เตรียมพบกับอีเอเอไอ AI. - Machine Learning ของแท้ 100% ตัวแรก
ทีเรียกว่า AI. แท้ ก็เพราะ Microsoft Azure Machine Learning Studio Classic (Free) DEV/TEST* มันเป็น AI แท้
รับประกันได้เลย 100%
อีเอตัวนี้เพิ่งทำเสร็จนะครับ ยังไม่ทราบผลว่าใช้ดีแค่ใหน อันนี้ต้องทดสอบดูสักเดือน
มาโพสไว้ก่อนนะครับเพื่อให้เตรียมตัวกัน อีเอตัวเทรดจะแจกอีก 2-3 วัน ขอเวลา debug เพิ่มอีกหน่อย ช่วงนี้ก็เปิดแอคเค้า Azure ML แล้วเทรน AI ให้เสร็จพร้อมเอามาใช้ เตรียมไว้ก่อนเลย
ท่านที่สนใจโปรดทำการเตรียมเทรน Machine Learning ไว้ก่อนเลย เมื่อตัวเทรดมาจะได้เปิดใช้ได้เลย
ตัวที่แจกวันนี้(วันแรก) เป็นแค่ตัว Test การเซ็ตอัพ ยังไม่มีฟังชั่นเทรด
กว่าจะทำได้ ตั้งนาน(หลายเดือน)
เช็คโพสด้านล่างผมจะอัพเดทเอาตัวจริงมาใส่ให้อีก 2-3 วัน
การใช้งานอาจจะยุ่งยากหน่อยนะครับ ลองทำตามขั้นตอนข้างล่างดู
อีเอนี้หัวใจการทำงาน อยู่ที่ระบบ Machine Learning ของ Microsoft Azure Machine Learning Studio Classic (Free) DEV/TEST*
Microsoft Azure Machine Learning Studio Classic (Free) สมัครฟรี ไม่ถามหาบัตรเครดิต
ส่วนอีเอ มีหน้าที่แค่รับข้อมูลมาใช้เทรดเปิด order เท่านั้น
เทรดดีไม่ดี อยู่ที่ ML ที่ทำการสร้างไว้ใน Azure
ถ้าเทรดไม่ดี ให้ลองเทรน ML ใหม่นะครับ
ใช้งานได้คู่เงินใหนบ้าง
ใช้งานได้ทุกคู่เงินเลยครับ แล้วแต่ว่าท่านจะเอาข้อมูล dataset ของคู่เงินใหนไปสร้าง ML
สำหรับคนไม่ชอบใช้อีเอ สามารถทดสอบใช้เป็น Signal ได้
อีเอเวอรชั่นจริงที่ทำ(รออีก2วัน) มี nortify ด้วย สามารถเปิดใช้ Line Nortify แจ้งเตือนได้
โดยเปิดอีเอทิ้งไว้ใน Live Demo เมื่อมันเทรด จะส่งข้อความแจ้งเตือนให้ทราบเฉพาะเวลาออก order หรือตั้งให้เตือนทุกๆ ชั่วโมงได้โดยตั้งค่าไว้ต่ำๆ
เข้าใจอีเอ เงื่อนไขการเทรดเป็นอย่างไร
เงื่อนไขการเทรดง่ายๆ
ถ้า ML คำนวนว่ากราฟจะขึ้นไป UP มากกว่าค่าที่ตั้งไว้ (ค่าติดบวก) ก็จะเปิด Order BUY
ถ้า ML คำนวนว่ากราฟจะลงไป DOWN มากกว่าค่าที่ตั้งไว้ (ค่าติดลบ) ก็จะเปิด Order SELL
ถ้า ML คำนวนว่ากราฟไป น้อยกว่าค่าที่ตั้งไว้ ทั้งสอง จะไม่เปิดเทรด
ตัวอย่าง ถ้าตั้งไว้ที่ 20 pip เมื่อ ML ทำนายว่าจะไปที่ 50 pip (ขึ้น) ก็จะเปิด BUY
ตัวอย่าง ถ้าตั้งไว้ที่ 20 pip เมื่อ ML ทำนายว่าจะไปที่ -50 pip (ลง) ก็จะเปิด SELL
ตัวอย่าง ถ้าตั้งไว้ที่ 20 pip เมื่อ ML ทำนายว่าจะไปที่ 10 pip ก็ไม่มีการเทรดใดๆ (เพราะน้อยกว่า)
ไอเดีย วิธีการตั้งค่า
ตัวอย่าง ตั้งค่าทำนายไว้สูงๆ และเทรดจริงน้อยๆ ความเป็นไปได้จะมีสูง
ตัวอย่าง ตั้งค่าทำนายไว้ 90 pip และเทรดจริงที่ TP20 pip ความเป็นไปได้จะสูงกว่า ทำนาย 30 pip แล้วเทรด 20 pip
(เป็นไปได้ว่า ตั้งค่าไว้ที่ 50 pip แต่กราฟอาจจะไปจริงแค่ 15 pip ซึ่งตั้งเทรดไว้ 20 pip จะไม่ถึง TP)
สำหรับคนที่อยากใช้เป็น signal
ถ้าต้องการให้เตือนเฉพาะเวลาเทรด ให้ตั้งค่าทำนายไว้สูงๆ
ถ้าต้องการให้เตือนทุกๆ ชั่วโมง ให้ตั้งค่าทำนายต่ำๆ
เข้าใจอีเอ อีเอทำงานอย่างไร
เมื่อขึ้น bar ใหม่ มันจะคำนวน โดยเช็คค่า OHLC ปัจจุบัน แล้วส่งค่าไปทำการทำนายราคาในอนาคตที Machine Learning แล้วรอรับค่ากลับมา เมื่อได้รับค่ากลับมา ก็จะคำนวนราคา เอาไปเช็คเงื่อนไขการเทรด
ดังนั้น Algorithm ทำนายราคาจะอยู่ที่ Azure Machine Learning ทั้งหมด
เข้าใจอีเอ อีเอทำงานอย่างไร
EA (Input) ==>> Azure ML Studio Classic ==>> EA (output) ==> Trade
ถ้าต้องการ ปรับอัลกอริทึ่ม ให้ทำ Training ใน Azure ใหม่นะครับ
แล้วเอา code ใหม่มาเปลี่ยนใส่ใน EA
การตั้งค่าอีเอส่วนที่ 1 Azure
1. ตั้งค่า Azure API KEY
2. ตั้งค่า Azure URL Address ที่จะให้อีเอติดต่อไปหา
3. ตั้งค่าอนุญาติให้อีเอติดต่อไปที่ Azure Machine Learning
https://ussouthcentral.services.azureml.net/การตั้งค่า ส่วนที่ 2 ที่อีเอ เงื่อนไขการเทรด
1. ตั้งค่าความห่างว่า ถ้าทำนายราคาไว้เกินกี่ pips ให้เปิด order BUY
2. ตั้งค่าความห่างว่า ถ้าทำนายราคาไว้เกินกี่ pips ให้เปิด order SELL
การตั้งค่า ส่วนที่ 3 ที่อีเอ
1. ตั้งค่า LOT
2. ตั้งค่า Take Profits
3. ตั้งค่า Stop Loss
4. ตั้งค่าอื่นๆ
ข้อจำกัด
Microsoft Azure Machine Learning Studio Classic แบบ Free สำหรับนักพัฒนา DEV/TEST*
จำกัดการใช้งานได้แค่ 1000 ครั้งต่อเดือน ก็คือสามารถส่งข้อมูลไปคำนวนได้ 1000 ครั้งเท่านั้น
ดังนั้นเมื่อคำนวนแล้ว ท่านจะสามารถใช้ได้ที่ อัพเดทถี่มากที่สุดที่อัตรา 1 ชั่วโมง สามารถใช้งานได้นานถึง 1 เดือน
ถ้าตั้งไว้น้อยกว่านี้ คือถี่มาก จะใช้งานได้ลดลง เช่น 30 นาที จะได้แค่ประมาณ 20 วัน ดังนั้นเลยแนะนำเป็น 1 ชั่วโมง
แนะนำให้ใช้แบบฟรีไปก่อน นาน 1 เดือน ถ้ามันได้กำไรมากเกิน 200 เหรียญ ค่อยลงทุนไปซื้อบริการ ML เพิ่ม
ค่าใช้จ่าย มันจะประมาณ 200 เหรียญต่อเดือน ใช้งานได้ 100,000 ทรานสแอคชั่น ก็คืออัพเดทได้บ่อยๆทุกๆ 1 นาทีได้
กลุ่มทดสอบ
กลุ่มคู่เงินต่างๆ EURUSD, GBPUSD, GBPJPY, GOLD และอื่นๆ
กลุ่ม Timeframe 1 ชั่วโมง, 4 ชั่วโมง, 1 วัน (ต่ำสุด 30 นาที จะได้ราวๆ 20 วัน หรือ 4 สัปดาห์ ไม่เต็มเดือน)
แนะนำที่ 1 ชั่วโมง
ผลการเทรดของแต่ละคนจะแตกต่างกัน
ปัจจัยประกอบที่ทำให้เกิดความต่าง Factor
คนใช้ dataset 1 ปี เทรนใน ML จะได้ผลต่างกัน (ไฟล์เล็ก)(ฟรี)
คนใช้ dataset 5 ปี เทรนใน ML จะได้ผลต่างกัน (ไฟล์ใหญ่กว่า)
คนใช้ dataset 10 ปี เทรนใน ML จะได้ผลต่างกัน (ไฟล์ใหญ่มาก อาจต้องซื้อ service เพิ่ม)
คนใช้ dataset 100,000 record
คนใช้ dataset 500,000 record
คนใช้ dataset 1,000,000 record
คนใช้ เทรนใน ML นาน 10 นาที จะได้ผลต่างกัน (ฟรี)
คนใช้ เทรนใน ML นาน 1 ชั่วโมง จะได้ผลต่างกัน (ฟรี)
คนใช้ เทรนใน ML นาน 7 ชั่วโมง จะได้ผลต่างกัน (ต้องซื้อ service เพิ่ม)
คนใช้ เทรนใน ML นาน 12 ชั่วโมง จะได้ผลต่างกัน (ต้องซื้อ service เพิ่ม)
dataset แท่งเทียนของแต่ละโบรก อาจให้ผลจะต่าง โดยเฉพาะ Timeframe น้อยๆ ต่ำกว่า 1 Days
คู่เงิน คู่เงินแต่ละคู่เงิน ต่างกันแน่นอน EURUSD, GBPUSD, GBPJPY, GOLD และอื่นๆ
ต้องลองว่าคู่เงินใหนจะใช้ได้ดี
สิ่งที่ต้องทำ
สมัคร Microsoft Azure Machine Learning Studio Classic (Free) DEV/TEST*
1. เอาอีเมล hotmail หรือ outlook ไปสมัครใช้ฟรี
2. ไม่มีถามบัตรเครดิต
3.
https://studio.azureml.net/Home/ ใช้ MT5 ตั้งค่า MT5
1. ติดตั้ง MT5
2. ตั้งค่าข้อมูลเป็น UNLIMITED
3. เมนู ==> Tools ==> Options ==> Charts ==> Max bars in chart ==> 9999999999999999
4. แก้ไขจาก 100000 ไปเป็น 999999999
5. รีสตารท MT5 แล้วเปิดเข้าไปดูใหม่ ให้พบว่าเปลี่ยนเป็น Unlimited
6. ตั้งค่าเมนู ==> Tools ==> Options ==> Tab Expert Advisors ==> Allow WebRequest for List URL: ==> add new URL
7. กรอก
https://ussouthcentral.services.azureml.net/ เตรียมข้อมูล dataset แท่งเทียน
1. เปิด MT5 เลือกคู่เงินที่ต้องการใน Matket Watch
2. คลิกขวาเลือกเมนู Symbols
3. เลือกแถบ Bar
4. เลือกคู่เงินที่ต้องการ เลือก Timeframe เป็น H1
5. เลือกวันที่ เริ่มจาก และสินสุดวันนี้
6. กด Request
7. กด Request ไปเรื่อยๆ
8. กด Request ไปจนมีข้อมูลออกมาว่า มีข้อมูลทั้งหมดกี่แท่งเทียน bars
9. GOLD, H1, 500 Bars
เตรียมไฟล์ข้อมูล dataset แท่งเทียน
1. เปิด chart คู่เงินที่ต้องการ
2. ปรับ timeframe เป็น 1 ชั่วโมง H1
3. เอาอินดิเคเตอร์ Azure-dataset-open-high-low-close-volume-adjclose.ex5 จับลากเข้า
4. รออินดิเคเตอร์เซฟข้อมูลแท่งเทียนทำงานจนเสร็จ เสร็จแล้วภาพอินดิเคเตอร์ทำงานจะหายไป (อาจจะรอนานหน่อย)
5. เปิดโฟลเดอร์ \MetaTrader 5\MQL5\Files\
6. จะพบไฟล์ชื่อ AZURE_EXPORT_XAUUSD_TF-H1_Exness-MT5Trial_update20200410_205959_2Shift_1034301bar.csv
7. เอาไฟล์อัพโหลดเข้าไปในใน Azure machine learning
8. วิธีอื่นๆ เตรียมข้อมูลเองยังไงก็ได้ ขอให้ได้ไฟล์ CSV
9. Date,Open,High,Low,Close,Volume,Adj Close
เทรนโมเดลง่ายๆ โดยการใช้ template แล้ว ลักไก่เอา dataset ของเราไปแทนที่ แค่นี้ก็เสร็จแล้วง่ายๆ เลย
1. เปิดไปหน้าเว็บ Azure AI Gallery
2.
https://gallery.azure.ai/Experiment/Stock-Market-Analyzer-13. คลิกที่แถบเขียวๆ ด้านขวามือ Open in Studio (classic)
4. คลิกแล้วมันจะเปิดไปหน้า Studio ของเรา
5. ใช้ REGION ที่เขาตั้งไว้ default
6. และเลือก WORKSPACE เป็น Free-Workspace (Current) ของเรา
7. คลิก OK ถูก
8. จะขึ้นหน้า Template Stock Market Analyzer มี dataset เป็น table (2) - Copy (27).csv
9. เปลี่ยนชื่อ Stock Market Analyzer เป็นชื่อของเรา เช่น XAUUSD_TF-H1_Exness-MT5Trial
10. เมนูด้านซ้ายมือ คลิกเปิด Saved Datasets เลือก My Datasets
11. เลือกไฟล์ dataset ที่เราอัพโหลดเข้าไป XAUUSD_TF-H1_Exness-MT5Trial.csv
12. จับลาก เข้าไปไว้ใน work space ตรงกลาง
13. คลิกจุดตรงกลางของ dataset เรา ไปเชื่อมกับโมดูล Split Data
14. แค่นี้ สร้างผังเชื่อมโยง เสร็จแล้ว ง่ายๆ เลย
15. ด้านล่างกดปุ่ม สามเหลี่ยม RUN (กด RUN รอบแรก)
16. รอจนโปรแกรม ขึ้นเครื่องหมายถูกจนครบทั้งหมด
17. มุมด้านบน เขียนว่า Finished running เครื่องหมายถูก (รอบแรก)
18. คลิกที่โมดูลตรงกลางชื่อ Train Model อันใหนก็ได้ให้มัน High Light
19. คลิก RUN อีกครั้ง (กด RUN รอบสอง)
20. รอจนโปรแกรมทำงานเสร็จ
21. คลิก SETUP WEB SERVICE ==> Predictive Web Service (Recommended)
22. คลิก RUN อีกครั้ง (กด RUN รอบสอง)
23. มุมด้านบน เขียนว่า Finished running เครื่องหมายถูก (รอบสอง)
24. คลิก DEPLOY WEB SERVICE
25. โปรแกรมจะวิ่งไปอีกหน้า
26. สังเกตจะมี API key ยาวๆ
26. ตรงปุ่ม Test สีฟ้า บรรทัดแรก ให้กดข้างๆ Test preview ที่อยู่ด้านข้างๆ
27. โปรแกรมจะวิ่งไปอีกหน้า
28. ตรง Sample Data กด Enable
29. จะมีข้อมูลสุ่มตัวอย่างขึ้นใน input1 ด้านซ้ายมือ
30. กดทดสอบ Test Request-Response
31. ด้านขวามือ จะขึ้น processs
32. มีข้อมูล output1 ขึ้นมา
33. ปรากฎการทำนายราคา Scored Labels ขึ้นมาด้านขวามือ
34. เสร็จสินการทดสอบ
ก็อปข้อมูล Azure ไปใส่ในอีเอ
1. ในหน้า test จะมี แถบด้านบน
2. Quickstart Dashboard Batch Request Log Configure Consume Test Swagger API
3. คลิกที่ Consume
4. จะมีข้อมูลสคริปอยู่ในช่องต่างๆ
5. ก็อปปี้ช่อง Primary Key ช่องแรก (เรียกว่า API-KEY)
6. ก็อปปี้ Primary Key เอามาไว้ใน notepad บันทึกไว้ว่าเป็น Azure API-KEY
7. ก็อปปี้ช่อง Request-Response ช่องที่สาม
8. ก็อปปี้ Request-Response เอามาไว้ใน notepad บันทึกไว้ว่าเป็น Azure URL Service
ตั้งค่าอีเอ
1. จับอีเอลากใส่เข้า chart จะขึ้นหน้าตั้งค่าอีเอ
2. ก็อปปี้ Primary Key ไปใส่ไว้ในช่อง Azure Primary Key (API KEY)
3. ก็อปปี้ Request-Response ไปใส่ไว้ในช่อง Azure Request-Response Services URL
4. อย่าลืม Save ค่าไว้จะได้ไม่ต้องมากรอกใหม่
5. กดปุ่ม Save มุมล่างขวามือ ตั้งชื่อไฟล์เซฟไว้ (เวลาจะใช้ก็กดตรง Load)
6. กด OK
ทดสอบอีเอครั้งแรก
1. จับลากอีเอใส่ chart
2. จะไม่เกิดอะไรขึ้น (ถูกแล้ว)
3. จับอีเอลากใส่ chart ใหม่
4. ตั้งค่าอีเอ TEST Run on OnInit Drop EA (One Time) เปลี่ยนจาก false เป็น TRUE
5. แค่ดับเบิ้ลคลิกที่ false มันก็จะเปลี่ยนเป็น true
6. กด OK จะเห็นว่าอีเอทำงาน
7. เช็คผลเปิดใช้งานครั้งแรก
8. ถ้าทำงานถูกต้อง จะมีข้อความขึ้นเต็มไปหมดบนหน้าจอ
9. ถ้าไม่ถูกจะไม่มีอะไรเกิดขึ้นบนหน้าจอ ต้องไปเปิดดูในแถบ Exports,Journal
เช็คว่าอีเอทำงานถูกต้องหรือไม่
1. ถ้าไม่ถูกต้อง จะไม่มีอะไรเกิดขึ้นบนหน้าจอ ว่างๆ
2. ให้เปิดดูในแถบ Experts/Journal จะมีข้อความ DEBUG INFO บอก error
3. ถ้าถูกต้องจะมีข้อความ ข้อมูลขึ้นเต็มไปหมดในหน้าจอ
3. เช็คตรงข้อมูลตอบกลับ JSON ว่าขึ้น ERROR ใหม
4. ถ้าถูก JSON Result Return จะขึ้นเป็น Results"
5. ถ้าผิด JSON Result Return จะขึ้นเป็น error
6. ดูตรง Return Status code
7. ถ้าถูกต้อง Return Status code จะเป็น 200
8. ถ้าไม่ถูกต้อง Return Status code จะเป็น 400 หรืออื่นๆ
9. เปิดดูในแถบ Exports,Journal
10. เวอร์ชั่นจริงจะมีข้อความ error เก็บไว้ในโฟลเดอร์ \MQL5\Files\
ตัวอย่างการทำงานถูกต้อง
Status code: 200, error: 0
Server response a : {"Results":{"output1":[{"Date":"4/13/2020 6:47:23 AM","Open":"6725.96","High":"6727.21","Low":"6725.55","Close":"6727","Volume":"23","Adj Close":"6727","Scored Labels":"6726.72344382559"}]}}
รหัส error ถ้าเป็นเลข 0 หมายถึงไม่มี error เลย (ผ่าน)
แต่ถ้าเป็น error จะเป็นเลขอื่นๆ (มากกว่า 0 )
ตัวอย่าง ERROR
มั่นใจได้เลยว่า ERROR
Server response: {"error":{"code":"BadArgument","message":"Invalid argument provided.","details":[{"code":"RequestBodyInvalid","message":"No request body provided or error in deserializing the request body."}]}}
Server response: {"error":{"code":"Unauthorized","message":"Request is unauthorized to access resource.","details":[{"code":"ScoreRequestUnauthorized","message":"Invalid credentials provided."}]}}
เบื้องต้นอีเอ Azure พัฒนามี 3 System
1. System แรก Experiment Stock-Market-Analyzer-1 (Predict Furture Price)
2. System สอง Manual Training (Standard Only) (Predict Furture Price)
3. System สาม Manual Training (BUY-SELL-HOLD)
จะทยอยแจก ตัวแรกแจก ระบบที่ 1 ก่อน เพราะใช้งานง่ายสุด
ส่วนระบบอื่นๆ อาจจะต้องทำ FlowChart ตั้งระบบเทรดเองใหม่ทั้งหมด อาจจะใช้ยากกว่า
ส่วนอีเอแบบใช้ Python Unlimited น่าจะเดือนหน้า (เดือนหน้าไปเรื่อยๆ 555)
เพราะความยากในการทำ ยาก ถึงยากมาก มากๆ
ปล. อีเอนี้ BACKTEST แล้วเปลืองโควต้าการใช้งานฟรีนะครับ ใช้ฟรีจำกัดแค่ 1000 ครั้ง BACKTEST โควต้าหมดทันที
(ซื้อ service เพิ่ม 4000-5000 บาท BACKTEST บ่อยๆ แป็ปเดียวก็หมด 555)
ปล. Microsoft Azure Machine Learning Studio Classic (Free)
สมัครได้ฟรี ไม่ถามหาบัตรเครดิต
Azure ML Studio Classic กับ Azure Portal เป็นคนละเว็บกัน
ถ้าท่านเข้าถูก จะไปที่ ML Studio Classic
https://studio.azureml.net/Home/ เวลาสมัรคร จะไม่ถามบัตรเครดิต
ถ้าท่านเข้าผิด จะไปที่ Azure Portal
https://portal.azure.com/#home มันจะถามหาบัตครเครดิต (แต่ก็ใช้ได้เหมือนกัน)
ถ้าต้องการซื้อ service เพิ่มจะต้องใช้ที่ Azure Portal
ปล. อย่าสมัคร แอคเค้าเกิน 2 แอคเค้า ระวังโดน MS แบนแอคเค้า และทำให้เพื่อนๆ ที่ใช้งาน Free DEV/TEST* เดือนร้อน อาจจะถึงขั้นแบน user จากประเทศไทยได้ ทำให้ซวยกันหมด
แนะนำสมัครกันคนละ 1 แอคเค้ากันก็พอ ใช้แค่คนละ 1 อีเอ กันนะครับ
ของผมใช้ พัฒนา 1 แอเค้า และใช้จริง 1 แอคเค้า (
ปล. Microsoft Azure Machine Learning Studio Classic (Free) DEV/TEST*
1 แอคเค้า จะมีพื้นที่การใช้งาน 10 GB รวมไฟล์ทุกอย่างทั้งหมดที่ต้องใช้ รวมถึงข้อมูล model ที่เทรนด้วย
2. 1 แอคเค้าฟรี ใช้ได้เพียงแค่ 1 อีเอเท่านั้น เพราะติดจำกัดที่ จำนวนเรียกใช้
ปล. ค่าใช้จ่ายซื้อบริการเพิ่ม $200 เหรียญ (6200 บาท) ใช้งาน 100,000 ทราสแอคชั่น สามารถใช้ อัพเดททุก 1 นาทีได้ ประมาณ 2.5 ตัว
หรือใช้ 1 ชั่วโมงได้ประมาณกว่า 100 ตัว
ข้อดี Microsoft Azure Machine Learning Studio Classic (Free) DEV/TEST*
1. สมัครฟรี ไม่มีค่าใช้จ่าย
2. ไม่ถามบัตรเครดิต
3. ใช้งานฟรีได้ถึง 1,000 Transactions
ข้อเสีย
1. จำกัดใช้ได้แค่ 1,000 Transactions แป้ปเดียวหมด
2. ได้ได้แค่ 1 อีเอ
3. ใช้ได้เฉพาะ timeframe 1 ชั่วโมง ถึงจะใช้ได้ครบเต็ม 1 เดือน
ข้อดีซื้อ Service STANDARD S1 TIER เพิ่ม
1. ใช้ได้ 100,000 Transactions
2. ทำให้ใช้ได้หลายอีเอ
3. ใช้ timeframe 1 นาทีได้
ข้อเสีย
1. เสียเงิน ค่าใช้จ่ายสูง
สถิติกองทุน SPDR
