Linear Vs Non Linear
โดยปกติแล้ว เมื่อเรามีข้อมูลต่างๆ สิ่งที่เรามักจะทำก็คือหาความสัมพันธ์ของข้อมูลในเชิงต่างๆ อย่างง่ายสุดที่เรามักจะเจอกันเป็นประจำก็คือ ราคาเทียบ กับเวลา หรือเราอาจะสร้างข้อมูลใหม่จากข้อมูลเดิมเพื่อนำมาเปรียบเทียบก็ทำได้เช่นกัน
ในทางคณิตศาสตร์ เรามักจะเรียกความสัมพันธ์ ว่า "Function" ซึ่งสามารถแปลงให้อยู่ของสมการเพื่อความสะดวกในการแทนความสัมนพันธ์ต่างๆ (อย่าพึ่งมองว่าสมการ หรือตัวแปรต่างๆมันดูยุ่งยากนะครับ มันก็เป็นแค่ตัวที่แสดงให้คนทั่วไปสามารถเข้าใจในทางเดียวกัน หรือ เหมือนกัน )
ทีนี้ในรูปแบบความสัมพันธ์แบ่งออกแบบยาบๆ เพื่อความเข้าใจได้ง่าย คือ แบบ Linear คือเชิงเส้นตรง และแบบ Non Linear คือแบบไม่เป็นเชิงเส้นตรง
ความสัมพันธ์เชิงเส้นตรงนั้น ง่ายต่อการคำนวณ และง่ายต่อการตีความ เช่น ถ้าทองขึ้น ค่าเงิน yen จะแข็ง หรือ ถ้าน้ำมันขึ้น ทองจะลด ในสัดส่วนที่ใกล้เคียงกันในแต่ละการเปลี่ยนแปลง เช่น ทองขึ้น 4% เงิน yen แข็งขึ้น 2% ดังนั้นความสัมพันธ์แบบนี้สามารถคาดเดาได้ง่าย และเข้าใจได้ง่ายด้วยเช่นกัน
ส่วนความสัมพันธ์ที่เป็น Non Linear นั้น จะมีความสัมพันธ์อะไรก็ได้ที่ไม่ใช้สมการเชิงเส้นตรง อาจจะเป็นซับซ้อนไม่มากเช่น Quadratic (สมการที่มียกกำลังสอง ) หรือซับซ้อนในรูปแบบ Differantial Eqaution ก็ได้ ความสมันพันธ์แบบนี้บางทีการคำนวณ หรือการตีความค่อนข้างที่ยากและซับซ้อน แต่สามารถอธิบายรูปแบบต่างๆได้มากกว่า (ถ้าใครเรียนพวกสมการที่พยายามอธิบายปรากฎการณ์ทางธรรมชาติ มักจะอยู่ในรูปที่ซับซ้อน เช่น Heat Equation เป็นต้น ที่อธิบายการถ่ายเทความร้อน)
แล้วมันเกี่ยวอะไรกับการเทรดด้วยละ? แน่นอนครับว่ามันเกี่ยวกันแน่นอน เครื่องมือต่างๆไม่ว่าจะเป็นเทคนิคคอลที่พวกเรานิยมใช้ หรือ ข้อมูลทางพื็นฐาน ต่างๆ เราก็พยายามมาความสัมพันธ์กัน เพื่อใช้ในการเป็นข้อมูลอ้างอิง หรือการคาดการณ์เกี่ยวกับสิ่งที่จะเกิดขึ้นในอนาคต
ซึ่งข้อมูล หรือเทคนิคคอลส่วนใหญ่ มักจะเป็นความสัมพันธ์แบบเชิงเส้นตรงซะเป็นส่วนใหญ่ ขณะที่ตลาดนั้น ความสมันพันธ์ต่างๆที่เทียบกับเชิงต่างๆ มักจะไม่เป็นแบบเส้นตรง โดยเฉพาะตลาดเก็งกำไร แต่ถ้าจะถามผมว่าความสัมพันธ์มันเป็นแบบใด ถ้าผมตอบได้ผมก็น่าจะรวยที่สุดในโลกไปแล้วละครับ ☺ และโดยเฉพาะตลาดมักมีการเปลี่ยนแปลงอยู่เสมอทำให้ยากต่อการคาดเดา
วันนี้ผมเอารูปประกอบมาให้ดูครับ ถ้าตลาดมีความสมันพันธ์แบบเส้นตรง การใช้เทคนิคคอลส่วนใหญ่ก็คงได้ผลแม่นยำค่อนข้างมาก(รูปที่ 1 ) แต่ถ้านำเส้นตรงไปใช้กับแบบไม่ใช่เส้นตรง ความผิดพลาดของข้อมูลก็มีเยอะ(รูปที่2) ดังนั้นทุกววันนี้จะเห็นได้ว่ามีการพัฒนาโมเดลใหม่ๆต่างๆออกมาเพื่ออธิบายที่แบบไม่ใช่เชิงเส้นเพื่อได้ความถูกต้องและเหมาะสมมากขึ้น(รูปที่ 3)
ในทางคณิตศาสตร์ เรามักจะเรียกความสัมพันธ์ ว่า "Function" ซึ่งสามารถแปลงให้อยู่ของสมการเพื่อความสะดวกในการแทนความสัมนพันธ์ต่างๆ (อย่าพึ่งมองว่าสมการ หรือตัวแปรต่างๆมันดูยุ่งยากนะครับ มันก็เป็นแค่ตัวที่แสดงให้คนทั่วไปสามารถเข้าใจในทางเดียวกัน หรือ เหมือนกัน )
ทีนี้ในรูปแบบความสัมพันธ์แบ่งออกแบบยาบๆ เพื่อความเข้าใจได้ง่าย คือ แบบ Linear คือเชิงเส้นตรง และแบบ Non Linear คือแบบไม่เป็นเชิงเส้นตรง
ความสัมพันธ์เชิงเส้นตรงนั้น ง่ายต่อการคำนวณ และง่ายต่อการตีความ เช่น ถ้าทองขึ้น ค่าเงิน yen จะแข็ง หรือ ถ้าน้ำมันขึ้น ทองจะลด ในสัดส่วนที่ใกล้เคียงกันในแต่ละการเปลี่ยนแปลง เช่น ทองขึ้น 4% เงิน yen แข็งขึ้น 2% ดังนั้นความสัมพันธ์แบบนี้สามารถคาดเดาได้ง่าย และเข้าใจได้ง่ายด้วยเช่นกัน
ส่วนความสัมพันธ์ที่เป็น Non Linear นั้น จะมีความสัมพันธ์อะไรก็ได้ที่ไม่ใช้สมการเชิงเส้นตรง อาจจะเป็นซับซ้อนไม่มากเช่น Quadratic (สมการที่มียกกำลังสอง ) หรือซับซ้อนในรูปแบบ Differantial Eqaution ก็ได้ ความสมันพันธ์แบบนี้บางทีการคำนวณ หรือการตีความค่อนข้างที่ยากและซับซ้อน แต่สามารถอธิบายรูปแบบต่างๆได้มากกว่า (ถ้าใครเรียนพวกสมการที่พยายามอธิบายปรากฎการณ์ทางธรรมชาติ มักจะอยู่ในรูปที่ซับซ้อน เช่น Heat Equation เป็นต้น ที่อธิบายการถ่ายเทความร้อน)
แล้วมันเกี่ยวอะไรกับการเทรดด้วยละ? แน่นอนครับว่ามันเกี่ยวกันแน่นอน เครื่องมือต่างๆไม่ว่าจะเป็นเทคนิคคอลที่พวกเรานิยมใช้ หรือ ข้อมูลทางพื็นฐาน ต่างๆ เราก็พยายามมาความสัมพันธ์กัน เพื่อใช้ในการเป็นข้อมูลอ้างอิง หรือการคาดการณ์เกี่ยวกับสิ่งที่จะเกิดขึ้นในอนาคต
ซึ่งข้อมูล หรือเทคนิคคอลส่วนใหญ่ มักจะเป็นความสัมพันธ์แบบเชิงเส้นตรงซะเป็นส่วนใหญ่ ขณะที่ตลาดนั้น ความสมันพันธ์ต่างๆที่เทียบกับเชิงต่างๆ มักจะไม่เป็นแบบเส้นตรง โดยเฉพาะตลาดเก็งกำไร แต่ถ้าจะถามผมว่าความสัมพันธ์มันเป็นแบบใด ถ้าผมตอบได้ผมก็น่าจะรวยที่สุดในโลกไปแล้วละครับ ☺ และโดยเฉพาะตลาดมักมีการเปลี่ยนแปลงอยู่เสมอทำให้ยากต่อการคาดเดา
วันนี้ผมเอารูปประกอบมาให้ดูครับ ถ้าตลาดมีความสมันพันธ์แบบเส้นตรง การใช้เทคนิคคอลส่วนใหญ่ก็คงได้ผลแม่นยำค่อนข้างมาก(รูปที่ 1 ) แต่ถ้านำเส้นตรงไปใช้กับแบบไม่ใช่เส้นตรง ความผิดพลาดของข้อมูลก็มีเยอะ(รูปที่2) ดังนั้นทุกววันนี้จะเห็นได้ว่ามีการพัฒนาโมเดลใหม่ๆต่างๆออกมาเพื่ออธิบายที่แบบไม่ใช่เชิงเส้นเพื่อได้ความถูกต้องและเหมาะสมมากขึ้น(รูปที่ 3)
ความคิดเห็น
แสดงความคิดเห็น