รายละเอียดโครงงาน
หลักสูตร/ปี พ.ศ. วิศวกรรมศาสตรบัณฑิต สาขาวิชาวิศวกรรมซอฟต์แวร์และความรู้ ปี พ.ศ. 2569
ภาคและปีการศึกษาที่สำเร็จการศึกษา ภาคปลาย ปีการศึกษา 2568
ประเภทโครงงาน
โครงงานวิศวกรรม
ชื่อโครงงานภาษาไทย
วาลู อินเวสติ้ง อินเทลลิเจนท์ แวนการ์ด: ระบบวิเคราะห์หุ้นอัจฉริยะเพื่อการลงทุนแบบเน้นคุณค่าด้วยโมเดลภาษาขนาดใหญ่
ชื่อโครงงานภาษาอังกฤษ
Value Investing Intelligent Vanguard
ผู้พัฒนา
6510545314 นายจุลลพงศ์ เจียมวัฒนาเลิศ
6510545641 นางสาวพิมพ์ณดา จิรโชติศุภพัชร์
อาจารย์ที่ปรึกษาหลัก
กฤษณะ ไวยมัย
อาจารย์ที่ปรึกษาร่วม
-
บทคัดย่อ
ตลาดหุ้นไทยมีความผันผวนสูงและมีข้อมูลทางการเงินที่ซับซ้อน โดยเฉพาะรายงาน 56-1 One Report ที่มีความยาวหลายร้อยหน้า ทำให้นักลงทุนรายย่อยมักประสบปัญหาในการคัดกรองข้อมูลสำคัญ และมักใช้ความรู้สึกส่วนตัวในการตัดสินใจลงทุนมากกว่าข้อมูลพื้นฐานที่แท้จริง
Value Investing Intelligent Vanguard หรือ VIIV เป็นระบบวิเคราะห์หุ้นที่ขับเคลื่อนด้วยโมเดลภาษาขนาดใหญ่ (LLM) ซึ่งถูกออกแบบมาเพื่อบริบทภาษาไทยโดยเฉพาะ ระบบใช้สถาปัตยกรรม Retrieval-Augmented Generation (RAG) ร่วมกับเทคนิคการปรับจูนโมเดล OpenThaiGPT1.5-14B ด้วยกลยุทธ์ QLoRA เพื่อช่วยสังเคราะห์ข้อมูลเชิงคุณภาพและเครื่องมือประมวลผลตัวชี้วัดทางเทคนิคให้เป็นข้อมูลสนับสนุนการตัดสินใจที่เข้าใจง่าย
ผลการทดสอบพบว่า VIIV-Model มีประสิทธิภาพเพิ่มขึ้นจากโมเดลพื้นฐานเฉลี่ย 11.98% ใน 3 ด้านหลัก ได้แก่ ด้านความหมายทางภาษา (BERTScore F1) ที่ 0.8439, ด้านคุณภาพการสร้างคำที่ดูเป็นมืออาชีพ (G-Eval) ที่ 0.7765 และด้านความถูกต้องของการใช้เหตุผล (Reasoning Correctness) ที่สูงถึง 83.00% นอกจากนี้ ผลการประเมินความพึงพอใจจากผู้ใช้งานจริงยังอยู่ในระดับดีด้วยคะแนน SUS ที่ 79.17 ช่วยยืนยันว่าระบบสามารถลดภาระในการวิเคราะห์และประหยัดเวลาให้กับนักลงทุนได้อย่างมีประสิทธิภาพ
Abstract
The Thai stock market is characterized by high volatility and complex financial data. Retail investors often struggle to process extensive documents like the 300-400 page 56-1 One Reports, leading to suboptimal or emotionally driven investment decisions rather than fundamental analysis.
Value Investing Intelligent Vanguard or VIIV is a Thai-centric, Large Language Model (LLM)-powered stock analysis system. By utilizing Retrieval-Augmented Generation (RAG) and fine-tuning the OpenThaiGPT1.5-14B model using QLoRA, VIIV synthesizes complex qualitative data and technical indicators into decision-support insight.
The experimental results demonstrate a significant performance leap, with the VIIV-Model improving by an average of 11.98% across three key metrics, including Semantic Similarity (BERTScore F1 at 0.8439), Generative Quality (G-Eval at 0.7765), and Reasoning Correctness (Benchmark Pass Rate at 83.00%). Furthermore, the system achieved a Good usability rating with a SUS score of 79.17, confirming its effectiveness in reducing cognitive load and saving time for investors.
คำสำคัญ (Keywords)
LLM
RAG
Retrieval-Augmented Generation
QLoRA
OpenThaiGPT
Fine-tuning
Agentic AI
Artificial Intelligence
Machine Learning
Value Investing
Stock
Financial
เว็บไซต์โครงงาน
-
วีดีโอคลิปของโครงงาน
ที่เก็บเวอร์ชันซอร์สโค้ด
https://github.com/value-investing-intelligent-vanguard/viiv
สถานะการนำเข้าข้อมูล
ผู้นำเข้าข้อมูลครั้งแรก
นายจุลลพงศ์
เจียมวัฒนาเลิศ
(b6510545314)
แก้ไขครั้งสุดท้าย
เมื่อ April 29, 2026, 11:27 a.m. โดย
นายจุลลพงศ์
เจียมวัฒนาเลิศ
(b6510545314)
สถานะการอนุมัติ
รออนุมัติ