การเปรียบเทียบแบบจำลองการพยากรณ์ราคาหุ้น AAPL

Comparative analysis of stock price forecasting models for company AALP

Name: ธนาวัฒน์ พลศิลป์

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะวิทยาศาสตร์ประยุกต์

Email : s6304051610132@email.kmutnb.ac.th

Name: ภูผา จรรยาธรรม

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะวิทยาศาสตร์ประยุกต์

Name: อัครวัฒน์ จินตกสิกรรม

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะวิทยาศาสตร์ประยุกต์

keyword: พยากรณ์แนวโน้มวิธีปรับเรียบเอกซ์โพเนนเชียล

ThaSH: หุ้นและการเล่นหุ้น -- พยากรณ์ -- การประมวลผลข้อมูล

; Dynamic Programming

ThaSH: ปัญญาประดิษฐ์

Abstract: วัตถุประสงค์ของงานวิจัยนี้คือการเปรียบเทียบประสิทธิภาพในการพยากรณ์ราคาหุ้น AAPL ของบริษัท Apple Inc. เป็นธุรกิจเกี่ยวกับคอมพิวเตอร์ Apple ปฏิวัติคอมพิวเตอร์ตั้งโต๊ะในปี 2513 ด้วยเครื่อง Apple Two และ Macintosh ในปี 2523 ปัจจุบัน Apple มีชื่อเสียงด้านฮาร์ดแวร์ เช่น iMac iPad และ iPhone เพื่อให้เป็นแนวทางในการวางแผนการลงทุน ข้อมูลที่ใช้เป็นข้อมูลภาพรวมตลาดเป็นข้อมูลราคาหุ้นรายเดือนที่รวบรวมมาจากเว็บไซต์ Investing ตั้งแต่เดือนวันที่ 1 มกราคม พ.ศ. 2561 ถึงเดือนวันที่ 1ธันวาคม 2566 รวมเป็นระยะเวลา 72 เดือน โดยแบ่งข้อมูลออกเป็น 2 ชุด คือ ชุดข้อมูลฝึกฝนที่มีจานวน 60 เดือน และชุดข้อมูลทดสอบที่มีจานวน 12 เดือน ในการวิเคราะห์ข้อมูลนี้ ใช้วิธีการทางสถิติต่าง ๆ โดยเลือกตัวแบบพยากรณ์ที่เหมาะสมกับชุดข้อมูล ซึ่งได้แก่ วิธีบอกซ์-เจนกินส์ภายใต้ตัวแบบ ARIMA, วิธี Exponential Smoothing Method (ES), และวิธี Decomposition(DP) โดยใช้เกณฑ์การตัดสินใจจากค่าเฉลี่ยของร้อยละความผิดพลาดสัมบูรณ์ (Mean Absolute Percent Error: MAPE) เพื่อให้การพยากรณ์มีประสิทธิภาพ จากการตัดสินใจด้านการเลือกใช้วิธีการพยากรณ์ พบว่าวิธีการ Decomposition มีความแม่นยามากที่สุดเพราะให้ค่า MAPE น้อยที่สุดมีค่าเท่ากับ 8.09 ในขณะที่วิธี ARIMA และ Exponential Smoothing เท่ากับ 9.29 และ 16.5 ตามลาดับ

Abstract: The objective of this research is to compare the efficiency of forecasting AAPL stock prices for Apple Inc., a computer business company. Apple revolutionized desktop computing in 2513 with the Apple Two and later the Macintosh in 2523. Presently, Apple is renowned for its hardware such as iMac, iPad, and iPhone, serving as investment indicators. Market overview data, gathered from the Investing website from January 1, 2561, to December 1, 2566, totaling 72 months, was utilized. The data was divided into two sets: a 60-month training set and a 12-month testing set. Statistical methods were employed, selecting forecasting models suitable for each dataset. These included the Auto Regressive Integrated Moving Average (ARIMA) model, the Exponential Smoothing Method (ES), and a Decomposition method. Model selection criteria were based on Mean Absolute Percent Error (MAPE) to ensure forecasting efficiency. Upon evaluating the forecasting methods, it was found that the Decomposition method demonstrated the highest accuracy, with the lowest MAPE value of 8.09. In contrast, the ARIMA and Exponential Smoothing methods yielded MAPE values of 9.29 and 16.5, respectively. Therefore, the Decomposition method is considered the most effective for stock price forecasting

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Created: 2567

Modified: 2568-01-07

Issued: 2568-01-07

บทความ/Article

application/pdf

BibliograpyCitation : ใน มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะวิทยาศาสตร์ประยุกต์. การประชุมวิชาการระดับชาติด้านสถิติวิทยาศาสตร์ข้อมูลและการประกันภัย ครั้งที่ 1 (NCSDI 2024) (pp.43-47). กรุงเทพฯ : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

tha

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	NCSDI 2024pp.43-47.pdf	398.02 KB	12	2026-05-26 18:16:01

ใช้เวลา

0.059304 วินาที