การทำนายแนวโน้มของตลาดหุ้นด้วยแบบจำลองการเรียนรู้เชิงลึกที่เพิ่มประสิทธิภาพร่วมกับข้อมูลเชิงตัวเลขและข้อมูลเชิงตัวอักษร

Abstract

การทำนายแนวโน้มของตลาดหุ้นเป็นสิ่งที่ยากเนื่องจากตลาดหุ้นมีความผันผวนสูงและได้รับอิทธิพลจากปัจจัยภายนอกอื่น ๆ ในปัจจุบันเริ่มมีการนำเทคนิคการเรียนรู้เชิงลึก (Deep Learning) มาใช้ในการทำนายแนวโน้มของตลาดหุ้น โดยที่ข้อมูลรับเข้าของแบบจำลองสามารถแบ่งออกได้เป็น 2 ประเภทคือ 1) ข้อมูลเชิงตัวเลข เช่น ราคาในอดีตและตัวชี้วัดทางเทคนิค และ 2) ข้อมูลเชิงตัวอักษร ซึ่งได้แก่หัวข้อข่าวและเนื้อข่าว เป็นต้น แต่อย่างไรก็ตามงานวิจัยส่วนใหญ่มักจะมุ่งเน้นไปที่สร้างแบบจำลองโดยใช้ข้อมูลประเภทใดประเภทหนึ่งเท่านั้น ในขณะที่นักลงทุนส่วนใหญ่ทำการวิเคราะห์พฤติกรรมของตลาดโดยพิจารณาจากข้อมูลหลากหลายประเภท งานวิจัยนี้ได้นำเสนอแบบจำลองการเรียนรู้เชิงลึกที่สามารถพิจารณาข้อมูลทั้งสองประเภทเพื่อทำนายแนวโน้มของตลาดหุ้น ซึ่งแบบจำลองนี้ประกอบไปด้วยนิวรอลเน็ตเวิร์กแบบคอนโวลูชัน (Convolutional Neural Network) และหน่วยความจำระยะสั้นแบบยาว (Long-Short Term Memory) โดยใช้ข้อมูลรับเข้าเป็นเหตุการณ์ฝังตัวซึ่งสกัดได้จากหัวข้อข่าว ราคาในอดีตและตัวชี้วัดทางเทคนิคซึ่งสร้างจากข้อมูลของราคาในอดีต รวมทั้งได้ทำการนำเสนอฟังก์ชันวัตถุประสงค์ชนิดใหม่ที่สามารถช่วยเพิ่มประสิทธิภาพในด้านผลตอบแทนเฉลี่ยต่อปีที่ได้จากการจำลองการซื้อขาย โดยการนำเอาค่าชาร์ปเรโชซึ่งเป็นตัวชี้วัดผลตอบแทนเมื่อเทียบกับความเสี่ยงมาใช้ร่วมกับค่าครอสเอนโทรปี