Chulalongkorn University Theses and Dissertations (Chula ETD)
Other Title (Parallel Title in Other Language of ETD)
Neural network for forecasting high price and low price on foreign exchange market
Year (A.D.)
2019
Document Type
Thesis
First Advisor
นัทที นิภานันท์
Faculty/College
Faculty of Engineering (คณะวิศวกรรมศาสตร์)
Department (if any)
Department of Computer Engineering (ภาควิชาวิศวกรรมคอมพิวเตอร์)
Degree Name
วิทยาศาสตรมหาบัณฑิต
Degree Level
ปริญญาโท
Degree Discipline
วิทยาศาสตร์คอมพิวเตอร์
DOI
10.58837/CHULA.THE.2019.1128
Abstract
งานวิจัยนี้เปรียบเทียบโครงข่ายประสาทเทียม 4 แบบจำลองจากงานวิจัยต้นแบบ (I. โครงข่ายประสาทเทียมแบบส่งค่าย้อนกลับ II. โครงข่ายประสาทเทียมอย่างถูกต้องของเบส์ III. ขั้นตอนผสมผสานระหว่างการแยกส่วนประกอบของรูปแบบเชิงประจักษ์กับขั้นตอนโครงข่ายประสาทเทียมแบบความแรงของเวลาอย่างสุ่ม IV. ขั้นตอนผสมผสานระหว่างข้อมูลแบบสุ่มเชิงเวลาที่มีประสิทธิภาพกับโครงข่ายประสาทเทียมแบบเรเดียลเบซิสฟังก์ชัน) และงานวิจัยที่นำเสนอ 2 แบบจำลอง (I. ขั้นตอนผสมผสานระหว่างการแยกส่วนประกอบของรูปแบบเชิงประจักษ์, ข้อมูลแบบสุ่มเชิงเวลาที่มีประสิทธิภาพ และโครงข่ายประสาทเทียมแบบเรเดียลเบซิสฟังก์ชัน II. ขั้นตอนผสมผสานระหว่างการแยกส่วนประกอบของรูปแบบเชิงประจักษ์, ข้อมูลแบบสุ่มเชิงเวลาที่มีประสิทธิภาพ และโครงข่ายประสาทเทียมอย่างถูกต้องของเบส์) ในการพยากรณ์อัตราแลกเปลี่ยนของคู่สกุลเงิน ยูโร/ดอลลาร์สหรัฐ โดยการใช้อินพุตเป็นตัวบ่งชี้ทางเทคนิคและวัดประสิทธิภาพของแบบจำลองด้วยระบบจำลองการซื้อขาย ซึ่งประกอบด้วย กลยุทธการลงทุน วิธีจัดการความเสี่ยง และหลักการบริหารเงิน ผลการทดลองแสดงให้เป็นว่าโครงข่ายประสาทเทียมที่นำเสนอให้ผลตอบแทนที่ดีกว่าแบบจำลองจากงานวิจัยต้นแบบ
Other Abstract (Other language abstract of ETD)
This research compares 4 neural networks from the original researches (I. Backpropagation Neural Network II. Bayesian Regularized Neural Network III. Empirical Mode Decomposition Stochastic Time Strength Neural Network IV. Random Data-time Effective Radial Basis Function Neural Network) and 2 proposed neural networks (I. Empirical Mode Decomposition Random Data-time Effective Radial Basis Function Neural Network II. Empirical Mode Decomposition Random Data-time Effective Bayesian Regularized Neural Network) for predicting the exchange rate of EUR/USD currency pairs using input as a technical indicator and evaluating the networks with trading simulations consisting of investment strategies, risk management methods and financial management principles. The experiments show that the proposed neural networks yield higher returns than the original researches.
Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-No Derivative Works 4.0 International License.
Recommended Citation
ชินประสาทศักดิ์, ฆฤณ, "โครงข่ายประสาทเทียมสำหรับพยากรณ์ราคาสูงสุดและราคาต่ำสุดบนตลาดอัตราแลกเปลี่ยน" (2019). Chulalongkorn University Theses and Dissertations (Chula ETD). 9504.
https://digital.car.chula.ac.th/chulaetd/9504