การทำเหมืองข้อมูลจากงบการเงินเพื่อทำนายราคาตลาด สำหรับหุ้นในกลุ่ม SET50 กรณีศึกษาตลาดหลักทรัพย์แห่งประเทศไทย
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์ในการนำเทคนิคการทำเหมืองข้อมูลมาประยุกต์เพื่อหาปัจจัยที่มีผลต่อราคาตลาดของหุ้นสามัญกลุ่ม SET50 ในตลาดหลักทรัพย์แห่งประเทศไทยและเพื่อทำนายราคาตลาดของหุ้นสำหรับการลงทุนในอนาคตประชากรในงานวิจัยนี้ คือ บริษัทที่จดทะเบียนในกลุ่ม SET 50 เป็นข้อมูลงบการเงินแบบฟอร์ม 56-1 ตั้งแต่ปี พ.ศ. 2559 ถึงปี พ.ศ. 2563 ตัวแปรต้นที่ศึกษา ได้แก่ ทุนจดทะเบียน จำนวนหุ้นสามัญ ส่วนของผู้ถือหุ้น รายได้ กำไรสุทธิ กำไรต่อส่วนของผู้ถือหุ้นสามัญ และการจ่ายเงินปันผล ขั้นตอนการดำเนินงานเริ่มจากเก็บรวบรวมข้อมูลทั้งห้าปี นำข้อมูลที่ได้มาทำความสะอาด ปรับแต่ง และวิเคราะห์ด้วยเทคนิคการทำเหมืองข้อมูลในสามรูปแบบ คือ Generalized Regression Model, Decision Tree และ Support Vector Machine โดยใช้เครื่องมือโปรแกรม RapidMiner Go ผลการวิจัยพบว่า เมื่อใช้ทั้งสามเทคนิคที่แตกต่างกันออกไป ผลลัพธ์
ที่ได้จากความสัมพันธ์แต่ละตัวแปรก็มีผลที่แตกต่างกัน อย่างไรก็ดีเมื่อพิจารณาภาพรวมทั้งสามเทคนิคพบว่า ตัวแปรต้นทั้ง 7 ตัวที่เลือกมาศึกษา ล้วนมีผลต่อราคาตลาดของหุ้นสามัญในกลุ่ม SET 50 ทั้งสิ้น ผลการทำนายพิจารณาจากค่า RMSE (Root Mean Square Error) เป็นสำคัญ ซึ่งถ้าค่า RMSE มีค่าน้อยแสดงว่ามีความผิดพลาดน้อย ค่า RMSE ของเทคนิค Decision Tree มีค่าเท่ากับ 28.19 Support Vector Machine เท่ากับ 35.05 และ Generalized Regression Model เท่ากับ 40.78 ตามลำดับ ดังนั้น Decision Tree จึงให้ผลการทำนายที่มีความถูกต้องมากที่สุดในจำนวนสามเทคนิคนี้ สำหรับการแสดงผลของ Decision Tree จะแสดงผลในรูปแผนภูมิต้นไม้ ส่วน Support Vector Machine แสดงผลเป็นค่าน้ำหนัก และ Generalized Regression Model แสดงผลเป็นค่าสัมประสิทธิ์
Downloads
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์เป็นลิขสิทธิ์ของวารสารการบัญชีและการจัดการ
ข้อความที่ปรากฏในบทความแต่ละเรื่องในวารสารวิชาการเล่มนี้เป็นความคิดเห็นส่วนตัวของผู้เขียนแต่ละท่านไม่เกี่ยวข้องกับมหาวิทยาลัยมหาสารคาม และคณาจารย์ท่านอื่นๆในมหาวิทยาลัยฯ แต่อย่างใด ความรับผิดชอบองค์ประกอบทั้งหมดของบทความแต่ละเรื่องเป็นของผู้เขียนแต่ละท่าน หากมีความผิดพลาดใดๆ ผู้เขียนแต่ละท่านจะรับผิดชอบบทความของตนเองแต่ผู้เดียว
เอกสารอ้างอิง
กนกอร แก้วประภา กิ่งกาญจน์ มูลเมือง และ มาลี จตุรัส. (2564). ความสัมพันธ์ระหว่างเรื่องสำคัญในการตรวจสอบในรายงานผู้สอบบัญชีและคุณภาพกำไรฯ. วารสารการบัญชีและการจัดการ มหาวิทยาลัยมหาสารคาม, 13(3),138-153.
ชินกฤต วงศ์รักษ์. (2564). การตัดสินใจลงทุนหุ้นสามัญในตลาดหลักทรัพย์แห่งประเทศไทยเพื่อวางแผนการเกษียณของประชาชนในกรุงเทพมหานคร. วารสารการบัญชีและการจัดการ มหาวิทยาลัยมหาสารคาม, 13(2), 176-190.
ณัฐฐปภา สันทัดงาน และ กิตติพันธ์ คงสวัสดิ์เกียรติ. (2559). ปัจจัยทางเศรษฐกิจที่มีผลต่อราคาหุ้นของบริษัท เด็มโก้ จำกัด (มหาชน). วารสารรังสิตบัณฑิตศึกษาในกลุ่มธุรกิจและสังคมศาสตร์, 2(1), 79-91.
ตลาดหลักทรัพย์แห่งประเทศไทย. (2564). ความเป็นมา บทบาทและหน้าที่. ค้นเมื่อ 18 กุมภาพันธ์ 2564, จาก https://www.set.or.th/th/about/vision/vision_p1.html
ปรเมษฐ์ ธันวานนท์ ชัยกร ยิ่งเสรี วรพล พงษ์เพ็ชร และ ธนภัทร ฆังคะจิตร. (2560). การประยุกต์ใช้โมเดลการเรียนรู้แบบรวมกลุ่มเพื่อพยากรณ์แนวโน้มของราคาหลักทรัพย์ในตลาดหลักทรัพย์แห่งประเทศไทย. Journal of information Science and Technology, 7(1), 12-21
พิรุณพร ไพฑูรย์เจริญลาภ. (2563). การสร้างแบบจำลองในการพยากรณ์ผลการดำเนินงานจากข้อมูลในงบการเงินของบริษัทในตลาดหลักทรัพย์กรณีศึกษา กลุ่มอุตสาหกรรมเกษตรและกลุ่มอุตสาหกรรมอาหาร. วารสารระบบสารสนเทศด้านธุรกิจ (JISB), 6(2), 37-48
ภรัณยา ปาลวิสุทธิ์. (2559). การเพิ่มประสิทธิภาพเทคนิคต้นไม้ตัดสินใจบนชุดข้อมูลที่ไม่สมดุลโดยวิธีการสุ่มเพิ่มตัวอย่างกลุ่มน้อยสำหรับข้อมูลการเป็นโรคติดอินเทอร์เน็ต, วารสารเทคโนโลยีสารสนเทศ, 12(1), 54-63
ยศสยา แสงหิรัญ และ สมชาย เล็กเจริญ. (2561). ปัจจัยที่มีผลต่อการผันแปรของหุ้นกลุ่มเทคโนโลยีโดยใช้เทคนิคการทำเหมืองข้อมูล. การประชุมนำเสนอผลงานวิจัยระดับบัณฑิตศึกษา มหาวิทยาลัยรังสิต, ครั้งที่ 13, 16 สิงหาคม 2561, 2582-2590.
สุภาพรรณ คงมณีพรรณ. (2562). การหากฎความสัมพันธ์จากฐานข้อมูลการซื้อผลิตภัณฑ์เสริมอาหารยี่ห้อมายเฮลท์ของลูกค้าโดยใช้อัลกอริทึมเอฟพีโกรท และการแบ่งกลุ่มลูกค้าตามพฤติกรรมการซื้อสินค้ามายเฮลท์โดยเทคนิคอาร์เอฟเอ็มด้วยโปรแกรมแรพพิดไมเนอร์: กรณีศึกษาของร้านยาเชนแห่งหนึ่ง, วารสารระบบสารสนเทศด้านธุรกิจ (JISB), 4(4), 21-39.
สุทธิพงศ์ ผ่องแผ้ว. (2561). การศึกษากระบวนการแบ่งกลุ่มเมล็ดพันธุ์ด้วยข้อมูลโครงสร้างของเมล็ด. สารนิพนธ์วิทยาศาสตรมหาบัณฑิต สาขาวิชาเทคโนโลยีสารสนเทศ คณะวิทยาศาสตร์ มหาวิทยาลัยศรีนครินทรวิโรฒ.
อธิพัชร์ โรจนวุฒิฐิติคุณ. (2554). ปัจจัยที่มีผลกระทบต่อราคาหลักทรัพย์ในกลุ่มธนาคารพาณิชย์ในตลาดหลักทรัพย์. สารนิพนธ์เศรษฐศาสตร์มหาบัณฑิต สาขาเศรษฐศาสตร์การจัดการ มหาวิทยาลัยศรีนครินทรวิโรฒ.
Harlow, W. V. (2011). Optimal Asset Allocation in Retirement: A Downside Risk Perspective. Putnam Institute-Retirement, 6 (June), 1-15.
Hoseinzade, E., & Haratizadeh, S. (2019). CNNpred: CNN-based stock market prediction using a diverse set of variables. Expert Systems with Applications, 129, 273–285.
Hur, J., Raj, M., & Riyanto, Y .(2006). Finance and trade: A cross-country empirical analysis on the impact of financial development and asset tangibility on international trade. World Development, 34(10), 1728-1741.
Masoud, N. (2017). The impact of stock market performance upon economic growth. International Journal of Economics and Financial, 3(4), 788–798.
Murkute, A., & Tanuja, S. (2015). Forecasting market price of stock using artificial neural network. International Journal of Computer Applications, 124(12), 11-15.
Polanco-Martínez, J. (2019). Dynamic relationship analysis between NAFTA stock markets using nonlinear, nonparametric, non-stationary methods. Nonlinear Dynamics, 369–389.
