Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/79112
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorสาวิตรี บุญพัชรนนท์-
dc.contributor.authorวนิดา วงศ์วัฒนบัณฑิต-
dc.contributor.otherจุฬาลงกรณ์มหาวิทยาลัย. คณะพาณิชยศาสตร์และการบัญชี-
dc.date.accessioned2022-07-01T04:17:28Z-
dc.date.available2022-07-01T04:17:28Z-
dc.date.issued2564-
dc.identifier.urihttp://cuir.car.chula.ac.th/handle/123456789/79112-
dc.descriptionวิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2564-
dc.description.abstractการศึกษาครั้งนี้มีวัตถุประสงค์เพื่อเปรียบเทียบความถูกต้องของการพยากรณ์อนุกรมเวลาที่ได้จาก 3 ตัวแบบ คือ ตัวแบบ ARIMA, ตัวแบบ ARIMAX และตัวแบบผสมระหว่าง ARIMAX และการถดถอยพหุนาม ซึ่งใช้ชุดข้อมูลจริงของราคาหุ้น AMATA และหุ้น KBANK ในการศึกษา ครั้งนี้ได้ทำการแบ่งข้อมูลออกเป็น 2 ชุด คือ ชุดที่ 1 สำหรับการสร้างตัวแบบการพยากรณ์ และชุดที่ 2 สำหรับการตรวจสอบความถูกต้องของตัวแบบพยากรณ์ โดยเกณฑ์ที่ใช้เปรียบเทียบความถูกต้องของตัวแบบ คือ รากที่สองของค่าคลาดเคลื่อนกำลังสองเฉลี่ย (Root Mean Square Error: RMSE) โดยตัวแบบที่ให้ค่า RMSE ต่ำที่สุด จะเป็นตัวแบบที่เหมาะสมที่สุด จากผลการศึกษาพบว่า ตัวแบบผสมระหว่าง ARIMAX และการถดถอยพหุนาม เป็นตัวแบบที่เหมาะสมที่สุดในการพยากรณ์ราคาหุ้น AMATA และหุ้น KBANK-
dc.description.abstractalternativeThis research aims to compare the accuracy of three time series forecasting models: ARIMA, ARIMAX, and a combined ARIMAX and polynomial regression by using real datasets of AMATA and KBANK stock prices. In this study, data was divided into two sets. The first set is used for creating the forecasting models and the second  is used for checking the accuracy of the previous step. The models are measured for accuracy using Root Mean Square Error (RMSE) where the lowest RMSE represents the best performance. The study shows that a combined ARIMAX and polynomial regression gives the best performance for forecasting the real datasets of AMATA and KBANK stock prices.-
dc.language.isoth-
dc.publisherจุฬาลงกรณ์มหาวิทยาลัย-
dc.relation.urihttp://doi.org/10.58837/CHULA.THE.2021.1061-
dc.rightsจุฬาลงกรณ์มหาวิทยาลัย-
dc.subjectการวิเคราะห์อนุกรมเวลา-
dc.subjectการวิเคราะห์การถดถอย-
dc.subjectTime-series analysis-
dc.subjectRegression analysis-
dc.subject.classificationMathematics-
dc.titleการพยากรณ์อนุกรมเวลาด้วยตัวแบบผสมระหว่าง arimax และการถดถอยพหุนาม-
dc.title.alternativeTime series forecasting using a combined arimax and polynomial regression-
dc.typeThesis-
dc.degree.nameวิทยาศาสตรมหาบัณฑิต-
dc.degree.levelปริญญาโท-
dc.degree.disciplineสถิติ-
dc.degree.grantorจุฬาลงกรณ์มหาวิทยาลัย-
dc.identifier.DOI10.58837/CHULA.THE.2021.1061-
Appears in Collections:Acctn - Theses

Files in This Item:
File Description SizeFormat 
6280279726.pdf2.05 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.