โครงสร้างตลาด BOS และ CHoCH วัดจากข้อมูลจริง

โครงสร้างตลาด (market structure) คือการอ่านลำดับของจุดสูงและจุดต่ำบนกราฟ แล้วตั้งชื่อให้ลำดับนั้น เช่น higher high, lower low, break of structure (BOS) และ change of character (CHoCH) ในกลุ่มเทรดไทยและคลิปสอนจำนวนมาก คำพวกนี้จบลงที่การลากเส้นบนภาพ ไม่ใช่การวัด หน้านี้ทำสองอย่าง: ตั้งนิยามแบบนับแท่งที่ชัดพอจะเขียนโค้ดตามได้ แล้วเอากฎเดียวกันนั้นไปรันกับแท่งรายวันจริงของหุ้นและ ETF สหรัฐหกตัว เพื่อรายงานว่าหลังเกิด BOS ราคาไปต่อบ่อยแค่ไหน เทียบกับอัตราฐานของชุดข้อมูลเดียวกัน

swing high และ swing low วัดยังไงให้เขียนโค้ดตามได้

ทั้งบทความนี้ตั้งอยู่บนกฎเดียว และกฎนั้นสั้นมาก

• swing high คือแท่งที่ราคาสูงสุด (high) ของมัน สูงกว่า high ของสามแท่งก่อนหน้าทุกแท่ง และสูงกว่า high ของสามแท่งถัดไปทุกแท่ง
• swing low คือแท่งที่ราคาต่ำสุด (low) ของมัน ต่ำกว่า low ของสามแท่งก่อนหน้าทุกแท่ง และต่ำกว่า low ของสามแท่งถัดไปทุกแท่ง

เลข 3 คือพารามิเตอร์ ไม่ใช่ความจริงของตลาด ใช้ 2 จะได้จุดสวิงถี่ขึ้นและเล็กลง ใช้ 5 จะได้จุดสวิงน้อยลงและใหญ่ขึ้น ตัวเลขทุกตัวในหน้านี้ผูกกับเลข 3 เปลี่ยนพารามิเตอร์เมื่อไร ตัวเลขทั้งหมดก็เปลี่ยนตาม นั่นคือเหตุผลที่การเขียนกฎให้ชัดมีน้ำหนักกว่าการเถียงกันว่าใครลากเส้นสวยกว่า

ข้อที่มักถูกข้ามไป: swing high ยืนยันช้าเสมอ 3 แท่ง คุณจะรู้ว่าแท่งวันจันทร์เป็น swing high ได้เร็วที่สุดก็ตอนตลาดปิดวันพฤหัสบดี กราฟย้อนหลังทำให้จุดสวิงดูชัดเจน เพราะเรามองเห็นทั้งสองฝั่งพร้อมกัน ตอนเทรดสดคุณเห็นแค่ฝั่งซ้าย ความช้า 3 แท่งนี้ถูกใส่ไว้ในทุกการวัดของหน้านี้แล้ว

แท่งที่ใช้คือแท่งรายวันของตลาดหุ้นสหรัฐ ตามเวลาไทย ตลาดเปิด 20:30 น. และปิด 03:00 น. ของเช้าวันถัดไป ในช่วง daylight saving คือปลายมีนาคมถึงต้นพฤศจิกายน ส่วนช่วงที่เหลือของปีคือ 21:30 น. ถึง 04:00 น. แท่งรายวันหนึ่งแท่งจึงปิดตอนที่คนไทยส่วนใหญ่นอนแล้ว ใครอยากเห็นว่า high, low, close ถูกประกอบขึ้นจากการซื้อขายจริงอย่างไร อ่านต่อที่ แท่ง OHLCV ถูกประกอบขึ้นมาอย่างไร

แผงแรกคือการเอากฎข้างบนไปนับตรงๆ กับหกชื่อที่คนไทยคุ้นเคย ตั้งแต่ต้นปี 2021 ถึงสิ้นเดือนสิงหาคม 2026

WITH px AS
(
    SELECT
        ticker,
        date,
        toFloat64(high) AS h,
        toFloat64(low)  AS l
    FROM global_markets.stocks_daily_aggs
    WHERE ticker IN ('AAPL', 'JPM', 'KO', 'MSFT', 'QQQ', 'SPY')
      AND date >= '2021-01-01'
      AND date <  '2026-09-01'
),
flagged AS
(
    SELECT
        ticker,
        ((h > max(h) OVER w_prev) AND (h > max(h) OVER w_next)) AS is_swing_high,
        ((l < min(l) OVER w_prev) AND (l < min(l) OVER w_next)) AS is_swing_low,
        count() OVER w_prev AS bars_before,
        count() OVER w_next AS bars_after
    FROM px
    WINDOW
        w_prev AS (PARTITION BY ticker ORDER BY date ROWS BETWEEN 3 PRECEDING AND 1 PRECEDING),
        w_next AS (PARTITION BY ticker ORDER BY date ROWS BETWEEN 1 FOLLOWING AND 3 FOLLOWING)
)
SELECT
    ticker,
    count()                AS sessions,
    countIf(is_swing_high) AS swing_highs,
    countIf(is_swing_low)  AS swing_lows,
    round(count() / greatest(countIf(is_swing_high), 1), 1) AS bars_per_swing_high
FROM flagged
WHERE bars_before = 3
  AND bars_after = 3
GROUP BY ticker
ORDER BY ticker

ตารางมี 6 ชื่อ ชื่อแรกคือ AAPL ซึ่งมี 1415 แท่งรายวันที่เข้าเกณฑ์วัดได้ในหน้าต่างนี้ ในจำนวนนั้นเข้าเงื่อนไข swing high 129 ครั้ง และ swing low 135 ครั้ง เฉลี่ยแล้วเจอ swing high หนึ่งจุดทุกๆ 11 แท่ง ตัวเลขนี้มีประโยชน์กว่าที่คิด: มันบอกว่ากราฟรายวันหนึ่งปีจะให้จุดสวิงฝั่งบนราวสามสิบจุด ไม่ใช่สามจุดอย่างที่ภาพสอนมักวาด คนสอนเลือกวาดเฉพาะจุดที่ใหญ่ที่สุด กฎที่เขียนเป็นโค้ดไม่เลือก

HH HL LH LL อ่านจากกฎเดียวกันนี้ได้ทันที

เมื่อมีชุดจุดสวิงแล้ว ที่เหลือคือการเปรียบเทียบจุดล่าสุดกับจุดก่อนหน้าของชนิดเดียวกัน

• higher high (HH): swing high ล่าสุด สูงกว่า swing high ก่อนหน้า
• higher low (HL): swing low ล่าสุด สูงกว่า swing low ก่อนหน้า
• lower high (LH) และ lower low (LL): กรณีตรงข้ามทั้งคู่

โครงสร้างขาขึ้นคือการต่อกันของ HH กับ HL โครงสร้างขาลงคือ LH กับ LL ส่วนกรณีที่ผสมกัน เช่น HH แต่ LL เรียกว่าช่วงไร้โครงสร้างหรือ range สังเกตว่าทุกคำข้างบนไม่ได้เพิ่มสมมติฐานใหม่เลย มันคือการเปรียบเทียบตัวเลขสองตัวที่มาจากกฎสามแท่งเดิม ใครก็ตามที่นิยาม HH ด้วยสายตาแทนการเปรียบเทียบจุดที่นับได้ จะได้คำตอบไม่ตรงกันในกราฟเดียวกัน

BOS กับ CHoCH ต่างกันตรงไหน

BOS ฝั่งขึ้นคือ: ราคาปิดรายวันปิดเหนือระดับของ swing high ที่ยืนยันแล้วล่าสุด CHoCH คือการทะลุครั้งแรกที่สวนทางกับลำดับที่กำลังเป็นอยู่ เช่น ขณะอยู่ในลำดับ HH กับ HL แล้วราคาปิดใต้ swing low ที่ยืนยันแล้วล่าสุด พูดให้ตรงกว่านั้น: BOS กับ CHoCH ใช้การคำนวณชุดเดียวกัน ต่างกันแค่ทิศของการทะลุเทียบกับลำดับก่อนหน้า

ก่อนจะวัดได้ ต้องตัดสินใจสามเรื่องที่คลิปสอนส่วนใหญ่ไม่เคยระบุ

1. ใช้ราคาปิดหรือไส้เทียน หน้านี้ใช้ราคาปิดรายวัน เพราะไส้เทียนแตะระดับแล้วถอยกลับเป็นคนละเหตุการณ์กับการปิดเหนือระดับ
2. เริ่มนับการทะลุจากแท่งไหน หน้านี้เริ่มนับหลังจุดสวิงยืนยันครบ 3 แท่งแล้วเท่านั้น
3. ให้เวลานานแค่ไหนถึงเลิกรอ หน้านี้ให้เวลา 30 วันทำการ ถ้าไม่มีการปิดเหนือระดับภายในนั้น ถือว่าจุดสวิงนั้นไม่เกิด BOS

สามข้อนี้คือส่วนที่ทำให้ตัวเลขข้างล่างทำซ้ำได้ เปลี่ยนข้อไหนข้อหนึ่ง ตัวเลขก็ขยับ

หลังเกิด BOS ราคาไปต่อบ่อยแค่ไหน

นี่คือคำถามที่คนสอนไม่ค่อยตอบด้วยตัวเลข วิธีวัดในแผงถัดไปตรงไปตรงมา: ทุกครั้งที่เกิด BOS ฝั่งขึ้น ให้จดราคาปิดของวันที่ทะลุไว้ แล้วดูราคาปิดอีก n วันทำการถัดมา

• continuation_pct คือสัดส่วนของเหตุการณ์ที่ราคาปิด n วันหลังจากนั้น สูงกว่าราคาปิดวันที่ทะลุ
• base_rate_pct คืออัตราฐาน: ถ้าหยิบวันไหนก็ได้ในชุดข้อมูลเดียวกันแบบไม่สนใจโครงสร้างเลย ราคาปิดอีก n วันถัดมาสูงกว่าเดิมกี่เปอร์เซ็นต์
• edge_pp คือส่วนต่างของสองคอลัมน์แรก หน่วยเป็นจุดเปอร์เซ็นต์
• back_inside_pct คือสัดส่วนของเหตุการณ์ที่ราคาปิดกลับลงไปใต้ระดับที่เพิ่งทะลุ อย่างน้อยหนึ่งวันภายใน n วัน

คอลัมน์อัตราฐานคือหัวใจ ตลาดหุ้นสหรัฐในหน้าต่างนี้ขึ้นมากกว่าลง ดังนั้นตัวเลข "ไปต่อ 55%" จะดูดีทันทีถ้าไม่มีอะไรให้เทียบ

WITH
px AS
(
    SELECT
        ticker,
        date,
        toFloat64(high)  AS h,
        toFloat64(close) AS c
    FROM global_markets.stocks_daily_aggs
    WHERE ticker IN ('AAPL', 'JPM', 'KO', 'MSFT', 'QQQ', 'SPY')
      AND date >= '2021-01-01'
      AND date <  '2026-09-01'
),
sorted AS
(
    SELECT
        ticker,
        arraySort(x -> x.1, groupArray((date, h, c))) AS bars
    FROM px
    GROUP BY ticker
),
arrs AS
(
    SELECT
        ticker,
        arrayMap(x -> x.2, bars) AS highs,
        arrayMap(x -> x.3, bars) AS closes
    FROM sorted
),
pivots AS
(
    SELECT
        ticker,
        highs,
        closes,
        arrayJoin(arrayFilter(i ->
            (i > 3)
            AND (i <= length(highs) - 3)
            AND (highs[i] > arrayMax(arraySlice(highs, i - 3, 3)))
            AND (highs[i] > arrayMax(arraySlice(highs, i + 1, 3))),
            arrayEnumerate(highs))) AS pivot_i
    FROM arrs
),
breaks AS
(
    SELECT
        ticker,
        closes,
        pivot_i,
        highs[pivot_i] AS level,
        pivot_i + 3 + arrayFirstIndex(x -> x > highs[pivot_i], arraySlice(closes, pivot_i + 4, 30)) AS break_i
    FROM pivots
    WHERE arrayFirstIndex(x -> x > highs[pivot_i], arraySlice(closes, pivot_i + 4, 30)) > 0
),
events AS
(
    SELECT
        ticker,
        break_i,
        argMax(level, pivot_i) AS level,
        any(closes)            AS closes
    FROM breaks
    GROUP BY ticker, break_i
),
after_bos AS
(
    SELECT
        n,
        count()                                                    AS bos_events,
        round(100 * avg(closes[break_i + n] > closes[break_i]), 1) AS continuation_pct,
        round(100 * avg(arrayMin(arraySlice(closes, break_i + 1, n)) < level), 1) AS back_inside_pct
    FROM
    (
        SELECT
            break_i,
            level,
            closes,
            arrayJoin([1, 3, 5, 10, 20]) AS n
        FROM events
        WHERE break_i + 20 <= length(closes)
    )
    GROUP BY n
),
base AS
(
    SELECT
        n,
        round(100 * avg(closes[t + n] > closes[t]), 1) AS base_rate_pct
    FROM
    (
        SELECT
            closes,
            t,
            arrayJoin([1, 3, 5, 10, 20]) AS n
        FROM
        (
            SELECT
                closes,
                arrayJoin(arrayEnumerate(closes)) AS t
            FROM arrs
        )
        WHERE t + 20 <= length(closes)
    )
    GROUP BY n
)
SELECT
    concat(toString(a.n), ' วัน')                 AS horizon_label,
    a.bos_events                                   AS bos_events,
    a.continuation_pct                             AS continuation_pct,
    b.base_rate_pct                                AS base_rate_pct,
    round(a.continuation_pct - b.base_rate_pct, 1) AS edge_pp,
    a.back_inside_pct                              AS back_inside_pct
FROM after_bos AS a
INNER JOIN base AS b ON b.n = a.n
ORDER BY a.n

ชุดข้อมูลนี้ให้เหตุการณ์ BOS ฝั่งขึ้นทั้งหมด 448 ครั้ง ที่กรอบ 1 วัน อัตราไปต่ออยู่ที่ 54.9% เทียบกับอัตราฐาน 53.3% ส่วนต่างคือ 1.6 จุดเปอร์เซ็นต์ ที่กรอบยาวสุดในตารางคือ 20 วัน อัตราไปต่ออยู่ที่ 60.7% เทียบอัตราฐาน 60.1% ส่วนต่าง 0.6 จุดเปอร์เซ็นต์ และภายในกรอบเดียวกันนั้น 70.8% ของเหตุการณ์มีอย่างน้อยหนึ่งวันที่ราคาปิดกลับลงไปใต้ระดับที่เพิ่งทะลุ

วิธีอ่านคอลัมน์ edge_pp: ค่าที่ห่างจากศูนย์มากแปลว่าเงื่อนไข BOS แยกวันที่ต่างจากวันธรรมดาได้จริง ค่าที่อยู่ใกล้ศูนย์แปลว่าสิ่งที่เห็นคือการขึ้นตามปกติของชุดข้อมูลนี้ ไม่ใช่ผลของเงื่อนไข ในตารางนี้ส่วนต่างทุกแถวอยู่ในหลักหน่วยถึงหลักสิบต้น ไม่ใช่ตัวเลขระดับที่จะทำให้ใครรวยจากการนับแท่งอย่างเดียว การพูดแบบนี้คือประเด็นทั้งหมดของหน้านี้

มีอีกสามข้อที่ต้องพูดให้ครบ หนึ่ง เหตุการณ์ BOS ไม่ได้กระจายตัวสม่ำเสมอ มันกระจุกในช่วงที่ตลาดขึ้นอยู่แล้ว การเทียบกับอัตราฐานช่วยแก้ได้บางส่วน แต่ไม่หมด สอง หน้าต่าง 2021 ถึง 2026 คือยุคสมัยหนึ่งของตลาด ไม่ใช่ตลาดทุกยุค สาม ความถี่ไม่เท่ากับผลตอบแทน ลองคิดเลขแบบสมมติดูเล่นๆ: ถ้าเหตุการณ์หนึ่งไปต่อได้ 8 บาทต่อหุ้นใน 55% ของครั้ง และย้อนกลับ 10 บาทต่อหุ้นในอีก 45% ผลรวมจะติดลบ ทั้งที่ตัวเลข "ถูกมากกว่าผิด" ยังดูดีอยู่ ขนาดของการเคลื่อนไหวและต้นทุนการซื้อขายไม่ได้อยู่ในตารางข้างบนเลย

แยกเป็นรายตัวแล้วยังเหมือนเดิมไหม

ค่าเฉลี่ยรวมซ่อนความต่างระหว่างชื่อได้เก่งมาก แผงถัดไปใช้เครื่องคำนวณชุดเดิมทุกบรรทัด แต่ตรึงกรอบเวลาไว้ที่ 10 วันทำการ แล้วแยกตามชื่อ พร้อมอัตราฐานของชื่อนั้นเอง

WITH
px AS
(
    SELECT
        ticker,
        date,
        toFloat64(high)  AS h,
        toFloat64(close) AS c
    FROM global_markets.stocks_daily_aggs
    WHERE ticker IN ('AAPL', 'JPM', 'KO', 'MSFT', 'QQQ', 'SPY')
      AND date >= '2021-01-01'
      AND date <  '2026-09-01'
),
sorted AS
(
    SELECT
        ticker,
        arraySort(x -> x.1, groupArray((date, h, c))) AS bars
    FROM px
    GROUP BY ticker
),
arrs AS
(
    SELECT
        ticker,
        arrayMap(x -> x.2, bars) AS highs,
        arrayMap(x -> x.3, bars) AS closes
    FROM sorted
),
pivots AS
(
    SELECT
        ticker,
        highs,
        closes,
        arrayJoin(arrayFilter(i ->
            (i > 3)
            AND (i <= length(highs) - 3)
            AND (highs[i] > arrayMax(arraySlice(highs, i - 3, 3)))
            AND (highs[i] > arrayMax(arraySlice(highs, i + 1, 3))),
            arrayEnumerate(highs))) AS pivot_i
    FROM arrs
),
breaks AS
(
    SELECT
        ticker,
        closes,
        pivot_i,
        highs[pivot_i] AS level,
        pivot_i + 3 + arrayFirstIndex(x -> x > highs[pivot_i], arraySlice(closes, pivot_i + 4, 30)) AS break_i
    FROM pivots
    WHERE arrayFirstIndex(x -> x > highs[pivot_i], arraySlice(closes, pivot_i + 4, 30)) > 0
),
events AS
(
    SELECT
        ticker,
        break_i,
        argMax(level, pivot_i) AS level,
        any(closes)            AS closes
    FROM breaks
    GROUP BY ticker, break_i
),
by_name AS
(
    SELECT
        ticker,
        count()                                                     AS bos_events,
        round(100 * avg(closes[break_i + 10] > closes[break_i]), 1) AS continuation_pct
    FROM events
    WHERE break_i + 10 <= length(closes)
    GROUP BY ticker
),
base AS
(
    SELECT
        ticker,
        round(100 * avg(closes[t + 10] > closes[t]), 1) AS base_rate_pct
    FROM
    (
        SELECT
            ticker,
            closes,
            arrayJoin(arrayEnumerate(closes)) AS t
        FROM arrs
    )
    WHERE t + 10 <= length(closes)
    GROUP BY ticker
)
SELECT
    e.ticker                                       AS ticker,
    e.bos_events                                   AS bos_events,
    e.continuation_pct                             AS continuation_pct,
    b.base_rate_pct                                AS base_rate_pct,
    round(e.continuation_pct - b.base_rate_pct, 1) AS edge_pp
FROM by_name AS e
INNER JOIN base AS b ON b.ticker = e.ticker
ORDER BY edge_pp DESC

เรียงจากส่วนต่างมากไปน้อย ชื่อบนสุดคือ AAPL ที่ 7.6 จุดเปอร์เซ็นต์ จากเหตุการณ์ 70 ครั้ง (อัตราไปต่อ 64.3% เทียบอัตราฐานของตัวเอง 56.7%) ชื่อล่างสุดคือ JPM ที่ -9 จุดเปอร์เซ็นต์ ระยะห่างระหว่างหัวกับท้ายตารางกว้างกว่าส่วนต่างเฉลี่ยของทั้งชุด ซึ่งเป็นรูปแบบที่เจอบ่อยเวลาแบ่งกลุ่มตัวอย่างให้เล็กลง: จำนวนเหตุการณ์ต่อชื่อเหลือหลักสิบถึงหลักร้อย ความแปรปรวนจึงกินพื้นที่มากกว่าตัวสัญญาณ ใครที่เห็นตัวเลขของชื่อใดชื่อหนึ่งแล้วอยากสรุปว่า "วิธีนี้ใช้ได้กับหุ้นตัวนี้" ควรนับจำนวนเหตุการณ์ในคอลัมน์ bos_events ก่อนเสมอ

ตัวอย่างจริงที่ปักวันที่ไว้แล้ว

สถิติรวมทำให้เห็นภาพ แต่ไม่ทำให้เห็นรูปร่าง แผงนี้ตรึงไว้ที่ชื่อเดียวและช่วงเวลาเดียวในอดีต เส้นหนึ่งคือราคาปิดรายวัน อีกเส้นคือระดับของ swing high ที่ยืนยันแล้วจุดสุดท้ายก่อนสิ้นเดือนเมษายน 2025 วันที่ในแผงนี้ถูกเขียนตายตัวในคำสั่ง ตัวเลขจึงไม่ขยับเมื่อมีการสร้างหน้านี้ใหม่

WITH
px AS
(
    SELECT
        date,
        toFloat64(high)  AS h,
        toFloat64(close) AS c
    FROM global_markets.stocks_daily_aggs
    WHERE ticker = 'AAPL'
      AND date >= '2025-01-02'
      AND date <  '2025-08-01'
),
flagged AS
(
    SELECT
        date,
        h,
        c,
        max(h) OVER w_prev  AS prev_high,
        max(h) OVER w_next  AS next_high,
        count() OVER w_prev AS bars_before,
        count() OVER w_next AS bars_after
    FROM px
    WINDOW
        w_prev AS (ORDER BY date ROWS BETWEEN 3 PRECEDING AND 1 PRECEDING),
        w_next AS (ORDER BY date ROWS BETWEEN 1 FOLLOWING AND 3 FOLLOWING)
),
pivot AS
(
    SELECT
        date AS pivot_date,
        h    AS level
    FROM flagged
    WHERE bars_before = 3
      AND bars_after = 3
      AND h > prev_high
      AND h > next_high
      AND date <= '2025-04-30'
    ORDER BY date DESC
    LIMIT 1
)
SELECT
    toString(f.date)                         AS session_date,
    round(f.c, 2)                            AS close,
    round(p.level, 2)                        AS swing_high_level,
    formatDateTime(p.pivot_date, '%d/%m/%Y') AS pivot_label
FROM flagged AS f
CROSS JOIN pivot AS p
WHERE f.date >= p.pivot_date - 20
  AND f.date <= p.pivot_date + 60
ORDER BY f.date

จุดสวิงที่เลือกมาอยู่ที่วันที่ 14/04/2025 ระดับราคาของมันคือ 212.94 ดอลลาร์ ซึ่งคือเส้นแนวนอนในกราฟ แผงนี้แสดง 57 วันทำการรอบจุดนั้น เริ่มจากราคาปิด 223.75 ดอลลาร์ และวันสุดท้ายในหน้าต่างปิดที่ 196.45 ดอลลาร์ สิ่งที่ควรดูไม่ใช่ว่าเส้นราคาจบที่ไหน แต่คือจำนวนครั้งที่เส้นราคาตัดผ่านเส้นแนวนอนไปมา ระดับโครงสร้างหนึ่งระดับมักถูกทดสอบหลายรอบ ไม่ใช่ครั้งเดียวแบบในภาพสอน และนี่คือเหตุผลที่คอลัมน์ back_inside_pct ในแผงก่อนหน้าไม่ใช่ตัวเลขเล็ก

SELECT
    t.ticker                                  AS ticker,
    toUInt32(ifNull(s.splits_in_window, 0))   AS splits_in_window,
    if(empty(ifNull(s.last_split_on_record, '')), 'ไม่พบในฐานข้อมูล', s.last_split_on_record) AS last_split_on_record
FROM
(
    SELECT arrayJoin(['AAPL', 'JPM', 'KO', 'MSFT', 'QQQ', 'SPY']) AS ticker
) AS t
LEFT JOIN
(
    SELECT
        ticker,
        countIf(execution_date >= '2021-01-01') AS splits_in_window,
        toString(max(execution_date))           AS last_split_on_record
    FROM global_markets.stocks_splits
    WHERE ticker IN ('AAPL', 'JPM', 'KO', 'MSFT', 'QQQ', 'SPY')
    GROUP BY ticker
) AS s ON s.ticker = t.ticker
ORDER BY t.ticker

ส่วนไหนคือนิยาม ส่วนไหนคือข้ออ้างที่ทดสอบได้

นี่คือเส้นแบ่งที่ทำให้อ่านเนื้อหาแนวนี้ในกลุ่มเทรดได้ปลอดภัยขึ้นมาก

เป็นนิยาม ไม่ต้องพิสูจน์ และเถียงไม่ได้: swing high และ swing low ตามกฎนับแท่ง, HH HL LH LL, คำว่า BOS, คำว่า CHoCH สิ่งเหล่านี้เป็นจริงตามที่เรากำหนดมันขึ้นมา เหมือนกฎการนับคะแนนในกีฬา เปลี่ยนพารามิเตอร์แล้วได้ชุดจุดใหม่ ซึ่งก็ยังเป็นนิยามที่ถูกต้องอยู่ดี

เป็นข้ออ้างที่ทดสอบได้ และต้องมีตัวเลขกำกับเสมอ: "หลัง BOS ราคามักไปต่อ", "CHoCH บอกว่าเทรนด์จบแล้ว", "โครงสร้างขาขึ้นแปลว่าโอกาสขึ้นมากกว่า" ทุกประโยคในกลุ่มนี้แปลเป็นการวัดได้ และเมื่อวัดแล้ว คำตอบจะมาพร้อมขนาดของมัน ตารางในหน้านี้คือคำตอบเวอร์ชันหนึ่ง ภายใต้เงื่อนไขที่ระบุไว้ครบทุกข้อ

สิ่งที่เกิดบ่อยที่สุดในห้องเรียนออนไลน์คือการเอานิยามมาใช้แทนข้ออ้าง ผู้สอนแสดงว่ากฎนิยามชัดเจนแค่ไหน แล้วให้ผู้เรียนสรุปเองว่ากฎที่ชัดเจนแปลว่าใช้ได้ผล สองอย่างนี้ไม่เกี่ยวกัน

ต่อยอดไปที่ liquidity sweep และ gap

ถ้าจะขยายกรอบนี้ต่อ ทิศทางที่ให้ของจับต้องได้มากที่สุดไม่ใช่การเพิ่มอินดิเคเตอร์ แต่คือการเอาเหตุการณ์ที่วัดได้อีกชนิดมาวางทับบนแกนเวลาเดียวกัน

อย่างแรกคือการกวาดสภาพคล่อง ราคาแตะทะลุ swing low เดิมเล็กน้อยแล้วปิดกลับเข้ามาในวันเดียวกัน เป็นเหตุการณ์ที่นิยามได้ด้วยกฎนับแท่งชุดเดียวกันนี้ และวัดได้ด้วยวิธีเดียวกับหน้านี้ รายละเอียดอยู่ที่ liquidity sweep คืออะไรและวัดยังไง

อย่างที่สองคือช่องว่างราคา วันที่เปิดกระโดดข้ามระดับโครงสร้างคือกรณีที่กฎ "ปิดเหนือระดับ" กับ "เปิดเหนือระดับ" ให้คำตอบคนละแบบ สถิติว่าช่องว่างถูกปิดบ่อยแค่ไหนอยู่ที่ ช่องว่างราคาถูกปิดบ่อยแค่ไหน และถ้าอยากรู้ว่าวันที่เกิด BOS มีคนซื้อขายหนาแน่นผิดปกติหรือไม่ ตัวชี้วัดที่ตรงที่สุดคือปริมาณเทียบค่าปกติของตัวมันเอง ซึ่งอธิบายไว้ที่ relative volume คืออะไร ส่วนใครที่อยากได้ระดับราคาอ้างอิงที่ผูกกับเหตุการณ์แทนการผูกกับจุดสวิง ลองอ่าน anchored VWAP ต่อ

FAQ

swing high ต่างจากแนวต้านอย่างไร

swing high คือแท่งหนึ่งแท่งที่ผ่านกฎนับแท่ง ระบุตำแหน่งได้แน่นอนและตรวจซ้ำได้ ส่วนแนวต้านคือบริเวณราคาที่คนลากขึ้นมาเอง สองคนลากกราฟเดียวกันได้คนละเส้น ข้อดีของ swing high คือการทำซ้ำได้ ข้อเสียคือมันไม่ยืดหยุ่นตามสายตา

BOS กับ CHoCH ต่างกันตรงไหน

ทั้งคู่คือการที่ราคาปิดผ่านระดับของจุดสวิงที่ยืนยันแล้ว ต่างกันที่บริบท BOS คือการทะลุไปในทิศเดียวกับลำดับจุดสวิงที่กำลังเป็นอยู่ CHoCH คือการทะลุครั้งแรกที่สวนทางกับลำดับนั้น ใช้การคำนวณชุดเดียวกันทั้งหมด

ต้องใช้กี่แท่งในการยืนยันจุดสวิง

ไม่มีเลขที่ถูกต้องเพียงเลขเดียว หน้านี้ใช้สามแท่งทั้งสองฝั่ง ซึ่งหมายความว่าคุณจะรู้ผลช้ากว่าจุดสวิงจริงสามวันทำการเสมอ ใช้เลขน้อยลงจะได้จุดถี่ขึ้นและสัญญาณรบกวนมากขึ้น ใช้เลขมากขึ้นจะได้จุดน้อยลงและรู้ช้าลง

สถิติในหน้านี้แปลว่า BOS ทำกำไรได้ไหม

ไม่ได้แปลแบบนั้น ตารางบอกแค่ความถี่ของการไปต่อเทียบอัตราฐาน ไม่มีข้อมูลเรื่องขนาดของการเคลื่อนไหว ต้นทุนการซื้อขาย หรือการบริหารสถานะ ตัวเลขความถี่ที่มากกว่าครึ่งอยู่ร่วมกับผลรวมที่ติดลบได้สบายมาก

ใช้กฎเดียวกันนี้กับกราฟ 15 นาทีหรือรายสัปดาห์ได้ไหม

กฎนับแท่งไม่สนใจว่าหนึ่งแท่งยาวแค่ไหน จึงใช้ได้ทุกกรอบเวลา แต่ตัวเลขที่ได้จะเป็นคนละชุดโดยสิ้นเชิง และกรอบเวลาสั้นจะมีสัดส่วนของความเคลื่อนไหวที่มาจากกลไกการซื้อขายมากกว่า ต้องวัดใหม่ทุกครั้ง อย่ายืมตัวเลขข้ามกรอบเวลา

ทุกแผงในหน้านี้เปิดดู SQL ที่อยู่เบื้องหลังได้ ถ้าอยากเปลี่ยนพารามิเตอร์จากสามแท่งเป็นห้าแท่ง เปลี่ยนกรอบเป็น 60 วันทำการ หรือเปลี่ยนชุดหุ้นเป็นชื่อที่คุณตามอยู่ ลองถามเป็นภาษาไทยบน Strasmore terminal แล้วดูว่ากฎเดิมให้คำตอบเดิมหรือเปล่า