คริปโตและคณิตศาสตร์: เป็นไปได้หรือไม่ที่จะเอาชนะตลาด?

เรื่องราวของ Jim Simons ไม่ใช่เพียงเรื่องราวของบุคคลที่บริหารจัดการเงิน แม้ว่าเขาจะเป็นหนึ่งในผู้จัดการกองทุนที่ประสบความสำเร็จมากที่สุดในโลกก็ตาม แต่มันคือเรื่องเล่าของชายผู้มองเข้าไปในโลกที่วุ่นวายและไม่หยุดนิ่งของ Wall Street แล้วมองเห็นระเบียบแทนที่จะเป็นความโกลาหล — ซึ่งเป็นระเบียบทางคณิตศาสตร์ในรูปแบบของแพทเทิร์นที่ลึกลับและสวยงาม Simons นักคณิตศาสตร์ชื่อดังและอดีตนักถอดรหัสของ NSA ได้ก่อตั้งกองทุนเฮดจ์ฟันด์ Renaissance Technologies ขึ้นในปี 1982

กองทุนเรือธงของบริษัทอย่าง Medallion Fund ที่เต็มไปด้วยความลับ ในเวลาต่อมาได้กลายเป็นกองทุนที่ทำกำไรได้มากที่สุดในประวัติศาสตร์ โดยให้ผลตอบแทนเฉลี่ยต่อปีที่น่าเหลือเชื่อกว่า 60% ตลอดระยะเวลาสามทศวรรษ ในขณะที่คนอื่นเชื่อมั่นในสัญชาตญาณ ความรู้สึก และการวิเคราะห์แบบมาตรฐาน แต่ Simons และกองทัพผู้จบปริญญาเอกด้านคณิตศาสตร์ ฟิสิกส์ และสถิติของเขากลับเชื่อมั่นในเพียงสองสิ่งเท่านั้น คือ ตัวข้อมูลเอง — สัญญาณอิเล็กทรอนิกส์จาก Wall Street ที่ถูกจำลองขึ้นบนคอมพิวเตอร์ของพวกเขา — และโมเดลที่พวกเขาสร้างขึ้นเพื่อตีความข้อมูลเหล่านั้น เขาคือชายผู้ถอดรหัสของ Wall Street และได้รับฉายาว่า “ราชาแห่งควอนต์” (Quant King) อย่างไรก็ตาม สิ่งที่ทำให้ Renaissance แตกต่างออกไปคือวัฒนธรรมองค์กร ซึ่งดูเหมือนภาควิชาคณิตศาสตร์ในมหาวิทยาลัยมากกว่าบริษัทการเงินยักษ์ใหญ่ใน Wall Street

Simons สร้างบรรยากาศของการทำงานร่วมกันในระดับสูงและความอยากรู้อยากเห็น โดยมีชื่อเสียงจากการจ้างผู้เชี่ยวชาญที่แทบไม่มีประสบการณ์ด้านการเงินเลย เขาเชื่อว่าไอเดียที่ดีที่สุดมาจากการมองตลาดด้วยมุมมองใหม่ๆ โดยปราศจากอคติหรือแนวคิดเดิมๆ ของ Wall Street มันเป็นสไตล์ที่แปลกแหวกแนวแต่ให้ผลตอบแทนที่คุ้มค่า ซึ่งช่วยให้พวกเขาสามารถพัฒนาแนวปฏิบัติในการทำกำไรจากส่วนต่างด้วยสถิติ (statistical arbitrage) และการซื้อขายความถี่สูง (high-frequency trading) ที่ก้าวล้ำเกินมาตรฐานของอุตสาหกรรมไปหลายปี

ประวัติส่วนตัวของ Simons เองก็แทบจะไม่เหมือนกับยักษ์ใหญ่ใน Wall Street เลย นานก่อนที่เขาจะปฏิวัติวงการลงทุน เขาเป็นนักวิชาการที่ได้รับการยกย่องอย่างสูง ผลงานของเขาในด้านเรขาคณิตและทอพอโลยี (topology) มีส่วนช่วยในการค้นพบ Chern-Simons form ซึ่งในเวลาต่อมาได้รับการยอมรับว่าเป็นวัตถุทางคณิตศาสตร์ที่ซับซ้อนและสำคัญสำหรับทฤษฎีสตริง (string theory) และทฤษฎีสนามควอนตัม (quantum field theory)

ความสามารถในการคิดเชิงนามธรรมและหลายมิตินี้เองที่ทำให้เขาแตกต่าง เขาไม่ได้มองว่าตลาดเป็นเพียงกลุ่มของบริษัทแต่ละแห่ง แต่มองว่าเป็นระบบที่มีพลวัตซึ่งถูกควบคุมโดยหลักการพื้นฐานประดุจแรงทางฟิสิกส์ เขามองว่าการลงทุนเป็นปัญหาทางวิทยาศาสตร์ ราวกับว่าคุณสามารถแก้ปัญหานั้นได้ด้วยการรวบรวมข้อมูลที่เพียงพอและใช้อัลกอริทึมที่เหมาะสมเพื่อแยก "สัญญาณ" ออกจาก "เสียงรบกวน"

ทีมของเขารวบรวมข้อมูลจำนวนมหาศาล ตั้งแต่ราคาหุ้นย้อนหลังไปจนถึงรูปแบบสภาพอากาศ เพื่อมองหาผลกระทบที่คาดการณ์ได้และไม่ใช่การสุ่มเพื่อนำมาใช้ในการเทรด พวกเขาสร้างอัลกอริทึมที่ซับซ้อนซึ่งสามารถส่งคำสั่งซื้อขายได้โดยอัตโนมัติเพื่อทำกำไรจากความไร้ประสิทธิภาพเพียงเล็กน้อยที่เกิดขึ้นเพียงชั่วพริบตา ซึ่งสายตามนุษย์ไม่มีวันมองเห็นได้ พวกเขาไม่ได้คาดการณ์ทิศทางของตลาดในระยะยาว แต่เพียงแค่ค้นหาความได้เปรียบเล็กๆ ที่เชื่อถือได้ แล้วจึงกอบโกยผลประโยชน์จากสิ่งนั้นซ้ำแล้วซ้ำเล่านับล้านครั้ง

แนวทางนี้ยังพึ่งพาข้อมูลที่สะอาดและโครงสร้างพื้นฐานที่แข็งแกร่งอย่างมาก ซึ่งเป็นสิ่งที่กองทุนแบบดั้งเดิมส่วนใหญ่ขาดแคลนอย่างหนัก ความเชื่อหลักคือหากมีข้อมูลเพียงพอ รูปแบบที่ซ่อนเร้นซึ่งสามารถทำนายพฤติกรรมผู้บริโภคจะปรากฏออกมา และรูปแบบเหล่านั้นอาจจะเล็กน้อยมาก แต่ก็ยังสามารถนำไปสู่กำไรมหาศาลได้หากมีการนำไปใช้ในระดับที่ใหญ่ขึ้น

กลยุทธ์เก่า แต่ในพรมแดนใหม่

แน่นอนว่าโลกการเงินในปัจจุบันนั้นแตกต่างจากโลกที่ Simons เคยพิชิตเมื่อนานมาแล้วอย่างสิ้นเชิง ตลาดมีความรวดเร็วขึ้น มีความเป็นโลกาภิวัตน์มากขึ้น และซับซ้อนขึ้นอย่างมหาศาล "ผลไม้ที่อยู่ต่ำ" หรือโอกาสจากความไร้ประสิทธิภาพที่กองทุน Medallion Fund เคยเก็บเกี่ยวได้นั้นถูกกำจัดออกไปจากตลาดนานแล้ว โดยถูกทำกำไรจากส่วนต่าง (arbitrage) จนหมดสิ้นโดยเหล่านักเทรดเชิงปริมาณ (Quantitative Traders) จำนวนมากที่เดินตามรอยเท้าของ Simons

หากโมเดลดั้งเดิมของเขาถูกเปิดเผยในวันนี้ มันอาจจะดูแปลกตาหรือล้าสมัยไปแล้วเมื่อเทียบกับการเทรดด้วยอัลกอริทึมที่รวดเร็วปานสายฟ้าแลบในปัจจุบัน" อย่างไรก็ตาม การใช้สิ่งนั้นเป็นเหตุผลในการปฏิเสธมรดกทางความคิดของเขานับเป็นการเรียนรู้ที่ผิดพลาดอย่างสิ้นเชิง อัจฉริยภาพที่แท้จริงไม่ได้อยู่ที่โมเดลใดโมเดลหนึ่ง แต่อยู่ที่แนวทางพื้นฐานที่ว่า ตลาดทุกแห่ง แม้แต่ตลาดที่ดูเหมือนจะมีประสิทธิภาพอย่างสมบูรณ์ ต่างก็เต็มไปด้วยรอยแยกและช่องว่าง “แนวคิดคือการสร้างเลนส์ทางคณิตศาสตร์ที่มีความคมชัดเพียงพอที่จะสังเกตเห็นสิ่งเหล่านั้น”

และในขณะนี้ แนวทางเดียวกันนี้กำลังถูกนำมาใช้กับพรมแดนทางการเงินที่ใหม่และล้ำสมัยที่สุด นั่นคือ คริปโตเคอร์เรนซี ด้วยความผันผวนที่สูงลิ่ว การพัฒนาที่รวดเร็ว และข้อเท็จจริงที่ว่ามันเป็นระบบดิจิทัลโดยกำเนิด (โดยมีเพียงระบบปิดหรือ Walled Gardens ที่แสดงแทนโดยกระดานเทรดแบบรวมศูนย์) เหล่านักเศรษฐศาสตร์จึงมองว่าคริปโตคือสวรรค์ มันคือโลกที่ขับเคลื่อนด้วยข้อมูล ซึ่งธุรกรรมทั้งหมดจะถูกบันทึกลงในบัญชีแยกประเภทสาธารณะที่ไม่สามารถแก้ไขได้ สิ่งนี้ทำให้นักคณิตศาสตร์และนักวิทยาศาสตร์ข้อมูลมีขุมทรัพย์อันมหาศาลให้สำรวจ

ข้อมูลบนเครือข่าย (On-chain data) เหล่านี้ประกอบด้วยปริมาณการทำธุรกรรม ยอดคงเหลือในวอลเล็ต กิจกรรมของสัญญาอัจฉริยะ (Smart contract) และค่าธรรมเนียมเครือข่าย ซึ่งช่วยให้เห็นภาพรวมของกลไกการทำงานภายในตลาดได้อย่างโปร่งใสและเรียลไทม์ สิ่งนี้ยังถูกเสริมด้วยข้อมูลนอกเครือข่าย (Off-chain data) จำนวนมหาศาล เช่น ความลึกของสมุดคำสั่งซื้อขาย (Order book depth) ในกระดานเทรด หรืออิทธิพลที่รุนแรงและบางครั้งก็วุ่นวายของกระแสสังคมบนแพลตฟอร์มอย่าง Twitter และ Reddit งานนี้ถือเป็นความท้าทายที่ยิ่งใหญ่ แต่หลักการนั้นตรงไปตรงมา

เป้าหมายไม่ใช่การทำนายว่า Bitcoin จะทำราคาสูงสุดเป็นประวัติการณ์ (All-time high) ครั้งใหม่ในปีหน้าหรือไม่ แต่คือการค้นหารูปแบบที่ละเอียดอ่อนและสามารถนำไปใช้ประโยชน์ได้ท่ามกลางความวุ่นวายรายวันของตลาด "มันคือการค้นหาความไม่มีประสิทธิภาพเชิงโครงสร้างที่มีอยู่ ไม่ว่าจะเป็นในการกำหนดราคาของอนุพันธ์ การไหลเวียนของเงินทุนระหว่างกระดานเทรด หรือแม้แต่กลไกพื้นฐานของระบบธุรกรรมบนบล็อกเชน" การแสวงหาอัลฟ่า (Alpha) ได้ย้ายจากห้องค้าหลักทรัพย์ของวอลล์สตรีทไปสู่โลกแห่งบล็อกเชนที่ไร้ศูนย์กลาง

คลังแสงทางคณิตศาสตร์สมัยใหม่

เพื่อช่วยให้พวกเขาท่องไปในภูมิทัศน์ใหม่นี้ เหล่านักวิเคราะห์เชิงปริมาณ (Quants) ในปัจจุบันจึงติดอาวุธด้วยคลังแสงของแบบจำลองทางคณิตศาสตร์ที่กว้างขวางและซับซ้อน ซึ่งนำเสนอวิธีการต่างๆ ในการกำหนดกรอบและทำความเข้าใจสิ่งที่เกิดขึ้นในตลาด โดยมีตั้งแต่ทฤษฎีการเงินคลาสสิกเวอร์ชันปรับปรุง ไปจนถึงแบบจำลองใหม่ทั้งหมดที่ออกแบบมาเพื่อจัดการกับลักษณะเฉพาะตัวของสินทรัพย์ดิจิทัล หนึ่งในแนวคิดพื้นฐานที่สุดที่มาจากโลกการเงินแบบดั้งเดิมคือแบบจำลอง Black-Scholes ซึ่งโดยพื้นฐานแล้วมันคือสูตรสำหรับคำนวณราคาของอนุพันธ์

ภายใต้ชุดสมมติฐานในอุดมคติที่ว่า ตลาดมีประสิทธิภาพอย่างสมบูรณ์ ราคาของสินทรัพย์เคลื่อนไหวแบบสุ่มที่คาดการณ์ได้ซึ่งเรียกว่า การเคลื่อนที่แบบบราวน์เชิงเรขาคณิต (Geometric Brownian Motion) และความผันผวนมีค่าคงที่ และแม้ว่าตลาดคริปโตจะยังห่างไกลจากความสมบูรณ์แบบ แต่ Black-Scholes ก็ยังคงเป็นรากฐานทางปัญญาที่สำคัญที่เราจำเป็นต้องใช้เปรียบเทียบกับการกำหนดราคาออปชัน (Options) ในโลกของอนุพันธ์คริปโตที่กำลังเติบโตอย่างรวดเร็ว อย่างไรก็ตาม สมมติฐานที่ตายตัวของมันมักจะใช้ไม่ได้ผลในโลกของคริปโต ซึ่งความผันผวนนั้นขึ้นชื่อเรื่องความไร้ขีดจำกัด และเหตุการณ์แบบ "Fat-tailed" หรือการแกว่งตัวของราคาอย่างรุนแรงนั้นเกิดขึ้นเป็นประจำ

เพื่อก้าวข้ามข้อจำกัดเหล่านี้ เหล่าควอนท์มักใช้วิธีการที่ซับซ้อนยิ่งขึ้น หนึ่งในประเภทเหล่านี้เรียกว่า แบบจำลองความผันผวนแบบสุ่มที่มีการกระโดด (Stochastic Volatility Jump Models) ซึ่งแบบจำลองเหล่านี้ถูกสร้างขึ้นเพื่อตอบสนองต่อความล้มเหลวของ Black-Scholes

พวกเขัตระหนักถึงข้อเท็จจริงสำคัญสองประการของตลาด: ประการแรกคือความผันผวนนั้นไม่คงที่ แต่จะเปลี่ยนแปลงไปตามเวลาในลักษณะสุ่ม (stochastic) และประการที่สองคือราคาอาจเกิดการกระโดดหรือแกว่งตัวอย่างรุนแรงอย่างกะทันหัน (เช่น จากการประกาศข่าวสำคัญหรือการถูกบังคับขาย/liquidations) ด้วยการใช้คำศัพท์ทางคณิตศาสตร์เพื่ออธิบายความผันผวนที่แปรปรวนรวมถึงการกระโดดของราคาที่สำคัญ โมเดลเหล่านี้จึงนำเสนอมุมมองที่เป็นจริงมากขึ้น (แม้จะซับซ้อน) เกี่ยวกับพลวัตของราคาสินทรัพย์ — และอาจพิสูจน์ได้ว่ามีค่าอย่างยิ่งในโลกคริปโตที่เต็มไปด้วยความผันผวน

เครื่องมืออีกชุดหนึ่งคือวิธีมอนเตคาร์โล (Monte Carlo methods) แทนที่จะใช้สมการที่สวยงามเพียงสมการเดียวเหมือนใน Black-Scholes แต่มอนเตคาร์โลเป็นแนวทางแบบใช้กำลังเข้าว่า (blunt force) โดยทำงานผ่านการจำลองเส้นทางในอนาคตของตลาดแบบสุ่มนับพันหรือนับล้านครั้ง โดยอิงจากข้อมูลนำเข้าเริ่มต้น เช่น ราคาในปัจจุบันและค่าความผันผวนโดยประมาณ

จากการตรวจสอบการกระจายตัวทั้งหมดของผลลัพธ์ที่จำลองขึ้นมา เทรดเดอร์สามารถสร้างสัญชาตญาณทางความน่าจะเป็นเกี่ยวกับมูลค่าของอนุพันธ์ประเภทออปชัน หรือเกี่ยวกับระดับความเสี่ยงที่มีอยู่ในพอร์ตการลงทุน ความยืดหยุ่นดังกล่าวมีค่ามหาศาลในโลกคริปโต ซึ่งสินทรัพย์มักขาดข้อมูลประวัติย้อนหลังที่ยาวนานตามที่โมเดลดั้งเดิมต้องการ และเป็นที่ซึ่งอนุพันธ์ที่มีความซับซ้อนและขึ้นอยู่กับเส้นทางราคา (path-dependent) กำลังแพร่หลายมากขึ้น

นี่คือจุดที่มุมมองสมัยใหม่เกี่ยวกับการสร้างพอร์ตการลงทุน เช่น ทฤษฎีพอร์ตการลงทุนแบบสโตแคสติก (Stochastic Portfolio Theory หรือ SPT) เข้ามามีบทบาท SPT ซึ่งคิดค้นโดย E. Robert Fernholz เป็นทฤษฎีเชิงพรรณนา (descriptive) มากกว่าเชิงกำหนด (prescriptive) โดยไม่ได้เริ่มต้นจากสมมติฐานที่ว่าตลาดมีประสิทธิภาพอย่างสมบูรณ์ แต่จะทำงานบนพื้นฐานของพฤติกรรมสมมติของราคาตลาดจริงที่สังเกตได้ในฐานะกระบวนการสุ่มแบบเวลาต่อเนื่อง (continuous-time random processes) สิ่งนี้ตรงกันข้ามกับทฤษฎีพอร์ตโฟลิโอแบบดั้งเดิมที่นักลงทุนจะพยายามลดค่าคาดหวังของผลตอบแทนตามรอบและความแปรปรวนในระดับที่คงที่ให้น้อยที่สุด

ในทางกลับกัน สิ่งนี้ช่วยให้เกิดกลยุทธ์ที่มุ่งเน้นการทำกำไรให้ชนะตลาดโดยรวม ไม่ใช่ด้วยการคาดการณ์ทิศทางของตลาด แต่เป็นการปรับสมดุลพอร์ตโฟลิโอเป็นระยะเพื่อใช้ประโยชน์จากอัตราการเติบโตที่แตกต่างกันของสินทรัพย์ที่เป็นส่วนประกอบ นี่คือมุมมองที่มีความละเอียดอ่อนกว่า ซึ่งปรับให้เข้ากับความหลากหลายและการขาดความสัมพันธ์กันของราคาสินทรัพย์ที่พบในโลกคริปโตได้ดียิ่งขึ้น

สิ่งเหล่านี้ได้รับการเสริมด้วยวิธีการระลอกที่สองซึ่งได้รับการออกแบบมาสำหรับยุคดิจิทัล ในห้องออกแบบกราฟ ราคาคริปโตกำลังถูกจำลองโดยใช้วิธีการที่หยิบยืมมาจากกรอบแนวคิดแบบเบย์เซียน (Bayesian frameworks) เพื่อจัดการกับราคาเหล่านั้นเหมือนเป็นอนุภาคภายใต้ศักย์แบบไม่เชิงเส้นที่มีพลวัต แนวคิดหลักเบื้องหลังสถิติแบบเบย์เซียนนั้นมีความสวยงามในความเรียบง่ายของมัน นั่นคือ คุณมีความเชื่อที่มีอยู่ก่อนเกี่ยวกับบางสิ่ง แล้วจึงอัปเดตความเชื่อนั้นเมื่อคุณรวบรวมหลักฐานใหม่ๆ ในโลกคริปโตที่หมุนไปอย่างรวดเร็ว นี่ถือเป็นแนวคิดที่ทรงพลังมาก แบบจำลองแบบเบย์เซียนสามารถอัปเดตการคาดการณ์ได้อย่างต่อเนื่องเมื่อมีข้อมูลราคาใหม่ ปริมาณการทำธุรกรรม หรือแม้แต่การวัดความรู้สึกในโซเชียลมีเดียเข้ามา ช่วยให้สามารถตอบสนองต่อสภาวะตลาดที่เปลี่ยนแปลงไปได้แบบเรียลไทม์ ในแบบที่แบบจำลองที่คงที่กว่าไม่สามารถทำได้

อีกหนึ่งเครื่องมือที่ทรงประสิทธิภาพคือ Hidden Markov Model (HMM) โดย HMM สมมติว่าตลาดสามารถอยู่ใน "สภาวะ" (regimes) หรือสถานะที่ซ่อนอยู่ (hidden states) ที่แตกต่างกันได้หลายรูปแบบ ตัวอย่างเช่น สถานะ "ตลาดกระทิง" (bull run) ที่มีผลตอบแทนสูงและความผันผวนต่ำ, สภาวะ "ตลาดหมี" (bear market) ที่มีผลตอบแทนติดลบและความผันผวนสูง หรือสภาวะ "การพักตัวออกข้าง" (sideways consolidation) แบบจำลองจะตรวจสอบราคาและพยายามเรียนรู้ว่าตลาดอยู่ในสถานะใด และสถานะถัดไปที่มีความเป็นไปได้มากที่สุดคืออะไร" ในตลาดที่มีความผันผวนของอารมณ์ความรู้สึกที่แกว่งไปมาอย่างรวดเร็วเหมือนลูกตุ้มนาฬิกาอย่างคริปโต ซึ่งอารมณ์สามารถเปลี่ยนจากความตื่นเต้นยินดีไปสู่ความตื่นตระหนกได้ในระดับรายชั่วโมง HMMs จึงเป็นเครื่องมือประเภทที่สามารถช่วยให้เข้าใจถึงการเปลี่ยนแปลงสภาวะตลาด (regime changes) เหล่านี้ และช่วยให้เทรดเดอร์มีทักษะที่จำเป็นในการปรับตัวให้สอดคล้องกัน

สุดท้าย แบบจำลอง Vector Autoregression (VAR) จะช่วยในการแยกแยะเครือข่ายความสัมพันธ์ที่ซับซ้อนระหว่างคริปโตเคอร์เรนซีทางเลือกต่างๆ ในตลาดที่มีโทเคนนับพันเชื่อมโยงถึงกัน การมองสินทรัพย์ใดสินทรัพย์หนึ่งแยกจากกันโดยสิ้นเชิงถือเป็นเรื่องที่ไร้เดียงสาเกินไป แบบจำลอง VAR จึงเข้ามาจัดการเรื่องนี้โดยการพิจารณาสินทรัพย์หลายรายการในฐานะระบบเดียวกัน มันสามารถสำรวจได้ว่าการช็อกของราคาในสินทรัพย์หลักอย่าง Ethereum ส่งผลกระทบต่อเนื่องไปยังระบบนิเวศอย่างไร โดยกระทบต่อราคาโทเคนอื่นๆ อีกหลายสิบรายการในระบบนิเวศ DeFi และ NFT แบบจำลองนี้จะสร้างแผนผังเครือข่ายเชิงเหตุและผลและผลกระทบแบบลูกโซ่ในตลาด โดยแสดงให้เห็นว่าเหรียญใดเป็นผู้นำและเหรียญใดเป็นผู้ตาม ซึ่งช่วยให้เห็นภาพรวมของความเสี่ยงและโอกาสเชิงระบบที่ครบถ้วนยิ่งขึ้น

พลังและหลุมพรางของตลาดที่ขับเคลื่อนด้วยโค้ด

การใช้แบบจำลองทางคณิตศาสตร์ขั้นสูงเหล่านี้เพื่อศึกษาตลาดคริปโตนั้นมีศักยภาพที่น่าสนใจอย่างมาก แต่ก็ใช่ว่าจะไม่มีอันตราย ข้อดีนั้นชัดเจน นั่นคือการมีแผนที่นำทางที่ขับเคลื่อนด้วยข้อมูลในพื้นที่ที่ขึ้นชื่อเรื่องการเก็งกำไรอย่างรุนแรง แต่เหล่านักวิเคราะห์เชิงปริมาณ (quant) ทุกคนต่างรู้ดีว่าแบบจำลองของพวกเขานั้นเป็นเพียงการจำลองภาพจากความเป็นจริง และการพึ่งพาพวกมันมากเกินไปอาจนำไปสู่ความพินาศได้ กล่าวคือ จำเป็นต้องมีการสร้างสมดุลที่เหมาะสม โดยต้องชั่งน้ำหนักระหว่างข้อได้เปรียบที่อาจเกิดขึ้นกับความไม่น่าไว้วางใจโดยธรรมชาติของกองทุนเชิงปริมาณ เพื่อไม่ให้ต้องพบจุดจบเหมือนกับรายอื่นๆ

สรุปข้อดีและข้อเสียหลักได้ดังนี้:

1. ข้อดี: ในส่วนของข้อดีคือ เราสามารถคำนวณหาสัญญาณที่มีนัยสำคัญจากข้อมูลจำนวนมหาศาลได้

โมเดลเชิงปริมาณสามารถตรวจจับความสัมพันธ์และรูปแบบที่ซับซ้อนซึ่งซ่อนอยู่ในสินทรัพย์นับพันรายการและการซื้อขายนับล้านครั้งที่มนุษย์ไม่สามารถทำได้ สิ่งนี้จะนำไปสู่แนวทางการบริหารความเสี่ยงที่มีวินัยและเป็นระบบมากขึ้น ซึ่งสามารถวัดผลและจัดการการขาดทุนได้ ในอีกระดับหนึ่ง โมเดลเหล่านี้คือหัวใจสำคัญของการเทรดด้วยอัลกอริทึม (Algo Trading) โดยช่วยให้สามารถดำเนินกลยุทธ์ได้โดยอัตโนมัติด้วยความเร็วที่สามารถฉกฉวยโอกาสที่เกิดขึ้นเพียงเสี้ยววินาทีได้ พลังในการ "ตรวจจับ" (Sniffing) นี้มีความสำคัญอย่างยิ่งในกลุ่มย่อยที่มีความซับซ้อน เช่น ตลาดพลังงานในเครือข่าย TRON ซึ่งอัตราและปริมาณที่มีอยู่นั้นเปลี่ยนแปลงไปอย่างรวดเร็วปานสายฟ้า การยึดมั่นในวิธีการที่เป็นระบบช่วยขจัดความกลัวและความโลภออกจากการเทรด ส่งผลให้การดำเนินการมีความสม่ำเสมอมากขึ้น

2. ข้อเสีย: ความเสี่ยงที่ใหญ่ที่สุดคือ "ความเสี่ยงจากโมเดล" (Model Risk) โมเดลใดๆ จะมีประสิทธิภาพเท่ากับสมมติฐานที่ใช้ในการสร้างขึ้นมาเท่านั้น เมื่อสมมติฐานเหล่านั้นไม่ถูกต้อง หรือสภาวะตลาดเปลี่ยนแปลงไปในทางที่โมเดลไม่ได้ถูกออกแบบมาเพื่อรองรับ มันอาจล้มเหลวได้อย่างรุนแรง กรณีของ LTCM ควรเป็นบทเรียนที่ไม่มีวันล้าสมัย เพื่อแสดงให้เห็นว่าจะเกิดอะไรขึ้นเมื่อคุณทำลายทุกอย่างเพียงเพราะความโลภในระยะสั้น คุณภาพของข้อมูลนำเข้าเป็นอีกหนึ่งจุดอ่อนที่สำคัญ ข้อมูลที่ผิดพลาดหรือ "ข้อมูลขยะ" (Dirty Data) อาจนำไปสู่การตัดสินใจที่ผิดพลาดและความผิดพลาดในการเทรดที่มีราคาแพง สุดท้ายนี้ โมเดลเชิงตัวเลขมักจะทำนายเหตุการณ์ "หงส์ดำ" (Black Swan) ได้ไม่ดีนัก การโจมตีจากกฎระเบียบที่กะทันหัน การแฮ็กกระดานเทรดครั้งใหญ่ หรือความก้าวหน้าทางเทคโนโลยีที่คาดไม่ถึง คือเหตุการณ์ที่อยู่นอกเหนือรูปแบบทางสถิติของข้อมูลในอดีต และสามารถทำให้แม้แต่โมเดลที่ล้ำสมัยที่สุดกลายเป็นของล้าสมัยได้ในชั่วข้ามคืน

ท้ายที่สุดแล้ว โมเดลเหล่านี้เป็นเพียงเครื่องมือ ไม่ใช่ลูกแก้ววิเศษ พวกมันช่วยให้นักลงทุนมีสิ่งที่เรียกว่า "ความได้เปรียบทางความน่าจะเป็น" (Probabilistic Edge) หรือวิธีที่จะช่วยเพิ่มโอกาสชนะให้ตัวเองได้เล็กน้อยจากการเทรดหลายๆ ครั้ง บริษัทควอนต์ (Quantitative firms) ชั้นนำไม่ได้ใช้โมเดลเหล่านี้เป็นแหล่งข้อมูลความจริงสมบูรณ์ แต่ใช้เป็นเครื่องมือช่วยทำความเข้าใจและรับมือกับความไม่แน่นอนที่มีอยู่เป็นปกติในตลาด พวกเขาปรับปรุงโมเดลอย่างต่อเนื่อง ปรับแต่ง และบางครั้งก็ละทิ้งมันไปเมื่อตลาดเปลี่ยนไป พวกเขารู้ดีว่า "แผนที่นั้นไม่ใช่พื้นที่จริง" (the map is not the territory) การปฏิสัมพันธ์ที่มีพลวัตสูงของระบบต่างๆ เช่น ตลาดเช่าพลังงานในเครือข่าย TRON คือตัวอย่างของการปรับตัวนี้ เนื่องจากผู้ให้บริการรายใหม่และกลไกราคาที่เกิดขึ้นใหม่ทำให้สภาพแวดล้อมเปลี่ยนแปลงอยู่ตลอดเวลา บริษัทควอนต์ที่ประสบความสำเร็จนั้นเป็นทั้งบริษัทบริหารความเสี่ยงพอๆ กับที่เป็นบริษัทคาดการณ์

การตามหา Simons คนต่อไป

เรื่องราวของ Jim Simons และกองทุน Medallion Fund มีอะไรที่มากกว่าความมั่งคั่งมหาศาลที่มันสร้างขึ้น แต่มันคือเรื่องราวของวิธีคิดที่แตกต่างออกไป เขาพิสูจน์ให้เห็นว่า แม้ในวิชาชีพที่ได้รับอิทธิพลจากอารมณ์และสัญชาตญาณของมนุษย์ แต่วิธีการเชิงประจักษ์ที่สมเหตุสมผลก็สามารถเอาชนะได้ เขาแสดงให้เห็นว่าภายใต้ความวุ่นวายของตลาด มีตรรกะทางคณิตศาสตร์ในการเคลื่อนที่ของราคา ซึ่งแม้จะไม่ได้นำไปสู่การคาดการณ์ที่แม่นยำเสมอไป แต่ก็สามารถสร้างโอกาสในการลงทุนที่มีพื้นฐานรองรับอย่างมั่นคง มรดกที่เขาทิ้งไว้มีอิทธิพลอย่างยิ่งต่อโลกการเงิน — เป็นเสมือนการโต้แย้งต่อระบบเดิม และเป็นเครื่องเตือนใจว่า "รหัส" ของตลาดนั้นสามารถถอดรหัสได้จริงๆ มันเป็นการสร้างจินตนาการใหม่ถึงสิ่งที่เป็นไปได้ และเปลี่ยนกระบวนทัศน์จากการพึ่งพานักเลือกหุ้นระดับดาราไปสู่ทีมเหล่านักวิทยาศาสตร์ที่ไม่เปิดเผยตัวตน

เมื่อกลุ่มคนรุ่นใหม่ที่มีความสามารถเริ่มก้าวเข้าสู่พรมแดนดิจิทัลอย่างคริปโตเคอร์เรนซี คำถามจึงไม่ใช่ว่าจะมีใครสามารถทำซ้ำความสำเร็จของเขาได้หรือไม่ แต่คือจะเกิดขึ้นเมื่อไหร่ต่างหาก ตลาดคริปโตที่เปิดกว้างสำหรับวิทยาศาสตร์ข้อมูลที่ท้าทาย เป็นดิจิทัลเต็มรูปแบบ และไม่มีวันหลับใหล อาจเป็นสภาพแวดล้อมที่สมบูรณ์แบบสำหรับการปฏิวัติเชิงปริมาณในศตวรรษที่ 21 เครื่องมือต่างๆ มีความล้ำสมัยมากขึ้น ข้อมูลมีอยู่อย่างมหาศาล และโอกาสในการค้นหาและใช้ประโยชน์จากความไม่มีประสิทธิภาพของตลาดนั้นมีอยู่ทุกหนทุกแห่ง

มันคือสังเวียนที่ความแปลกใหม่และการทดลองทางคณิตศาสตร์จะได้รับผลตอบแทนอย่างคุ้มค่า

แต่ Simons คนต่อไปจะต้องเจอกับงานที่หนักหนาสาหัสแน่นอน เพราะการแข่งขันนั้นสูงขึ้นมาก โดยมีกองทุนควอนท์ (quant funds) ทั้งขนาดเล็กและใหญ่หลายร้อยแห่งที่กำลังควานหา alpha ในตลาดคริปโต ตัวตลาดเองก็มีความสะท้อนกลับ (reflexive) ยิ่งมีนักลงทุนควอนท์ที่ฉวยโอกาสจากความไร้ประสิทธิภาพของตลาดมากเท่าไหร่ ความไร้ประสิทธิภาพเหล่านั้นก็มักจะเลือนหายไป มันคือการแข่งขันสะสมอาวุธที่ไม่มีวันสิ้นสุด ซึ่งต้องการโมเดลที่ซับซ้อนมากขึ้นเรื่อยๆ และความเร็วในการส่งคำสั่งซื้อขายที่รวดเร็วยิ่งขึ้น มันคือการเดินทางที่เต็มไปด้วยอันตรายและอุปสรรคอันมหาศาลตลอดเส้นทาง แต่หากมีสิ่งใดที่เราสามารถเรียนรู้ได้จาก Jim Simons นั่นคือบางที คุณเองก็อาจจะเอาชนะตลาดได้เช่นกัน — หากคุณมีความเป็นอัจฉริยะทางคณิตศาสตร์และมีกำลังการประมวลผลที่เพียงพอคอยสนับสนุน และนั่นคือจุดที่ Netts Energy Market สามารถช่วยคุณค้นหาราคา Energy ที่คุ้มค่าได้ในเวลาที่คุณต้องการพอดี: