Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/9633
| Title: | การพัฒนาระบบตรวจสอบการซื้อขายหลักทรัพย์ที่ผิดปกติ สำหรับบริษัทหลักทรัพย์ในประเทศไทยโดยการใช้ดาต้าไมนิ่ง |
| Other Titles: | Development of an abnormal stock trading system for Thailand brokers by using data mining |
| Authors: | ภาณุ ตันโสรัจประเสริฐ |
| Advisors: | ยรรยง เต็งอำนวย |
| Other author: | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์ |
| Advisor's Email: | Yunyong.T@Chula.ac.th |
| Subjects: | ตลาดหลักทรัพย์แห่งประเทศไทย ดาต้าไมนิง หลักทรัพย์ -- กฎหมายและระเบียบข้อบังคับ -- ไทย ตลาดหลักทรัพย์ |
| Issue Date: | 2546 |
| Publisher: | จุฬาลงกรณ์มหาวิทยาลัย |
| Abstract: | ปัจจุบันแนวโน้มของนักลงทุนที่ลงทุนในตลาดหลักทรัพย์แห่งประเทศไทย มีปริมาณเพิ่มมากขึ้น ตลาดหลักทรัพย์แห่งประเทศไทยจึงมีความจำเป็นต้องออกระเบียบ กฎเกณฑ์และบทลงโทษต่างๆ เพื่อใช้กำกับและควบคุมการส่งคำสั่งที่ไม่เหมาะสม ของนักลงทุนทั้งลูกค้าทั่วไปและลูกค้าสถาบัน ด้วยเหตุนี้ในแต่ละปีค่าใช้จ่ายที่เกิดจากค่าปรับ เนื่องจากการส่งคำสั่งซื้อขายหลักทรัพย์ที่ไม่เหมาะสม ของบริษัทหลักทรัพย์จึงมีเป็นจำนวนมาก และเพื่อเป็นการลดภาระค่าใช้จ่ายดังกล่าว การวิจัยนี้จึงพัฒนาระบบเพื่อช่วยอำนวยความสะดวก ในการตรวจสอบคำสั่งซื้อขายหลักทรัพย์ที่ไม่เหมาะสมหรือผิดปกติ ให้มีประสิทธิภาพมากยิ่งขึ้น สำหรับเครื่องมือที่ใช้ในการวิจัยนี้ผู้วิจัยใช้ดาต้าไมนิ่งคลัสเตอร์ริ่ง ที่มีในไมโครซอฟท์เอสคิวแอวเซอร์ฟเวอร์ เพื่อวิเคราะห์ โดยเริ่มต้นจากการแปลงข้อมูลประกาศของตลาดหลักทรัพย์ ให้อยู่ในรูปของกฎสำหรับใช้ในการออกแบบเครื่องมือดาต้าไมนิ่ง จากนั้นกรองและแปลงข้อมูลออโต้ทีซึ่งเป็นรูปแบบมาตรฐาน ในการรับส่งข้อมูลคำสั่งซื้อขายหลักทรัพย์ที่กำหนดโดย ตลาดหลักทรัพย์แห่งประเทศไทย เก็บลงในฐานข้อมูลและนำไปประมวลผลในเครื่องมือดาต้าไมนิ่ง โดยผลลัพธ์ที่ได้ถูกแสดงโดยแยกเป็นกลุ่มของข้อมูลคำสั่ง ซึ่งในแต่ละกลุ่มของข้อมูลดังกล่าวจะมีรูปแบบหรือพฤติกรรม ในการส่งคำสั่งซื้อขายหลักทรัพย์ที่มีคุณสมบัติที่เหมือนกัน ซึ่งการแยกกลุ่มของพฤติกรรมการส่งคำสั่งนี้ จะอำนวยความสะดวกให้กับผู้ตรวจสอบในการค้นหากลุ่มของลูกค้า ที่มีแนวโน้มในการส่งคำสั่งที่ผิดปกติได้สะดวกและรวดเร็วยิ่งขึ้น นอกจากนี้ในแต่ละกลุ่มจะมีตัวเลขที่แสดงเปอร์เซ็นต์ความน่าจะเป็น ของพฤติกรรมการส่งคำสั่งซื้อขายหลักทรัพย์ ซึ่งเป็นประโยชน์สำหรับเจ้าหน้าที่ตรวจสอบ ในการกำหนดระดับของความผิดปกติ เพื่อดำเนินมาตรการในการป้องกันความเสียหายที่จะเกิดขึ้นต่อไป |
| Other Abstract: | Nowadays, there are growing higher number of investments in Stock Exchange of Thailand. New stock trading regulations by Stock Exchange of Thailand has been announced imperatively to control and protect an abnormal stock trading for both of individual and institute investors. Therefore, broker penalty cost is also higher accordingly. In order to reduce cost of penalty, this research is conducting the development of audit system to facilitate auditor to monitor abnormal stock trading efficiently. Development tool for this research utilize Data Mining Clustering in Microsoft SQL server to analyze stock trading data. The process started from SET regulation announcements are converted to data mining rules. The next step is filtering and appending of Auto-T protocol that is stock trading standard format provided by Stock Exchange of Thailand into the database. Finally, data mining clustering tools will generate the valuable results from Auto-T information stored in the database. The result of this research represents the figure in term of clustering format. Each cluster displays the stock trading patterns having the same behavior. Each cluster is able to facilitate auditor to search a group of potential customer who send abnormal stock trading order easily. Moreover, data mining clustering tools also provide the probability percentage for auditor to specify abnormal level for proactive auditing actions in the future. |
| Description: | วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2546 |
| Degree Name: | วิทยาศาสตรมหาบัณฑิต |
| Degree Level: | ปริญญาโท |
| Degree Discipline: | วิทยาศาสตร์คอมพิวเตอร์ |
| URI: | http://cuir.car.chula.ac.th/handle/123456789/9633 |
| ISBN: | 9741749015 |
| Type: | Thesis |
| Appears in Collections: | Eng - Theses |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.