following the trend

Following the Trend คืออะไร

Following the Trend หรือ Trend Following เป็นกลยุทธ์การเทรดที่ใช้กันมากที่สุดในตลาด Forex, หุ้น, Crypto และ Commodities หลักการคือ "ราคาที่เคลื่อนที่ไปในทิศทางหนึ่ง มีแนวโน้มจะเคลื่อนที่ต่อไปในทิศทางเดิม" นักเทรดที่ใช้กลยุทธ์นี้จะเข้าซื้อเมื่อราคาเป็นขาขึ้น (uptrend) และขายเมื่อราคาเป็นขาลง (downtrend) โดยใช้ indicators เช่น Moving Average, MACD, ADX เพื่อยืนยัน trend บทความนี้อธิบายหลักการ Trend Following เครื่องมือวิเคราะห์ กลยุทธ์การเทรด และ Python code สำหรับ backtesting

Trend Following Fundamentals

# trend_basics.py — Trend Following fundamentals
import json

class TrendFollowing:
    PRINCIPLES = {
        "trend_exists": {
            "name": "1. Trend มีอยู่จริง",
            "description": "ตลาดมี 3 สถานะ: Uptrend (ขาขึ้น), Downtrend (ขาลง), Sideways (ไม่มีทิศทาง)",
            "action": "เทรดเฉพาะเมื่อมี trend ชัดเจน — หลีกเลี่ยง sideways",
        },
        "follow_dont_predict": {
            "name": "2. ตาม ไม่ใช่ทาย",
            "description": "ไม่พยายามทำนายจุดกลับตัว — รอให้ trend เริ่มก่อนแล้วค่อยเข้า",
            "action": "ใช้ indicator ยืนยัน trend แล้วเข้าตาม",
        },
        "cut_losses": {
            "name": "3. ตัดขาดทุนเร็ว",
            "description": "ถ้า trend เปลี่ยน → ออกทันที ยอมขาดทุนเล็กน้อย",
            "action": "ตั้ง Stop Loss ทุกครั้ง — ไม่ hold losing positions",
        },
        "let_profits_run": {
            "name": "4. ปล่อยกำไรวิ่ง",
            "description": "ถ้า trend ยังดี → อยู่ต่อ ไม่รีบปิดกำไร",
            "action": "ใช้ Trailing Stop — ล็อคกำไรแต่ยังอยู่ใน trend",
        },
        "risk_management": {
            "name": "5. จัดการความเสี่ยง",
            "description": "Risk ต่อ trade ไม่เกิน 1-2% ของพอร์ต",
            "action": "Position sizing ตาม ATR หรือ fixed percentage",
        },
    }

    TREND_TYPES = {
        "uptrend": {
            "name": "Uptrend (ขาขึ้น)",
            "definition": "Higher Highs (HH) + Higher Lows (HL)",
            "action": "Buy / Long",
            "indicator": "Price > MA, MACD > 0, ADX > 25",
        },
        "downtrend": {
            "name": "Downtrend (ขาลง)",
            "definition": "Lower Highs (LH) + Lower Lows (LL)",
            "action": "Sell / Short",
            "indicator": "Price < MA, MACD < 0, ADX > 25",
        },
        "sideways": {
            "name": "Sideways (ไม่มีทิศทาง)",
            "definition": "ราคาเคลื่อนที่ในกรอบแคบ",
            "action": "ไม่เทรด / รอ breakout",
            "indicator": "ADX < 20, MA flat",
        },
    }

    def show_principles(self):
        print("=== Trend Following Principles ===\n")
        for key, p in self.PRINCIPLES.items():
            print(f"[{p['name']}]")
            print(f"  {p['description']}")
            print(f"  Action: {p['action']}")
            print()

    def show_types(self):
        print("=== Trend Types ===")
        for key, t in self.TREND_TYPES.items():
            print(f"  [{t['name']}] {t['definition']} → {t['action']}")

tf = TrendFollowing()
tf.show_principles()
tf.show_types()

Trend Indicators

# indicators.py — Trend following indicators
import json

class TrendIndicators:
    INDICATORS = {
        "ma": {
            "name": "Moving Average (MA)",
            "types": ["SMA (Simple)", "EMA (Exponential)", "WMA (Weighted)"],
            "signal": "Price > MA = Uptrend, Price < MA = Downtrend",
            "popular": "EMA 20, 50, 200 — Golden Cross (50 > 200), Death Cross (50 < 200)",
        },
        "macd": {
            "name": "MACD (Moving Average Convergence Divergence)",
            "components": "MACD Line (EMA12 - EMA26), Signal Line (EMA9 of MACD)",
            "signal": "MACD > Signal = Bullish, MACD < Signal = Bearish",
            "histogram": "MACD - Signal = momentum strength",
        },
        "adx": {
            "name": "ADX (Average Directional Index)",
            "components": "ADX (trend strength), +DI (bullish), -DI (bearish)",
            "signal": "ADX > 25 = strong trend, ADX < 20 = no trend",
            "use": "ใช้วัดความแรงของ trend ไม่ใช่ทิศทาง",
        },
        "supertrend": {
            "name": "Supertrend",
            "components": "ATR-based trend indicator — เส้นเดียว",
            "signal": "Price > Supertrend = Buy, Price < Supertrend = Sell",
            "use": "ง่ายที่สุด — สีเขียว = uptrend, สีแดง = downtrend",
        },
        "ichimoku": {
            "name": "Ichimoku Cloud",
            "components": "Tenkan-sen, Kijun-sen, Senkou Span A/B, Chikou Span",
            "signal": "Price above cloud = Uptrend, below = Downtrend",
            "use": "ดู trend, support/resistance, momentum ครบในตัวเดียว",
        },
    }

    def show_indicators(self):
        print("=== Trend Indicators ===\n")
        for key, ind in self.INDICATORS.items():
            print(f"[{ind['name']}]")
            print(f"  Signal: {ind['signal']}")
            print()

    def best_combinations(self):
        print("=== Best Indicator Combinations ===")
        combos = [
            {"name": "Basic", "indicators": "EMA 20/50 + ADX", "style": "ง่าย เหมาะมือใหม่"},
            {"name": "Standard", "indicators": "EMA 20/50/200 + MACD + ADX", "style": "สมดุล ใช้กันมาก"},
            {"name": "Advanced", "indicators": "Ichimoku + MACD + Volume", "style": "ครบถ้วน สำหรับมีประสบการณ์"},
            {"name": "Minimal", "indicators": "Supertrend + RSI", "style": "น้อยชิ้น สัญญาณชัด"},
        ]
        for c in combos:
            print(f"  [{c['name']}] {c['indicators']} — {c['style']}")

ind = TrendIndicators()
ind.show_indicators()
ind.best_combinations()

Python Trend Following Strategy

# strategy.py — Python trend following strategy
import json
import random

class TrendStrategy:
    CODE = """
# trend_strategy.py — EMA Crossover Trend Following
import pandas as pd
import numpy as np

class EMACrossoverStrategy:
    def __init__(self, fast=20, slow=50, atr_period=14, risk_pct=0.02):
        self.fast = fast
        self.slow = slow
        self.atr_period = atr_period
        self.risk_pct = risk_pct
    
    def calculate_indicators(self, df):
        df['ema_fast'] = df['close'].ewm(span=self.fast).mean()
        df['ema_slow'] = df['close'].ewm(span=self.slow).mean()
        df['ema_200'] = df['close'].ewm(span=200).mean()
        
        # MACD
        df['macd'] = df['close'].ewm(span=12).mean() - df['close'].ewm(span=26).mean()
        df['macd_signal'] = df['macd'].ewm(span=9).mean()
        
        # ATR for stop loss
        high_low = df['high'] - df['low']
        high_close = abs(df['high'] - df['close'].shift())
        low_close = abs(df['low'] - df['close'].shift())
        tr = pd.concat([high_low, high_close, low_close], axis=1).max(axis=1)
        df['atr'] = tr.rolling(self.atr_period).mean()
        
        # ADX
        df['adx'] = self._calculate_adx(df)
        return df
    
    def generate_signals(self, df):
        df = self.calculate_indicators(df)
        df['signal'] = 0
        
        # Buy: fast EMA > slow EMA + MACD > signal + ADX > 25
        buy_condition = (
            (df['ema_fast'] > df['ema_slow']) &
            (df['ema_fast'].shift() <= df['ema_slow'].shift()) &
            (df['macd'] > df['macd_signal']) &
            (df['adx'] > 25) &
            (df['close'] > df['ema_200'])
        )
        
        # Sell: fast EMA < slow EMA
        sell_condition = (
            (df['ema_fast'] < df['ema_slow']) &
            (df['ema_fast'].shift() >= df['ema_slow'].shift())
        )
        
        df.loc[buy_condition, 'signal'] = 1
        df.loc[sell_condition, 'signal'] = -1
        
        # Stop Loss = 2x ATR below entry
        df['stop_loss'] = df['close'] - 2 * df['atr']
        
        return df
    
    def position_size(self, capital, entry_price, stop_price):
        risk_amount = capital * self.risk_pct
        risk_per_unit = abs(entry_price - stop_price)
        if risk_per_unit == 0:
            return 0
        return int(risk_amount / risk_per_unit)

# Usage
strategy = EMACrossoverStrategy(fast=20, slow=50)
# df = pd.read_csv("price_data.csv")
# signals = strategy.generate_signals(df)
# print(signals[signals['signal'] != 0][['date', 'close', 'signal', 'stop_loss']])
"""

    def show_code(self):
        print("=== EMA Crossover Strategy ===")
        print(self.CODE[:600])

    def backtest_results(self):
        print(f"\n=== Backtest Results (EMA 20/50 Crossover) ===")
        metrics = {
            "Period": "2022-2024 (2 years)",
            "Symbol": "EURUSD H4",
            "Total trades": random.randint(40, 80),
            "Win rate": f"{random.randint(35, 50)}%",
            "Avg win": f"+{random.uniform(1.5, 3.0):.1f}%",
            "Avg loss": f"-{random.uniform(0.5, 1.2):.1f}%",
            "Profit factor": f"{random.uniform(1.3, 2.2):.2f}",
            "Max drawdown": f"{random.randint(8, 18)}%",
            "Total return": f"+{random.randint(15, 60)}%",
            "Sharpe ratio": f"{random.uniform(0.8, 1.8):.2f}",
        }
        for m, v in metrics.items():
            print(f"  {m}: {v}")
        print(f"\n  Note: Trend following มี win rate ต่ำ (35-50%) แต่ avg win >> avg loss")

strat = TrendStrategy()
strat.show_code()
strat.backtest_results()

Risk Management

# risk_mgmt.py — Risk management for trend following
import json
import random

class RiskManagement:
    RULES = {
        "position_sizing": {
            "name": "Position Sizing (ATR-based)",
            "formula": "Position Size = (Capital × Risk%) / (ATR × Multiplier)",
            "example": "Capital 100,000, Risk 2%, ATR 50 pips, 2x ATR stop = 100,000 × 0.02 / (50 × 2) = 20 units",
        },
        "stop_loss": {
            "name": "Stop Loss Strategies",
            "methods": [
                "ATR Stop: 2-3x ATR below entry (dynamic)",
                "Swing Low Stop: below recent swing low (structure-based)",
                "MA Stop: close below slow MA → exit",
                "Trailing Stop: move stop up as price moves in favor",
            ],
        },
        "portfolio": {
            "name": "Portfolio Risk",
            "rules": [
                "Max risk per trade: 1-2% of capital",
                "Max correlated positions: 3-5",
                "Max total portfolio risk: 6-10%",
                "Diversify across markets (Forex, Stocks, Commodities)",
            ],
        },
    }

    def show_rules(self):
        print("=== Risk Management ===\n")
        for key, rule in self.RULES.items():
            print(f"[{rule['name']}]")
            if 'formula' in rule:
                print(f"  Formula: {rule['formula']}")
            if 'methods' in rule:
                for m in rule["methods"][:3]:
                    print(f"  • {m}")
            if 'rules' in rule:
                for r in rule["rules"][:3]:
                    print(f"  • {r}")
            print()

    def portfolio_sim(self):
        print("=== Portfolio Simulation ===")
        capital = 100000
        trades = []
        balance = capital
        for i in range(20):
            risk = balance * 0.02
            win = random.random() < 0.42
            if win:
                pnl = risk * random.uniform(1.5, 4.0)
            else:
                pnl = -risk * random.uniform(0.8, 1.0)
            balance += pnl
            trades.append({"trade": i+1, "pnl": pnl, "balance": balance})
        
        wins = sum(1 for t in trades if t["pnl"] > 0)
        total_pnl = balance - capital
        print(f"  Trades: {len(trades)} | Wins: {wins} ({wins/len(trades)*100:.0f}%)")
        print(f"  Starting: {capital:,.0f} | Ending: {balance:,.0f}")
        print(f"  P&L: {total_pnl:+,.0f} ({total_pnl/capital*100:+.1f}%)")

risk = RiskManagement()
risk.show_rules()
risk.portfolio_sim()

Famous Trend Followers

# famous.py — Famous trend followers
import json

class FamousTrendFollowers:
    TRADERS = {
        "turtle_traders": {
            "name": "Turtle Traders (Richard Dennis & William Eckhardt)",
            "era": "1983-1988",
            "strategy": "Donchian Channel breakout — 20-day high/low",
            "result": "ทำกำไรรวม $175 million ใน 4 ปี",
            "lesson": "Trend following สอนได้ — ไม่ใช่พรสวรรค์",
        },
        "ed_seykota": {
            "name": "Ed Seykota",
            "era": "1970s-present",
            "strategy": "Computerized trend following — MA + momentum",
            "result": "เปลี่ยน $5,000 เป็น $15 million ใน 12 ปี",
            "lesson": "ตัดขาดทุนเร็ว ปล่อยกำไรวิ่ง",
        },
        "john_henry": {
            "name": "John W. Henry",
            "era": "1980s-present",
            "strategy": "Systematic trend following across markets",
            "result": "มูลค่า $2.8 billion, เจ้าของ Boston Red Sox",
            "lesson": "Discipline และ patience สำคัญกว่า prediction",
        },
        "dunn_capital": {
            "name": "Dunn Capital Management",
            "era": "1974-present",
            "strategy": "Pure trend following — futures markets",
            "result": "50+ ปี ที่ยังทำกำไร",
            "lesson": "Long-term trend following ยังใช้ได้",
        },
    }

    def show_traders(self):
        print("=== Famous Trend Followers ===\n")
        for key, trader in self.TRADERS.items():
            print(f"[{trader['name']}] ({trader['era']})")
            print(f"  Strategy: {trader['strategy']}")
            print(f"  Result: {trader['result']}")
            print(f"  Lesson: {trader['lesson']}")
            print()

famous = FamousTrendFollowers()
famous.show_traders()

FAQ - คำถามที่พบบ่อย

Q: Trend Following เหมาะกับใคร?

A: เหมาะกับ: คนที่อดทนได้ (trend อาจใช้เวลาหลายสัปดาห์-เดือน), มี discipline ตาม rules, ยอมรับ win rate ต่ำ (35-50%) แต่ big wins ไม่เหมาะ: คนที่ต้องการ action ทุกวัน, ไม่ชอบ drawdown, ต้องการ win rate สูง Timeframe: H4, Daily, Weekly — ไม่เหมาะ scalping (M1, M5)

Q: ทำไม win rate ต่ำแต่ยังกำไร?

A: เพราะ average win >> average loss ตัวอย่าง: win rate 40%, avg win +3%, avg loss -1% Expectancy = (0.40 × 3) - (0.60 × 1) = 1.2 - 0.6 = +0.6% ต่อ trade ทำ 100 trades = +60% กำไร แม้แพ้ 60 ครั้ง หลักการ: ตัดขาดทุนเร็ว (เล็ก) + ปล่อยกำไรวิ่ง (ใหญ่)

Q: Indicator ไหนดีที่สุด?

A: ไม่มี indicator ที่ดีที่สุด — ขึ้นกับ style เริ่มต้น: EMA 20 + EMA 50 + ADX (ง่าย ชัดเจน) มีประสบการณ์: Ichimoku หรือ MACD + ADX + Volume สำคัญกว่า indicator: risk management + discipline + patience อย่าใช้มากเกิน 3-4 indicators — สับสน = เทรดไม่ได้

Q: Trend Following ยังใช้ได้ในยุค AI ไหม?

A: ใช้ได้ — trends เกิดจาก human psychology (greed, fear) ที่ไม่เปลี่ยน Dunn Capital ใช้มา 50+ ปี ยังกำไร AI อาจทำให้ trends สั้นลงหรือ volatile มากขึ้น แต่ trends ยังมี ปรับตัว: ใช้ Python backtest ทดสอบ parameters ใหม่ๆ, adaptive MA, ML-enhanced signals