| ชื่อบทความ: | การพยากรณ์อัตราการแลกเปลี่ยนเงินตราต่างประเทศ ด้วยเทคนิคเหมืองข้อมูล กรณีศึกษา เงินสกุลดอลลาร์สหรัฐอเมริกา |
| Research Article: | Forecasting Foreign Exchange Rate with Data Mining Techniques Case Study United States Dollar |
| ผู้เขียน|Author: | ปกรณ์ ตุลกิจจาวงศ์, นิตินัย ไพศาลพยัคฆ์, ณรงค์ฤทธิ์ สุคนธสิงห์ | Pakorn Tulkitchawong, Nitinai Paisanpayak, Narongrit Sukonthasing |
| Email: | pakorn.tul@siam.edu ; nitinai@siam.edu ; narongrit@siam.edu |
| ภาควิชา|คณะ: | ภาควิชาเทคโนโลยีสารสนเทศ คณะเทคโนโลยีสารสนเทศ มหาวิทยาลัยสยาม กรุงเทพฯ 10160 |
| Department|Faculty: | Department of Information Technology, Faculty of Information Technology, Siam University, Bangkok 10160 |
| Published|แหล่งเผยแพร่: | การประชุมวิชาการระดับชาติ ครั้งที่ 8 (The 8th TECHCON 2022) “เชื่อมต่อเทคโนโลยีในวิถีชีวิตใหม่” วันที่ 27 กรกฎาคม 2565 ณ วิทยาลัยเทคโนโลยีสยาม | The 8th TECHCON 2022, July 27, 2022 |
การอ้างอิง|Citation
ปกรณ์ ตุลกิจจาวงศ์, นิตินัย ไพศาลพยัคฆ์ และ ณรงค์ฤทธิ์ สุคนธสิงห์. (2565). การพยากรณ์อัตราการแลกเปลี่ยนเงินตราต่างประเทศ ด้วยเทคนิคเหมืองข้อมูล กรณีศึกษา เงินสกุลดอลลาร์สหรัฐอเมริกา. ใน รายงานการประชุม การประชุมวิชาการระดับชาติ ครั้งที่ 8 (หน้า OSCI55-64). กรุงเทพมหานคร: วิทยาลัยเทคโนโลยีสยาม.
Tulkitchawong P., Paisanpayak N., & Sukonthasing N. (2022). Forecasting foreign exchange rate with data mining techniques case study United States Dollar. In The 8th TECHCON 2022 (pp. OSCI55-64). Bangkok: Siam Technology College.
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาแบบจำลองการพยากรณ์อัตราการแลกเปลี่ยนเงินตราต่างประเทศ กรณีศึกษา เงินสกุลดอลลาร์สหรัฐอเมริกา โดยใช้วิธีการวิเคราะห์อนุกรมเวลาด้วยเทคนิคเหมืองข้อมูล 3 เทคนิค ได้แก่ 1) เทคนิคซัพพอร์ตเวกเตอร์แมชชีนสำหรับการถดถอย 2) เทคนิคการแบ็กกิ้ง และ 3) เทคนิคการแรนดอมฟอเรสต์ ข้อมูลที่นำมาใช้ในการศึกษาเป็นข้อมูลรายวันอัตราการแลกเปลี่ยนเงินตราต่างประเทศ เงินสกุลดอลลาร์สหรัฐอเมริกา ตั้งแต่ปี พ.ศ. 2553-2563 จำนวน 2438 ข้อมูล โดยแบ่งข้อมูลเป็น 2 ชุดข้อมูล ได้แก่ ข้อมูลเรียนรู้ ตั้งแต่เดือน ตุลาคม 2553 – เดือนสิงหาคม 2563 จำนวน 2424 ข้อมูล และข้อมูลทดสอบ เดือนกันยายน 2563 จำนวน 14 ข้อมูล ผลการวิจัยพบว่า แบบจำลองที่มีความเหมาะสมในการพยากรณ์อัตราการแลกเปลี่ยนเงินตราต่างประเทศ เงินสกุลดอลลาร์สหรัฐอเมริกา เมื่อเปรียบเทียบกับชุดข้อมูลทดสอบ พบว่า แบบจำลองการพยากรณ์ด้วยเทคนิคการแบ็กกิ้ง มีค่าความแม่นยำมากที่สุด โดยค่าเฉลี่ยความคลาดเคลื่อนสัมพัทธ์ เท่ากับ ร้อยละ 0.35 ลำดับถัดมา คือ แบบจำลองการพยากรณ์ด้วยเทคนิคการแรนดอมฟอเรสต์ โดยค่าเฉลี่ยความคลาดเคลื่อนสัมพัทธ์ เท่ากับ ร้อยละ 0.37 และลำดับสุดท้าย คือ แบบจำลองการพยากรณ์ด้วยเทคนิคซัพพอร์ตเวกเตอร์แมชชีนสำหรับการถดถอย โดยมีค่าเฉลี่ยความคลาดเคลื่อนสัมพัทธ์เท่ากับ ร้อยละ 2.11
คำสำคัญ: การพยากรณ์, การวิเคราะห์อนุกรมเวลา, อัตราการแลกเปลี่ยนเงินตราต่างประเทศ, เทคนิคเหมืองข้อมูล
ABSTRACT
The purposes of this research were to develop the model of foreign exchange rate, a case study of the US dollar. This research used the time series data mining techniques by 3 techniques, as follows; 1) Support Vector Machine for Regression technique 2) Bagging technique and 3) random forest technique. The data used in the study were daily data on US dollar foreign exchange rates from 2010-2020, 2495 data. The data divided into 2 data sets: Training data set from October 2010 – August 2020,2424 data and testing data set on September 2020, 14 data. The results showed that a suitable model for forecasting US dollar foreign exchange rates compared with the testing data set. It was found that the forecasting model using the Bagging technique was the most accurate, with a Mean Magnitude of Relative Error of 0.35%, followed by a random forest technique with a Mean Magnitude of Relative Error of 0.37%. Finally, the forecasting model with support vector machine for regression technique had a Mean Magnitude of Relative Error of 2.11%.
Keywords: Forecasting, Data mining technique, Foreign exchange rate, Time series analysis.
การพยากรณ์อัตราการแลกเปลี่ยนเงินตราต่างประเทศ ด้วยเทคนิคเหมืองข้อมูล กรณีศึกษา เงินสกุลดอลลาร์สหรัฐอเมริกา|Forecasting Foreign Exchange Rate With Data Mining Techniques Case Study United States Dollar
คณะเทคโนโลยีสารสนเทศ มหาวิทยาลัยสยาม | Faculty of Information Technology, Siam University, Bangkok, Thailand