---
title: "คริปโตกับคณิตศาสตร์: เราสามารถเอาชนะตลาดได้จริงหรือ?"
description: "Jim Simons ได้พิสูจน์แล้วว่าคณิตศาสตร์สามารถค้นหาความได้เปรียบในตลาดได้ ปัจจุบันเหล่านักวิเคราะห์เชิงปริมาณ (quants) กำลังนำแนวคิดเหล่านั้นมาประยุกต์ใช้กับข้อมูลบนเชน โมเดล และขีดจำกัดต่างๆ ที่ไม่มีสูตรใดการันตีชัยชนะได้เสมอไป"
language: th
published: 2026-04-04
author: Netts
topic: "Insights"
canonical: https://netts.io/blog/crypto-and-mathematics-is-it-possible-to-beat-the-market?lang=th
languages: [en, ru, es, zh, th, fr, uk, tr, hi, fa, ar, ha, pt, vi, ko, ja, id, de, tl]
translation_outdated: false
---
# คริปโตกับคณิตศาสตร์: เราสามารถเอาชนะตลาดได้จริงหรือ?

Jim Simons ได้พิสูจน์แล้วว่าคณิตศาสตร์สามารถค้นหาความได้เปรียบในตลาดได้ ปัจจุบันเหล่านักวิเคราะห์เชิงปริมาณ (quants) กำลังนำแนวคิดเหล่านั้นมาประยุกต์ใช้กับข้อมูลบนเชน โมเดล และขีดจำกัดต่างๆ ที่ไม่มีสูตรใดการันตีชัยชนะได้เสมอไป

เรื่องราวของ Jim Simons ไม่ใช่แค่เรื่องของบุคคลที่บริหารจัดการเงิน แม้ว่าเขาจะเป็นหนึ่งในผู้จัดการกองทุนที่ประสบความสำเร็จมากที่สุดในโลกก็ตาม แต่มันคือเรื่องราวของชายผู้มองเข้าไปในโลกที่วุ่นวายและผันผวนของ Wall Street แล้วมองเห็นไม่ใช่ความโกลาหล แต่เป็นความเป็นระเบียบเรียบร้อย — ระเบียบทางคณิตศาสตร์ในรูปแบบของแพทเทิร์นที่ลึกลับและสวยงาม Simons นักคณิตศาสตร์ผู้เลื่องชื่อและอดีตนักถอดรหัสแห่ง NSA ได้ก่อตั้งกองทุนเฮดจ์ฟันด์ Renaissance Technologies ขึ้นในปี 1982

กองทุนเรือธงของเขาอย่าง Medallion Fund ซึ่งเต็มไปด้วยความลับ ได้กลายมาเป็นกองทุนที่ทำกำไรได้มากที่สุดในประวัติศาสตร์ โดยให้ผลตอบแทนเฉลี่ยต่อปีที่น่าเหลือเชื่อกว่า 60% ตลอดสามทศวรรษ ในขณะที่คนอื่นๆ เชื่อมั่นในสัญชาตญาณ ความรู้สึก และการวิเคราะห์แบบมาตรฐาน Simons และกองทัพปริญญาเอกด้านคณิตศาสตร์ ฟิสิกส์ และสถิติของเขากลับเชื่อมั่นเพียงสองสิ่งเท่านั้น: ตัวข้อมูลเอง — สัญญาณเสียงอิเล็กทรอนิกส์จาก Wall Street ที่จำลองขึ้นบนคอมพิวเตอร์ของพวกเขา — และโมเดลที่พวกเขาสร้างขึ้นมาเพื่อตีความมัน ชายผู้ถอดรหัสของ Wall Street ได้สำเร็จ เขาคือ “Quant King” ทว่าสิ่งที่ทำให้ Renaissance แตกต่างอย่างแท้จริงคือวัฒนธรรมองค์กร — ซึ่งดูคล้ายกับภาควิชาคณิตศาสตร์ในมหาวิทยาลัยมากกว่าบริษัทการเงินระดับแถวหน้าของ Wall Street

Simons ได้บ่มเพาะบรรยากาศของการร่วมมือกันในระดับสูงและความกระหายใคร่รู้ โดยมีชื่อเสียงอย่างมากจากการจ้างผู้เชี่ยวชาญที่มีประสบการณ์ด้านการเงินเพียงเล็กน้อยหรือไม่มีเลย เขาเชื่อว่าไอเดียที่ดีที่สุดมาจากการก้าวเข้าสู่ตลาดด้วยมุมมองใหม่ๆ ที่ปราศจากอคติหรือความคิดครอบงำเดิมๆ ของ Wall Street มันเป็นสไตล์ที่แปลกแหวกแนวแต่ให้ผลตอบแทนคุ้มค่า โดยเปิดโอกาสให้พวกเขาพัฒนาแนวทางด้านการเก็งกำไรเชิงสถิติ (statistical arbitrage) และการเทรดความถี่สูง (high-frequency trading) ที่ล้ำหน้ากว่ามาตรฐานทั่วไปของอุตสาหกรรมไปหลายปี

ประวัติของ Simons เองก็แทบจะไม่เหมือนกับยักษ์ใหญ่แห่ง Wall Street ทั่วไปเลย นานก่อนที่เขาจะปฏิวัติวงการลงทุน เขาเป็นนักวิชาการที่ได้รับการยกย่องอย่างสูง ผลงานของเขาในด้านเรขาคณิตและทอพอโลยีมีส่วนสำคัญในการค้นพบ Chern-Simons form ซึ่งต่อมาได้รับการยอมรับว่าเป็นโครงสร้างทางคณิตศาสตร์เชิงซ้อนที่สำคัญสำหรับทฤษฎีสตริงและทฤษฎีสนามควอนตัม ความสามารถในการคิดเชิงนามธรรมหลายมิตินี้เองที่ทำให้เขาโดดเด่น เขาไม่ได้มองว่าตลาดคือกลุ่มของบริษัทเดี่ยวๆ แต่มองว่าเป็นระบบพลวัตที่ขับเคลื่อนด้วยหลักการพื้นฐาน เหมือนกับแรงทางกายภาพ เขามองการลงทุนเป็นโจทย์ปัญหาทางวิทยาศาสตร์ ราวกับว่าคุณสามารถแก้ปัญหานั้นได้ด้วยการรวบรวมข้อมูลที่เพียงพอและประยุกต์ใช้อัลกอริทึมที่เหมาะสมเพื่อแยกสัญญาณออกจากสัญญาณรบกวน (noise)

ทีมงานของเขาดูดข้อมูลจำนวนมหาศาล ตั้งแต่ราคาหุ้นในอดีตไปจนถึงรูปแบบสภาพอากาศ เพื่อมองหาผลกระทบที่สามารถคาดการณ์ได้และไม่ใช่เรื่องสุ่มที่พวกเขาสามารถนำมาใช้เทรดทำกำไรได้ พวกเขาสร้างอัลกอริทึมที่ซับซ้อนซึ่งสามารถส่งคำสั่งซื้อขายได้โดยอัตโนมัติเพื่อทำกำไรจากความไร้ประสิทธิภาพเพียงเล็กน้อยและเกิดขึ้นเพียงชั่วพริบตาที่สายตามนุษย์ไม่มีทางมองเห็นได้ พวกเขาไม่ได้ทำนายทิศทางของตลาดในระยะยาว เพียงแต่หาความได้เปรียบเล็กๆ ที่เชื่อถือได้ แล้วตักตวงจากมันซ้ำแล้วซ้ำเล่าเป็นล้านๆ ครั้ง

แนวทางนี้ยังต้องพึ่งพาข้อมูลที่สะอาดและโครงสร้างพื้นฐานที่แข็งแกร่งอย่างยิ่ง — ซึ่งเป็นสิ่งที่กองทุนแบบดั้งเดิมโดยส่วนใหญ่ขาดแคลนอย่างหนัก ความเชื่อหลักคือ เมื่อมีข้อมูลมากพอ รูปแบบอันแนบเนียนที่สามารถทำนายพฤติกรรมของผู้บริโภคก็จะปรากฏขึ้น — และแพทเทิร์นเหล่านั้นอาจมีขนาดเล็กมาก แต่ก็ยังสามารถสร้างผลกำไรมหาศาลได้หากนำมาขยายผลผ่านสเกลขนาดใหญ่

## กลยุทธ์เดิม บนพรมแดนใหม่

แน่นอนว่าโลกการเงินในปัจจุบันเป็นคนละเรื่องกับโลกที่ Simons เคยพิชิตเมื่อนานมาแล้ว ตลาดมีความรวดเร็วขึ้น มีความเป็นสากลมากขึ้น และซับซ้อนขึ้นอย่างไม่มีที่สิ้นสุด โอกาสทองจากความไร้ประสิทธิภาพของตลาดที่ Medallion Fund เคยเก็บเกี่ยวไปได้นั้นถูกกวาดล้างออกไปจากตลาดนานแล้ว ด้วยการเก็งกำไรของเหล่านักเทรดเชิงปริมาณจำนวนมากที่เดินตามรอยของ Simons

![คริปโตกับคณิตศาสตร์: เราสามารถเอาชนะตลาดได้จริงหรือ?](https://netts.io/blog/images/body/9bfd6c246b0869dbca6528968971846395e97adb-1440.webp)

โมเดลดั้งเดิมของเขา หากนำมาเปิดเผยในปัจจุบัน ก็อาจจะดูโบราณหรือไม่เกี่ยวข้องกับการเทรดด้วยอัลกอริทึมที่รวดเร็วปานสายฟ้าแลบในยุคนี้ อย่างไรก็ตาม การนำเหตุผลนี้มาปฏิเสธมรดกทางความคิดของเขานับเป็นบทเรียนที่ผิดพลาดอย่างสิ้นเชิง อัจฉริยภาพที่แท้จริงไม่ได้อยู่ในโมเดลใดโมเดลหนึ่ง แต่อยู่ที่แนวทางพื้นฐาน นั่นคือ ตลาด ไม่ว่าตลาดใดก็ตาม แม้กระทั่งตลาดที่ดูเหมือนจะมีประสิทธิภาพอย่างไร้ที่ติ ล้วนเต็มไปด้วยรอยแตกและช่องโหว่ “แนวคิดคือการสร้างเลนส์ทางคณิตศาสตร์ที่มีความคมชัดเพียงพอที่จะสังเกตเห็นมัน”

และในตอนนี้ แนวทางเดียวกันนี้กำลังถูกนำมาใช้กับพรมแดนทางการเงินที่ใหม่ที่สุดและล้ำที่สุด นั่นคือ คริปโทเคอร์เรนซี ด้วยความผันผวนที่สูงเสียดฟ้า การพัฒนาที่รวดเร็ว และข้อเท็จจริงที่ว่ามันเป็นดิจิทัลมาตั้งแต่กำเนิด (โดยมีเพียงกำแพงล้อมรอบจากกระดานเทรดแบบรวมศูนย์เท่านั้น) นักเศรษฐศาสตร์จึงมองว่าคริปโตคือสวรรค์ มันเป็นโลกที่ขับเคลื่อนด้วยข้อมูล ซึ่งธุรกรรมทั้งหมดจะถูกบันทึกไว้ในสมุดบัญชีสาธารณะที่ไม่สามารถเปลี่ยนแปลงได้ สิ่งนี้มอบขุมทรัพย์อันอุดมสมบูรณ์ให้นักคณิตศาสตร์และนักวิทยาศาสตร์ข้อมูลได้ออกสำรวจ

ข้อมูลบนเชนนี้ประกอบด้วยปริมาณธุรกรรม ยอดคงเหลือในวอลเล็ต กิจกรรมของสมาร์ตคอนแทรกต์ และค่าธรรมเนียมเครือข่าย ซึ่งมอบมุมมองที่โปร่งใสและเป็นแบบเรียลไทม์เข้าสู่กลไกเบื้องลึกของตลาด สิ่งนี้ยังประกอบเข้ากับข้อมูลนอกเชน (off-chain) จำนวนมหาศาล เช่น ความลึกของสมุดคำสั่งซื้อขาย (order book depth) ของกระดานเทรด หรืออิทธิพลที่ส่งเสียงดัง — และบางครั้งก็โกลาหล — ของความรู้สึกบนโซเชียลมีเดียในแพลตฟอร์มอย่าง Twitter และ Reddit ภารกิจนี้ยิ่งใหญ่ท้าทาย แต่หลักการนั้นตรงไปตรงมา

เป้าหมายไม่ใช่การคาดเดาว่า Bitcoin จะทำสถิติสูงสุดใหม่ (all-time high) ในปีหน้าหรือไม่ แต่เป็นการค้นหารูปแบบที่แนบเนียนและนำมาใช้ทำกำไรได้ท่ามกลางความโกลาหลในแต่ละวันของตลาด มันคือการค้นหาว่ามีความไร้ประสิทธิภาพเชิงโครงสร้างตรงไหนบ้าง ไม่ว่าจะเป็นการตั้งราคาของตราสารอนุพันธ์ การเคลื่อนย้ายของเงินทุนระหว่างกระดานเทรด หรือแม้กระทั่งกลไกพื้นฐานของระบบการทำธุรกรรมบนบล็อกเชน” การแสวงหาอัลฟา (alpha) ได้ย้ายจากห้องค้าของ Wall Street ไปสู่โลกการเงินแบบไร้ศูนย์กลางของบล็อกเชนแล้ว

## คลังแสงทางคณิตศาสตร์สมัยใหม่

เพื่อช่วยให้พวกเขาท่องไปในภูมิทัศน์ใหม่นี้ เหล่าควอนต์ในปัจจุบันจึงติดอาวุธด้วยคลังแสงโมเดลคณิตศาสตร์ที่กว้างขวางและซับซ้อน ซึ่งนำเสนอวิธีต่างๆ ในการวางกรอบและทำความเข้าใจสิ่งที่เกิดขึ้นในตลาด สิ่งเหล่านี้มีตั้งแต่ทฤษฎีการเงินคลาสสิกเวอร์ชันดัดแปลง ไปจนถึงโมเดลใหม่ทั้งหมดที่ออกแบบมาเพื่อจัดการกับคุณลักษณะเฉพาะตัวของสินทรัพย์ดิจิทัล หนึ่งในแนวคิดพื้นฐานที่สุดซึ่งต่อยอดมาจากการเงินแบบดั้งเดิมคือ โมเดล Black-Scholes โดยพื้นฐานแล้ว มันคือสูตรในการคำนวณราคาของตราสารอนุพันธ์

บนสมมติฐานในอุดมคติชุดหนึ่ง — ตลาดมีประสิทธิภาพสมบูรณ์แบบ ราคาของสินทรัพย์เคลื่อนที่แบบสุ่มที่คาดการณ์ได้ซึ่งเรียกว่าการเคลื่อนที่แบบบราวน์เชิงเรขาคณิต (geometric Brownian motion) และความผันผวนมีค่าคงที่ และแม้ว่าตลาดคริปโตจะห่างไกลจากความสมบูรณ์แบบมาก แต่ Black-Scholes ก็ยังคงเป็นรากฐานทางปัญญาที่จำเป็นที่เราต้องใช้เปรียบเทียบราคาออปชันในโลกของอนุพันธ์คริปโตที่กำลังเติบโตอย่างรวดเร็วนี้ ทว่าสมมติฐานที่ตายตัวของมันมักจะใช้การไม่ได้ในดินแดนของคริปโต ที่ซึ่งความผันผวนขึ้นชื่อเรื่องความไร้ขีดจำกัด และเหตุการณ์ประเภท “fat-tail” — กล่าวคือ การแกว่งตัวของราคาอย่างรุนแรง — เกิดขึ้นเป็นประจำ

![คริปโตกับคณิตศาสตร์: เราสามารถเอาชนะตลาดได้จริงหรือ?](https://netts.io/blog/images/body/627718445d2f2dd9a7314b81991f964e99d9c4e1-1269.webp)

เพื่อก้าวข้ามขีดจำกัดเหล่านี้ ควอนต์มักใช้วิธีการที่ซับซ้อนยิ่งขึ้น หนึ่งในกลุ่มวิธีเหล่านี้เรียกว่า Stochastic Volatility Jump Models โมเดลเหล่านี้เกิดขึ้นเพื่อตอบสนองต่อข้อจำกัดของ Black-Scholes โดยตระหนักถึงข้อเท็จจริงสำคัญสองประการของตลาด: ความผันผวนไม่ได้มีค่าคงที่ แต่จะเปลี่ยนแปลงไปตามเวลาในลักษณะสุ่ม (stochastic) และราคาอาจเกิดการกระโดดหรือแกว่งตัวอย่างรุนแรงแบบกะทันหัน (เช่น จากการประกาศข่าวใหญ่หรือการถูกล้างพอร์ต) การใช้พจน์ทางคณิตศาสตร์เพื่ออธิบายความผันผวนที่ไม่คงที่รวมถึงการกระโดดของราคาอย่างมีนัยสำคัญ ทำให้โมเดลเหล่านี้มอบมุมมองที่เป็นจริงมากขึ้น (แม้ว่าจะซับซ้อน) ต่อพลวัตของราคาสินทรัพย์ — และอาจพิสูจน์ได้ว่ามีค่ายิ่งในโลกที่ปั่นป่วนของคริปโต

เครื่องมืออีกชุดหนึ่งคือ วิธีมอนติคาร์โล (Monte Carlo methods) แทนที่จะเป็นสมการที่สวยงามเพียงสมการเดียวเหมือนใน Black-Scholes วิธีมอนติคาร์โลเป็นแนวทางที่ใช้พลังการประมวลผลเข้าสู้ มันทำงานโดยการจำลองเส้นทางในอนาคตของตลาดแบบสุ่มหลายพันหรืออาจถึงหลายล้านครั้ง โดยอิงจากข้อมูลนำเข้าเริ่มต้น เช่น ราคาในปัจจุบันและการวัดค่าความผันผวนโดยประมาณ

เมื่อตรวจสอบการกระจายตัวทั้งหมดของผลลัพธ์ที่ได้จากการจำลองเหล่านี้ เทรดเดอร์จะสามารถพัฒนาสัญชาตญาณเชิงความน่าจะเป็นเกี่ยวกับมูลค่าของอนุพันธ์ประเภทออปชัน หรือเกี่ยวกับระดับความเสี่ยงที่มีอยู่ในพอร์ตโฟลิโอ ความยืดหยุ่นดังกล่าวมีค่ามหาศาลในคริปโต ซึ่งสินทรัพย์มักจะขาดประวัติผลการดำเนินงานระยะยาวตามที่โมเดลดั้งเดิมต้องการ และเป็นจุดที่อนุพันธ์ที่มีความซับซ้อนและขึ้นอยู่กับเส้นทางของราคา (path-dependent) กำลังแพร่หลายมากขึ้นเรื่อยๆ

นี่คือจุดที่มุมมองสมัยใหม่เกี่ยวกับการจัดสรรพอร์ตโฟลิโอ เช่น ทฤษฎีพอร์ตโฟลิโอสโตแคสติก (Stochastic Portfolio Theory หรือ SPT) สามารถเข้ามามีบทบาทได้ SPT ซึ่งคิดค้นโดย E. Robert Fernholz เป็นทฤษฎีเชิงพรรณนามากกว่าเชิงกำหนด มันไม่ได้เริ่มต้นจากสมมติฐานว่าตลาดมีประสิทธิภาพอย่างสมบูรณ์แบบ แต่ทำงานจากพฤติกรรมสมมติของราคาตลาดจริงที่สังเกตได้ในฐานะกระบวนการสุ่มแบบต่อเนื่องตามเวลา สิ่งนี้ตรงกันข้ามกับทฤษฎีพอร์ตโฟลิโอแบบคลาสสิกที่นักลงทุนมุ่งลดค่าคาดหวังของผลตอบแทนรอบวัฏจักรและรักษาระดับความแปรปรวนให้คงที่

![คริปโตกับคณิตศาสตร์: เราสามารถเอาชนะตลาดได้จริงหรือ?](https://netts.io/blog/images/body/59869f9eb6489040bd8280c0f9e07d24711d64fc-1348.webp)

สิ่งนี้นำไปสู่กลยุทธ์ที่มุ่งสร้างผลตอบแทนให้เหนือกว่าตลาดโดยรวม ไม่ใช่ด้วยการทำนายว่าตลาดจะไปทางไหน แต่เป็นการปรับสมดุล (rebalance) พอร์ตโฟลิโอเป็นระยะเพื่อสร้างแรงส่งจากอัตราการเติบโตที่แตกต่างกันของสินทรัพย์แต่ละตัวในพอร์ต มันเป็นมุมมองที่มีความละเอียดอ่อนกว่า ซึ่งปรับตัวได้ดีกว่าต่อความหลากหลายและการขาดความสัมพันธ์ซึ่งกันและกัน (correlation) ที่พบในโลกของคริปโต

สิ่งเหล่านี้ยังได้รับการเสริมด้วยระลอกที่สองของวิธีการที่ออกแบบมาสำหรับยุคดิจิทัลโดยเฉพาะ ในห้องวิเคราะห์กราฟ ราคาคริปโตกำลังถูกจำลองโดยใช้วิธีการที่หยิบยืมมาจากกรอบแนวคิดแบบเบย์เซียน (Bayesian frameworks) เพื่อปฏิบัติต่อพวกมันเหมือนอนุภาคภายใต้ศักย์ไฟฟ้าแบบไม่เป็นเชิงเส้นที่มีพลวัต แนวคิดสำคัญเบื้องหลังสถิติแบบเบย์เซียนนั้นงดงามในความเรียบง่าย: คุณมีความเชื่อเริ่มต้น (prior belief) เกี่ยวกับบางสิ่ง จากนั้นจึงอัปเดตความเชื่อนั้นเมื่อคุณได้รับหลักฐานใหม่ๆ ในโลกคริปโตที่ก้าวไปอย่างรวดเร็ว นั่นคือแนวคิดที่ทรงพลัง โมเดลแบบเบย์เซียนสามารถอัปเดตการคาดการณ์ได้อย่างต่อเนื่องเมื่อมีข้อมูลราคาใหม่ ปริมาณธุรกรรม หรือแม้กระทั่งการวัดความรู้สึกบนโซเชียลมีเดียเข้ามา ทำให้มันสามารถตอบสนองแบบเรียลไทม์เมื่อสภาวะตลาดเปลี่ยนไป ในแบบที่โมเดลแบบคงที่ไม่สามารถทำได้

เครื่องมือที่ทรงพลังอีกอย่างหนึ่งคือ Hidden Markov Model (HMM) โมเดล HMM จะถือว่าตลาดสามารถอยู่ใน "สภาวะ" (regimes) หรือสถานะที่ซ่อนอยู่ได้หลากหลายรูปแบบ — เช่น สภาวะ 'ตลาดกระทิง' ที่มีผลตอบแทนสูงและความผันผวนต่ำ, สภาวะตลาดหมีที่มีผลตอบแทนติดลบและความผันผวนสูง หรือสภาวะการพักตัวออกข้าง (sideways consolidation) โมเดลจะตรวจสอบราคาและพยายามเรียนรู้ว่าตลาดกำลังอยู่ในสถานะใด และสถานะถัดไปที่มีแนวโน้มมากที่สุดคือสถานะใด ในตลาดที่อารมณ์แกว่งไปมาอย่างรวดเร็วเหมือนลูกตุ้มอย่างคริปโต ซึ่งอารมณ์สามารถเปลี่ยนจากความเคลิบเคลิ้มไปสู่ความตื่นตระหนกได้เป็นรายชั่วโมง HMM จึงเป็นเครื่องมือประเภทที่สามารถช่วยฉายแสงให้เห็นการเปลี่ยนแปลงสภาวะเหล่านี้ และช่วยให้เทรดเดอร์มีทักษะในการปรับตัวได้อย่างเหมาะสม

![คริปโตกับคณิตศาสตร์: เราสามารถเอาชนะตลาดได้จริงหรือ?](https://netts.io/blog/images/body/4adbfc33d791bbd8b0cdfe0af215c34a41d70ff9-1274.webp)

สุดท้าย โมเดล Vector Autoregression (VAR) ช่วยในการคลี่คลายเครือข่ายความสัมพันธ์อันซับซ้อนระหว่างคริปโทเคอร์เรนซีทางเลือกต่างๆ ในตลาดที่มีโทเค็นที่เชื่อมโยงถึงกันหลายพันรายการ คงไร้เดียงสาเกินไปที่จะมองเหรียญใดเหรียญหนึ่งแบบแยกเดี่ยว โมเดล VAR จะเข้ามาจัดการเรื่องนี้โดยการพิจารณาสินทรัพย์จำนวนมากในฐานะระบบเดียวกัน มันสามารถสำรวจได้ว่าการผันผวนของราคาอย่างกะทันหันในสินทรัพย์หลักอย่าง Ethereum ส่งผลกระทบเป็นลูกโซ่ไปทั่วทั้งระบบนิเวศอย่างไร ซึ่งส่งผลต่อราคาโทเค็นอื่นๆ อีกหลายสิบตัวในระบบนิเวศ DeFi และ NFT โมเดลนี้จะสร้างแผนที่เครือข่ายความเป็นเหตุเป็นผลและผลกระทบของการแพร่กระจายในตลาด โดยแสดงให้เห็นว่าเหรียญใดเป็นผู้นำและเหรียญใดตาม ซึ่งมอบภาพรวมที่สมบูรณ์ยิ่งขึ้นของความเสี่ยงและโอกาสเชิงระบบ

## พลังและกับดักของตลาดที่ขับเคลื่อนด้วยโค้ด

การใช้โมเดลทางคณิตศาสตร์ขั้นสูงเหล่านี้เพื่อศึกษาตลาดคริปโตมอบโอกาสอันยิ่งใหญ่ แต่ก็ไม่ได้ปราศจากอันตราย ข้อดีนั้นชัดเจน: แผนที่นำทางที่ขับเคลื่อนด้วยข้อมูลผ่านภูมิประเทศที่ขึ้นชื่อเรื่องการเก็งกำไร ทว่าควอนต์ทุกคนต่างก็รู้ดีว่าโมเดลของพวกเขาเป็นเพียงสิ่งที่เป็นนามธรรมซึ่งจำลองมาจากความเป็นจริง และการพึ่งพาพวกมันมากเกินไปอาจนำไปสู่หายนะได้ นั่นคือ จำเป็นต้องมีการรักษาสมดุลที่นี่: ข้อได้เปรียบที่อาจเกิดขึ้นต้องถูกนำมาหักลบกับจุดอ่อนที่มีมาแต่กำเนิดของกองทุนควอนต์ — เพื่อไม่ให้ลงเอยเหมือนกับคนอื่นๆ เหล่านั้น

## ข้อดีและข้อเสียหลักๆ สรุปได้ดังนี้:

1. ข้อดี: สำหรับข้อได้เปรียบคือเราสามารถคำนวณหาสัญญาณที่มีความหมายออกมาจากข้อมูลมหาศาลได้ โมเดลเชิงปริมาณสามารถตรวจจับความสัมพันธ์และรูปแบบอันแนบเนียนที่ซ่อนอยู่ในมหาสมุทรของสินทรัพย์นับพันและการเทรดนับล้าน ซึ่งมนุษย์ไม่มีวันทำได้ สิ่งนี้จะนำไปสู่แนวทางการจัดการความเสี่ยงที่มีวินัยและเป็นระบบมากขึ้น ซึ่งสามารถวัดผลและจัดการผลขาดทุนได้ ในอีกระดับหนึ่ง โมเดลเหล่านี้เป็นกำลังหลักของการเทรดด้วยอัลกอริทึม – พวกมันช่วยให้สามารถดำเนินกลยุทธ์ได้โดยอัตโนมัติด้วยความเร็วที่สามารถฉวยโอกาสที่เกิดขึ้นเพียงเสี้ยววินาที (milliseconds) ได้ พลังในการ "ดมกลิ่น" นี้มีความสำคัญอย่างยิ่งในภาคส่วนย่อยที่มีความซับซ้อน เช่น ตลาด TRON Energy – ซึ่งอัตราและปริมาณของ Energy ที่มีอยู่สามารถเปลี่ยนแปลงได้รวดเร็วปานสายฟ้าแลบ มันช่วยขจัดความกลัวและความโลภออกไปจากการเทรดเมื่อเรายึดมั่นในวิธีดำเนินการที่เป็นระบบ ซึ่งส่งผลให้การส่งคำสั่งซื้อขายมีความสม่ำเสมอมากขึ้น

2. ข้อเสีย: ความเสี่ยงที่ใหญ่ที่สุดคือ 'ความเสี่ยงจากโมเดล' (model risk) โมเดลใดๆ ก็ตามจะมีประสิทธิภาพได้เท่ากับสมมติฐานที่ใช้สร้างมันขึ้นมาเท่านั้น เมื่อสมมติฐานเหล่านั้นไม่ถูกต้อง หรือสภาวะตลาดเปลี่ยนแปลงไปในทิศทางที่โมเดลไม่ได้ถูกออกแบบมาเพื่อรองรับ มันอาจล้มเหลวได้อย่างหายนะ กรณีของ LTCM ควรเป็นอุทาหรณ์ที่ไม่มีวันล้าสมัยเพื่อแสดงให้เห็นว่าจะเกิดอะไรขึ้นเมื่อคุณทำลายทุกสิ่งให้พังพินาศเพียงเพราะความโลภในระยะสั้นของคุณ คุณภาพของข้อมูลนำเข้าเป็นอีกหนึ่งจุดอ่อนสำคัญ ข้อมูลที่มีข้อผิดพลาดหรือไม่สะอาด ('dirty' data) สามารถนำไปสู่การตัดสินใจที่ผิดพลาดและความผิดพลาดในการเทรดที่มีราคาแพง ท้ายที่สุด โมเดลเชิงตัวเลขนั้นอ่อนแอเป็นพิเศษในการคาดการณ์เหตุการณ์ประเภท "หงส์ดำ" (black swan) การโจมตีด้านกฎระเบียบอย่างกะทันหัน การแฮกกระดานเทรดครั้งใหญ่ หรือความก้าวหน้าทางเทคโนโลยีที่คาดไม่ถึง ล้วนเป็นเหตุการณ์ที่อยู่นอกเหนือรูปแบบทางสถิติของข้อมูลในอดีต และสามารถทำให้โมเดลที่ล้ำสมัยที่สุดกลายเป็นสิ่งล้าสมัยได้ในชั่วข้ามคืน

ท้ายที่สุดแล้วโมเดลเหล่านี้เป็นเพียงเครื่องมือ ไม่ใช่ลูกแก้ววิเศษ พวกมันมอบสิ่งที่อาจเรียกได้ว่าเป็นความได้เปรียบเชิงความน่าจะเป็นแก่นักลงทุน หรือเป็นวิธีเพิ่มโอกาสให้เข้าข้างเราเพียงเล็กน้อยในการเทรดหลายๆ ครั้ง บริษัทเชิงปริมาณที่ดีที่สุดไม่ได้ใช้พวกมันเป็นแหล่งของความจริงแท้สมบูรณ์ แต่ใช้เป็นวิธีช่วยให้เข้าใจและรับมือกับความไม่แน่นอนที่มีอยู่แต่กำเนิดในตลาด พวกเขาปรับปรุงโมเดลอย่างต่อเนื่อง ปรับแต่งพวกมัน และบางครั้งก็ละทิ้งพวกมันเมื่อตลาดเปลี่ยนไป พวกเขารู้ว่าแผนที่ไม่ใช่พื้นที่จริง การปฏิสัมพันธ์ที่มีพลวัตสูงของระบบต่างๆ เช่น ตลาดการเช่า Energy ของ TRON เป็นตัวอย่างที่ดีสำหรับการปรับตัวนี้ เนื่องจากผู้ให้บริการรายใหม่และกลไกการกำหนดราคาเปลี่ยนแปลงสภาพแวดล้อมอยู่ตลอดเวลา บริษัทควอนต์ที่ประสบความสำเร็จจึงเป็นทั้งบริษัทบริหารความเสี่ยงพอๆ กับการเป็นบริษัทคาดการณ์

## การตามหา Simons คนต่อไป

มีอะไรมากกว่าเรื่องราวความร่ำรวยอย่างไม่น่าเชื่อที่ Jim Simons และ Medallion Fund สร้างขึ้น: มันคือเรื่องราวของวิธีคิดที่แตกต่างออกไป เขาได้แสดงให้เห็นว่าแม้ในสายอาชีพที่ได้รับอิทธิพลจากอารมณ์และสัญชาตญาณของมนุษย์ วิธีการเชิงประจักษ์ที่มีเหตุมีผลก็สามารถเอาชนะได้ เขาแสดงให้เห็นว่าเบื้องหลังสัญญาณรบกวนและความดุเดือดของตลาด มีตรรกะทางคณิตศาสตร์ต่อการเคลื่อนไหวของราคา ซึ่งแม้ว่าจะไม่ได้นำไปสู่การทำนายที่แม่นยำเสมอไป แต่ก็สามารถสร้างโอกาสในการลงทุนที่มีรากฐานมั่นคงได้ มรดกของเขายังคงยิ่งใหญ่ในโลกการเงิน — เป็นเสมือนสิ่งตอกย้ำระบบ และเป็นเครื่องเตือนใจว่าแท้จริงแล้วรหัสของตลาดนั้นสามารถถอดรหัสได้ มันได้สร้างนิยามใหม่ให้กับสิ่งที่เป็นไปได้ และเปลี่ยนกระบวนทัศน์ระหว่างนักเลือกหุ้นระดับดาราเทียบกับทีมนักวิทยาศาสตร์นิรนาม

ในขณะที่กลุ่มคนรุ่นใหม่ที่มีความสามารถกำลังทุ่มเทให้กับพรมแดนดิจิทัลอย่างคริปโทเคอร์เรนซี มันจึงไม่ใช่คำถามว่าจะมีใครเลียนแบบความสำเร็จของเขาได้หรือไม่ แต่เป็นคำถามที่ว่าจะเกิดขึ้นเมื่อใด ตลาดคริปโตที่เปิดกว้างสำหรับวิทยาศาสตร์ข้อมูลอันท้าทาย เป็นดิจิทัลอย่างสมบูรณ์ และไม่มีวันหลับใหล อาจเป็นสภาพแวดล้อมที่สมบูรณ์แบบสำหรับการปฏิวัติเชิงปริมาณในศตวรรษที่ 21 เครื่องมือมีความซับซ้อนมากขึ้น ข้อมูลมีอยู่อย่างอุดมสมบูรณ์มากขึ้น และโอกาสในการค้นพบและใช้ประโยชน์จากความไร้ประสิทธิภาพมีอยู่ทุกหนทุกแห่ง มันเป็นเวทีที่ความคิดสร้างสรรค์ใหม่ๆ และการทดลองทางคณิตศาสตร์จะได้รับผลตอบแทนอย่างงาม

แต่ Simons คนต่อไปก็ต้องเจอกับงานที่ท้าทายอย่างยิ่ง การแข่งขันนั้นสูงกว่ามากเช่นกัน โดยมีกองทุนควอนต์หลายร้อยแห่ง ทั้งขนาดใหญ่และขนาดเล็กกำลังกวาดสายตาไปทั่วตลาดคริปโตเพื่อค้นหาอัลฟา ตัวตลาดเองก็มีลักษณะสะท้อนกลับ (reflexive) ยิ่งมีควอนต์เข้ามาฉวยโอกาสจากความไร้ประสิทธิภาพมากเท่าใด ความไร้ประสิทธิภาพเหล่านั้นก็มักจะหมดไปเร็วเท่านั้น มันเป็นการแข่งขันทางอาวุธที่ไม่มีวันสิ้นสุด ซึ่งต้องการโมเดลที่ซับซ้อนยิ่งขึ้นเรื่อยๆ และเวลาในการประมวลผลคำสั่งซื้อขายที่รวดเร็วขึ้นเรื่อยๆ มันเป็นการเดินทางที่เต็มไปด้วยอันตราย เต็มไปด้วยความท้าทายอันยิ่งใหญ่ตลอดเส้นทาง แต่หากมีสิ่งใดที่สามารถเรียนรู้ได้จาก Jim Simons นั่นคือ บางที คุณเองก็อาจจะสามารถเอาชนะตลาดได้เช่นกัน — หากคุณมีอัจฉริยภาพทางคณิตศาสตร์และพลังการประมวลผลของคอมพิวเตอร์ที่เพียงพอคอยหนุนหลัง และนั่นคือจุดที่ Netts Energy Market สามารถช่วยคุณค้นหาราคา Energy ที่คุ้มค่าได้ทันทีเมื่อคุณต้องการ:

![คริปโตกับคณิตศาสตร์: เราสามารถเอาชนะตลาดได้จริงหรือ?](https://netts.io/blog/images/body/76c772ae1f957d4e92a0df37fe52fbf30712a797-1326.webp)