การพยากรณ์อนุกรมเวลาด้วยตัวแบบผสมระหว่าง arimax และการถดถอยพหุนาม

วนิดา วงศ์วัฒนบัณฑิต

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/79112

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	สาวิตรี บุญพัชรนนท์	-
dc.contributor.author	วนิดา วงศ์วัฒนบัณฑิต	-
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะพาณิชยศาสตร์และการบัญชี	-
dc.date.accessioned	2022-07-01T04:17:28Z	-
dc.date.available	2022-07-01T04:17:28Z	-
dc.date.issued	2564	-
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/79112	-
dc.description	วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2564	-
dc.description.abstract	การศึกษาครั้งนี้มีวัตถุประสงค์เพื่อเปรียบเทียบความถูกต้องของการพยากรณ์อนุกรมเวลาที่ได้จาก 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.abstractalternative	This 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.iso	th	-
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย	-
dc.relation.uri	http://doi.org/10.58837/CHULA.THE.2021.1061	-
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย	-
dc.subject	การวิเคราะห์อนุกรมเวลา	-
dc.subject	การวิเคราะห์การถดถอย	-
dc.subject	Time-series analysis	-
dc.subject	Regression analysis	-
dc.subject.classification	Mathematics	-
dc.title	การพยากรณ์อนุกรมเวลาด้วยตัวแบบผสมระหว่าง arimax และการถดถอยพหุนาม	-
dc.title.alternative	Time series forecasting using a combined arimax and polynomial regression	-
dc.type	Thesis	-
dc.degree.name	วิทยาศาสตรมหาบัณฑิต	-
dc.degree.level	ปริญญาโท	-
dc.degree.discipline	สถิติ	-
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย	-
dc.identifier.DOI	10.58837/CHULA.THE.2021.1061	-
Appears in Collections:	Acctn - Theses

Files in This Item:

File	Description	Size	Format
6280279726.pdf		2.05 MB	Adobe PDF	View/Open

Show simple item record