การวิเคราะห์ความคลาดเคลื่อนในการพยากรณ์ราคาน้ำมันดิบจากปัจจัยพื้นฐานระหว่างอัตราแลกเปลี่ยนและดัชนีหุ้นด้วยวิธีโครงข่ายประสาทเทียม
คำสำคัญ:
โครงข่ายประสาทเทียม, วิธีการวิเคราะห์การถดถอย, น้ำมันดิบ, กลุ่มปัจจัยอัตราแลกเปลี่ยน, กลุ่มปัจจัยดัชนีหุ้นบทคัดย่อ
งานวิจัยนี้นำเสนอการวิเคราะห์ความคลาดเคลื่อนในการพยากรณ์ราคาน้ำมันดิบจากปัจจัยพื้นฐานระหว่างอัตราแลกเปลี่ยนและดัชนีหุ้นด้วยวิธีโครงข่ายประสาทเทียม โดยพิจารณาจากปัจจัยของอัตราการแลกเปลี่ยนสกุลเงินสำคัญ ได้แก่ ดอลล่าสหรัฐต่อเยน ดอลล่าสหรัฐต่อปอนด์ ดอลล่าสหรัฐต่อยูโร และดอลล่าสหรัฐต่อฟรังก์สวิส และปัจจัยดัชนีหุ้นที่สำคัญของโลก ได้แก่ S&P 500, Dow Jones, DAX และ Nasdaq 100 ผลการทดสอบแบบจำลองกับข้อมูล train ในการพยากรณ์ราคาน้ำมันดิบ WTI และ Brent มีค่า MAE เท่ากับ 0.365, 0.548 และมีค่า MAPE 1.145%, 1.236% และเมื่อทดสอบกับข้อมูล test (unseen) มีค่า MAE เท่ากับ 1.512, 1.489 โดยมีค่า MAPE 4.860%, 3.524% ตามลำดับ ซึ่งสามารถนำไปประยุกต์ใช้งานในทางปฏิบัติได้
References
Zheng, B., Zhang, Y.W. Qu, F., Geng, Y. and Yu, H. (2022). Do rare earths drive volatility spillover in crude oil, renewable energy, and high-technology markets? — A wavelet-based BEKK-GARCH-X approach, Energy, vol. 251, 123951.
Kamyk, J., Kot-Niewiadomska, A. and Galos, K. (2021). The criticality of crude oil for energy security: A case of Poland, Energy, vol. 220, 119707.
Duan, H., Liu, Y. and Wang, G. (2022). A novel dynamic time-delay grey model of energy prices and its application in crude oil price forecasting, Energy, vol. 251, 123968.
Niu, Z., Liu, Y., Gao, W. and Zhang, H. (2021). The role of coronavirus news in the volatility forecasting of crude oil futures markets: Evidence from China, Resources Policy, vol. 73, 102173.
Shang, J. and Hamori, S. (2021). Do crude oil prices and the sentiment index influence foreign exchange rates differently in oil-importing and oil-exporting countries? A dynamic connectedness analysis, Resource Policy, vol. 74, 102400.
Lang, K. and Auer, B.R. (2020). The economic and financial properties of crude oil: A review, The North American Journal of Economics and Finance, vol.52, April 2020, Article 100914.
Altawell, N., Milne, J., Seowou, P. et al. (2020). Rural Electrification, 1st edition, ISBN: 978-0-12-822403-8, Academic Press, Massachusetts.
Xiao, D. and Wang, J. (2020). Dynamic complexity and causality of crude oil and major stock markets, Energy, vol.193, February 2020, Article 116791.
Austvik, O.G. (1992). Limits to oil pricing: Scenario planning as a device to understand oil price developments, Energy Policy, vol.20(11), November 1992, 1097.
Guo, Y., Li, J., Li, Y. et al. (2021). The roles of political risk and crude oil in stock market based on quantile cointegration approach: A comparative study in China and US, Energy Economics, vol.97, May 2021, Article 105198.
Kumar, S., Choudhary, S., Singh, G. et al. (2021). Crude oil, gold, natural gas, exchange rate and Indian stock market: Evidence from the asymmetric nonlinear ARDL model, Resource Policy, vol.73, October 2021, Article 102194.
Shah, A.A., Paul, M., Bhanja, N. et al. (2021). Dynamics of connectedness across crude oil, precious metals and exchange rate: Evidence from time and frequency domains, Resource Policy, vol.73, October 2021, Article 102154.
Yang, Y., Guo, J., Sun, S. et al. (2021). Forecasting crude oil price with a new hybrid approach and multi-source data, Engineering Applications of Artificial Intelligence, vol.101, May 2021, Article 104217.
Olayeni, O.R., Tiwari, A.K. and Wohar, M.E. (2020). Global economic activity, crude oil price and production, stock market behaviour and the Nigeria-US exchange rate, Energy Economics, vol.92, October 2020, Article 104938.
Downloads
เผยแพร่แล้ว
How to Cite
ฉบับ
บท
License
Copyright (c) 2023 วารสารวิศวกรรมศาสตร์และวิจัยเชิงนวัตกรรม
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
