หลักสูตร/ปี พ.ศ. วิศวกรรมศาสตรบัณฑิต สาขาวิชาวิศวกรรมคอมพิวเตอร์ ปี พ.ศ. 2566
ภาคและปีการศึกษาที่สำเร็จการศึกษา ภาคปลาย ปีการศึกษา 2565
ประเภทโครงงาน
โครงงานวิศวกรรม
ชื่อโครงงานภาษาไทย
การพยากรณ์ความผันผวนของผลตอบ เเทนของหลักทรัพย์ในกลุ่มธนาคาร
ชื่อโครงงานภาษาอังกฤษ
Volatility Forecasting For The Stock
Returns of Banking Group
ผู้พัฒนา
6210503608 นายธนินทร์ อุดมธนกิจ
อาจารย์ที่ปรึกษาหลัก
ยอดเยี่ยม ทิพย์สุวรรณ์
อาจารย์ที่ปรึกษาร่วม
-
บทคัดย่อ
การศึกษาวิจัยนี้มีวัตถุประสงค์ในการเปรียบเทียบประสิทธิภาพการพยากรณ์ความผัน
ผวนของผลตอบแทนของหลักทรัพย์ในกลุ่มธนาคาร โดยจะแบ่งออกเป็น 2 ส่วน คือ ส่วนแรก
เปรียบเทียบประสิทธิภาพระหว่างตัวแบบในการพยากรณ์ด้วยตัวแปรเดียว (Univariate) ส่วนที่
สอง คือ การเปรียบเทียบประสิทธิภาพการพยากรณ์ระหว่างการใช้ปัจจัยเดียว และหลาย
ปัจจัย (Multivariate) ตัวแบบที่ได้เลือกมาทำวิจัยในครั้งนี้สามารถแบ่งออกเป็น 3 กลุ่มหลักๆ
ได้แก่ กลุ่มที่ 1 คือตัวแบบทางเศรษฐมิติ กลุ่มที่ 2 คือตัวแบบที่สร้างด้วยการเรียนรู้ของเครื่องจักร
(Machine Learning) กลุ่มที่ 3 คือตัวแบบแบบ โดยจะใช้ข้อมูลหลักทรัพย์แต่ละตัว และข้อมูล
ตัวแปรอิสระอื่นๆ ตั้งแต่วันที่ 1 ม.ค. พ.ศ.2556 จนถึง 27 ก.พ. พ.ศ.2566
จากการศึกษาพบว่าในส่วนที่ใช้ปัจจัยเดียวในการพยากรณ์ตัวแบบในกลุ่มการเรียนรู้ของ
เครื่องจักรมีความสามารถในการพยากรณ์มากที่สุด โดยตัวแบบที่มีความสามารถในการพยากรณ์
มากที่สุดคือ Support Vector Machine แบบ Linear และในส่วนของการเปรียบเทียบระหว่าง
การใช้ปัจจัยเดียว และหลายปัจจัยจะพบว่าการใช้ปัจจัยเพียงตัวเดียวทำให้ตัวแบบมี
ความสามารถในการพยากรณ์ความผันผวนได้ดีกว่าการใช้หลายปัจจัย สำหรับการวัดค่าจะใช้
เกณฑ์ทางสถิติ 3 เกณฑ์ ได้แก่ ค่าคลาดเคลื่อนสัมบูรณ์เฉลี่ย (Mean Absolute Error: MAE),
รากที่สองของค่าคลาดเคลื่อนสัมบูรณ์เฉลี่ย (Root Mean Squared Error: RMSE) และค่า
สัมประสิทธิ์การตัดสินใจ (Coefficient of determination: R-squared)
Abstract
The objective of this research is to compare the effectiveness of predicting
the volatility of returns of securities in the banking group. The study is divided
into two parts: the first part compares the performance of univariate models for
forecasting using a single variable, while the second part compares the
performance of forecasting using single and multiple factors (multivariate). The
models selected for this study can be categorized into three main groups: 1)
Econometric models, 2) Machine Learning models, and 3) Hybrid models, which
use data on individual securities and other independent variables from January
1, 2013 to February 27, 2023.
The results of the study showed that the machine learning models using only
one factor had the highest predictive ability. The model with the highest
predictive ability was the Linear Support Vector Machine. In terms of comparing
the use of single and multiple factors, it was found that using only one factor
resulted in better predictive ability. The statistical criteria used to measure
performance were the Mean Absolute Error (MAE), Root Mean Squared Error
(RMSE), and the Coefficient of Determination (R-squared)
คำสำคัญ (Keywords)
ความผันผวน, หลักทรัพย์, การพยากรณ์, ตัวแบบทางเศษฐมิติ, การเรียนรู้ของเครื่องจักร,
แบบจำลองแบบสุ่ม, อนุกรมเวลา
เว็บไซต์โครงงาน
-
ที่เก็บเวอร์ชันซอร์สโค้ด
-
ผู้นำเข้าข้อมูลครั้งแรก
นายธนินทร์
อุดมธนกิจ
(b6210503608)
แก้ไขครั้งสุดท้าย
เมื่อ April 6, 2023, 3:29 p.m. โดย
นายธนินทร์
อุดมธนกิจ
(b6210503608)
สถานะการอนุมัติ
รออนุมัติ