Robust Backtesting Course (ATA Certification)

# Course outline / detail — Robust Backtesting

แหล่ง: `ATA_Quant Backtesting_Course.pdf` (86 หน้า สไลด์ 8 clip) + `courses/ata.md` ตัวเลขผลลัพธ์กลยุทธ์ในสไลด์ตั้งใจไม่ใส่ในบทสรุป (กฎ 1 ห้ามบอกใบ้ผลตอบแทน, กฎ 4 ห้ามอ้างสถิติไม่มี URL)

## บทสรุปเนื้อหา (วางลง course detail ได้)

“`
Robust Backtesting
การทดสอบสมมติฐานและประเมินความเสี่ยงระบบเทรด
จาก Backtest แรก ถึง Sharpe ที่เชื่อได้

วิชานี้อยู่ในหลักสูตร Algorithmic Trading in Action (ATA) Certification Program — Quant Series
ของ GroundUp Academy เรียนแบบ Video on Demand ดูย้อนหลังได้ตลอด
สอนโดย คุณที รณวัฒน์ ผู้เชี่ยวชาญด้านการลงทุนและการเงินเชิงปริมาณ

Backtest ที่ดูดีสร้างง่ายกว่ากลยุทธ์ที่ดี วิชานี้สอนให้ตั้งข้อสงสัยกับผลทดสอบของตัวเองก่อนเสมอ
และมีวิธีตรวจสอบว่าผลนั้นเชื่อได้แค่ไหน โดยเรียนผ่านตัวอย่างโค้ด Python บน Google Colab
ผลลัพธ์ของแต่ละ clip ถูกใช้ต่อใน clip ถัดไป

เมื่อเรียนจบวิชานี้ คุณจะ
• เข้าใจว่า backtest คืออะไร ใช้ทำอะไร และไม่ได้ทำอะไร
• ระบุ bias ที่ทำให้ผลทดสอบดูดีเกินจริง เช่น look-ahead bias, survivorship bias, overfitting, data snooping
• เขียน backtest ได้ทั้งแบบ loop และ vectorization แล้วตรวจว่าให้ผลตรงกันทุกวัน
• ทดสอบกลยุทธ์ด้วย walk-forward analysis และ cross validation ที่ถูกต้องกับข้อมูลอนุกรมเวลา
• วัดผลด้วย performance metrics หลายมิติ ด้วย pyfolio และ QuantStats
• ประเมินความน่าเชื่อถือของ Sharpe ratio ด้วย PSR, DSR และการปรับค่าตามจำนวนครั้งที่ลองทดสอบ

เนื้อหา 8 clip (clip ละประมาณ 15 นาที)
1. Taxonomy และ Why Backtesting — ประเภทของกลยุทธ์ quant, backtest คืออะไรและทำไมต้องทำ, ข้อมูลที่ใช้ตลอดคอร์ส
2. Bias, Overfitting และ Seven Sins — บาป 7 ประการของ quant investing, look-ahead bias ด้วยโค้ดจริง, overfitting, checklist 6 ด้านก่อนเชื่อ backtest
3. Three Types of Backtests — walk-forward (anchored และ rolling), resampling และ cross validation (purging, embargo), Monte Carlo simulation
4. Loop vs Vectorization — เขียน momentum strategy สองแบบ ตรวจผลตรงกัน และดูผลของต้นทุนการซื้อขาย
5. Pair Trading — cointegration ไม่ใช่ correlation, z-score ของ spread เป็นสัญญาณ, กลยุทธ์แบบมีสถานะ
6. vectorbt, WFA และ Cross Validation — ลองหลาย parameter ในบรรทัดเดียว, parameter plateau, walk-forward แบบ anchored กับ rolling, ทำไม k-fold ใช้กับ time series ตรง ๆ ไม่ได้
7. Performance Metrics, pyfolio, QuantStats — metric 4 กลุ่ม, คำนวณเองก่อนใช้ library, drawdown, รายงานแบบเต็มฉบับ
8. PSR, DSR และ FWER — ข้อผิดพลาดในการใช้ Sharpe ratio, ข้อมูลต้องยาวแค่ไหนจึงเชื่อได้ (MinTRL), ปรับค่าตามจำนวน trial, สิ่งที่สถิติแก้ให้ไม่ได้

เครื่องมือ: Python (pandas, numpy), vectorbt, pyfolio, QuantStats
เหมาะกับ: {{ต้องยืนยัน: กลุ่มผู้เรียนและความรู้พื้นฐานที่ต้องมี}}

ใบรับรอง
ผู้เรียนที่เรียนครบทุกวิชาในหลักสูตรและส่งโปรเจกต์ backtest ระบบเทรด 1 ระบบ
จะได้รับใบรับรองจาก GroundUp Academy

เนื้อหาเพื่อการศึกษา ไม่ใช่คำแนะนำการลงทุน