ทำนายดัชนีราคาตลาดหลักทรัพย์แห่งประเทศไทยการโดยใช้การเรียนรู้เชิงลึก ผ่านกระบวนการโครงข่ายประสาทเทียมแบบแพร่ย้อนกลับ

Abstract

การเรียนรู้เชิงลึก (Deep Learning) มีความสามารถในการหาความสัมพันธ์ที่ซับซ้อนของข้อมูล ซึ่งวิธีโครงข่ายประสาทเทียมแบบแพร่ย้อนกลับ (Back-Propagation) เป็นวิธีหนึ่งใน Deep Learning ซึ่งใช้ประมาณความสัมพันธ์แบบไม่เป็นเชิงเส้น (Non-Linear Relationship) ระหว่างข้อมูลนาเข้า และข้อมูลนาออก การที่ดัชนีราคาตลาดหลักทรัพย์ต่างๆ มีลักษณะที่ขึ้นลงอยู่ตลอดเวลา ดังนั้นการใช้โครงข่ายประสาทเทียมแบบแพร่ย้อนกลับจึงเป็นวิธีที่น่าสนใจในการใช้ทานายดัชนีราคาตลาดหลักทรัพย์แห่งประเทศไทย (SET Index)
การศึกษาครั้งนี้มีวัตถุประสงค์เพื่อศึกษาการทานาย SET Index ด้วยกระบวนการโครงข่ายประสาทเทียมแบบแพร่ย้อนกลับ และหาแบบจาลองโครงข่ายประสาทเทียมที่มีประสิทธิภาพในการทานาย SET Index โดยใช้ข้อมูลราคาปิดแบบรายวันของดัชนี SET Dow-Jones Nikkei Straits-Times Hang-Seng และปริมาณการซื้อขายหลักทรัพย์ในตลาดหลักทรัพย์แห่งประเทศไทยแบบรายวัน ตั้งแต่ วันที่ 1 มกราคม 2552 ถึง วันที่ 31 ธันวาคม 2561 รวมทั้งสิ้น 2,437 ข้อมูล โดยทาการแบ่งข้อมูลออกเป็น 2 กลุ่ม คือ 2,192 วันแรก เป็นข้อมูลชุดฝึก ใช้หาแบบจาลองที่เหมาะสมในการทานาย SET Index โดยจะคัดเลือกจากแบบจาลองที่มีค่า MSE ต่าที่สุด 5 อันดับ และ 245 วันที่เหลือ ใช้สาหรับการทดสอบแบบจาลองที่คัดเลือกมาทั้ง 5 แบบจาลอง เพื่อหาประสิทธิภาพในการทานายด้วยค่า MAPE โดยสร้างแบบจาลองด้วยโครงข่ายประสาทเทียมแบบหลายชั้น ซึ่งประกอบด้วย 1 ชั้นนาเข้า 2 ชั้นซ่อน และ 1 ชั้นนาออก และให้การเรียนรู้เป็นแบบแพร่ย้อนกลับ
จากการศึกษาพบว่า ในส่วนของการฝึกนั้น แบบจาลองที่ให้ค่า MSE ต่าที่สุด 5 อันดับแรก ได้แก่ แบบจาลอง [8,9,11,1], [8,5,13,1], [8,13,9,1], [8,17,17,1] และ [8,12,8,1] ในส่วนของการทดสอบ พบว่า แบบจาลองข้างต้นให้ค่า MAPE เท่ากับ 0.690149%, 0.895387%, 0.763672%, 0.788011%, 0.728610% และ 0.895387% ตามลาดับ โดยแบบจาลอง [8,9,11,1] มีค่า MAPE ต่าที่สุด คือ 0.690149% ซึ่งการทานายดัชนีราคาตลาดหลักทรัพย์แห่งประเทศไทยในช่วงเวลาดังกล่าวด้วยแบบจาลองนี้ได้ผลลัพธ์ใกล้เคียงค่าจริงมาก ดังนั้นถือได้ว่าแบบจาลองนี้ค่อนข้างมีประสิทธิภาพในการทานายดัชนีราคาตลาดหลักทรัพย์แห่งประเทศไทย