โพสต์
ดังนั้น เราจะไม่เริ่มรีวิวด้วยการพิมพ์คุณสมบัติ 3 ประการของ Black Swan (ถือว่าหาอ่านได้ตามกูเกิลค่ะ)
... ดูกราฟวงจรชีวิตของไก่งวงจากรูป ... ไก่งวง เติบโตขึ้นมาเพราะมีมนุษย์คอยให้อาหาร ไก่งวงมีความสุข ทุกๆวันมันได้กินอาหาร จนมันพัฒนา “ความเชื่อ” ว่าเผ่าพันธุ์มนุษย์นี่แหละ เพื่อนแท้ มันคิดว่าวันต่อๆไป ชีวิตก้อจะเป็นเช่นนี้ เพราะเจ้าไก่งวงเอาสิ่งที่มันได้เรียนรู้จากเมื่อวาน มาคาดการณ์วันนี้ และพรุ่งนี้ ... ในเย็นวันพุธของวันที่ 1,000 มันมีความสุขไปถึงขีดสุดที่มันได้กินอาหารเป็นเวลา 1,000 วัน และพรุ่งนี้จะเป็นวันขอบคุณพระเจ้า ... ในวันที่ 1,001 เจ้าไก่งวงดวงกุด ก้อถูกเชือดเพื่อมาเซ่นบนโต๊ะอาหารสำหรับวันขอบคุณพระเจ้า ใช่แล้วค่ะ วันที่ 1,000 กับอีก 1 วันนั้น เป็น Black Swan ของเจ้าไก่งวงชะตาขาด! มันเป็นสิ่งที่เหนือความคาดหมายของไก่งวง.... มันไม่รู้ตัวเลยว่าจุดที่มันมีความสุขที่สุด ก้อเป็นจุดที่มีความเสี่ยงสูงสุดเช่นกัน
Taleb บอกว่า Black Swanนั้นเป็นปัญหาของ suckers (คนโง่, ขี้แพ้, เจ้างั่ง) หรือจะเรียกอีกอย่างนึงว่า Black Swan จะเกิดขึ้นโดยมีความสัมพันธ์กับความคาดหวัง
แล้ววงจรชีวิตไก่งวงสอนอะไร... มันสอนเราว่าข้อมูลในอดีตอาจจะไม่ได้บอกอะไรเราเลยก้อได้ ถ้าวันรุ่งขึ้น เป็นวันขอบคุณพระเจ้า...อาเมน
แล้วเอามาประยุกต์ใช้กับเรื่องอื่นๆอย่างไรได้บ้าง... Taleb บอกว่า ก้อมือคู่เดียวกันกับมือที่คอยให้อาหารไก่งวงนี้แหละ ที่เป็นมือคู่เดียวกันกับที่มาบีบคอเราตอนภาวะสงคราม ... หรือตอนเกิดวิกฤต
ปัญหาของ Black Swan ที่ Taleb ตั้งคำถามคือ:
- เรารู้อนาคตได้อย่างไร ในเมื่อเรามีความรู้จากสิ่งที่ผ่านมาแล้วในอดีตเท่านั้น?
- เรากล้าพูดว่าได้อย่างไรว่าสามารถสรุปคุณสมบัติของสิ่งที่เราไม่รู้ (ที่มันเป็นเรื่องที่ไม่มีขีดจำกัด) จากพื้นฐานของสิ่งที่เรารู้ (ที่มันเป็นมีข้อจำกัด)?
... และนี่คือจุดเริ่มต้นของการเกิด Black Swan
Taleb ไม่ใช่คนธรรมดาค่ะ แต่เป็นลูกหลานรัฐมนตรี ตั้งแต่เล็กๆ เขาเห็นคุณปู่ซึ่งเคยเป็นรัฐมนตรีกระทรวงกลาโหม และกระทรวงมหาดไทย ก่อนที่จะเกิดสงครามเลบานอน ...คุณปู่ฉลาดและจะมีคนคอยข้อมูลป้อนมาเข้าตลอด Taleb ก็ไม่เคยเห็นว่าคุณปู่มีความได้เปรียบมากไปกว่าคนขับรถของเขา ที่จะคาดการณ์ได้ว่ากำลังจะเกิดสงครามเลบานอนนะ แต่ว่ามันมีความแตกต่างระหว่างความรู้ของคนเป็นรัฐมนตรี กับความรู้ของคนขับรถ คือคนขับรถจะไม่เชื่อว่าเขาเข้าใจ ซึ่งแตกต่างจากคนที่ได้เรียนมา
**
Taleb บอกว่าที่จริงแล้วพวกเขาไม่ได้เป็นผู้เชี่ยวชาญและพวกเขาก็รู้ว่าเขาไม่ได้เป็น ไม่มีใครรู้อะไรทั้งนั้น... แต่คนที่อยู่กลุ่มอีลีธ (คนชั้นสูง, ไฮโซ, เซเลบ, หรือ เซียน) มักคิดว่าพวกเค้ารู้มากกว่าคนส่วนที่เหลือของประเทศ เพราะพวกเค้าเป็นกลุ่มอีลีธ และถ้าใครเกิดได้ไปเป็นสมาชิกของกลุ่มอีลีธ เค้าคนนั้นก็จะรู้มากกว่าคนอื่นๆที่ไม่ได้เป็นอีลีธโดยอัตโนมัติ (หนังสือเขียนแบบนี้เลยจ้า) เค้าประชดนะคะ
Taleb ต้องการจะสื่อว่า อย่ามั่นใจ อย่าให้ค่าในสิ่งที่เรารู้มากเกินไป ควรเน้นในสิ่งที่เรายังไม่รู้ เพราะเราไม่รู้ว่าอะไรที่เราไม่รู้นั้นมีมากมายแคไหน ( ประเด็นนี้ Ray Dalio ก้อพูดแบบนี้ค่ะ) แทนที่จะยอมรับว่าสิ่งที่เรารู้มันไม่ตรงกับสิ่งที่เกิดขึ้น แต่กลายเป็นว่าคนเราวิ่งไปหาหลักฐานมาอธิบายย้อนหลังในสิ่งตัวเองรู้ (หลักฐานอะไรก้อได้ที่มันสอดคล้องเรื่องที่เรากำลังคิด... เรายิ่งเอามันมาเชื่อมโยง.. ... ยิ่งทำให้ตัวเองมั่นใจ) ยิ่งเป็นการหลอกตัวเองเข้าไปอีก
คนที่เจ๊งจนชื่อติดอยู่ในตำนานเพราะมั่นใจในความรู้ของตัวเองมากเกินไปทั้งนั้น
อย่างตอนที่เกิดเหตุการณ์ Black Monday ในเดือนตุลา ปี 1987 ก้อเกิดสิ่งที่เราไม่รู้ (นักเศรษฐศาสตร์คิดว่าพวกเค้ารู้ คงกำลังควบคุมมันได้ ... แต่เปล่าเลย)
**ก่อนที่จะเกิดสงครามโลกครั้งที่ 2 ไม่กี่เดือน ขนาดนักข่าวสายการเมืองที่ยืนอยู่ใจกลางเมืองที่กำลังจะเกิดสงคราม ...ยังไม่รู้เลยว่ากำลังจะเกิดการทำลายล้างเผ่าพันธุ์ครั้งใหญ่ตามมา ... เพราะ Taleb ไปอ่านในหนังสือเรื่อง Berlin Diary ที่นักข่าวคนนี้เขียนบันทึก เเบบวันต่อวันเลย ... การบันทึก ณ. วินาที นั้นทำให้ไม่เกิดการปรุงแต่ง เค้าอ่านไม่เจอเรื่องที่นักข่าวคิดว่าน่าจะเกิดสงครามโลกครั้งที่ 2 เลย.... คนเราชอบมองย้อนกลับไปแล้วเอามาแต่งตำราประวัติศาสตร์ ซึ่งมันทำให้ fact บิดเบือน เพราะใส่ความคิดคนเขียนเข้าไป .... Diary เล่มนั้นเลยกลายเป็นหนังสือเปลี่ยนชีวิตของ Taleb เลยค่ะ (เขียนตำราย้อนหลังมันง่าย เพราะเกมมันเฉลยเเล้ว)
ตอนที่ Taleb เรียนอยู่ที่ Wharton มีเพื่อนร่วมมหาวิทยาลัยแนะนำให้เค้าเลือกอาชีพที่มัน “scalable” แปลว่าอะไร คือสามารถทำเงินได้ อย่างไม่จำกัด โดยที่ไม่ต้องเพิ่มจำนวนชั่วทำงานมากเท่าไร เค้ายกตัวอย่าง คนทำขนม, หมอฟัน, หมอนวด, โสเภณี, ที่ปรึกษา อาชีพอะไรแบบนี้เป็นอาชีพที่ “non-scalable” คือการหาเงินถูกจำกัดด้วยจำนวนชั่วโมง และจำเป็นต้องไปอยู่ในสถานที่แห่งหนึ่งเพื่อสร้างานบริการนั้น
แต่ถ้าเป็นอาชีพที่ มัน “scalable” หรือปรับขนาดได้ อย่างเช่น นักเขียนหนังสือ หรือ นักเก็งกำไร (หรือลงทุนในหุ้น) สามารถทำเงินได้เพิ่มขึ้น โดยที่ใช้ทรัพยากรเท่าเดิม อย่างเช่น จะคีย์คำสั่งซื้อขาย 100,000 หุ้น หรือ 1,000,000 หุ้นก้อใช้พลังงานเท่าเดิม นักเขียนหนังสืออย่างเช่น J.K. Rowling ที่เขียน Harry Potter เขียนต้นฉบับเดียว พิมพ์ขายได้เป็นล้านๆเล่ม ...
**แต่ Taleb มองว่า ถ้าให้เค้าแนะนำ เค้าจะเลือกอาชีพที่มัน non-scalable .... เพราะอะไร? เพราะการทำอาชีพที่ scalable คุณต้องเป็นผู้ชนะเท่านั้น มันมีการแข่งขันสูง, มันเครียด และถ้าเราไม่ใช่ผู้ชนะ เราจะไม่มีที่ให้ยืน มันเป็นดินแดนแห่ง Extremistan ..... เค้าบอกว่าคำแนะแนวสายอาชีพนี้ ทำให้เค้าค้นพบเรื่องของความไม่แน่นอน และสนใจศึกษาเรื่องความไม่แน่นอนดังกล่าวค่ะ
ดินแดนแห่ง Mediocristan เป็นดินแดนของพวกที่เป็นอะไรกลางๆ, หาค่าเฉลี่ยได้, คาดการณ์ หรือ ทำนายอะไรได้ง่ายๆ การเปลี่ยนแปลงภายในวันนึง, หรือช่วงนึง ไม่ได้กระทบผลรวมของทั้งหมดอย่างมีนัยยะสำคัญ ยกตัวอย่างเช่น จำนวนแคลอรี่ที่เรากินเข้าไปทั้งชีวิต จะประมาณ 800,000 แคลต่อปี ต่อให้วันนั้นเราจะยัดเข้าไปแบบจะฆ่าตัวตายด้วยการกินก้อตาม ^^ แคลอรี่ในวันนั้นก้อจะไม่ไปกินส่วนแบ่งของผลรวมแคลอรี่ทั้งปีอย่างมีนัยยะสำคัญ ... ในโลกของ Mediocristan จะเป็นค่าพวก ความสูง, น้ำหนัก, รายได้จากการอบขนม, รายได้หมอฟัน เป็นต้น ... ดินแดนนี้เรียกว่า Type 1 randomness มันเป็นดินแดนแบบยูโธเปีย หาได้ยาก
แต่สำหรับ ดินแดนแห่ง Extremistan จะเป็นดินแดนของพวกสุดขั้ว, พวกเทพ, พวกตัวดึง mean อย่างเช่นรายได้ของ Bill Gates เพียงคนเดียว อาจจะกินสัดส่วนถึง 99.99% ของกลุ่มตัวอย่างทั้งหมดพันคนก็ได้ มันเป็นดินแดนของพวก winner takes all และที่ดินแดนแห่งนี้แหละ ที่มักจะเกิด Black Swan ... ดินแดนนี้เรียกว่า Type 2 randomness
Taleb ไม่ชอบการสมมติเรื่องการกระจายตัวแบบปกติ (normal distribution) หรือที่เรามักจะรู้จักว่า กราฟระฆังคว่ำ หรือ bell curve หรือ การกระจายตัวแบบเกาส์เซี่ยน (Gaussian) ถ้าคนที่เคยเรียนวิชาสถิติมา อาจารย์จะสอนเรื่องนี้ทุกคน ... เค้าเรียกมันว่า Great Intellectual Fraud (GIF) เพราะอะไร?
.... เพราะมันเป็นการสมมติค่าเบี่ยงเบนมาตรฐาน ภายใต้การกระจายตัวแบบปกติ ก่อให้เกิดความผิดพลาดจากอุปกรณ์ หรือเครื่องมือ (Ludic Fallacy) ... เค้าอธิบายร่ายยาวถึงที่มาที่ไป (แต่เราไม่เขียนนะคะ เพราะว่ามันคณิตศาสตร์จ๋า โพสไปคนมาถามเราตอบไม่ได้อีก แต่ใน fooled by Randomness อธิบายไว้เช่นกัน เช่นโต๊ะรูเล็ตต์ อาจจะไม่ได้กลมจริงๆ อะไรแบบนี้) แต่เค้าสรุปมาให้ว่า ความแปรปรวนตามนิยามเกาส์เซี่ยนนั้นจะเกิด headwind ที่ ทำให้ค่าความน่าจะเป็นลดลงในอัตราที่เพิ่มมากขึ้นเมื่อเราเคลื่อนที่ออกจากค่าเฉลี่ย (mean)
... แปลว่าอะไร? แปลว่าถ้าเราเอาสมมติฐานว่าข้อมูลมีการกระจายตัวแบบปกติ จับมันยัดเข้าไปในโมเดลคณิตศาสตร์, โมเดลทางเศรษฐศาสตร์ เราจะได้ค่าความน่าจะเป็น (โอกาสในการเกิด) ต่ำกว่าความเป็นจริง .... ถ้าเราคำนวนความเสี่ยงด้วยโมเดลที่มีสมมติฐานแบบนี้ เราอาจจะพาตัวเอง ... หรือเงินของคนอื่น (ในกรณีกองทุน) ไปเสี่ยงมากขึ้น โดยที่เราไม่รู้ตัว (แต่เราคิดว่าเรารู้).... เงินของช้านนนนนนนนนนน รบกวนพี่ๆกองทุนรีบกลับไปดูโมเดลของตัวเองด่วนๆค่ะ
กองทุนLTCM ที่เป็นเฮดจ์ฟันด์ที่ล้มละลายไม่เป็นท่า ก้อใช้สมมติฐานการกระจายตัวแบบปกติในโมเดลของพวกเค้าค่ะ (ที่ถูกเขียนเป็นหนังสือ When Genius Failed)
เราพบว่าพี่โจ๊ก นรินทร์ เคยคุยถึงเรื่อง หางอ้วนนี้แล้ว เราก้อปมาแปะไว้ตรงนี้เลยค่ะ ... กราบขออนุญาตพี่โจ๊กไว้ ณ. ที่นี้เลยนะคะ
http://dekisugi.net/archives/38
JANUARY 7, 2007 BY DEKISUGI
FatTail กับการลงทุน
ในทางสถิตินั้น ถ้าเราไม่รู้ว่าตัวแปรสุ่มมีการกระจายเป็นอย่างไร เรามักสมมติว่ามันมีการกระจายเป็นโค้งปกติเพื่อความง่าย ในทางการเงินเราก็มักสมมติว่าผลตอบแทนของการลงทุนในหุ้นมีการกระจายเป็นโค้งปกติด้วย
แต่จากการนำ Daily return ของดัชนี S&P 500 ในช่วง 30 ปีมา plot ลงบนแผนภูมิแจกแจงความถี่พบว่า การกระจายมีลักษณะคล้ายโค้งปกติแต่มียอดเขาทีสูงชันกว่าและมีหางที่อ้วนกว่า พูดง่ายๆ ก็คือ ผลตอบแทนของหุ้นมีลักษณะของ Fat Tail
ถ้าเราลองสังเกตราคาปกติของดัชนีตลาดหุ้นเราจะพบว่าส่วนใหญ่แล้ว ถ้าไม่มีข่าวใหญ่ในวันนั้น ดัชนีมักเปลี่ยนอยู่ในช่วงไม่เกินหนึ่งเปอร์เซนต์ ซึ่งเป็นกรณีที่เกิดบ่อยทีสุด แต่ถ้าวันไหนมีข่าวใหญ่มากดัชนีก็อาจจะเปลี่ยนแปลงได้ถึงในระดับสองหรือสามเปอร์เซนต์ แต่ก็ไม่บ่อยนัก นี่ก็เป็นลักษณะที่เหมือนกับโค้งปกติทั่วไป
แต่เนื่องจากผลตอบแทนของหุ้นเป็น Fat Tail ด้วย มันจึงมีกรณีสุดโต่งที่ซ่อนอยู่บ่อยกว่าที่เราคิด กรณีสุดโต่งเหล่านี้คือกรณีที่ดัชนีหุ้นเปลี่ยนแปลงในวันเดียวเกิน 10% กรณีเหล่านี้แม้จะเกิดขึ้นได้น้อยแต่ก็เกิดขึ้นได้บ่อยกว่าที่นักลงทุนคิดเนื่องจาก Fat Tail
พวก Financial Engineer ที่คำนวณ VaR มักสมมติให้ผลตอบแทนของหุ้นเป็นโค้งปกติ การทำเช่นนี้จะทำให้ผลที่ได้มักจะ underestimate กรณีสุดโต่งไปมาก พวกเขาจะรู้สึกประหลาดใจมากในวันที่กรณีสุดโต่งมาถึง เพราะพวกเขาจะพบว่ากลไกป้องกันความเสี่ยงที่ตนได้คำนวณไว้แล้วอย่างดีมักจะเอาไม่อยู่
นอกจากนี้ Fat Tail ยังหลอกให้นักลงทุนรู้สึกว่าการเล่นมาร์จินนั้นจะช่วยทำให้ risk-adjusted return ของนักลงทุนสูงขึ้นได้ Leverage ช่วยทำให้ผลตอบแทนในวันส่วนใหญ่ที่เป็นวันปกติของการเล่นมาร์จินสูงกว่าการไม่เล่นมาร์จิน ผลตอบแทนที่สูงขึ้นนี้แลกมาด้วยความเสี่ยงที่จะขาดทุนหนักขึ้นเป็นทวีคูณในวันที่มีเหตุการณ์รุนแรงเกิดขึ้น ความเสี่ยงที่ว่านี้ก็คือความเสี่ยงที่จะโดน Force sell ในช่วงที่ไม่มีเหตุการณ์รุนแรงเกิดกับตลาดหุ้นเลยติดต่อกันหลายๆ ปี นักลงทุนจะค่อยๆ เริ่มรู้สึกว่า การเล่นมาร์จินนั้นมี Value added มากขึ้นทีละน้อย
อันที่จริงผมสังเกตเห็นว่า การลงทุนแทบทุกชนิดมีลักษณะเป็น Fat Tail อย่างรุนแรง ลองคิดถึงการ write options ดูสิครับ เวลาคุณ write call options ให้ใครสักคนหนึ่ง คุณจะได้กิน premium เปล่าๆ ประมาณ 95% of the time ส่วนอีก 5% of the time นั้น options ที่เขียนไว้จะ in the money และทำให้เจ้ามืออย่างคุณต้องขาดทุนมหาศาล เป็นต้น
ช่วงนี้เป็นช่วงเวลาที่ยากลำบากสำหรับนักลงทุนในตลาดหุ้นไทย Fat Tail ที่เกิดขึ้น 3 ครั้งติดต่อกันในเวลาอันสั้นทำให้ผลตอบแทนที่เคยรุ่งโรจน์ของทุกคนลดฮวบลงอย่างน่าใจหาย แต่เอาเถอะ Fat Tail มีทั้งทางลบและทางบวก ผมสังเกตเห็นว่าคนที่ประสบความสำเร็จกับหุ้นอย่างสูงส่วนใหญ่แล้วมักจะรวยมาจากการซื้อหุ้นครั้งสำคัญแค่ไม่กี่ครั้งในชีวิตทั้งสิ้น อย่างวอเรน บัฟเฟต เองก็รวยมาจากการซื้อหุ้นแค่ 5-6 ครั้ง เท่านั้น ครั้งอื่นๆ อีกนับครั้งที่ไม่ถ้วนที่เขาซื้อตลอดชีวิตของเขานั้นแทบจะไม่มีนัยสำคัญอะไรเลย (ต่อให้เขาไม่ซื้อครั้งเหล่านั้นเลยก็ไม่ได้ทำให้ความรวยของเขาผิดไปจากตอนนี้มากนัก) ดังนั้น การซื้อหุ้นครั้งที่ทำให้คุณรวยขึ้นอย่างมหาศาลนั้นแต่ละคนเกิดขึ้นไม่พร้อมกัน บางคนเข้ามาปีแรกเจอเลย บางคนขาดทุนสิบปีติดต่อกันมาได้ปีที่ 11 ปีเดียวรวยไปเลยก็มี ดวงใครดวงมันไม่ต้องไปอิจฉาคนอื่น ช่วงนี้ทุกท่านอย่าพึ่งถอดใจคิดว่าตัวเองล้มเหลว ที่จริงแล้วอาจเป็นเพราะครั้งสำคัญในชีวิตของคุณยังมาไม่ถึงเท่านั้นเองครับ
**จบส่วนของพี่โจ๊กค่ะ
เเละขอจบการรีวิวเพียงเท่านี้
ขอบคุณค่ะ
บันทึกไม่สำเร็จ