Hyper-T

[JRT @JRTDesk]

Post เมื่อไม่กี่วันก่อนของผมอันนึง ผมเห็น comment นึงผ่านๆ ตา ถามประมาณว่า.. 「วิธี Hedge มีอะไรบ้าง…?」ช่วงนี้ว่างหน่อยนอนโรงพยาบาล เลยพยายามเขียนบทความเรื่องนี้ดู แต่ไปๆ มาๆ มันออกมาคล้ายๆ PhD dissertation ซะมากกว่า คนน่าจะอ่านเข้าใจกันยาก.. เลยมาแนะนำหนังสือแทนครับ ถ้าอ่านพวกนี้ ผมคิดว่าน่าจะช่วยให้คนอ่านมี framework ที่ครอบคลุม hedging หลายมิติ..

📖『When Genius Failed』ไม่ต้องมี background อะไรเลย...ใครๆ ก็อ่านได้... finance literacy ระดับ basic ก็เข้าใจได้หมด... หนังสือเก่าแล้ว แต่บทเรียนจากในหนังสือ ยังคงใช้ได้ในปัจจุบัน.. หนังสือให้ intuition ว่า hedge ที่ดูสมบูรณ์แบบใน model ล้มเหลวได้อย่างไรในโลกจริง... คนอ่านจะมี visceral understanding ว่า leverage.. liquidity.. และ correlation breakdown คือศัตรูที่แท้จริง... เป็น vaccine ป้องกันความมั่นเกินเหตุใน model ตลอดชีวิต...

📖『Expected Returns』ผมว่าเหมาะกับนักลงทุนที่มีประสบการณ์มาหน่อยแล้ว.. หรือประมาณระดับ CFA Level 2.. ต้องเข้าใจ factor model และ asset class พื้นฐาน... math ไม่หนัก แต่ concept ต้องมี foundation... หนังสือให้ภาพใหญ่ว่า risk premium มีอยู่ใน asset class ไหนบ้าง... ทำไม hedge บาง asset ถึง cost สูงและ hedge บาง asset ถึง cost ต่ำ... และ framework ในการคิดว่า hedge แม่ง worth it หรือเปล่าในเชิง expected return... ถือเป็น top-down view ที่ทำให้ hedging decision เป็นระบบ

📖『Option Volatility & Pricing』ระดับ options trader มือใหม่ถึงกลาง... ใช้ math ไม่สูงมาก.. แต่ต้องเข้าใจ options mechanics ก่อน... เป็น entry point ที่ดีสำหรับคนที่จะเริ่มเรียน volatility.. ให้ working knowledge ของ options ครบ... Greeks, vol, pricing, strategy... คนอ่านจะเริ่มคิดเป็นระบบไปถึง risk dimensions ไม่ใช่แค่ direction... จะเข้าใจว่าทำไม implied vol กับ realized vol ต่างกัน และ implication ของมันต่อต้นทุน hedge..

📖『Dynamic Hedging』เหมาะกับ practitioner ที่ trade options จริงๆ หรือ quant ที่มี math แข็งประมาณนึง... Taleb เขียนสำหรับ desk ซะมากกว่า..ไม่ใช่ classroom... อ่านครึ่งแรกไม่เข้าใจเป็นเรื่องปกติถ้าไม่เคยแตะ options จริงๆ จังๆ มาก่อน.. ซึ่ง Taleb ให้สิ่งที่ textbook ทั่วไปไม่มี... ประสบการณ์จริงของคนที่ run options book... gamma scalping จริงๆ เป็นยังไง... tail risk จริงๆ price ยังไง... และที่สำคัญที่สุดคือ epistemology ของ uncertainty... Taleb สอนว่าสิ่งที่ model ไม่รู้มักเป็นสิ่งที่ kill (ผมหาไอ้ตัว มอม้าหัวหยัก บน keyboard ไม่เจอ เลยพิมพ์ว่า kill แทน) เรา...

📖『The Concepts and Practice of Mathematical Finance』น่าจะประมาณระดับเด็กโท finance หรือ quant developer... ต้องมี calculus, probability, และ stochastic calculus พื้นฐาน... Joshi เขียน clean มาก แต่ prerequisite สูงหน่อย.. Joshi ให้ foundation ทาง math ที่ทำให้ทุกอย่างที่ Natenberg พูดถึง click ในระดับที่ลุึกลงไปอีก.. stochastic calculus, risk-neutral pricing, replication argument... คนอ่านจะเข้าใจว่าทำไม Black-Scholes work และ break down ตอนสถานการณ์ไหน... นี่คือ bridge จาก intuition ไป precision...

📖『Volatility and Correlation』น่าจะเหมาะกับคนอ่านระดับ senior quant หรือ vol desk... ก่อนจะอ่านเล่มนี้น่าจะอ่านหนังสือของ Natenberg กับ Joshi มาแล้ว... ไม่เหมาะสำหรับคนที่ยังไม่เคย price option จริงๆ... หนังสือให้ frontier knowledge ของ vol dynamics... smile, skew, term structure, stochastic vol, cross-asset correlation... คนอ่านจะสามารถ design hedge ที่ทนต่อ vol regime change ได้... และเข้าใจว่าทำไม Black-Scholes hedge แบบ basicๆ ไม่พอสำหรับ complex book...

[Movez @0xMovez]

This Quant bot turned $1.2K → $777K in 37 days on Polymarket

i backtested his strategy on 72M Polymarket trades data-set + plugged into self-learning agent.

installed it on a VPS + added Binance API + connected Codex 5.5

3 days → 346% ROI

run your agent in 5 steps:

• rent a VPS on Hetzner - $5.99
• run Hermes CLI using one-liner code - free
• add Binance API + github with trading logic - free
• connect Codex 5.5 & TG bot
• sent Hermes step-by-step prompts from the article

start small (1-2$), give Hermes {50–100} trades to build his strategy using the self-education skill.

if you don't want to play with VPS & CLI, set up in 2 clicks using Atomic framework.

bot profile: https://t.co/6jXyjSZWcu

read full guide on running a self-learning crypto agent below ↓

[WIZNESS @wiznesspro]

Tous les utilisateurs Claude après avoir lu cet article

[JRT @JRTDesk]

คำถามที่ว่า 「ไม่รู้จะเริ่มตรงไหน」.. ปัญหามันไม่ได้อยู่ที่จุดเริ่มต้น..

ปัญหาอยู่ที่ว่า.. ในสาย finance.. การลงทุน.. การ trade.. quant.. ประสบการณ์สามารถสร้าง intuition ที่ผิดๆ ได้อย่างมาก.. ซึ่งเป็นสิ่งที่ต่างจากสายอาชีพอื่นๆ ส่วนใหญ่..

ในสายอื่น ยิ่งมีประสบการณ์ยิ่งเก่งขึ้น.. หมอที่ผ่าตัดมา 10,000 ครั้ง ดีกว่าหมอที่ผ่าตัดมาแค่ 100 ครั้ง แทบจะ guarantee ได้..

แต่ใน finance.. trader ที่ผ่าน 2008 มาได้ อาจสร้าง intuition ที่ optimize สำหรับ crisis แบบ 2008.. แล้วพอ regime เปลี่ยน.. intuition ที่ได้มาจากตอน 2008 นั่นเองที่จะฆ่า trader คนนั้น 😅.. ความมั่นใจที่สะสมมาจากประสบการณ์ กลายเป็นอาวุธทำร้ายตัวเองได้..

อย่างกรณีที่ผมเคยเจอ.. ช่วงนึงที่ options selling ทำผลงานได้ดีมากต่อเนื่องมาหลายปี.. ทุก spike ของ vol มันก็ revert กลับมา.. ทุก tail event มันก็ fade.. สมองก็เริ่ม internalize ว่า「นี่คือวิธีที่ตลาดทำงาน」จนถึงจุดที่มันกลายเป็น reflex.. ไม่ใช่ การตัดสินใจอีกต่อไป..

เพราะสิ่งที่สมองเราเรียกว่า intuition.. จริงๆ แล้วคือ pattern recognition ที่ fit กับ historical regime ที่ผ่านมา.. ไม่ใช่ความเข้าใจ mechanism จริงๆ ของตลาด.. พอ regime เปลี่ยน.. intuition กลายเป็นของเก่า.. แต่ความมั่นใจที่สร้างมันขึ้นมายังอยู่ครบ...

นั่นเลยเป็นเหตุผลแรกที่ว่า.. การรู้ลึกในสายนี้ไม่ใช่แค่เรื่องของ 「ผ่านเวลามาเยอะ」.. ความรู้ในสายนี้มีวันหมดอายุ ไม่ใช่ทุกสิ่งที่เรียนรู้มาจะยังใช้ได้พรุ่งนี้.. ความรู้ใน finance มีอายุต่างกัน.. บางอย่างอยู่ได้เป็นทศวรรษ บางอย่างอาจจะหมดอายุภายในปีเดียว..

ความรู้เรื่องจิตวิทยาและ behavioral patterns.. ถือว่าอายุยาวมาก.. Fear กับ Greed ทำงานเหมือนกันในปี 1929 กับปี 2025..

Kahneman ศึกษาเรื่อง loss aversion มาหลายสิบปีแล้ว แต่ยังใช้ได้อยู่ในทุก market cycle..

ความรู้เรื่อง market microstructure อายุกลางๆ.. bid-ask spread, adverse selection, order flow toxicity.. concept ยังอยู่ แต่ mechanics เปลี่ยนตาม technology ตามกาลเวลา..

ความรู้เรื่อง specific alpha signal.. อายุสั้นมาก.. factor ที่ work ในปี 2010 อาจตายไปแล้วในปี 2020 เพราะ crowded หรือเพราะ market structure เปลี่ยน..

คนที่รู้ลึกจริงๆ รู้ว่าตัวเองกำลังอยู่ใน layer ไหน.. และไม่เอาความมั่นใจจาก layer ที่มีอายุยาว มาใช้กับ layer ที่มีอายุสั้น..

กับดักที่เห็นบ่อยมาก.. คนที่เข้าใจ behavioral finance ลึกมาก แล้วคิดว่าตัวเองเข้าใจตลาดลึก.. ทั้งที่จริงๆ แล้วมันคือคนละ layer กันเลย.. รู้ว่า fear กับ greed ทำงานยังไง ไม่ได้แปลว่ารู้ว่าตลาดจะเดินไปทางไหนพรุ่งนี้.. และปัญหาคือ.. ตลาดไม่ได้บอกเราตรงๆ ว่าเราอยู่ layer ไหน..

อย่างหมากรุก.. เดินผิด รู้ทันที.. feedback loop ชัด.. ในการผ่าตัด.. ผ่าตัดพลาด ก็รู้ได้ค่อนข้างเร็ว..

แต่ใน trading และการลงทุน.. มันต่างกัน..

ตัดสินใจผิด.. แต่กำไร.. เพราะโชคช่วย.. ตัดสินใจถูก.. แต่ขาดทุน.. เพราะ noise ในตลาดช่วง short term..

ถ้าเรียนรู้จาก P&L อย่างเดียว.. เราจะเรียนรู้สิ่งผิด.. สมองจะ reinforce behavior ที่ทำกำไร แม้ว่าพฤติกรรมนั้นจะ random ล้วนๆ.. และสมองจะต่อต้านพฤติกรรมที่ถูกต้องแต่แค่โชคไม่เข้าข้างในช่วงนั้น..

ผมได้เริ่มตระหนักเรื่องนี้จริงๆ ตอนสมัยก่อนที่กลับมา review trade journal เก่าๆ แล้วพบว่า.. trade ที่ขาดทุนหนักที่สุดบางอัน reasoning มันแม่นมาก.. เพียงแต่ timing ผิด หรือมีปัจจัยภายนอกที่คาดไม่ได้เข้ามา.. และ trade ที่กำไรดีที่สุดบางอัน ตอนเขียน reasoning ไว้ตอนนั้น.. อ่านกลับไปแล้ว migraine แดก... เพราะมันผิดมากๆ แต่ตลาดดันเดินตามทิศทางที่เราเดาไว้ด้วยเหตุผลที่ต่างกันโดยสิ้นเชิง..

ถ้าไม่มี trading journal ที่จดเหตุผลที่คิดไว้ก่อนเข้า position.. เราจะไม่มีทางรู้เรื่องนี้เลย.. เพราะสมองมนุษย์มันเก่งมากในการสร้าง narrative ย้อนหลังให้ทุกอย่างดูสมเหตุสมผลเสมอ..

Kahneman เรียกว่า 「hindsight bias」.. แต่ในสาย finance มันไม่ใช่แค่ cognitive bias.. มันคือกลไกที่ค่อยๆ ทำลาย calibration ของเราโดยที่เราไม่รู้ตัว..

วิธีแก้คือเราต้องสร้าง feedback loop ชั้นที่สอง.. แทนที่จะเรียนรู้จากผลลัพธ์ ต้องเรียนรู้จากความถูกต้องของเหตุผลที่คิดไว้.. ไม่ใช่จาก P&L อย่างเดียว

บันทึกเหตุผลที่คิดไว้ก่อนเข้า position.. บันทึกว่าคาดหวัง scenario ไหน.. คิดว่า outcome จะออกมาเป็นยังไง.. แล้วกลับมาวัดว่าเหตุผลที่คิดไว้ถูกหรือผิด แยกออกจากว่าได้กำไรหรือขาดทุน.. ทำแบบนี้สม่ำเสมออย่างน้อย 2-3 ปี.. ภาพจะชัดขึ้นมาก..

แต่ feedback loop จาก trade journal อย่างเดียวยังไม่พอ.. เพราะสิ่งที่เราบันทึกไว้ มันจะดีแค่ไหนก็ขึ้นอยู่กับคุณภาพของสิ่งที่เราอ่านมาตั้งแต่แรก.. . . อ่าน paper ต้นฉบับ.. อ่าน Fed minutes ตัวจริง.. อ่าน earnings call transcript ตัวจริง.. ไม่ใช่ความเข้าใจของคนอื่น

ทุก secondary source มีคนเขียนที่ผ่านตะแกรงของตัวเองมาแล้ว.. เขาตัดสินว่าอะไรสำคัญ อะไรไม่สำคัญ อะไรอธิบายยากเกินก็ตัดออก.. พอถึงมือเรา.. เราได้รับความเข้าใจของคนอื่นเค้า ไม่ใช่ความเข้าใจของเราเอง..

Almgren-Chriss paper ปี 2000 เรื่อง optimal execution.. ถ้าอ่านแค่บทสรุปก็รู้แค่ 「square root law」.. แต่ถ้าอ่านต้นฉบับจะเห็นว่า model นี้ assume ว่า price impact เป็น linear ใน instantaneous trade rate.. assumption นั้นพังในตลาดที่ thin หรือใน crisis.. คนที่อ่านแค่บทสรุปจะ apply square root law ผิดที่โดยไม่รู้ตัว..

นานมากแล้วเคยมีช่วงนึงที่ผมอ่าน Fed minutes จริงๆ เป็นครั้งแรกหลังจากที่อ่านแต่ analysis ของคนอื่นมานาน.. สิ่งที่ตกใจมากที่สุดไม่ใช่แค่ว่ามี information ใหม่ที่ไม่เคยรู้.. แต่คือ tone และความไม่แน่ใจที่ Fed เองมีอยู่ในนั้น.. ในขณะที่ analysis ทุกชิ้นที่อ่านมาก่อนหน้า มันตัดส่วนนั้นออกไปหมด.. นำเสนอ Fed เป็น entity ที่ตัดสินใจอย่างมีตรรกะชัดเจน.. ทั้งที่จริงๆ แล้ว minutes อ่านแล้วเห็นชัดว่าพวก Fed ก็กำลัง figure out เรื่องต่างๆ อยู่เหมือนกัน.. play by the ear.. ไม่ต่างจากเราๆ กันเท่าไหร่😅

ก็เลยเปลี่ยน mental model ผมเรื่อง market pricing ของ Fed policy ไปอย่างถาวร..

‼️และสิ่งที่ต้องถามตอนอ่านทุกชิ้น..

「ข้อสมมติฐานอะไรที่ทำให้ข้อสรุปนี้ถูก」.. 「ถ้า assumption นั้นผิด.. ข้อสรุปพังยังไง」.. 「sample period นี้ครอบคลุม regime ไหนบ้าง และไม่ครอบคลุม regime ไหน」..

Campbell Harvey ประมาณไว้ว่า factor research ส่วนใหญ่ที่ตีพิมพ์มาน่าจะเป็น false discoveries.. เพราะ t-stat threshold 2.0 ต่ำเกินไปสำหรับ multiple testing ในปริมาณงานวิจัยที่มีอยู่.. ต้องใช้ 3.0 ขึ้นไป..

นั่นหมายความว่าถ้าอ่านงานวิจัย finance โดยไม่มี critical reading.. เราอาจกำลัง internalize สิ่งที่ผิดอยู่โดยไม่รู้ตัว.. . . เราเลยควรทำ research เอง.. แม้เล็กน้อยก็ตาม

ความแตกต่างระหว่างคนที่ 「รู้เรื่อง」 กับคนที่ 「รู้จริง」 คือการที่เคยลงมือทดสอบด้วยตัวเองหรือยัง.. ลอง replicate ผลลัพธ์ของ paper ที่อ่านมา.. ถ้า replicate ไม่ได้ แสดงว่าไม่ได้เข้าใจจริง.. ระหว่างนั้นจะเจอ assumption ที่ paper ไม่ได้บอกไว้ตรงๆ แต่ตัดสินผลลัพธ์ทั้งหมด..

ลองสร้าง backtester เองสักครั้ง แทนที่จะใช้ library สำเร็จรูป.. ระหว่างนั้นจะเจอว่า look-ahead bias แฝงตัวอยู่ตรงไหน.. survivorship bias เข้ามาได้ยังไง.. และ transaction cost ที่ไม่ได้นับทำให้ backtest ดูดีเกินจริงแค่ไหน.. ไม่มีหนังสือเล่มไหนสอนสิ่งนี้ได้ดีเท่าการเจอด้วยตัวเอง.. . .

ยิ่งรู้ลึก ยิ่งเห็น risk มากขึ้น เห็น scenario มากขึ้น เห็น edge case มากขึ้น.. ซึ่งดี.. แต่ถ้าไม่ระวัง มันจะกลายเป็น analysis paralysis.. และคนที่รู้น้อยกว่า กลับ execute ได้เร็วกว่าและ confident กว่า

ผมเจอจุดนี้ตอนที่เริ่มศึกษา dynamic hedging จริงๆ จังๆ..

ก่อนหน้านั้น.. การตัดสินใจ hedge ง่ายกว่า.. เพราะไม่เห็น complexity ทั้งหมด.. พอเข้าใจ Greeks ลึกขึ้น เข้าใจ vol surface เข้าใจ path dependency.. มีช่วงที่ทุกครั้งที่จะ execute อะไร สมองมันยก edge case ขึ้นมาเต็มไปหมด.. จนทำอะไรช้าลงอย่างเห็นได้ชัด..

สิ่งที่ช่วยได้คือแยก analysis time ออกจาก execution time ให้ชัด.. ตอนวิเคราะห์ให้คิดเต็มที่ไม่มีขีดจำกัด.. แต่พอถึงเวลา execute ให้เชื่อในกรอบที่วางไว้แล้ว และลงมือเลย..

จนสุดท้ายก็เลยก้าวไปอีกขั้น.. ทำระบบ automated ขึ้นมาแม่งเลย.. เอา quant เข้ามาช่วยตัด emotion ออกจาก execution โดยสิ้นเชิง.. เพราะถ้ากรอบที่วิเคราะห์ไว้มันถูก.. ก็ไม่มีเหตุผลอะไรที่จะให้สมองมานั่งลังเลตอน execute อีก..

Dunning-Kruger ที่คนพูดถึงบ่อยคือ.. มือใหม่มั่นใจมาก พอรู้มากขึ้นกลับยิ่งสงสัยตัวเอง.. แต่ที่ไม่ค่อยมีใครพูดถึงคือขั้นที่ 3 ที่เกิดหลังจากผ่านจุดนั้นมาแล้ว.. คนที่อยู่ตรงนั้นมี calibrated confidence.. รู้ชัดว่าตัวเองรู้อะไร ไม่รู้อะไร และมั่นใจในระดับที่ตรงกับความเป็นจริง..

meta-skill นี้สำคัญมากและใช้เวลานานที่สุดในการพัฒนา.. มันคือความสามารถในการรู้ว่า 「ตอนนี้ควรใช้ analysis ระดับไหน」.. บางครั้ง simple heuristic ดีกว่า complex model.. บางครั้งต้องใช้ full framework.. รู้ว่าเมื่อไหร่ควรทำอะไรนั้นสำคัญกว่าการรู้ทั้งสองอย่าง..

การสอนคนอื่นก็เป็น test ที่โหดมาก (อย่างน้อยก็สำหรับผม)
ตอนที่ไป lecture เรื่อง dynamic hedging.. เตรียม material มาดีมาก.. ทุก formula ถูก.. ทุก concept ครบ..

แล้วมีนักเรียนคนหนึ่งถามว่า.. 「If delta is just a first derivative, why don't we hedge once and be done with it?」

คำถามง่ายมาก.. แต่ผมหยุดไป 2~3 วินาที.. ไม่ใช่เพราะไม่รู้คำตอบ.. แต่เพราะตระหนักว่าคำตอบที่อยู่ในหัวมันเป็น mathematical ล้วนๆ.. และนักเรียนเค้าต้องการ intuition ไม่ใช่สูตร..

ตอนนั้นถึงได้รู้ว่า.. เออ.. มีช่องว่างอยู่ระหว่างสิ่งที่เราเข้าใจใน mathematical formulation กับสิ่งที่เราสามารถถ่ายทอด intuition ให้คนอื่นเห็นภาพได้.. และช่องว่างนั้นคือส่วนที่เรายังเข้าใจไม่จริง..

Feynman บอกว่า.. ถ้าอธิบายสิ่งที่เรียนรู้มาให้คนที่ไม่มีพื้นฐานเข้าใจได้ไม่ได้.. แปลว่าตัวเองก็ไม่ได้เข้าใจจริงๆ.. มีแค่ illusion of understanding..

หลังจากนั้นผมเพิ่มกฎส่วนตัวว่า.. ถ้าอธิบาย concept ไหนให้คนนอกสายเข้าใจไม่ได้.. ต้องกลับไปอ่านใหม่.. เพราะความเข้าใจจริงๆ มันต้องถ่ายทอดได้ ไม่ใช่แค่ compute ได้..

⚠️และอีกเคล็ดลับนึงที่ผมใช้เพื่อช่วยให้รู้ลึก... คือ.. ผมไม่ยอมรู้เรื่องน้อยกว่า (อย่างมีนัยสำคัญ) พวกคนอื่นๆ ใน firm.. ซึ่งผมว่าแรงผลักดันที่คนอื่นๆ อาจจะประเมินต่ำ

คือมันมีความต่างสำคัญระหว่าง.. 「ไม่ยอมรู้น้อยกว่า เพราะกลัวหน้าแตก」 กับ 「ไม่ยอมรู้น้อยกว่า เพราะต้องการตัดสินใจได้ดีกว่า」..

แบบแรกทำให้เรียนรู้เพื่อ defend ตัวเอง.. เลือกเรียนสิ่งที่ confirm ความเชื่อเดิม..

แบบที่สองทำให้เรียนเพื่อ update ตัวเอง.. เปิดรับสิ่งที่ challenge ความเชื่อเดิม..

ความต่างของสองแบบนี้ยิ่ง compound มากขึ้นเรื่อยๆ ในสาย finance.. เพราะตลาดลงโทษ confirmation bias ด้วยเงิน.. ไม่ใช่แค่เรื่องความเสียหน้า..

Tetlock พบว่า superforecasters ที่ทำนายได้แม่นที่สุดมีลักษณะร่วมกันอย่างหนึ่งคือ.. รู้สึกดีเมื่อต้องยอมรับว่าเดิมคิดผิด.. แทนที่จะรู้สึกเสียหน้า.. ในสาย finance ผมว่านี่คือทักษะที่มีมูลค่าทางการเงินตรงๆ..

สรุป..
อย่าถามว่าจะเริ่มตรงไหน.. ถามว่าจะฝึกยังไงให้ feedback loop มันทำงานได้จริง..

เข้าใจว่าประสบการณ์อาจสร้าง intuition ที่ผิดได้.. ดังนั้นต้องสร้าง feedback loop จาก quality ของ reasoning ไม่ใช่จาก P&L อย่างเดียว..

รู้ว่าความรู้แต่ละชั้น แต่ละ layer มีวันหมดอายุไม่เท่ากัน.. และไม่เอา confidence จาก layer ที่มั่นคงอายุนานไปใช้กับ layer ที่เปลี่ยนเร็ว..

อ่านต้นฉบับ อ่านแบบ critical.. ตั้งคำถามกับ assumption ของทุกชิ้น..

ลงมือทำ research เอง replicate paper สร้าง tool เอง.. เพราะกระบวนการสอนเราในสิ่งที่หนังสือสอนไม่ได้..

พัฒนา calibrated confidence.. ไม่ใช่ความมั่นใจสูงแบบมือใหม่ และไม่ใช่ความลังเลแบบคนที่รู้มากเกินจนทำอะไรไม่ได้..

พยายามสอนคนอื่น.. เพราะช่องว่างระหว่าง 「compute ได้」 กับ 「ถ่ายทอดได้」 คือส่วนที่เรายังไม่เข้าใจจริงๆ..

และยอมรับว่าระยะเวลาวัดเป็นปี.. ไม่มีทางลัด.. . .

P.S.
กับดักที่น่ากลัวที่สุดในสายนี้ไม่ใช่การรู้น้อยเกินไป.. แต่คือการรู้แบบผิดๆ อย่างมั่นใจ.. ตลาดไม่ได้ลงโทษความไม่รู้.. ตลาดลงโทษความมั่นใจที่ไม่ตรงกับความเป็นจริง.. และความมั่นใจแบบนั้น มักสร้างขึ้นมาจากประสบการณ์จริงๆ ที่สะสมมานานหลายปี.. ไม่ใช่จากความโง่.. นั่นแหละเลยทำให้มันอันตรายที่สุด..

[ѴѺҎ @MrVop]

งานวิจัยจาก Université de Montréal (UdeM) ประเทศแคนาดา นำโดย ศาสตราจารย์ Jérémie Lefebvre พบว่า การทำสมาธิในวิถีพุทธฯไม่ใช่การพักสมอง แต่เป็นการปรับเปลี่ยนโครงสร้างสมองเลยทีเดียว

ผลการสแกนสมอง (MEG) พบว่า ในขณะที่ทำสมาธิ สมองเราไม่ได้อยู่ในสภาวะพัก แต่กลับมี "กิจกรรมในสมองสูงมาก" และมีการเปลี่ยนแปลงการทำงานของโครงข่ายประสาทอย่างมีนัยสำคัญ

หัวใจสำคัญของงานวิจัยนี้คือการพบว่าการทำสมาธิช่วยให้สมองเข้าใกล้สภาวะที่เรียกว่า "Criticality" ซึ่งเป็นจุดสมดุลที่เหมาะสมที่สุดระหว่าง ความระเบียบ (Order) และ ความโกลาหล (Chaos) นั่นคือจุดที่เครือข่ายประสาททำงานได้มีประสิทธิภาพสูงสุด มีความยืดหยุ่นสูง พร้อมเรียนรู้ และจัดเก็บข้อมูลได้ดี

ในส่วนของงานวิจัยที่ศึกษาจากพระภิกษุชาวพุทธที่มีประสบการณ์สูง พบว่าการทำสมาธิสองแบบส่งผลต่อสมองต่างกัน นั่นคือ

แบบวิปัสสนา จะเน้นการรู้เท่าทันปัจจุบัน อารมณ์ และความรู้สึกโดยไม่ตัดสิน การฝึกแบบนี้ช่วยให้สมองเข้าใกล้จุด Criticality มากที่สุด ทำให้สมองมีความยืดหยุ่นและตื่นตัวสูง

แบบสมถะ จะเน้นการเพ่งความสนใจไปที่สิ่งใดสิ่งหนึ่ง (เช่น ลมหายใจ) เพื่อความสงบ การฝึกแบบนี้จะสร้างสภาวะที่ มั่นคงและจดจ่อมากกว่า

การเปลี่ยนแปลงในระยะยาวของสมองจากการทำสมาธิ

ทีมวิจัยพบการลดลงของสัญญาณ Gamma oscillations ในบางส่วน ซึ่งบ่งชี้ว่าผู้ฝึกสมาธิสามารถลดการประมวลผลสิ่งเร้าภายนอกที่ไม่จำเป็น และหันกลับมามีสติรู้ตัวภายในได้ดีขึ้น และสำหรับในกลุ่มพระภิกษุที่ฝึกมาอย่างยาวนาน พบว่าช่องว่างระหว่าง "สภาวะขณะทำสมาธิ" และ "สภาวะปกติ" จะแคบลงเรื่อยๆ หมายความว่าสมองของพวกเขามีประสิทธิภาพและยืดหยุ่นอยู่ตลอดเวลาแม้ไม่ได้นั่งหลับตา

งานวิจัยนี้ชี้ให้เห็นว่าการทำสมาธิคือการ "ออกกำลังกายสมอง" ที่ช่วยปรับจูนให้สมองทำงานได้อย่างมีประสิทธิภาพสูงสุด (Optimal state) ไม่ใช่แค่การพักผ่อนเพื่อความผ่อนคลายเท่านั้น

[Jadz | TP SQUAD @justjadz]

จากนอนบนพื้นยิม สู่ทำเงิน 3,710 ล้านในสุดสัปดาห์เดียว

Alex Homozi เขาไม่ได้เกิดมารวย
เคยนับเงินว่าสัปดาห์นี้จะมีซื้อข้าวไหม

แต่วันที่รู้สึก "รวยที่สุดในชีวิต" ไม่ใช่ตอนได้พันล้าน
มันคือวันที่มีเงินในบัญชี 3.5 ล้านบาทครั้งแรก

เพราะนั่นคือวันที่ไม่ต้องกลัวพรุ่งนี้อีกต่อไป

6 ขั้นตอนที่เขาใช้จริง

1.ตัดค่าใช้จ่ายให้หมด
ก่อนออกรบต้องมีกระสุนก่อน
มีรายได้ 700k/เดือน แต่ยังจ่ายค่าเช่าแค่ 14k
เพราะทุกบาทที่เหลือคือเชื้อเพลิงขยายธุรกิจ

2,เวลาว่างซ่อนอยู่ในทุกชีวิต
05.00-09.00 และ 17.00-21.00 = 4 ชม./วัน
ที่คนส่วนใหญ่ใช้เลื่อนหน้าจอ

3.อย่าถามว่าชอบอะไร แต่ถามว่าคนกำลังจ่ายเงินซื้ออะไร
กฎ 1-1-1 → สินค้า 1 ชิ้น ลูกค้า 1 กลุ่ม ช่องทาง 1 ช่องทาง
จนกว่าจะถึงหลักล้าน

4.เรียนรู้จากการลงมือ ไม่ใช่ดูคลิป
ดูสอนการขายมาเดือนนึงแต่ยังไม่เคยโทรหาลูกค้าสักคน?
นั่นไม่ใช่การเรียนรู้ นั่นคือความบันเทิง

5.ลงทุนในสิ่งที่ให้กลับมามากกว่า
เครื่องมือ ทักษะ และการทดลอง
ตระหนี่จนไม่กล้าลงทุน = ไม่โต

6.รายได้เพิ่ม แต่ชีวิตยังเหมือนเดิม
รู้จักคนทำเงิน 1.4M/เดือน แต่ไม่มีเงินออม
เพราะอัปเกรดชีวิตตามรายได้ทุกบาท
"อยากรวย ไม่ใช่อยากดูรวย"

3 ล้านบาทแรกไม่ใช่แค่ตัวเลข
มันคือวันแรกที่สมองมีพื้นที่ให้ฝันใหญ่ขึ้น

ไม่ต้องการพรสวรรค์
แค่ต้องการแผนที่ชัด กับความสม่ำเสมอ

https://t.co/mk43UcAsex

[gemchanger @gemchange_ltd]

The scariest moment in algo trading

is finding out your strategy works on random data too.

neurotrader video shows the kill switch:
"How I Develop Trading Strategies | Permutation Tests and Trading Strategy Development with Python."

21 minutes of pure framework.

I wrote a companion deep-dive that takes this Monte Carlo foundation

Extending it across every simulation method quant firms actually use

From particle filters updating in real time on election night

To copula models capturing tail dependence across correlated markets.

Start with his video. Go deeper with the article.

[Hyper-T @tkkhamp]

@onenews31 อ่าว เมืองขึ้นนี่หว่า

[Grey @jgreyfriend]

In 2010, Bill Ackman gave a 44-minute masterclass on how money actually works using a lemonade stand.

He talks about:
•⁠ ⁠How businesses create value
• ⁠Why most investors lose money
• ⁠How compounding really builds wealth

12 timeless lessons from Ackman's masterclass:

[Hyper-T @tkkhamp]

@nuboat @offfffz ทั้งนี้ทั้งนั้นไม่ได้บอกว่าเห็นด้วยกับการลดอัตราลดหย่อนนะครับ แค่พูดถึงประเด็นว่าการลดหย่อนมันมีความสมเหตุสมผลของมันอยู่

[Hyper-T @tkkhamp]

@nuboat @offfffz มันกลายเป็นการควบคุมพฤติกรรมคนด้วยระบบแทน ซึ่งสำหรับคนที่อดทนได้จริงๆก็สมควรที่จะได้รางวัลเป็นเงินภาษีคืนนะครับ

[NᵔoᵔKkY(=^ᴥ^=) @nokkyhuhu]

ส่วนน้องคนนี้ อย่าเรียกตัวเองว่าโยเกิร์ตเลย น้องเป็นแสงเป็นแก้วเป็นพุดดิ้ง อร่อยยยยอ่า😋

[Hyper-T @tkkhamp]

@WzGTO2022 มะเร็งใกล้ฉัน

[Deep Psychology @DeepPsycho_HQ]

MEN if you're weak, Read this:

[Hyper-T @tkkhamp]

@imkhunswifty เหมือนสามเหลี่ยมผู้ชาย หล่อ รวย นิสัยดี ที่เคยได้ยินมา คนพูดอะไรแบบนี้โคตรบ้านมีปม

[W @sxicex]

คุยกับชาวยุโรปที่ทำงานในสิงคโปร์ เขาพาครอบครัวมาไทยเดือนละ 2-3 ครั้ง เลยถามว่าทำไม?

คำตอบ คือ เขาไม่อยากให้ลูกเติบโตมาในเมืองที่ดูเหมือน Simulation มากเกินไป ทึกอย่างแทบจะ Perfect และ Predictable ใน SG

ส่วนใน Thailand นั้นแสนจะ Real & Unpredictable

[Hyper-T @tkkhamp]

@add_infofi Boost my points and earn $USDA with @add_infofi 📶

Get your share → https://t.co/tTxsDHfTkm

[ADD+ @add_infofi]

InfoFI = ADD+ Data to rewards

https://t.co/uVuKiz1TTv

Connect X → Complete task → Share your link → Start earning

$ADD $USDA #Add #infofi