Applying machine learning approach to exchange rate analysis

การประยุกต์วิธีการการเรียนรู้เครื่องกลกับการวิเคราะห์อัตราแลกเปลี่ยน

Name: Liao, Ruofan

LCSH: Foreign exchange rates

LCSH: Time-series analysis

LCSH: Seasonal variations (Economics)

Abstract: The major concern of this study is to improve the forecasting accuracy of the exchange rate in time series analysis of foreign exchange stability. In the practical application, many traditional econometric forecasting models are difficult to apply to get satisfactory results with some being overly complex demanding high cost of computation, and some setting too many constraints or assumptions which cannot be realized in the real world. Although the techniques are not new, various deep learning or machine learning methods have motivated the present researcher to apply them to answer the study objective as the techniques have many recent successes in solving complex tasks to get the faster, less costly, and more reliable results. The problems addressed above have materialized motivations for this study.

Abstract: ข้อพิจารณาหลักของการศึกษานี้ได้แก่การเพิ่มความแม่นยำในการพยากรณ์อัตราแลกเปลี่ยนจากการวิเคราะห์ข้อมูลอนุกรมเวลาถึงเสถียรภาพของอัตราแลกเปลี่ยน ดังนั้นความแม่นยำของการพยากรณ์ย่อมสำคัญตามไปด้วย แต่ในทางปฏิบัติการนำแบบจำลองเศรษฐมิติแบบดั้งเดิมมาวิเคราะห์ข้อมูลเพื่อพยากรณ์สถานการณ์ในอนาคตนั้นยากที่จะได้ผลเป็นที่พึงพอใจ เพราะบางวิธีการยุ่งยากซับซ้อนจนต้องใช้เวลามากและต้นทุนสูงในการคำนวณ และบางวิธีการมีข้อจำกัดหรือสมมุติฐานมากเกินไปจนไม่อาจเป็นได้ในความเป็นจริง ดังนั้น เมื่อพิจารณาถึงอีกวิธีการหนึ่งแม้ไม่ใช่สิ่งใหม่แต่ในระยะหลังมีการประยุกต์ใช้ได้อย่างดีในการตอบโจทย์ที่ยุ่งยากซับซ้อน นั่นคือการเรียนรู้เชิงลึก หรือการเรียนรู้ของเครื่องกล ซึ่งเป็นปัญญาประดิษฐ์แบบหนึ่งที่ช่วยทำให้การเรียนรู้เร็วขึ้น โดยใช้ทรัพยากรน้อยลง และตอบโจทย์ได้แม่นยำกว่า เปรียบเทียบกับวิธีการดั้งเดิม ซึ่งประเด็นที่กล่าวมาทั้งหมดข้างต้นได้สร้างแรงจูงใจสู่การศึกษาชิ้นนี้ แรงจูงใจประการแรกคือการพยากรณ์อัตราแลกเปลี่ยนสำหรับดอลลาร์สหรัฐเป็นหยวน ด้วยเครื่องมือที่เรียกว่าเทคโนโลยีการเรียนรู้ของเครื่องกล ได้แก่ เทคนิคโครงข่ายประสาทเทียมและเทคนิคซัพพอร์ตเวกเตอร์แมชชีน โดยใช้เครื่องมือทางเศรษฐมิติแบบดั้งเดิมซึ่งใช้กันอย่างแพร่ หลายในการพยากรณ์อนุกรมเวลานั่นคือ แบบจำลองอารีมาร์เป็นเกณฑ์เปรียบเทียบ ผลลัพธ์เชิงประจักษ์แสดงให้เห็นว่าการเรียนรู้ของเครื่องกลให้ผลการทำนายที่ดีกว่าสำหรับอัตราแลกเปลี่ยนสกุลเงินดอลลาร์สหรัฐเป็นหยวน แรงจูงใจประการที่สองคือการเสนอวิธีทำให้การพยากรณ์ตามหลักการการเรียนรู้เชิงลึกแม่นยำยิ่งขึ้น โดยผนวกโครงข่ายประสาทเทียมกับแบบจำลองพาราเมตริกเข้าด้วยกัน เพื่อสอนโครงข่ายประสาทเทียมไม่ใช่ด้วยข้อมูลดั้งเดิม แต่ด้วยค่าแตกต่างระหว่างข้อมูลจริงและผลพยากรณ์จากแบบจำลองพาราเมตริก นอกจากนั้น การศึกษานี้ได้แสดงตัวอย่างของการพยากรณ์อัตราแลกเปลี่ยนสกุลเงินด้วยวิธีประยุกต์ดังกล่าว ที่ให้ความแม่นยำยิ่งขึ้น ผลการศึกษาเชิงประจักษ์โดยใช้หลักเกณฑ์ค่าความคลาดเคลื่อน โดยวิธีค่าเฉลี่ยของค่าเบี่ยงเบนสัมบูรณ์และรากที่สองของค่าเฉลี่ยความผิดพลาดกำลังสอง ยืนยันว่าการเพิ่มแบบจำลองพาราเมตริกในโครงข่ายประสาทเทียมช่วยสามารถเพิ่มความแม่นยำของการพยากรณ์ ข้อดีของวิธีประยุกต์ใหม่นี้ยังมีให้เห็นจากการตรวจสอบว่าเหมาะกับข้อมูลสำหรับสอนมากน้อยเพียงใด แรงจูงใจประการที่สามคือการนำวิธีการโครงข่ายประสาทเทียมมาใช้ประกอบเพื่อเพิ่มความแม่นยำของการพยากรณ์ความผันผวนของแบบจำลองการแจกแจงอย่างมีเงื่อนไขแบบอสมมาตร เบทา ที ของมาร์คอฟสวิชชิง ทำการวิเคราะห์เปรียบเทียบกับตัวแบบเดิมที่ไม่มีโคร งข่ายประสาทเทียมเข้ามาประกอบ โดยใช้ข้อมูลส่วนหนึ่งทำการหาแบบงำลองที่ดีที่สุด และข้อมูลอีกส่วนหนึ่งทำการทสอบความแม่นยำของแบบจำลองที่ได้รับเลือก ข้อมูลอนุกรมเวลาที่ใช้ คือสกุลเงินของหกประเทศทั้งที่เป็นตลาดทุนเกิดใหม่และพัฒนาแล้ว ได้แก่ สกุลเงินเรียลของบราชิต สกุลเงินหยวนของจีน สกุลเงินรูปีของอินเดีย สกุลเงินเยนของญี่ปุ่น สกุลเงินยูโรและสกุลเงินปอนด์สเตอร์ลิง ผลการศึกษาแสดงให้เห็นว่าการใช้เทคนิคโครงข่ายประสาทเทียม ประกอบในแบบงำลอง เบตา ที่ สำหรับการแจกแจงอย่างมีเงื่อนไขแบบอสมมาตรของมาร์คอฟสวิชชิง สร้างความแม่นยำมากขึ้นในการพยากรณ์ความผันผวนของตลาดแลกเปลี่ยนเงินตรา เมื่อเทียบกับแบบจำลองการแจกแจงอย่างมีเงื่อนไขแบบอสมมาตร เบทา ที่ ของมาร์คอฟสวิชชิงที่ไม่นำใครงข่ายประสาทเทียมเข้ามาประกอบ นอกจากนั้น วิธีการที่การศึกษานี้เสนอยังได้ผลแสดงว่ามีประสิทธิภาพเหนือกว่าแบบจำลองเดี่ยวอื่น ๆ เช่น เบตา ที สำหรับการแจกแจงอย่างมีงื่อนไขแบบอสมมาตร เทคนิค โครงข่ายประสาทเทียม เบตา ที่ สำหรับการแจกแจงอย่างมีเงื่อนไขแบบอสมมาตรของมาร์คอฟสวิชชิง และ โครงข่ายประสาทเทียมที่ไม่มีเงื่อนไขแบบสมมาตร พิจารณาจากผลของเกณฑ์ประสิทธิภาพทั้งหมดที่ใช้ในการศึกษาครั้งนี้แรงจูงใจประการที่สี่คือการวัดมูลค่าความเสี่ยงในสามประเทศอาเชียนซึ่งประสบปัญหาวิกฤตทางการเงินในเอเชีย ผลการศึกษาแสดงให้เห็นว่า การเปลี่ยนแปลงอัตราแลกเปลี่ยนของไทยค่อนข้างน้อยและความเสี่ยงที่พบเมื่อต้องรับมือกับวิกฤตการเงินในเอเชียที่คล้ายคลึงกันในอนาคตนั้นค่อนข้างต่ำกว่า ในขณะที่สิงคโปร์มีความเสี่ยงอยู่ในระดับสูง โดยสรุปการศึกษานี้ได้นำมาซึ่งวิธีการใหม่ที่สามารถเพิ่มความแม่นยำในการพยากรณ์ด้วยข้อมูลอนุกรมเวลาทางการเงิน และผลการศึกษาเชิงประจักษ์ของการศึกษานี้มีประโยชน์ในการให้คำแนะนำแก่ผู้กำหนดนโยบาย ช่วยสถาบันการเงินในการตัดสินใจลงทุนที่เหมาะสม และช่วยนักวิจัยให้สามารถทำการพยากรณ์อนุกรมเวลาทางการเงินได้แม่นยำขึ้นในงานวิจัยในอนาคต

Chiang Mai University. Library

Address: CHIANG MAI

Email: cmulibref@cmu.ac.th

Name: Songsak Sriboonchitta

Role: Advisor

Name: Woraphon Yamaka

Role: Advisor

Name: Napat Harnpornchai

Role: Advisor

Created: 2020

Modified: 2024-08-21

Issued: 2024-08-21

วิทยานิพนธ์/Thesis

application/pdf

eng

DegreeName: Doctor of Philosophy

Level: Doctoral Degree

Descipline: Economics

Grantor: Chiang Mai University

©copyrights Chiang Mai University

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	601655801.pdf	3.82 MB	1	2025-04-14 04:22:13

ใช้เวลา

0.029983 วินาที