การพยากรณ์ราคาสินทรัพย์ดิจิทัลด้วยการวิเคราะห์การซื้อขายจากความคิดเห็นในสื่อสังคมออนไลน์

ผู้แต่ง

  • เสกศักดิ์ ปราบพาลา Department of Information Science, Faculty of Humanities and Social Sciences, Khon Kaen University,Thailand.
  • กุลธิดา ท้วมสุข Department of Information Science, Faculty of Humanities and Social Sciences, Khon Kaen University,Thailand.
  • วิระพงศ์ จันทร์สนาม Department of Information Science, Faculty of Humanities and Social Sciences, Khon Kaen University,Thailand.

DOI:

https://doi.org/10.14456/jiskku.2023.21

คำสำคัญ:

สินทรัพย์ดิจิทัล

บทคัดย่อ

วัตถุประสงค์: เพื่อวิเคราะห์ความคิดเห็นเกี่ยวกับราคาของสินทรัพย์ดิจิทัล เพื่อพยากรณ์ราคาที่คาดว่าจะเกิดขึ้น จากนั้นนำผลที่ได้มาพัฒนาเป็นระบบสนับสนุนการตัดสินใจสำหรับนักลงทุนรายย่อย

วิธีการศึกษา: รวบรวมข้อมูลความคิดเห็นจากกลุ่มผู้ใช้ที่มีการแบ่งปันแนวคิด เทคนิค และบทวิเคราะห์บนเครือข่ายสังคมออนไลน์ ในแพลตฟอร์ม TradingView ซึ่งเป็นชุมชนของนักลงทุนในสินทรัพย์ดิจิทัลที่ใหญ่ที่สุดในโลก ข้อมูลระหว่างวันที่ 1 กันยายน พ.ศ. 2565- 31 ธันวาคม พ.ศ. 2565 จำนวน 8,725 ข้อความ              ทำการวิเคราะห์ความรู้สึกของข้อความ เพื่อจำแนกประเภทข้อความเป็น 3 กลุ่ม ได้แก่ ข้อความเชิงบวกสัมพันธ์กับทิศทางตลาดเป็นบวก ควรทำการซื้อ ข้อความเชิงลบสัมพันธ์กับทิศทางตลาดเป็นลบ ควรทำการขาย และข้อความที่เป็นกลางสัมพันธ์กับการไม่ควรทำการซื้อขาย แล้วสร้างแบบจำลองโดยพิจารณาจากความคิดเห็นของผู้ใช้ส่วนใหญ่ คาดการณ์แนวโน้มราคาาควรซื้อหรือขายในช่วงเวลานั้น ๆ

ข้อค้นพบ: จากการทดสอบความถูกต้องของการพยากรณ์โดยใช้ค่าราคาปิดจริงของราคาสินทรัพย์ดิจิทัล เปรียบเทียบกับราคาที่ได้จากการคำนวณด้วยหลายวิธี ทั้งการทับซ้อน 1 วัน การใช้ค่ามาตรฐาน                                การเปลี่ยนแปลงแนวโน้ม การหาร้อยละการเปลี่ยนแปลง และการวิเคราะห์สหสัมพันธ์ พบว่า ราคาจริงและราคาพยากรณ์มีความสอดคล้องกัน มีค่าสัมประสิทธิ์สหสัมพันธ์สูงถึง 0.89 เมื่อทดสอบสมมติฐานเชิงเป็นเหตุเป็นผล ด้วยวิธี Granger-Causality Test พบว่าค่าความรู้สึกของผู้ใช้เทรดดิงวิวเกี่ยวกับราคาสินทรัพย์ดิจิทัลมีแนวโน้มไปในทิศทางเดียวกัน

การประยุกต์ใช้จากการศึกษานี้: จากการวิเคราะห์สหสัมพันธ์ระหว่างราคาจริงและราคาจากการพยากรณ์ มีความสัมพันธ์กันในระดับสูงในทิศทางเดียวกัน ซึ่งสามารถนำผลลัพธ์นี้ไปใช้สำหรับการวิเคราะห์จุดเปลี่ยนและการพยากรณ์ราคาสินทรัพย์ดิจิทัลได้ เมื่อนำเทคนิคที่ได้จากการวิจัยนี้ไปสร้างเป็นระบบที่รวบรวมความคิดเห็นจากผู้ใช้อัตโนมัติ และวิเคราะห์อารมณ์ตลาดตามเวลาจริง สามารถใช้สนับสนุนการตัดสินใจเกี่ยวกับการลงทุน รวมถึงคาดการณ์ความผันผวนของราคาในระยะสั้นได้

Downloads

References

Coinmarketcap. (2022). Cryptocurrency prices, charts and market capitalizations. Retrieved from https://www.coinmarketcap.com/

Cruciani, G., Baroni, M., Clementi, S., Costantino, G., Riganelli, D., & Skagerberg, B. (1992). Predictive ability of regression models. Part I: Standard deviation of prediction errors (SDEP). Journal of Chemometrics, 6(6), 335-346.

Diks, C., & Panchenko, V. (2006). A new statistic and practical guidelines for nonparametric Granger causality testing. Journal of Economic Dynamics and Control, 30(9–10), 1647–1669.

Goldman Sachs (Asia) L.L.C.. (2021). Overview of digital assets and blockchain. Retrieved from https://1e9.community/uploads/short-url/yK2ONzAH0NdeYL8lyFJN7QfKYte.pdf

Kaiser, L. (1989). Adjusting for baseline: change or percentage change?. Statistics in medicine, 8(10), 1183-1190.

Loria, S. (2018). textblob Documentation. Release 0.15, 2(8), 269.

Noakes A. Michael & Rajaratnam, K. (2016), Testing market efficiency on the Johannesburg Stock Exchange using the overlapping serial test. Annals of Operations Research, 243(1), 273-300

Moews, B., Herrmann, J. M., & Ibikunle, G. (2019). Lagged correlation-based deep learning for directional trend change prediction in financial time series. Expert Systems with Applications, 120, 197-206.

Nanli, Z., Ping, Z., Weiguo, L., & Meng, C. (2012). Sentiment analysis: A literature review. In 2012 International Symposium on Management of Technology (ISMOT). (572–576). [n.p.]: IEEE.

Prabpala, S., Chansanam, W., & Tuamsuk, K. (2023). Topic Modeling on Crowd Trading Ideas for Digital Asset Price Prediction. International journal of Applied Engineering and Technology (London), 5(1), 6-12

SEC. (2022). Digital asset entrepreneurs. Retrieved from https://www.sec.or.th/TH/pages/lawandregulations/digitalassetbusiness.aspx

Suepaisal, N. (2021). What is digital asset?. Retrieved from https://www.thematter.co/futureverse/futureword-digital-asset/160461

Tuamsuk, K., Chansanam, W., Chaikhambung, J. & Kaewbunma, N. (2018). Digital humanities research. (In Thai). Khon Kaen: Khon Kaen University.

Tradingview. (2022). Trading ideas. Retrieved from https://www.th.tradingview.com/education/tradingtool/

Wilder, J. Welles. (1978). New Concepts in Technical Trading Systems. Trend Research: Greensboro (N.C.).

Downloads

เผยแพร่แล้ว

2023-08-24

How to Cite

ปราบพาลา เ., ท้วมสุข ก., & จันทร์สนาม ว. (2023). การพยากรณ์ราคาสินทรัพย์ดิจิทัลด้วยการวิเคราะห์การซื้อขายจากความคิดเห็นในสื่อสังคมออนไลน์. Journal of Information Science Research and Practice, 41(3), 73–92. https://doi.org/10.14456/jiskku.2023.21