รายละเอียดโครงงาน
หลักสูตร/ปี พ.ศ. วิศวกรรมศาสตรบัณฑิต สาขาวิชาวิศวกรรมคอมพิวเตอร์ ปี พ.ศ. 2564
ภาคและปีการศึกษาที่สำเร็จการศึกษา ภาคปลาย ปีการศึกษา 2563
ประเภทโครงงาน
โครงงานวิศวกรรม
ชื่อโครงงานภาษาไทย
การทำนายราคาทองคำด้วยการเรียนรู้ของเครื่อง
ชื่อโครงงานภาษาอังกฤษ
Predicting Gold Price using Machine Learning
ผู้พัฒนา
6010502535 ชานน พนมรัตนรักษ์
อาจารย์ที่ปรึกษาหลัก
ยอดเยี่ยม ทิพย์สุวรรณ์
อาจารย์ที่ปรึกษาร่วม
ยอดเยี่ยม ทิพย์สุวรรณ์
บทคัดย่อ
การลงทุนในปัจจุบันสามารถทำได้หลายรูปแบบผ่านทางสินทรัพย์ประเภทต่างๆ ซึ่งสินทรัพย์แต่ละประเภทก็จะมีลักษณะแนวโน้มของราคาที่แตกต่างกันไปตามปัจจัยที่ส่งผลกระทบต่อสินทรัพย์นั้นๆ สำหรับทองคำนั้นเป็นหนึ่งในสินทรัพย์ที่ราคามีการเปลี่ยนแปลงตลอดเวลาและคาดเดาได้ยาก เพราะมีปัจจัยที่มีความผันผวนหลายอย่างเข้ามาเกี่ยวข้อง
โครงงานนี้จัดทำขึ้นเพื่อหาแบบจำลองทำนายราคาทองคำที่มีประสิทธิภาพโดยใช้แบบจำลอง Vector Autoregressive (Vector Autoregressive Model) และแบบจำลอง Extreme Gradient Boosting (Extreme Gradient Boosting) และทำการวิเคราะห์ปัจจัยที่ส่งผลกระทบต่อราคาทองคำเพื่อนำผลลัพธ์ที่ได้ไปใช้สำหรับพัฒนาในแบบจำลองอื่นๆ ต่อไปในอนาคต โดยจะเริ่มจากการนำข้อมูลที่คาดว่าจะส่งผลกับราคาทองคำมาผ่านการวิเคราะห์เชิงสถิติแล้วนำเข้าไปสร้างเป็นแบบจำลองทำนายราคาทองคำล่วงหน้าหนึ่งสัปดาห์ โดยผลลัพธ์จะประเมินจากความแม่นยำของราคาที่ทำนายและความถูกต้องของแนวโน้มราคา โดยจะใช้ mape (Max Absolute Percent Error) และ rmse (Root Mean Square Error) เป็นตัวชี้วัด ซึ่งผลลัพธ์พบว่าแบบจำลอง Vector Autoregressive (Vector Autoregressive Model) นั้นได้ความแม่นยำของราคาที่ทำนายมากกว่า แต่แบบจำลอง Extreme Gradient Boosting (Extreme Gradient Boosting) จะให้ความถูกต้องในเชิงแนวโน้มราคาที่ดีกว่า
Abstract
Nowadays, there are many approaches of investment available through different assets. Each asset has different trends according to the factors affecting the price. As for gold, it is one of the most unpredictable and volatile assets. Because there are many factors that have volatility involved.
This project’s goal is to find the most effective prediction model using the Vector Autoregressive Model and the Extreme Gradient Boosting model to predict gold price and to analyze the factors that affect the gold price in order to use the results for further development of other models in the future. Starting with the statistical analysis of the data expected to affect the gold price. Import data to create a model for predicting the price of gold one week ahead. The results are evaluated based on the accuracy of the predicted price and the accuracy of the price trend, using Max Absolute Percent Error and Root Mean Square Error as indicators. The results showed that the Vector Autoregressive Model had more predicted price accuracy. But the Extreme Gradient Boosting model had better trend accuracy.
คำสำคัญ (Keywords)
Gold Price
Vector Autoregressive
Extreme Gradient Boosting
เว็บไซต์โครงงาน
-
วีดีโอคลิปของโครงงาน
ที่เก็บเวอร์ชันซอร์สโค้ด
https://github.com/Zer0gear/CPE-Final-Project
สถานะการนำเข้าข้อมูล
ผู้นำเข้าข้อมูลครั้งแรก
ชานน
พนมรัตนรักษ์
(b6010502535)
แก้ไขครั้งสุดท้าย
เมื่อ April 22, 2021, 5:25 p.m. โดย
ชานน
พนมรัตนรักษ์
(b6010502535)
สถานะการอนุมัติ
รออนุมัติ