งานวิจัย · ผลเป็นลบ
ความไม่สมมาตรของ AVR เป็นของจริง
หรือเป็นเงาของตลาดกระทิง
เราเคยวัดตัวคูณการขยายตัวของเซสชันจากทองจริง 948 เซสชัน แล้วพบว่าขาขึ้นวิ่งไกลกว่าขาลง ราวห้าเท่าที่เปอร์เซ็นไทล์ต่ำ ถ้านั่นเป็นคุณสมบัติเชิงโครงสร้างของเซสชัน มันใช้ต่อไปได้ ถ้ามันเป็นแค่การวัดตลาดกระทิงที่บังเอิญอยู่ในตัวอย่าง การเอาไปใช้ข้างหน้าจะพาเราลงเหว หน้านี้คือการทดสอบข้อนั้น คำตอบคือ artifact — และระหว่างทางเราเจอข่าวที่หนักกว่า คือการเอาระดับการขยายตัวไปใช้เป็นจุดเข้า ไม่มีขอบเลยทั้งสองทิศ ส่วนวิธีวิจัยที่เราใช้ตอนแรกเกือบหลอกเราให้เชื่อตรงกันข้ามกับทั้งสองข้อ
1 · ทำซ้ำก่อน ไม่งั้นข้อสรุปไร้ค่า
ถ้าวัดได้ไม่ตรงกับที่เคยเผยแพร่ แปลว่าเรากำลังวัดคนละอย่าง และทุกข้อสรุปเรื่องความเสถียร ก็เป็นเรื่องของสิ่งอื่น ขั้นแรกจึงต้องทำซ้ำให้ได้ก่อน
| ระดับ | เปอร์เซ็นไทล์ | ขึ้น · เผยแพร่ | ขึ้น · วัดใหม่ | ต่าง | ลง · เผยแพร่ | ลง · วัดใหม่ | ต่าง |
|---|---|---|---|---|---|---|---|
| L1 | P40 | 0.115 | 0.118 | 3% | 0.021 | 0.021 | 0% |
| AVR− | P55 | 0.271 | 0.264 | -3% | 0.173 | 0.172 | -1% |
| AVR | P70 | 0.415 | 0.414 | -0% | 0.355 | 0.357 | 1% |
| AVR+ | P85 | 0.715 | 0.704 | -2% | 0.674 | 0.688 | 2% |
| Max | P95 | 1.081 | 1.085 | 0% | 1.088 | 1.110 | 2% |
ทั้งสิบค่าคลาดเคลื่อน 0–3% · วิธีการยืนยันแล้ว
2 · ตัวอย่างทั้งหมดอยู่ในตลาดกระทิงล้วน
ข้อมูล H1 ที่ใช้คาลิเบรตครอบคลุม มกราคม 2023 ถึง กันยายน 2026 ซึ่งเป็นช่วงที่ ทองวิ่งจากราว 1,820 ไป 4,390 หรือ +140% — ไม่มีปีที่ทองนิ่งหรือลง อยู่ในตัวอย่างเลยแม้แต่ปีเดียว ข้อเท็จจริงนี้อย่างเดียวยังไม่พิสูจน์อะไร แต่มันบอกว่าต้องทดสอบ
| ปี | เซสชัน | P70 ขึ้น | P70 ลง | อัตราส่วน | ราคาเปลี่ยน | ไม่หลุดกรอบบน | ไม่หลุดกรอบล่าง |
|---|---|---|---|---|---|---|---|
| 2023 | 240 | 0.419 | 0.417 | 1.00 | +7.0% | 25% | 27% |
| 2024 | 259 | 0.436 | 0.358 | 1.22 | +27.3% | 25% | 38% |
| 2025 | 258 | 0.467 | 0.325 | 1.44 | +62.7% | 29% | 43% |
| 2026 | 175 | 0.314 | 0.338 | 0.93 | +2.3% | 43% | 46% |
ปีที่ทองเกือบนิ่ง ความไม่สมมาตรหายไปสนิท — 2023 ขึ้นกับลงเท่ากันที่ 1.00 พอดี และ 2026 กลับด้านเล็กน้อยที่ 0.93 ส่วนปีที่ทองระเบิด (2025, +62.7%) ได้ 1.44
วัดด้วยหน้าต่างกลิ้ง 60 เซสชัน 44 จุด ได้ corr(ราคาเปลี่ยน, ความไม่สมมาตร) = +0.737 — ความไม่สมมาตรกับทิศทางราคาเดินเป็นเส้นเดียวกัน
3 · แยกตามสภาวะที่รู้ได้ล่วงหน้า แล้วสับป้ายทดสอบ
การหั่นตามปีเป็นการมองย้อนหลัง ที่ต้องการคือแยกด้วยสิ่งที่รู้ได้ตอนเปิดเซสชัน จึงใช้ความชันของเส้นเฉลี่ย 50 วัน (คำนวณจากแท่งที่ปิดแล้วเท่านั้น)
| สภาวะ | เซสชัน | P70 ขึ้น | P70 ลง | อัตราส่วน |
|---|---|---|---|---|
| ขาขึ้นชัด | 414 | 0.387 | 0.331 | 1.17 |
| ไม่มีทิศ | 367 | 0.514 | 0.412 | 1.25 |
| ขาลงชัด | 81 | 0.348 | 0.419 | 0.83 |
ในขาลง อัตราส่วนกลับด้านเป็น 0.83 — ขาลงวิ่งไกลกว่าขาขึ้น ตรงข้ามกับ ค่าที่คาลิเบรตไว้ทุกประการ ความไม่สมมาตรจึงไม่ได้ชี้ขึ้นเสมอ มันชี้ไปทางที่ตลาดกำลังไป
เหลือคำถามสุดท้าย: ในช่วงที่ไม่มีทิศ ยังมีความไม่สมมาตรเหลืออยู่ไหม
ผลต่างที่วัดได้คือ +0.102 ซึ่งดูเหมือนมี
แต่เมื่อสับป้ายขึ้น-ลงแบบสุ่ม 2,000 รอบ โดยคงตัวเลขทุกตัวไว้เหมือนเดิม
ได้ p = 0.109
แปลว่าถ้าไม่มีความไม่สมมาตรอยู่จริงเลย เราจะเห็นผลต่างขนาดนี้หรือมากกว่าโดยบังเอิญ ประมาณหนึ่งในสิบครั้ง — ไม่พอที่จะเรียกว่าค้นพบอะไร
4 · และเปอร์เซ็นไทล์ต่ำไม่ใช่ระดับตั้งแต่แรก
38% ของเซสชันไม่หลุดกรอบล่างเลย และ 30% ไม่หลุดกรอบบน การแจกแจงจึงมี มวลก้อนใหญ่กองอยู่ที่ศูนย์ ผลคือเปอร์เซ็นไทล์ใดก็ตามที่ต่ำกว่า P38 ฝั่งลง จะเป็นศูนย์โดยคณิตศาสตร์ ไม่เกี่ยวกับพฤติกรรมราคา
ค่า ลง P40 = 0.021 ที่เราเคยตีความว่า “ขาลงวิ่งสั้นมาก” จึงไม่ใช่ระดับ
มันคือขอบของกองศูนย์ บนวันที่ ATR $70 มันอยู่ห่างขอบกรอบเพียง $1.47
หรือ 5.7 เท่าของสเปรด ขณะที่ฝั่งขึ้นอยู่ห่าง 31 เท่า
สองฝั่งไม่ได้ทำสิ่งเดียวกันเลย ฝั่งหนึ่งคือการเบรกเอาต์
อีกฝั่งคือการแตะขอบกรอบ
ระดับที่ควรใช้แทน
| เปอร์เซ็นไทล์ | เดิม · ขึ้น | เดิม · ลง | สมมาตร | มีเงื่อนไข |
|---|---|---|---|---|
| P40 | 0.115 | 0.021 | 0.064 | 0.279 |
| P55 | 0.271 | 0.173 | 0.228 | 0.403 |
| P70 | 0.415 | 0.355 | 0.399 | 0.581 |
| P85 | 0.715 | 0.674 | 0.694 | 0.854 |
| P95 | 1.081 | 1.088 | 1.096 | 1.220 |
สมมาตร = รวมสองฝั่งเป็นการแจกแจงเดียว 1,864 ตัวอย่าง ไม่เดิมพันทิศทาง · มีเงื่อนไข = คิดเฉพาะเซสชันที่หลุดกรอบจริง (66% ของโอกาส) ซึ่งเป็น base rate ที่ระบบเบรกเอาต์ต้องใช้ เพราะมันตอบคำถามว่า “ถ้าหลุดกรอบแล้ว จะไปไกลแค่ไหน”
5 · วิธีวิจัยที่เกือบหลอกเราเอง
ส่วนนี้สำคัญกว่าข้อสรุปเรื่องความไม่สมมาตร เพราะมันเกือบทำให้เราสรุปตรงกันข้าม
หลังทำระดับให้สมมาตรแล้ว เราค้นทุกคู่ของจุดเข้า เป้าหมาย และจุดหยุด รวม 3,402 ชุด โดยคำนวณผลจากเปอร์เซ็นไทล์โดยตรง ได้ว่า 34.6% ของชุดเป็นบวก และชุดที่ดีที่สุดให้ EV ราว $15 ต่อไม้ ซึ่งถ้าหยุดตรงนั้นก็เป็นข่าวดี
แต่มีรูปแบบที่น่าสงสัย: 86% ของชุดที่เป็นบวก มาจากจุดหยุดที่แคบที่สุดที่ทดสอบ ผลลัพธ์ที่กระจุกอยู่ที่ขอบของพื้นที่ค้นหาแบบนั้น มักไม่ใช่การค้นพบ แต่เป็นจุดที่โมเดลพัง
และมันพังจริง เปอร์เซ็นไทล์วัดระยะไกลสุดของทั้งเซสชัน มันไม่รู้ลำดับก่อนหลัง เซสชันที่แตะจุดเข้า แล้วย้อนไปโดนจุดหยุด แล้วค่อยวิ่งถึงเป้าทีหลัง ถูกนับเป็นชนะในการคำนวณแบบนั้น แต่เป็นแพ้ในบัญชีจริง และยิ่งจุดหยุดแคบ ความผิดพลาดนี้ยิ่งรุนแรง
เมื่อเขียนใหม่ให้เดินราคาจริงทีละแท่ง โดยกำหนดว่าถ้าแท่งเดียวแตะทั้ง จุดหยุดและเป้าหมาย ให้ถือว่าโดนจุดหยุดก่อน (เพราะเราไม่รู้ลำดับภายในแท่ง และการเดาเข้าข้างตัวเองคือวิธีที่ backtest หลอกเจ้าของมัน) ผลกลับด้านสนิท:
| จุดหยุด | คำนวณจากเปอร์เซ็นไทล์ | เดินราคาจริงทีละแท่ง |
|---|---|---|
| แคบ (0.5× ระยะเข้า) | ดีที่สุด · 86% ของชุดที่เป็นบวก | PF 0.19 – 0.41 |
| กว้าง (1.0× กรอบ Asia) | แย่ที่สุด · 2% ของชุดที่เป็นบวก | ชุดที่เป็นบวกเกือบทั้งหมดอยู่ตรงนี้ |
บทเรียนที่เอาไปใช้ได้ทันที: ถ้าผลลัพธ์ที่ดีที่สุดของคุณกระจุกอยู่ที่ขอบสุด ของพื้นที่ที่ค้นหา ให้สงสัยโมเดลก่อนสงสัยตลาด
6 · แล้วชุดที่ดีที่สุดหลังแก้แล้ว ผ่านไหม
เดินราคาจริงทั้ง 208 ชุด ได้ชุดที่ดีที่สุดคือ เข้าที่ P70 เป้าหมาย P95 จุดหยุดกว้าง ให้ PF 1.193 · EV +$1.27 ต่อไม้ · อัตราชนะ 50% จาก 559 ไม้ ซึ่งเป็นตัวเลขที่ขายได้สบาย
| ปี | ไม้ | EV ต่อไม้ | PF | กำไรสุทธิ |
|---|---|---|---|---|
| 2023 | 151 | -0.19$ | 0.96 | -27.90$ |
| 2024 | 162 | +0.36$ | 1.07 | +57.80$ |
| 2025 | 160 | +0.89$ | 1.12 | +142.00$ |
| 2026 | 86 | +6.25$ | 1.52 | +537.80$ |
ผลดีขึ้นทุกปีตามความแรงของเทรนด์ — 2023 ขาดทุน แล้วไต่ขึ้นจนปี 2026 ได้ PF 1.52 นั่นไม่ใช่ระบบที่ทำงานได้ทุกสภาพตลาด นั่นคือระบบที่เก็บเกี่ยวเทรนด์ และเราเพิ่งพิสูจน์ไปในหัวข้อที่ 2 ว่าตัวอย่างทั้งชุดอยู่ในเทรนด์เดียว
หักค่าการค้นหาออก
เราลองไป 208 ชุด กว่าจะได้ตัวนี้ ซึ่งต้องเข้าสูตร
| สมมติว่าลองกี่ชุด | Sharpe ที่วัดได้ | เกณฑ์ที่ต้องเกิน | ความน่าจะเป็นที่ผลนี้จริง |
|---|---|---|---|
| 1 ชุด | 0.0574 | 0.0000 | 0.909 |
| 208 ชุด (ตามจริง) | 0.0574 | 0.1196 | 0.074 |
Sharpe ที่เราวัดได้ต่ำกว่าเกณฑ์ที่คาดจากการสุ่มล้วน — ถ้าเอากลยุทธ์ ที่ไม่มีขอบเลย 208 ตัวมาลอง ตัวที่โชคดีที่สุดจะได้ 0.1196 โดยเฉลี่ย ส่วนของเราได้ 0.0574
การกระจุกตัว
- 10% ของไม้ที่ดีที่สุด = 334% ของกำไรสุทธิ — อีก 90% ที่เหลือขาดทุนรวมกัน
- ปีที่ดีที่สุดปีเดียว = 76% ของกำไรทั้งหมด
- 1 ใน 4 ปีขาดทุน
คำตัดสิน: ไม่ผ่าน · ไม่ควรนำไปใช้เงินจริง
7 · เอาขึ้นกราฟสด แล้วเจอข่าวที่หนักกว่า
ทุกอย่างข้างบนรันด้วย Python บนไฟล์ CSV ของเราเอง ซึ่งแปลว่าถ้าเราเขียนโค้ดผิด เราจะผิดเงียบ ๆ ทั้งหน้า จึงเขียนการทดสอบเดียวกันขึ้นใหม่เป็น Pine Script แล้วรันบน ฟีด OANDA สดของ TradingView — คนละภาษา คนละแหล่งข้อมูล คนละคนเขียน คำถามเดียวกัน
ผลตรงกัน และแรงกว่าที่คาด เพราะบนกราฟสดมีตัวอย่างมากกว่า และเห็นสิ่งที่งาน Python ยังไม่ได้แยกออกมาดู
ก · ทั้งสองทิศขาดทุน — ไม่ใช่เรื่องเดาทิศผิด
| ทิศ | ไม้ | expectancy ต่อไม้ | อ่านว่า |
|---|---|---|---|
| ขึ้น | 376 | −4.62$ | ขาดทุน |
| ลง | 307 | −7.20$ | ขาดทุน |
| เข้าตรงทิศที่ล็อกไว้ | 377 | −5.74$ | การรู้ทิศไม่ได้ช่วย |
| สวนทิศ | 126 | −7.17$ | ต่างกันไม่พอจะเรียกว่าตัวกรอง |
ถ้าปัญหาคือเราเดาทิศผิด ฝั่งใดฝั่งหนึ่งต้องเป็นบวก เมื่อทั้งสองฝั่งลบ แปลว่าตัวไอเดียเข้าไม้เองไม่มีขอบ ไม่ใช่การใช้งานผิดทิศ
เลขตัวเดียวที่พอ: อัตราชนะออกมา 18–26% ที่ R:R 1.5 ซึ่งจุดคุ้มทุนอยู่ที่ 40% — ไม่ใช่พลาดนิดเดียว
ข · สมมติฐานหลักของทั้งระบบไม่ผ่าน placebo
สมมติฐานคือ “กรอบ Asia แคบ → วันนี้จะขยายตัว” ซึ่งเป็นเหตุผลทั้งหมดที่เครื่องมือนี้ ถูกสร้างขึ้น จึงแยกวันออกเป็นสามประเภทตั้งแต่ตอนเปิดเซสชัน แล้ววัดแยกกัน
| ประเภทวัน | ไม้ (ในกลุ่ม) | expectancy | ชนะ | นอกกลุ่ม |
|---|---|---|---|---|
| อัดแน่น | 334 | −3.39$ | 18% | −10.01$ |
| ปกติ | 113 | −3.62$ | 19% | −14.17$ |
| คลายแล้ว | 31 | −3.87$ | 26% | −6.63$ |
ทั้งสามประเภทขาดทุน และทั้งสามแย่ลงอีกในข้อมูลนอกกลุ่ม แต่ตัวเลขที่ปิดคดีคือสองบรรทัดถัดไป
| ด่าน | วัดได้ | เกณฑ์ | ผล |
|---|---|---|---|
| ความต่าง (อัดแน่น − คลายแล้ว) | −0.06$ | ต้องเกิน 2.18$ | ไม่ผ่าน 36 เท่า |
| สับป้ายประเภทวันแบบสุ่ม 100 รอบ | 97% ทำได้ดีเท่าหรือดีกว่า | ต้องต่ำกว่า 5% | ไม่ผ่าน |
การสับป้ายคือการเก็บผลกำไรขาดทุนของทุกไม้ไว้เหมือนเดิมทุกประการ แล้วสุ่มแจกป้ายประเภทวันใหม่ ถ้าป้ายมีข้อมูลจริง การสุ่มต้องทำได้แย่กว่าเกือบทุกรอบ ผลคือมันทำได้ดีเท่าหรือดีกว่า 97 รอบจาก 100 (ตัวเลขของการวัดชุดแรก — หลังคาลิเบรตกลุ่มให้สมดุลเหลือ 34% ดูหัวข้อ 8) — ป้ายประเภทวันไม่ได้บอกอะไรเลย เราแค่หั่นตัวเลขจนบังเอิญเจอความต่าง
คำตัดสิน: การใช้ระดับการขยายตัวเป็นจุดเข้า ไม่มีขอบทั้งสองทิศ · และการจำแนกประเภทวันเป็นของประดับ
เงื่อนไขการรัน: Session Expansion Lab v1.1 · OANDA XAUUSD H1 · 683 ไม้ · ชุดระดับ “มีเงื่อนไข” · จุดหยุดโหมดล็อก R:R 1.5 · แบ่งนอกกลุ่ม 30% · นับว่าทดลองไปแล้ว 1 ชุด (ยังไม่ได้จูนอะไรเลย ซึ่งทำให้เกณฑ์ 2.18$ เป็นเกณฑ์ที่ต่ำที่สุดเท่าที่จะเป็นได้)
ค · ทำไมเราจะไม่จูนต่อ
เรามีทางที่จะขยับได้อีกมาก — เปลี่ยนเปอร์เซ็นไทล์ที่เข้า เปลี่ยน R:R เปลี่ยนชั่วโมงเซสชัน เปลี่ยนนิยามวันอัดแน่น ถ้าลองสัก 40 ชุด เกือบแน่นอนว่าจะเจอชุดที่เป็นบวก
แต่เกณฑ์ในตารางจะขยับตามขึ้นไปด้วย ช่อง “ทดลองไปแล้วกี่ชุด” มีหน้าที่นี้อย่างเดียว — ยิ่งดูซ้ำมาก ความต่างที่ต้องเจอถึงจะเชื่อได้ก็ยิ่งใหญ่ขึ้น เราใส่กลไกนี้ไว้ตั้งแต่ก่อนรู้ผล เพราะรู้ว่านาทีที่เห็นตัวเลขติดลบคือนาทีที่อยากจูนที่สุด
และหัวข้อที่ 5 เพิ่งสอนเราไปว่าอะไรเกิดขึ้นเมื่อเราไล่ตามตัวเลขที่ดีที่สุด โดยไม่ถามว่าโมเดลพังตรงไหน
8 · วัดด้วยป้ายที่สอง แล้วผลลบแข็งขึ้น
ข้อโต้แย้งที่ยังเหลือหลังหัวข้อที่แล้วคือ “บางทีสมมติฐานอาจถูก แต่เราวัดผิดวิธี” — เพราะเราจำแนกวันด้วยตัวแปรเดียวคือกรอบ Asia หารด้วย ATR ถ้าตัวแปรนั้นหยาบเกินไป ผลลบก็ไม่ได้แปลว่าสมมติฐานผิด
Session Expansion Lab v1.2 จึงวัดสองป้ายพร้อมกันในตารางเดียว — ป้ายเดิม กับเปอร์เซ็นไทล์ความกว้างของ Bollinger Bands ซึ่งตอบคำถามเดียวกันว่า “ตลาดอัดแน่นหรือคลายแล้ว” แต่วัดคนละทางสนิท และไม่มีอะไรร่วมกันในสูตรเลย
แสดงพร้อมกัน ไม่ใช่สลับดูทีละอันโดยตั้งใจ — การสลับแล้วจำตัวเลขเอง คือการค้นหาแบบหนึ่งที่ไม่มีใครนับ และเป็นวิธีที่เราหลอกตัวเองได้ง่ายที่สุด
| ประเภทวัน | A · Asia ÷ ATR · ไม้ | A · expectancy | B · ความกว้าง BB · ไม้ | B · expectancy |
|---|---|---|---|---|
| อัดแน่น | 154 | -2.51$ | 163 | -3.55$ |
| ปกติ | 179 | -4.23$ | 154 | -3.06$ |
| คลายแล้ว | 145 | -3.58$ | 161 | -3.80$ |
| ด่าน | A วัดได้ | A เกณฑ์ | B วัดได้ | B เกณฑ์ |
|---|---|---|---|---|
| ต่างกัน (อัดแน่น − คลาย) | +1.02 | 1.11 | +0.66 | 1.03 |
| สับป้ายมั่ว 100 รอบ | 34% | ต่ำกว่า 5% | 54% | ต่ำกว่า 5% |
ไม่ผ่านทั้งสองป้าย — และคราวนี้ตัวเลขมีความหมายพอจะพูดแบบนั้นได้
⚑ ป้ายเดิมของเราคาลิเบรตแย่มาตลอด และตัวเลขชุดแรกที่เราเผยแพร่จึงเชื่อไม่ได้
ดูคอลัมน์จำนวนไม้ให้ดี ป้าย A แบ่งวันออกมาเป็น 334 / 113 / 31 ซึ่งเบ้เกือบ
11 ต่อ 1 — เกณฑ์ 0.45 ที่เราตั้งไว้จับวันเป็น “อัดแน่น”
ไปเกือบ 70% ของทั้งหมด
การเทียบกลุ่ม 334 ไม้กับกลุ่ม 31 ไม้ แทบไม่มีพลังทางสถิติเลย และเราใช้ป้ายนี้มาตั้งแต่ต้นโดยไม่เคยมองการกระจายของมัน — เราวิจารณ์การคาลิเบรตของงานคนอื่นมาตลอด แล้วมีของตัวเองที่ไม่เคยตรวจอยู่ในมือ
เราจึงเปลี่ยนวิธีแบ่งกลุ่มจากค่าคงที่เป็นเปอร์เซ็นไทล์ 33 / 67 เทียบกับ 250 เซสชัน ย้อนหลัง แล้ววัดใหม่ทั้งหมด · ผลที่ได้เปลี่ยนไปมากกว่าที่เราคาด
| ป้าย A | ก่อนคาลิเบรต (ค่าคงที่) | หลังคาลิเบรต (เปอร์เซ็นไทล์) |
|---|---|---|
| การแบ่งกลุ่มของป้าย A | 334 / 113 / 31 | 154 / 179 / 145 |
| ความเบ้ | 10.8 ต่อ 1 | 1.3 ต่อ 1 |
| ความต่างที่วัดได้ | −0.06 | +1.02 |
| เกณฑ์ที่ต้องเอาชนะ | 2.18 | 1.11 |
| สับป้ายมั่วชนะ | 97% | 34% |
เลข 97% ที่เราเผยแพร่ไปเมื่อวาน ไม่ใช่หลักฐานอะไรเลย — มันมาจากการวัดที่พัง · ตัวเลขจริงคือ 34% และรายงานเดิมของเราจึงพูดแรงเกินหลักฐานที่มี
นี่คือกรณีตัวอย่างของสิ่งที่เราเขียนเตือนไว้เองพอดี: “ไม่ต่างกัน” กับ “วัดไม่ไหว” ให้ผลหน้าตาเหมือนกันเป๊ะ · เมื่อวานเราอยู่ในกรณีที่สอง แล้วรายงานเหมือนเป็นกรณีแรก
เครื่องมือยังบวกจำนวนชุดที่ดูให้เป็น 2 อัตโนมัติ เพราะการดูสองสมมติฐานคือการดูสองครั้ง · ตอนนี้อยู่ที่ 2 ชุด และถ้าเราเริ่มขยับหน้าต่าง 250 หรือเปอร์เซ็นไทล์ 33/67 เพื่อไล่ให้มันผ่าน เกณฑ์จะสูงขึ้นตามทุกครั้ง — เราจะไม่ทำ
9 · เหตุผลที่ปิดสายนี้ไม่ใช่ตัวเลข แต่เป็นรูปร่างของมัน
หลังคาลิเบรตแล้ว ป้าย A ได้ความต่าง +1.02 ต่อเกณฑ์ 1.11 ซึ่งคือ 92% ของทางที่ต้องไป และทิศทางก็ตรงกับที่สมมติฐานทำนายไว้ด้วย คือวันอัดแน่นดีกว่าวันคลายแล้ว · ตรงนี้คือจุดที่การจูนต่อจะน่าดึงดูดที่สุด
แต่มีข้อที่ปิดประตูโดยไม่ต้องเถียงเรื่องเกณฑ์เลย — ถ้ากลไก “อัดแน่นแล้วจะขยายตัว” มีอยู่จริง มันต้องทำให้เกิดการไล่ระดับ คือ อัดแน่น ดีกว่า ปกติ ดีกว่า คลายแล้ว ตามลำดับ ไม่ใช่แค่ปลายสองข้างต่างกัน
| ป้าย | อัดแน่น | ปกติ | คลายแล้ว | เรียงตามลำดับไหม |
|---|---|---|---|---|
| A · Asia ÷ ATR | −2.51$ | −4.23$ | −3.58$ | ไม่ — “ปกติ” แย่ที่สุด |
| B · ความกว้าง BB | −3.55$ | −3.06$ | −3.80$ | ไม่ — “ปกติ” ดีที่สุด |
ทั้งสองป้าย กลุ่ม “ปกติ” ไม่ได้อยู่ตรงกลาง — ป้าย A มันแย่ที่สุด ป้าย B มันดีที่สุด และทั้งสองแบบขัดกับกลไกที่อ้างไว้
ความต่างระหว่างปลายสองข้างจึงเป็นสัญญาณรบกวน ไม่ใช่การไล่ระดับของกลไก · และทุกช่องยังติดลบ นอกกลุ่มยังแย่กว่าในกลุ่มทุกช่อง
ข้อนี้ทดสอบได้โดยไม่ต้องอาศัยเกณฑ์ใด ๆ ซึ่งเป็นเหตุผลที่มันหนักกว่าตัวเลข p · เราจะใช้การตรวจการไล่ระดับเป็นด่านมาตรฐานตั้งแต่นี้ ทุกครั้งที่จำแนกอะไรเป็นสามระดับขึ้นไป
10 · ข้อจำกัดของงานนี้เอง
- ตัวอย่างสั้นและอยู่ในเทรนด์เดียว — 932 เซสชันจากปี 2023–2026 เท่านั้น เราสรุปได้ว่าความไม่สมมาตรไม่คงที่ ภายในช่วงนี้ แต่ยังไม่มีข้อมูลตลาดหมี ของทองมายืนยัน กำลังดาวน์โหลด tick ย้อนหลังถึงปี 2015 เพื่อทดสอบซ้ำ
- ช่วง “ขาลงชัด” มีแค่ 81 เซสชัน — พอจะบอกว่าอัตราส่วนกลับด้าน แต่ไม่พอจะคาลิเบรตค่าอะไรจากมัน
- ใช้แท่ง H1 — ภายในหนึ่งชั่วโมงเราไม่รู้ว่าราคาแตะจุดหยุดหรือเป้าก่อน จึงเลือกสมมติว่าโดนจุดหยุดก่อนเสมอ ผลจริงอาจดีกว่านี้เล็กน้อย แต่การเลือกทางที่ เข้าข้างตัวเองจะทำให้ตัวเลขทั้งหน้าไม่มีความหมาย
- ต้นทุนใช้ค่าเดียวคงที่ $0.35 ต่อไม้ไปกลับ — ไม่ได้จำลองสเปรดที่ถ่าง ตอนข่าว ซึ่งจะทำให้ผลแย่ลงอีก ไม่ใช่ดีขึ้น
- หน้านี้ไม่ได้บอกว่า AVR ไร้ประโยชน์ — มันบอกว่าตัวคูณไม่สมมาตร ไม่ควรถูกใช้เป็นค่าคงที่ และการใช้ระดับเป็นปุ่มกดเข้าไม่มีขอบ การใช้เป็นเป้าหมายหรืออ่านความอ่อนล้ายังไม่ได้ถูกทดสอบในหน้านี้
สรุปและสิ่งที่จะเปลี่ยน
- ตัวคูณไม่สมมาตรจะไม่เป็นค่าตั้งต้นอีกต่อไป การใช้มันคือการเดิมพันว่า ทองจะขึ้นต่อ ซึ่งเป็นคนละเรื่องกับคุณสมบัติของเซสชัน และเป็นเดิมพันที่ไม่ได้ตั้งใจวาง
- AVR คือแผนที่ ไม่ใช่ทริกเกอร์ — มันถูกวัดมาเพื่อตอบว่า “ราคาน่าจะวิ่ง ไปไกลแค่ไหน” ไม่ใช่ “แตะตรงนี้แล้วควรเข้า” เราเอาไปใช้ผิดหน้าที่เอง
- ห้ามใช้เปอร์เซ็นไทล์ต่ำกว่า P55 เป็นจุดเข้า เพราะมันอยู่ในกองศูนย์ ระดับจะเปลี่ยนไปใช้ชุดสมมาตรหรือชุดมีเงื่อนไขแทน
- เครื่องมือทำงานถูกต้อง — และนี่คือเหตุผลเดียวที่เราเชื่อผลลบชุดนี้ Session Expansion Lab ตอบว่า “ข้อมูลไม่พอ” ตั้งแต่ครั้งแรกที่เปิดใช้ ทั้งที่ช่องหนึ่งโชว์ expectancy 11.49 และอัตราชนะ 62% เพราะช่องนั้นมีแค่ 6 ไม้ นั่นคือสิ่งที่มันมีไว้ทำ
- ตรวจการกระจายของป้ายก่อนเชื่อผลที่มันให้ — เป็นกฎใหม่ ป้ายที่แบ่งกลุ่ม เบ้ 11 ต่อ 1 แทบไม่มีพลังจะตอบอะไรได้ และผลที่ออกมาว่า “ไม่ต่างกัน” อาจแปลว่า วัดไม่ไหว มากกว่า ไม่มีอะไรให้วัด · ครั้งนี้เราโชคดีที่ป้ายที่สมดุลกว่า ให้คำตอบเดียวกัน แต่ถ้ามีป้ายเดียวเราจะแยกสองกรณีนี้ไม่ออกเลย
- ปิดสายนี้ ไม่จูนต่อ — เมื่อทั้งสองทิศติดลบ ประเภทวันไม่ผ่าน placebo และนอกกลุ่มแย่กว่าในกลุ่มทุกช่อง สิ่งที่เหลือให้ทำคือการไล่หาชุดพารามิเตอร์ที่โชคดี ซึ่งเป็นสิ่งเดียวกับที่ฆ่า ScalperVBubble และ KVF_MACD มาแล้ว
- สมมติฐานถัดไปจะไม่ใช่ของที่เราคิดเอง — จะไปทดสอบ VWAP ระหว่างวัน ตามเปเปอร์ของ Bhatti (XAU/USD) แทน เพราะอย่างน้อยมันเป็นสมมติฐานที่มีคนวัดและตีพิมพ์ไว้แล้ว และเราจะได้ทดสอบว่ามันไม่ทำงานตรงไหนบนฟีดของเรา แทนที่จะเริ่มจากศูนย์อีกครั้ง
- ยังไม่จบ — ต้องรันซ้ำบน tick ย้อนหลังถึง 2015 เมื่อดาวน์โหลดเสร็จ เพื่อดูว่ามีตลาดหมีของทองอยู่ในนั้นและผลเปลี่ยนไปหรือไม่
โค้ดที่ใช้: avr_asymmetry_test.py และ avr_path_backtest.py ·
ตัวเลขทุกตัวคัดลอกจากผลรันโดยตรง ไม่มีการปัดให้สวยขึ้น ·
ดูโมดูล AVR ในหน้าเครื่องมือ