[Fund Review] ES-GCORE กองทุนสไตล์ Core Equity ที่ใช้ “AI และ Big Data” ด้วยข้อมูลกว่า 1 ล้านล้าน Data points ในการคัดเลือกหุ้นทั่วโลก

💡 จุดเริ่มต้นของ “การลงทุนด้วยข้อมูล” อย่างแท้จริง

ทุกวันนี้นักลงทุนพูดถึง AI กันแทบทุกวงการ แต่คุณรู้ไหมว่า AI ไม่ได้อยู่แค่ใน ChatGPT หรือรถยนต์ไร้คนขับ แต่มันยังอยู่ใน “กองทุนรวม” ด้วย หนึ่งในตัวอย่างนั้นคือ GS Global CORE Equity Portfolio จาก Goldman Sachs Asset Management (GSAM) ที่เป็นกองทุนหลักของ Eastspring Global Core Equity Fund [ES-GCORE] ของ Eastspring Asset Management (Thailand)

 

Goldman Sachs ไม่ได้เพิ่งเริ่มใช้เทคโนโลยีในการลงทุน แต่เริ่มใช้ ระบบเชิงปริมาณ (Systematic Process) มาตั้งแต่ปี 1989 — หรือกว่า 35 ปีที่แล้ว และตลอดกว่า 10 ปีหลัง พวกเขาได้ยกระดับกระบวนการด้วย AI และ Machine Learning เพื่อใช้ใน Investment Process ของกองทุนหุ้นโลกที่ใช้ข้อมูลขับเคลื่อนทุกการตัดสินใจ

 

โดยทุกวัน ระบบของกองทุนจะประมวลผลข้อมูลจากหุ้นกว่า 15,000 บริษัททั่วโลก ผ่านข้อมูลมากกว่า 1 ล้านล้าน data points ที่ซื้อมาจากผู้ให้บริการข้อมูลหลายร้อยราย ซึ่งปกติเป็นข้อมูลที่ “แพงและเข้าถึงได้เฉพาะสถาบันระดับโลก” ซึ่ง Goldman Sachs ได้มีการลงทุนประมาณ 2 พันล้านดอลลาร์ต่อปี เพื่อพัฒนาเทคโนโลยีและข้อมูล และมีวิศวกรกว่า 100 คน ที่สนับสนุนทีมลงทุนโดยตรง

⚙️ ลงทุนโดย “ข้อมูล” ไม่ใช่ “อารมณ์”

ทีม Quantitative Investment Strategies (QIS) ของ Goldman Sachs เชื่อว่า “เรามีข้อมูลมากพอที่จะตัดสินใจโดยไม่ต้องใช้ความรู้สึก” และกว่า 99.99% ของเวลา พวกเขาเชื่อในผลลัพธ์ที่โมเดลให้มา

โมเดลของกองทุนใช้ปัจจัยกว่า 150–200 ตัวแปร (factors) โดยแต่ละปัจจัยถูกตรวจสอบซ้ำหลายชั้น เพื่อให้แน่ใจว่าผลลัพธ์มี “เหตุผลทางเศรษฐกิจ” รองรับ โดย Factors เหล่านี้ถูกแบ่งออกเป็น 4 เสาหลักซึ่ง ได้แก่

1. High-Quality Business Models มองหาบริษัทที่มีโมเดลธุรกิจคุณภาพสูง โดยเชื่อมั่นในบริษัทที่สร้างรายได้อย่างมีคุณภาพ พร้อมโมเดลธุรกิจที่ยั่งยืน และผู้บริหารที่มีเป้าหมายสอดคล้องกับผู้ถือหุ้น
2. Fundamental Mispricing มองหาบริษัทที่ราคายังไม่สะท้อนมูลค่าพื้นฐาน โดยเชื่อว่าการซื้อธุรกิจคุณภาพดีในราคาที่เหมาะสม จะนำไปสู่ผลตอบแทนที่แข็งแกร่งในระยะยาว
3. Themes & Trends มองหาธีมและแนวโน้มที่กำลังจะเกิดขึ้น โดยเชื่อว่าแหล่งข้อมูลทางเลือกจะสามารถช่วยให้มองเห็นเทรนด์ที่กำลังส่งผลต่อบริษัทต่างๆ ทั่วโลก ซึ่งนักลงทุนรายอื่นอาจยังไม่สามารถมองเห็นได้
4. Sentiment Analysis สำรวจมุมมองของตลาดที่มีต่อบริษัท โดยเชื่อว่ามุมมองของนักลงทุนหรือนักวิเคราะห์ต่างๆ ทั่วโลกสามารถให้ข้อมูลที่มีประโยชน์เพื่อเสริมทิศทางการวิเคราะห์ รวมถึงความเชื่อมั่นของตลาดในวงกว้างจะช่วยให้มองเห็นภาพอนาคตของผลตอบแทนหุ้นได้ชัดเจนมากยิ่งขึ้น

ข้อมูลทั้งหมดจะถูกป้อนเข้าสู่ระบบ Machine Learning เพื่อให้โมเดลอัปเดตพอร์ต “แบบเรียลไทม์” พร้อมจัดสมดุลระหว่าง ผลตอบแทน ความเสี่ยง และต้นทุนการเทรด

 

Source: Goldman Sachs Asset Management

 

ตัวอย่างการใช้ AI มาประยุกต์ใช้ในการวิเคราะห์ การใช้ AI ที่อ่านข่าวและฟังน้ำเสียงของผู้บริหารได้จริง

 

โดยทีมผู้บริหารกองทุนมีการใช้ Large Language Model (LLM) ที่คล้าย ChatGPT มาช่วย “อ่าน” ข้อมูลตลาดมหาศาล ตั้งแต่รายงานวิเคราะห์ของนักวิเคราะห์ (sell-side reports), ข่าวเศรษฐกิจ, รายงานทางการ, ไปจนถึงคำพูดของผู้บริหารในช่วงประกาศผลประกอบการ

 

ซึ่ง AI ของ Goldman Sachs จะ “วิเคราะห์น้ำเสียง” (tone analysis) เพื่อดูว่า ผู้บริหารพูดด้วยความมั่นใจหรือไม่ มีช่วงหยุด “อ้ำอึ้ง” บ่อยไหม (“um”, “ah”) ซึ่งเป็นสัญญาณบ่งบอกความไม่แน่ใจในผลประกอบการที่กำลังจะเกิดขึ้น

 

นอกจากนี้ยังใช้ AI อ่าน patent filing, regulatory filing, และข่าวสารใหม่ ๆ เพื่อระบุว่าตลาดกำลังค้นพบ “โอกาสใหม่” ในบริษัทใดบ้างก่อนคนอื่นได้อีกด้วย

 

และทำผลลัพธ์มาสร้างพอร์ตการลงทุนที่เปลี่ยนไปตามข้อมูลแบบเรียลไทม์ ซึ่งเป็นการนำตัวแปรต่างๆ มาทำ Optimization เพื่อสร้างสมดุลระหว่าง Alpha, Risk และ Transaction Costs ซึ่งการทำ Optimization Portfolio เพื่อที่จะค้นหาผลตอบแทนส่วนเกินที่สม่ำเสมอและต่อเนื่องและมีเป้าหมายสร้างผลตอบแทนส่วนเกินจากดัชนีอ้างอิง MSCI World ระยะยาวเฉลี่ยปีละ 2.65% และมีรูปแบบการลงทุนที่ชัดเจนสอดคล้องกับดัชนีอ้างอิง พร้อมเน้นการบริหารความเสี่ยงโดยมีเป้าหมาย Tracking error ระยะยาวเทียบดัชนีอ้างอิงที่ 3.5% ต่อปี นอกจากนี้ยังเพื่อสร้างผลตอบแทนที่โดดเด่นและแตกต่างจากพอร์ตการลงทุนอื่นๆ ที่มีผลตอบแทนจากแหล่งที่แตกต่าง รวมถึงให้ความสำคัญกับ ESG และ Climate Transition โดยการใช้ข้อมูล ESG มาประกอบในโมเดลอย่างเป็นระบบ พร้อมทั้งไม่ลงทุนในบริษัทที่เกี่ยวข้องกับอาวุธ ยาสูบ และถ่านหิน

 

Source: Goldman Sachs Asset Management

 

ซึ่งลักษณะพอร์ตการลงทุนในปัจจุบันของกองทุนหลักเทียบดัชนีอ้างอิง as of 30 September 2025

Source: Goldman Sachs Asset Management

 

ผลการดำเนินงานระยะยาวของกองทุนหลัก as of 30 September 2025

Source: Goldman Sachs Asset Management

 

⭐ Key Takeaways

• กองทุนหลักใช้ระบบการลงทุนเชิงข้อมูลมาตั้งแต่ปี 1989 — พัฒนาต่อเนื่องกว่า 35 ปี
• วิเคราะห์หุ้นกว่า 15,000 ตัวทั่วโลก ด้วยข้อมูลระดับ “trillion data points”
• ใช้ AI อ่านข่าว วิเคราะห์โทนเสียง และจับสัญญาณจากตลาด
• ปรับพอร์ตเรียลไทม์ สร้างสมดุลระหว่าง Alpha, Risk และ Cost
• เป้าหมายผลตอบแทนส่วนเพิ่มเฉลี่ย +2.65% ต่อปี (ระยะยาว 3–5 ปี)
• เหมาะกับนักลงทุนที่มองหากองทุน “Core Equity” ที่ใช้เทคโนโลยีระดับ Goldman Sachs Asset Management

 

 

คำเตือน: กองทุนรวมนี้มีลักษณะเฉพาะและความเสี่ยงเฉพาะ ผู้ลงทุนควรทำความเข้าใจลักษณะ เงื่อนไขผลตอบแทนและความเสี่ยงของกองทุนรวมก่อนตัดสินใจลงทุน ผลการดำเนินงานในอดีต มิได้เป็นสิ่งยืนยันถึงผลการดำเนินงานในอนาคต ขอรับข้อมูลเพิ่มเติมหรือหนังสือชี้ชวนได้ที่ บล.อินโนเวสท์ เอกซ์