Seasonality วันไหน เดือนไหนดี? วิธีทดสอบว่าจริงหรือแค่บังเอิญ

“ทองคำมักขึ้นในเดือนมกราคม” “วันจันทร์มักลง” “Sell in May and go away” ประโยคแบบนี้มีกราฟประกอบสวย ๆ เสมอ และฟังดูเหมือนข้อเท็จจริง Seasonality หรือฤดูกาลในตลาด คือความคิดว่าราคามีรูปแบบที่ผูกกับปฏิทิน เช่น วันในสัปดาห์ เดือนในปี หรือชั่วโมงในวัน บทนี้จะดูว่าทำไมกราฟพวกนี้ดูน่าเชื่อ ทั้งที่ตัวเลขสุ่มก็สร้างได้ ต้องใช้ข้อมูลกี่ปีถึงพอ และสิ่งที่ข้อมูลทองคำของเราบอกจริง ซึ่งมีทั้งส่วนที่เป็นเสียงรบกวนและส่วนที่เกิดซ้ำทุกปี

Calendar effect ที่คนพูดถึงบ่อย

• Day-of-week วันในสัปดาห์ เช่น วันจันทร์ลง วันศุกร์ขึ้น
• Month-of-year เดือนในปี เช่น กราฟ “ทองคำรายเดือน” ที่บอกว่าเดือนไหนขึ้นบ่อย
• Turn-of-month ช่วงรอยต่อเดือน คือวันท้ายเดือนกับไม่กี่วันแรกของเดือนใหม่
• Sell in May ความเชื่อว่าหุ้นทำผลงานช่วงพฤษภาคมถึงตุลาคมแย่กว่าช่วงพฤศจิกายนถึงเมษายน
• Hour-of-day ชั่วโมงในวัน เช่น ช่วงตลาดลอนดอนเปิด หรือช่วงข่าวสหรัฐฯ

ทั้งหมดนี้มีจุดร่วมกันคือ ทดสอบง่าย แค่จัดกลุ่มผลตอบแทนตามปฏิทินแล้วหาค่าเฉลี่ย และเพราะทดสอบง่าย จึงหลอกง่ายด้วย

ทำไมกราฟฤดูกาลดูน่าเชื่อ

กราฟรายเดือนส่วนใหญ่ใช้ข้อมูล 10–20 ปี แปลว่าแต่ละเดือนมีตัวเลขแค่ 10–20 ค่า ค่าเฉลี่ยของตัวเลขจำนวนน้อยขนาดนี้แกว่งมาก และปีที่ราคาวิ่งแรงเพียงปีเดียวก็ลากค่าเฉลี่ยทั้งแท่งได้

เราลองพิสูจน์ด้วยตัวเลขสุ่มล้วน สร้างผลตอบแทนรายเดือน 12 เดือน × 10 ปี จากการแจกแจงปกติ ค่าเฉลี่ยศูนย์ ส่วนเบี่ยงเบนมาตรฐาน 5% ต่อเดือน (ใกล้กับทองคำ 2022–2026 ที่เราวัดได้ 5.05%) ทุกเดือนเหมือนกันหมด ไม่มีฤดูกาลอยู่เลยแม้แต่นิดเดียว

ผลรอบหนึ่ง:

1. สิงหาคมออกมา “ดีที่สุด” เฉลี่ย +2.14% ต่อเดือน กันยายน “แย่ที่สุด” −2.08% ต่างกันกว่า 4 จุด
2. แต่สิงหาคมบวกแค่ 5 ปีจาก 10 ปี เท่าโยนเหรียญพอดี
3. ค่าเฉลี่ยสูงเพราะปีที่ 8 ปีเดียวได้ +13.80% ตรวจ: ผลรวม 10 ปีคือ 21.43 ตัดปีที่ 8 ออกเหลือ 7.63 หาร 9 ได้ +0.85%

รอบเดียวอาจเป็นความบังเอิญ เราจึงรันซ้ำ 20,000 รอบ ผลคือ

• เดือนที่ดีที่สุดได้ค่าเฉลี่ยราว +2.58% ต่อเดือน และห่างจากเดือนที่แย่ที่สุดเฉลี่ย 5.16 จุด ทั้งที่ความจริงทุกเดือนคือ 0
• 90% ของรอบ (89.8%) มีอย่างน้อยหนึ่งเดือนที่บวก 7 ปีขึ้นไปจาก 10 ปี ตรวจด้วยสูตร: โอกาสที่เดือนหนึ่งบวก ≥ 7 จาก 10 คือ 17.2% โอกาสที่มีอย่างน้อยหนึ่งเดือนจาก 12 คือ 1 − 0.828¹² = 89.6% ตรงกัน
• 49% ของรอบมีเดือนที่บวก 8 ใน 10 ปี

ประโยค “เดือนนี้ขึ้น 8 ใน 10 ปี” ฟังดูแน่น แต่ในข้อมูลสุ่มล้วน 12 เดือน 10 ปี มีโอกาสราวครึ่งหนึ่งที่จะเจอเดือนแบบนั้นอย่างน้อยหนึ่งเดือน

กราฟแบบนี้ยังโดน Hindsight bias ซ้ำอีกชั้น พอเห็นว่าสิงหาคมดี เราจะหาเหตุผลมาอธิบายได้เสมอ อ่านเพิ่มที่ ทำไมกราฟย้อนหลังดูง่ายเสมอ

ปัญหาลองหลายช่อง: 5 วัน × 12 เดือน × 24 ชั่วโมง

เกณฑ์สถิติ 5% ออกแบบมาสำหรับการทดสอบครั้งเดียว ถ้าทดสอบหลายช่องพร้อมกัน ช่องที่ “ผ่าน” เพราะโชคจะเพิ่มขึ้นตามจำนวนช่อง โอกาสเจออย่างน้อยหนึ่งช่องคือ 1 − 0.95^จำนวนช่อง

สิ่งที่ทดสอบ	จำนวนช่อง	โอกาสเจอช่องผ่านปลอมอย่างน้อย 1	เกณฑ์ t ที่ควรใช้แทน 1.96
วันในสัปดาห์ (Forex มี 5 วัน)	5	22.6%	2.58
เดือนในปี	12	46.0%	2.87
ชั่วโมงในวัน	24	70.8%	3.08
ทั้งสามอย่างรวมกัน	41	87.8%	3.23
วัน × เดือน	60	95.4%	—

คอลัมน์สุดท้ายใช้วิธี Bonferroni คือหารเกณฑ์ 5% ด้วยจำนวนช่องแล้วแปลงเป็นค่า t เป็นวิธีที่เข้มและง่ายที่สุด และนี่ยังไม่นับคู่เงิน Timeframe และนิยามอื่น ๆ ที่ลองไปด้วย เช่น วัดจากราคาปิดเวลาไหน รายละเอียดเรื่องนี้อยู่ใน Data snooping ลอง 200 กลยุทธ์

ต้องใช้ข้อมูลกี่ปี

ค่า t ประมาณได้จาก ขนาดผล ÷ (ความแกว่ง ÷ √จำนวนตัวอย่าง) ถ้าอยากให้ t ถึง 1.96 ต้องใช้ตัวอย่าง n = (1.96 × ความแกว่ง ÷ ขนาดผล)²

ตัวอย่างรายเดือน ความแกว่ง 5% ต่อเดือน:

• เดือนหนึ่งดีกว่าปกติ 2%: n = (1.96 × 5 ÷ 2)² = 4.9² = 24.01 ปัดขึ้นเป็น 25 ปี แค่ให้ผลไปอยู่ตรงเส้นเกณฑ์ ซึ่งแปลว่าโอกาสตรวจเจอยังแค่ครึ่งเดียว ถ้าอยากมีโอกาส 80% ต้องใช้ (2.8 × 5 ÷ 2)² = 49 ปี
• ดีกว่าปกติ 1%: (1.96 × 5 ÷ 1)² = 96.04 ราว 97 ปี
• ถ้าทดสอบทั้ง 12 เดือนแล้วใช้เกณฑ์ 2.87: ผล 2% ต้องใช้ (2.87 × 5 ÷ 2)² ราว 52 ปี

ตัวอย่างวันในสัปดาห์ ทองคำ 2022–2026 แกว่งวันละ 1.19%:

• วันหนึ่งดีกว่าปกติ 0.1% ต่อวัน ต้องใช้ (1.96 × 1.19 ÷ 0.1)² ราว 544 สัปดาห์ หรือ 10.5 ปี ถ้าใช้เกณฑ์ 2.58 สำหรับ 5 วัน ต้องราว 942 สัปดาห์ หรือ 18 ปี

ส่วนกราฟฤดูกาลที่ใช้ข้อมูล 10–15 ปี ตรวจได้แค่ผลที่ใหญ่มาก ๆ เท่านั้น และผลที่ใหญ่ขนาดนั้นถ้ามีจริง คนก็เข้าไปเก็บจนหมดไปนานแล้ว หลักคิดเดียวกันกับการนับจำนวนไม้ในระบบเทรด อ่านได้ที่ ต้องเทรดกี่ไม้ถึงรู้ว่าระบบดีจริง

งานวิจัยบอกอะไร

งานวิจัยเรื่องนี้ส่วนใหญ่ทำกับหุ้น ไม่ใช่ Forex หรือทองคำ จึงยกมาเพื่อดูว่าผลแบบนี้มีอายุแค่ไหน ไม่ใช่เพื่อเอามาใช้ตรง ๆ

• Weekend effect Kenneth French (1980) พบว่าหุ้นสหรัฐฯ ให้ผลตอบแทนเฉลี่ยติดลบช่วงวันศุกร์ถึงวันจันทร์ งานทบทวนรุ่นหลัง เช่น Schwert (2003) ชี้ว่าผลนี้อ่อนลงจนแทบหายไปในข้อมูลหลังจากถูกตีพิมพ์
• Sell in May Bouman และ Jacobsen (2002) พบรูปแบบนี้ในตลาดหุ้นหลายประเทศ แต่ยังถกเถียงกันต่อว่าคงอยู่แค่ไหนหลังหักต้นทุน และเรื่องนี้เป็นของหุ้น ไม่ได้บอกอะไรเกี่ยวกับค่าเงินหรือทองคำ
• ลองหลายกติกา Sullivan, Timmermann และ White (2001) ทดสอบกติกาปฏิทินหลายพันแบบในหุ้นสหรัฐฯ พบว่าเมื่อคิดรวมทุกแบบที่นักวิจัยรุ่นก่อนอาจลองไป กติกาที่ดีที่สุดก็ไม่ได้ดีกว่าที่โชคทำได้อย่างมีนัย
• ผลจางหลังตีพิมพ์ McLean และ Pontiff (2016) พบว่าความผิดปกติในตลาดหุ้นที่ถูกตีพิมพ์ ให้ผลน้อยลงชัดเจนหลังตีพิมพ์ ส่วนหนึ่งเพราะเป็นผลจากการลองหลายแบบ อีกส่วนเพราะคนเข้าไปเทรดตาม
• ความผันผวนรายชั่วโมง ในทางกลับกัน Andersen และ Bollerslev (1998) พบว่าความผันผวนของค่าเงินในแต่ละช่วงของวันมีรูปแบบชัด ผูกกับเวลาเปิดปิดของตลาดและเวลาประกาศข่าว รูปแบบแบบนี้ไม่หายไปเมื่อคนรู้ เพราะมันมาจากเวลาทำงานของคน ไม่ใช่จากราคาที่ทายได้

ข้อมูลทองคำของเรา: วันในสัปดาห์

เราวัดจากแท่ง M1 ของ XAUUSD จากโบรกเกอร์ ช่วง 3 มกราคม 2022 ถึง 31 สิงหาคม 2026 รวม 1,210 วันทำการ ผลตอบแทนรายวันคือราคาปิดวันนั้นเทียบวันก่อน เวลาเซิร์ฟเวอร์เป็น GMT+0 (เวลาไทย = เซิร์ฟเวอร์ + 7) แท่งคืนวันอาทิตย์นับรวมกับวันจันทร์ ช่วงนี้ทองขึ้นจากราว 1,830 เป็นราว 4,450 ดอลลาร์ ค่าเฉลี่ยทุกวันจึงเป็นบวก +0.082% ต่อวัน ต้องเทียบแต่ละวันกับตัวเลขนี้ ไม่ใช่กับศูนย์

ปี	วันที่ดีที่สุด	วันที่แย่ที่สุด
2022	พุธ +0.12%	จันทร์ −0.20%
2023	พุธ +0.12%	จันทร์ −0.05%
2024	พฤหัสฯ +0.27%	พุธ −0.05%
2025	จันทร์ +0.39%	ศุกร์ +0.00%
2026 (ม.ค.–ส.ค.)	พุธ +0.31%	พฤหัสฯ −0.41%

สิ่งที่เห็น:

• วันจันทร์แย่ที่สุดสองปีแรก ใครดูข้อมูลตอนต้นปี 2024 อาจสรุปว่า “ทองวันจันทร์ลง” แล้วปี 2025 วันจันทร์กลับดีที่สุด
• เมื่อรวมทั้ง 5 ปี ไม่มีวันไหนเด่นจริง วันพุธเฉลี่ยสูงสุด แต่เทียบกับค่าเฉลี่ยของทุกวันได้ t แค่ 0.81 (ถ้าเทียบกับศูนย์ได้ 1.92 ซึ่งเป็นตัวเลขที่ตลาดขาขึ้นช่วยดันให้) ยังห่างเกณฑ์ 2.58 ที่ควรใช้กับ 5 วัน
• วันพุธดีที่สุด 3 ใน 5 ปี ฟังดูมีอะไร แต่ถ้าแต่ละปีสุ่มวันที่ดีที่สุดแบบมั่ว ๆ โอกาสที่จะมีสักวันได้ที่หนึ่ง 3 ปีขึ้นไปคือ 29% (จำลอง 200,000 รอบ)
• ค่าสหสัมพันธ์ของรูปแบบรายวันระหว่างปีอยู่ตั้งแต่ −0.95 ถึง +0.88 คือบางคู่ปีกลับด้านกันเกือบหมด

ข้อมูลเกือบ 5 ปีเท่ากับราว 243 สัปดาห์ ยังห่างจาก 544 สัปดาห์ที่คำนวณไว้ข้างบนมาก ข้อสรุปที่ซื่อตรงคือ “ยังไม่เห็นหลักฐาน” ไม่ใช่ “พิสูจน์แล้วว่าไม่มี”

ข้อมูลทองคำ: เดือนในปี ปีเดียวลากค่าเฉลี่ย

ข้อมูลชุดเดียวกันมีผลรายเดือน 55 เดือน (กุมภาพันธ์ 2022 ถึงสิงหาคม 2026) แต่ละเดือนมีแค่ 4–5 ค่า

เดือน	ผลแต่ละปี	เฉลี่ย	เฉลี่ยถ้าตัดค่าที่สุดโต่งที่สุดออก
มิถุนายน	2022 −1.63, 2023 −2.39, 2024 −0.02, 2025 +0.69, 2026 −11.78	−3.03%	−0.84%
กันยายน	2022 −2.81, 2023 −4.69, 2024 +5.28, 2025 +12.03	+2.45%	−0.74%
มกราคม	2023 +5.69, 2024 −1.12, 2025 +6.67, 2026 +13.26	+6.13%	+3.75%

กันยายนดูเป็นเดือนดี แต่ทั้งหมดมาจากปี 2025 ปีเดียว ตัดออกแล้วกลายเป็นลบ มิถุนายนดูเป็นเดือนร้าย แต่ส่วนใหญ่มาจากปี 2026 ปีเดียว ส่วนมกราคมยังบวกหลังตัด แต่ต้องเทียบกับค่าเฉลี่ยทุกเดือนซึ่งสูงถึง +1.79% ต่อเดือนในช่วงที่ทองขึ้นแรง เดือนที่ “ดี” ส่วนหนึ่งจึงเป็นแค่เทรนด์ใหญ่ที่ทุกเดือนได้ส่วนแบ่ง

สิ่งที่เกิดซ้ำจริง: ความผันผวนรายชั่วโมง

ทีนี้เปลี่ยนคำถาม จาก “ชั่วโมงไหนราคาขึ้น” เป็น “ชั่วโมงไหนราคาวิ่งกว้าง” เราวัดความกว้างของแท่งรายชั่วโมง (High − Low เป็น % ของราคา) ใช้ค่ามัธยฐานของแต่ละชั่วโมงตามเวลาไทย แล้วหารด้วยค่าเฉลี่ยของทุกชั่วโมงในปีนั้น เพื่อให้เทียบรูปร่างข้ามปีได้ ข้ามช่วง 04:00–06:00 น. ที่ตลาดพักรายวันและมีแท่งน้อย

• ยอดอยู่ที่ 20:00 หรือ 21:00 น. ทุกปี กว้าง 1.60–2.06 เท่าของชั่วโมงเฉลี่ย ตรงกับช่วงข่าวสหรัฐฯ และตลาด New York เปิด
• ชั่วโมงที่เงียบที่สุดอยู่ที่ 03:00 หรือ 06:00 น. แคบเหลือ 0.49–0.66 เท่า
• ค่าสหสัมพันธ์ของรูปร่างระหว่างปีอยู่ที่ 0.77–0.99 เทียบกับรูปแบบรายวันข้างบนที่กระโดดจาก −0.95 ถึง +0.88
• ระดับเปลี่ยนแต่รูปไม่เปลี่ยน ชั่วโมงเฉลี่ยปี 2026 กว้าง 0.417% เกือบสองเท่าของปี 2023 ที่ 0.193% แต่ยอดและช่วงเงียบยังอยู่ตำแหน่งเดิม

เวลาไทยไม่เลื่อน แต่ตลาดยุโรปและสหรัฐฯ เลื่อนตามเวลาฤดูร้อน ยอดจึงขยับได้หนึ่งชั่วโมงตามช่วงปี ดูตารางเวลาได้ที่ ตลาด Forex เปิดกี่โมงตามเวลาไทย และเรื่องที่ความผันผวนสูงต่ำเป็นช่วง ๆ อ่านได้ที่ Volatility clustering

ฤดูกาลของความผันผวนมาจากเวลาทำงานของคนและเวลาประกาศข่าว จึงเกิดซ้ำทุกปี ฤดูกาลของทิศทางถ้ามีจริง คนจะเข้าไปเทรดจนมันหายไป

ทิศทางรายชั่วโมง: อ่อน และต้องระวังข้อมูล

เราวัดทิศทางรายชั่วโมงจากข้อมูลชุดเดียวกันด้วย หักค่าเฉลี่ยของทุกชั่วโมงออกก่อน (ทองขึ้นเฉลี่ย 0.0028% ต่อชั่วโมง) แล้วดูว่าชั่วโมงไหนต่างจากชั่วโมงอื่น จาก 24 ชั่วโมง มีชั่วโมงเดียวที่ค่า t เกิน 1.96 คือ 06:00 น. เวลาไทย (t = 2.39) ยังต่ำกว่าเกณฑ์ 3.08 สำหรับ 24 ช่อง

ชั่วโมงนี้บวกครบทั้ง 5 ปี ฟังดูน่าสนใจ แต่ถ้าทุกชั่วโมงเป็นเหรียญที่โยนปีละครั้ง โอกาสที่อย่างน้อยหนึ่งใน 24 ชั่วโมงจะออกหน้าเดิม 5 ปีติดคือ 1 − (15/16)²⁴ = 79% ขนาดก็เล็ก ราว 0.017% ต่อชั่วโมง หรือราว 0.67 ดอลลาร์ที่ราคาทอง 4,000 และ 06:00 น. เป็นชั่วโมงแรกหลังตลาดพักรายวัน ซึ่ง spread มักกว้าง ข้อมูลแท่งใช้ราคาฝั่งเดียว การที่ spread กว้างแล้วแคบลงอาจทำให้ราคาในแท่งดูขยับเองได้ จุดนี้เรายังไม่ได้ทดสอบแยก

งานวิจัยอื่นของเราก็ออกมาทางเดียวกัน

• ทดสอบว่าโครงสร้างราคา ณ 09:00 น. ทายทิศของทองถึง 14:00, 20:00 และ 24:00 น. ได้ไหม บน 1,184 วัน (แท่ง M1 มกราคม 2022 ถึงสิงหาคม 2026) ไม่มีตัวแปรไหนที่มีตัวอย่างเกิน 100 วันแล้วทายถูกเกิน 55% ทั้งถึง 14:00 และ 20:00 น. ช่องที่ดูดีที่สุด 59% มีแค่ 83 วัน ห่างจาก 50% เพียง 1.6 SD และสลับไปมาตามปี (2022 ได้ 53% ปี 2026 ได้ 70%)
• ในการทดสอบย้อนหลังของเรา ระบบ breakout บนทองที่แบ่งไม้ตามหน้าต่างเวลา 8 ชั่วโมง ใช้ tick จริงปี 2026 (960 ไม้) ไม่มีหน้าต่างไหนต่างจากส่วนที่เหลืออย่างมีนัย ค่า t สูงสุดแค่ 0.96 แต่ถ้ารันไม้ชุดเดียวกันด้วย tick ที่จำลองจากแท่ง 1 นาที หน้าต่างหนึ่งออกมาดีที่สุด ส่วน tick จริงบอกว่าหน้าต่างเดียวกันแย่ที่สุด และเมื่อรันด้วย tick จำลองตลอด 4.6 ปี (ปี 2022–2025 ไม่มี tick จริง) ได้ค่า t ถึง 2.75 ซึ่งเป็นผลปลอมจากวิธีจำลอง tick

ข้อสุดท้ายสำคัญมาก รูปแบบรายชั่วโมงในผล backtest อาจมาจากวิธีสร้างข้อมูล ไม่ใช่จากตลาด อ่านเพิ่มที่ คุณภาพ tick ใน MT5 backtest ผลทั้งหมดนี้เป็นผลย้อนหลัง ผลในอดีตไม่ได้บอกผลในอนาคต

วิธีทดสอบ seasonality ด้วยตัวเอง

1. เขียนสมมติฐานพร้อมเหตุผลก่อนดูข้อมูล เช่น “ช่วงข่าวสหรัฐฯ ราคาวิ่งกว้าง เพราะข่าวออกเวลานั้น” ดีกว่าไล่ดู 60 ช่องแล้วหยิบช่องที่สวย
2. นับทุกช่องที่ดู แล้วยกเกณฑ์ตามตารางข้างบน 5 ช่องใช้ t ≥ 2.58 12 ช่องใช้ 2.87
3. เทียบกับค่าเฉลี่ยทุกช่วง ไม่ใช่กับศูนย์ ถ้าตลาดขึ้นทั้งช่วง ทุกเดือนจะดูดี
4. แยกดูทีละปี ผลจริงควรไปทางเดียวกันเกือบทุกปี ถ้าทั้งหมดมาจากปีเดียว ให้ตัดปีนั้นออกแล้วดูใหม่ หรือใช้ค่ามัธยฐานแทนค่าเฉลี่ย
5. กันข้อมูลไว้ยืนยัน เลือกจากปีชุดแรก แล้วดูว่ายังอยู่ในปีที่ไม่ได้ใช้ตอนเลือกหรือไม่ แนวคิดเดียวกับ Walk-forward testing
6. เทียบขนาดผลกับต้นทุน ผลรายชั่วโมงระดับเศษส่วนดอลลาร์ หายไปกับ spread ได้ทั้งก้อน
7. ใช้ข้อมูลที่ถูกต้องกับคำถาม เรื่องรายชั่วโมงใน backtest ต้องใช้ tick จริง และต้องรู้ว่าเวลาเซิร์ฟเวอร์ห่างจากเวลาไทยกี่ชั่วโมง

ใช้ seasonality ที่เชื่อได้อย่างไร

ส่วนที่เชื่อได้คือความผันผวนตามเวลา ใช้กับการคุมความเสี่ยงได้ตรง ๆ

• ระยะ Stop loss Stop loss ที่พอดีตอน 10:00 น. อาจแคบเกินไปตอน 20:00 น. ที่ราคาวิ่งกว้างราวสองเท่า ใช้ ATR ของช่วงเวลาเดียวกันช่วยวาง ดู ATR กับการตั้ง Stop loss
• ขนาดไม้ ถ้า Stop loss กว้างขึ้นตามช่วงเวลา ต้องลดขนาดไม้ลง ให้เงินที่เสี่ยงต่อไม้เท่าเดิม
• ช่วงข่าว ช่วง 19:30–21:30 น. มีข่าวสหรัฐฯ ออกบ่อย ราคากระโดดและ slippage เกิดได้ง่าย ดู ข่าวแรงกับ slippage
• ช่วงเงียบ ช่วงก่อนและหลังตลาดพักรายวัน ราคาวิ่งแคบ แต่ spread อาจกว้าง ระบบที่หวังกำไรนิด ๆ จะเสียเปรียบที่สุดตรงนี้

ส่วนทิศทางตามปฏิทิน ถ้าอยากลองใช้จริง ให้ถือเป็นสมมติฐานที่ต้องผ่านทั้ง 7 ข้อข้างบนก่อน และเทียบกับการเข้าแบบสุ่มในช่วงเวลาเดียวกัน ดู ใช้การเข้าแบบสุ่มเป็นตัวเทียบ

ข้อผิดพลาดที่เจอบ่อย

• เชื่อกราฟรายเดือนจากข้อมูล 10 ปี แต่ละแท่งมีแค่ 10 ค่า ปีเดียวที่วิ่งแรงก็สร้าง “เดือนที่ดีที่สุด” ได้
• ดูหลายช่องแล้วรายงานแต่ช่องที่ชนะ 5 วัน 12 เดือน 24 ชั่วโมง มีโอกาสเกือบ 9 ใน 10 ที่จะเจอช่องสวยโดยบังเอิญ
• เทียบกับศูนย์ในตลาดที่มีเทรนด์ ช่วงทองขึ้นแรง ทุกวันและเกือบทุกเดือนดูเป็นบวก
• เอาผลจากหุ้นมาใช้กับ Forex หรือทอง Weekend effect และ Sell in May ศึกษากับหุ้น และหลายเรื่องก็อ่อนลงหลังถูกตีพิมพ์
• สับสนความผันผวนกับทิศทาง รู้ว่าช่วงไหนราคาวิ่งกว้างไม่ได้แปลว่ารู้ว่าจะวิ่งไปทางไหน
• อ่านผลรายชั่วโมงจาก tick จำลอง วิธีจำลอง tick สร้างรูปแบบรายชั่วโมงปลอมได้ และพลิกด้านเมื่อใช้ tick จริง