Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/69725
Title: ระบบสนับสนุนการตัดสินใจซื้อขายเงินตราต่างประเทศ ด้วยเทคนิครีอินฟอร์สเม้นท์เลิร์นนิ่ง
Other Titles: Forex trading decision support system using reinforcement learning technique
Authors: วัฒน์ วัฒนการุณ
Advisors: จันทร์เจ้า มงคลนาวิน
Other author: จุฬาลงกรณ์มหาวิทยาลัย. คณะพาณิชยศาสตร์และการบัญชี
Issue Date: 2562
Publisher: จุฬาลงกรณ์มหาวิทยาลัย
Abstract: ในปัจจุบันผู้คนเริ่มมีความกังวลกับการมีรายได้ทางเดียว ทำให้มีความพยายามที่จะหาหนทางสร้างรายได้ในรูปแบบอื่นนอกเหนือจากงานประจำ เช่น การหารายได้เสริม การขายของทั้งออนไลน์ และ ออฟไลน์ หรือสิ่งที่คนมักจะพูดถึงคือ การลงทุน การลงทุนคือการที่ใช้จ่ายเงินสดรูปแบบหนึ่งในปัจจุบัน โดยมุ่งหวังได้รับผลตอบแทนจากการใช้จ่ายนั้นในอนาคต ซึ่งผู้ลงทุนเชื่อว่าเงินสดหรือผลตอบแทนส่วนเพิ่มที่จะได้รับนั้น จะสามารถชดเชยระยะเวลา อัตราเงินเฟ้อ และความเสี่ยงที่อาจเกิดขึ้นอย่างคุ้มค่า หรืออาจกล่าวได้ในอีกมุมหนึ่งว่าการลงทุนหมายถึง การออมเพื่อให้ได้รับผลตอบแทนที่มากขึ้น ซึ่งจะต้องยอมรับความเสี่ยงที่เพิ่มมากขึ้นเช่นกัน การตัดสินใจนำเงินออมมาลงทุน จึงต้องพิจารณาอย่างรอบคอบ และศึกษาหาข้อมูลที่เกี่ยวข้องเป็นอย่างดี เพื่อให้ได้รับผลตอบแทนตามที่คาดหวังไว้และลดความเสี่ยงที่จะเกิดขึ้นจากการลงทุน ในช่วงเวลาที่ผ่านมา การเรียนรู้ของเครื่องได้รับความสนใจจากทางด้านบริษัทเทคโนโลยีและบริษัทที่เกี่ยวข้องกับการลงทุน โดยมีการนำเทคนิค การเรียนรู้แบบมีผู้สอน การเรียนรู้แบบไม่มีผู้สอน และ รีอินฟอร์สเม้นท์เลิร์นนิ่ง มาใช้ในการทำนายราคา หรือ สนับสนุนการตัดสินใจลงทุน เพิ่มขึ้นเป็นอย่างมาก ระบบสนับสนุนการตัดสินใจซื้อขายเงินตราต่างประเทศด้วยเทคนิครีอินฟอร์สเม้นท์เลิร์นนิ่งพัฒนาขึ้นเพื่อใช้สนับสนุนการตัดสินใจลงทุนซื้อขายเงินตราระหว่างประเทศ โดยประกอบด้วย 3 ระบบหลัก คือ ระบบผู้ใช้งาน, ระบบสร้างโมเดล, ระบบการประเมินผลตอบแทนและแนะนำการลงทุน             ระบบนี้พัฒนาด้วยภาษา Python, HTML, CSS ระบบจัดการฐานข้อมูล SQLite ในส่วนของการพัฒนาตัวแบบด้วยเทคนิครีอินฟอร์สเม้นท์เลิร์นนิ่ง พัฒนาโดยการใช้ Keras ซึ่งเป็นไลบราลี่สำหรับพัฒนาตัวแบบการเรียนรู้เชิงลึก ที่มี TensorFlow เป็นฐาน
Other Abstract: Nowadays, everyone is concerned with their single source of income. Therefore, one often seeks for additional income sources such as finding the second job or becoming online and offline merchant. One of the approaches is to invest. An investment is an activity that an individual commits money to a financial instrument such as a stock or bond and expects its return in later period of time with a belief that the return would overcome inflation rate and incurred risk. In the other hand, an investment is a form of saving which has a trade-off between additional return and incurred risk. Thus, an investment decision has to be made carefully based on well rounded information so that the investment could achieve the expect return with acceptable incurred risk. Recently, machine learning has received a lot of attention from both technology and investment companies. Machine learning techniques such as supervised, unsupervised, and reinforcement learning have been increasingly adopted to develop models to predict price movement or support investment decisions. Forex Trading Decision Support System Using Reinforcement Learning Technique has been developed to support decision making in forex trading. There are 3 main systems: User System, Model System, and Return Evaluation and Investment Suggestion System. The systems were developed using Python, Html5, Css and SQLite. The reinforcement model was developed by using Keras, which is a deep learning library that uses TensorFlow as a backend.
Description: สารนิพนธ์ (วท.ม.) --จุฬาลงกรณ์มหาวิทยาลัย, 2562
Degree Name: วิทยาศาสตรมหาบัณฑิต
Degree Level: ปริญญาโท
Degree Discipline: เทคโนโลยีสารสนเทศทางธุรกิจ
URI: http://cuir.car.chula.ac.th/handle/123456789/69725
URI: http://doi.org/10.58837/CHULA.IS.2019.114
metadata.dc.identifier.DOI: 10.58837/CHULA.IS.2019.114
Type: Independent Study
Appears in Collections:Acctn - Independent Studies

Files in This Item:
File Description SizeFormat 
6181544126.pdf4.43 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.