หุ้นในตลาด mai

เปิดโลกการลงทุนในหุ้นเทคโนโลยีแห่งตลาด mai

ตลาดหลักทรัพย์ เอ็ม เอ ไอ (Market for Alternative Investment: mai) ถือเป็นแหล่งระดมทุนสำคัญสำหรับธุรกิจขนาดกลางและขนาดย่อมที่มีศักยภาพในการเติบโตสูง โดยเฉพาะอย่างยิ่งในกลุ่มธุรกิจเทคโนโลยี ซึ่งเป็นหนึ่งในหมวดธุรกิจที่มีการเติบโตอย่างโดดเด่นในรอบทศวรรษที่ผ่านมา บทความนี้จะพาคุณไปทำความเข้าใจอย่างลึกซึ้งเกี่ยวกับหุ้นเทคโนโลยีในตลาด mai ตั้งแต่แนวคิดพื้นฐาน กลยุทธ์การวิเคราะห์ การใช้เครื่องมือทางเทคโนโลยีในการตัดสินใจลงทุน ไปจนถึงกรณีศึกษาและแนวปฏิบัติที่ดีที่สุด

การลงทุนในหุ้นเทคโนโลยีของตลาด mai มีความแตกต่างจากการลงทุนในหุ้นขนาดใหญ่ของตลาดหลักทรัพย์แห่งประเทศไทย (SET) อย่างมีนัยสำคัญ เนื่องจากบริษัทเหล่านี้มักอยู่ในช่วงเริ่มต้นหรือช่วงขยายตัว มีความผันผวนสูงกว่า แต่ก็มีศักยภาพในการสร้างผลตอบแทนที่สูงกว่าเช่นกัน การทำความเข้าใจลักษณะเฉพาะของหุ้นกลุ่มนี้จึงเป็นกุญแจสำคัญสู่ความสำเร็จในการลงทุน

1. ภาพรวมของหุ้นเทคโนโลยีในตลาด mai

1.1 ลักษณะเด่นของบริษัทเทคโนโลยีใน mai

บริษัทเทคโนโลยีที่จดทะเบียนในตลาด mai มักมีลักษณะร่วมกันหลายประการ:

• ขนาดธุรกิจ: มีทุนจดทะเบียนชำระแล้วไม่ต่ำกว่า 50 ล้านบาท แต่ไม่เกิน 300 ล้านบาท
• รูปแบบธุรกิจ: มุ่งเน้นนวัตกรรมและเทคโนโลยีดิจิทัล เช่น SaaS, FinTech, HealthTech, EdTech, และ E-commerce
• อัตราการเติบโต: มีอัตราการเติบโตของรายได้สูงกว่า 20-30% ต่อปีในช่วง 2-3 ปีแรกหลัง IPO
• ความเสี่ยง: มีความเสี่ยงด้านกระแสเงินสดและการแข่งขันที่สูงกว่าบริษัทขนาดใหญ่

1.2 หมวดหมู่ย่อยของหุ้นเทคโนโลยี

ตลาด mai แบ่งกลุ่มธุรกิจเทคโนโลยีออกเป็นหลายหมวดหมู่ย่อย ซึ่งแต่ละหมวดมีลักษณะและปัจจัยขับเคลื่อนที่แตกต่างกัน:

2. การวิเคราะห์ปัจจัยพื้นฐานสำหรับหุ้นเทคโนโลยี

2.1 ตัวชี้วัดทางการเงินที่สำคัญ

การวิเคราะห์หุ้นเทคโนโลยีในตลาด mai ต้องใช้ตัวชี้วัดทางการเงินที่แตกต่างจากหุ้นทั่วไป เนื่องจากบริษัทเหล่านี้มักมีกำไรน้อยหรือยังขาดทุนในช่วงแรก แต่มีศักยภาพในการเติบโตสูง ตัวชี้วัดที่ควรให้ความสำคัญ ได้แก่:

• รายได้ (Revenue) และอัตราการเติบโตของรายได้ (Revenue Growth Rate): ควรเติบโตมากกว่า 20% YoY อย่างต่อเนื่อง
• Gross Margin: ควรสูงกว่า 50% สำหรับธุรกิจ SaaS และสูงกว่า 30% สำหรับธุรกิจ Marketplace
• Customer Acquisition Cost (CAC) และ Lifetime Value (LTV): อัตราส่วน LTV/CAC ควรสูงกว่า 3 เท่า
• Monthly Recurring Revenue (MRR) หรือ Annual Recurring Revenue (ARR): สำหรับธุรกิจ Subscription Model
• Cash Burn Rate: ควรมีระยะเวลาการเผาผนึกเงินสด (Runway) มากกว่า 12-18 เดือน

2.2 การใช้ Python ในการวิเคราะห์ปัจจัยพื้นฐาน

นักลงทุนยุคใหม่สามารถใช้ภาษา Python เพื่อช่วยในการวิเคราะห์ปัจจัยพื้นฐานของหุ้นเทคโนโลยีในตลาด mai ได้อย่างมีประสิทธิภาพ ตัวอย่างโค้ดด้านล่างนี้แสดงวิธีการดึงข้อมูลงบการเงินจากฐานข้อมูลและคำนวณอัตราการเติบโตของรายได้:

import pandas as pd
import numpy as np
from datetime import datetime, timedelta

# สร้างข้อมูลจำลองงบการเงินของบริษัทเทคโนโลยีใน mai
def generate_financial_data(company_name, years=5):
    np.random.seed(42)
    dates = [datetime(2020, 12, 31) - timedelta(days=365*i) for i in range(years)]
    dates.sort()
    
    # สมมติว่ารายได้เริ่มต้น 100 ล้านบาท และเติบโต 25% ต่อปี
    base_revenue = 100
    revenues = [base_revenue * (1.25 ** i) for i in range(years)]
    
    # คำนวณอัตราการเติบโต YoY
    growth_rates = [0] + [(revenues[i] - revenues[i-1]) / revenues[i-1] * 100 for i in range(1, years)]
    
    # สร้าง DataFrame
    df = pd.DataFrame({
        'ปี': [d.year for d in dates],
        'รายได้ (ล้านบาท)': revenues,
        'อัตราการเติบโต (%)': growth_rates
    })
    
    return df

# วิเคราะห์บริษัทตัวอย่าง
company_data = generate_financial_data('TechCompany A', years=5)
print("=== ข้อมูลทางการเงินของ TechCompany A ===")
print(company_data)

# คำนวณค่าเฉลี่ยอัตราการเติบโต (ไม่รวมปีแรก)
avg_growth = company_data['อัตราการเติบโต (%)'][1:].mean()
print(f"\nอัตราการเติบโตเฉลี่ย 4 ปีหลัง: {avg_growth:.2f}%")

# ตรวจสอบเงื่อนไขเบื้องต้น
if avg_growth > 20:
    print("✓ ผ่านเกณฑ์: อัตราการเติบโตสูงกว่า 20%")
else:
    print("✗ ไม่ผ่านเกณฑ์: อัตราการเติบโตต่ำกว่า 20%")

2.3 การวิเคราะห์เชิงคุณภาพ

นอกเหนือจากตัวเลขทางการเงินแล้ว การวิเคราะห์เชิงคุณภาพมีความสำคัญอย่างยิ่งสำหรับหุ้นเทคโนโลยี:

1. ทีมผู้บริหาร: ควรมีประสบการณ์ในอุตสาหกรรมและมีวิสัยทัศน์ที่ชัดเจน
2. Technology Moat: ความได้เปรียบทางการแข่งขัน เช่น สิทธิบัตร, Network Effect, หรือ Data Advantage
3. Product-Market Fit: ความสอดคล้องระหว่างผลิตภัณฑ์กับความต้องการของตลาด
4. Scalability: ความสามารถในการขยายธุรกิจโดยไม่เพิ่มต้นทุนในสัดส่วนที่เท่ากัน
5. Regulatory Risk: ความเสี่ยงด้านกฎระเบียบ โดยเฉพาะในกลุ่ม FinTech และ HealthTech

3. การใช้เทคโนโลยีในการติดตามและวิเคราะห์หุ้น mai

3.1 การสร้างระบบติดตามราคาหุ้นอัตโนมัติ

นักลงทุนสามารถพัฒนาโปรแกรมเพื่อติดตามราคาหุ้นในตลาด mai แบบ Real-time โดยใช้ API จากแหล่งข้อมูลต่างๆ ตัวอย่างต่อไปนี้เป็นการใช้ Python และ yfinance library เพื่อดึงข้อมูลราคาหุ้น:

import yfinance as yf
import pandas as pd
import matplotlib.pyplot as plt
from datetime import datetime, timedelta

# รายชื่อหุ้นเทคโนโลยีใน mai ที่ต้องการติดตาม (ตัวอย่าง)
tech_stocks_mai = ['SISB.BK', 'BBIK.BK', 'DITTO.BK', 'TRUBB.BK']

def analyze_mai_tech_stocks(stock_list, period='6mo'):
    results = []
    
    for stock in stock_list:
        try:
            # ดาวน์โหลดข้อมูลราคาหุ้น
            ticker = yf.Ticker(stock)
            hist = ticker.history(period=period)
            
            # คำนวณผลตอบแทน
            if len(hist) > 0:
                start_price = hist['Close'].iloc[0]
                end_price = hist['Close'].iloc[-1]
                total_return = ((end_price - start_price) / start_price) * 100
                
                # คำนวณค่าเฉลี่ยเคลื่อนที่
                hist['MA20'] = hist['Close'].rolling(window=20).mean()
                hist['MA50'] = hist['Close'].rolling(window=50).mean()
                
                results.append({
                    'หุ้น': stock.replace('.BK', ''),
                    'ราคาปัจจุบัน': round(end_price, 2),
                    'ผลตอบแทน (%)': round(total_return, 2),
                    'MA20': round(hist['MA20'].iloc[-1], 2),
                    'MA50': round(hist['MA50'].iloc[-1], 2)
                })
                
                # แสดงกราฟราคา
                plt.figure(figsize=(10, 5))
                plt.plot(hist.index, hist['Close'], label='ราคาปิด', color='blue')
                plt.plot(hist.index, hist['MA20'], label='MA20', color='orange', linestyle='--')
                plt.plot(hist.index, hist['MA50'], label='MA50', color='green', linestyle='--')
                plt.title(f'ราคาหุ้น {stock.replace(".BK", "")} ย้อนหลัง 6 เดือน')
                plt.xlabel('วันที่')
                plt.ylabel('ราคา (บาท)')
                plt.legend()
                plt.grid(True, alpha=0.3)
                plt.show()
                
        except Exception as e:
            print(f"ไม่สามารถดึงข้อมูล {stock}: {str(e)}")
    
    # สร้าง DataFrame แสดงผล
    df_results = pd.DataFrame(results)
    return df_results

# เรียกใช้ฟังก์ชัน
result_df = analyze_mai_tech_stocks(tech_stocks_mai)
print("=== สรุปผลการวิเคราะห์หุ้นเทคโนโลยีใน mai ===")
print(result_df.to_string(index=False))

3.2 การใช้ Machine Learning เพื่อพยากรณ์แนวโน้ม

เทคนิค Machine Learning สามารถนำมาประยุกต์ใช้ในการวิเคราะห์แนวโน้มราคาหุ้นเทคโนโลยีในตลาด mai ได้ ตัวอย่างการใช้ Linear Regression เพื่อพยากรณ์ราคาในระยะสั้น:

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error, r2_score
import yfinance as yf

# เลือกหุ้นเทคโนโลยีใน mai เพื่อทดสอบ (ตัวอย่าง)
stock_symbol = 'SISB.BK'

# ดึงข้อมูลย้อนหลัง 2 ปี
ticker = yf.Ticker(stock_symbol)
data = ticker.history(period='2y')

# เตรียมข้อมูลสำหรับ Machine Learning
data['Date_Num'] = (data.index - data.index.min()).days
data['MA10'] = data['Close'].rolling(window=10).mean()
data['MA30'] = data['Close'].rolling(window=30).mean()
data['Volume_Ratio'] = data['Volume'] / data['Volume'].rolling(window=20).mean()

# เลือก Features
features = ['Date_Num', 'MA10', 'MA30', 'Volume_Ratio', 'Open', 'High', 'Low']
X = data[features].dropna()
y = data['Close'].loc[X.index]

# แบ่งข้อมูล Train/Test
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# สร้างโมเดล Linear Regression
model = LinearRegression()
model.fit(X_train, y_train)

# พยากรณ์
y_pred = model.predict(X_test)

# ประเมินผล
mse = mean_squared_error(y_test, y_pred)
r2 = r2_score(y_test, y_pred)

print(f"=== ผลการพยากรณ์ราคาหุ้น {stock_symbol.replace('.BK', '')} ===")
print(f"Mean Squared Error: {mse:.4f}")
print(f"R-squared Score: {r2:.4f}")
print(f"ค่าสัมประสิทธิ์ของ Features:")
for feature, coef in zip(features, model.coef_):
    print(f"  {feature}: {coef:.4f}")

# พยากรณ์ราคาในอนาคต (5 วันถัดไป)
last_data = X.iloc[-1:].copy()
future_predictions = []
for day in range(1, 6):
    last_data['Date_Num'] = last_data['Date_Num'] + 1
    pred_price = model.predict(last_data)[0]
    future_predictions.append(pred_price)
    # อัปเดต MA10 และ MA30 อย่างง่าย
    last_data['MA10'] = pred_price * 0.9 + last_data['MA10'].values[0] * 0.1
    last_data['MA30'] = pred_price * 0.97 + last_data['MA30'].values[0] * 0.03

print(f"\nราคาพยากรณ์ 5 วันข้างหน้า:")
for i, price in enumerate(future_predictions, 1):
    print(f"  วันที่ {i}: {price:.2f} บาท")

4. การเปรียบเทียบหุ้นเทคโนโลยีใน mai กับ SET

การทำความเข้าใจความแตกต่างระหว่างหุ้นเทคโนโลยีในตลาด mai และ SET จะช่วยให้นักลงทุนวางกลยุทธ์ได้เหมาะสมยิ่งขึ้น:

5. กรณีศึกษาและแนวปฏิบัติที่ดีที่สุด

5.1 กรณีศึกษา: บริษัท SISB (SISB Public Company Limited)

SISB เป็นหนึ่งในหุ้นเทคโนโลยีด้านการศึกษา (EdTech) ที่ประสบความสำเร็จในตลาด mai บริษัทดำเนินธุรกิจโรงเรียนนานาชาติระบบสิงคโปร์ และมีแพลตฟอร์มการเรียนรู้ออนไลน์ บทเรียนสำคัญจากการลงทุนใน SISB:

• Business Model ที่แข็งแกร่ง: รายได้จากค่าเล่าเรียนเป็น Recurring Income ที่มั่นคง
• Growth Catalyst: การขยายสาขาและการเปิดหลักสูตรใหม่ช่วยขับเคลื่อนการเติบโต
• Risk Management: การมีกระแสเงินสดที่แข็งแกร่งช่วยลดความเสี่ยงในช่วงวิกฤต
• Valuation: นักลงทุนต้องยอมจ่าย Premium สำหรับหุ้นที่มีการเติบโตสูง

5.2 แนวปฏิบัติที่ดีที่สุดสำหรับนักลงทุน

1. Dollar-Cost Averaging (DCA): ลงทุนเป็นงวดๆ สม่ำเสมอเพื่อลดความเสี่ยงจากความผันผวน
2. การกระจายความเสี่ยง: ไม่ควรลงทุนในหุ้นเทคโนโลยี mai เพียงตัวเดียว ควรกระจายในหลายอุตสาหกรรม
3. ติดตาม Catalyst: จับตาข่าวสารเกี่ยวกับการเปิดตัวผลิตภัณฑ์ใหม่ การร่วมทุน หรือการขยายตลาด
4. ใช้เครื่องมือเทคโนโลยี: ใช้โปรแกรมติดตามราคา和分析ดังที่กล่าวมาแล้วเพื่อช่วยในการตัดสินใจ
5. ตั้งจุด Stop Loss: เนื่องจากความผันผวนสูง ควรตั้งจุดตัดขาดทุนที่ 10-15%
6. ศึกษาเจาะลึก: อ่านแบบแสดงรายการข้อมูล (แบบ 56-1) และเข้าร่วม Opportunity Day อย่างสม่ำเสมอ

5.3 การประยุกต์ใช้ในโลกจริง: ระบบแจ้งเตือนการซื้อขาย

นักลงทุนสามารถพัฒนา Telegram Bot เพื่อแจ้งเตือนเมื่อราคาหุ้นถึงจุดซื้อหรือขายที่กำหนด ตัวอย่างโค้ดด้านล่างนี้แสดงวิธีการสร้างระบบแจ้งเตือนอย่างง่าย:

import requests
import time
import yfinance as yf
from datetime import datetime

class MaiStockAlert:
    def __init__(self, bot_token, chat_id):
        self.bot_token = bot_token
        self.chat_id = chat_id
        self.base_url = f"https://api.telegram.org/bot{bot_token}/sendMessage"
    
    def send_alert(self, message):
        payload = {
            'chat_id': self.chat_id,
            'text': message,
            'parse_mode': 'HTML'
        }
        try:
            response = requests.post(self.base_url, json=payload)
            return response.status_code == 200
        except:
            return False
    
    def check_price(self, stock_symbol, buy_price, sell_price):
        ticker = yf.Ticker(stock_symbol + '.BK')
        data = ticker.history(period='1d')
        
        if len(data) > 0:
            current_price = data['Close'].iloc[-1]
            current_time = datetime.now().strftime('%Y-%m-%d %H:%M:%S')
            
            # สร้างข้อความแจ้งเตือน
            alert_message = f"""
🔔 แจ้งเตือนราคาหุ้น {stock_symbol}
⏰ เวลา: {current_time}
💰 ราคาปัจจุบัน: {current_price:.2f} บาท
📈 เป้าหมายซื้อ: {buy_price:.2f} บาท
📉 เป้าหมายขาย: {sell_price:.2f} บาท
            """
            
            if current_price <= buy_price:
                alert_message += "\n✅ ถึงจุดซื้อแล้ว!"
                self.send_alert(alert_message)
            elif current_price >= sell_price:
                alert_message += "\n✅ ถึงจุดขายแล้ว!"
                self.send_alert(alert_message)
            else:
                print(f"{current_time} - {stock_symbol}: {current_price:.2f} (รอสัญญาณ)")
    
    def run_monitor(self, watchlist, check_interval=60):
        print("เริ่มระบบติดตามราคาหุ้น mai...")
        while True:
            for stock in watchlist:
                self.check_price(
                    stock['symbol'],
                    stock['buy_price'],
                    stock['sell_price']
                )
            time.sleep(check_interval)

# ตัวอย่างการใช้งาน
if __name__ == "__main__":
    # กำหนดค่า Bot Token และ Chat ID (ต้องสมัครใช้งานจริง)
    BOT_TOKEN = "YOUR_BOT_TOKEN_HERE"
    CHAT_ID = "YOUR_CHAT_ID_HERE"
    
    # รายการหุ้นที่ต้องการติดตาม
    watchlist = [
        {'symbol': 'SISB', 'buy_price': 25.00, 'sell_price': 35.00},
        {'symbol': 'BBIK', 'buy_price': 18.50, 'sell_price': 28.00},
        {'symbol': 'DITTO', 'buy_price': 12.00, 'sell_price': 20.00}
    ]
    
    # สร้าง instance และเริ่มทำงาน
    alert_system = MaiStockAlert(BOT_TOKEN, CHAT_ID)
    alert_system.run_monitor(watchlist, check_interval=300)  # ตรวจสอบทุก 5 นาที

6. ความเสี่ยงและข้อควรระวังในการลงทุนหุ้นเทคโนโลยี mai

6.1 ความเสี่ยงที่ต้องพิจารณา

• ความเสี่ยงด้านสภาพคล่อง (Liquidity Risk): หุ้น mai บางตัวมีปริมาณการซื้อขายต่ำ อาจขายไม่ออกในเวลาที่ต้องการ
• ความเสี่ยงด้านการดำเนินงาน (Operational Risk): บริษัทขนาดเล็กอาจขาดทรัพยากรในการบริหารจัดการที่มีประสิทธิภาพ
• ความเสี่ยงด้านเทคโนโลยี Disruption: เทคโนโลยีเปลี่ยนแปลงเร็ว คู่แข่งรายใหม่อาจแย่ง市场份额
• ความเสี่ยงด้านกฎระเบียบ (Regulatory Risk): การเปลี่ยนแปลงนโยบายของรัฐอาจส่งผลกระทบรุนแรงต่อธุรกิจ
• ความเสี่ยงด้านการเงิน (Financial Risk): บริษัทที่ยังขาดทุนอาจต้องเพิ่มทุนในอนาคต ทำให้ผู้ถือหุ้นเดิมถูก Dilute

6.2 กลยุทธ์การบริหารความเสี่ยง

1. กำหนดสัดส่วนการลงทุน: ไม่ควรลงทุนในหุ้นเทคโนโลยี mai เกิน 10-15% ของพอร์ตทั้งหมด
2. ใช้ Trailing Stop Loss: ปรับจุดตัดขาดทุนให้สูงขึ้นเมื่อราคาเพิ่มขึ้น
3. ติดตามงบการเงินรายไตรมาส: ตรวจสอบ Cash Burn Rate และอัตราการเติบโตอย่างใกล้ชิด
4. มีความอดทน: การลงทุนในหุ้นเติบโตต้องใช้เวลา อย่างน้อย 3-5 ปี
5. เตรียมแผนรับมือ: กำหนดไว้ล่วงหน้าว่าจะทำอย่างไรเมื่อราคาลดลง 20% หรือ 50%

7. แนวโน้มอนาคตของหุ้นเทคโนโลยีในตลาด mai

ตลาด mai มีแนวโน้มที่จะเห็นจำนวนบริษัทเทคโนโลยีเข้าจดทะเบียนเพิ่มขึ้นอย่างต่อเนื่อง โดยเฉพาะในกลุ่มที่เกี่ยวข้องกับ:

• ปัญญาประดิษฐ์ (AI) และ Machine Learning: โซลูชัน AI สำหรับธุรกิจ SMEs
• Internet of Things (IoT): แพลตฟอร์ม Smart Factory และ Smart City
• Blockchain และ Web3: แอปพลิเคชันที่ใช้เทคโนโลยี Distributed Ledger
• Green Technology: เทคโนโลยีที่ช่วยลดการปล่อยคาร์บอนและประหยัดพลังงาน
• Cybersecurity: โซลูชันป้องกันภัยคุกคามทางไซเบอร์สำหรับองค์กร

นอกจากนี้ ตลาด mai ยังมีแผนที่จะปรับปรุงกฎเกณฑ์การจดทะเบียนเพื่อดึงดูดบริษัทเทคโนโลยีมากขึ้น เช่น การลดระยะเวลาการดำเนินงานก่อน IPO และการผ่อนปรนเกณฑ์ด้านกำไรสำหรับธุรกิจนวัตกรรม

Summary

การลงทุนในหุ้นเทคโนโลยีของตลาด mai เป็นโอกาสที่น่าสนใจสำหรับนักลงทุนที่มองหาการเติบโตสูง แต่มาพร้อมกับความเสี่ยงที่สูงตามไปด้วย การประสบความสำเร็จในการลงทุนกลุ่มนี้ต้องอาศัยความรู้ ความเข้าใจ และเครื่องมือที่เหมาะสม

ประเด็นสำคัญที่นักลงทุนควรจดจำ:

• เข้าใจลักษณะเฉพาะ: หุ้นเทคโนโลยีใน mai มีความผันผวนสูง สภาพคล่องต่ำ แต่มีศักยภาพการเติบโตสูง
• ใช้เครื่องมือเทคโนโลยี: Python, Machine Learning, และระบบแจ้งเตือนอัตโนมัติสามารถช่วยเพิ่มประสิทธิภาพการลงทุน
• วิเคราะห์ทั้งปริมาณและคุณภาพ: ตัวเลขทางการเงินเพียงอย่างเดียวไม่พอ ต้องพิจารณาทีมผู้บริหาร Product-Market Fit และ Technology Moat
• บริหารความเสี่ยงอย่างเคร่งครัด: กระจายการลงทุน ตั้งจุด Stop Loss และติดตามข้อมูลอย่างสม่ำเสมอ
• มองระยะยาว: การลงทุนในหุ้นเติบโตต้องใช้เวลา อย่าคาดหวังผลตอบแทนในระยะสั้น

ท้ายที่สุด การลงทุนในหุ้นเทคโนโลยีของตลาด mai ไม่ใช่เรื่องของการพนัน แต่เป็นการลงทุนในวิสัยทัศน์และความสามารถของผู้ประกอบการไทยที่กล้าคิดกล้าทำ หากนักลงทุนมีวินัย ใช้ข้อมูลในการตัดสินใจ และมีความอดทน โอกาสในการสร้างผลตอบแทนที่เหนือกว่าตลาดก็อยู่ไม่ไกลเกินเอื้อม

สำหรับนักลงทุนที่สนใจ ควรเริ่มต้นจากการศึกษาเรียนรู้ ติดตามข่าวสาร และทดลองใช้เครื่องมือวิเคราะห์ต่างๆ ก่อนที่จะตัดสินใจลงทุนจริง และที่สำคัญ ควรลงทุนในสิ่งที่เข้าใจเท่านั้น เพราะความรู้คืออาวุธที่ทรงพลังที่สุดในโลกของการลงทุน