Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/77242
| Title: | การวิเคราะห์เครือข่ายสหสัมพันธ์ของหุ้นในตลาดหลักทรัพย์แห่งประเทศไทย |
| Other Titles: | Correlation network analysis of stocks in the stock exchange of Thailand (SET) |
| Authors: | ณัฐพล ฐิตะวีระ |
| Advisors: | สุกรี สินธุภิญโญ |
| Other author: | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์ |
| Issue Date: | 2563 |
| Publisher: | จุฬาลงกรณ์มหาวิทยาลัย |
| Abstract: | งานวิจัยนี้นำเสนอการวิเคราะห์ความสัมพันธ์ของหุ้น 100 ตัวที่มีขนาดใหญ่ที่สุดของตลาดหลักทรัพย์แห่งประเทศไทย โดยการใช้ข้อมูลราคาของหุ้น ระหว่างวันที่ 1 กรกฎาคม พ.ศ. 2561 ถึงวันที่ 30 มิถุนายน พ.ศ 2563 งานวิจัยนี้นำเสนอการสร้างเครือข่ายความสัมพันธ์ของหุ้น โดยใช้เทคนิคการวิเคราะห์ข้อมูลอนุกรมเวลาแบบแยกองค์ประกอบเพื่อขจัดความผันผวนของข้อมูล งานวิจัยนี้ใช้เทคนิคไดนามิกไทม์วอร์ปปิงอัลกอริทึม เพื่อวิเคราะห์ความสัมพันธ์ของหุ้นแต่ละตัวเพื่อนำมาสร้างเครือข่าย และใช้วิธีการวิเคราะห์เครือข่ายทางสังคม เพื่อวิเคราะห์ค่าความเป็นสูงกลาง ค่าความเป็นศูนย์กลางประเภทความเป็นค่าคั่นกลาง ค่าความเป็นศูนย์กลางประเภทความใกล้ชิด และการตรวจจับชุมชนโดยใช้เกอร์แวน - นิวแมนอัลกอริทึม โดยงานวิจัยนี้สามารถตรวจจับชุมชนได้ทั้งหมด 7 ชุมชน งานวิจัยนี้นำเสนอสร้างแบบจำลองแบบเพิ่มข้อมูลในการแยกราคาของหุ้นโดยใช้แบบจำลองความจำสั้นแบบยาว สามารถจำแนกได้ด้วยความแม่นยำร้อยละ 57.9% ซึ่งมีความใกล้เคียงกับแบบจำลองพื้นฐานสำหรับตลาดหุ้นอื่นๆ หลังจากทดลองเพิ่มชุดข้อมูลทดแทนที่ใช้ทดสอบจากหุ้นที่มีระยะห่างใกล้กันมากที่สุด 2 ตัวพบว่า สามารถจำแนกได้ด้วยความแม่นยำร้อยละ 60.3% และหลังจากทดลองเพิ่มชุดข้อมูลทดแทนที่ใช้ทดสอบจากหุ้นที่มีระยะห่างไกลกันมากที่สุด 2 ตัวพบว่า สามารถจำแนกได้ด้วยความแม่นยำร้อยละ 62.3% |
| Other Abstract: | This research presents stock relationships of the top hundred stocks represented by market capitalization in Thailand's Stock Exchange. We collected asset returns of stock prices between July 2018 and June 2020 to construct a network. We then decomposed the collected data into time series components. Next, we summarized the time series decomposition results for applying a dynamic time warping (DTW) technique to measure each stock's similarity. We established the connections between nodes using the DTW results. Next, we implemented graph theory and network analysis for analyzing a centrality value to show the network's most important stocks. In this research, we present a stock's community and a graph of each stock's correlation by applying the Girvan Newman Algorithm. We also use this approach's results as a feature selection for Long-Short Term Memory (LSTM). This technique archived 57.9% of average accuracy. Finally, we present replacement data set from LSTM with the two highest relations. This technique archived 60.3% of average accuracy. Moreover, LSTM with the two lowest relations This technique archived 62.3% of average accuracy. |
| Description: | วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2563 |
| Degree Name: | วิทยาศาสตรมหาบัณฑิต |
| Degree Level: | ปริญญาโท |
| Degree Discipline: | วิทยาศาสตร์คอมพิวเตอร์ |
| URI: | http://cuir.car.chula.ac.th/handle/123456789/77242 |
| URI: | http://doi.org/10.58837/CHULA.THE.2020.1031 |
| metadata.dc.identifier.DOI: | 10.58837/CHULA.THE.2020.1031 |
| Type: | Thesis |
| Appears in Collections: | Eng - Theses |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 6270086921.pdf | 2.8 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.