การเปรียบเทียบแบบจำลองอนุกรมเวลาเพื่อการพยากรณ์การส่งออกของประเทศไทยจากข้อมูลรายเดือนย้อนหลัง 21 ปี
คำสำคัญ:
การพยากรณ์, อนุกรมเวลา, การส่งออกของไทย, แบบจำลองบูรณาการอัตโนมัติถดถอยเคลื่อนที่เฉลี่ย, โลจิสติกส์บทคัดย่อ
บทความวิจัยนี้มีวัตถุประสงค์ 1) เพื่อวิเคราะห์แนวโน้มและโครงสร้างเชิงพลวัตของการส่งออกสินค้าหลักของประเทศไทยในช่วงปี พ.ศ. 2547–2568 โดยการจำแนกองค์ประกอบเชิงสถิติของแต่ละกลุ่มสินค้าสำหรับการพัฒนาแบบจำลองการพยากรณ์ที่มีความเหมาะสมและความแม่นยำในการสนับสนุนการส่งออกของประเทศ และ 2) คัดเลือกแบบจำลองการพยากรณ์ที่ให้ค่าความแม่นยำสูงสุดและมีความเหมาะสมเชิงสถิติเพื่อเสนอเป็นแนวทางสำหรับ การวางแผนเชิงกลยุทธ์ด้านโซ่อุปทานและโลจิสติกส์ในการส่งออกสินค้าของประเทศไทยในอนาคต ประชากรที่ใช้ใน การวิจัยคือข้อมูลมูลค่าการส่งออกสินค้าไทย 20 รายการสำคัญ โดยใช้วิธีการเลือกแบบเจาะจงจากสินค้าที่มีสัดส่วนต่อ การส่งออกของประเทศในระดับสูง ข้อมูลเป็นข้อมูลทุติยภูมิรายเดือนตั้งแต่เดือนมกราคม พ.ศ. 2547 ถึงเมษายน พ.ศ. 2568 เครื่องมือที่ใช้ในการเก็บรวบรวมและวิเคราะห์ข้อมูล ได้แก่ โปรแกรม Minitab สำหรับการประมวลผลข้อมูลเชิงอนุกรมเวลา และการประเมินความแม่นยำของแบบจำลอง สถิติที่ใช้ในการวิจัยประกอบด้วยค่า MAPE MAD และ RMSE รวมถึงเกณฑ์ AIC และ BIC สำหรับแบบจำลอง ARIMA
ผลการวิจัยพบว่า แบบจำลองที่เหมาะสมต่อการพยากรณ์แตกต่างกันตามลักษณะโครงสร้างข้อมูลของสินค้า โดยสินค้าที่มีแนวโน้มชัดเจนเหมาะกับ Double Exponential Smoothing สินค้าที่มีฤดูกาลเด่นชัด เช่น ข้าว และเครื่องปรับอากาศ เหมาะกับ Holt-Winters หรือ SARIMA ขณะที่สินค้าที่มีความผันผวนสูง เช่น ทองคำ แม้ใช้แบบจำลองขั้นสูงยังคงมีค่าคลาดเคลื่อนสูง งานวิจัยเสนอให้พัฒนาฐานข้อมูลพยากรณ์ระดับประเทศสำหรับสนับสนุนการวางแผนการผลิต การจัดการโลจิสติกส์ และนโยบายการค้าระหว่างประเทศอย่างมีประสิทธิภาพ
เอกสารอ้างอิง
ธนาคารแห่งประเทศไทย. (2567). รายงานภาวะเศรษฐกิจไทยประจำปี 2566. https://www.bot.or.th
วรางคณา เรียนสุทธิ์. (2563). การพยากรณ์ปริมาณการส่งออกยางพาราในประเทศไทย. วารสารวิจัยและส่งเสริมวิชาการเกษตร, 38(2), 130–143.
สำนักงานนโยบายและยุทธศาสตร์การค้า. (2567). รายงานแนวโน้มการส่งออกสินค้าไทย ปี 2567.
Akhter, T., Ratna, T. S., Ahmed, F., Babu, M. A., & Hossain, S. F. A. (2024). Forecasting and unveiling the impeded factors of total export of Bangladesh using nonlinear autoregressive distributed lag and machine learning algorithms. Heliyon, 10(17). https://doi.org/10.1016/ j.heliyon.2024. e36274
Aloudah, M., Alajmi, M., Sagheer, A., Algosaibi, A., Almarri, B., & Albelwi, E. (2025). AI-powered trade forecasting: A data-driven approach to Saudi Arabia’s non-oil exports. Big Data and Cognitive Computing, 9(4), 94. https://doi.org/10.3390/bdcc9040094
Alqatawna, A., Abu-Salih, B., Obeid, N., & Almiani, M. (2023). Incorporating time-series forecasting techniques to predict logistics companies’ staffing needs and order volume. Computation, 11(7), 141. https://doi.org/10.3390/computation11070141
Banditvilai, S., & Araveeporn, A. (2024). Empirical comparison of forecasting methods for air travel and export data in Thailand. Modelling, 5(4), 1395-1412. https://doi.org/10.3390/modelling5040072
Ensafi, Y., Amin, S. H., Zhang, G., & Shah, B. (2022). Time-series forecasting of seasonal items sales using machine learning: A comparative analysis. International Journal of Information Management Data Insights, 2(1), 100058. https://doi.org/10.1016/j.jjimei.2022.100058
Fatima, S. S. W., & Rahimi, A. (2024). A review of time-series forecasting algorithms for industrial manufacturing systems. Machines, 12(6), 380. https://doi.org/10.3390/machines12060380
Klaharn, K., Ngampak, R., Chudam, Y., Salvador, R., Jainonthee, C., & Punyapornwithaya, V. (2024). Analyzing and forecasting poultry meat production and export volumes in Thailand: A time series approach. Cogent Food & Agriculture, 10(1), 2378173. https://doi.org/10.1080/23311932.2024.2378173
Kontopoulou, V. I., Panagopoulos, A. D., Kakkos, I., & Matsopoulos, G. K. (2023). A review of ARIMA vs. machine learning approaches for time series forecasting in data driven networks. Future Internet, 15(8), 255. https://doi.org/10.3390/fi15080255
United Nations Conference on Trade and Development (UNCTAD). (2023). Global trade update – March 2023. https://unctad.org/webflyer/global-trade-update-march-2023
World Bank. (2023). Thailand economic monitor: Trade for growth. https://www.worldbank.org/ en/country/thailand
