Optimization โดยไม่ Curve-fit + เขียน Trading Plan

บทสุดท้าย — เมื่อระบบผ่าน Backtest + Forward Test แล้ว น้องจะอยากปรับให้ "ดียิ่งขึ้น"

การปรับปรุง (Optimization) เป็นเรื่องดี — แต่มีกับดักอันตรายซ่อนอยู่ ชื่อ Curve-fitting

Curve-fitting คืออะไร — กับดักที่ฉลาดที่สุด

Curve-fitting (หรือ Over-optimization) = การปรับระบบให้ "พอดีเป๊ะ" กับข้อมูลในอดีต — จนมัน work เฉพาะกับอดีตนั้น แต่ใช้กับอนาคตไม่ได้

ตัวอย่างที่ชัดที่สุด:

น้อง backtest ระบบ ได้ Win 55% — น้องอยากให้ดีกว่านี้ น้องเริ่มปรับ: - "ถ้าเปลี่ยน EMA จาก 50 เป็น 47 → Win เป็น 58%" - "ถ้าเข้าเฉพาะวันอังคาร-พฤหัส → Win เป็น 64%" - "ถ้าไม่เทรดเดือนสิงหา → Win เป็น 71%" - "ถ้า SL เป็น 23 pips พอดี → Win เป็น 79%!"

น้องดีใจ — ระบบ Win 79%!

แต่น้องเพิ่งสร้างระบบที่ "จำคำตอบของข้อสอบเก่า" ได้ — ไม่ใช่ระบบที่ "เข้าใจวิชา"

EMA 47 (ไม่ใช่ 50), เลี่ยงเดือนสิงหา, SL 23 pips เป๊ะ — ตัวเลขพวกนี้ไม่มีเหตุผลเชิงตรรกะ มันแค่ "บังเอิญพอดี" กับอดีตชุดนั้น

พออนาคตมาถึง — ที่ไม่เหมือนอดีตเป๊ะ — ระบบ 79% ตัวนี้พังทันที

สัญญาณเตือนว่ากำลัง Curve-fit: - ระบบมีกฎเยอะมาก (10+ เงื่อนไข) และหลายข้อ "เฉพาะเจาะจงแปลกๆ" - ค่าพารามิเตอร์เป็นเลขแปลกๆ (EMA 47, RSI 31.5) แทนเลขกลม - มีข้อยกเว้นเยอะ ("ยกเว้นวันศุกร์", "ยกเว้นเดือนนี้") - Win rate สูงผิดปกติ (> 75%) ใน backtest - ปรับนิดเดียว ผลเปลี่ยนเยอะ (ระบบเปราะบาง)

Optimization ที่ถูกต้อง — 3 หลักการ:

1. ปรับด้วย "ตรรกะ" ไม่ใช่ "ตัวเลขที่ให้ผลดีสุด" ถามว่า "ทำไม" — ถ้าปรับ SL ให้กว้างขึ้น ต้องมีเหตุผล (เช่น "เพราะ SL เดิมโดน noise บ่อย") ไม่ใช่ "เพราะ 23 pips ให้ win rate สูงสุด"

2. ใช้ Out-of-Sample Test แบ่งข้อมูลเป็น 2 ส่วน: ปรับระบบบนข้อมูลส่วนที่ 1 (in-sample) → ทดสอบบนส่วนที่ 2 ที่ไม่เคยเห็น (out-of-sample) ถ้าระบบยัง work บน out-of-sample = robust จริง · ถ้าพังบน out-of-sample = curve-fit

3. ชอบระบบที่ "เรียบง่ายและทนทาน" มากกว่า "ซับซ้อนและ win rate สูง" ระบบ Win 55% ที่มี 4 กฎเรียบๆ มีตรรกะชัด — ดีกว่า ระบบ Win 79% ที่มี 12 กฎและข้อยกเว้นเต็มไปหมด ระบบเรียบง่ายทนต่อตลาดที่เปลี่ยนไปได้ดีกว่า — เพราะมันจับ "หลักการ" ไม่ใช่ "รายละเอียดของอดีต"

> เป้าหมายไม่ใช่ "ระบบที่ดีที่สุดในอดีต" — แต่คือ "ระบบที่ยังดีพอในอนาคตที่ไม่รู้"

---

รวมทุกอย่าง — เขียน Trading Plan ฉบับสมบูรณ์

Trading Plan = เอกสารชิ้นเดียวที่รวมทุกอย่าง เป็น "รัฐธรรมนูญ" ของการเทรด เขียนตอนหัวเย็น ใช้บังคับตอนหัวร้อน

โครงสร้าง Trading Plan — 7 ส่วน:

1. ระบบ (5 องค์ประกอบ จากบทที่ 2) — Market/TF, Entry checklist, SL, TP, Risk sizing

2. ตัวเลข Edge (จากบท 1+3) — Win rate, Expectancy, Profit Factor, Max DD จาก backtest

3. กฎ Risk (จาก ebook Risk Management) — risk/trade, daily stop, weekly stop, max correlation

4. กฎวินัย (จาก ebook จิตวิทยา) — เวลาเทรด, สภาพร่างกายที่จะเทรด, circuit breaker หลังเสีย

5. Routine — ก่อนเทรด (เช็คอะไรบ้าง), ระหว่าง, หลังเทรด (journal)

6. กฎการ Review — review journal ทุกสัปดาห์, ทบทวนระบบทุก 100 trades

7. กฎการเปลี่ยนระบบ — ห้ามเปลี่ยนระบบกลางทาง · เปลี่ยนได้ก็ต่อเมื่อมีหลักฐาน 100+ trades ว่า edge หายจริง

ข้อ 7 สำคัญที่สุด — มันคือเกราะกันน้องจาก "Setup Hopping" (เปลี่ยนระบบทุกครั้งที่เสียติด) ที่ฆ่าเทรดเดอร์มากที่สุด

---

สรุป ebook นี้ — สร้างระบบที่มี Edge 5 บท:

บทที่ 1 — Edge คือตัวเลข · Expectancy บวก = มี edge · win rate สูงไม่พอ บทที่ 2 — 5 องค์ประกอบ · ระบบต้องครบ Market/Entry/SL/TP/Risk · กฎต้อง binary บทที่ 3 — Backtest 100-1,000 ไม้ · พิสูจน์ด้วยตัวเลข · ซื่อสัตย์คือกฎเหล็ก บทที่ 4 — Forward Test · demo → small live → ค่อยเพิ่ม size บทที่ 5 — Optimize ด้วยตรรกะ ไม่ใช่ curve-fit · เขียน Trading Plan

คำพูดสุดท้ายจากพี่:

มือใหม่มี "ระบบ" ใหม่ทุกเดือน เพราะเขาไม่เคยมีระบบจริงให้ยึด — เขามีแค่ความรู้สึก ที่เปลี่ยนทุกครั้งที่เจ็บ

มืออาชีพมีระบบเดียว ใช้หลายปี ปรับแต่งช้าๆ ด้วยข้อมูล — เพราะเขามี "ตัวเลข" ที่บอกว่ามันมี edge และเขาเชื่อตัวเลข มากกว่าเชื่ออารมณ์

น้องอ่านครบ 5 บทแล้ว — น้องรู้วิธีสร้างระบบ พิสูจน์มัน และปกป้องมันจากการเปลี่ยนแปลงตามอารมณ์

ตอนนี้เหลือแค่ขั้นเดียว — ลงมือทำ เปิด TradingView เปิด Bar Replay เริ่ม backtest ระบบแรกของน้องวันนี้

ระบบที่ "พอใช้" แต่น้อง backtest แล้ว เชื่อมั่น และทำตามได้ — ดีกว่าระบบ "สมบูรณ์แบบ" ที่น้องแค่อ่านเจอใน YouTube เมื่อวาน

ขอให้น้องมีระบบที่เป็นของตัวเองครับ