ame999 retweeted
🚨 The memory shortage flips to oversupply by 2028.
If you own Micron $MU, that date is not your problem.
The market's forward-looking mechanism is.
Memory is the most brutally cyclical business in tech. The script never changes: shortage, record prices, record margins, record capex. Low PE. Then every producer's new capacity arrives at once, and the shortage becomes a glut.
The stock never waits for the glut. It tops when margins peak and everyone extrapolates the shortage forever. That moment is now: Micron trading at record highs, on record DRAM prices, with the biggest capex wave in memory history under construction.
Micron's history in every oversupply cycle: 2000: -90%. 2008: -80%. 2018: -50%. 2022: -47%.
The best commodity business is still a commodity business. Wonderful at the bottom of the cycle. Deadly at the top.
This time is not different.
It never is in memory.
ame999 retweeted
เราจะสามารถใช้สมการในทางคณิตศาสตร์มาโมเดลราคาหุ้น หรือสินทรัพย์ต่างๆ ได้อย่างไร?
.
หลายๆ คน อาจจะได้เคยได้ยินมาบ้างว่านักคณิตศาสตร์ หรือ #quant สามารถนำเอาสมการในทางคณิตศาสตร์มาใช้ในการพยากรณ์ หรือโมลเดลราคาหุ้น หรือสินทรัพย์ต่างๆ ได้ ซึ่งมันฟังดูเหมือนจะเป็นอะไรที่หลุดโลก เข้าใจได้ยาก แต่ในความเป็นจริง มันไม่ได้ยากขนานนั้นเลย วันนี้ผมจะลองมาอธิบายแบบง่ายๆ กันดูครับ
.
ในทางคณิตศาสตร์ เรามองราคาว่าประกอบไปด้วยสองส่วน คือส่วนที่มีความแน่นอน (deterministic) ซึ่งเปรียบเสมือน trend ของราคา และส่วนที่ไม่แน่นอน ซึ่งทำให้ราคาเกิดการแกว่งตัว
เมื่อเราเห็นราคาย้อนหลังของหุ้นตัวหนึ่ง เราจะต้องพยายามแยกเอาส่วนที่เป็น trend ออกมาให้ได้ ดังเช่นรูปด้านบน เส้นสีเขียวคือ trend ของราคา และส่วนที่มีความ random อยู่ทำให้เกิดเส้นสีแดง
.
ในทางการเงินเราจะสนใจ 2 อย่างหลักๆ (1) สำหรับ trend เราอยากจะรู้ว่า trend เป็นอย่างไร เป็นขาขึ้น หรือขาลง ด้วย rate (หรือ drift) เท่าไหร่ หรือสินทรัพย์บางอย่างอาจจะมี trend เป็นกราฟคลื่น เช่นสินค้าทางการเกษตร
.
ส่วนที่ (2) คือการแกว่งของราคา (Volatility) ว่าการแกว่งนั้นๆ แกว่งอย่างคงที่หรือไม่ มี distribution เป็นอย่างไร ด้วย parameters เท่าไหร่ในเชิงสถิติ (หลายๆ ครั้่งเราชอบสมมติว่ามันแกว่งแบบ normal นั่นคือ โอกาศที่มันจะอยู่ใกล้เส้น trend มีค่ามากสุด และโอกาสที่มันแกว่งออกจากเส้น trend จะมีค่าลดลงไปเรื่อยๆ)
โมเดลด้านบน เป็นโมลเดลที่โด่งดังมาก ชื่อว่า Geometric Brownian Motion (แต่ผมตัดมาในกรณีที่ราคาไม่ต่อเนื่อง) ซึ่งเป็นตัวกำเนิดของ Black and Scholes formula ที่ได้รางวัล Nobel ที่มีการสมมุติว่าการเปลี่ยนแปลงของราคา หาได้จาก การเปลี่ยนแปลงของราคาที่คงที่ + การเปลี่ยนแปลงของราคาที่มีความ random
.
โดยที่ส่วนเปลี่ยนแปลงของที่คงที่ จะเท่ากับ ราคา ณ ขณะนั้น คูณด้วย u ซึ่งบ่งบอกถึง drift ของราคา ถ้า u มีค่าเป็นบวกแปลว่าราคามี trend เป็นแนวโน้มขาขึ้น และคูณด้วย Delta t ก็คือระยะเวลาที่เราสนในการเปลี่ยนแปลงขชองราคา
.
ในาส่วนที่ random จะได้จากการเอาราคา ณ ปัจจุบัน คูณด้วย sigma ซึ่งบ่งบอกถึงการแกว่ง ยิ่ง sigma มาก ราคาจะยิ่งผันผวน และคูณด้วย random factor Delta Wt ซึ่งเป็น random variable ที่มีการแจกแจงแบบ normal
.
จะเห็นว่าการคิดการเปลี่ยนแปลงของราคา จะมีการคูณด้วยราคาปัจจุบันเสมอ ซึ่ง makesense เพราะหุ้นตัวเล็ก ก็ควรจะเปลี่ยนได้น้อย ในขณะที่หุ้นตัวใหญ่ก็น่าจะเปลี่ยนได้มากขึ้น
.
ในครั้งถัดๆ ไป ผมจะมาพูดถึงว่าเราจะหา u กับ sigma ซึ่งบอกถึง trend และการแกว่งตัวของราคา ได้อย่างไรจากหุ้นตัวใดตัวหนึ่ง และถ้าเรารู้โมเดลของมันแล้ว เราจะสามารถเอาไปใช้อะไรได้บ้าง สามารถจำลองราคาออกมาในอนาคต โดยใช้ Monte Carlo simulation ได้อย่างไร ไว้ติดตามกันครับ









