เปรียบเทียบการพยากรณ์การซื้อขายราคาทองคำแท่งด้วยตัวแบบ ARIMA และ ARIMAX
คำสำคัญ: ดัชนีค่าเงินบาท ดัชนีตลาดหลักทรัพย์ ดัชนีชี้นำเศรษฐกิจ ดัชนีส่วนกลับราคาน้ำมัน (ดูไบ)
บทคัดย่อ
บทความนี้มีวัตถุประสงค์เพื่อหาตัวแบบที่ดีที่สุดจากการเปรียบเทียบการพยากรณ์การซื้อขายราคาทองรูปพรรณด้วยตัวแบบ ARIMA และ ARIMAX ตั้งแต่เดือนมกราคม พ.ศ.2555 ถึงเดือนเมษายน พ.ศ.2566 เป็นจำนวน 136 เดือน ซึ่งตัวแปรต้นของการพยากรณ์ด้วยตัวแบบ ARIMA ได้แก่ ข้อมูลการซื้อขายราคาทองคำถัวเฉลี่ยทองคำรูปพรรณ ตัวแปรตาม ได้แก่ ผลการพยากรณ์การซื้อขายด้วยตัวแบบ ARIMA และการพยากรณ์ด้วยตัวแบบ ARIMAX ตัวแปรต้น ได้แก่ ผลการพยากรณ์การซื้อขายด้วยตัวแบบ ARIMA อัตราการแลกเปลี่ยนเงินUSD (บาท) ดัชนีค่าเงินบาท ดัชนีตลาดหลักทรัพย์ ดัชนีชี้นำเศรษฐกิจ และดัชนีส่วนกลับราคาน้ำมัน (ดูไบ) ตัวแปรตาม ได้แก่ ผลการพยากรณ์การซื้อขายด้วยตัวแบบ ARIMAX โดยใช้เกณฑ์ค่า MAPE MAE MSE RMSE Ljung-Box Q(18) และ BIC โดยเกณฑ์เหล่านี้เลือกจากค่าที่ต่ำที่สุด และค่า p-value มากกว่าหรือเท่ากับ 0.05 ผลการศึกษาพบว่าการพยากรณ์ราคาซื้อทองรูปพรรณด้วยตัวแบบ ARIMA(1,1,0) มีความแม่นยำกว่าตัวแบบ ARIMAX(0,1,0) โดยมีค่า MAPE เท่ากับ 2.040 เปอร์เซ็นต์ มีค่า MAE เท่ากับ 447.450 มีค่า RMSE เท่ากับ 447.450 มีค่า Ljung-box Q(18) เท่ากับ 6.384 มีค่า BIC เท่ากับ 12.873 และมีค่า p-value เท่ากับ 0.990 หมายความว่าค่าสัมประสิทธิ์สหสัมพันธ์ในตัวที่ Lag มีค่าไม่แตกต่างจากศูนย์อย่างมีนัยสำคัญ การพยากรณ์ราคาขายทองรูปพรรณด้วยตัวแบบ ARIMA(1,1,0) มีความแม่นยำกว่าตัวแบบ ARIMAX(0,1,0) โดยมีค่า MAPE เท่ากับ 1.993 เปอร์เซ็นต์ มีค่า MAE เท่ากับ 455.887 มีค่า RMSE เท่ากับ 592.078 มีค่า Ljung-box Q(18) เท่ากับ 6.139 มีค่า BIC เท่ากับ 12.885 และมีค่า p-value เท่ากับ 0.992 หมายความว่าค่าสัมประสิทธิ์สหสัมพันธ์ในตัวที่ Lag มีค่าไม่แตกต่างจากศูนย์อย่างมีนัยสำคัญ
คำสำคัญ: ดัชนีค่าเงินบาท ดัชนีตลาดหลักทรัพย์ ดัชนีชี้นำเศรษฐกิจ ดัชนีส่วนกลับราคาน้ำมัน (ดูไบ)
References
บุญกอง ทะกลโยธิน และยุพาภรณ์อารีพงษ์. (2561).การเปรียบเทียบตัวแบบการพยากรณ์ราคาหุ้น โดยใช้แบบจำลองอารีมา
และอารีแม็กซ์. วารสารวิทยาศาสตร์และเทคโนโลยีหัวเฉียวเฉลิม พระเกียรติ. 4(1), 44-55
ธนาคารแห่งประเทศไทย (2566) .สถิติและข้อมูลเผยแพร่. สืบค้นจาก.https://www.bot.or.th/th/statistics.html.เข้าถึง
เมื่อ 9 มิถุนายน 2566
ธนาคารแห่งประเทศไทย (2566) . FM_FX_001_S3 อัตราแลกเปลี่ยนเฉลี่ยของธนาคารพาณิชย์ในกรุงเทพมหานคร (2545-
ปัจจุบัน).สืบค้นจากhttps://app.bot.or.th/BTWS_STAT/statistics/BOTWEBSTAT
.aspx?reportID=123&language=TH.เข้าถึงเมื่อ 9 มิถุนายน 2566
สมาคมค้าทองคำ (2566) .ราคาทองคำถัวเฉลี่ย. สืบค้นจาก.https://www.goldtraders.or.th/AvgPriceList.aspx.
เข้าถึงเมื่อ 9 มิถุนายน 2566
สิรภัทร เกาฏีระ (2564) .แนวโน้มราคาทองคำในอนาคตจะเป็นอย่างไร ในความท้าทายทางเศรษฐกิจรอบด้าน.
สืบค้นจาก.https://www.krungsri.com/th/wealth/krungsri-prime/privileges/articles/trend-gold-prices-in-future.เข้าถึงเมื่อ 9 มิถุนายน 2566
Jadhav, V., CHINNAPPA, R. B., & Gaddi, G. M. (2017). Application of ARIMA model for forecasting
Agricultural prices. Journal of Agricultural Science and Technology. 19, 981-992.
Downloads
เผยแพร่แล้ว
How to Cite
ฉบับ
บท
License
Copyright (c) 2022 วารสารวิชาการเฉลิมกาญจนา

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.