Perception of using case-based reasoning on investment strategies in China

การรับรู้การใช้เหตุผลเชิงกรณีสำหรับกลยุทธ์การลงทุนในจีน

Name: Wangjiugedan

LCSH: Investments -- China

LCSH: Artificial intelligence -- Biological applications

LCSH: Financial risk management

Abstract: The existence Case-Based Reasoning (CBR) is a sophisticated framework for financial planning in China’s rapidly evolving and volatile economic landscape. Traditional financial models—Modern Portfolio Theory (MPT), Capital Asset Pricing Model (CAPM), and Value at Risk (VaR)—often struggle to address the dynamic nature of the Chinese market due to their static assumptions and limited adaptability. In contrast, CBR leverages historical case data to dynamically adapt to current conditions, offering a more agile and responsive approach to financial decision-making. By continuously learning from recent data and past scenarios, CBR provides enhanced adaptability, real-time data integration, comprehensive risk management, and personalized strategy formulation.Through a sequence of statistical evaluations, including Mean Rank Comparison, T-Test, ANOVA, and Chi-Square tests, this study examines how CBR stacks up against traditional models. The results consistently show that CBR outperforms MPT, CAPM, and VaR by a significant margin across all criteria. In the "Excellent" category, CBR scores 402 for Adaptability to Market Changes, 407 for Integration of Real-Time Data, 447 for Risk Management Effectiveness, and 447 for Personalization of Strategies. These findings highlight CBR’s exceptional ability to adapt to market changes, integrate real-time data, manage risks, and personalize strategies effectively, making it the most robustmodel among those evaluated. The paper concludes with recommendations for integrating advanced data sources and machine learning techniques to further enhance CBR’s capabilities in financial decision-making.

Abstract: กรอบการใช้เหตุผลเชิงกรณี (Case-Based Reasoning: CBR) เป็นกรอบแนวคิดขั้นสูงสำหรับการวางแผนทางการเงินในบริบทเศรษฐกิจของประเทศจีนที่มีการเปลี่ยนแปลงอย่างรวดเร็วและมีความผันผวนสูง แบบจำลองทางการเงินแบบดั้งเดิม ได้แก่ ทฤษฎีพอร์ตการลงทุนสมัยใหม่ (Modern Portfolio Theory: MPT) แบบจำลองการกำหนดราคาสินทรัพย์ทุน (Capital Asset Pricing Model: CAPM) และมูลค่าในความเสี่ยง (Value at Risk: VaR) มักประสบปัญหาในการรับมือกับลักษณะพลวัตของตลาดจีน เนื่องจากข้อสมมติฐานที่ตายตัวและความสามารถในการปรับตัวที่จำกัด ในทางกลับกัน CBR ใช้ข้อมูลกรณีศึกษาทางประวัติศาสตร์เพื่อปรับให้สอดคล้องกับสถานการณ์ปัจจุบันอย่างพลวัต ทำให้สามารถตัดสินใจทางการเงินได้อย่างคล่องตัวและตอบสนองต่อการเปลี่ยนแปลงได้อย่างมีประสิทธิภาพ โดยการเรียนรู้จากข้อมูลล่าสุดและเหตุการณ์ที่ผ่านมาอย่างต่อเนื่อง CBR จึงสามารถเพิ่มศักยภาพในด้านความสามารถในการปรับตัว การบูรณาการข้อมูลแบบเรียลไทม์ การบริหารความเสี่ยงอย่างรอบด้าน และการจัดทำกลยุทธ์ที่มีความเฉพาะบุคคลการศึกษาในครั้งนี้ประเมิน CBR เทียบกับแบบจำลองดั้งเดิมโดยใช้การวิเคราะห์ทางสถิติต่าง ๆ เช่น การเปรียบเทียบค่าอันดับเฉลี่ย (Mean Rank Comparison) การทดสอบที (T-Test) การวิเคราะห์ความแปรปรวน (ANOVA) และการทดสอบไคสแควร์ (Chi-Square Test) ผลการวิจัยชี้ให้เห็นว่า CBR มีประสิทธิภาพสูงกว่า MPT, CAPM และ VaR อย่างมีนัยสำคัญในทุกเกณฑ์การประเมิน ในหมวด “ดีเยี่ยม” CBR ได้คะแนน 402 ในด้านความสามารถในการปรับตัวต่อการเปลี่ยนแปลงของตลาด 407 ในด้านการบูรณาการข้อมูลแบบเรียลไทม์ 447 ในด้านประสิทธิผลของการบริหารความเสี่ยง และ 447ในด้านการจัดทำกลยุทธ์เฉพาะบุคคล ขณะที่ค่าความสำคัญจากแบบจำลอง Random Forest ยังตอกย้ำความเหนือกว่าของ CBR โดยได้คะแนน 0.33 เมื่อเทียบกับ VaR ที่ได้ 0.25, CAPM ที่ได้ 0.22 และ MPT ที่ได้ 0.20ผลลัพธ์ดังกล่าวสะท้อนให้เห็นถึงความสามารถโดดเด่นของ CBR ในการปรับตัวต่อการเปลี่ยนแปลงของตลาด การบูรณาการข้อมูลแบบเรียลไทม์ การบริหารความเสี่ยง และการจัดทำกลยุทธ์เฉพาะบุคคลได้อย่างมีประสิทธิผล ทำให้ CBR เป็นแบบจำลองที่มีความแข็งแกร่งที่สุดในบรรดาแบบจำลองที่ทำการประเมิน งานวิจัยนี้สรุปด้วยข้อเสนอแนะในการบูรณาการแหล่งข้อมูลขั้นสูงและเทคนิคการเรียนรู้ของเครื่อง (Machine Learning) เพื่อยกระดับศักยภาพของ CBR ในการตัดสินใจทางการเงินให้ดียิ่งขึ้น

Chiang Mai University. Library

Address: CHIANG MAI

Email: cmulibref@cmu.ac.th

Name: Thacha Lawanna

Role: Advisor

Created: 2025

Modified: 2568-10-30

Issued: 2025-10-15

วิทยานิพนธ์/Thesis

application/pdf

eng

Spatial: China

DegreeName: Master of Science

Level: Master's Degree

Descipline: Digital Innovation and Financial Technology

Grantor: Chiang Mai University

©copyrights Chiang Mai University

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	662437815.pdf	1.94 MB

ใช้เวลา

0.035872 วินาที