ซัพพอร์ตเวกเตอร์แมชชีนสำหรับการพยากรณ์ราคาตราสารอนุพันธ์

สุวัชร์ ภิญโญพันธ์

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/43670

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	บุญเสริม กิจศิริกุล	en_US
dc.contributor.author	สุวัชร์ ภิญโญพันธ์	en_US
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์	en_US
dc.date.accessioned	2015-06-24T06:43:48Z
dc.date.available	2015-06-24T06:43:48Z
dc.date.issued	2556	en_US
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/43670
dc.description	วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2556	en_US
dc.description.abstract	การนำระบบคอมพิวเตอร์มาช่วยในการตัดสินใจซื้อขายหลักทรัพย์สามารถช่วยอำนวยความสะดวกให้แก่นักลงทุนเป็นอย่างมาก โดยเฉพาะอย่างยิ่งการซื้อขายระยะสั้น เนื่องจากนักลงทุนสามารถส่งคำสั่งซื้อขายล่วงหน้าได้ในเวลาที่ต้องการซื้อหรือขาย การทำให้คอมพิวเตอร์ตัดสินใจซื้อหรือขายได้ในเวลาที่เหมาะสมนั้นจำเป็นต้องอาศัยขั้นตอนวิธีที่มีความแม่นยำในการวิเคราะห์หลักทรัพย์ และสามารถตัดสินใจซื้อขายจากผลการวิเคราะห์ได้อย่างถูกต้องวัตถุประสงค์ของวิทยานิพนธ์นี้ คือ การใช้ซัพพอร์ตเวกเตอร์แมชชีนมาทำการพยากรณ์ราคาตราสารอนุพันธ์ ซึ่งเป็นหลักทรัพย์ประเภทหนึ่ง โดยทำการพยากรณ์ราคาในนาทีถัดไป มีการนำขั้นตอนวิธี RReliefF มาใช้ในการคัดเลือกคุณลักษณะก่อนทำการฝึก ข้อมูลที่ใช้ในการทดลองแบ่งออกเป็น 3 กลุ่ม คือ แนวโน้มขึ้น แนวโน้มลง และแนวโน้มไม่เปลี่ยนแปลง ผลการทดลองแสดงให้เห็นว่าวิธีการที่นำเสนอให้ผลตอบแทนที่สูงกว่าเมื่อเปรียบเทียบกับวิธีการซื้อขายแบบ Buy-and-Hold	en_US
dc.description.abstractalternative	It is very useful for investors to use a computer system for making decision in securities trading, especially in short term trading. This is because investors can pre-order for their securities using a computer whenever they want to buy or sell. To make a computer determine the right moment to buy or sell, it is necessary to develop a highly accurate algorithm for security analysis and making right decision according to the result. The purpose of this thesis is to apply Support Vector Machines to predict a price of derivatives, a kind of securities, for every minute. The RReliefF algorithm is applied to select the attributes before training. The selected attributes are then used for training. Data for experiments which are conducted using simulated trading, are divided into three groups, i.e., up-trend data, down-trend data, and sideways data. The experimental results show that the presented method gives higher return than the traditional Buy-and-Hold trading strategy.	en_US
dc.language.iso	th	en_US
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย	en_US
dc.relation.uri	http://doi.org/10.14457/CU.the.2013.1126	-
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย	en_US
dc.subject	ซัพพอร์ตเวกเตอร์แมชชีน
dc.subject	พยากรณ์การขาย
dc.subject	อนุพันธ์ทางการเงิน -- ราคา
dc.subject	Support vector machines
dc.subject	Sales forecasting
dc.subject	Derivative securities -- Prices
dc.title	ซัพพอร์ตเวกเตอร์แมชชีนสำหรับการพยากรณ์ราคาตราสารอนุพันธ์	en_US
dc.title.alternative	SUPPORT VECTOR MACHINES FOR DERIVATIVE PRICE PREDICTION	en_US
dc.type	Thesis	en_US
dc.degree.name	วิทยาศาสตรมหาบัณฑิต	en_US
dc.degree.level	ปริญญาโท	en_US
dc.degree.discipline	วิทยาศาสตร์คอมพิวเตอร์	en_US
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย	en_US
dc.email.advisor	boonserm.k@chula.ac.th	en_US
dc.identifier.DOI	10.14457/CU.the.2013.1126	-
Appears in Collections:	Eng - Theses

Files in This Item:

File	Description	Size	Format
5370375521.pdf		2.46 MB	Adobe PDF	View/Open

Show simple item record