Analysis the Correlation of SET100 Index

Main Article Content

Natchamol Srichumroenrattana
Kairat Jaroenrat

Abstract

     The research “Analysis the Correlation of SET100 Index” aims to study the relationship of SET100 stocks in the financial business, resource and service groups with time, and to be able to forecast SET100 price trends in the financial business, resource and service groups. As well as finding a decision-making process for trading SET100 stocks in the financial, resource and service groups. This research project proposes an application of numerical analysis algorithm to analyze the correlation of such stocks and get a guideline for selecting stocks that are of interest to investment. As well as guidelines for making decisions on the trading of such shares Numerical analysis where data were analyzed numerically by using the value of SET100 data with reference from the Stock Exchange of Thailand.
     The data used are: opening price, closing price, average price, daily close. Data is filtered by selecting the desired date data, then importing the Exponential Moving Average (EMA), Relative Strength Index (RSI), Stochastic, Moving Average (MA) formula and analyzing the data to show a clear picture of the stock's fluctuation. However, numerical analysis and the use of statistical analysis procedures can help visualize the correlation and trends of stocks in the financial, resource and service groups which are useful information to make more confident investment decisions. In addition, the data has been tested by using the Keras model to create a model to analyze and predict the trend of SET100 stock prices in each group with an accuracy of more than 95%. This indicates that this model can predict the trend of stock prices well and can be adapted to help make stock trading decisions in the future.
 
Article history: Received 25 April 2023              
                            Revised 28 September 2023
                            Accepted 2 October 2023      
                            SIMILARITY INDEX = 5.71 %

Article Details

How to Cite
Srichumroenrattana, N., & Jaroenrat, K. (2024). Analysis the Correlation of SET100 Index. Journal of Management Science Nakhon Pathom Rajabhat University, 10(2), 44–55. https://doi.org/10.14456/jmsnpru.2023.25 (Original work published December 30, 2023)
Section
Research Articles

References

ตลาดหลักทรัพย์แห่งประเทศไทย. (2548). การเดินทางแห่งชีวิต [ออนไลน์]. ค้นเมื่อ 2 ตุลาคม 2565, จาก https://media.set.or.th/set/Documents/2023/Feb/30years.pdf.

ตลาดหลักทรัพย์แห่งประเทศไทย. (2556). ราคาดัชนีตลาดหลักทรัพย์. [ออนไลน์]. ค้นเมื่อ 14 พฤศจิกายน 2565, จาก https://marketdata.set.or.th/mkt/sectorialindices.do?language=th &country=TH

ตลาดหลักทรัพย์แห่งประเทศไทย. (2558). ความหมายของหุ้น. [ออนไลน์]. ค้นเมื่อ 2 ตุลาคม 2565, จาก https://www.set.or.th/education/th/begin/ stock_content01.pdf

ลีลา รัตนบัณฑิตสกุล และดลินา อมรเหมานนท์. (2560). การวิเคราะห์ประสิทธิพภาพของเครื่องมือทางเทคนิคสำหรับการคาดคะเนหลักทรัพย์กลุ่มทรัพยากรหมวดธุรกิจพลังงานและสาธารณูปโภคของตลาดหลักทรัพย์แห่งประเทศไทย). วารสารบริหารธุรกิจเทคโนโลยีมหานคร, 14(1), 80-100.

สต็อคทูมอร์โรว์. (2561). วิธีการคำนวณ RSI . [ออนไลน์]. ค้นเมื่อ 18 ตุลาคม 2565, จาก https://www.stock2morrow.com/article-detail.php?id=884&fb_comment_id= 1352227238176216_1493861150679490

Anonymous (2017). Keras model. [Online]. Retrieved October 10, 2020, from https://tha. small-business-tracker.com/what-is-keras-deep-neural-network-api-explained-645057

Daddy trader. (2561). Moving Average. [ออนไลน์]. ค้นเมื่อ 15 พฤศจิกายน 2565, จาก https://www.finnomena.com/daddy-trader/moving-average/

Data Mining Trend. (2563). การแบ่งข้อมูลเพื่อนำมาทดสอบประสิทธิภาพของโมเดล Data Mining Trend. [ออนไลน์]. ค้นเมื่อ 2 ตุลาคม 2565, จาก: http://dataminingtrend.com/2014/ data-miningtechniques/cross-validation/

Harnsiriwatanakit,J. (2018). How to calculate EMA. [Online]. Retrieved October 2, 2022, from: http://jirawat.kim/2019/11/26/golang-calculate-ema-exponential-moving-average/

kenstock.net. (2560). วิธีการคำนวณสโตคาสติก. [ออนไลน์]. ค้นเมื่อ 18 ตุลาคม 2565, จาก http://www.kenstock.net/kenstock/htm/ stochastic.htm

Kong Ruksiam. (2563). สรุป Machine Learning(EP.3)- การวิเคราะห์การถดถอยเชิงเส้น (Linear Regression). [ออนไลน์]. ค้นเมื่อ 20 ตุลาคม 2565, จาก https://kongruksiamza. medium.com/สรุป- machine-learning- ep-3- การวิเคราะห์การถดถอยเชิงเส้น-linear-regression-891260e4a957

Tangruamsub,S. (2017). Long Short-Term Memory (LSTM). [Online]. Retrieved October 7, 2022, from: https://medium.com/@sinart.t/long-short-term-memory-lstm-e6cb23b494c6