dca order คืออะไร

DCA Order คืออะไร

DCA Dollar Cost Averaging ซื้อเฉลี่ยต้นทุน หุ้น Bitcoin ETF กองทุน ลงทุนสม่ำเสมอ ลด Risk Timing Emotional Bias

DCA Calculator

# === DCA Calculator ===

from dataclasses import dataclass

@dataclass
class DCAMonth:
    month: int
    price: float
    invest_amount: float
    units_bought: float
    total_units: float
    total_invested: float
    avg_cost: float
    current_value: float
    profit_loss: float
    profit_pct: float

def calculate_dca(prices, monthly_invest):
    results = []
    total_units = 0
    total_invested = 0
    for i, price in enumerate(prices):
        units = monthly_invest / price
        total_units += units
        total_invested += monthly_invest
        avg_cost = total_invested / total_units
        current_value = total_units * price
        pl = current_value - total_invested
        pl_pct = (pl / total_invested) * 100
        results.append(DCAMonth(
            i+1, price, monthly_invest, units,
            total_units, total_invested, avg_cost,
            current_value, pl, pl_pct
        ))
    return results

# ตัวอย่าง: DCA ซื้อ BTC 5,000 บาท/เดือน
btc_prices = [1000000, 800000, 1200000, 900000,
              1100000, 750000, 950000, 1050000,
              1150000, 1300000, 1000000, 1400000]

results = calculate_dca(btc_prices, 5000)

print("=== DCA Bitcoin 5,000 THB/month ===")
print(f"{'Month':>5} {'Price':>10} {'Units':>10} {'Total':>10} {'Avg Cost':>10} {'P/L%':>8}")
for r in results:
    print(f"{r.month:>5} {r.price:>10,.0f} {r.units_bought:>10.6f} "
          f"{r.total_invested:>10,.0f} {r.avg_cost:>10,.0f} {r.profit_pct:>7.1f}%")

final = results[-1]
print(f"\nTotal Invested: {final.total_invested:,.0f} THB")
print(f"Total BTC: {final.total_units:.6f}")
print(f"Avg Cost: {final.avg_cost:,.0f} THB/BTC")
print(f"Current Value: {final.current_value:,.0f} THB")
print(f"Profit/Loss: {final.profit_loss:,.0f} THB ({final.profit_pct:.1f}%)")

DCA Bot

# === DCA Auto Bot (Conceptual) ===

# Bitkub API DCA Bot Example
# import hmac, hashlib, time, requests
#
# API_KEY = "YOUR_API_KEY"
# API_SECRET = "YOUR_API_SECRET"
# BASE_URL = "https://api.bitkub.com"
#
# def create_buy_order(symbol, amount_thb):
#     ts = str(int(time.time()))
#     payload = {
#         "sym": symbol,
#         "amt": amount_thb,
#         "rat": 0,  # 0 = Market Order
#         "typ": "market",
#         "ts": ts
#     }
#     sig = hmac.new(API_SECRET.encode(), json.dumps(payload).encode(), hashlib.sha256).hexdigest()
#     headers = {"X-BTK-APIKEY": API_KEY, "Content-Type": "application/json"}
#     payload["sig"] = sig
#     response = requests.post(f"{BASE_URL}/api/market/place-bid", json=payload, headers=headers)
#     return response.json()

@dataclass
class DCASchedule:
    platform: str
    asset: str
    amount: str
    frequency: str
    fee: str
    auto: bool

schedules = [
    DCASchedule("Bitkub",
        "Bitcoin (BTC)",
        "5,000 THB",
        "ทุกวันจันทร์",
        "0.25% Maker / 0.25% Taker",
        True),
    DCASchedule("Binance",
        "Bitcoin + Ethereum",
        "$100 each",
        "ทุกสัปดาห์",
        "0.1% (ลดด้วย BNB)",
        True),
    DCASchedule("Finnomena",
        "กองทุน S&P500 (TMBUS500)",
        "10,000 THB",
        "ทุกเดือน วันที่ 1",
        "0% Front-end (บาง Fund)",
        True),
    DCASchedule("Settrade",
        "หุ้น SET50 ETF (TDEX)",
        "5,000 THB",
        "ทุกเดือน วันที่ 15",
        "0.15% Commission",
        True),
    DCASchedule("Python Bot",
        "Custom (API ตาม Exchange)",
        "ตั้งเอง",
        "ตั้งเอง (Cron Job)",
        "ตาม Exchange",
        True),
]

print("=== DCA Schedules ===")
for s in schedules:
    print(f"  [{s.platform}] {s.asset}")
    print(f"    Amount: {s.amount} | Freq: {s.frequency}")
    print(f"    Fee: {s.fee} | Auto: {s.auto}")

DCA Strategy Tips

# === DCA Strategy Comparison ===

@dataclass
class Strategy:
    name: str
    method: str
    when_to_use: str
    expected_return: str
    difficulty: str

strategies = [
    Strategy("Standard DCA",
        "ซื้อจำนวนเงินเท่ากันทุกงวด ไม่สนราคา",
        "ทุกสถานการณ์ ตลาดขาขึ้น ขาลง Sideways",
        "ปานกลาง ดีกว่า Lump Sum ในตลาดผันผวน",
        "ง่ายมาก ตั้งอัตโนมัติ"),
    Strategy("Enhanced DCA",
        "DCA ปกติ + เพิ่ม 2x เมื่อราคาลง > 20%",
        "ตลาดมี Correction/Crash บ่อย",
        "ดีกว่า Standard DCA 5-15%",
        "ปานกลาง ต้องดูราคาบ้าง"),
    Strategy("DCA + RSI",
        "DCA ปกติ + เพิ่มเมื่อ RSI < 30 (Oversold)",
        "สินทรัพย์ที่มี Clear Cycle",
        "ดีกว่า Standard DCA 10-20%",
        "ยาก ต้องรู้ Technical"),
    Strategy("Value Averaging",
        "ซื้อให้ Portfolio เพิ่มเท่ากันทุกงวด ซื้อมาก/น้อยตามราคา",
        "สินทรัพย์ Volatile สูง",
        "ดีกว่า DCA เล็กน้อย แต่ต้องมีเงินสำรอง",
        "ปานกลาง-ยาก"),
]

print("=== DCA Strategies ===")
for s in strategies:
    print(f"\n  [{s.name}]")
    print(f"    Method: {s.method}")
    print(f"    When: {s.when_to_use}")
    print(f"    Return: {s.expected_return}")
    print(f"    Difficulty: {s.difficulty}")

เคล็ดลับ

• อัตโนมัติ: ตั้ง DCA อัตโนมัติ อย่าพึ่งวินัยตัวเอง
• ระยะยาว: DCA ได้ผลดีที่สุดเมื่อลงทุน 3-10 ปี
• ค่า Fee: เลือกแพลตฟอร์มค่าธรรมเนียมต่ำ
• อย่าหยุด: อย่าหยุดซื้อเมื่อราคาลง นั่นคือโอกาส
• กระจาย: DCA หลายสินทรัพย์ ไม่ใส่ตะกร้าเดียว

การนำความรู้ไปประยุกต์ใช้งานจริง

แหล่งเรียนรู้ที่แนะนำ ได้แก่ Official Documentation ที่อัพเดทล่าสุดเสมอ Online Course จาก Coursera Udemy edX ช่อง YouTube คุณภาพทั้งไทยและอังกฤษ และ Community อย่าง Discord Reddit Stack Overflow ที่ช่วยแลกเปลี่ยนประสบการณ์กับนักพัฒนาทั่วโลก

เปรียบเทียบข้อดีและข้อเสีย

จากตารางเปรียบเทียบจะเห็นว่าข้อดีมีมากกว่าข้อเสียอย่างชัดเจน โดยเฉพาะในแง่ของประสิทธิภาพและความสามารถในการ Scale สำหรับข้อเสียส่วนใหญ่สามารถแก้ไขได้ด้วยการเรียนรู้อย่างเป็นระบบและวางแผนทรัพยากรให้เหมาะสม

สรุป

DCA Dollar Cost Averaging ซื้อเฉลี่ยต้นทุน หุ้น BTC ETF กองทุน อัตโนมัติ ลด Risk ระยะยาว Calculator Bot Strategy