EdgeLab Dashboard

📖 คู่มือการใช้งาน EdgeLab

EdgeLab คืออะไร

EdgeLab เป็นระบบ Algorithmic Trading Backtester สำหรับทดสอบ strategy บน historical data ก่อนนำไปใช้จริง โดยใช้ราคาย้อนหลังจาก Yahoo Finance

ขั้นตอนการใช้งาน

1. ค้นหา Symbol — พิมพ์ชื่อหุ้นหรือ ticker ในช่อง Symbol แล้วเลือกจาก dropdown
2. เลือก Strategy — เลือก strategy ที่ต้องการทดสอบ (ดูรายละเอียดในแท็บ Strategy)
3. เลือก Period — ช่วงเวลาของข้อมูลย้อนหลัง (1–5 ปี)
4. ตั้งค่า Capital & Risk — เงินทุนตั้งต้น และ % risk ต่อ trade
5. กด Run Backtest — ระบบจะรัน และแสดงผลใน terminal ด้านล่าง
6. ดู Report — คลิก card ใน Reports เพื่อดู equity curve และสถิติ

การค้นหา Symbol

รองรับทุกตลาดใน Yahoo Finance เช่น

US Stocks: AAPL, MSFT, GOOGL, NVDA
ETF: SPY, QQQ, GLD
Thai Stocks: PTT.BK, ADVANC.BK, AOT.BK
Crypto: BTC-USD, ETH-USD
Forex: EURUSD=X, GBPUSD=X

💡 พิมพ์ชื่อบริษัทภาษาอังกฤษก็ได้ เช่น "Apple" หรือ "Tesla" ระบบจะค้นหาให้อัตโนมัติ

BOS + Retest Trend-Following

เหมาะกับตลาดที่มี trend ชัดเจน

ระบบหา Break of Structure (BOS) — ราคาทะลุ swing high/low สำคัญ
รอราคา Retest กลับมาที่ระดับ BOS (±1.5×ATR)
เข้า trade เมื่อมี price action pattern ยืนยัน + confluence ≥ 65
Stop Loss: ต่ำ/สูงกว่า swing ก่อนหน้า | Take Profit: S/R ถัดไป

💡 ผลดีที่สุดบน Daily timeframe กับหุ้นที่มี trend ชัด เช่น AAPL, MSFT, NVDA

EMA Pullback Trend-Following

เหมาะกับตลาด trending ที่ราคา pullback มาที่ EMA

เงื่อนไข Trend: close > EMA50 > EMA200 (buy) หรือกลับกัน (sell)
รอราคา pullback มาชิด EMA50 (±0.8×ATR)
ยืนยันด้วย ADX > 18 (trend ยังแข็ง) + confluence ≥ 62
Stop Loss: EMA50 − 1.5×ATR

RSI Mean-Reversion Range-Bound

เหมาะกับตลาดที่ sideway หรือ range-bound

เงื่อนไข Ranging: ADX < 30 (ไม่มี trend)
Buy: RSI ≤ 40 หรือ BB%B ≤ 0.25 (oversold) | Sell: RSI ≥ 60 หรือ BB%B ≥ 0.75
Take Profit: กลับมาที่ BB midline

⚠️ Strategy นี้ไม่เหมาะกับหุ้น Tech ช่วง bull market เพราะ ADX สูงตลอด ลองใช้กับ ETF Bond หรือ Commodity แทน

Confluence Score คืออะไร

ระบบให้คะแนน 0–100 จากหลาย factor ก่อนเปิด trade:

Factor	น้ำหนัก	เงื่อนไข
Market Structure (HTF)	30%	BOS/CHoCH ตรงทิศทาง
S/R Zone Strength	25%	ราคาอยู่ใกล้ zone แข็งแกร่ง
Price Action Pattern	20%	Pin bar, Engulfing, Morning star ฯลฯ
Momentum (RSI/ADX)	15%	RSI/ADX ยืนยันทิศทาง
Volume	10%	Volume สูงกว่าค่าเฉลี่ย 20 bar

Period (ระยะเวลาข้อมูล)

ค่า	ข้อมูล	เหมาะกับ
`1y`	~252 bars	ทดสอบเร็ว, market condition ล่าสุด
`2y`	~504 bars	ครอบคลุม cycle ปกติ
`3y`	~756 bars	แนะนำสำหรับ BOS & EMA
`5y`	~1260 bars	Walk-forward validation ครบถ้วน

Capital (เงินทุน)

เงินทุนตั้งต้นสำหรับ simulation (ค่า default $10,000) ไม่ใช่เงินจริง — ใช้คำนวณ position size และ P&L เท่านั้น

Risk per Trade (%)

% ของ portfolio ที่ยอมเสียต่อ trade หนึ่ง ระบบคำนวณ qty อัตโนมัติจาก:

qty = (capital × risk%) ÷ |entry - stop_loss|

Risk %	ความเสี่ยง	เหมาะกับ
0.5%	ต่ำมาก	ทดสอบระบบ conservative
1.0%	ต่ำ (แนะนำ)	มาตรฐาน institutional
2.0%	ปานกลาง	Aggressive retail

Walk-Forward Validation

แบ่งข้อมูลออกเป็น 5 ช่วง ทดสอบแบบ expanding window เพื่อวัดว่า strategy robust จริงหรือ overfit:

Fold 1: train ปี 1–2, test ปี 2 Q3–Q4
Fold 2: train ปี 1–3, test ปี 3 Q3–Q4
… (ขยาย train ทุก fold)

💡 ถ้า ≥ 3 ใน 5 fold กำไร = strategy น่าเชื่อถือ. ถ้า fold ต้นๆ ดีแต่หลังๆ แย่ = overfit

ตัวชี้วัดหลัก

ตัวชี้วัด	ความหมาย	เกณฑ์ดี
Win Rate	% ของ trade ที่กำไร	> 40% (ถ้า R:R ดี)
Profit Factor	gross profit ÷ gross loss	> 1.5
Sharpe Ratio	return ÷ volatility (รายปี)	> 1.0
Sortino Ratio	เหมือน Sharpe แต่นับแค่ downside	> 1.5
Max Drawdown	ขาดทุนสูงสุดจาก peak	< 15%
CAGR	ผลตอบแทนรายปีทบต้น	> 10%
Expectancy $	กำไรเฉลี่ยต่อ trade	> $0

IS vs OOS คืออะไร

IN-SAMPLE (IS) — ข้อมูล 70% แรก: strategy "เห็น" ข้อมูลนี้ตอน optimize
OUT-OF-SAMPLE (OOS) — ข้อมูล 30% หลัง: เสมือน "อนาคต" ที่ strategy ไม่เคยเห็น

💡 ให้ดู OOS เป็นหลัก — ถ้า IS ดีแต่ OOS แย่มาก = overfit

Cost Deduction (AC-01)

ทุก trade หักค่าใช้จ่ายอัตโนมัติ รวม ~0.12% ต่อ side:

Commission: 0.05%
Slippage: 0.05%
Spread: 0.02%

HTML Report

คลิก card ใน Reports เพื่อเปิด report ที่มี:

Equity Curve — กราฟมูลค่า portfolio ตามเวลา
Metric Boxes — Win Rate, PF, Sharpe, Drawdown, CAGR
Trade Table — รายการ trade ทุกอัน พร้อม entry/exit/P&L

แหล่งข้อมูล

ระบบดึงข้อมูลจาก Yahoo Finance ผ่าน library yfinance อัตโนมัติเมื่อกด Run Backtest

Cache

ข้อมูล Daily (1D): cache 18 ชั่วโมง
ข้อมูล Intraday (1H/15M): cache 6 ชั่วโมง
ถ้า cache ยังไม่หมดอายุ → ใช้ข้อมูลเดิม (รวดเร็วกว่า)

ข้อจำกัดของ Yahoo Finance

Timeframe	ข้อมูลย้อนหลังสูงสุด	หมายเหตุ
Daily (1D)	ไม่จำกัด (10+ ปี)	แนะนำสำหรับ backtest
1 Hour (1H)	730 วัน (~2 ปี)	-
15 Minute (15M)	60 วัน	เหมาะ intraday เท่านั้น

Alpaca API (Phase 2)

สำหรับ live trading และข้อมูล intraday ยาวขึ้น ต้องสมัคร Alpaca (ฟรี) และเพิ่ม key ใน /opt/TradingBot/.env:

ALPACA_API_KEY=your_key
ALPACA_SECRET_KEY=your_secret

⚠️ ห้าม hardcode key ในโค้ด ใช้ .env เท่านั้น และ .env ถูก .gitignore แล้ว

Reports

Loading…

Preview