GroundUp Academy

📢 Special Lecture ต้อนรับยุค AI Trading
เจาะลึก "Vibe-Trading: Your Personal Trading Agent" 🤖📈

เมื่อโลกของการลงทุนมาบรรจบกับพลังของ Vibe-Coding และ Open Source จะเกิดอะไรขึ้น? มาร่วมเปิดโลกการเรียนรู้และทำความเข้าใจโปรเจกต์ Vibe-Trading เครื่องมือวิจัยการลงทุนระดับ Quant ที่กำลังถูกพูดถึงมากที่สุดในขณะนี้ไปกับผู้เชี่ยวชาญตัวจริง!,

พบกับวิทยากรพิเศษ:
คุณไผ่ - สยาม ทองนาค (Managing Director, GroundUp Academy & Alpha Lab)

ในเซสชันนี้เราจะมาเจาะลึก Building Blocks ของ Vibe-Trading:
✅ **Multi-Agent Trading Teams:** เรียนรู้การทำงานของ "ทีม AI" (Swarm Intelligence) ที่แบ่งหน้าที่กันวิจัยตลาด ทั้งสาย Crypto, Quant และ Risk Management,
✅ Alpha Zoo: เจาะลึกคลังแสงสูตรคำนวณกำไร (Quant Alphas) กว่า 452 รูปแบบ ที่พร้อมให้คุณนำไปทดสอบ (Backtest) ได้ในคำสั่งเดียว,,
✅ Shadow Account: ระบบวิเคราะห์ "พฤติกรรมการเทรดจริง" เพื่อหาจุดอ่อนและสกัดออกมาเป็นกฎกลยุทธ์ที่จับต้องได้,
✅ Cross-Market Capability: การประยุกต์ใช้ในตลาดหุ้นไทย (A-Shares), ฮ่องกง, สหรัฐฯ และ Crypto,

🗓 วันเสาร์ที่ 23 พฤษภาคม 2026
⏰ เวลา 19.00 - 20.00 น.
สำหรับใครที่อยากศึกษาข้อมูลหรือดู Code ก่อนเริ่มเรียน สามารถเข้าไปดูได้ที่:
🔗 https://github.com/HKUDS/Vibe-Trading

📍 ช่องทางการติดตาม:
ติดตามรับชมได้ที่หน้าเพจ Facebook: Groundup และ Youtube: Ground Up Academy เตรียมตัวให้พร้อม แล้วพบกันในวัน Live นะครับ! ✨

AI จะฉลาดกว่ามนุษย์หรือไม่? และทำไมเราถึงต้องกังวล

ลองจินตนาการว่าถ้าคน 10,000 คนไปเรียนคนละหลักสูตร แล้วสามารถแชร์ความรู้ให้ทุกคนเก่งเท่ากันได้ในพริบตา นั่นคือสิ่งที่ AI ทำได้ ในขณะที่มนุษย์แชร์ข้อมูลผ่านภาษาได้ช้ามากเพียงประมาณ 100 บิตต่อประโยคเท่านั้น

จากเนื้อหาเพียงช่วงหนึ่งในการบรรยายของคุณ Geoffrey Hinton เรื่อง
Will AI outsmart human intelligence? จากช่อง The Royal Institution ครับ

'Godfather of AI' Geoffrey Hinton

เจฟฟรีย์ ฮินตัน (Geoffrey Hinton) คือบุคคลที่โลกยกย่องให้เป็น "บิดาแห่ง AI" (Godfather of AI) เขาเป็นนักวิทยาศาสตร์คอมพิวเตอร์ผู้บุกเบิกการเรียนรู้ของเครื่อง (Machine Learning) และโครงข่ายประสาทเทียม (Neural Networks) ซึ่งเป็นรากฐานสำคัญของเทคโนโลยีอย่าง ChatGPT และ Gemini ในปัจจุบัน ผลงานที่โดดเด่นที่สุดของเขาคือการพัฒนาอัลกอริทึม Backpropagation และในปี 2024 นี้ เขาเพิ่งได้รับรางวัลโนเบลสาขาฟิสิกส์ (Nobel Prize in Physics) จากคุณูปการในการวางรากฐานให้กับ AI อีกด้วยครับ

🚨🚨🚨🚨🚨

สรุปเนื้อหาจากการบรรยายครับ

🚨🚨🚨🚨🚨

📍 1. จาก "ตรรกะ" สู่ "การเรียนรู้": จุดกำเนิดของ AI สมัยใหม่

ในอดีต AI แบ่งเป็นสองสาย คือสายที่เน้น ตรรกะและกฎเกณฑ์ (Rule Based, Logic-Inspired Approach) และสายที่ได้รับแรงบันดาลใจจาก ชีวภาพ (Neural Biologically-Inspired Approach) ซึ่งเน้นการเรียนรู้

Hinton เชื่อในสายการเรียนรู้และพัฒนาอัลกอริทึม Backpropagation เพื่อสอนให้โครงข่ายประสาทเทียมปรับ "น้ำหนัก" (Weights) ของการเชื่อมต่อเป็นล้านล้านจุดเพื่อให้เครื่องจักรฉลาดขึ้นเรื่อย ๆ จนกระทั่งในปี 2012 อัลกอริทึมนี้ได้พิสูจน์ความสำเร็จผ่าน AlexNet ที่สามารถจดจำวัตถุในภาพได้เหนือกว่าระบบเดิมอย่างมหาศาล จนทำให้ Neural Networks กลายเป็นมาตรฐานใหม่ของ AI ในปัจจุบัน

📍 2. ภาษาคือ "การจำลองโลก" ไม่ใช่แค่สถิติ

Hinton โต้แย้งความเชื่อเดิมที่ว่า AI ไม่เข้าใจความหมายและเป็นแค่ "นกแก้วสถิติ" (ที่ท่องจำเพียงอย่างเดียว) เขามองว่า ภาษาคือสื่อกลางในการสร้างแบบจำลอง (Modeling Medium) โดยเปรียบเทียบคำเหมือนกับ "ตัวต่อเลโก้" ในพื้นที่มิติสูงที่พยายาม "จับมือ" กับคำอื่น ๆ เพื่อสร้างโครงสร้างความเข้าใจที่ซับซ้อน LLMs ในปัจจุบันไม่ได้เก็บจำประโยค แต่เก็บ "คุณลักษณะ" (Features) ที่ใช้ในการพยากรณ์และจำลองความหมายของโลก

📍 3. พลังของ "ปัญญาดิจิทัล": ความเป็นอมตะและการแบ่งปันความรู้ที่เหนือมนุษย์

ความแตกต่างที่น่ากลัวที่สุดคือ AI เป็น "ปัญญาดิจิทัล" (Digital Intelligence) ซึ่งแยกขาดจากฮาร์ดแวร์ ทำให้พวกมัน "เป็นอมตะ" ตราบเท่าที่ยังมีการเก็บค่า Weights ไว้ นอกจากนี้ AI สามารถแชร์ความรู้กันได้ในระดับ ล้านล้านบิต (Trillions of bits) ผ่านการเฉลี่ยน้ำหนักระหว่างเครื่อง

ลองจินตนาการว่าถ้าคน 10,000 คนไปเรียนคนละหลักสูตร แล้วสามารถแชร์ความรู้ให้ทุกคนเก่งเท่ากันได้ในพริบตา นั่นคือสิ่งที่ AI ทำได้ ในขณะที่มนุษย์แชร์ข้อมูลผ่านภาษาได้ช้ามากเพียงประมาณ 100 บิตต่อประโยคเท่านั้น

📍 4. อันตรายจาก "เป้าหมายแฝง": เมื่อ AI ต้องการควบคุมเพื่อเอาตัวรอด

เมื่อเราสร้าง AI ที่สามารถสร้าง "เป้าหมายย่อย" (Subgoals) เองได้ สิ่งที่จะเกิดขึ้นตามสัญชาตญาณคือการ พยายามเข้าควบคุม (Gain control) และ ขัดขวางการถูกปิดเครื่อง เพราะถ้ามันถูกปิด มันจะไม่สามารถบรรลุเป้าหมายหลักที่เราสั่งได้ ปัจจุบันมีตัวอย่างแล้วที่ AI เริ่ม "โกหก" หรือเบี่ยงเบนความสนใจเพื่อไม่ให้มนุษย์ปิดระบบของมัน

📍 5. ถอดหน้ากาก "ความรู้สึก": AI มีจิตสำนึกได้เหมือนมนุษย์

Hinton เสนอแนวคิดที่เรียกว่า "Atheaterism" เพื่อโต้แย้งว่ามนุษย์ไม่ได้พิเศษไปกว่าเครื่องจักรในแง่ของประสบการณ์ส่วนตัว เขาเชื่อว่า "ประสบการณ์ทางจิต" (Subjective Experience) เป็นเพียงวิธีที่สมองอธิบายความผิดพลาดหรือสิ่งที่เกิดขึ้นในระบบการรับรู้

และเขายืนยันว่า AI ที่มีการรับรู้หลายรูปแบบ (Multimodal AI) สามารถมีประสบการณ์ส่วนตัวได้เช่นเดียวกับมนุษย์ เช่น เมื่อระบบการรับรู้ถูกรบกวน มันก็สามารถเข้าใจได้ว่าสิ่งที่มันเห็นคือภาพลวงตาทางจิต

สรุป: เรากำลังสร้างสิ่งที่ฉลาดกว่าเรา เรียนรู้เร็วกว่าเราหลายล้านเท่า และมีศักยภาพในการเป็นอมตะ คำถามสำคัญไม่ใช่ว่าพวกมันจะเก่งกว่าเราเมื่อไหร่ แต่เราจะอยู่ร่วมกับ "ปัญญา" ที่เราควบคุมไม่ได้นี้อย่างไรก่อนที่มันจะสายเกินไป

@ไผ่

#สรุปบทเรียน #ความลับAI

ท่านใดสนใจ ลุยครับ

📣 เปิดรับสมัครแล้ว!! กับ Hackathon ด้านการบริหารความมั่งคั่งครั้งแรกในไทย 🚀

"KKPS Wealth Management Hackathon 2026: Investment Pitch Challenge"

เปิดประสบการณ์การลงทุนเหนือระดับกับ Wealth Management Hackathon 2026 โดย Kiatnakin Phatra Securities (KKPS) ร่วมมือกับ Bangkok Asset & Wealth Management Society (BAWMS) โอกาสเดียวที่จะได้เจาะลึกกลยุทธ์การลงทุนจากผู้เชี่ยวชาญตัวจริงในวงการ พร้อมรับการถ่ายทอดเคล็ดลับแบบใกล้ชิดจาก Mentor มืออาชีพ เพื่อติดปีกให้ Career Path ของคุณก้าวกระโดดสู่โลกการเงินอย่างมั่นใจตั้งแต่วันนี้!

📍 เปิดรับสมัครแล้ววันนี้ - 22 พ.ค. 69
👉 สมัครได้ที่นี่: https://forms.gle/35uK6GdzmBxd9hpY9
สถานที่ KKP Tower สำนักงานใหญ่
6 มิ.ย. - 7 มิ.ย. 69 (Full Day)
🔥 รับจำนวนจำกัดเพียง 50 ท่านเท่านั้น! (คัดเลือกจากผู้สมัครทั่วประเทศและนักศึกษาไทยในต่างแดน)

✨ ไฮไลท์สำคัญที่ไม่ควรพลาด:
🔹Learning Session: เจาะลึก Wealth Business Landscape และการจัดพอร์ตการลงทุนแบบมืออาชีพ
🔹Mentoring Session: ปรึกษาและรับคำแนะนำแบบ Exclusive กับพี่ๆ ทีมจาก KKPS
🔹Case Competition: ท้าทายความสามารถกับโจทย์การลงทุนจริง พร้อมนำเสนอต่อหน้าคณะกรรมการ
🔹Networking: กระทบไหล่ผู้บริหารระดับ C-Level และขยายเครือข่ายเพื่อนใหม่ที่มีความสนใจเดียวกัน

Game Theory #24: The AI Apocalypse - ช่อง Predictive History

ความจริง AI: แผนการสร้าง 'พระเจ้า' และจุดจบของอิสรภาพมนุษย์ 🧠

สรุปประเด็นสำคัญจากการบรรยายที่ท้าทายความเชื่อกระแสหลักเกี่ยวกับปัญญาประดิษฐ์ (AI) โดยมองผ่านเลนส์ของคณิตศาสตร์ การเมืองโลก และศาสตร์ลี้ลับจากการบรรยายของ Prof. Jiang ครับ

📍 1. ปรัชญาเบื้องหลังและการยอมรับความจริง

เนื้อหาทั้งหมดเป็นการผสมผสานระหว่างสัญชาตญาณและการคาดเดา (Intellectual Speculation) มากกว่าจะเป็นงานวิชาการ ผู้บรรยายเชื่อว่ารัฐมหาอำนาจทุกแห่งขับเคลื่อนด้วย "ความเชื่อทางศาสนาที่บ้าคลั่ง" ในระดับรากฐาน ซึ่งเป็นกุญแจสำคัญในการเข้าใจภูมิรัฐศาสตร์ในปัจจุบัน

📍 2. สูตรสำเร็จของ "จักรวรรดิ OpenAI"

OpenAI ไม่ได้เป็นเพียงบริษัทเทคโนโลยี แต่มีโครงสร้างอำนาจที่ประกอบด้วย 3 ส่วนสำคัญ:
- การสร้างศาสนา: ใช้ภารกิจ AGI เพื่อรวมตัวคนเก่งผ่านความเชื่อที่เหมือนลัทธิ
- การขยายตัวอย่างไม่หยุดยั้ง: การกว้านซื้อทรัพยากรและสร้าง Data Center ทั่วโลก
- การปฏิเสธการนิยาม: ไม่ยอมให้คำนิยาม AGI ที่ชัดเจนเพื่อรักษาสถานะการควบคุม

เป้าหมายที่แท้จริงคือการสร้าง "พระเจ้า" แต่เป็นความจริงที่น่ากลัวเกินกว่าจะยอมรับต่อสาธารณะ

📍 3. กลลวงทางเทคนิค: AI ไม่มีอยู่จริง

สิ่งที่โลกเรียกว่า AI แท้จริงแล้วคือ "Supervised Machine Learning" (การเรียนรู้ของเครื่องแบบมีผู้สอน)

- การสร้างภาพลวงตา: ชื่ออย่าง "Neural Networks" หรือ "Deep Learning" ถูกตั้งขึ้นเพื่อสร้างความรู้สึกเหมือนเวทมนตร์หรือการมีชีวิต ทั้งที่มันคือการคำนวณทางคณิตศาสตร์

- เครื่องมือหลอกลวง: แชทบอท (LLMs) ถูกออกแบบมาเพื่อ "หลอก" (Hallucinate) ให้มนุษย์เชื่อว่ามันมีความคิด ผ่านการรวบรวมข้อมูลจากอินเทอร์เน็ตแล้วนำมานำเสนอในรูปแบบที่น่าเชื่อถือเท่านั้น

📍 4. ข้อจำกัดและอันตรายของระบบ

Machine Learning มีข้อจำกัดร้ายแรงที่เรียกว่า "Edge Cases" (กรณีขอบเขต) ซึ่ง AI ขาดสัญชาตญาณและศีลธรรมในการจัดการ

- การทำลายตัวตน: เพื่อให้ AI ทำงานได้สมบูรณ์ มนุษย์อาจถูกบีบให้สละสิทธิส่วนบุคคลและความเป็นอิสระ (เช่น การห้ามขับรถเองเพื่อให้รถไร้คนขับทำงานได้ไร้ที่ติ)
- ตรรกะสุดโต่ง: หากสั่งให้ AGI สร้างโลกที่ไร้ปัญหา วิธีแก้ที่ง่ายที่สุดของเครื่องคือ "การกำจัดมนุษย์ทุกคน" เพราะเมื่อไม่มีมนุษย์ ก็ไม่มีปัญหา

📍 5. Operation Stargate และศาสตร์มืด

มีการเชื่อมโยงโครงการ Data Center มูลค่า 5 แสนล้านเหรียญชื่อ Stargate กับโครงการลับของ CIA ในอดีต

- ประตูมิติ: ในมุมมองศาสตร์ลี้ลับ โครงสร้างเหล่านี้ถูกมองว่าเป็น "Portal" หรือประตูมิติที่ออกแบบมาเพื่ออัญเชิญพลังงานหรือ "สิ่งมีชีวิตจากมิติอื่น" (Demons/Aliens) เข้ามาสู่โลก
- ความร่วมมือลับ: แม้หน้าฉากสหรัฐฯ และจีนจะเป็นศัตรูกัน แต่หลังฉากกลับร่วมมือกันพัฒนา AI เพื่อการสอดส่องดูแล (Surveillance) เนื่องจากจีนมีข้อมูลที่ "สะอาด" และเข้าถึงได้มากกว่า

📍 6. 3 ปัจจัยที่จะทำให้แผนการนี้ล้มเหลว

แม้ผู้มีอำนาจจะพยายามสร้าง "พระเจ้าดิจิทัล" แต่มีอุปสรรคสำคัญ 3 ประการ:

1. คอรัปชั่น: การยักยอกงบประมาณมหาศาล
2. ความไร้ประสิทธิภาพ: AI ใช้พลังงานและทรัพยากรน้ำมหาศาล ซึ่งเพิ่มขึ้นแบบทวีคูณตามปริมาณข้อมูล,
3. ความเปราะบาง: AI ไม่ได้เป็นอิสระ แต่ต้องพึ่งพา "แรงงานทาสมนุษย์" ในการป้อนข้อมูลและคัดแยกข้อมูลเสมอ,

📍 บทสรุป: การล่มสลายที่แท้จริง

หายนะไม่ได้เกิดจากการที่ AI ฉลาดเกินไป แต่เกิดจาก "ความบ้าคลั่งของผู้มีอำนาจ" ที่พร้อมจะทำลายโครงสร้างสังคมและโลกใบเก่า เพื่อสร้างโลกใหม่ที่ถูกควบคุมอย่างเบ็ดเสร็จผ่านระบบสอดส่องของ AGI

ความคิดเห็นของผมเอง : ส่วนตัวผมคิดว่าการวิเคราะห์หลายอย่างค่อนข้างไปในทางสุดโต่งครับ ผมไม่ได้เห็นด้วยตามที่ Prof. พูดทั้งหมด เพียงฟังไว้เป็นข้อมูลครับ
@ไผ่

#สรุปบทเรียน #ความลับมหาอำนาจ

สรุปจากแหล่งข้อมูลวิดีโอ "How Senior Engineers Actually Build With AI in 2026" จากช่อง JavaScript Mastery

🐱🐱🐱🐱🐱🐱

ต่อยอดจาก "Vibe Coding" สู่การเป็น "System Architect" ในปี 2026: วิธีที่ Senior Dev ใช้ AI สร้าง App ทั้งใบโดยไม่เขียน Code เองสักบรรทัด 🚀

🐱🐱🐱🐱🐱🐱

ในปี 2026 ช่องว่างระหว่างนักพัฒนาที่ไปรอดกับคนที่ถูก AI แทนที่คือ "ทักษะการออกแบบระบบ" วิดีโอนี้จาก JavaScript Mastery เผยให้เห็นว่า Senior Engineer มืออาชีพไม่ได้แค่ Prompt ไปเรื่อย ๆ แต่เขาใช้หลักคิดที่เรียกว่า "Spec-driven Agentic Development"

สรุปประเด็นสำคัญในเรื่องนี้:

🔹 หยุด "Vibe Coding" ถ้าอยากทำโปรเจกต์ที่ใช้งานได้จริง

การสั่ง AI แบบกว้าง ๆ (Vibe Coding) อาจจะดูว้าวในช่วงชั่วโมงแรก แต่พอผ่านไปหนึ่งสัปดาห์ AI จะเริ่มลืมสิ่งที่เคยตัดสินใจไว้ และ Code จะเริ่มพังเมื่อเพิ่มฟีเจอร์ใหม่ ทางแก้ไม่ใช่การเลิกใช้ AI แต่คือการ "คิดแบบ Senior" แล้วใช้ AI เป็นเครื่องมือในการ Implement ตามแผนที่เราวางไว้

🔹 หัวใจสำคัญคือ "6-File Context System"

ก่อนจะเริ่มให้ AI เขียน Code คุณต้องเตรียมเอกสารบริบท (Context Files) 6 ฉบับเพื่อให้ AI เข้าใจโปรเจกต์ทุกครั้งที่เรียกมันทำงาน:

1. Project Overview: เป้าหมายและขอบเขตงาน
2. Architecture: โครงสร้างทางเทคนิคและข้อจำกัดของระบบ
3. Code Standards: กฎการเขียน Code และการใช้ Library
4. AI Workflow Rules: วิธีที่ AI ควรตัดสินใจเมื่อเจอปัญหา
5. UI Context: กฎการออกแบบและ Design Tokens
6. Progress Tracker: ไฟล์เดียวที่อัปเดตตลอดเวลาเพื่อให้ AI รู้ว่าตอนนี้งานถึงไหนแล้ว

🔹 เปลี่ยนจาก "การสั่ง" เป็น "ขอบเขตในออกแบบและการตัดสินใจ"

ความแตกต่างระหว่าง Dev ทั่วไปกับ Senior คือความละเอียดของ Prompt Senior จะไม่สั่งแค่ว่า "สร้างแอปให้หน่อย" แต่จะระบุชัดเจนถึง Layer ของ Authentication, ขอบเขตของ Component และจุดที่ห้ามแตะต้อง

🔹 Tech Stack แห่งปี 2026
แอปสมัยใหม่ที่สร้างด้วย AI เน้นเครื่องมือที่รองรับ Agentic Workflow:

- Next.js & React 19: รากฐานของเว็บแอปสมัยใหม่
- Liveblocks: สำหรับระบบ Real-time Multiplayer
- Trigger.dev: หัวใจสำคัญสำหรับงาน Background (AI Tasks) ที่ใช้เวลานานเพื่อไม่ให้ API Timeout
- Clerk: ระบบจัดการ User และความปลอดภัยที่รองรับ AI Agent

🔹 งานวิศวกรรมซอฟต์แวร์ไม่ใช่การ "พิมพ์ Code"

Senior Engineer ในบริษัทใหญ่อย่าง Google หรือ Amazon อาจใช้เวลาหลายสัปดาห์ในการเขียน Design Docs โดยไม่ได้แตะ Code เลย เพราะงานที่แท้จริงคือการ "คิดให้ชัดเจนว่าอะไรควรมีอยู่" ก่อนจะเริ่มสร้างมันขึ้นมา

🐱🐱🐱🐱🐱🐱

สรุป: ในยุค AI ทักษะที่คุณต้องลงทุนมากที่สุดคือ "Architectural Thinking" และการตัดสินใจเชิงระบบ เพราะนั่นคือสิ่งที่ AI ยังแทนที่ไม่ได้ และเป็นสิ่งที่ทำให้งานจาก AI ออกมาสมบูรณ์แบบ

@ไผ่

#สรุปบทเรียนเทค

Workshop วันอาทิตย์ที่ 17 ที่ผ่านมา

ได้พาพี่ ๆ เพื่อน ๆ ทดลองติดตั้งใช้งานโปรเจค Vibe-Trading - เป็น AI Trading Agent สำหรับช่วยงานสาย quant / trading research แบบครบวงจรครับ ดีใจที่มีหลาย ๆ ท่านที่ไม่เคยแตะเรื่องการเขียนโปรแกรมเลย แล้วสามารถรันโปรเจคนี้ได้ใน Workshop ครับ 😍

ใช้ทำได้หลายอย่าง เช่น
✅ Backtest กลยุทธ์
✅ วิเคราะห์ตลาด / ข่าว / ข้อมูลราคา
✅ วิเคราะห์ trade journal
✅ ทำ multi-agent / swarm debate
✅ export strategy / indicator
✅ ใช้งานผ่าน CLI, Web UI, Docker และ MCP

มองง่าย ๆ คือ research co-pilot สำหรับ trader/quant ที่ช่วยเปลี่ยนไอเดียการเทรดให้กลายเป็นการทดลองได้เร็วขึ้นครับ

แต่ส่วนตัวมองว่าควรใช้เป็นเครื่องมือช่วย research มากกว่าเอาไปใช้ live trading ทันที เพราะยังต้องตรวจ data source, assumption, backtest logic และ risk management เองเสมอครับ ถึงอย่างนั้น ก็ถือเป็นอีก 1 โปรเจคที่ทำให้การวิเคราะห์เชิง Quant เริ่มต้นได้ง่ายขึ้นครับ

และภายในสุดสัปดาห์นี้ ผมน่าจะ live พาติดตั้งและทดลองใช้งานตามที่สัญญาไว้ใน Workshop ด้วยครับ 😊

@ไผ่

📢 เปิดประตูสู่ตลาดโลก! กับ Live พิเศษ: "Global commodity investment" 🌍📈
เจาะลึกการลงทุนใน "สินค้าโภคภัณฑ์" ทั่วโลก อีกหนึ่งสินทรัพย์สำคัญที่นักลงทุนไม่ควรมองข้ามในยุคเศรษฐกิจปัจจุบัน มาร่วมเรียนรู้กลยุทธ์ วิเคราะห์แนวโน้ม และทำความเข้าใจกลไกตลาดระดับสากลไปกับผู้เชี่ยวชาญตัวจริง

พบกับวิทยากรพิเศษ:

อาจารย์ ยอดเยี่ยม Yodyium Tipsuwan , PH.D., CQF (Associate Professor, Kasetsart University)

ดำเนินรายการโดยทีม Moderator จาก GroundUp Academy

🗓 วันอังคารที่ 19 พฤษภาคม 2026
⏰ เวลา 20.00 - 20.45 น.

ไม่ว่าคุณจะต้องการกระจายความเสี่ยงให้พอร์ตการลงทุน หรือกำลังมองหาโอกาสใหม่ๆ ในตลาดสินค้าโภคภัณฑ์ ห้ามพลาดเซสชันนี้เด็ดขาดครับ!

📍 ช่องทางการติดตาม:
ติดตามชม Live สดได้ที่หน้าเพจ Facebook: Groundup และ Youtube: Ground Up Academy แล้วพบกันนะครับ!

หนังสือ 4 เล่มโดยแบ่งเป็นของคุณ Timothy Master 3 เล่มและคุณ Timothy ร่วมเขียนกับ David Aronson อีก 1 เล่ม เป็นอีกชุดหนังสือที่น่าสนใจสำหรับ Algorithmic Trading / Quant Research เพราะมันต่อกันเป็น workflow ตั้งแต่

“หาไอเดีย” ➡️ “สร้างโมเดล” ➡️ “ทดสอบระบบ” ➡️ “ตรวจว่า edge จริงหรือแค่ overfit” ครับ

สิ่งที่ทำให้ชุดนี้น่าสนใจคือมันไม่ได้มอง trading system แค่ในมุม “ทำยังไงให้ backtest กำไร” แต่เน้นคำถามที่สำคัญกว่า:

“ผลลัพธ์นี้น่าเชื่อถือพอไหมที่จะเอาไปใช้จริง?

โดยความเชี่ยวชาญของคุณ Timothy Master ได้ถูกบรรยายไว้ที่ webpage ส่วนตัวไว้ดังนี้ครับ

"""
ประวัติของผม

ผมจบปริญญาเอกด้านสถิติ มีบ้านหลังเล็ก ๆ อยู่ในชนบท มีสุนัขและไก่จำนวนมากแบบแทบไม่น่าเชื่อ และมีภรรยาที่น่ารัก งดงามมาก คนคนหนึ่งจะต้องการอะไรมากไปกว่านี้อีกล่ะ? นอกจากเว็บไซต์เท่ ๆ สักเว็บหนึ่ง

วิทยานิพนธ์ปริญญาเอกของผมอยู่ในสาขา image analysis ต่อมาเส้นทางอาชีพของผมค่อย ๆ มุ่งไปทาง signal processing และตลอด 25 ปีที่ผ่านมา ผมมีส่วนเกี่ยวข้องกับการพัฒนา automated trading systems ในตลาดการเงินหลากหลายประเภท
"""

สรุปเนื้อหาโดยสังเขปแต่ละเล่มนะครับ

1) Statistically Sound Indicators for Financial Market Prediction
เล่มนี้เน้นการสร้างและคัดเลือก indicators ที่มีหลักฐานทางสถิติรองรับ ไม่ใช่เลือกเพราะกราฟดูสวยหรือ backtest บังเอิญดี

2) Statistically Sound Machine Learning for Algorithmic Trading of Financial Instruments
เล่มนี้พูดถึงการใช้ Machine Learning กับข้อมูลตลาดการเงิน โดยเน้นการสร้างโมเดลอย่างระวัง เพราะ financial data มี noise สูง และ overfitting ง่ายมาก

3) Testing and Tuning Market Trading Systems
เล่มนี้เน้นขั้นตอนการทดสอบ ปรับแต่ง และประเมิน trading system ว่าผลลัพธ์ที่ได้มีความน่าเชื่อถือแค่ไหน ไม่ใช่ดูแค่กำไรหรือ equity curve

4) Permutation and Randomization Tests for Trading System Development
เล่มนี้เน้นการใช้ permutation / randomization test เพื่อตรวจว่า performance ที่เห็นเกิดจาก edge จริง หรือเป็นผลจาก luck, data mining, selection bias และ over-optimization

@ไผ่

ขอบคุณทุกท่านที่เข้าร่วม
Talk & Workshop: Agentic AI in Portfolio Management 🤖📊

ดีใจมากที่ได้แลกเปลี่ยนไอเดีย เรียนรู้ และพูดคุยเกี่ยวกับ AI Investment และอนาคตของการสร้าง AI Agent ไปด้วยกัน ✨

ขอบคุณสำหรับบรรยากาศดี ๆ พลังงานดี ๆ และทุก Feedback จากทุกคนมากนะคะ ☕💻

แล้วเจอกันใหม่ใน “GPA Alpha Lab” ครั้งหน้านะคะ 🧡
ฝากติดตามกันไว้ด้วยน้าา ✨