ตัวจำแนกระบอบที่ทำกับทองคำโดยตรง — ตัวเลขสวย แต่วิธีการมีจุดที่ต้องตั้งคำถาม

เราค้นหาโดยหวังว่าจะเจองานจำแนกระบอบที่ทำกับทองคำโดยตรง และเจอชิ้นนี้ — มันตรงกับสิ่งที่เราอยากได้ที่สุดในบรรดาที่เจอ และตัวเลขที่รายงานก็น่าดึงดูดมาก

ซึ่งเป็นเหตุผลที่เราต้องอ่านมันอย่างระวังที่สุด — งานที่บอกสิ่งที่เราอยากได้ยิน คืองานที่เราตรวจสอบหละหลวมที่สุดโดยธรรมชาติ

1. สิ่งที่ทำ

จำแนกระบอบของสัญญาทองคำล่วงหน้าออกเป็นสามสถานะ — ปกติ · ปานกลาง · รุนแรง — โดยใช้เกณฑ์ที่ปรับด้วยปริมาณการซื้อขาย แล้วสร้างสัญญาณเทรดพร้อมการควบคุมความเสี่ยง และประเมินข้ามเหตุการณ์มหภาคสำคัญเจ็ดครั้งตลอดช่วงสิบหกปี

ขนาดข้อมูลใหญ่จริง — ราคารายนาทีราว 4.2 ล้านจุด

2. ตัวเลขที่รายงาน

ตัวชี้วัด	ค่า
ผลตอบแทนต่อปี	ราว 14.8% (การถือยาว 7.3%)
Sharpe เฉลี่ย	1.64
Drawdown สูงสุด	−7.2%
ความแม่นยำในการจำแนกระบอบ	อ้างไว้ที่ 86.7%

และผู้เขียนรายงานว่าความแม่นยำแตกต่างกันตามประเภทของวิกฤต โดยสูงที่สุดในช่วงที่ตลาดหลีกเลี่ยงความเสี่ยง

3. ⚠ จุดที่ต้องตั้งคำถาม

สาม — คำว่า “ความแม่นยำ” ต้องการความจริงพื้นฐาน

นี่คือข้อที่หนักที่สุด ระบอบไม่ใช่สิ่งที่สังเกตได้โดยตรง — ไม่มีใครประกาศว่าวันนี้ตลาดอยู่ในระบอบไหน

ดังนั้นการบอกว่าจำแนกได้แม่น 86.7% แปลว่าต้องมีการนิยามคำตอบที่ถูกขึ้นมาก่อน และคำถามที่ตามมาคือ นิยามนั้นมาจากไหน ถ้ามาจากการมองย้อนหลังว่าช่วงไหนคือวิกฤต ความแม่นยำที่ได้ก็คือความสามารถในการจำแนกสิ่งที่เรารู้คำตอบอยู่แล้วเพราะมันผ่านไปแล้ว

สอง — การค้นหาพารามิเตอร์อย่างหนัก

ผู้เขียนระบุเองว่ามีการปรับค่าเกณฑ์และหน้าต่างด้วยอัลกอริทึมค้นหา ซึ่งแม้จะทำแบบเลื่อนหน้าต่าง ก็ยังเป็นการทดสอบพารามิเตอร์จำนวนมาก

นี่คือสถานการณ์ที่งานเรื่องการทดสอบหลายครั้งเตือนไว้พอดี และไม่มีการรายงานการปรับค่านัยสำคัญตามจำนวนการทดสอบ หรือความน่าจะเป็นที่ผลจะเป็นการ overfit แบบที่งานตรวจสอบเปเปอร์โมเมนตัมทำ

หนึ่ง — บริบทของผู้เขียน

ผู้เขียนคนแรกสังกัดหน่วยงานเชิงพาณิชย์ และกรอบที่นำเสนอมีชื่อเฉพาะเป็นของตัวเอง ซึ่งไม่ได้ทำให้ผลผิด แต่เป็นบริบทที่ควรรู้ — ต่างจากงานอื่นในคลังนี้ที่แจ้งความขัดแย้งทางผลประโยชน์ไว้ชัดเจน

4. ⭐ ข้อจำกัดที่ผู้เขียนระบุเอง และเป็นข้อที่ตรงกับเราที่สุด

ผลงานอ่อนลงในช่วงที่ตลาดสะสมยาวโดยไม่มีทิศทางชัดเจน

ข้อนี้สำคัญมากสำหรับเรา เพราะคลังของเราชี้ซ้ำๆ ว่าสภาพสะสมคือสภาพปกติของตลาด — งานในยุคออปชันรายวันพบว่าระบอบที่กดความผันผวนคือค่าปกติ และผู้ปฏิบัติในบูตแคมป์ประเมินว่าตลาดอยู่ในภาวะสมดุลราวเจ็ดในสิบของเวลา

ถ้าเครื่องมือทำงานได้ดีในวิกฤตแต่อ่อนในสภาพปกติ แปลว่ามันอ่อนในเวลาส่วนใหญ่ ซึ่งเปลี่ยนการอ่านตัวเลขผลตอบแทนรวมไปพอสมควร

ผู้เขียนยังระบุเรื่องความไม่คงที่ของความสัมพันธ์ระหว่างปริมาณกับราคาในบางช่วง ซึ่งเป็นข้อจำกัดที่ตรงไปตรงมาและควรได้เครดิต

5. แล้วเราได้อะไรจากหน้านี้

สิ่งที่ไม่ได้ — วิธีที่ควรลอก เพราะการค้นหาพารามิเตอร์หนักและการวัดความแม่นยำที่ไม่มีความจริงพื้นฐาน ทำให้ยังยืนยันไม่ได้ว่าผลจะคงอยู่นอกกลุ่มข้อมูล

สิ่งที่ได้

1. หลักฐานว่ามีคนถามคำถามเดียวกันกับเราบนสินทรัพย์เดียวกัน และคิดว่ามันมีคำตอบ
2. การยืนยันเชิงโครงสร้างว่าการแบ่งสามสถานะเป็นการแบ่งที่คนใช้กันจริง ซึ่งสอดคล้องกับกรอบสามสภาวะจากผู้ปฏิบัติ
3. แบบฝึกหัดในการอ่านงานที่ผลน่าดึงดูดแต่วิธีการยังไม่แน่น — และนี่คือทักษะที่มีค่ากว่าตัวเนื้อหา

6. บทเรียนเชิงวิธีการที่เราจะเอาไปใช้

จากการอ่านชิ้นนี้เทียบกับงานที่หักล้างเรื่องกำแพง GEXซึ่งใช้ระเบียบวิธีที่เข้มงวดกว่ามาก ความต่างของทั้งสองชิ้นสอนอะไรบางอย่างที่ชัดเจน

	งานที่วิธีการแน่น	งานชิ้นนี้
ประกาศสมมติฐานก่อนดูข้อมูล	ทำ	ไม่ระบุ
มีกลุ่มควบคุมให้เทียบ	มี	ไม่มี
ปรับตามจำนวนการทดสอบ	ทำ	ไม่ระบุ
ผลที่ได้	ว่างเปล่า	สวยงาม

และความสัมพันธ์นั้นไม่ใช่เรื่องบังเอิญ — งานที่ตรวจสอบตัวเองเข้มงวดกว่ามักได้ผลที่ถ่อมตัวกว่า ซึ่งเป็นเหตุผลที่เครื่องมือของเราต้องถูกออกแบบให้เข้มงวดกับตัวเองตั้งแต่วันแรก ไม่ใช่เพิ่มทีหลังเมื่อผลออกมาสวยเกินจริง

7. ตั้งคำถามกับเปเปอร์นี้ — และคำตอบว่าทำไม

ทำไม “ความแม่นยำ 86.7%” ถึงวัดอะไรไม่ได้ถ้าไม่มีความจริงพื้นฐานที่นิยามล่วงหน้า — เพราะถ้าป้าย “วิกฤต” ถูกติดย้อนหลังจากราคาที่ร่วง แล้วตัวจำแนกใช้ราคาที่ร่วงเป็นตัวแปร มันกำลังจำแนกตัวเอง · 86.7% คือความแม่นยำที่ตัวแปรต้นทำนายป้ายที่สร้างจากตัวแปรต้น — วงกลม · ทางออกเดียวคือนิยามระบอบจากสิ่งที่ไม่ใช่ตัวแปรต้น (เช่นเหตุการณ์มหภาคที่ประกาศล่วงหน้า)

ทำไมผลงานที่อ่อนในสภาพสะสมยาวถึงเปลี่ยนความหมายของ 14.8%/ปี — เพราะถ้าสะสม = 70% ของเวลา และระบบทำเงินเฉพาะ 30% ที่เหลือ ผลตอบแทนรวมมาจากไม่กี่เหตุการณ์ (เจ็ดวิกฤตในสิบหกปี) · n ที่แท้จริงคือ 7 ไม่ใช่ 4.2 ล้านจุด · และเจ็ดเหตุการณ์ที่เลือกมาแล้วว่าเป็นวิกฤตคือการเลือกหลังเห็นผล

ทำไมงานที่ตรวจตัวเองเข้มกว่าจึงได้ผลถ่อมตัวกว่าอย่างเป็นระบบ — ไม่ใช่เพราะความเข้มงวดทำลายขอบ แต่เพราะขอบส่วนใหญ่ที่ “พบ” คือสิ่งประดิษฐ์ที่ความเข้มงวดตัดออก · ผลที่เหลือหลังตัดคือขนาดจริง ซึ่งเล็ก — ตารางในหัวข้อ 6 ของหน้านี้และตาราง 0-ผ่านของเราคือหลักฐานเดียวกัน

8. ที่มาของเนื้อหา — ใครพูด และมีอะไรจะขาย

ใครเขียน	Lanz CWJ Chan (หน่วยงานเชิงพาณิชย์) · Kim Hiang Liow (NUS) · SSRN · กรอบมีชื่อเฉพาะ “vGRE-Lite”
ทำอะไร	จำแนกระบอบทองสามสถานะด้วยเกณฑ์ปรับตามปริมาณ · สัญญาณ + คุมความเสี่ยง · ประเมินข้ามเจ็ดเหตุการณ์มหภาค
ที่ไหน	ฟิวเจอร์สทอง รายนาที ~4.2 ล้านจุด · 2010–2026
อย่างไร	ค้นหาพารามิเตอร์ด้วยอัลกอริทึม (แบบเลื่อนหน้าต่าง) · ไม่มีกลุ่มควบคุม · ไม่ปรับ multiple testing · “ความแม่นยำ” ไม่มีความจริงพื้นฐานที่นิยามล่วงหน้า
หลักฐาน	14.8%/ปี vs ถือ 7.3% · Sharpe 1.64 · DD −7.2% · แม่น 86.7%
แรงจูงใจ	เชิงพาณิชย์ (ไม่แจ้งชัด)

9. ใคร ทำอะไร ที่ไหน อย่างไร — ถอดเหตุการณ์ในตลาดจากบทเรียนนี้

งานนี้อ้างว่าจำแนกระบอบทองได้แม่น 86.7% — คำถามคือ ใครเป็นคนบอกว่าคำตอบที่ถูกคืออะไร

ใคร/อะไร	ทำอะไร — และถูกบังคับด้วยอะไร	ที่ไหน	อย่างไร (กลไก)
ระบอบสามสถานะ (ปกติ/ปานกลาง/รุนแรง)	จำแนกจากเกณฑ์ที่ปรับด้วยปริมาณ	ฟิวเจอร์สทอง รายนาที 2010–2026	⚠ “ความแม่นยำ” ต้องมีความจริงพื้นฐาน — ถ้าป้ายถูกติดย้อนหลังจากราคาที่ร่วง แล้วตัวจำแนกใช้ราคาที่ร่วงเป็นตัวแปร มันกำลังจำแนกตัวเอง
เจ็ดเหตุการณ์มหภาค	เป็นฐานของผลตอบแทนทั้งหมด	16 ปี	n ที่แท้จริงคือ 7 ไม่ใช่ 4.2 ล้านจุด — และเจ็ดเหตุการณ์ที่เลือกมาแล้วว่าเป็นวิกฤต คือการเลือกหลังเห็นผล
อัลกอริทึมค้นหาพารามิเตอร์	ปรับเกณฑ์และหน้าต่าง	แบบเลื่อนหน้าต่าง	ไม่มีการรายงาน PBO หรือการปรับตามจำนวนการทดสอบ (López de Prado เตือนไว้พอดี)
สภาพสะสมยาว ⚠	ผู้เขียนระบุเองว่าผลงานอ่อนลงตรงนี้	~70% ของเวลา	ถ้าอ่อนในสภาพปกติ = อ่อนในเวลาส่วนใหญ่ — เปลี่ยนความหมายของตัวเลข 14.8%/ปี ไปมาก

อ่านเป็นประโยคเดียว — DD −7.2% บนสินทรัพย์ที่ DD ~45% แปลว่าระบบอยู่นอกตลาดเกือบตลอด · นั่นคือเรื่องของ sizing และการไม่เทรด ไม่ใช่เรื่องของ signal

แล้วบนทองคำ เรารู้อะไรที่เปเปอร์ไม่ได้บอก

• ตัวเลขฐานตรงกัน — เปเปอร์ให้ถือทอง 7.3%/ปี · เราวัด ETF 7.01% (2013–2026) · แต่เปเปอร์ไม่ได้เทียบกับถือที่ σ เท่ากัน ซึ่งเป็นเกณฑ์ที่ถูก
• ระบอบทองที่เราวัดด้วยกลุ่มควบคุม: ขนาดมีจริง (ρ 0.29) ทิศไม่มี → ตัวจำแนก “ปกติ/ปานกลาง/รุนแรง” คือระบอบขนาด ซึ่งบอกว่าจะเคลื่อนแค่ไหน ไม่บอกว่าไปทางไหน · การจะสร้าง 14.8% ต้องรู้ทิศ
• ถ้าจะทดสอบแนวคิดนี้ให้ถูก: นิยาม “รุนแรง” จาก GVZ (ความผันผวนแฝงของทอง ซึ่งอยู่ในคลังข้อมูลเราแล้ว) ล่วงหน้า · เทียบกับถือที่ σ เท่ากัน · prereg + N ประกาศ — แล้วคาดว่าจะได้ DD ลดลง Sharpe ไม่ขยับ
• ใช้ได้เลยโดยไม่ต้องรอ: ลดขนาดในวันที่ GVZ สูง — เป็นการใช้ระบอบขนาดตามที่มันเป็นจริง

10. การวิเคราะห์ — ทองของเรากับข้ออ้างของเปเปอร์

• “ถือ 7.3%/ปี” ในช่วงเดียวกับที่เราวัด ETF 7.01% (2013–2026) — ตัวเลขฐานตรงกัน · ระบบที่อ้าง 14.8% ต้องชนะถือที่ σ เท่ากัน ซึ่งเปเปอร์ไม่ได้เทียบ · DD −7.2% เทียบกับทองที่ DD ~45% (2011–15) แปลว่าระบบอยู่นอกตลาดเกือบตลอด = น่าจะเป็น vol-sizing + อยู่นอกตลาด ไม่ใช่การจำแนก — แบบเดียวกับที่ Kim-Tse-Wald และ DeskTrend ของเราแสดง
• ระบอบทองที่เราวัดด้วยวิธีที่มีกลุ่มควบคุม: ระบอบขนาดมีจริง (ρ 0.29) ระบอบทิศไม่มี (ทิศสุ่ม = ทิศจริง) — ตัวจำแนก “ปกติ/ปานกลาง/รุนแรง” คือระบอบขนาด ซึ่งบอกว่าจะเคลื่อนไหวแค่ไหน ไม่ใช่ไปทางไหน · จะสร้าง 14.8% ต้องรู้ทิศ
• ทุกกฎที่เราทดสอบด้วยระเบียบวิธีแบบ Popovici ผ่าน 0 จาก 1,029 — ตารางหัวข้อ 6 ของหน้านี้ตรงกับประสบการณ์เรา

11. นำไปใช้กับ XAUUSD

• ตัวเลขทองที่สวยกว่าถือสองเท่าโดยไม่มีกลุ่มควบคุม = ยังไม่มีข้อมูล — ให้ค่าเท่ากับโพสต์ในกลุ่มเทรด จนกว่าจะมี placebo และการเทียบ σ
• ถ้าจะทดสอบแนวคิดของเปเปอร์ให้ทำแบบนี้: นิยาม “รุนแรง” จาก GVZ (ความผันผวนแฝงของทอง ซึ่งเรามีในคลัง) ล่วงหน้า · เทียบกับถือที่ σ เท่ากัน · prereg · N ประกาศ — แล้วคาดว่าจะได้ DD ลดลง Sharpe ไม่ขยับ
• ระบอบขนาดใช้ได้เลยเพื่อลดขนาด ในวันที่ GVZ สูง — ไม่ต้องรอตัวจำแนกใด

12. สรุป

งานจำแนกระบอบทองชิ้นเดียวที่เจอ ให้ตัวเลขที่เราอยากได้และวิธีที่เราเชื่อไม่ได้ · เมื่อวางทับข้อมูลเรา: ระบอบขนาดจริง ทิศไม่จริง ระบบที่ DD 7% บนสินทรัพย์ที่ DD 45% คืออยู่นอกตลาด — เป็นเรื่องของ sizing ไม่ใช่ signal · ทดสอบได้ด้วย GVZ ที่มีอยู่ ถ้าอยากรู้แน่