การพัฒนาระบบซื้อขายหุ้นโดยใช้ machine learning ในตลาดหลักทรัพย์แห่งประเทศไทย

งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาการสร้างระบบซื้อขายหุ้น เพื่อพัฒนาระบบซื้อขายให้สามารถเพิ่มผลตอบแทนในการลงทุนในตลาดหลักทรัพย์แห่งประเทศไทย เมื่อเปรียบเทียบกับดัชนีผลตอบแทนรวมของตลาดหลักทรัพย์แห่งประเทศไทย (SETTRI) โดยนำการเรียนรู้ของเครื่องมาใช้งานร่วมกับตัวชี้วัดทางเทคนิคการศึกษานี้มีการใช้อัลกอริธึมการเรียนรู้ของเครื่องหลายประเภท ได้แก่ Random Forest, XGBoost และ LSTM ร่วมกับตัวชี้วัดทางเทคนิค ได้แก่ Simple Moving Average, Moving Average Convergence Divergence และ Relative Strength Index และใช้ข้อมูลราคาหุ้นในอดีตย้อนหลัง 10 ปี (พ.ศ.2557 - 2566) ของหมวดธุรกิจที่มีมูลค่าสูงสุด 10 อันดับแรก และข้อมูลราคาหุ้นจากการสุ่มเลือกอีก 20 บริษัท ของตลาดหลักทรัพย์แห่งประเทศไทย ณ สิ้นปี พ.ศ.2566 ซึ่งการประเมินประสิทธิภาพของการเรียนรู้ของเครื่อง แบ่งแยกการประเมินออกตามประเภทของแบบจำลองการเรียนรู้ของเครื่อง และนำแบบจำลองการเรียนรู้ของเครื่องร่วมกับตัวชี้วัดทางเทคนิคที่มีความแม่นยำสูงสุด นำมาใช้ในการพัฒนาระบบการซื้อขายผลการวิจัยพบว่า การใช้การเรียนรู้ของเครื่องร่วมกับตัวชี้วัดทางเทคนิค สามารถเพิ่มค่าเฉลี่ยผลตอบแทนรายปีได้ เมื่อเทียบกับการใช้ตัวชี้วัดทางเทคนิคเพียงอย่างเดียว โดยสามารถทำผลตอบแทนเฉลี่ยรายปีได้สูงสุด 10.525% สำหรับหุ้นกลุ่มตัวแทนหมวดธุรกิจ และ 7.052% สำหรับหุ้นจากการสุ่มเลือก ซึ่งให้ผลตอบแทนมากกว่าดัชนีผลตอบแทนรวมของตลาดหลักทรัพย์แห่งประเทศไทย