Realized R-Multiple
↓
Expectancy
↓
Out-of-Sample Validation
นี่คือความแตกต่างระหว่าง:
“ผมเทรดด้วย R:R 1:3”
กับ:
“ผมมีข้อมูลสนับสนุนว่า Strategy ของผมทำงานได้ดีที่สุดภายใต้ Distribution ของ R-Multiple แบบนี้”
สำหรับมือใหม่:
อย่ายึดติดกับเลข 1:2 หรือ 1:3 เพียงเพราะเห็นคนอื่นใช้
สำหรับมืออาชีพ:
ให้ถามว่า “ข้อมูลของ Strategy บอกอะไร?”
จำประโยคสำคัญ:
“R:R ที่ดีที่สุดไม่ใช่ R:R ที่สูงที่สุด แต่คือ R:R ที่สอดคล้องกับความน่าจะเป็นและ Edge ของ Strategy มากที่สุด”
📚 บทเรียนถัดไป — LEVEL 4
บทเรียนที่ 61: Expectancy คืออะไร? วิธีวัดว่า Strategy มี Edge จริงหรือแค่ดูเหมือนกำไร
บทที่ 61 จะ ไม่ย้อนสอน R:R ซ้ำ แต่จะเจาะเรื่องที่ต่อจากบทนี้โดยตรง คือการนำ Win Rate + Average Win + Average Loss + Trade Frequency + Costs มาประเมินว่า Strategy มี Positive Expectancy จริงหรือไม่ รวมถึงวิธีแยก Expectancy ที่เกิดจาก Edge จริง ออกจากผลลัพธ์ที่เกิดจาก Variance หรือ Sample Size ที่ยังน้อยเกินไป.
Share This Story, Choose Your Platform!
🔴 LEVEL 4 — Risk Management 🎯 เมื่อเรียนบทนี้จบ คุณจะเข […]
🔴 LEVEL 4 — Risk Management 🎯 เมื่อเรียนบทนี้จบ คุณจะเข […]
🔴 LEVEL 4 — Risk Management 🎯 เมื่อเรียนบทนี้จบ คุณจะเข […]
🔴 LEVEL 4 — Risk Management 🎯 เมื่อเรียนบทนี้จบ คุณจะเข […]
