การใช้โครงข่ายประสาทเทียมในการพยากรณ์ดัชนีราคาหลักทรัพย์(Artificial Neural Network Forecasting for Stock Indices)

Authors

  • วชิราภรณ์ แก้วมาตย์ (Wachiraporn Kaewmart) Khon Kaen University
  • ดร.สุรชัย จันทร์จรัส (Dr.Surachai Chancharat) Khon Kaen University

Keywords:

Artificial neural network(โครงข่ายประสาทเทียม), Stock index(ดัชนีราคาหลักทรัพย์), Forecasting(การพยากรณ์)

Abstract

การศึกษาครั้งนี้มีวัตถุประสงค์เพื่อหาตัวแบบโครงข่ายประสาทเทียมของดัชนีราคาหลักทรัพย์ของ 9 ประเทศหลัก ได้แก่ ไทย สิงคโปร์ มาเลเซีย อินโดนีเซีย ฟิลิปปินส์ สหรัฐอเมริกา อังกฤษ ญี่ปุ่น และฮ่องกง โดยใช้ข้อมูลราคาปิดรายวันของดัชนีราคาหลักทรัพย์ ระหว่างวันที่ 1 มกราคม พ.ศ. 2550 ถึงวันที่ 29 มิถุนายน พ.ศ. 2555 รวมจำนวนข้อมูลทั้งสิ้น 1,435 วันเป็นข้อมูลชุดแรกสำหรับสร้างแบบจำลองโครงข่ายประสาทเทียม และข้อมูลชุดที่สองคือ วันที่ 2 กรกฎาคม พ.ศ. 2555 ถึงวันที่ 30 พฤศจิกายน พ.ศ. 2555 รวมประมาณ 100 วัน เพื่อทดสอบประสิทธิภาพการพยากรณ์ แล้วนำข้อมูลนี้มาสร้างรูปแบบการพยากรณ์ด้วยโครงข่ายประสาทเทียม แบบหลายชั้น ได้แก่ 1 ชั้นอินพุต (input layer) 1 ชั้นซ่อนเร้น (hidden layer) และ 1 ชั้นเอาท์พุต (output layer) และให้การเรียนรู้ของโครงข่ายประสาทเทียมเป็นแบบแพร่ย้อนกลับ ผลการศึกษาพบว่าโครงข่ายประสาทเทียมแบบแพร่ย้อนกลับให้ผลการพยากรณ์ที่แม่นยำโดย มีค่า MAPE ของข้อมูลชุดทดสอบ (test) ของประเทศต่างๆ ได้แก่ ไทย สิงคโปร์ มาเลเซีย อินโดนีเซีย ฟิลิปปินส์ สหรัฐอเมริกา อังกฤษ ญี่ปุ่น และฮ่องกง มีค่า MAPE 0.198, 0.2367, 0.1983, 0.4191, 0.9812, 0.7045×10-4, 0.5206, 0.5157×10-3 และ 0.6634×10-5 ตามลำดับ

The objective of this study is to find the Artificial Neural Network model of 9 countries such as Thailand, Singapore, Malaysia, Indonesia, Philippine, United states of America, England, Japan and Hong Kong by use closing price data since January 1st 2007 to June 29th 2012 total amount 1,435 days are the first section data for create the Artificial Neural Network model and the closing price data since July 2nd to November 30th, 2012 total amount 100 days are the second section data for test the forecasting efficiency. Then use this data to create multi-layer Neural Network such as Input layer, Hidden layer and Output layer, and trained with back propagation. As a result of this study, the Neural Networks with the back propagation gives forecasting accuracy with the MAPE tests of each country respectively include Thailand is 0.198; Singapore is 0.2367; Malaysia is 0.1983; Indonesia is 0.4191; Philippines is 0.9812; United States of America is 0.7045.10-4; England is 0.5206; Japan is 0.5157.10-3 and Hong Kong is 0.6634.10-5, respectively.

Downloads

Published

2015-02-06

How to Cite

(Wachiraporn Kaewmart) ว. แ., & (Dr.Surachai Chancharat) ด. จ. (2015). การใช้โครงข่ายประสาทเทียมในการพยากรณ์ดัชนีราคาหลักทรัพย์(Artificial Neural Network Forecasting for Stock Indices). KKU Research Journal (Graduate Studies) Humanities and Social Sciences, 1(1), 108–118. Retrieved from https://so04.tci-thaijo.org/index.php/gskkuhs/article/view/30413

Issue

Section

มนุษยศาสตร์และสังคมศาสตร์