การประยุกต์ใช้โครงข่ายประสาทเทียมโดยใช้ตัวชี้วัดทางเทคนิค เพื่อการลงทุนในตลาดหลักทรัพย์แห่งประเทศไทย

  • อดิสรณ์ กำลังเพชร์ สาขาวิชาเทคโนโลยีสารสนเทศและการสื่อสาร คณะวิทยาศาสตร์และศิลปศาสตร์ มหาวิทยาลัยเทคโนโลยีราชมงคลอีสาน
  • พนิดา หล่อวงศ์ตระกูล สาขาวิชาเทคโนโลยีสารสนเทศและการสื่อสาร คณะวิทยาศาสตร์และศิลปศาสตร์ มหาวิทยาลัยเทคโนโลยีราชมงคลอีสาน
  • อริยะ นามวงศ์ คณะวิทยาศาสตร์ประยุกต์ และวิศวกรรมศาสตร์ มหาวิทยาลัยขอนแก่น วิทยาเขตหนองคาย
Keywords: ตลาดหลักทรัพย์แห่งประเทศไทย, ตัวชี้วัดทาง, เทคนิค, โครงข่ายประสาทเทียม, Stock Exchange of Thailand, Technical Indicators, Artificial Neural Network

Abstract

สำหรับนักลงทุนในตลาดหลักทรัพย์แล้ว การค้นหาสัญญาณซื้อขายที่ดีและมีประสิทธิภาพซึ่งให้ผลตอบแทน สูงนั้น เป็นงานที่ยากและท้าทายเป็นอย่างมาก เนื่องมาจาก ความผันผวนของสภาวะตลาดทำให้คาดการณ์ได้ยาก การศึกษาครั้งนี้มีวัตถุประสงค์ในการสร้างตัวแบบที่มี ประสิทธิภาพเพื่อนำมาใช้ในการลงทุนในตลาดหลักทรัพย์ จากนั้นนำมาเปรียบเทียบกับวิธีวิเคราะห์ทางเทคนิคที่นิยม ใช้อยู่ในปัจจุบัน หลักการของโครงข่ายประสาทเทียมได้ถูก นำมาใช้ในการสร้างตัวแบบในครั้งนี้ โดยนำข้อมูลจากวิธี วิเคราะห์ทางเทคนิคทั้งหมด 8 วิธี เป็นข้อมูลนำเข้าสู่ระบบ โครงข่ายประสาทเทียมที่สร้างขึ้น โดยข้อมูลที่ใช้ในการ ศึกษาและพัฒนาครอบคลุมระยะเวลา 10 ปี 9 เดือน นับตั้งแต่ เดือนมกราคม พ.ศ. 2546 ถึงเดือนกันยายน พ.ศ. 2556 รวม 2,629 วันทำการ โดยหลักทรัพย์ที่นำมาใช้ในการศึกษาครั้งนี้ประกอบด้วยหลักทรัพย์ที่อยู่ในดัชนี SET50 ของ ตลาดหลักทรัพย์แห่งประเทศไทย จากผลการทดลองพบว่าตัวแบบที่สร้างขึ้นให้ผลตอบแทนเป็นที่น่าพอใจ โดยให้ผล ตอบแทนเฉลี่ยต่อปีคิดเป็นร้อยละ 298.63 และประสบความ สำเร็จจากการซื้อขายแต่ละครั้งคิดเป็นร้อยละ 72.22

 

An Artificial Neural Network with Technical Indicators for Stock Investment: Application to the Stock Exchange of Thailand

Adisorn Kamlungpetch, Panida Lorwongtrakool and Ariya Namvong

Stock trading signal identification is regarded as an important and challenging task for stock trading strategy. An accurate identification may yield profits for investors. Due to the fluctuation of the stock market, development of efficient model is very difficult. This study attempted to develop an efficient model and compare its performance with traditional technical analysis methods. The model is based on artificial neural network technique. Eight technical indicators were selected as inputs to the proposed model. The study period covers 10 years and 9 months from January 2003 to September 2013 having 2,629 trading days. The daily trading data of the stocks that were included in SET50 from the stock exchange of Thailand were used in the stock trading simulation. The experimental results show promising for stock trading strategy achieving mean annual capital gain yield of 298.63% and winning percentage of 72.22%.

Downloads

Download data is not yet available.