fieldid E-Thesis & Research สถาบันเทคโนโลยีไทย-ญี่ปุ่น
สืบค้น:

เขตข้อมูล ข้อมูล
บทคัดย่อ
แบบจำลองการพยากรณ์ราคาอนุพันธ์ โดยใช้เทคนิคโครงข่ายประสาทเทียมแบบสังวัตนาการ 1 มิติ หน่วยความจำระยะสั้นแบบยาวและซัพพอร์ตเวกตอร์รีเกรสชัน : การลงทุนในตลาดสัญญาซื้อขายล่วงหน้า (ประเทศไทย) หรือ TFEX เป็นอีกหนึ่งทางเลือกของนักลงทุนที่ต้องการลงทุนเพียง 10-15% ของการลงทุนในทรัพย์สินอ้างอิงนั้นๆ แต่มีโอกาสรับผลตอบแทนเท่ากับการลงทุน 100% ของทรัพย์สินอ้างอิงในตลาดหลักทรัพย์แห่งประเทศไทย นักวิจัยมีความสนใจในอนุพันธ์ประเภท SET 50 Index Futures ที่อ้างอิงกับดัชนี SET50 ซึ่งคำนวณจากหุ้นสำมัญจดทะเบียนที่มีสภาพคล่องสม่ำเสมอจำนวน 50 ตัวแรกของตลาดหลักทรัพย์แห่งประเทศไทย โดยเลือกสัญญาที่มีระยะเวลำสัญญา 12 เดือน และเก็บข้อมูลย้อนหลังเป็นเวลา 14 ปี เพื่อนำมาพัฒนาแบบจำลองการพยากรณ์ราคาปิดด้วยเทคนิคโครงข่ำยประสาทเทียมแบบสังวัตนำการ 1 มิติ หรือ 1D Convolutional Neural Network (1D-CNN), หน่วยความจำระยะสั้นแบบยาว หรือ Long Short-Term Memory (LSTM) และซัพพอร์ตเวกตอร์รีเกรสชัน หรือ Support Vector Regression (SVR) โดยใช้คุณลักษณะจำนวน 9 คุณลักษณะ คือ 1) ราคาเปิด 2) ราคาสูงสุด 3) ราคาต่ำสุด 4) ราคาปิด 5) ราคาที่ใช้ชำระราคา 6) ราคาเปลี่ยนแปลง 7) %ราคาเปลี่ยนแปลง 8) ปริมาณการสั่งซื้อ 9) สถานะคงค้าง โดยนำคุณลักษณะทั้งหมดมาหาความสัมพันธ์กับราคาปิดด้วยวิธีสัมประสิทธิ์สหสัมพันธ์เพียร์สัน (Pearson) กำหนดชุดข้อมูลฝึกสอนและชุดข้อมูลทดสอบ เท่ากับ 80 : 20 โดยแบ่งข้อมูลแบบ 5-fold cross validation และเปรียบเทียบความแม่นยำในการพยากรณ์ราคาปิดด้วยค่ำเฉลี่ยความผิดพลาดกำลังสอง หรือ Mean Squared Error (MSE), ค่ารากที่สองของค่าความคลาดเคลื่อนกำลังสองเฉลี่ย หรือ Root Mean Square Error (RMSE), ค่าความคลาดเคลื่อนสมบูรณ์เฉลี่ยหรือ Mean Absolute Error (MAE) ผลการวิจัยพบว่าแบบจำลองจากวิธีการ LSTM ข้อมูลใน Fold 5 มีประสิทธิภาพในการพยากรณ์ดีที่สุด รองลงมาคือ SVR ข้อมู
ผู้แต่ง
เกศินี ซ่อนกลิ่น
ประเภทสิ่งพิมพ์
วิทยานิพนธ์ (MIT) 2021
เลขหน้า
109
หัวเรื่อง
สถาบันเทคโนโลยีไทย-ญี่ปุ่น.สาขาวิชาเทคโนโลยีสารสนเทศ--วิทยานิพนธ์
หัวเรื่อง
เทคโนโลยีสารสนเทศ--วิทยานิพนธ์
เอกสารฉบับเต็ม
Download full text