การทำนายราคา fan token ของสโมสรฟุตบอลโดยใช้ long short-term memory

การศึกษาค้นคว้าอิสระฉบับนี้มีวัตถุประสงค์เพื่อศึกษาและวัดประสิทธิภาพการทำนายราคาของแฟนโทเคน (Fan Tokens) โดยใช้ Long Short-Term Memory ซึ่งเป็นโมเดลที่เหมาะสำหรับการวิเคราะห์ข้อมูลอนุกรมเวลา โดยได้คัดเลือกกลุ่มตัวอย่างแฟนโทเคนที่มีข้อมูลการซื้อขายมากกว่า 1,000 วัน จำนวนทั้งสิ้น 21 โทเคน ในการศึกษานี้ได้ทดลองฝึกฝนโมเดล LSTM ด้วยชุดข้อมูลที่จัดเตรียมไว้ 4 รูปแบบที่แตกต่างกัน ได้แก่ 1) ชุดข้อมูลรวมทั้งหมด 2) ชุดข้อมูลรวมที่แบ่งชุดฝึกฝนและชุดทดสอบแยกแต่ละโทเคน 3) ชุดข้อมูลรวมที่แบ่งชุดฝึกฝนและชุดทดสอบแยกแต่ละโทเคนที่มีป้ายกำกับสำหรับแต่ละโทเคน และ 4) ชุดข้อมูลแยกรายโทเคน ผลการศึกษาในภาพรวมพบว่าโมเดลที่ฝึกฝนโดยใช้ชุดข้อมูลรวมที่แบ่งชุดฝึกฝนและชุดทดสอบแยกแต่ละโทเคนให้ค่า MAPE ต่ำที่สุด ขณะที่โมเดลที่มีป้ายกำกับแต่ละโทเคนให้ค่า RMSE ต่ำที่สุด และผลการศึกษาในระดับรายโทเคนพบว่าโมเดลแยกรายโทเคนให้ค่า MAPE ต่ำที่สุดถึง 9 โทเคน และโมเดลข้อมูลพร้อมป้ายกำกับแต่ละโทเคนให้ค่า MAPE ต่ำที่สุดถึง 7 โทเคน และโมเดลที่ฝึกฝนโดยชุดข้อมูลรวมที่แบ่งชุดฝึกฝนและชุดทดสอบของแต่ละโทเคนให้ค่า RMSE ต่ำที่สุดถึง 14 โทเคน โดยสามารถสรุปได้ว่าไม่มีชุดข้อมูลใดที่สามารถให้ประสิทธิภาพที่ดีที่สุดในทุกมิติของการทำนายราคา ถึงแม้ว่าการทำนายจะมีความคลาดเคลื่อนต่ำ การเลือกใช้โมเดลและชุดข้อมูลจึงจำเป็นต้องพิจารณาจากวัตถุประสงค์ของการทำนาย รวมถึงลักษณะเฉพาะของแต่ละโทเคน