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)

เนื้อหาเกี่ยวข้อง — บทความที่เกี่ยวข้อง: Libvirt KVM Best Practices ที่ต้องรู้

Q: ทำไม win rate ต่ำแต่ยังกำไร?

แนะนำเพิ่มเติม — iCafeForex

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)

เนื้อหาเกี่ยวข้อง — C# MAUI Micro-segmentation

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

แนะนำเพิ่มเติม — ดูสัญญาณเทรดที่ XM Signal

เนื้อหาเกี่ยวข้อง — ดูเพิ่มเติมเรื่อง ร้านกาแฟ EmQuartier: สถานที่ทำงานและนั่งเล่นสำหรับคนรักเทคโนโลยีในกรุงเทพ

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

เนื้อหาเกี่ยวข้อง — บทความที่เกี่ยวข้อง: Connect FX — คู่มือฉบับสมบูรณ์ 2026: ทุกสิ่งที่คุณต้องรู้ก่อนเริ่มต้นเทรด