Best Books for Technical Analysis —

Technical Analysis คืออะไรและทำไมต้องอ่านหนังสือ

Technical Analysis คือการวิเคราะห์ราคาหลักทรัพย์โดยใช้ข้อมูลในอดีตเช่น ราคา ปริมาณการซื้อขาย และ chart patterns เพื่อคาดการณ์ทิศทางราคาในอนาคต แตกต่างจาก Fundamental Analysis ที่ดูข้อมูลทางการเงินของบริษัทเช่นงบกำไรขาดทุนและอัตราส่วนทางการเงิน

หลักการพื้นฐานของ Technical Analysis มี 3 ข้อคือ ราคาสะท้อนทุกอย่างแล้ว (price discounts everything) ราคาเคลื่อนที่เป็นแนวโน้ม (price moves in trends) และ ประวัติศาสตร์มักซ้ำรอยเดิม (history tends to repeat itself)

การอ่านหนังสือมีความสำคัญเพราะ Technical Analysis มีทฤษฎีและเครื่องมือจำนวนมากที่ต้องเข้าใจอย่างลึกซึ้ง การดูแค่วิดีโอหรือบทความสั้นๆอาจทำให้เข้าใจผิดหรือใช้เครื่องมือไม่ถูกวิธี หนังสือให้ context ที่ครบถ้วนกว่าและมีตัวอย่างที่ละเอียดกว่า

เครื่องมือหลักของ Technical Analysis ได้แก่ Chart Patterns เช่น Head and Shoulders, Double Top/Bottom, Candlestick Patterns เช่น Doji, Hammer, Engulfing, Indicators เช่น Moving Average, RSI, MACD, Bollinger Bands และ Volume Analysis เช่น OBV, Volume Profile

หนังสือ Technical Analysis ที่ดีที่สุด 10 เล่ม

รายชื่อหนังสือที่แนะนำสำหรับทั้งผู้เริ่มต้นและผู้มีประสบการณ์

หนังสือ Technical Analysis แนะนำ (เรียงตามระดับ)

=== ระดับเริ่มต้น ===

1. "Technical Analysis of the Financial Markets" — John J. Murphy

• หนังสือ classic ที่ครอบคลุมที่สุด
• ครอบคลุม chart patterns, indicators, intermarket analysis
• เหมาะเป็นเล่มแรกสำหรับทุกคน
• ISBN: 978-0735200661

2. "Japanese Candlestick Charting Techniques" — Steve Nison

• ผู้นำ Candlestick charts มาเผยแพร่ในตะวันตก
• อธิบาย candlestick patterns ครบทุกรูปแบบ
• ISBN: 978-0735201811

3. "Getting Started in Technical Analysis" — Jack Schwager

• เขียนง่ายเข้าใจง่าย เหมาะสำหรับผู้เริ่มต้น
• มีตัวอย่างจริงจากตลาด
• ISBN: 978-0471295426

=== ระดับกลาง ===

4. "Technical Analysis Explained" — Martin Pring

• ลงลึกเรื่อง momentum indicators และ market cycles
• อธิบาย intermarket relationships
• ISBN: 978-0071825177

5. "Encyclopedia of Chart Patterns" — Thomas Bulkowski

• รวบรวม chart patterns กว่า 60 รูปแบบ
• มีสถิติ success rate ของแต่ละ pattern
• ISBN: 978-1119739685

6. "Trading for a Living" — Dr. Alexander Elder

• รวม psychology, trading method, money management
• เน้นเรื่อง discipline และ risk management
• ISBN: 978-0471592242

=== ระดับสูง ===

7. "Evidence-Based Technical Analysis" — David Aronson

• ใช้วิธีทาง statistical สำหรับทดสอบ TA
• ท้าทาย myths ใน Technical Analysis
• ISBN: 978-0470008744

8. "Advances in Financial Machine Learning" — Marcos Lopez de Prado

• ใช้ ML สำหรับ financial analysis
• เน้น feature engineering จาก market data
• ISBN: 978-1119482086

9. "Quantitative Trading" — Ernest Chan

• สร้าง automated trading systems
• backtesting, risk management, execution
• ISBN: 978-1119800064

10. "Market Wizards" — Jack Schwager

• สัมภาษณ์ traders ระดับโลก
• เรียนรู้จากประสบการณ์จริง
• ISBN: 978-1118273050

เครื่องมือ Technical Analysis ที่ต้องรู้

สรุปเครื่องมือหลักที่ใช้ใน Technical Analysis พร้อมสูตรคำนวณ

Technical Indicators สูตรคำนวณ

1. Simple Moving Average (SMA)

SMA(n) = (P1 + P2 + ... + Pn) / n

ใช้หาแนวโน้มเฉลี่ย เช่น SMA(50), SMA(200)

2. Exponential Moving Average (EMA)

EMA(t) = Price(t) * k + EMA(t-1) * (1-k)

k = 2 / (n + 1)

ให้น้ำหนักกับราคาล่าสุดมากกว่า SMA

3. RSI (Relative Strength Index)

RS = Average Gain / Average Loss (over n periods)

RSI = 100 - (100 / (1 + RS))

RSI > 70: overbought, RSI < 30: oversold

4. MACD (Moving Average Convergence Divergence)

MACD Line = EMA(12) - EMA(26)

Signal Line = EMA(9) of MACD Line

Histogram = MACD Line - Signal Line

5. Bollinger Bands

Middle Band = SMA(20)

Upper Band = SMA(20) + 2 * StdDev(20)

Lower Band = SMA(20) - 2 * StdDev(20)

ราคาอยู่นอก bands = overbought/oversold

6. Stochastic Oscillator

%K = (Close - Low(14)) / (High(14) - Low(14)) * 100

%D = SMA(3) of %K

%K > 80: overbought, %K < 20: oversold

7. ATR (Average True Range)

True Range = max(High-Low, |High-PrevClose|, |Low-PrevClose|)

ATR = SMA(14) of True Range

ใช้วัด volatility

8. Volume Indicators

OBV (On-Balance Volume):

ถ้า Close > PrevClose: OBV = PrevOBV + Volume

ถ้า Close < PrevClose: OBV = PrevOBV - Volume

ยืนยัน trend ด้วย volume

9. Fibonacci Retracement Levels

Key levels: 23.6%, 38.2%, 50%, 61.8%, 78.6%

ใช้หา support/resistance levels

สร้างระบบ Technical Analysis ด้วย Python

ใช้ Python คำนวณ Technical Indicators จากข้อมูลราคาจริง

Backtesting Strategy ด้วย Historical Data

สร้าง backtesting framework สำหรับทดสอบ trading strategy

สร้าง Dashboard แสดง Technical Indicators

สร้าง interactive dashboard ด้วย Plotly

FAQ คำถามที่พบบ่อย

Q: Technical Analysis ใช้ได้จริงไหม?

A: มีงานวิจัยทั้งที่สนับสนุนและคัดค้าน TA ใช้ได้ดีสำหรับ identify trends และ support/resistance levels แต่ไม่ใช่ crystal ball ที่ทำนายราคาได้ 100% ควรใช้ร่วมกับ risk management และ money management ที่ดี traders ที่ประสบความสำเร็จมักใช้ TA เป็นเพียงส่วนหนึ่งของ trading system ทั้งหมด

Q: ควรเริ่มอ่านเล่มไหนัก่อน?

A: เริ่มที่ Technical Analysis of the Financial Markets ของ John Murphy เพราะครอบคลุมทุกหัวข้อตั้งแต่พื้นฐานจนถึงขั้นสูง ตามด้วย Japanese Candlestick Charting Techniques ของ Steve Nison สำหรับเรียนรู้ candlestick patterns และ Trading for a Living ของ Alexander Elder สำหรับเรื่อง psychology และ money management

Q: RSI กับ Stochastic ต่างกันอย่างไร?

A: RSI วัดความเร็วและขนาดของการเปลี่ยนแปลงราคา (momentum) ส่วน Stochastic วัดตำแหน่งของราคาปิดเทียบกับช่วงราคาในอดีต RSI ตอบสนองช้ากว่าเหมาะสำหรับ trending market ส่วน Stochastic ตอบสนองเร็วกว่าเหมาะสำหรับ ranging market ใช้ทั้งสองตัวร่วมกันจะได้สัญญาณที่น่าเชื่อถือกว่า

Q: Python Library ที่ดีที่สุดสำหรับ Technical Analysis คืออะไร?

A: TA-Lib เป็น library ที่ครบที่สุดมี indicators กว่า 150 ตัว แต่ติดตั้งยากบน Windows ทางเลือกคือ pandas-ta ที่ใช้ง่ายกว่าและรองรับ indicators มากกว่า 130 ตัว สำหรับ backtesting แนะนำ Backtrader หรือ Zipline สำหรับ visualization ใช้ mplfinance หรือ Plotly

Q: Backtesting มีข้อจำกัดอะไรบ้าง?

A: Backtesting มีข้อจำกัดหลายอย่างเช่น Survivorship Bias ที่ใช้เฉพาะหุ้นที่ยังอยู่ในตลาด, Look-Ahead Bias ที่ใช้ข้อมูลในอนาคตโดยไม่ตั้งใจ, Overfitting ที่ optimize strategy ให้เข้ากับข้อมูลอดีตมากเกินไป และ Slippage/Commission ที่ไม่ได้คิดค่าใช้จ่ายในการซื้อขายจริง ผลลัพธ์จาก backtesting จึงไม่ guarantee ผลลัพธ์ในอนาคต