การพยากรณ์ทิศทางของราคาหุ้นรายวันจากข้อความข่าวภาษาไทย

The predictions of a daily stock price direction from the Thai news content by using natural language processing

Name: วิกานดา ผาพันธ์

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะวิทยาศาสตร์ประยุกต์

Email : wikanda.p@sci.kmutnb.ac.th

Name: อัญชนา พิมพิศาล

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะวิทยาศาสตร์ประยุกต์

keyword: การวิเคราะห์ข้อความข่าว

ThaSH: การทำนายราคาหลักทรัพย์ -- แบบจำลองทางคณิตศาสตร์

ThaSH: การประมวลผลภาษาธรรมชาติ (วิทยาการคอมพิวเตอร์)

ThaSH: การประมวลผลข้อความ

Abstract: ปัจจัยที่กระทบต่อราคาของหุ้นในตลาดหลักทรัพย์แห่งประเทศไทยนั้นมีอยู่หลายปัจจัย ข่าวสารต่าง ๆ ก็เป็น ปัจจัยหนึ่งที่มีผลกระทบต่อราคาของหุ้น ผู้วิจัยจึงเกิดแนวคิดที่จะพยากรณ์ทิศทางของราคาหุ้นรายวันจากข้อความข่าว โดยใช้วิธีการประมวลผลภาษาธรรมชาติ (Natural Language Processing : NLP) เพื่อให้นักลงทุนสามารถคาดคะเนทิศทาง ของราคาหุ้นก่อนที่ตลาดหลักทรัพย์แห่งประเทศไทยเปิดโดยศึกษาข้อความข่าวจากแหล่งข่าวต่างๆ และใช้การตัดคำ (Tokenizer) จาก Library pythainlp ในโปรแกรมภาษาไพธอน ver.3.7.1 จากนั้นสร้างแบบจำลองโดยใช้ตัวแบบการจำแนก (classification model ) เพื่อหาแบบจำลอง (model) และวิธีการตัดคำ (Tokenizer) ที่มีค่าความถูกต้องแม่นยำ (accuracy) สูงสุดเพื่อใช้พยากรณ์ทิศทางของราคาหุ้นรายวัน ซึ่งในงานวิจัยนี้ได้พยากรณ์ทิศทางของราคาหุ้นทั้งหมด 3 วัน คือวันที่ 5, 6 และ 7 กุมภาพันธ์ 2563 โดยสุ่มหุ้นอย่างละ 1 ตัว ด้วยการสุ่มตัวอย่างอย่างง่าย (SRS) จากหุ้น 5 กลุ่ม คือ กลุ่ม ICT กลุ่ม ENERG กลุ่ม HELTH กลุ่ม COMM และ กลุ่ม BANK ผลวิจัยพบว่า กลุ่ม ICT สุ่มได้หุ้นของบริษัท อินทัช โฮลดิ้งส์ จำกัด (INTUCH) ตัวแบบ Gradient Boosting Classifier เป็นตัวแบบที่มีความเหมาะสมมากที่สุดและเปรียบเทียบสถานะค่าพยากรณ์กับค่าจริงได้ความถูกร้อยละ 100 ในส่วนของกลุ่ม ENGER สุ่มได้หุ้นของบริษัท ไทยออยล์ จำกัด (TOP) และกลุ่ม HELTH สุ่มได้หุ้นของบริษัท โรงพยาบาลบำรุงราษฎร์ จำกัด (BH) นั้น ไม่สามารถสรุปตัวแบบที่มีความเหมาะสมมากที่สุดได้และเปรียบเทียบสถานะค่าพยากรณ์กับค่าจริงได้ความถูกต้องร้อยละ 66.67 ในกลุ่ม COMM สุ่มได้หุ้นของบริษัท ซีพี ออลล์ จำกัด (CPALL) และกลุ่ม BANK คือธนาคารกสิกรไทย จำกัด (มหาชน) (KBANK) ตัวแบบ K-Neighbors Classifier เป็นตัวแบบที่ความเหมาะสมมากที่สุดและเปรียบเทียบสถานะค่าพยากรณ์กับค่าจริงจะได้ความถูกต้องร้อยละ 66.67 "

Abstract: Factors affecting a stock price in the Stock Exchange of Thailand have several factors, including the various news. Hence, the concept of the daily stock price direction prediction from the Thai news content using the natural language processing is studied so investors are able to forecast the stock price direction before the Stock Exchange of Thailand operates. We made a study of the Thai news content with the tokenizer in Python version 3.7.1 from library pythainlp and then classification model was used for finding the most accurate values of the model and the tokenizer. This study was carried out the forecast of stock price direction in three days: 5th, 6th, and 7th February, 2020. One stock randomly chosen used simple random sampling from the following five stock groups: the ICT group, the ENERG group, the HELTH group, the COMM group, and the BANK group. The results revealed that the stock of Intouch Holdings Company (INTUCH randomly chosen by the ICT group is an efficient Gradient Boosting Classifier model when it is compared with forecasting and actual values of 100 %, the stocks of Thai Oil Public Company Limited (TOP) and Bumrungrad Hospital (BH), randomly chosen by the ENERG group and the HELTH group respectively, are not able to give us efficient models when they are compared with forecasting and actual values of 66.67 %. In addition, the stocks of CP ALL public company limited of COMM group and the stock of Kasikornbank Public Company Limited of the BANK group are efficient KNeighbors Classifier models when they are compared with forecasting and actual values of 66.67 %.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Created: 2563

Modified: 2024-01-22

Issued: 2563-08-11

บทความ/Article

application/pdf

BibliograpyCitation : วารสารวิทยาศาสตร์ประยุกต์. ปีที่ 19, ฉบับที่ 1 (2563), หน้า 59-79.

tha

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	sci19106.pdf	1.16 MB	19	2025-06-03 11:42:31

ใช้เวลา

0.017628 วินาที