ทดสอบจุดเข้ากับการเข้าแบบสุ่ม สัญญาณของคุณดีกว่าโยนเหรียญจริงไหม

กำไรใน backtest ไม่ได้บอกว่าจุดเข้าของเราดี มันคือผลรวมของหลายอย่าง ทั้งจุดเข้า Exit ขนาดไม้ ทิศทางรวมของตลาดในช่วงนั้น และโชค การเทียบกับการเข้าแบบสุ่ม (random entry benchmark) คือการแยกจุดเข้าออกมาวัดเดี่ยว ๆ โดยเก็บทุกอย่างไว้เหมือนเดิม แล้วเปลี่ยนแค่เวลาเข้าเป็นเวลาสุ่ม ถ้าการเข้าสุ่มได้ผลพอ ๆ กัน แปลว่าสัญญาณของเราไม่ได้เพิ่มอะไร บทนี้อธิบายวิธีทำทีละขั้น พร้อมผลจำลองที่ทำให้เห็นว่ากับดักอยู่ตรงไหน

กำไรมาจาก 5 แหล่ง จุดเข้าเป็นแค่หนึ่งในนั้น

1. จุดเข้า สิ่งที่สัญญาณอ้างว่าทำได้ คือเลือกเวลาที่ราคามีแนวโน้มไปทางที่เราเปิด
2. Exit Trailing stop ที่ปล่อยไม้กำไรวิ่ง หรือ TP ใกล้ SL ไกลที่ทำให้ชนะบ่อย เปลี่ยนรูปร่างผลได้มากโดยไม่ต้องเดาทิศเลย
3. ขนาดไม้ การเพิ่มไม้หลังแพ้ หรือทบต้น เปลี่ยนหน้าตาของเส้นทุนได้ทั้งที่จุดเข้าไม่มีข้อมูล
4. ทิศรวมของตลาด (drift) ถ้าราคาขึ้นทั้งช่วงที่ทดสอบ ระบบที่ Buy อย่างเดียวแทบทุกระบบดูดี
5. โชค ไม้ไม่กี่ร้อยไม้แกว่งได้กว้างกว่าที่คนส่วนใหญ่คิด อ่านเพิ่มใน ต้องเทรดกี่ไม้ผลถึงเชื่อได้

การเข้าแบบสุ่มที่ใช้ Exit ขนาดไม้ ทิศ และช่วงข้อมูลเดียวกัน ได้ข้อ 2–5 ครบ ขาดแค่ข้อ 1 ส่วนต่างระหว่างผลจริงกับผลสุ่มจึงเป็นสิ่งที่จุดเข้าทำได้จริง

วิธีทดสอบทีละขั้น

1. บันทึกผลจริง จำนวนไม้ N และผลรวมเป็น R (1R = เงินที่เสี่ยงต่อไม้ เช่น เสี่ยง 50 ดอลลาร์ ได้ 100 ดอลลาร์ = +2R) ใช้ R เพื่อไม่ให้ขนาดไม้มาปน
2. ล็อกทุกอย่างที่ไม่ใช่จุดเข้า Exit SL TP เวลาถือสูงสุด ต้นทุน ทิศ (หรือสัดส่วน Buy/Sell) และกติกาไม้ซ้อน
3. สุ่มเวลาเข้า N ครั้ง จากช่วงข้อมูลเดียวกัน แล้วใช้ Exit เดิมคิดผลแต่ละไม้ รวมเป็นผลของรอบนั้น
4. ทำซ้ำ 1,000 รอบ จะได้ผลรวม 1,000 ค่า เป็นภาพว่า “ถ้าไม่มีสัญญาณ ผลจะกระจายแค่ไหน”
5. ดูว่าผลจริงอยู่ตรงไหน นับว่ามีกี่รอบที่สุ่มแล้วได้ดีเท่าหรือดีกว่าผลจริง

p-value = (จำนวนรอบสุ่มที่ได้ ≥ ผลจริง + 1) ÷ (จำนวนรอบ + 1)

ที่บวก 1 ทั้งบนและล่าง เพราะนับผลจริงเป็นหนึ่งในความเป็นไปได้ด้วย กันไม่ให้ได้ p = 0 ซึ่งเป็นไปไม่ได้จากการสุ่มจำนวนจำกัด ถ้ามี 746 จาก 1,000 รอบที่ได้ดีเท่าหรือดีกว่า p = 747 ÷ 1,001 = 0.746 แปลว่าการเข้าสุ่มทำได้ดีเท่านี้ราว 3 ใน 4 ของเวลา ถ้าไม่มีรอบไหนได้ถึงเลย p = 1 ÷ 1,001 ≈ 0.001 เกณฑ์ที่ใช้บ่อยคือ 0.05 แต่ถ้าลองมาหลายสัญญาณแล้ว ต้องเข้มกว่านั้นมาก อ่านเหตุผลใน Data snooping

ตัวอย่างจำลอง: Breakout กำไร +143R แต่จุดเข้าไม่ได้ช่วย

เราสร้างราคาจำลองในโปรแกรม (ไม่ใช่ตลาดจริง) 10,000 แท่ง แต่ละแท่งราคาขยับแบบสุ่ม ส่วนเบี่ยงเบนมาตรฐาน 1 จุด บวกทิศขึ้นเล็กน้อย 0.03 จุดต่อแท่ง ทั้งช่วงราคาขึ้นจาก 1,000 ไป 1,411 คล้ายตลาดขาขึ้นยาว ระบบทดสอบคือ

• จุดเข้า ราคาปิดทำ High ใหม่ของ 20 แท่ง (Breakout) เปิด Buy อย่างเดียว เว้นอย่างน้อย 20 แท่งระหว่างสัญญาณ
• Exit Trailing stop ห่าง 10 จุดจากราคาปิดสูงสุดตั้งแต่เข้า (10 จุด = 1R) ถือนานสุด 500 แท่ง
• ต้นทุน หัก 0.05R ทุกไม้ แต่ละไม้คิดผลแยกกัน

ผลจริง 267 ไม้ ชนะ 51.3% รวม +142.9R ดูดีมาก จากนั้นเราสุ่มเวลาเข้า 267 ครั้งบนราคาชุดเดียวกัน ด้วย Exit เดิม 1,000 รอบ สองแบบ แบบแรก ซื้อสุ่ม (ทิศเดียวกับระบบ) แบบที่สอง โยนเหรียญ เลือก Buy หรือ Sell

ถ้าเทียบกับโยนเหรียญ ไม่มีรอบไหนได้ถึง +142.9R เลย p ≈ 0.001 ดูเหมือนเจอความได้เปรียบชัดเจน แต่ถ้าเทียบกับซื้อสุ่ม มี 746 จาก 1,000 รอบที่ได้ดีเท่าหรือดีกว่า p = 0.746 ค่าเฉลี่ยของการซื้อสุ่มคือ +161.1R สูงกว่า Breakout เสียอีก กำไรทั้งหมดมาจากการถือ Buy ในตลาดที่ขึ้น ไม่ได้มาจากการเลือกเวลาเข้า และ Breakout ในราคาชุดนี้ไม่มีข้อมูลอะไรจริง ๆ เพราะราคาสร้างจากการสุ่มล้วน

เพื่อไม่ให้เลือกชุดที่ภาพสวย เราสร้างราคาแบบนี้ 5 ชุด p เทียบซื้อสุ่มอยู่ที่ 0.24–0.86 ทุกชุด และผลของ Breakout อยู่ห่างค่าเฉลี่ยของการซื้อสุ่มในชุดนั้นไม่เกินราว 1 ส่วนเบี่ยงเบนมาตรฐานทุกครั้ง ชุดที่ราคาขึ้นมาก Breakout ก็กำไรมาก ชุดที่ขึ้นน้อยก็กำไรน้อย

กับดักเทรนด์: เทียบผิดตัว p-value ก็ผิด

ตัวอย่างข้างบนคือกับดักที่เจอบ่อยที่สุด ระบบ Buy อย่างเดียวบนทองคำในช่วงที่ทองขึ้นแรง หรือระบบ Buy บิตคอยน์ในรอบขาขึ้น เทียบกับศูนย์หรือกับโยนเหรียญจะดูเก่งเสมอ กติกาคือ ตัวคุมต้องมีทิศเหมือนระบบ ระบบ Buy อย่างเดียวเทียบกับซื้อสุ่ม ระบบที่มี Buy 60% Sell 40% เทียบกับการสุ่มที่ Buy 60% Sell 40% เท่ากัน

ข้อดีของการซื้อสุ่มคือมันได้ทิศของตลาดไปเท่ากับระบบพอดี ส่วนต่างที่เหลือจึงเป็นของจุดเข้าล้วน ๆ และถ้าระบบชนะการซื้อสุ่มได้เพราะเทรนด์ช่วงนั้นแรงเป็นพิเศษ ก็ยังต้องดูต่อว่าชนะในปีที่ตลาดไม่มีเทรนด์ด้วยหรือเปล่า อ่านเพิ่มเรื่องตลาดเปลี่ยนนิสัยใน Market regime

โยนเหรียญพร้อม Trailing stop ได้อะไร

มีความเชื่อเก่าว่า “เข้าแบบโยนเหรียญก็ได้ ขอแค่ Exit ดี” เราลองจำลองตรง ๆ บนราคาสุ่มที่ไม่มีทิศเลย 1,000 ชุด ชุดละ 10,000 แท่ง ให้ “เทรดเดอร์” 1,000 คน คนละชุด เข้าคนละ 200 ไม้ ด้วยการโยนเหรียญเลือก Buy หรือ Sell และ Trailing stop 1R แบบเดียวกับข้างบน หักต้นทุน 0.05R

• ชนะ 35.0% ไม้ชนะเฉลี่ย +1.12R ไม้แพ้เฉลี่ย −0.68R
• ไม้ชนะใหญ่กว่าไม้แพ้ 1.12 ÷ 0.68 = 1.65 เท่า หน้าตาเหมือนระบบตามเทรนด์ทั่วไป
• อัตราชนะคุ้มทุนที่อัตราส่วนนี้คือ 1 ÷ (1 + 1.65) = 37.8% แต่ชนะได้ 35.0% ต่ำกว่าจุดคุ้มทุน
• ผลคาดหวังต่อไม้ −0.052R เท่ากับต้นทุน 0.05R ที่หักไว้แทบพอดี

Trailing stop เปลี่ยน รูปร่าง ของผลได้จริง แพ้บ่อยแต่แพ้เล็ก ชนะน้อยครั้งแต่ชนะใหญ่ แต่ไม่ได้สร้าง ผลคาดหวัง ขึ้นมาเอง บนราคาที่ไม่มีทิศ ผลออกมาเท่าทุนก่อนหักต้นทุนแล้วขาดทุนเท่าต้นทุน ที่น่าคิดคือ 287 จาก 1,000 คนยังกำไรหลัง 200 ไม้ 103 คนได้ +20R ขึ้นไป และคนที่ดีที่สุดได้ +86.4R ถ้าคนเหล่านี้ขายสัญญาณ ประวัติก็ดูน่าเชื่อ

แต่ถ้าราคามีทิศ (ใช้ทิศขึ้น 0.03 จุดต่อแท่งเท่าตัวอย่างแรก) โยนเหรียญพร้อม Trailing stop กลับได้ +0.03R ต่อไม้ และ 54.1% ของคนกำไร เพราะไม้ Buy ได้ถือยาวตามเทรนด์ ส่วนไม้ Sell โดน Stop เร็ว นี่คือ Exit กับเทรนด์ทำงานร่วมกัน ไม่ใช่จุดเข้า ผลแบบนี้หายไปทันทีเมื่อเทรนด์หมด เรื่องการเลือก Trailing stop แบบต่าง ๆ อ่านใน เปรียบเทียบวิธี Trailing stop

Exit และขนาดไม้ทำให้การเข้าสุ่มดูดีได้อีกหลายแบบ

• TP ใกล้ SL ไกล บนราคาที่ไม่มีทิศ โอกาสถึง TP ก่อน = ระยะ SL ÷ (ระยะ SL + ระยะ TP) ตั้ง TP 1.3 SL 26 ก็ชนะราว 95% ด้วยการเข้าสุ่ม ในการทดสอบย้อนหลังของเรา ระบบ Breakout บนทองคำ (ปี 2026 ข้อมูล tick จริง) ชนะ 92.8–95.8% ขณะที่การเข้าสุ่มแบบเดียวกันชนะ 95.3% รายละเอียดใน อัตราชนะกับจุดคุ้มทุน
• เพิ่มไม้หลังแพ้ Martingale ทำให้ “รอบ” จบด้วยกำไรเกือบทุกรอบ ไม่ว่าจุดเข้าจะเป็นอะไร จนเจอรอบที่ยาวเกินทุน อ่านใน Grid และ Martingale
• ทบต้นและขนาดไม้ตามทุน ทำให้เส้นทุนโค้งขึ้นสวยในช่วงที่ดี แต่ไม่ได้เปลี่ยนว่าจุดเข้ามีข้อมูลหรือไม่

วิธีกันคือวัดทั้งระบบจริงและตัวคุมเป็น R ด้วยความเสี่ยงต่อไม้คงที่ แล้วค่อยเอาขนาดไม้ไปคิดทีหลัง

สร้างตัวคุมให้ยุติธรรม

ตัวคุม (control) หรือ placebo คือของปลอมที่เหมือนสัญญาณจริงทุกอย่าง ยกเว้นส่วนที่อ้างว่าเป็นความได้เปรียบ ถ้าตัวคุมต่างจากของจริงในเรื่องอื่นด้วย ผลต่างที่เห็นจะมาจากเรื่องนั้นแทน

1. ทิศเดียวกัน หรือสัดส่วน Buy/Sell เท่ากัน
2. จำนวนไม้และกติกาไม้ซ้อนเท่ากัน ถ้าระบบถือได้ทีละไม้ ตัวคุมก็ต้องถือได้ทีละไม้
3. ช่วงเวลาในวันเดียวกัน ถ้าระบบเข้าเฉพาะ 14:00–17:00 น. เวลาไทย ให้สุ่มเฉพาะในช่วงนั้น เพราะความผันผวนและ spread ต่างกันมากตามชั่วโมง ดู เวลาตลาด Forex เวลาไทย
4. ระยะและความลึกเท่ากัน ถ้าทดสอบว่าราคาเด้งที่เส้น 61.8 ของ Fibonacci อย่าเทียบกับ 50% ลอย ๆ ให้เทียบกับเส้นหลอกที่อยู่ใกล้ ๆ ในความลึกพอกัน เพราะในการทดสอบย้อนหลังของเรา ยิ่งราคาย่อลึก ยิ่งเด้งง่ายขึ้นเอง ไม่ว่าเส้นนั้นเป็นฟิโบหรือไม่
5. ต้นทุนเดียวกัน ใช้ spread ณ เวลาที่เข้า ไม่ใช่ค่าเฉลี่ยทั้งวัน

ตัวคุมที่สร้างไม่ตรงรูปแบบให้ผลหลอกได้แรงมาก ในการทดสอบย้อนหลังของเรา (ทองคำ แท่ง M1 ช่วง 06:00–09:00 น. เวลาไทย กรกฎาคม 2022 ถึงกันยายน 2026 รวม 192,728 แท่ง) เราวัดว่าราคาอยู่ที่เส้นฟิโบบ่อยกว่าความบังเอิญไหม ตัวคุมแรกที่ใช้คือเส้นฟิโบจากช่วงเวลาที่เลื่อนไป ซึ่งไม่เกี่ยวกับราคาปัจจุบันเลย ผลออกมาว่าเส้นจริง “ดีกว่า” 1.8–2.0 เท่า แต่พอเปลี่ยนตัวคุมเป็นการกระจายของความลึกจากข้อมูลชุดเดียวกัน อัตราส่วนเหลือ 0.95–1.00 คือไม่ต่างจากความบังเอิญ

ถ้าระบบชนะตัวคุมแบบขาดลอย ให้สงสัยตัวคุมก่อน ว่ามันต่างจากของจริงในเรื่องอื่นด้วยหรือเปล่า

ในการทดสอบย้อนหลังของเรา

งานวิจัยของเราบนทองคำ (XAUUSD) ใช้ตัวคุมแทบทุกครั้ง ตัวอย่างที่ยืนยันจากไฟล์ต้นฉบับ

1. เส้นฟิโบของคลื่นเก่า เราเห็นราคากลับตัวพอดีที่ 261.8 ของคลื่นก่อนหน้า จึงวัดการแตะเส้นของ swing ใหญ่ย้อนหลัง 10 ชุดทั้งหมดราว 241,000 ครั้ง (ข้อมูลแท่ง 1 นาที ราวปี 2022–2026) เทียบกับระดับหลอกที่วางทุก 10% ข้าง ๆ ระดับ 261.8 เด้ง 41% ระดับหลอก 42% ไม่มีระดับฟิโบไหนเด้งบ่อยกว่าระดับหลอกอย่างมีนัย
2. ฟิโบลากข้าม 2 swing ที่ 78.6 เด้ง 50% เทียบระดับข้างเคียง 50% แยกรายปีอยู่ที่ 46–51% ทุกปี (แท่ง 1 นาที มกราคม 2022 ถึงสิงหาคม 2026)
3. กล่องเช้า 06:30–08:30 น. เวลาไทย ถ้าราคาปิดกล่องที่ขอบบน จะหลุดขึ้นก่อน 79% ฟังดูแม่น แต่กล่องรูปเดียวกันช่วง 13:30–15:30 น. ได้ 76% แปลว่าส่วนใหญ่มาจากการที่ราคาอยู่ใกล้ขอบบนอยู่แล้ว ไม่ใช่ช่วงเช้าพิเศษ (ราว 1,000 วัน ปี 2022–2026) นี่คือตัวคุมแบบ “รูปเดียวกัน ต่างแค่เวลา”
4. กล่องทะลุแล้วไปต่อ กล่อง 20, 40 และ 89 แท่ง M1 ทะลุขอบแล้วไปต่อ 56% เทียบสุ่ม 50% ทุกขนาดกล่อง ตัวอย่าง 7,800–25,000 ครั้ง (ปี 2026) เป็นคู่ที่ชนะตัวคุมชัด แต่ “ต่างในสถิติ” ยังไม่เท่ากับ “ทำเงินได้” ต้องทดสอบเป็นระบบที่หัก spread จริงอีกขั้น

และตัวอย่างกับดักเทรนด์จริง เราทดสอบระบบเข้าวันละไม้ตอน 06:30 น. เวลาไทย ด้วย 7 วิธีเลือกทิศ (SL 5 ดอลลาร์ TP 30 ดอลลาร์ 0.10 lot ทุน 10,000 ดอลลาร์) เทียบกับตัวคุม 2 ตัวคือ “ซื้อทุกวัน” และ “ขายทุกวัน” กฎที่ดีที่สุดได้ราว +5,700 ถึง +5,900 ดอลลาร์ใน 5 ปี ใกล้กับที่ “ซื้อทุกวัน” ได้เมื่อเข้าตอน 07:00 น. (+5,408) ไม่มีกฎไหนชนะตัวคุมทั้งสองเกิน 2 ใน 5 ปี ค่าคลาดเคลื่อนมาตรฐานของผลรวม 5 ปีอยู่ที่ราว ±4,500 ดอลลาร์ และทุกผลรวมอยู่ภายใน 2 เท่าของค่านี้ คือแยกจากโชคไม่ได้ ทองขึ้นแรงในช่วงนั้น กำไรของกฎที่ดีที่สุดจึงพอ ๆ กับการซื้อทุกวัน ไม่ได้มาจากการเลือกทิศ

เงื่อนไขข้อมูล: ผลหลายปีข้างบน ปี 2022–2025 มาจากข้อมูลแท่ง 1 นาที หรือ tick ที่จำลองจากแท่ง 1 นาที มีแค่ปี 2026 ที่เป็น tick จริง ทั้งหมดเป็นผลทดสอบย้อนหลัง ผลในอดีตไม่ได้บอกผลในอนาคต

ผ่านแล้วแปลว่าอะไร ไม่ผ่านแปลว่าอะไร

• ทดสอบแค่จุดเข้า ภายใต้ Exit ชุดนี้ บนราคาชุดนี้ ถ้าอยากรู้ว่า Exit ดีไหม ให้ทำกลับด้าน คือเก็บจุดเข้าไว้ แล้วเทียบกับ Exit สุ่มหรือออกตามเวลาคงที่
• ต้องมีไม้พอ ในตัวอย่าง Breakout ที่ 267 ไม้ ขอบบน 5% ของการซื้อสุ่มอยู่ที่ +204.1R ห่างค่ากลาง (+160.3R) 43.8R จุดเข้าต้องเพิ่มราว 43.8 ÷ 267 = 0.16R ต่อไม้ถึงจะผ่านเกณฑ์ 0.05 ความได้เปรียบที่เล็กกว่านั้นมีจริงได้แต่วัดไม่เห็น
• ลองหลายสัญญาณแล้วเลือกตัวที่ผ่าน p-value ของตัวที่ดีที่สุดใช้ไม่ได้ตรง ๆ แล้ว ต้องปรับเกณฑ์ตามจำนวนที่ลอง
• ไม่ใช่ Monte Carlo Monte Carlo สลับไม้ชุดเดิมเพื่อดูความเสี่ยง ส่วนการทดสอบนี้เปลี่ยนจุดเข้าเพื่อดูว่ามีความได้เปรียบไหม ควรทำทั้งสองอย่าง

ลองทำเองกับระบบของคุณ

ถ้าเขียนโค้ดได้ โครงหลักสั้นมาก ส่วนที่ยากคือฟังก์ชันคิดผลด้วย Exit เดิม และการเลือกแท่งให้สุ่มจากช่วงเดียวกับที่ระบบมีสิทธิ์เข้า

// entries = แท่งที่ระบบเข้าจริง, resultR(i, dir) = ผล R ถ้าเข้าที่แท่ง i ด้วย Exit เดิม
const real = entries.reduce((s, i) => s + resultR(i, +1), 0);
let atLeast = 0;
for (let k = 0; k < 1000; k++) {
  let sum = 0;
  for (let t = 0; t < entries.length; t++) {
    const i = randomAllowedBar(); // ชั่วโมงเดียวกัน ช่วงข้อมูลเดียวกัน
    sum += resultR(i, +1);        // ทิศเดียวกับระบบ
  }
  if (sum >= real) atLeast++;
}
const p = (atLeast + 1) / 1001;

ถ้าไม่เขียนโค้ด ทำมือแบบย่อได้ จดราคาและเวลาเข้าจริงทุกไม้ แล้วสุ่มเวลาเข้าจากช่วงเดียวกันอีก 20–30 ชุด คิดผลด้วย Exit เดิม แม้จะหยาบ แต่ถ้าผลจริงอยู่กลางกองของผลสุ่ม ก็รู้คำตอบแล้ว

ข้อผิดพลาดที่เจอบ่อย

• เทียบกับศูนย์หรือโยนเหรียญ ทั้งที่ระบบ Buy อย่างเดียว ในตลาดขาขึ้น ระบบ Buy แทบทุกแบบชนะโยนเหรียญ ต้องเทียบกับซื้อสุ่ม
• ให้ตัวคุมใช้ Exit หรือต้นทุนต่างจากของจริง เช่น ตัวคุมไม่มี Trailing stop หรือคิด spread เฉลี่ยทั้งวัน ผลต่างจะมาจาก Exit หรือต้นทุนแทน
• สุ่มจากทั้งวัน ทั้งที่ระบบเข้าแค่บางชั่วโมง ชั่วโมงที่ผันผวนต่างกันให้ผลต่างกันเอง ให้สุ่มจากชั่วโมงเดียวกัน
• รันสุ่มรอบเดียวแล้วสรุป การเข้าสุ่มรอบเดียวก็แกว่งได้มาก ต้องดูการกระจายจากหลายร้อยถึงพันรอบ
• ชี้ตัวอย่างที่แม่นบนกราฟแทนการนับทั้งหมด มีเส้นบนจอมากพอ ย่อมมีเส้นตรงจุดกลับตัวเสมอ ต้องนับทุกครั้งที่แตะ แล้วเทียบกับระดับหลอก อ่านเพิ่มใน Hindsight bias