การทำเหมืองกฎความสัมพันธ์ในการวิเคราะห์ตลาดหลักทรัพย์: การศึกษาความสัมพันธ์ระหว่างตลาดหลักทรัพย์จีนและตลาดหลักทรัพย์อื่น
คำสำคัญ:
การทำเหมืองกฎความสัมพันธ์, การวิเคราะห์ตลาดหุ้น, ความสัมพันธ์ของตลาดหุ้น, ตลาดหุ้นจีนบทคัดย่อ
จากสถานการณ์การลงทุนของไทยในปัจจุบัน มีการเสนอการลงทุนในกองทุนดัชนีที่กระจายความเสี่ยงด้านภูมิภาค โดยตลาดหลักทรัพย์จีนเป็นหนึ่งในตัวเลือก อย่างไรก็ตาม ยังขาดหลักฐานเชิงประจักษ์เกี่ยวกับความสัมพันธ์ระหว่างผลตอบแทนของตลาดหลักทรัพย์จีนกับตลาดอื่นๆ งานวิจัยนี้ศึกษาความสัมพันธ์ระหว่างผลตอบแทนจากการลงทุนในตลาดหลักทรัพย์จีนกับตลาดหลักทรัพย์อื่น ๆ โดยใช้การทำเหมืองกฎความสัมพันธ์แนวโน้มของดัชนีหุ้นด้วยอัลกอริทึมเอฟพีโกรธ วิเคราะห์ข้อมูลจาก investing.com ระหว่างวันที่ 11 พฤศจิกายน 2557 ถึง 11 พฤศจิกายน 2562 ใช้ร้อยละการเปลี่ยนแปลงรายวันของดัชนีหุ้นจีนและหุ้นโลก 14 ดัชนี โดยเปรียบเทียบแนวโน้มในระยะสั้น กลาง และยาว ด้วยค่าเฉลี่ยเคลื่อนที่แบบเอ็กโพเนนเชียล (EMA) ที่ n=10, 25 และ 200 ตามลำดับ ค่าสนับสนุนต่ำสุด 0.1 ความเชื่อมั่นต่ำสุด 0.5 ผลการวิจัยพบว่า ในระยะสั้นและกลาง ดัชนีหุ้นจีน HSI และดัชนีหุ้นไทย SET50 มีความสัมพันธ์สูงเมื่อดัชนีมีแนวโน้มขึ้น แต่ไม่พบความสัมพันธ์ในระยะยาว สรุปได้ว่า การลงทุนในหุ้นจีนภายใต้ดัชนี SSEC, SZI และ HSI เหมาะสำหรับการกระจายความเสี่ยงในระยะยาวมากกว่าระยะสั้นและกลาง โดย SSEC อาจเหมาะสมกว่า SZI ทั้งนี้ควรพิจารณาปัจจัยอื่น ๆ เช่น ผลตอบแทนและผลขาดทุนสูงสุดประกอบด้วย
เอกสารอ้างอิง
Agrawal, R., Imielinski, T., & Swami, A. (1993). Mining association rules between sets of items in large databases. ACM SIGMOD Record, 22(2), 207–216. https://doi.org/10.1145/170036.170072
Asset Plus Fund Management. (n.d.). Asset Plus China (ASP-CHINA). https://www.assetfund.co.th/home/assetplus/upload_otherdocs/ASP-CHINA_presentation.pdf
Brown, R. G. (2004). Smoothing, forecasting and prediction of discrete time series. Courier Corporation.
Chootong, C. (2012). Trading signal generation using a combination of chart patterns and indicators [Master’s thesis]. National Institute of Development Administration. https://doi.org/10.14457/NIDA.the.2012.38 (in Thai).
Dai, L., Huang, C., Yu, C., & Gu, S. (2024). A novel discovery model for revealing substitution relationships from international stock markets: With association rule analysis. Heliyon, 10(20), e38774. https://doi.org/10.1016/j.heliyon.2024.e38774
Dwiputra, D., Widodo, A. M., Akbar, H., & Firmansyah, G. (2023). Evaluating the performance of association rules in Apriori and FP-growth algorithms: Market basket analysis to discover rules of item combinations. Journal of World Science, 2(8), 1229–1248.
Ghosh, S. K., Hossain, M. N., & Khatun, H. (2022). The hedging role of US and Chinese stock markets against economic and trade policy uncertainty: Lessons from recent turbulences. China Finance Review International, 13(3), 444–470.
Han, J., Pei, J., & Yin, Y. (2000). Mining frequent patterns without candidate generation. ACM SIGMOD Record, 29(2), 1–12. https://doi.org/10.1145/335191.335372
Hansun, S. (2013, November). A new approach of moving average method in time series analysis. In Proceedings of the 2013 Conference on New Media Studies (CoNMedia). (pp. 1–4). IEEE. https://doi.org/10.1109/CoNMedia.2013.6708545
Kartal, B., Sert, M. F., & Kutlu, M. (2022). Determination of the world stock indices' co-movements by association rule mining. Journal of Economics, Finance and Administrative Science, 27(54), 231–246.
Major indices. (n.d.). Investing.com. https://th.investing.com/indices/major-indices
Manager Online. (2020, January 24). Increase investment opportunities for Chinese New Year by diversifying investment risk in China, Hong Kong, Taiwan, Singapore. https://mgronline.com/stockmarket/detail/9630000007953 (in Thai).
Pacharawongsakda, E. (2014). Data analysis using basic data mining techniques (2nd ed.). Asia Digital Press. (in Thai).
Polasa, N. (2005). To sell product modeling and sales forecasting of life insurance using data mining techniques: A case study of a life insurance company [Master’s thesis]. Thammasat University. https://digital.library.tu.ac.th/tu_dc/frontend/Info/item/dc:91238 (in Thai).
Rungrattanaubol, J. (2023). Data mining techniques. Naresuan University Publishing House. (in Thai).
Shan, C., Tang, D. Y., Wang, S. Q., & Zhang, C. (2022). The diversification benefits and policy risks of accessing China’s stock market. Journal of Empirical Finance, 66, 155–175.
Shearer, C. (2000). The CRISP-DM model: The new blueprint for data mining. Journal of Data Warehousing, 5(4), 13–22.
Sophonpana, K., & Limantachai, R. (2022, April). Investing in foreign stock exchanges. Bank of Thailand. https://www.bot.or.th/th/our-roles/financial-markets/foreign-exchange-regulations/foreign-exchange-laws/retail-portfolio-investment-abroad/portfolio-investment-2021.html (in Thai).
Srithanpong, T. (n.d.). 5 good reasons why investors must have Chinese A-shares in the portfolio in 2021. SCB. https://www.scb.co.th/th/personal-banking/stories/grow-your-wealth/china-a-share.html (in Thai).
Srithanpong, T. (n.d.). China’s dual circulation: Parallel strategy, the new form of growth of China. SCB. https://www.scb.co.th/th/personal-banking/stories/business-maker/china_dual_circulation.
html (in Thai).
Srivastava, T., Mullick, I., & Bedi, J. (2024). Association mining based deep learning approach for financial time-series forecasting. Applied Soft Computing, 155, 111469. https://doi.org/10.1016/j.asoc.
111469
Thitipatlertdech, N. (2016). The effects of macroeconomic factors on return of portfolio [Master’s thesis]. Bangkok University. http://dspace.bu.ac.th/jspui/handle/123456789/2187 (in Thai).
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2026 วารสารพัฒนาธุรกิจและอุตสาหกรรม
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
