วิเคราะห์แนวโน้มสภาวะตลาดด้วยข้อมูล Futures
(futuresradar.kr)ผมได้สร้างเครื่องมือสรุปสภาวะตลาดทั่วโลกแบบดูได้ครบในครั้งเดียวด้วย “Futures”
ช่วงนี้ความสนใจในหุ้นเพิ่มขึ้นอย่างมาก โดยเฉพาะเมื่อความคาดหวังอย่าง “KOSPI 5000” สูงขึ้น ทำให้แม้แต่คนที่ไม่เคยมีประสบการณ์ลงทุนมาก่อนก็เริ่มเข้ามาลงทุนในหุ้นกันมากขึ้น
แต่พอลองลงทุนหุ้นจริง ๆ ก็มักมีหลายช่วงที่ การดูแค่ตลาดเกาหลีหรือตลาดสหรัฐแยกกันทำให้ตีความสถานการณ์ได้ยาก
- ตลาดเกาหลี/ตลาดสหรัฐมีโครงสร้างที่ทำให้ตลาดดูเหมือน “ขาดช่วงเป็นตอน ๆ” (pre-market / regular market / after-market)
- แต่ในความเป็นจริง ตลาดโลกเชื่อมต่อและส่งผลถึงกันตามลำดับ เอเชีย → ยุโรป → สหรัฐ
- ถ้าดูแค่ภูมิภาคเดียว ก็มีโอกาสพลาดความเคลื่อนไหวที่เกิดขึ้นก่อนในอีกภูมิภาคหนึ่งได้ง่าย เช่น การพุ่งขึ้น/ร่วงลงแรงของบางเซกเตอร์
อย่างไรก็ตาม การติดตามแนวโน้มของประเทศหลักทั้งหมดทุกวันนั้นทำได้ยากในทางปฏิบัติ
ทำไมต้องดู Futures?
โชคดีที่ Futures สามารถสะท้อนแนวโน้มและอีเวนต์ในแต่ละภูมิภาคได้อย่างรวดเร็วแบบอ้อม ๆ
- เมื่อเกิดสงคราม ความเสี่ยง หรืออีเวนต์ขนาดใหญ่แบบกะทันหัน หลายครั้งสิ่งเหล่านี้จะสะท้อนใน Futures ก่อน
จึงช่วยให้ตรวจจับได้เร็วว่า “แม้ยังไม่รู้ว่าเกิดอะไรขึ้น แต่มีอีเวนต์ใหญ่เกิดขึ้นแน่” - ตัวอย่างเช่น หากถือ ETF ที่เกี่ยวข้องกับทองคำ/เงินโลหะมีค่าอยู่ การแกว่งตัวของ Futures ที่เกิดขึ้นก่อนก็ช่วยในการตัดสินใจหลีกเลี่ยงความเสี่ยงได้
ปัญหาคือ สำหรับผู้เริ่มต้น การดู Futures นั้นยากมาก
- หลายคนเริ่มต้นลงทุนผ่าน MTS โดยตรงโดยไม่ใช้ HTS
- และด้วยข้อจำกัดของสมาร์ตโฟน MTS จึงดูสินทรัพย์/ตัวชี้วัดจำนวนมากพร้อมกันได้ยาก และฟังก์ชันก็มีจำกัด
(แม้จะเข้าถึงง่าย แต่ไม่เหมาะกับการ “มองภาพรวมของตลาด”)
เลยกลายมาเป็นสิ่งที่ผมสร้างขึ้น
ผมได้นำ Futures ที่ให้บริการโดย finviz
มาวิเคราะห์บนพื้นฐานของ แท่งเวลา 30 นาที แล้วสร้างเป็นเครื่องมือที่ สรุปและอธิบายสภาวะตลาด
ตอนแรกตั้งใจจะทำให้เป็นเครื่องมือเชิงมืออาชีพมากขึ้นโดยใช้ heatmap เป็นฐาน แต่หลังจากอ่านโพสต์ด้านล่างนี้ก็เปลี่ยนทิศทาง
- อ้างอิง: โพสต์ใน news.hada.io
ผมตัดสินใจว่ารูปแบบที่ สามารถตรวจสอบตัวชี้วัดที่ต้องการได้ทันทีในเวลาที่ต้องการ นั้นใช้งานได้จริงมากกว่า
FAQ
1) การวิเคราะห์ Futures ใช้ข้อมูลเรียลไทม์หรือไม่?
ไม่ใช่ ใช้ข้อมูลจาก finviz จึงเป็น ข้อมูลหน่วงเวลาประมาณ 15 นาที
2) ใช้โมเดล AI อะไร?
ใช้ Google gemini-3-flash
3) ขนาดอินพุต/เอาต์พุตประมาณเท่าไร?
- อินพุต: ประมาณ 90,000 ตัวอักษร
- เอาต์พุต: ประมาณ 8,000 ตัวอักษร
แม้ผลลัพธ์ที่เห็นภายนอกจะสั้น แต่เพื่อให้เก็บเหตุผลประกอบไว้อย่างชัดเจน จึงบังคับรูปแบบเอาต์พุตให้เป็น JSON
และใช้ JSON นี้เป็นโครงสร้างสำหรับแสดงเฉพาะรายการที่ต้องการ (รายละเอียดเพิ่มเติมดูที่พรอมป์ต์)
4) การวิเคราะห์เชิงตัวเลขออกแบบอย่างไร?
- เพื่อประหยัดโทเคน จึงทำ การบีบอัดวิเคราะห์จากแท่ง 30 นาที → เป็นระดับรายวันหนึ่งครั้ง
- ใช้ การสร้างแบบจำลองทางคณิตศาสตร์ เพื่อดูทิศทาง (เช่น การวิเคราะห์แนวโน้ม)
- ใช้ ควอนไทล์ เพื่อประหยัดโทเคน
- มีการ ปัดเศษ ทศนิยมบางส่วน
5) ใช้งานฟรีได้ไหม?
ตอนนี้กำลังใช้ ollama cloud เพื่อลดต้นทุน จึงยังเปิดให้ใช้ฟรีอยู่
แต่หากถึงจุดที่มีค่าใช้จ่ายหลีกเลี่ยงไม่ได้ ก็อาจเปลี่ยนเป็นแบบเสียเงินในอนาคต
อย่างไรก็ตาม จะวางแผนให้แม้เป็นผู้ใช้ฟรีก็ยังสามารถดูข้อมูลย้อนหลัง 7 วันล่าสุด ได้
ช่วงเวลาที่รันการวิเคราะห์ด้วย LLM
(พยายามรันทุกต้นชั่วโมงที่นาที 0 → โดยปกติใช้เวลา 1–3 นาที)
เวลา: 00 01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23
จันทร์ : ● · · · · · · · · · ● · ● · ● · ● · ● · ● · ● ●
อังคาร : ● ● · · ● · ● · · · · · ● · ● · ● · ● · ● · ● ●
พุธ : ● ● · · ● · ● · · · · · ● · ● · ● · ● · ● · ● ●
พฤหัสบดี : ● ● · · ● · ● · · · · · ● · ● · ● · ● · ● · ● ●
ศุกร์ : ● ● · · ● · ● · · · · · ● · ● · ● · ● · ● · ● ●
เสาร์ : ● ● · · ● · ● · · · · · · · · · · · · · · · · ·
อาทิตย์ : ● · · · · · · · · · · · · · · · · · · · · · · ·
พรอมป์ต์
- พรอมป์ต์ (Gist): https://gist.github.com/MinsuChae/cf541e9f9b58b722f23b3ca5951859dc
ยังไม่มีความคิดเห็น