ความสามารถในการพยากรณ์ของคุณลักษณะผลต่างแบบเศษส่วน โดยใช้แบบจำลองซัพพอร์ตเวกเตอร์แมชชีน

  • ดิฐวัฒน์ ไทยรุ่งโรจน์
  • ธฤตพน อู่สวัสดิ์
Keywords: ซัพพอร์ตเวกเตอร์แมชชีน, การเรียนรู้ของเครื่อง, ผลต่างแบบเศษส่วน

Abstract

การศึกษานี้มีวัตถุประสงค์เพื่อศึกษาความสามารถในการพยากรณ์ของคุณลักษณะผลต่างแบบเศษส่วน(Fractional Difference Feature) โดยใช้แบบจำลองซัพพอร์ตเวกเตอร์แมชชีน(Support Vector Machines) โดยใช้ข้อมูลราคาปิดรายวันดัชนีตลาดหลักทรัพย์แห่งประเทศไทยตั้งแต่วันที่ 1 มกราคม 2551 ถึง 31 ธันวาคม 2562 นำมาคำนวณเป็นอัตราผลตอบแทนรายวันและผลต่างแบบเศษส่วนเพื่อนำใช้เป็นคุณลักษณะ โดยตัวแบบจำลองนั้นจะใช้ในการพยากรณ์แนวโน้มล่วงหน้า 1, 5, 20, 60 วัน โดยผลการทดสอบความนิ่งของข้อมูล(Unit Root test) พบว่าอัตราผลตอบแทนรายวันมีความนิ่งและผลต่างแบบเศษส่วนมีความนิ่งที่ลำดับการทำผลต่างเท่ากับ 0.60

ผมการทดลองแสดงให้เห็นว่าค่าความแม่นยำเฉลี่ยจากการทำ 5-fold Cross-Validation ของอัตราผลตอบแทนรายวันมีค่าที่สูงกว่าผลต่างแบบเศษส่วนสำหรับการพยากรณ์แนวโน้มล่วงหน้า 1 วัน ซึ่งให้ค่าความแม่นยำที่ 53.21 เปอร์เซ็นต์ ส่วนผลต่างแบบเศษส่วนมีความแม่นยำในการพยากรณ์แนวโน้มล่วงหน้า 5, 20, 60 วันที่สูงกว่าโดยให้ความแม่นยำเฉลี่ยที่ 53.14 57.01 60.92 เปอร์เซ็นต์ตามลำดับ ผลการศึกษาแสดงให้เห็นว่าผลต่างแบบเศษส่วนนั้นสามารถเพิ่มความสามารถในการพยากรณ์ระยะยาวของแบบจำลองซัพพอร์ตเวกเตอร์แมชชีน

Published
2020-08-19

##plugins.generic.recommendByAuthor.heading##

1 2 > >>