A prediction of mutual fund net asset values using neural network and time series analysis
Issued Date
2024
Copyright Date
2020
Resource Type
Language
eng
File Type
application/pdf
No. of Pages/File Size
xi, 54 leaves : ill.
Access Rights
open access
Rights
ผลงานนี้เป็นลิขสิทธิ์ของมหาวิทยาลัยมหิดล ขอสงวนไว้สำหรับเพื่อการศึกษาเท่านั้น ต้องอ้างอิงแหล่งที่มา ห้ามดัดแปลงเนื้อหา และห้ามนำไปใช้เพื่อการค้า
Rights Holder(s)
Mahidol University
Bibliographic Citation
Thematic Paper (M.Sc. (Information Technology Management))--Mahidol University, 2020
Suggested Citation
Somboon Buamongkonthip A prediction of mutual fund net asset values using neural network and time series analysis. Thematic Paper (M.Sc. (Information Technology Management))--Mahidol University, 2020. Retrieved from: https://repository.li.mahidol.ac.th/handle/20.500.14594/92107
Title
A prediction of mutual fund net asset values using neural network and time series analysis
Alternative Title(s)
การคาดการณ์มูลค่าสุทธิรวมของกองทุนรวมโดยใช้เทคนิคเครือข่ายประสาทเทียมและการวิเคราะห์อนุกรมเวลา
Author(s)
Advisor(s)
Abstract
The definition of net asset value (NAV) holds that it represents the difference in value between the assets of a fund and its liabilities. Such funds operate by obtaining financial input from numerous investors. NAV serves as an indicator to those investors in suggesting whether they should be adding to a fund, or withdrawing from it, in order to maximize their returns. For inexperienced investors, NAV is a very important indicator. This study examines the use of a data mining approach which aims to analyze the data to predict future net asset values. The method used for predictions is an optimized version of the Artificial Neural Network using preprocessed data in time series for the analysis, which requires a complex model. The data used were drawn from a variety of sources before undergoing data preparation. This study selected 21 of Thailand's leading RMF funds, from which data were gathered amounting to 4,480 data points during the period from February 2, 2007, to May 29, 2020. Findings from the experiments confirm accuracy rates on the test in terms of MAPE which were measured at 0.33% - 1.87%. This relatively high degree of accuracy allows the creation of a short-term trend dataset. However, since there are inherent risks involved in making investments, it is important that investors examine all information with great care prior to making their decisions
มูลค่าทรัพย์สินสุทธิ (Net Asset Value : NAV) คือมูลค่าทรัพย์สินทั้งหมดของกองทุนเมื่อหักค่าใช้จ่ายของกองทุนรวมนั้นแล้วจะเป็นมูลค่าสินสุทธิรวม โดยกองทุนรวมนั้นเป็นเครื่องมือในการลงทุนสำหรับนักลงทุนที่ต้องการนำเงินไปลงทุนแต่ติดขัดด้วยอุปสรรคต่างๆเช่น ความเข้าใจทางด้านธรุกิจ จำนวนเงินที่จำกัด และขาดประสบการณ์ในการลงทุนโดยการลงทุนด้วยตนเองจึงไม่สามารถได้ผลลัพธ์ตามเป้าหมายที่ต้องการ โดยข้อมูล NAV นี้จะสามารถช่วยในการพิจารณาว่าจะซื้อหรือขายเมื่อใดเพื่อรับผลประโยชน์สูงสุด งานวิจัยนี้ศึกษาการประยุกต์ใช้ Data Mining สำหรับการวิเคราะห์เชิงทำนายNAVในอนาคตสาหรับการใช้งานด้วยวิธีการทำนายที่เลือกเครือข่ายประสาทเทียม (neural network) ที่ได้รับการปรับปรุงด้วยข้อมูลที่ประมวลผลล่วงหน้าในรูปแบบการวิเคราะห์อนุกรมเวลา (Time Series analysis) โดยการประมวลผลข้อมูลนี้จะนำข้อมูลจากปัจจัยต่าง ๆ ที่เกี่ยวข้องมาเตรียมข้อมูล โดยงานวิจัยนี้เลือกกองทุนจากกองทุนรวมชั้นนำแต่ละประเภทในกองทุน RMF ของตลาดกองทุนประเทศไทย 21 กองทุนข้อมูลประกอบด้วยข้อมูลNAV มากถึง 4480 โดยจุดเริ่มตั้งแต่วันที่ 2 กุมภาพันธ์ 2550 จนถึง 29 พฤษภาคม 2563 ผลการทดลองแสดงให้เห็นว่ารูปแบบและพฤติกรรมส่วนใหญ่สามารถทำนายได้ด้วยความแม่นยำสูงโดยค่า เฉลี่ย MAPEที่ได้อยู่ที่ 0.33% - 1.87% จากผลของงานวิจัยนี้สามารถเห็นแนวโน้มของ NAV ในระยะใกล้ข้างหน้าได้ทั้งนี้คำเตือนการลงทุนมีความเสี่ยง ผู้ลงทุนควรศึกษาข้อมูลก่อนตัดสินใจลงทุน
มูลค่าทรัพย์สินสุทธิ (Net Asset Value : NAV) คือมูลค่าทรัพย์สินทั้งหมดของกองทุนเมื่อหักค่าใช้จ่ายของกองทุนรวมนั้นแล้วจะเป็นมูลค่าสินสุทธิรวม โดยกองทุนรวมนั้นเป็นเครื่องมือในการลงทุนสำหรับนักลงทุนที่ต้องการนำเงินไปลงทุนแต่ติดขัดด้วยอุปสรรคต่างๆเช่น ความเข้าใจทางด้านธรุกิจ จำนวนเงินที่จำกัด และขาดประสบการณ์ในการลงทุนโดยการลงทุนด้วยตนเองจึงไม่สามารถได้ผลลัพธ์ตามเป้าหมายที่ต้องการ โดยข้อมูล NAV นี้จะสามารถช่วยในการพิจารณาว่าจะซื้อหรือขายเมื่อใดเพื่อรับผลประโยชน์สูงสุด งานวิจัยนี้ศึกษาการประยุกต์ใช้ Data Mining สำหรับการวิเคราะห์เชิงทำนายNAVในอนาคตสาหรับการใช้งานด้วยวิธีการทำนายที่เลือกเครือข่ายประสาทเทียม (neural network) ที่ได้รับการปรับปรุงด้วยข้อมูลที่ประมวลผลล่วงหน้าในรูปแบบการวิเคราะห์อนุกรมเวลา (Time Series analysis) โดยการประมวลผลข้อมูลนี้จะนำข้อมูลจากปัจจัยต่าง ๆ ที่เกี่ยวข้องมาเตรียมข้อมูล โดยงานวิจัยนี้เลือกกองทุนจากกองทุนรวมชั้นนำแต่ละประเภทในกองทุน RMF ของตลาดกองทุนประเทศไทย 21 กองทุนข้อมูลประกอบด้วยข้อมูลNAV มากถึง 4480 โดยจุดเริ่มตั้งแต่วันที่ 2 กุมภาพันธ์ 2550 จนถึง 29 พฤษภาคม 2563 ผลการทดลองแสดงให้เห็นว่ารูปแบบและพฤติกรรมส่วนใหญ่สามารถทำนายได้ด้วยความแม่นยำสูงโดยค่า เฉลี่ย MAPEที่ได้อยู่ที่ 0.33% - 1.87% จากผลของงานวิจัยนี้สามารถเห็นแนวโน้มของ NAV ในระยะใกล้ข้างหน้าได้ทั้งนี้คำเตือนการลงทุนมีความเสี่ยง ผู้ลงทุนควรศึกษาข้อมูลก่อนตัดสินใจลงทุน
Description
Information Technology Management (Mahidol University 2020)
Degree Name
Master of Science
Degree Level
Master's degree
Degree Department
Faculty of Engineering
Degree Discipline
Information Technology Management
Degree Grantor(s)
Mahidol University