Support and Resistance Stock — แนวรับแนวต้านหุ้น 2026
Support (แนวรับ) และ Resistance (แนวต้าน) เป็นแนวคิดพื้นฐานที่สำคัญที่สุดใน Technical Analysis สำหรับการเทรดหุ้น Support คือระดับราคาที่มีแรงซื้อมากพอจะหยุดไม่ให้ราคาลงต่อ Resistance คือระดับราคาที่มีแรงขายมากพอจะหยุดไม่ให้ราคาขึ้นต่อ การเข้าใจ Support/Resistance ช่วยให้เทรดเดอร์หาจุด entry/exit ที่ดี ตั้ง stop loss ที่เหมาะสม และเข้าใจ market structure บทความนี้อธิบายวิธีหาและใช้แนวรับแนวต้านอย่างละเอียด พร้อม Python tools
Support & Resistance Fundamentals
# sr_basics.py — Support and Resistance fundamentals
import json
class SRBasics:
CONCEPTS = {
"support": {
"name": "Support (แนวรับ)",
"definition": "ระดับราคาที่ demand (แรงซื้อ) มากกว่า supply (แรงขาย)",
"psychology": "ผู้ซื้อเห็นว่าราคาถูก → เข้าซื้อ → ราคาหยุดลง/ดีดกลับ",
"action": "Buy เมื่อราคาลงมาถึง support (ถ้า support ยังแข็งแรง)",
"break": "ถ้า support หัก (break down) → กลายเป็น resistance ใหม่",
},
"resistance": {
"name": "Resistance (แนวต้าน)",
"definition": "ระดับราคาที่ supply (แรงขาย) มากกว่า demand (แรงซื้อ)",
"psychology": "ผู้ขายเห็นว่าราคาแพง → เข้าขาย → ราคาหยุดขึ้น/ตกลง",
"action": "Sell เมื่อราคาขึ้นมาถึง resistance (ถ้า resistance ยังแข็งแรง)",
"break": "ถ้า resistance หัก (breakout) → กลายเป็น support ใหม่",
},
}
TYPES = {
"horizontal": {
"name": "Horizontal S/R",
"description": "เส้นแนวนอนที่ราคาเคยหยุดหลายครั้ง — classic S/R",
"strength": "ยิ่งราคาเด้งที่ level เดิมหลายครั้ง = ยิ่งแข็งแรง",
},
"trendline": {
"name": "Trendline S/R",
"description": "เส้น trend ที่ลากผ่าน highs (resistance) หรือ lows (support)",
"strength": "ยิ่งมี touch points มาก = ยิ่ง valid",
},
"moving_average": {
"name": "Moving Average S/R",
"description": "MA เป็น dynamic S/R — SMA 50, SMA 200 เป็น key levels",
"strength": "MA period ยาว (200) แข็งแรงกว่า period สั้น (20)",
},
"fibonacci": {
"name": "Fibonacci Retracement S/R",
"description": "Fibonacci levels (38.2%, 50%, 61.8%) เป็น S/R ธรรมชาติ",
"strength": "61.8% (golden ratio) เป็น level ที่สำคัญที่สุด",
},
"round_numbers": {
"name": "Round Number S/R",
"description": "ตัวเลขกลมๆ เช่น 100, 500, 1000 เป็น psychological S/R",
"strength": "ตัวเลขสำคัญ: ราคาหุ้น 100, SET Index 1500, S&P 500 ที่ 5000",
},
}
def show_concepts(self):
print("=== S/R Concepts ===\n")
for key, concept in self.CONCEPTS.items():
print(f"[{concept['name']}]")
print(f" Definition: {concept['definition']}")
print(f" Break: {concept['break']}")
print()
def show_types(self):
print("=== Types of S/R ===")
for key, t in self.TYPES.items():
print(f"\n[{t['name']}]")
print(f" {t['description']}")
basics = SRBasics()
basics.show_concepts()
basics.show_types()วิธีหา Support & Resistance
# find_sr.py — How to find support and resistance
import json
class FindSR:
METHODS = {
"swing_points": {
"name": "1. Swing Highs/Lows",
"description": "หาจุดที่ราคาเปลี่ยนทิศ — swing high = local peak, swing low = local trough",
"steps": [
"ดู chart — หาจุดที่ราคาขึ้นแล้วกลับลง (swing high) = potential resistance",
"หาจุดที่ราคาลงแล้วกลับขึ้น (swing low) = potential support",
"Level ที่มี swing points หลายจุด = strong S/R",
],
},
"volume_profile": {
"name": "2. Volume Profile",
"description": "ดู volume ที่แต่ละ price level — high volume = strong S/R",
"steps": [
"ใช้ Volume Profile indicator",
"Price level ที่มี volume สูง (HVN) = strong S/R",
"Price level ที่มี volume ต่ำ (LVN) = weak S/R, ราคาผ่านเร็ว",
],
},
"previous_close": {
"name": "3. Previous Day/Week/Month Close",
"description": "ราคาปิดของ timeframe ก่อนหน้า = S/R ที่สำคัญ",
"steps": [
"Previous day close — intraday S/R",
"Previous week close — swing trade S/R",
"Previous month close — position trade S/R",
],
},
"gaps": {
"name": "4. Price Gaps",
"description": "Gap (ช่องว่าง) ในราคา = S/R — ราคามักจะ fill gap",
"steps": [
"Gap up: ขอบล่างของ gap = support",
"Gap down: ขอบบนของ gap = resistance",
"Unfilled gaps = strong S/R until filled",
],
},
}
QUALITY = {
"touches": "จำนวนครั้งที่ราคาเด้ง — 2+ ครั้ง = confirmed S/R",
"timeframe": "S/R บน timeframe ใหญ่ (Weekly, Monthly) แข็งแรงกว่า timeframe เล็ก",
"volume": "S/R ที่มี volume สูง = แข็งแรงกว่า",
"recency": "S/R ที่เกิดเร็วๆ นี้ = relevant กว่า S/R เก่า",
"confluence": "S/R ที่ตรงกับ MA, Fibonacci, round number = very strong",
}
def show_methods(self):
print("=== Methods to Find S/R ===\n")
for key, method in self.METHODS.items():
print(f"[{method['name']}]")
print(f" {method['description']}")
for step in method['steps'][:2]:
print(f" • {step}")
print()
def show_quality(self):
print("=== S/R Quality Factors ===")
for factor, desc in self.QUALITY.items():
print(f" [{factor}] {desc}")
finder = FindSR()
finder.show_methods()
finder.show_quality()Python S/R Detector
# sr_detector.py — Python support/resistance detection
import json
class SRDetector:
CODE = """
# detect_sr.py — Automated S/R detection with Python
import pandas as pd
import numpy as np
class SupportResistanceDetector:
def __init__(self, data):
'''data: DataFrame with OHLCV columns'''
self.data = data.copy()
def find_swing_points(self, window=5):
'''Find swing highs and lows'''
df = self.data.copy()
# Swing highs: local maxima
df['swing_high'] = df['High'][
(df['High'] == df['High'].rolling(window*2+1, center=True).max())
]
# Swing lows: local minima
df['swing_low'] = df['Low'][
(df['Low'] == df['Low'].rolling(window*2+1, center=True).min())
]
highs = df['swing_high'].dropna().tolist()
lows = df['swing_low'].dropna().tolist()
return {'swing_highs': highs, 'swing_lows': lows}
def cluster_levels(self, prices, tolerance_pct=1.0):
'''Cluster nearby price levels into zones'''
if not prices:
return []
prices = sorted(prices)
clusters = []
current_cluster = [prices[0]]
for price in prices[1:]:
if abs(price - current_cluster[-1]) / current_cluster[-1] * 100 <= tolerance_pct:
current_cluster.append(price)
else:
clusters.append({
'level': round(np.mean(current_cluster), 2),
'touches': len(current_cluster),
'zone_high': round(max(current_cluster), 2),
'zone_low': round(min(current_cluster), 2),
})
current_cluster = [price]
if current_cluster:
clusters.append({
'level': round(np.mean(current_cluster), 2),
'touches': len(current_cluster),
'zone_high': round(max(current_cluster), 2),
'zone_low': round(min(current_cluster), 2),
})
return sorted(clusters, key=lambda x: -x['touches'])
def find_support_resistance(self, window=5, tolerance_pct=1.5):
'''Find support and resistance levels'''
swings = self.find_swing_points(window)
resistance = self.cluster_levels(swings['swing_highs'], tolerance_pct)
support = self.cluster_levels(swings['swing_lows'], tolerance_pct)
current_price = self.data['Close'].iloc[-1]
# Classify relative to current price
above = [r for r in resistance if r['level'] > current_price]
below = [s for s in support if s['level'] < current_price]
return {
'current_price': round(current_price, 2),
'resistance_levels': above[:5],
'support_levels': below[:5],
'nearest_resistance': above[0] if above else None,
'nearest_support': below[0] if below else None,
}
def find_ma_levels(self, periods=[20, 50, 100, 200]):
'''Find moving average S/R levels'''
current_price = self.data['Close'].iloc[-1]
levels = []
for period in periods:
if len(self.data) >= period:
ma = self.data['Close'].rolling(period).mean().iloc[-1]
levels.append({
'type': f'SMA {period}',
'level': round(ma, 2),
'role': 'support' if ma < current_price else 'resistance',
'distance_pct': round(abs(current_price - ma) / current_price * 100, 2),
})
return levels
# import yfinance as yf
# data = yf.download("AAPL", period="1y")
# detector = SupportResistanceDetector(data)
# sr = detector.find_support_resistance()
# ma = detector.find_ma_levels()
"""
def show_code(self):
print("=== S/R Detector ===")
print(self.CODE[:600])
detector = SRDetector()
detector.show_code()Trading Strategies กับ S/R
# strategies.py — Trading strategies with S/R
import json
class SRStrategies:
STRATEGIES = {
"bounce": {
"name": "Bounce Strategy (เด้ง)",
"description": "Buy ที่ support, Sell ที่ resistance — range-bound market",
"entry": "ราคาลงมา support + confirmation (bullish candle, RSI oversold)",
"stop": "ใต้ support 1-2 ATR",
"target": "Resistance level ถัดไป",
"best_for": "Sideways/range-bound markets",
},
"breakout": {
"name": "Breakout Strategy (ทะลุ)",
"description": "Buy เมื่อ breakout resistance, Sell เมื่อ breakdown support",
"entry": "ราคาทะลุ resistance + volume สูง + close เหนือ level",
"stop": "กลับมาใต้ breakout level",
"target": "Next resistance level หรือ measured move",
"best_for": "Trending markets, after consolidation",
},
"retest": {
"name": "Retest Strategy (ทดสอบซ้ำ)",
"description": "รอ breakout → รอ retest → entry ที่ retest",
"entry": "ราคา breakout resistance → pullback มา test (resistance → support) → buy",
"stop": "ใต้ retest level",
"target": "Measured move = distance of consolidation range",
"best_for": "High-probability entries, patient traders",
},
}
RISK_MANAGEMENT = {
"stop_loss": "วาง stop ใต้/เหนือ S/R level — ไม่วางที่ level พอดี (ถูก stop hunt)",
"position_size": "Risk 1-2% ของ account ต่อ trade",
"risk_reward": "ขั้นต่ำ 1:2 — entry ถึง stop loss : entry ถึง target",
"multiple_levels": "ใช้ S/R หลาย levels — partial take profit ที่แต่ละ level",
}
def show_strategies(self):
print("=== S/R Trading Strategies ===\n")
for key, s in self.STRATEGIES.items():
print(f"[{s['name']}]")
print(f" Entry: {s['entry']}")
print(f" Stop: {s['stop']}")
print(f" Target: {s['target']}")
print()
def show_risk(self):
print("=== Risk Management ===")
for rule, desc in self.RISK_MANAGEMENT.items():
print(f" [{rule}] {desc}")
strategies = SRStrategies()
strategies.show_strategies()
strategies.show_risk()Common Mistakes
# mistakes.py — Common S/R mistakes
import json
class CommonMistakes:
MISTAKES = {
"exact_price": {
"name": "ใช้ราคาที่แม่นยำเกินไป",
"wrong": "Support อยู่ที่ 100.00 พอดี → ตั้ง buy ที่ 100.00",
"right": "S/R เป็น zone ไม่ใช่เส้น — ใช้ zone 98-102 แทน",
},
"ignore_timeframe": {
"name": "ไม่ดู timeframe ที่ใหญ่กว่า",
"wrong": "ดูแค่ chart 5 นาที → พลาด S/R ที่สำคัญบน Daily",
"right": "เริ่มจาก Weekly → Daily → 4H → 1H — S/R ใหญ่สำคัญกว่า",
},
"too_many_lines": {
"name": "วาดเส้นเยอะเกินไป",
"wrong": "วาด S/R ทุก swing point → chart รก ตัดสินใจไม่ได้",
"right": "เลือกเฉพาะ S/R ที่มี 2+ touches + volume สูง + timeframe ใหญ่",
},
"no_confirmation": {
"name": "ไม่รอ confirmation",
"wrong": "ราคาแตะ support → buy เลย → support หัก → ขาดทุน",
"right": "รอ bullish candle pattern + volume + RSI confirmation ก่อน entry",
},
}
def show_mistakes(self):
print("=== Common Mistakes ===\n")
for key, m in self.MISTAKES.items():
print(f"[{m['name']}]")
print(f" Wrong: {m['wrong']}")
print(f" Right: {m['right']}")
print()
mistakes = CommonMistakes()
mistakes.show_mistakes()FAQ - คำถามที่พบบ่อย
Q: Support/Resistance ใช้กับหุ้นไทยได้ไหม?
A: ได้ — S/R ใช้ได้กับทุกตลาดที่มี chart หุ้นไทย (SET): ใช้ได้ดีกับ large-cap (SET50) — volume สูง, institutional activity Timeframe: Daily และ Weekly ดีที่สุดสำหรับหุ้นไทย Round numbers สำคัญ: ราคาหุ้น 100, 500, SET Index ที่ 1400, 1500 เครื่องมือ: Settrade streaming, TradingView — รองรับหุ้นไทย
Q: S/R หักแล้วจะเกิดอะไร?
A: Role reversal: Support หัก → กลายเป็น Resistance ใหม่ Resistance หัก → กลายเป็น Support ใหม่ เหตุผล: คนที่ซื้อที่ support แล้วราคาหัก → อยากขายคืนทุนเมื่อราคากลับมา = resistance ใช้: รอ retest ที่ level เดิมหลัง break → entry ในทิศทาง break
Q: ใช้ timeframe ไหนดีที่สุด?
A: ขึ้นกับ style: Day trading: 15min-1H S/R + Daily สำหรับ key levels Swing trading: Daily-4H S/R + Weekly สำหรับ key levels Position trading: Weekly-Monthly S/R กฎ: เริ่มจาก timeframe ใหญ่ → ลงมา timeframe เล็ก S/R ที่ตรงกันหลาย timeframes = very strong (confluence)
Q: S/R กับ Supply/Demand Zone ต่างกันอย่างไร?
A: S/R: เส้นหรือ level ที่ราคาเคยหยุด — based on historical price levels Supply/Demand Zone: area/zone ที่มี institutional orders — based on order flow S/R: ง่ายกว่า เรียนรู้เร็ว เหมาะ beginners Supply/Demand: ลึกกว่า precise กว่า เหมาะ advanced traders ใช้ร่วมกัน: S/R เป็น overview + Supply/Demand สำหรับ precise entries
