(1/10) รวม Free Knowledge Map สำหรับคนที่อยากศึกษา Finance, Investment, Quant, Trading, Financial Mathematics, Econometrics, Portfolio Construction, Market Microstructure, Machine Learning และ AI (นิดหน่อย) แบบ serious หน่อย.. ผมรวม material ที่คิดว่ามีคุณภาพครับ.. ส่วนใหญ่เป็นของ MIT, Stanford, Yale, NYU, Columbia, Oxford, Berkeley, Caltech และงานที่อาจารย์.. นักวิจัย.. หรือ practitioner เปิดให้เรียน free เอง.. ⚠️ ถ้าใครตามผมมานาน.. จะรู้ว่าผมมีลูกสาวของเพื่อน.. ที่ผมเรียกว่า「ไอ้แสบ」.. ซึ่งตอนที่น้องเป็น apprentice ผม.. ส่วนมากน้องก็จะไปหาข้อมูลนู่นนี่มาอ่านมาศึกษาเอาเอง อันไหนไม่เข้าใจก็มาถาม บางทีก็มาขอ guideline.. ซึ่ง list พวกนี้ส่วนมากก็มาจาก resource ที่น้องเริ่มไปหาอ่านเองตั้งแต่อายุประมาณ 13.. อันไหนยังไม่เข้าใจก็เอามาถาม หรือให้ผมช่วยชี้ว่าควรไปต่อทางไหน.. ตอนนี้อายุ 17 แล้ว ผมเลยคิดว่าถ้าเด็กคนหนึ่งค่อยๆ ไล่ศึกษาได้ พวกผู้ใหญ่ที่สนใจก็น่าจะใช้เป็นแผนที่ศึกษาเองได้เหมือนกันครับ..⚠️ และ list นี้ไม่ใช่ syllabus ที่ทุกคนต้องเรียนตั้งแต่ต้นจนจบ.. และไม่ได้เรียงตามความยากแบบหลักสูตรปริญญาอะไร.. ให้มองมันเป็น 「knowledge map」ครับ.. ถ้ามีพื้นฐานอยู่แล้ว.. ก็กระโดดไปเฉพาะ track ที่เกี่ยวกับสิ่งที่ตัวเองทำได้เลย.. 🍆Core = ควรเรียนถ้าจะเอาสายนี้จริงจัง.. 🍆Optional = มี value อยู่ครับ.. แต่ก็ไม่จำเป็นสำหรับทุกคน ใช้วิจารณานกันเอาเอง.. 🍆Reference = เก็บไว้เปิดเมื่อจำเป็น 🍆Specialized = สำหรับคนที่ทำเรื่องนั้นๆ สายตรง.. แบ่งเป็น 4 track หลัก Track A: Investment, Valuation, Portfolio & Asset Pricing Track B: Quant Research, Trading, Derivatives & Execution Track C: Machine Learning for Quantitative Research Track D: Modern AI, Deep Learning & LLM ถ้าไม่รู้จะเริ่มตรงไหน.. ผมจะลองทำ Shortest Path ไว้ท้าย post.. ⚠️Last link/resource check: August 17, 2026 ผมพยายามใช้ official university pages, author-hosted material, direct working-paper PDFs และ legal open resources ก่อน SSRN หรือ landing page ที่อาจขอ login.. ⚠️ระดับของ material ใน list นี้มีตั้งแต่ undergraduate foundation.. ไปจนถึง Master's, PhD coursework และ research papers.. ดังนั้นไม่ต้องตกใจถ้าบางหัวข้อมีคณิตศาสตร์ค่อนข้างหนัก.. และไม่จำเป็นต้องเรียนทั้งหมด คนลงทุนทั่วไปอาจใช้เพียงแค่บางส่วน.. ขณะที่พวก quant.. researcher.. หรือคนที่ทำเฉพาะทางสามารถไปลึกถึง graduate/research material ตาม objective ของตัวเองแต่ละคนกันไป.. --- 🍆วิธีเข้าถึง material ฟรี 💦MIT OpenCourseWare MIT OCW ไม่ต้องสมัคร account ไม่ต้อง enroll และเรียนตามเวลาของตัวเองได้.. หลาย course สามารถ download files หรือทั้ง course package ไว้อ่าน offline ได้.. บาง course แยก video/audio ออกจาก package.. เลยต้อง download ส่วนนั้นต่างหาก ocw.mit.edu/ ======= 💦edX หลาย course มี free audit track แต่ audited course โดยทั่วไปไม่ได้ verified certificate และ feature บางอย่างอาจถูกจำกัดตาม course.. edx.org/ ======== 💦Coursera หลาย course มี free access บางรูปแบบ.. และบาง course มี Financial Aid สำหรับผู้เรียนที่จ่ายค่าเรียนไม่ไหว และ Financial Aid ไม่ได้หมายถึงได้ 100% waiver ทุก course โดยอัตโนมัติ.. Availability และเงื่อนไขขึ้นอยู่กับแต่ละ course ควร check หน้า enrollment โดยตรง.. coursera.org/ ใน list นี้ผมพยายามเลือก material ที่เปิดตรงอยู่แล้วให้มากที่สุด เพื่อไม่ให้ต้องสมัครหรือขอ aid ก่อนเรียน.. --- 📖FOUNDATION ข้ามได้ถ้ามีพื้นฐานอยู่แล้ว.. 🍆Linear Algebra 💦MIT 18.06SC: Linear Algebra, Gilbert Strang - หนึ่งใน linear algebra courses ที่เหมาะกับ self-study มาก ocw.mit.edu/courses/18-06sc-… ⚠️Core 💦MIT 18.065: Matrix Methods in Data Analysis, Signal Processing, and Machine Learning, Gilbert Strang - เป็น bridge จาก linear algebra ไป PCA, data analysis, signal processing และ machine learning.. ocw.mit.edu/courses/18-065-m… ⚠️Core ถ้าจะไป Quant/ML --- 📖 Probability 💦MIT RES.6-012: Introduction to Probability, Tsitsiklis ocw.mit.edu/courses/res-6-01… ⚠️Core 💦MIT 18.600: Probability and Random Variables - ถ้าอยากได้ probability

มันเป็นไปไม่ได้แน่นอนที่จะบอกว่าถ้าลงทุน S&P 500 ยาว 10 ปี ยังไงๆ ก็ไม่ขาดทุน.. ลองดู rolling return แบบ 10 ปีได้.. (ข้อมูลปี 1871 ถึง 2026 สิ้นเดือนที่แล้ว..) ทุกจุดข้อมูลใน chart คือผลตอบแทน annualized ของการถือ S&P 500 เป็นเวลา 10 ปี เช่น… ซื้อ 1 January 1990 ขาย 1 January 2000 ซื้อ 1 February 1990 ขาย 1 February 2000 ซื้อ 1 March 1990 ขาย 1 March 2000 ทำแบบนี้เลื่อนไปเรื่อยๆ ตลอดประวัติศาสตร์.. แล้วนำผลลัพธ์ทั้งหมดมาสร้าง distribution.. ผลคือ.. Best = 21.28% 85th Percentile = 15.28% Median = 8.73% 15th Percentile = 4.22% Worst = -5.38% ⚠️ ตัวเลขทั้งหมดเป็นผลตอบแทนเฉลี่ยต่อปี (Annualized Return) . . Median = 8.73%… Median คือค่ากลาง แปลว่า 50% ของทุกช่วงเวลา 10 ปี ให้ผลตอบแทนสูงกว่า 8.73%.. อีก 50% ให้ผลตอบแทนต่ำกว่า 8.73% พูดง่ายๆ.. ถ้าถือ S&P 500 นาน 10 ปี.. โอกาสครึ่งหนึ่งจะได้มากกว่า ~8.7% ต่อปี.. และอีกครึ่งหนึ่งจะได้น้อยกว่านั้น.. ถือเป็นผลตอบแทนปกติที่สุดในอดีตที่ผ่านมา.. . . 85th Percentile = 15.28%.. หลายคนงง percentile.. ลองนึกภาพว่ามีผลลัพธ์ 10 ปีทั้งหมด 100 ครั้ง.. เรียงจากแย่ที่สุดไปดีที่สุด.. 85th Percentile หมายถึง 85 ครั้งอยู่ต่ำกว่าจุดนี้ มีเพียง 15 ครั้งที่ดีกว่านี้.. ดังนั้น 15.28% ต่อปี คือผลลัพธ์ระดับ Top 15%.. ถ้าเราได้ผลตอบแทนประมาณนี้ต่อเนื่อง 10 ปี ถือว่าดีกว่าช่วงเวลาใน historical data ประมาณ 85%.. . . 15th Percentile = 4.22%.. กลับกัน มีเพียง 15% ของช่วงเวลาเท่านั้นที่แย่กว่านี้.. และ 85% ของช่วงเวลา 10Y ให้ผลตอบแทนสูงกว่านี้.. แปลว่า ถ้าถือ S&P 500 10 ปี แล้วได้ 4.22% ต่อปี.. ถือว่าอยู่ในกลุ่มค่อนข้างแย่แล้ว.. แต่ยังไม่ใช่ worst case.. . . Worst = -5.38%... นี่คือช่วง 10 ปีที่แต่ที่สุดในประวัติศาสตร์.. หมายความว่านักลงทุนที่โชคร้ายที่สุด และเริ่มลงทุนในจังหวะที่แย่ที่สุด… ยังขาดทุนเฉลี่ยประมาณ -5.38% ต่อปี ตลอด 10 ปี.. เหตุการณ์ลักษณะนี้มักเกิดจาก Valuation สูงมาก.. ฟองสบู่แตก.. วิกฤติหลายลูกซ้อนกัน เช่นคนที่เริ่มลงทุนใกล้จุดสูงสุดของ Dot-Com Bubble.. . . Best = 21.28%.. นี่คือช่วง 10 ปีที่ดีที่สุดในประวัติศาสตร์.. ถ้าลงทุน $100,000 และได้ 21.28% ต่อปี 10 ปี.. เงินจะโตเป็นประมาณ $100,000 ไป.. $684,000 เกือบ 7 เท่า.. . . หลายคนชอบพูดว่า 「S&P 500 ให้ผลตอบแทนเฉลี่ย 10% ต่อปี」 ซึ่ง S&P ไม่ได้ให้ 10% ทุกครั้ง.. ผลลัพธ์ในแต่ละช่วง 10 ปีมี distribution กว้างมาก.. ช่วงแย่ๆ อาจติดลบได้.. ช่วงปกติอยู่แถว 8–9%.. ช่วงดีมากอาจเกิน 15%.. ช่วงดีที่สุดเกิน 20%.. ดังนั้นคำถามที่สำคัญคือ… 「เราอยู่ตรงไหนของ distribution?」 เพราะในโลกการลงทุน ผลตอบแทนไม่ได้เป็นตัวเลขเดียว.. แต่เป็นช่วงของความเป็นไปได้ (range of outcomes)