bull market คือ

Bull Market คืออะไร

Bull Market หรือตลาดกระทิง คือสภาวะตลาดการเงินที่ราคาสินทรัพย์มีแนวโน้มขึ้นอย่างต่อเนื่อง คำว่า "Bull" มาจากท่าทางของกระทิงที่ใช้เขาขวิดขึ้น เปรียบเหมือนราคาที่พุ่งขึ้น โดยทั่วไปนิยามว่าราคาขึ้นมากกว่า 20% จากจุดต่ำสุดล่าสุด

ปัจจัยที่ทำให้เกิด Bull Market ได้แก่ เศรษฐกิจเติบโต GDP เพิ่ม อัตราการว่างงานต่ำ ผลกำไรบริษัทดี อัตราดอกเบี้ยต่ำ นโยบายการเงินผ่อนคลาย และความเชื่อมั่นของนักลงทุนสูง Bull Market อาจกินเวลาหลายเดือนถึงหลายปี

สัญญาณ Bull Market

Python — วิเคราะห์สัญญาณ Bull Market

# bull_market_analyzer.py — วิเคราะห์สัญญาณ Bull Market
import yfinance as yf
import pandas as pd
import numpy as np
from datetime import datetime, timedelta

class BullMarketAnalyzer:
    """วิเคราะห์สัญญาณ Bull/Bear Market"""

    def __init__(self, symbol="^SET.BK"):
        self.symbol = symbol
        self.data = None

    def fetch_data(self, period="2y"):
        """ดึงข้อมูลราคา"""
        ticker = yf.Ticker(self.symbol)
        self.data = ticker.history(period=period)
        print(f"Fetched {len(self.data)} days for {self.symbol}")
        return self.data

    def check_ma_signal(self):
        """ตรวจสอบ Moving Average Signal"""
        df = self.data.copy()
        df["MA50"] = df["Close"].rolling(50).mean()
        df["MA200"] = df["Close"].rolling(200).mean()

        current = df.iloc[-1]
        prev = df.iloc[-2]

        signals = {
            "price_above_ma200": current["Close"] > current["MA200"],
            "price_above_ma50": current["Close"] > current["MA50"],
            "golden_cross": (current["MA50"] > current["MA200"]
                           and prev["MA50"] <= prev["MA200"]),
            "death_cross": (current["MA50"] < current["MA200"]
                          and prev["MA50"] >= prev["MA200"]),
            "ma50_above_ma200": current["MA50"] > current["MA200"],
        }
        return signals

    def check_trend(self, lookback=60):
        """ตรวจสอบ Higher Highs / Higher Lows"""
        df = self.data.tail(lookback)
        highs = df["High"].values
        lows = df["Low"].values

        # หา Swing Points
        swing_highs = []
        swing_lows = []

        for i in range(2, len(highs) - 2):
            if highs[i] > highs[i-1] and highs[i] > highs[i-2] and \
               highs[i] > highs[i+1] and highs[i] > highs[i+2]:
                swing_highs.append(highs[i])

            if lows[i] < lows[i-1] and lows[i] < lows[i-2] and \
               lows[i] < lows[i+1] and lows[i] < lows[i+2]:
                swing_lows.append(lows[i])

        # ตรวจสอบ Higher Highs / Higher Lows
        hh = all(swing_highs[i] > swing_highs[i-1]
                 for i in range(1, len(swing_highs))) if len(swing_highs) > 1 else False
        hl = all(swing_lows[i] > swing_lows[i-1]
                 for i in range(1, len(swing_lows))) if len(swing_lows) > 1 else False

        return {"higher_highs": hh, "higher_lows": hl, "uptrend": hh and hl}

    def check_volume(self, lookback=20):
        """ตรวจสอบ Volume Trend"""
        df = self.data.tail(lookback)
        up_days = df[df["Close"] > df["Open"]]
        down_days = df[df["Close"] < df["Open"]]

        avg_up_vol = up_days["Volume"].mean() if len(up_days) > 0 else 0
        avg_down_vol = down_days["Volume"].mean() if len(down_days) > 0 else 0

        return {
            "bullish_volume": avg_up_vol > avg_down_vol,
            "avg_up_volume": int(avg_up_vol),
            "avg_down_volume": int(avg_down_vol),
            "ratio": round(avg_up_vol / avg_down_vol, 2) if avg_down_vol > 0 else 0,
        }

    def check_drawdown(self):
        """ตรวจสอบ Drawdown จาก All-time High"""
        peak = self.data["Close"].max()
        current = self.data["Close"].iloc[-1]
        drawdown = (peak - current) / peak * 100

        return {
            "all_time_high": round(peak, 2),
            "current_price": round(current, 2),
            "drawdown_pct": round(drawdown, 2),
            "is_bull": drawdown < 20,
            "is_bear": drawdown >= 20,
        }

    def full_analysis(self):
        """วิเคราะห์ทั้งหมด"""
        if self.data is None:
            self.fetch_data()

        ma = self.check_ma_signal()
        trend = self.check_trend()
        volume = self.check_volume()
        dd = self.check_drawdown()

        # Bull Score
        bull_signals = [
            ma["price_above_ma200"],
            ma["price_above_ma50"],
            ma["ma50_above_ma200"],
            trend["uptrend"],
            volume["bullish_volume"],
            not dd["is_bear"],
        ]
        bull_score = sum(bull_signals) / len(bull_signals) * 100

        print(f"\n{'='*50}")
        print(f"Bull Market Analysis: {self.symbol}")
        print(f"Date: {datetime.now():%Y-%m-%d}")
        print(f"{'='*50}")

        print(f"\nPrice: {dd['current_price']}")
        print(f"ATH: {dd['all_time_high']} (DD: {dd['drawdown_pct']}%)")
        print(f"\nBull Score: {bull_score:.0f}/100")
        print(f"Market State: {'BULL' if bull_score >= 60 else 'BEAR' if bull_score <= 30 else 'NEUTRAL'}")

        print(f"\nSignals:")
        print(f"  Price > MA200: {'Yes' if ma['price_above_ma200'] else 'No'}")
        print(f"  MA50 > MA200:  {'Yes' if ma['ma50_above_ma200'] else 'No'}")
        print(f"  Uptrend (HH/HL): {'Yes' if trend['uptrend'] else 'No'}")
        print(f"  Bullish Volume:  {'Yes' if volume['bullish_volume'] else 'No'}")
        print(f"  Volume Ratio:    {volume['ratio']}")

        return {"bull_score": bull_score, "ma": ma, "trend": trend,
                "volume": volume, "drawdown": dd}

# ตัวอย่าง
# analyzer = BullMarketAnalyzer("^GSPC")  # S&P 500
# analyzer.fetch_data("2y")
# result = analyzer.full_analysis()

กลยุทธ์การลงทุนในช่วง Bull Market

# bull_strategy.py — กลยุทธ์ Trend Following สำหรับ Bull Market
import numpy as np

class BullMarketStrategy:
    """กลยุทธ์การลงทุนสำหรับ Bull Market"""

    def __init__(self, initial_capital=100000):
        self.capital = initial_capital
        self.positions = {}

    def trend_following(self, prices, ma_period=50):
        """Trend Following — ซื้อเมื่อราคาเหนือ MA ขายเมื่อต่ำกว่า"""
        ma = np.convolve(prices, np.ones(ma_period)/ma_period,
                         mode="valid")
        aligned_prices = prices[ma_period-1:]

        signals = []
        position = 0  # 0=ไม่มี, 1=ถือ

        for i in range(1, len(aligned_prices)):
            if aligned_prices[i] > ma[i] and position == 0:
                signals.append(("BUY", aligned_prices[i], i))
                position = 1
            elif aligned_prices[i] < ma[i] and position == 1:
                signals.append(("SELL", aligned_prices[i], i))
                position = 0

        return signals

    def dca_strategy(self, prices, invest_amount=10000, frequency=20):
        """Dollar Cost Averaging — ลงทุนสม่ำเสมอ"""
        total_shares = 0
        total_invested = 0
        history = []

        for i in range(0, len(prices), frequency):
            shares = invest_amount / prices[i]
            total_shares += shares
            total_invested += invest_amount

            current_value = total_shares * prices[i]
            pnl = current_value - total_invested
            pnl_pct = pnl / total_invested * 100

            history.append({
                "day": i, "price": prices[i],
                "shares_bought": round(shares, 4),
                "total_shares": round(total_shares, 4),
                "total_invested": total_invested,
                "current_value": round(current_value, 2),
                "pnl_pct": round(pnl_pct, 2),
            })

        return history

    def trailing_stop(self, prices, trail_pct=10):
        """Trailing Stop — ป้องกันกำไร"""
        peak = prices[0]
        stop_price = peak * (1 - trail_pct / 100)
        stopped = False

        for i, price in enumerate(prices):
            if price > peak:
                peak = price
                stop_price = peak * (1 - trail_pct / 100)

            if price <= stop_price and not stopped:
                return {
                    "triggered": True, "day": i, "price": price,
                    "peak": peak, "loss_from_peak_pct":
                    round((peak - price) / peak * 100, 2),
                }

        return {"triggered": False, "current_peak": peak,
                "current_stop": round(stop_price, 2)}

# ตัวอย่าง
np.random.seed(42)
bull_prices = 100 * np.cumprod(1 + np.random.normal(0.001, 0.015, 500))

strategy = BullMarketStrategy()

# Trend Following
signals = strategy.trend_following(bull_prices, ma_period=50)
print("Trend Following Signals:")
for s in signals[-5:]:
    print(f"  {s[0]} at {s[1]:.2f} (day {s[2]})")

# DCA
dca = strategy.dca_strategy(bull_prices)
print(f"\nDCA Summary:")
print(f"  Total Invested: {dca[-1]['total_invested']:,.0f}")
print(f"  Current Value:  {dca[-1]['current_value']:,.0f}")
print(f"  P&L: {dca[-1]['pnl_pct']:.1f}%")

# Trailing Stop
ts = strategy.trailing_stop(bull_prices, trail_pct=10)
print(f"\nTrailing Stop (10%): {ts}")

ข้อควรระวังในช่วง Bull Market

• อย่า FOMO: อย่าซื้อเพราะกลัวตกรถ ต้องวิเคราะห์ก่อนทุกครั้ง
• มี Exit Strategy: กำหนดจุดขายล่วงหน้า ใช้ Trailing Stop ป้องกันกำไร
• กระจายความเสี่ยง: อย่าทุ่มทุกอย่างใน Asset เดียว กระจายใน Sector และ Asset Class
• Bull Market ไม่ยืนยาวตลอดไป: ทุก Bull Market มีวันจบ เตรียมแผนสำหรับ Bear Market
• อย่าใช้ Leverage มากเกินไป: Leverage ขยายทั้งกำไรและขาดทุน
• Rebalance Portfolio: ปรับสัดส่วนพอร์ตอย่างสม่ำเสมอ ไม่ให้ Over-weight ใน Asset ที่ขึ้นมาก

การนำความรู้ไปประยุกต์ใช้งานจริง

แหล่งเรียนรู้ที่แนะนำ ได้แก่ Official Documentation ที่อัพเดทล่าสุดเสมอ Online Course จาก Coursera Udemy edX ช่อง YouTube คุณภาพทั้งไทยและอังกฤษ และ Community อย่าง Discord Reddit Stack Overflow ที่ช่วยแลกเปลี่ยนประสบการณ์กับนักพัฒนาทั่วโลก

เปรียบเทียบข้อดีและข้อเสีย

จากตารางเปรียบเทียบจะเห็นว่าข้อดีมีมากกว่าข้อเสียอย่างชัดเจน โดยเฉพาะในแง่ของประสิทธิภาพและความสามารถในการ Scale สำหรับข้อเสียส่วนใหญ่สามารถแก้ไขได้ด้วยการเรียนรู้อย่างเป็นระบบและวางแผนทรัพยากรให้เหมาะสม

สรุป

Bull Market เป็นช่วงที่ดีสำหรับการลงทุน แต่ต้องมีกลยุทธ์ที่ชัดเจน ใช้ Technical Analysis ตรวจสอบสัญญาณ เช่น MA200, Higher Highs/Lows, Volume ลงทุนด้วย Trend Following หรือ DCA มี Trailing Stop ป้องกันกำไร อย่า FOMO กระจายความเสี่ยง และเตรียมแผนสำหรับเมื่อ Bull Market จบลง