Here is a complete, technical, SEO-optimized blog article in Thai for denvermobileappdeveloper com. It reframes the Dow Jones Industrial Average as a data engineering and software architecture subject, written for senior engineers. ---

ดัชนีอุตสาหกรรมดาวโจนส์ หรือที่นักเทรดเรียกติดปากว่า "ดาวโจนส์" ปรากฏบนจอเทอร์มินัลและแอปหุ้นทุกเช้าของนักลงทุนทั่วโลก ตัวเลขราว 40,000 จุดคือสิ่งที่คนดูส่วนใหญ่ไม่รู้จริงว่าเบื้องหลังการบวก-ลบแบบเรียลไทม์นั้นทำงานอย่างไร นักลงทุนมองว่ามันคือ "ตลาดขึ้นหรือลง" แต่วิศวกรต้องมองลึกกว่านั้นมาก

article

ถอดเปลือกของตัวเลขนี้ออกมา คุณจะพบระบบผลิตข้อมูลแบบสตรีมมิงที่มีสายพานการประมวลผลยาวตั้งแต่เครื่องมือจับคู่คำสั่งซื้อขายไปจนถึงฐานข้อมูลบนโทรศัพท์มือถือของผู้ใช้งาน ระบบนี้มี "ตัวหารลับ" ซ่อนอยู่ในสมการ มีกฎการแทนที่สมาชิก มีข้อจำกัดด้านสิทธิ์การเผยแพร่ และมีกลไกหยุดการซื้อขายที่เขียนด้วยตรรกะง่ายๆ แต่ส่งผลต่อเม็ดเงินมหาศาลในวินาทีนั้น

บทความนี้จะพาคุณไปดูดัชนีอุตสาหกรรมดาวโจนส์ในฐานะระบบซอฟต์แวร์ ไม่ใช่ข่าวเศรษฐกิจ เราจะพูดถึงโครงสร้างข้อมูล, การจัดการสตรีมข้อมูลเรียลไทม์, บทเรียนจากเหตุการณ์ผิดพลาดในตลาดจริง, และสิ่งที่วิศวกรแอปพลิเคชันต้องขบคิดต่อจากนี้ ดัชนีอุตสาหกรรมดาวโจนส์ไม่ใช่แค่ตัวเลขข่าว แต่คือบทเรียนสถาปัตยกรรมข้อมูลที่ถูกออกแบบและปรับปรุงมานานเกือบ 130 ปี

โจทย์ของดัชนีอายุ 128 ปีคือการบีบตลาดโลกให้เหลือเลขตัวเดียว

Charles Dow คิดเลขนี้ครั้งแรกในปี 1896 ด้วยการเอาราคาปิดของหุ้นขนาดใหญ่ 12 ตัวมาหาค่าเฉลี่ยแบบง่ายๆ คือบวกราคาหุ้นทั้งหมดแล้วหารด้วย 12 นั่นคือ "Dow Jones Averages" ดั้งเดิมที่ไม่มีตัวหาร ซับซ้อนแค่บวกเลขกับเรียนเลขคณิตพื้นฐาน มันทำงานได้ดี จนกระทั่งบริษัทประกาศการแตกพาร์ (stock split)

ลองคิดตามโจทย์วิศวกร ถ้าหุ้นตัวหนึ่งราคา 100 ดอลลาร์ประกาศแตกพาร์เป็น 2 ต่อ 1 ราคาจะลงไปเหลือ 50 ดอลลาร์ทันที แต่ความเป็นเจ้าของบริษัทของนักลงทุนไม่ได้เปลี่ยนเลยแม้แต่น้อย ระบบค่าเฉลี่ยแบบเดิมจะตีความว่า "ตลาดร่วง" ทั้งที่ความมั่งคั่งไม่ลดลง นี่คือจุดที่คณิตศาสตร์มูลค่าตามราคาหุ้นพังทลาย และเป็นที่มาของ "Dow Divisor" ตัวเลขลับที่ทำให้ดัชนีลื่นไหลต่อเนื่องแม้โครงสร้างอ้างอิงจะเปลี่ยนไปต่อหน้า

ในแง่การออกแบบซอฟต์แวร์ สิ่งที่ Dow ทำคือการนำปัญหา "การเปลี่ยนแปลงอ้างอิง" (reference instability) มาจัดการด้วย Normalization Factor ถ้าเราสร้างระบบคำนวณสมัยใหม่โดยไม่นึกถึงเรื่องปันผลหรือแตกพาร์ ฐานข้อมูลของเราจะเก็บประวัติที่ผิดเพี้ยนไปทันทีที่เกิด corporate action ทุกครั้ง วิศวกรที่เคยดูแลระบบบัญชีหรือระบบ inventory จะคุ้นเคยกับแนวคิดนี้เป็นอย่างดี

ตัวหารดาวโจนส์คือ Normalization Constant ที่ไม่มีวันคงที่

ตัวหารนี้ไม่ได้เป็นเลขกลมๆ อย่าง 12 อีกต่อไป ปัจจุบันมันเป็นเลขทศนิยมประมาณ 0. 15 ไม่เชื่อลองคำนวณกลับดู: ผลรวมราคาหุ้น 30 ตัวในปัจจุบันรวมกันราว 6,000-7,000 จุด ยกตัวอย่างเช่นหุ้นอย่าง UnitedHealth ที่ราคาแตะหลัก 500 ดอลลาร์ หรือ Goldman Sachs ที่ราว 600 ดอลลาร์ เมื่อหารด้วย 0. 1517 ก็จะได้ดัชนีราว 40,000 จุดพอดี

ปัญหาเชิงวิศวกรรมคือตัวหารตัวนี้ "ไม่คงที่" ทุกครั้งที่มีการแตกพาร์ ปันผลพิเศษ หรือการแทนที่หุ้นในสมาชิก 30 ตัว ผู้ดูแลดัชนีต้องคำนวณตัวหารใหม่ให้ดัชนีไม่กระโดดแบบเทียม การเปลี่ยนแปลงถูกประกาศผ่านเอกสารวิธีการของ S&P Dow Jones Indices ซึ่งเป็นหน่วยงานที่ดูแลการคำนวณอย่างเป็นทางการในปัจจุบัน

สำหรับทีมที่ดูแลระบบซื้อขาย นี่คือความท้าทายด้านข้อมูลอ้างอิง (reference data) ที่คลาสสิก ถ้าฐานข้อมูลตัวหารของเราเป็นเลขผิดแม้เพียงหลักทศนิยมตำแหน่งที่สี่ ระบบคำนวณดัชนีทุกหน้าจอจะแสดงตัวเลขผิดทั้งหมด เหตุการณ์แบบนี้เคยเกิดขึ้นจริงกับดัชนีอื่นมาแล้ว และมันคือเหตุผลว่าทำไมทีม data engineering ที่จริงจังต้องมีระบบตรวจสอบค่าวิกฤตเหล่านี้แบบ automated ไม่ใช่เอาไว้อ่านข่าวพรุ่งนี้แล้วค่อยแก้

ทำไมเราใช้ราคาถ่วงน้ำหนักทั้งที่รู้ว่าเพี้ยนในยุคข้อมูลใหญ่

ดัชนีอุตสาหกรรมดาวโจนส์ใช้วิธีถ่วงน้ำหนักด้วยราคาหุ้น (price-weighted) ซึ่งแปลว่าหุ้นราคาสูงมีอิทธิพลต่อดัชนีมากกว่าหุ้นราคาต่ำโดยอัตโนมัติ ถ้าหุ้นราคา 600 ดอลลาร์ขยับ 1% มันจะขยับดัชนีมากกว่าหุ้นราคา 60 ดอลลาร์ที่ขยับ 1% ถึงสิบเท่า ความบิดเบี้ยวนี้มีมานานเกินร้อยปีแล้ว และนักคณิตศาสตร์การเงินหลายคนบอกว่ามันไม่สมเหตุสมผลกับขนาดของบริษัทในโลกจริง

S&P 500 ที่เป็นมาตรฐานของกองทุนทั่วโลกใช้วิธีถ่วงน้ำหนักตามมูลค่าตลาดแบบ free-float ซึ่งเป็นโมเดลข้อมูลที่ต่างกันโดยสิ้นเชิง ตรงนี้คือจุดที่วิศวกรต้องแยกให้ขาด ถ้าใครเขียนเอกสาร API โดยใช้สมมติฐานว่าดัชนีทุกตัวคำนวณเหมือนกัน ผลลัพธ์จะเพี้ยนอย่างร้ายแรง นักพัฒนาแอปที่ดึงข้อมูลดัชนีจากภายนอกจำเป็นต้องรู้ว่า feed ที่ส่งมาให้เขานั้นผ่านกระบวนการอะไรมาบ้าง

ในมุมมองของนักพัฒนามือถือ เราไม่ได้สนใจแค่ตัวเลขสุดท้าย แต่ต้องสนใจว่า API ที่ดึงมานั้นให้ค่าแบบจุด (point-in-time) หรือแบบช่วงเวลา การคำนวณฝั่ง client อาจผิดพลาดถ้า server ส่งราคาหุ้นเป็น decimal ที่ความแม่นยำไม่พอ โดยเฉพาะเมื่อตัวหารมีทศนิยมยาวๆ การใช้ double precision แบบไม่ระวังในภาษา Swift หรือ Kotlin จะทำให้ผลรวมคลาดเคลื่อนในหลักสตางค์ ซึ่งพอคูณกับ use แล้วอาจกลายเป็นเงินจริงที่หายไป

สถาปัตยกรรมข้อมูลเรียลไทม์จากเครื่องเทรดถึงจอโทรศัพท์

เส้นทางของข้อมูลดัชนีเริ่มจากเครื่องจับคู่คำสั่งซื้อขายในตลาดหลักทรัพย์ที่รับคำสั่งซื้อขายรายหุ้น จากนั้นข้อมูลราคาจะถูกส่งผ่านโปรโตคอลระดับต่ำแบบ multicast UDP เป็นชุดข้อมูลไบนารีอย่างเช่นโปรโตคอล OUCH หรือ ITCH ของตลาดสหรัฐฯ ซึ่งออกแบบมาให้หน่วงเวลาแค่ไมโครวินาที วิศวกรที่ทำงานสายนี้จะคุ้นเคยกับความท้าทายเรื่องแพ็กเก็ตหายและการเรียงลำดับข้อความที่ผิดพลาด

เมื่อฝั่งคำนวณดัชนีได้ค่าใหม่แล้ว ตัวเลขจะถูกกระจายต่อผ่านผู้ให้บริการข้อมูลอย่าง Bloomberg หรือ Refinitiv จากนั้นจึงแปลงเป็นโปรโตคอลที่แอปพลิเคชันมือถือกินได้ เช่น WebSocket หรือ SSE ที่ WebSocket API บน MDN อธิบายไว้อย่างละเอียด แต่ละชั้นของการแปลงโปรโตคอลคือจุดเสี่ยงที่ทำให้เกิด latency เพิ่มขึ้น และจุดที่ข้อมูลอาจถูกกรองหรือถูกจัดเก็บชั่วคราวต่างกัน

สำหรับแอปหุ้นมือถือแล้ว ปัญหาไม่ได้อยู่ที่ความเร็วสุดขีด แต่อยู่ที่ความเสถียรและความสม่ำเสมอของข้อมูล ผู้ใช้ยอมรับความหน่วง 1-2 วินาทีได้ แต่รับไม่ได้ที่ราคากระโดดไปมาแบบผิดปกติ การออกแบบให้ client ตัดสินใจว่า "ค่าที่เพิ่มเข้ามาใหม่ควรถูกหรือผิด" เป็นกลไก logic ที่ต้องเขียนด้วยความระมัดระวัง เพราะถ้าใช้ only-if-simple validation เช่น "ราคาต้องไม่ติดลบ" จะไม่สามารถจับความผิดปกติที่ข้อมูลดูเหมือนถูกแต่ไม่ตรงหลักการของดัชนีได้เลย

ความผิดพลาดในระบบจริง: บทเรียนที่เรานำกลับมาใช้ในโค้ดของเราเอง

วันที่ 6 พฤษภาคม 2010 ดัชนีอุตสาหกรรมดาวโจนส์ร่วงลงไปเกือบ 1,000 จุดภายในเวลาไม่กี่นาที แล้วดีดกลับขึ้นมาอย่างรวดเร็ว เหตุการณ์ที่เรียกว่า Flash Crash ครั้งนั้น รายงานร่วมของ CFTC และ SEC ระบุว่าเกิดจากสภาพคล่องที่หายไปอย่างฉับพลันและอัลกอริทึมความถี่สูงที่ตอบสนองต่อกันแบบป้อนกลับ (feedback loop) ระบบซอฟต์แวร์ที่มนุษย์เขียนขึ้นตอบสนองต่อสัญญาณผิดปกติด้วยการเทขายซ้ำไปมาโดยไม่มีกลไกหยุด

บทเรียนเชิงวิศวกรรมของเหตุการณ์นี้คือ "เราต้องมี kill switch ที่ทำหน้าที่เร็วกว่าความโลภของอัลกอริทึม" การออกแบบระบบเทรดสมัยใหม่จึงมี circuit breaker ที่หยุดการซื้อขายทั้งตลาดเมื่อ S&P 500 ร่วง 7% จากราคาปิดก่อนหน้า ถ้าร่วงต่อถึง 13% ก็หยุดอีกรอบ และ 20% คือหยุดทั้งวัน ตรรกะไม่ซับซ้อน แต่การนำไปใช้งานจริงต้องพึ่งระบบ monitor ที่อ่านค่าตลาดได้แบบเรียลไทม์ตลอดเวลา

ในแง่ของการสังเกตการณ์ระบบ (observability) เรื่องนี้บอกเราว่าการตั้ง alert จาก static threshold อย่างเดียวไม่พอเพราะตลาดมีความผันผวนตามธรรมชาติ เราควรใช้วิธีคำนวณค่าความเบี่ยงเบนจากค่าเฉลี่ยเคลื่อนที่แบบ z-score เพื่อตรวจจับความผิดปกติที่ "ดูเหมือนจริงแต่ไม่สมเหตุสมผล" ทีมที่ดูแลระบบงานด้านการเงินของเรามักเจอปัญหาว่า dashboards เตือนตลอดวันจนคนเริ่มชินชา แต่ระบบที่ออกแบบดีจะลดสัญญาณรบกวนและโฟกัสเฉพาะค่าที่ผิดปกติจริงๆ

ดัชนีนี้คือ Distributed System ที่ต้องทนต่อความล้มเหลวทุกรูปแบบ

ดัชนีอุตสาหกรรมดาวโจนส์ถูกคำนวณและเผยแพร่ทุกวินาทีที่ตลาดเปิด โดยมีเวลาทำการคือ 9:30 ถึง 16:00 ตามเวลาฝั่งตะวันออกของสหรัฐฯ นั่นแปลว่าเวลา 21:30 ถึง 04:00 ตามเวลาไทย นักลงทุนไทยต้องตื่นมารับข้อมูลข้ามเวลาโซน และนี่คือโจทย์คลาสสิกของวิศวกรที่ดูแลระบบข้ามภูมิภาค การจัดการเวลาแบบ UTC อย่างเคร่งครัดและไม่เก็บเวลาท้องถิ่นในฐานข้อมูลคือกฎเหล็กที่เราย้ำเสมอ

สถาปัตยกรรมฝั่งผู้ให้บริการข้อมูลจำเป็นต้องมีระบบสำรองและ failover เพราะหน้าจอเทรดทั่วโลกไม่ยอมให้ไฟดับระหว่างวัน ซัพพลายเออร์ข้อมูลหลายรายใช้การกระจายข้อมูลผ่าน CDN เพื่อรองรับผู้ใช้งานจำนวนมหาศาลที่เปิดแอปพร้อมกัน ณ เวลาเปิดตลาด วิศวกรที่เคยดูแลระบบ event-driven บนคลาวด์จะรู้ว่าการออกแบบให้มีหลายจุดรับข้อมูลและสามารถดึงจากเซิร์ฟเวอร์สำรองได้ทันทีคือหัวใจของความน่าเชื่อถือ

สิ่งที่น่าสนใจคือแม้ดัชนีตัวนี้จะดูเหมือน "ศูนย์กลาง" แต่ระบบนิเวศของมันไม่ได้รวมศูนย์ ผู้ให้บริการแต่ละรายต่างมีกระบวนการคำนวณและตรวจสอบของตัวเอง ความคลาดเคลื่อนเพียงเล็กน้อยระหว่างผู้ให้บริการแต่ละรายจึงเกิดขึ้นได้เสมอ ในระดับการแสดงผลไม่เป็นปัญหา แต่ในระดับอัลกอริทึมเทรดที่ต้องตัดสินใจอัตโนมัติ ความต่างของข้อมูลหลักพันนั้นคือเรื่องใหญ่ที่ต้องกำกับด้วยข้อมูลอ้างอิงที่ชัดเจนเพียงหนึ่งเดียว

กติกาสิทธิ์การใช้งานคือข้อจำกัดที่วิศวกรลืมไม่ได้

จุดที่นักพัฒนาหลายคนมองข้ามคือกรรมสิทธิ์ของข้อมูล ดัชนีอุตสาหกรรมดาวโจนส์เป็นเครื่องหมายการค้าของ S&P Dow Jones Indices การนำข้อมูลดัชนีแบบเรียลไทม์ไปแสดงต่อในแอปของตัวเองต้องได้รับอนุญาตตามสัญญาอนุญาตการใช้งาน (index licensing) การละเมิดส่วนนี้ไม่ใช่เรื่องทางเทคนิค แต่เป็นเรื่องทางกฎหมายที่ทีมวิศวกรต้องหยิบขึ้นมาคุยกับฝ่ายธุรกิจตั้งแต่ต้นโครงการ

ในแง่เทคนิค ผู้ให้บริการข้อมูลมักส่งข้อความเตือนหรือลายน้ำ (watermark) แทรกอยู่ในฟีดข้อมูลเพื่อตรวจสอบแหล่งที่มา บางรายส่งข้อมูลแบบ delayed แทนที่จะเป็นแบบเรียลไทม์เพื่อกันการนำไปใช้ผิดวัตถุประสงค์ การเขียนระบบให้ตระหนักถึงการจัดการสิทธิ์เหล่านี้ต้องถูกออกแบบไว้ตั้งแต่ชั้นการรับข้อมูล มากกว่าที่จะมาเพิ่มทีหลัง

วิศวกรที่ทำงานกับตลาดหุ้นไทยน่าจะเข้าใจดี เพราะดัชนี SET ก็มีข้อตกลงการใช้งานที่คล้ายคลึงกัน การเผยแพร่ข้อมูลล่าช้า 15 นาทีใช้ได้ทั่วไป แต่ข้อมูลสดต้องมีใบอนุญาต การออกแบบแอปที่สลับโหมดการแสดงผลระหว่างข้อมูลล่าช้าและข้อมูลสดตามสิทธิ์ของผู้ใช้คือตัวอย่างของฟีเจอร์ที่ต้องวางโครงสร้างระบบให้รองรับตั้งแต่แรก ซึ่งตรงกับบทเรียนจาก การออกแบบระบบจัดการสิทธิ์ผู้ใช้ในแอปไฟแนนซ์ ที่เคยเขียนไว้ก่อนหน้านี้

เราควรนำหลักการเหล่านี้ไปใช้กับงานที่เราเป็นเจ้าของเอง

ไม่ว่าเราจะไม่ได้เขียนระบบเทรดหุ้น ก็ยังมีบทเรียนสำคัญกว่าที่หยิบจากดัชนีตัวนี้ไปใช้ได้ นั่นคือการออกแบบระบบที่ยอมรับว่าข้อมูลอ้างอิงเปลี่ยนแปลงได้ และเราต้องมีกลไกปรับค่าโดยไม่ทำให้ผู้ใช้ปลายทางรับรู้ความกระตุก การเทียบค่าของระบบเรากับค่ามาตรฐานภายนอก (benchmarking) ควรทำเป็นระบบอัตโนมัติ ไม่ใช่การเปิดเว็บดูตัวเลขวันละครั้ง

เริ่มจากง่ายๆ: ถ้าคุณมี API ที่ให้บริการตัวเลขที่คำนวณจากหลายแหล่ง ตั้งระบบตรวจสอบความสอดคล้องระหว่างกันแบบ cross-validation และแจ้งเตือนเมื่อค่าคลาดเคลื่อนเกินเกณฑ์ที่ยอมรับได้ นี่คือสิ่งที่เราทำในโปรเจกต์ ระบบแจ้งเตือนสำหรับแพลตฟอร์มธุรกรรมการเงิน ด้วยวิธีคำนวณค่า drift ของข้อมูลขาเข้าและตั้ง alert ของตัวเองโดยอิงจากสถิติ ไม่ใช่ค่า threshold แบบตายตัว

ขั้นต่อไปคือการออกแบบระบบให้สามารถ "แก้ไขย้อนหลัง" ได้ เมื่อข้อมูลผิดพลาดเกิดปุ๊บ การแก้ไขต้องเป็นแบบ idempotent นั่นคือถ้าเราแก้ค่าเดิมซ้ำหลายครั้งผลลัพธ์ต้องเท่าเดิม หมายเลขเวอร์ชันหรือ timestamp ของการแก้ไขแต่ละครั้งต้องถูกส่งต่อไปยัง client ด้วย

.

Need a Custom App Built?

Let's discuss your project and bring your ideas to life.

Contact Me Today →

Back to Online Trends