Mean Reversion Strategy

Quantitative Research & Deep-Dive Analysis

📈 📊 📚

หลักการทางสถิติของ Mean Reversion

ส่วนนี้อธิบายพื้นฐานทางคณิตศาสตร์และสถิติที่อยู่เบื้องหลังกลยุทธ์ Mean Reversion ซึ่งตั้งอยู่บนสมมติฐานที่ว่าราคาสินทรัพย์จะแกว่งตัวกลับเข้าสู่ค่าเฉลี่ยระยะยาว (Historical Mean) เสมอ การทำความเข้าใจโมเดลทางสถิติเหล่านี้เป็นรากฐานสำคัญในการพัฒนาระบบเทรดที่มีประสิทธิภาพและมีหลักการรองรับ ไม่ใช่เพียงการคาดเดา

1

Ornstein-Uhlenbeck Process

โมเดลทางคณิตศาสตร์ที่ใช้อธิบายพฤติกรรมที่ดึงกลับสู่ค่าเฉลี่ย (Mean-reverting) โดยความเร็วในการดึงกลับจะแปรผันตรงกับระยะห่างที่ราคาออกห่างจากค่าเฉลี่ย

dx(t) = θ(μ - x(t))dt + σdW(t)

θ = อัตราการดึงกลับ
μ = ค่าเฉลี่ยระยะยาว
2

Stationarity (ADF Test)

ข้อมูลอนุกรมเวลา (Time Series) จะต้องมีคุณสมบัติ Stationary คือ ค่าเฉลี่ยและความแปรปรวนคงที่เมื่อเวลาผ่านไป ทดสอบด้วย Augmented Dickey-Fuller Test

p-value < 0.05 : ปฏิเสธสมมติฐานหลัก (Null Hypothesis) ยืนยันว่าราคามีพฤติกรรมดึงกลับเข้าหาค่าเฉลี่ย สามารถใช้ Mean Reversion ได้
3

Hurst Exponent

ค่าวัดลักษณะการเกิดแนวโน้มของอนุกรมเวลา เป็นตัวชี้วัดที่ Quant ใช้แยกระหว่างตลาดที่มี Trend และตลาดที่ไร้ทิศทาง (Sideway)

  • H < 0.5: Mean Reverting (แกว่งตัวกลับ)
  • H = 0.5: Random Walk (สุ่ม)
  • H > 0.5: Trending (มีแนวโน้มชัดเจน)

ตัวอย่างพฤติกรรม Mean Reversion รอบเส้นค่าเฉลี่ย

กราฟจำลองการเคลื่อนที่ของราคา (เส้นทึบ) ที่แกว่งตัวออกจากเส้นค่าเฉลี่ย (เส้นประ) และถูกแรงดึงกลับตามกลไก Overbought/Oversold