การพยากรณ์อัตราแลกเปลี่ยนสกุลเงินต่างประเทศ โดยใช้การวิเคราะห์อนุกรมเวลาด้วยเทคนิคเหมืองข้อมูล

Last modified: August 11, 2021
You are here:
Estimated reading time: 1 min
ชื่อบทความ: การพยากรณ์อัตราแลกเปลี่ยนสกุลเงินต่างประเทศ โดยใช้การวิเคราะห์อนุกรมเวลาด้วยเทคนิคเหมืองข้อมูล
Research Article: Forecasting Foreign Exchange Rate Using Time Series Analysis with Data Mining Techniques
ผู้เขียน/Author: ผศ.ดร.พิชญากร เลค | Asst.Prof. Pitchayakorn Lake, Ph.D.
Email: pitchayakorn@siam.edu
สาขาวิชา/คณะ: ภาควิชาธุรกิจดิจิทัล คณะเทคโนโลยีสารสนเทศ มหาวิทยาลัยสยาม กรุงเทพฯ 10160
Department/Faculty Faculty of Information Technology in Digital Business, Siam University, Bangkok 10160
Published/แหล่งเผยแพร่ วารสารวิชาการ สมาคมสถาบันอุดมศึกษาเอกชนแห่งประเทศไทย (วิทยาศาสตร์และเทคโนโลยี) ปีที่ 7 ฉบับที่ 1 มกราคม-มิถุนายน 2561 หน้า 28-45 | Apheit Journal (Science and Technology)

การอ้างอิง/citation

พิชญากร เลค. (2560). การพยากรณ์อัตราแลกเปลี่ยนสกุลเงินต่างประเทศ โดยใช้การวิเคราะห์อนุกรมเวลาด้วยเทคนิคเหมืองข้อมูล. วารสารวิชาการ สมาคมสถาบันอุดมศึกษาเอกชนแห่งประเทศไทย (วิทยาศาสตร์และเทคโนโลยี), 7(1), 28-45.


บทคัดย่อ

     งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาแบบจำลองการพยากรณ์อัตราแลกเปลี่ยนสกุลเงินต่างประเทศเพื่อวางแผนในภาคธุรกิจและพัฒนาเศรษฐกิจของประเทศ โดยใช้วิธีการวิเคราะห์อนุกรมเวลาด้วยเทคนิคเหมืองข้อมูล 3 เทคนิค ได้แก่ การถดถอยเชิงเส้น แบบจำลองโครงข่ายประสาทเทียมแบบเปอร์เซ็ปตรอนหลายชั้นและซัพพอร์ตเวกเตอร์แมชชีนสำหรับการถดถอย ข้อมูลที่นำ มาใช้ในการศึกษาเป็นข้อมูลอัตราแลกเปลี่ยนสกุลเงินต่างประเทศประจำปี พ.ศ. 2552-2560 จำ นวน 108 เดือน จากผลการวิจัยพบว่า แบบจำลองที่มีความเหมาะสมในการพยากรณ์อัตราแลกเปลี่ยนสกุลเงินต่างประเทศ ได้แก่ สกุลเงินดอลลาร์ สกุลเงินปอนด์สเตอร์ลิง สกุลเงินยูโร สกุลเงินเยน และสกุลเงินหยวน เรนมินบิ แบบจำลองที่มีความเหมาะสมกับอัตราแลกเปลี่ยนสกุลเงินต่างประเทศที่มีค่าความแม่นยำ มากที่สุด ดังต่อไปนี้ 1) แบบจำลองการพยากรณ์ด้วยซัพพอร์ตเวกเตอร์แมชชีนสำหรับการถดถอย มีความเหมาะสมมากที่สุดกับชุดข้อมูลสกุลเงินดอลลาร์ สกุลเงินยูโร และสกุลเงินเยน ซึ่งมีค่าความแม่นยำมากที่สุดเท่ากับร้อยละ 2.43 ร้อยละ 1.39 และร้อยละ 2.57 ของค่าเฉลี่ยความคลาดเคลื่อนสัมพัทธ์ตามลำดับ 2) แบบจำลองการถดถอยเชิงเส้น มีความเหมาะสมมากที่สุดกับชุดข้อมูลสกุลเงินปอนด์สเตอร์ลิง ซึ่งมีค่าความแม่นยำมากที่สุดเท่ากับร้อยละ 0.64 ของค่าเฉลี่ยความคลาดเคลื่อนสัมพัทธ์ และ 3) แบบจำลองโครงข่ายประสาทเทียมแบบเปอร์เซ็ปตรอนหลายชั้น มีความเหมาะสมมากที่สุดกับชุดข้อมูลสกุลเงินหยวนเรนมินบิ ซึ่งมีค่าความแม่นยำมากที่สุดเท่ากับร้อยละ 0.97 ของค่าเฉลี่ยความคลาดเคลื่อนสัมพัทธ์

คำสำคัญ: การพยากรณ์, การวิเคราะห์อนุกรมเวลา, เทคนิคเหมืองข้อมูล, อัตราแลกเปลี่ยนสกุลเงินต่างประเทศ


ABSTRACT

The purpose of this research was to develop the model of forecasting foreign exchange rate in Thailand in order to make the planning decisions for business sectors and country economic development. This research provided three techniques of Time Series Data Mining Analysis, namely Linear Regression, Multi-Layer Perceptron and Support Vector Machine for Regression. The data used for the study collected from the foreign exchange rate from 2009 to 2017 AD. totally 108 months. The research findings showed that the suitable forecasting models for foreign exchange rate are US Dollar, Pound Stering, Euro, Yen and Yuan Renminbi. The forecasting model for foreign exchange rate which had the most accuracy were as followed: 1) The forecasting model using Support Vector Machine for Regression was the most suitable for US Dollar, Euro and Yen, which had the highest accuracy rate of MMRE (Mean Magnitude of Relative Error) with the percentage of 2.43, 1.39, and 2.57, respectively. 2) The forecasting model using Linear Regression was the most suitable for Pound Stering, which had the highest accuracy rate of MMRE with the percentage of 0.64. 3) The forecasting model using Multi-Layer Perceptron was the most suitable for Yuan Renminbi, which had the highest accuracy rate of MMRE with the percentage of 0.97.

Keywords:  Forecasting, Time Series Analysis, Data Mining Technique, Foreign Exchange Rate.


การพยากรณ์อัตราแลกเปลี่ยนสกุลเงินต่างประเทศ โดยใช้การวิเคราะห์อนุกรมเวลาด้วยเทคนิคเหมืองข้อมูล|Forecasting Foreign Exchange Rate Using Time Series Analysis with Data Mining Techniques

Faculty of Information Technology, Siam University, Bangkok, Thailand

Tags:
Was this article helpful? บทความนี้เป็นประโยชน์หรือไม่?
ไม่ / Dislike 0
Views: 103
Previous: ระบบบริหารงานร้านขายเฟอร์นิเจอร์