รายละเอียดโครงงาน
หลักสูตร/ปี พ.ศ. วิศวกรรมศาสตรบัณฑิต สาขาวิชาวิศวกรรมคอมพิวเตอร์ ปี พ.ศ. 2565
ภาคและปีการศึกษาที่สำเร็จการศึกษา ภาคปลาย ปีการศึกษา 2564
ประเภทโครงงาน
โครงงานวิศวกรรม
ชื่อโครงงานภาษาไทย
การพยากรณ์ข้อมูลการซื้อขายความถี่สูงและการพัฒนากลยุทธซื้อขายสำหรับตลาดหลักทรัพย์แห่งประเทศไทย
ชื่อโครงงานภาษาอังกฤษ
Algorithmic Trading Strategy on The Stock Exchange of Thailand’s High Frequency Data
ผู้พัฒนา
6110500615 ณัฐพงศ์ นวรัตนาพงษ์
อาจารย์ที่ปรึกษาหลัก
ยอดเยี่ยม ทิพย์สุวรรณ์
อาจารย์ที่ปรึกษาร่วม
-
บทคัดย่อ
ในปัจจุบันการลงทุนในตลาดหลักทรัพย์สามารถทำได้หลากหลายช่องทาง ประกอบกับข้อมูลเปิดเผยต่อสาธารณะมากขึ้นโดยเฉพาะข้อมูลเชิงปริมาณ ทำให้ความสำคัญของการซื้อขายหลักทรัพย์ด้วยการใช้ระบบอัตโนมัติมากขึ้น ในโครงงานวิจัยนี้จึงทดลองออกแบบวิธีการทำนายทิศทางของราคาหุ้นสามัญในตลาดหลักทรัพย์แห่งประเทศจากข้อมูลความถี่สูง โดยการพยายามสร้างข้อมูล Mean-reversion time series จากข้อมูลย้อนหลังของกลุ่มหุ้นในแต่ละอุตสาหกรรม ด้วยการทดสอบทางสถิติซึ่งประกอบด้วย Johanson cointegration, Augmented Dickey-Fuller test และ Hurst Exponent และมีการใช้ Half-Life of Mean Reversion ในกาตรวจสอบความผิดปกติของราคาและทำนายทิศทางของราคาที่จะเกิดขึ้นเพื่อพัฒนากลยุทธซื้อขาย จากการทดสอบพบว่าระบบที่พัฒนาขึ้นสามารถสร้างผลตอบแทนได้และมีผลตอบแทนที่ดีกว่าดัชนีอุตสาหกรรของตลาด แต่ยังมีข้อจำกัดในด้านการวางคำสั่ง Market Order , Limit Order และ Market Impact ที่อาจเกิดขึ้นทั้งระยะสั้นและระยะยาว เนื่องจากการที่จะทดสอบสิ่งเหล่านี้ได้จำเป็นต้องมี Simulation ของตลาด ซึ่งถือว่าเกินขอบเขตของโครงงานวิจัย ซึ่งเป็นสิ่งที่ควรนำมาศึกษาและพัฒนาระบบต่อไปเพื่อให้ระบบสามารถทำงานบนตลาดได้
Abstract
Nowaday, Investing in the stock exchange had become widely available, coupled with the availability of the stock data, which has made algorithmic trading strategies popular. This research project is about designing stock price prediction and algorithmic trading strategy on high-frequency data by constructing mean-reversion time series based on historical prices of all stock in a defined sector and statistical tests, including Johanson cointegration, Augmented Dickey-Fuller test, and Hurst Exponent. and applying Half-Life of Mean-Reversion to detect and predict prices movement to design a trading strategy. After the back test, the system can outperform the sector index of each of its own in terms of profit. However, the system still has some limitations on how to place a Limit order and Market order and lack of a Market impact model, whether in the short or long term, which needed market simulation and is out of this research project Delimitation. Still, further development of these limitations is highly recommended to minimize the risk of applying the system in the real market.
คำสำคัญ (Keywords)
High Frequency Data, Stationary, Mean-Reversion
เว็บไซต์โครงงาน
-
วีดีโอคลิปของโครงงาน
ที่เก็บเวอร์ชันซอร์สโค้ด
-
สถานะการนำเข้าข้อมูล
ผู้นำเข้าข้อมูลครั้งแรก
ณัฐพงศ์
นวรัตนาพงษ์
(b6110500615)
แก้ไขครั้งสุดท้าย
เมื่อ April 7, 2022, 1:29 p.m. โดย
ณัฐพงศ์
นวรัตนาพงษ์
(b6110500615)
สถานะการอนุมัติ
รออนุมัติ