มีคนไปตรวจสอบเปเปอร์ที่เราเพิ่งสรุปไว้ — ทำซ้ำได้เกือบเป๊ะ แต่ความน่าจะเป็นที่จะเป็น overfit อยู่ที่ 40%

หน้านี้เป็นบทต่อของหน้า L31โดยตรง — ตอนที่เราเขียนหน้านั้น เราตั้งข้อสังเกตไว้เองว่า บทคัดย่อไม่ได้ระบุว่ามีการแบ่งข้อมูลนอกกลุ่มทดสอบ และ ผลสิบเจ็ดปีที่ดีมากยังอาจมาจากการเลือกพารามิเตอร์บนข้อมูลชุดเดียวกันได้

มีคนไปตรวจสอบให้แล้ว และคำตอบละเอียดกว่าที่เราคาด

1. ข่าวดี — มันทำซ้ำได้

ผู้ตรวจใช้ข้อมูลราคาหนึ่งนาทีราว 2.6 ล้านจุด ครอบคลุมช่วงที่ยาวกว่าเปเปอร์ต้นฉบับมาก และหลังจากปรับรายละเอียดการนำไปใช้สองจุดให้ตรงกับโค้ดอ้างอิงที่ผู้เขียนเดิมเผยแพร่ ผลออกมาเกือบเหมือนกันทุกตัวเลข

	เปเปอร์ต้นฉบับ	การทำซ้ำ
ผลตอบแทนรวม	ราว 1,985%	ราว 1,989%
Sharpe	1.33	1.317

และตัวเลขของช่วงหลังจากนั้นก็ตรงกับที่ผู้เขียนเดิมอัปเดตไว้ในภายหลังอย่างใกล้เคียง

เรื่องนี้สำคัญและควรให้เครดิต — งานวิจัยการเงินจำนวนมากทำซ้ำไม่ได้เลย การที่ตัวเลขตรงกันแปลว่าผู้เขียนเดิมทำงานอย่างซื่อสัตย์และเปิดเผยพอให้คนอื่นตรวจได้

2. ⭐ ข่าวที่ต้องรับให้ตรง — การนับจำนวนครั้งที่ทดลอง

ผู้ตรวจไม่ได้หยุดที่การทำซ้ำ เขาไปทำสิ่งที่แทบไม่มีใครทำ คือ สร้างบัญชีย้อนหลังว่าในกระบวนการวิจัยทั้งหมดมีการทดลองกี่ครั้ง — ได้ 129 การทดลอง และระบุทางเลือกในการค้นหาได้ 80 แบบ

จากนั้นใช้วิธีตรวจแบบไขว้เพื่อประเมิน ความน่าจะเป็นที่ผลจะเป็นการ overfit ได้ค่า 38.5% ภายใต้ข้อตกลงแบบหนึ่ง และ 40.9% ภายใต้อีกแบบ

อ่านตัวเลขนี้ให้ตรง — มันไม่ได้แปลว่าเปเปอร์นั้นผิด มันแปลว่า ถ้าคุณค้นหาหนักขนาดนั้น มีโอกาสราวสี่ในสิบที่ผลที่ได้จะไม่ทำงานต่อในอนาคต และนั่นคือความเสี่ยงที่ผู้อ่านควรรู้ก่อนเอาเงินไปใส่

3. ช่วงหลังตีพิมพ์ — ซับซ้อนกว่าคำว่าอัลฟ่าเสื่อม

สิ่งที่คนคาดคือ พอเปเปอร์ตีพิมพ์ ขอบก็หายไป แต่ข้อมูลไม่ได้บอกแบบนั้น

ช่วง	ผลลัพธ์
พ.ค. 2024 → ส.ค. 2025	ยังดี ผลตอบแทนราว 19–23% Sharpe ราว 1.06–1.28
ก.ย. 2025 → ส.ค. 2026	แย่ชัดเจน ผลตอบแทน −8.1% Sharpe −0.46

ผู้ตรวจสรุปว่า หลักฐานไม่สนับสนุนเรื่องเล่าว่าอัลฟ่าหายทันทีหลังตีพิมพ์ แต่สนับสนุนภาพของช่วงแรกที่ยังแข็งแรง แล้วตามด้วยช่วงที่อ่อนแออย่างมีนัย

ข้อนี้มีค่ากับเรามาก เพราะมันแยกสองคำอธิบายที่มักถูกปนกัน — การที่กลยุทธ์หยุดทำงานเพราะคนรู้กันหมด กับ การที่กลยุทธ์เข้าสู่ระบอบที่ไม่เหมาะกับมัน สองอย่างนี้ต้องการการตอบสนองคนละแบบ

และมันเชื่อมกับสิ่งที่คลังของเรามีอยู่แล้ว — ห้าแหล่งที่บอกว่าระบบไล่ตามแนวโน้มเสียเงินในระบอบที่ความผันผวนถูกกด

4. การค้นหาระบบเสริม และสิ่งที่รอด

ผู้ตรวจทดสอบระบบเสริมจำนวนมาก — ตัวกรองแบบไม่สมมาตร การปรับขนาดตามปริมาณสัมพัทธ์ ชั้นความผันผวน ตัวกรองความต่อเนื่อง การล็อกกำไร กฎคุ้มทุน เพดานจำนวนเทรด ขีดจำกัดขาดทุนรายวัน กฎเกี่ยวกับ VWAP การเสื่อมภายในวัน ชั้นระบอบ และชั้นที่อิงผลงาน

มีเพียงส่วนน้อยที่รอดมาตรฐานหลายหน้าต่างที่ใช้ตรวจ

นี่คือหลักฐานเชิงประจักษ์ของสิ่งที่งานแยกส่วนกลยุทธ์ทองคำสรุปไว้ ว่า overlay ส่วนใหญ่จัดรูปการแจกแจงใหม่โดยไม่ได้หามาเพิ่ม

5. ⚠ อ่านอย่างระแวง

• เป็นเปเปอร์ทำงาน ยังไม่ผ่าน peer review และเป็นงานเดี่ยว
• การนับ 129 การทดลองเป็นการสร้างบัญชีย้อนหลัง ไม่ใช่บันทึกที่ผู้เขียนเดิมทำไว้ — จำนวนจริงอาจต่างจากนี้ไปทางใดทางหนึ่ง และค่าความน่าจะเป็นที่ได้ก็ขึ้นกับจำนวนนั้นโดยตรง
• ผู้ตรวจเองก็ทำการค้นหาระบบเสริมจำนวนมาก ซึ่งแปลว่างานตรวจสอบก็มีความเสี่ยงเรื่องการทดสอบหลายครั้งในตัวมันเอง เขาระบุเรื่องนี้ไว้และพยายามควบคุมด้วยมาตรฐานหลายหน้าต่าง
• ช่วงที่ผลเป็นลบยังสั้น ประมาณหนึ่งปี ซึ่งยังไม่พอจะสรุปว่ากลยุทธ์ตายแล้ว

6. ⭐ สิ่งที่หน้านี้เปลี่ยนสำหรับเรา

หนึ่ง — เราต้องแก้หน้า L31 ตอนนี้ผู้อ่านที่ไปเจอตัวเลข Sharpe 1.33 ควรได้เห็นด้วยว่ามีงานตรวจสอบที่พบความน่าจะเป็นราว 40% ที่ผลจะเป็น overfit เราจะเพิ่มลิงก์ไขว้ให้

สอง — บัญชีการทดลองต้องเป็นส่วนหนึ่งของเครื่องมือที่เรากำลังสร้าง ไม่ใช่สิ่งที่มาทำย้อนหลัง ทุกครั้งที่เราดูผลของช่องใดช่องหนึ่ง มันคือการทดลองหนึ่งครั้ง และต้องถูกนับ ณ ตอนนั้น

สาม — ความคาดหวังที่สมจริง ถ้าเปเปอร์ที่ทำซ้ำได้ มีข้อมูลสิบเจ็ดปี คิดต้นทุนแล้ว และมีนักวิชาการร่วมเขียน ยังมีโอกาสสี่ในสิบที่จะเป็นผลจากการค้นหามากเกินไป — การทดสอบภายในบ้านของเราที่ทำบนข้อมูลไม่กี่ปีย่อมมีความเสี่ยงสูงกว่านั้น และนั่นคือเหตุผลที่เครื่องมือของเราต้องมี gate ตั้งแต่วันแรก ไม่ใช่เพิ่มทีหลัง

7. ตั้งคำถามกับเปเปอร์นี้ — และคำตอบว่าทำไม

ทำไมการทำซ้ำได้เป๊ะกับโอกาส overfit 40% อยู่ด้วยกันได้ — เพราะสองอย่างวัดคนละชั้น: การทำซ้ำวัดว่าโค้ดถูก PBO วัดว่าการเลือกกฎมาจากการค้นหาหนักแค่ไหน · โค้ดที่ถูกต้องรัน 129 ครั้งแล้วเลือกครั้งที่ดีที่สุด ยังคงถูกต้องและยังคง overfit

ทำไม “ยังดี 15 เดือนแล้วค่อยแย่” ถึงแยก “คนรู้กันหมด” ออกจาก “ระบอบเปลี่ยน” ได้ — เพราะถ้าอัลฟ่าหายเพราะคนรู้ มันหายทันทีหลังตีพิมพ์ (คนรู้พร้อมกัน) · ถ้าหายเพราะระบอบ มันหายเมื่อระบอบเปลี่ยน ซึ่งไม่เกี่ยวกับวันตีพิมพ์ · ข้อมูลตรงกับอย่างหลัง — และแปลว่าคำถาม “ระบอบไหน” ที่เปเปอร์ต้นฉบับถามคือคำถามที่ถูก แต่ไม่มีคำตอบล่วงหน้า

ทำไมผู้ตรวจที่ค้นหา overlay จำนวนมากถึงยังเชื่อได้มากกว่าผู้เขียนเดิม — เพราะเขาค้นหาเพื่อหักล้าง ไม่ใช่เพื่อยืนยัน และรายงานว่าส่วนใหญ่ไม่รอด · การค้นหาหนักที่จบด้วย “แทบไม่มีอะไรรอด” คือหลักฐานของความซื่อสัตย์ ไม่ใช่ของ overfit

8. ที่มาของเนื้อหา — ใครพูด และมีอะไรจะขาย

ใครเขียน	José Enrique Delgado — นักวิจัยอิสระ · SSRN (CC BY-NC) · งานเดี่ยว
ทำอะไร	ทำซ้ำ Zarattini-Aziz-Barbon · สร้างบัญชีการทดลอง 129 ครั้ง/80 ทางเลือก · คำนวณ PBO · วัดหลังตีพิมพ์ · ค้น overlay
ที่ไหน	SPY 1 นาที ~2.6 ล้านจุด · ถึง ส.ค. 2026
อย่างไร	CSCV (combinatorially symmetric cross-validation) · มาตรฐานหลายหน้าต่าง
หลักฐาน	Sharpe 1.317 vs 1.33 · PBO 38.5–40.9% · ก.ย. 2025→ส.ค. 2026: −8.1% Sharpe −0.46
แรงจูงใจ	วิชาการ · ตรวจสอบอิสระ

9. ใคร ทำอะไร ที่ไหน อย่างไร — ถอดเหตุการณ์ในตลาดจากบทเรียนนี้

งานตรวจสอบนี้มีตัวละครสองคน — ผู้เขียนเดิมที่ค้นหา 129 ครั้ง กับ ตลาดที่ให้ out-of-sample ฟรีในปีถัดมา

ใคร	ทำอะไร — และถูกบังคับด้วยอะไร	ที่ไหน	อย่างไร (กลไก)
ผู้เขียนเดิม	ลองการทดลอง 129 ครั้ง · ทางเลือก 80 แบบ แล้วรายงานชุดที่ดีที่สุด	SPY 2007–2024	โค้ดถูกต้อง (ทำซ้ำได้ Sharpe 1.317 vs 1.33) แต่การเลือกกฎมาจากการค้นหาหนัก → PBO 38.5–40.9%
ผู้ตรวจสอบ	ค้นหา overlay จำนวนมาก เพื่อหักล้าง	ข้อมูล 2.6 ล้านจุด	การค้นหาหนักที่จบด้วย “แทบไม่มีอะไรรอด” คือหลักฐานของความซื่อสัตย์ ไม่ใช่ของ overfit
ตลาดหลังตีพิมพ์	ให้ข้อมูลที่ไม่มีใครเลือกได้	พ.ค. 2024 → ส.ค. 2026	ยังดี 15 เดือน แล้วค่อยแย่ (−8.1% Sharpe −0.46) → ไม่ใช่ “คนรู้กันหมด” (จะหายทันที) แต่เข้ากับ “ระบอบเปลี่ยน”
overlay ทั้งกอง	ตัวกรอง · ปรับขนาด · ล็อกกำไร · คุ้มทุน · เพดานไม้ · ชั้นระบอบ	ทดสอบทั้งหมด	มีเพียงส่วนน้อยที่รอด — หลักฐานเชิงประจักษ์ของสิ่งที่ Quan สรุป

อ่านเป็นประโยคเดียว — การทำซ้ำได้พิสูจน์ว่าตัวเลขถูก ไม่ได้พิสูจน์ว่าการเลือกกฎถูก · และสองอย่างนี้อยู่ด้วยกันได้สบาย ๆ

แล้วบนทองคำ ใครอยู่ตรงนั้นบ้าง — บัญชีการทดลองของเราบน XAUUSD

บนทอง ตำแหน่ง “ผู้เขียนที่ค้นหาหลายสิบครั้งแล้วรายงานชุดเดียว” ถูกยึดโดยผู้ขาย EA และสัญญาณทองที่โชว์ผลชุดที่ดีที่สุดโดยไม่บอกว่าลองมากี่ชุด · ส่วนตำแหน่ง “ผู้ตรวจสอบ” คือสิ่งที่เราพยายามเป็น — ทุกงานบนทองประกาศ N ก่อนรัน และนับรวมข้ามงาน:

งาน (ก.ย. 2026)	N ประกาศ	ผ่าน
ทดสอบซ้ำด้วยค่าจริง	645	0
กฎ M3	216	0
MR ตามบริบท	84	0
ตามเทรนด์ที่ VWAP	48	0
ออกแบบย้อนกลับ	16	0
VARS · หน้าต่างเวลา	12 + 8	0
รวม	1,029	0

• N ของเจ็ดงานนี้ 1,029 · ทั้งโปรแกรม ณ 21 ก.ย. 2026 คือ 1,350 → เกณฑ์ √(2 ln N) = 3.80 · ชุดที่ดีที่สุดที่เคยเจอ t 2.24 — ห่างมาก
• ผลว่างเปล่า 1,029 ครั้งคือ PBO ที่ไม่ต้องคำนวณ เพราะไม่มีอะไรให้ overfit
• ⚠ ผู้รอดคนเดียว (กล่องเอเชีย OCO) ต้องอ่านด้วยตัวเลข PBO ในใจ — มันคือชุดที่ดีที่สุดจาก 16 และถูกออกแบบย้อนกลับจากผลลัพธ์ · สลิปเพจจริงบนเดโมคือ out-of-sample ชิ้นแรกของมัน

10. การวิเคราะห์ — บัญชีการทดลองของเราเอง

สิ่งที่หน้านี้สั่งข้อสอง (“บัญชีการทดลองต้องเป็นส่วนของเครื่องมือ”) ทำแล้วบางส่วน — ทุกงานประกาศ N ก่อนรัน · แต่ N สะสมข้ามงานคือสิ่งที่ยังไม่ได้ปรับ:

งาน (ก.ย. 2026)	N ประกาศ	ผ่าน
ทดสอบซ้ำด้วยค่าจริง	645	0
กฎ M3	216	0
หน้าต่างเวลา	8	0
VARS	12	0
MR ตามบริบท v1+v2	84	0
ตามเทรนด์ที่ VWAP	48	0
ออกแบบย้อนกลับ	16	0
รวม	1,029	0

• N ของเจ็ดงานนี้ 1,029 · ทั้งโปรแกรม ณ 21 ก.ย. 2026 คือ 1,350 → เกณฑ์ √(2 ln N) = 3.80 · ชุดที่ดีที่สุดที่เคยเจอ t 2.24 — ห่างจากเกณฑ์สะสมมาก · ถ้ามีชุดใดผ่านเกณฑ์รายงาน (2.4–2.8) ในอนาคต ต้องเทียบกับเกณฑ์สะสมด้วย
• ผลว่างเปล่า 1,029 ครั้งไม่ใช่ PBO 40% — มันคือ PBO ที่ไม่ต้องคำนวณ เพราะไม่มีอะไรให้ overfit
• ระบอบเปลี่ยน vs คนรู้กันหมด ในทอง: DeskTrend อยู่ในตลาด 21.5% และกำไรกระจุกใน 10 ไม้ — ระบบที่ “ทำงานเป็นช่วง” ตามภาพของหน้านี้พอดี และเราทำนายช่วงไม่ได้ (ทิศสุ่ม = ทิศจริง)

11. นำไปใช้กับ XAUUSD

• Sharpe บนกระดาษของใครก็ตาม ลดครึ่งก่อนอ่าน — เปเปอร์ที่ทำซ้ำได้ ต้นทุนคิดแล้ว นักวิชาการร่วมเขียน ยังมี PBO 40% · โพสต์ในกลุ่มเทรดไม่มีอะไรเลย
• ถ้าจะเทรดกล่องเอเชีย OCO (ผู้รอดคนเดียวของเรา) ให้รู้ว่ามันคือชุดที่ดีที่สุดจาก 16 + ถูกออกแบบย้อนกลับจากผลลัพธ์ — PBO ของมันสูง แม้ prereg แล้ว · สลิปเพจจริงบนเดโมคือ out-of-sample ชิ้นแรก
• นับครั้งที่ดูผลข้ามงาน ไม่ใช่แค่ในงาน — เกณฑ์สะสม ณ 21 ก.ย. 2026 คือ 3.80 (N 1,350)

12. สรุป

งานตรวจสอบที่ทำซ้ำได้เป๊ะแล้วบอกว่ายังมีโอกาสสี่ในสิบที่จะไม่ทำงาน — และตลาดยืนยันในปีต่อมา · เราเอาบทเรียนนี้มานับ N สะสมของตัวเอง (ตอนเขียน 1,029 · เกณฑ์ 3.7 · ณ 21 ก.ย. 2026 คือ 1,350 · 3.80) และพบว่าไม่มีอะไรใกล้ · ผู้รอดคนเดียว (กล่องเอเชีย) ต้องถูกอ่านด้วยตัวเลข PBO ในใจ