การวิเคราะห์ความสัมพันธ์ของตลาดหุ้น SET100
Main Article Content
บทคัดย่อ
งานวิจัยเรื่อง “การวิเคราะห์ความสัมพันธ์ของตลาดหุ้น SET100” มีวัตถุประสงค์ คือ เพื่อศึกษาความสัมพันธ์ของหุ้น SET100 ในกลุ่มธุรกิจการเงิน กลุ่มทรัพยากร และกลุ่มบริการ และเพื่อให้สามารถคาดการณ์แนวโน้มราคาหุ้น SET100 ในกลุ่มธุรกิจการเงิน กลุ่มทรัพยากร และกลุ่มบริการ ตลอดจนการหากระบวนการตัดสินใจในการซื้อขายหุ้น SET100 ในกลุ่มธุรกิจการเงิน กลุ่มทรัพยากร และกลุ่มบริการ โครงการวิจัยนี้นำเสนอการประยุกต์ใช้ขั้นตอนวิธีการวิเคราะห์เชิงตัวเลขในการวิเคราะห์ความสัมพันธ์ของหุ้นดังกล่าว และได้แนวทางในการคัดเลือกหุ้นที่มีความน่าสนใจในการลงทุน ตลอดจนแนวทางในการตัดสินในซื้อขายหุ้นดังกล่าว การวิเคราะห์เชิงตัวเลขโดยข้อมูลที่ได้นำมาวิเคราะห์เป็นเชิงตัวเลขโดยใช้ค่าของข้อมูล SET100 โดยข้อมูลอ้างอิงมาจากตลาดหลักทรัพย์แห่งประเทศไทย
ข้อมูลที่ใช้ ได้แก่ ราคาเปิดตลาด ราคาปิดตลาด ราคาเฉลี่ยการปิดตลาดของแต่ละวัน มีการคัดกรองข้อมูลโดยเลือกข้อมูลของวันที่ต้องการแล้วนำเข้าสูตรการคำนวณ เส้นค่าเฉลี่ยเคลื่อนที่แบบเอ็กซ์โพเนนเชียล เครื่องมือดัชนีกำลังสัมพัทธ์ การวิเคราะห์สโตคาสติก และเส้นค่าเฉลี่ยเคลื่อนที่ แล้วนำมาวิเคราะห์ข้อมูลเพื่อให้เห็นภาพการขึ้นลงของหุ้นที่ชัดเจน ทั้งนี้การวิเคราะห์ตัวเลขและการใช้ขั้นตอนการวิเคราะห์ทางสถิติสามารถช่วยให้เห็นภาพความสัมพันธ์และแนวโน้มของหุ้นในกลุ่มธุรกิจการเงิน กลุ่มทรัพยากร และกลุ่มบริการ ซึ่งเป็นข้อมูลที่เป็นประโยชน์ในการตัดสินใจลงทุนซื้อขายหุ้นอย่างมั่นใจมากขึ้น นอกจากนี้ยังมีการนำข้อมูลไปทดสอบโดยใช้โมเดล Keras ในการสร้างแบบจำลองเพื่อวิเคราะห์และคาดการณ์แนวโน้มราคาหุ้น SET100 ในแต่ละกลุ่ม โดยได้ค่าความถูกต้องมากกว่า 95% ซึ่งแสดงว่าโมเดลนี้สามารถคาดการณ์แนวโน้มราคาหุ้นได้ดีและสามารถนำไปปรับใช้เพื่อช่วยในการตัดสินใจลงทุนซื้อขายหุ้นได้ในอนาคต
1อาจารย์ประจำสาขาคอมพิวเตอร์ธุรกิจ คณะวิทยาการจัดการ มหาวิทยาลัยราชภัฏนครปฐม นครปฐม
2อาจารย์ประจำภาควิชาวิศวกรรมคอมพิวเตอร์ คณะวิศวกรรมศาสตร์ กำแพงแสน มหาวิทยาลัยเกษตรศาสตร์ นครปฐม
Corresponding author: natchamol@webmail.npru.ac.th
Article Details

อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
ทัศนะและข้อคิดเห็นของบทความที่ปรากฏในวารสารฉบับนี้เป็นของผู้เขียนแต่ละท่าน ไม่ถือว่าเป็นทัศนะและความรับผิดชอบของกองบรรณาธิการ
เอกสารอ้างอิง
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