Financial forecasting by time series 55660701

18
FINANCIAL FORECASTING BY TIME SERIES PONGSIRI NONTASAK INFORMATION SYSTEM TECHNOLOGY, KING MUNGKUT’S INSTITUTE OF TECHNOLOGY LADKRABANG

description

Financial forecasting

Transcript of Financial forecasting by time series 55660701

Page 1: Financial forecasting by time series 55660701

FINANCIAL FORECASTING

BY TIME SERIES

PONGSIRI NONTASAKINFORMATION SYSTEM TECHNOLOGY,

KING MUNGKUT’S INSTITUTE OF TECHNOLOGY LADKRABANG

Page 2: Financial forecasting by time series 55660701

TIME SERIES

อนุ�กรมเวลา (Time Series) คื�อ ชุ�ดข้�อม�ลที่��ม�การจั�ด เก�บเป็�นุล�าด�บตามชุ�วงเวลาที่��ม�ระยะเวลาเที่�าๆก�นุ เชุ�นุ ข้�อม�ลเป็�นุ

ว�นุ เด�อนุ ไตรมาส หร�อ ป็% เป็�นุต�นุ

Page 3: Financial forecasting by time series 55660701

COMPONENT OF TIME SERIES

1. คื�าแนุวโนุ�ม (Trend) : T

2. การเป็ล��ยนุแป็ลงตามฤด�กาล (Seasonal Variation) : S

3. การแป็รผั�นุตามว�ฏจั�กร (Cyclical Variation) : C

4. การแป็รผั�นุแบบผั+ดป็กต+ (Irregular Variation) : I

Page 4: Financial forecasting by time series 55660701

ค่�าแนวโน�ม (TREND)

เป็�นุการแสดงถึ-งการเคืล��อนุไหวหร�อการเป็ล��ยนุแป็ลงข้�อม�ลแบบ ระยะยาว เชุ�นุ ข้�อม�ลการข้าย ราคืาส+นุคื�า หร�อข้�อม�ลห��นุ เป็�นุต�นุ ซึ่-�งการ

เคืล��อนุไหวม�ที่�/งเพิ่+�มข้-/นุ ลดลง หร�อคื�อนุข้�างคืงที่��ในุชุ�วงเวลาเด�ยวก�นุ ต�วอย�างกราฟแนุวโนุ�มข้�อม�ลบ�ญชุ�ส+นุที่ร�พิ่ย4ต�างป็ระเที่ศ (ส�ที่ธิ+) ข้อง

ธินุาคืารแห�งป็ระเที่ศไที่ย

1,350,000 1,400,000 1,450,000 1,500,000 1,550,000 1,600,000 1,650,000 1,700,000

บั�ญชี�สิ�นทรั�พย์�ต่�างปรัะเทศ (สิ�ทธิ�)

(

หน�วย์

: ล้�า

นบัาท

)

Page 5: Financial forecasting by time series 55660701

การัเปล้�!ย์นแปล้งต่ามฤดู$กาล้ (SEASONAL VARIATION)

เป็�นุการเคืล��อนุไหวหร�อการเป็ล��ยนุแป็ลงโดยในุแต�ละชุ�วงจัะม�ระยะ เวลาที่��แนุ�นุอนุและระยะเวลาในุแต�ละชุ�วงไม�คืวรเก+นุหนุ-�งป็% ซึ่-�งจัะเร�ยก

แต�ละชุ�วงเวลาว�า คืาบข้องฤด�กาล เชุ�นุ การจั�าหนุ�ายเส�/อผั�าตามฤด� หร�อการข้ายส+นุคื�าในุแต�ละไตรมาส

Page 6: Financial forecasting by time series 55660701

การัแปรัผั�นต่ามว�ฏจั�กรั (CYCLICAL VARIATION)

เป็�นุการเคืล��อนุไหวหร�อการเป็ล��ยนุแป็ลงข้องข้�อม�ลที่��ซึ่�/าๆก�นุซึ่-�งจัะ ม�ล�กษณะคืล�ายก�นุก�บการเป็ล��ยนุแป็ลงตามฤด�กาล แต�จัะม�ระยะเวลาที่��

นุานุกว�า ซึ่-�งแต�ละชุ�วงอาจัจัะม�ระยะเวลา 3ป็%, 5 ป็% หร�อ 10 ป็% เป็�นุต�นุ

Page 7: Financial forecasting by time series 55660701

การัแปรัผั�นแบับัผั�ดูปกต่� (IRREGULAR VARIATION)

เป็�นุการเคืล��อนุไหวหร�อการเป็ล��ยนุแป็ลงข้�อม�ลที่��ม�ล�กษณะไม� แนุ�นุอนุ ไม�ม�แบบแผันุ ไม�สามารถึคืาดการณ4ได� เนุ��องจัากเก+ดเหต�การณ4

ที่��ไม�คืาดคื+ด เชุ�นุ ภั�ยธิรรมชุาต+ หร�อ สงคืราม เป็�นุต�นุ

Page 8: Financial forecasting by time series 55660701

MOVING AVERAGE

ว+ธิ�การคื�านุวณคื�าเฉล��ยเคืล��อนุที่�� (Moving Average) เป็�นุการพิ่ยากรณ4โดยใชุ�คื�าเฉล��ยข้องข้�อม�ลอนุ�กรมเวลาก�บจั�านุวนุเด�อนุที่��ต�องการย�อนุกล�บไป็เพิ่��อเป็�นุคื�าพิ่ยากรณ4ข้�อม�ลในุเด�อนุถึ�ดไป็ ซึ่-�งจัะม�สมการการคื�านุวณด�งนุ�/

โดย คื�อ เวลาส�งส�ด

คื�อ จั�านุวนุเด�อนุที่��ย�อนุไป็

คื�อ ข้�อม�ลในุล�าด�บที่�� i

Page 9: Financial forecasting by time series 55660701

MOVING AVERAGE (CON’T)เดู(อน ค่าบั

เวล้าค่�าสิ�งเกต่ ค่�าเฉล้�!ย์

เค่ล้(!อนท�! 3

เดู(อน

ค่�าค่วามค่ล้าดูเค่ล้(!อน

ก,าล้�งสิองของค่�าค่ล้าดู

เค่ล้(!อน

ค่�าสิ�มบั$รัณ์�ค่วามค่ล้าดู

เค่ล้(!อนม.ค่.-

46

1 1,494,481

-      

ก.พ.-

46

2 1,489,912

-      

ม�.ค่.-

46

3 1,524,157

-      

เม.ย์.-

46

4 1,545,790

1,502,850

42,940 1,843,843,600

42,940

พ.ค่.-

46

5 1,529,174

1,519,953

9,221 85,026,841

9,221

ม�.ย์.-46 6 1,556,550

1,533,040

23,510 552,704,427

23,510

ก.ค่.-46 7 1,571,453

1,543,838

27,615 762,588,225

27,615

สิ.ค่.-46 8 1,573,137

1,552,392

20,745 430,341,195

20,745

ก.ย์.-46 9 1,610,763

1,567,047

43,716 1,911,117,800

43,716

ต่.ค่.-

46

10 1,608,472

1,585,118

23,354 545,424,885

23,354

พ.ย์.-

46

11 1,647,268

1,597,457

49,811 2,481,102,514

49,811

ธิ.ค่.-46 12 1,671,050

1,622,168

48,882 2,389,482,512

48,882

รัวม       11,001,631,999

289,794

Page 10: Financial forecasting by time series 55660701

MOVING AVERAGE (CON’T)

เม��อนุ�าข้�อม�ลในุตารางมาแที่นุคื�าในุส�ตรจัะได�เป็�นุ 

=  

= 1,502,850

ด�งนุ�/นุ คื�าพิ่ยากรณ4ที่��ได�คื�อ 1,502,850 และคื�าคืวามคืลาดเคืล��อนุ ณ เด�อนุเมษายนุ คื�อ 1,545,790 – 1,502,850 ม�คื�าเที่�าก�บ 42,940

Page 11: Financial forecasting by time series 55660701

MOVING AVERAGE (CON’T)

เม��อนุ�าคื�าพิ่ยากรณ4ที่��ได�ในุแต�ละเด�อนุมาสร�างกราฟเพิ่��อเป็ร�ยบเที่�ยบข้�อม�ลก�จัะได�ด�งร�ป็

1 2 3 4 5 6 7 8 9 10 11 121,350,000

1,400,000

1,450,000

1,500,000

1,550,000

1,600,000

1,650,000

1,700,000

บ�ญชุ�ส+นุที่ร�พิ่ย4ต�างป็ระเที่ศ (ส�ที่ธิ+)

Observed values 3 Month MA 5 month MA

หนุ

�วย:

ล�านุบ

าที่)

Page 12: Financial forecasting by time series 55660701

FORECAST ACCURACY

การว�ดคืวามคืลาดเคืล��อนุข้องคื�าพิ่ยากรณ4 เพิ่��อชุ�วยในุการเล�อกว+ธิ�การพิ่ยากรณ4ให�เหมาะสมก�บข้�อม�ลอนุ�กรมเวลานุ�/นุๆ ซึ่-�งการหาคื�าคืวามเคืล��อนุที่��ใชุ�โดยที่��วไป็ป็ระกอบไป็ด�วย

1 .คื�าเฉล��ยก�าล�งสองข้องคืวามคืลาดเคืล��อนุ (Mean square error : MSE ) ซึ่-�งแที่นุด�วยส�ตรด�งนุ�/

โดย n คื�อ จั�านุวนุอนุ�กรมเวลา

คื�อ คื�าคืวามเคืล��อนุ

Page 13: Financial forecasting by time series 55660701

FORECAST ACCURACY (CON’T)

2. ส�วนุเบ��ยงเบนุส�มบ�รณ4เฉล��ย (Mean absolute deviation : MAD ) ซึ่-�งแที่นุด�วยส�ตรด�งนุ�/

โดย n คื�อ จั�านุวนุอนุ�กรมเวลา

คื�อ คื�าคืวามเคืล��อนุ

Page 14: Financial forecasting by time series 55660701

SINGLE EXPONENTIAL SMOOTHING

ว+ธิ�การที่�าให�เร�ยบแบบเอกซึ่4โป็เนุนุเชุ�ยลนุ�/นุเป็�นุการพิ่ยากรณ4ที่��ให� คืวามส�าคื�ญก�บข้�อม�ลล�าส�ดมากที่��ส�ด โดยการนุ�าคื�านุ�/าหนุ�กแที่นุด�วย α

ซึ่-�งคื�าจัะอย��ระหว�าง 0 ถึ-ง 1 มาใชุ�ในุการก�าหนุดให�ก�บข้�อม�ลอนุ�กรมโดยสามารถึคื�านุวณได�จัากส�ตรด�งนุ�/

โดย α คื�อ ส�มป็ระส+ที่ธิ+<คื�าพิ่ยากรณ4

คื�อ ข้�อม�ลจัร+งที่��เวลา t

คื�อ คื�าพิ่ยากรณ4ที่��เวลา t

Page 15: Financial forecasting by time series 55660701

TABLE OF SINGLE EXPONENTIAL SMOOTHING

เดู(อน ค่าบัเวล้า

ค่�าสิ�งเกต่ ค่�าสิ�มปรัะสิ�ทธิ�/การัพย์ากรัณ์�α = 0.1 α = 0.5 α = 0.9

ม.ค่.-46 1 1,494,481    

ก.พ.-46 2 1,489,912 1,494,481

1,494,481 1,494,481

ม�.ค่.-46 3 1,524,157 1,494,024

1,492,197 1,490,369

เม.ย์.-

46

4 1,545,790 1,497,037

1,508,177 1,520,778

พ.ค่.-46 5 1,529,174 1,501,913

1,526,983 1,543,289

ม�.ย์.-46 6 1,556,550 1,504,639

1,528,079 1,530,585

ก.ค่.-46 7 1,571,453 1,509,830

1,542,314 1,553,954

สิ.ค่.-46 8 1,573,137 1,515,992

1,556,884 1,569,703

ก.ย์.-46 9 1,610,763 1,521,707

1,565,010 1,572,794

ต่.ค่.-46 10 1,608,472 1,530,612

1,587,887 1,606,966

พ.ย์.-46 11 1,647,268 1,538,398

1,598,179 1,608,321

ธิ.ค่.-46 12 1,671,050 1,549,285

1,622,724 1,643,373

Page 16: Financial forecasting by time series 55660701

SINGLE EXPONENTIAL SMOOTHING

จัากตาราง การหาคื�าพิ่ยากรณ4เอกซึ่4โป็เนุนุเชุ�ยลข้องเด�อนุพิ่ฤษภัาคืม โดยก�าหนุดคื�าส�มป็ระส+ที่ธิ+<เที่�าก�บ 0.5 จัะได�ด�งสมการ

= 1,529,174 + 0.5 * (1,508,177-1,529,174)

= 1,526,983

Page 17: Financial forecasting by time series 55660701

SINGLE EXPONENTIAL SMOOTHING

จัากตาราง การหาคื�าพิ่ยากรณ4เอกซึ่4โป็เนุนุเชุ�ยลข้องเด�อนุพิ่ฤษภัาคืม โดยก�าหนุดคื�าส�มป็ระส+ที่ธิ+<เที่�าก�บ 0.9 จัะได�ด�งสมการ

= 1,520,778 + 0.9 * (1,508,177-1,529,174)

= 1,543,289

Page 18: Financial forecasting by time series 55660701

SINGLE EXPONENTIAL SMOOTHING

จัะเห�นุได�ว�าย+�งคื�าส�มป็ระส+ที่ธิ+<เข้�าใกล� 1 มากแคื�ไหนุ คื�าที่��พิ่ยากรณ4ได�จัะม�คื�าใกล�เคื�ยงก�บคื�าจัร+งข้องข้�อม�ลมากเที่�านุ�/นุ และเม��อนุ�าข้�อม�ลในุตารางมาสร�างกราฟแสดงคืวามเคืล��อนุไหว ก�จัะได�ด�งร�ป็

1 2 3 4 5 6 7 8 9 10 11 121,350,000

1,400,000

1,450,000

1,500,000

1,550,000

1,600,000

1,650,000

1,700,000

บ�ญชุ�ส+นุที่ร�พิ่ย4ต�างป็ระเที่ศ (ส�ที่ธิ+)

Series1 α = 0.1 α = 0.5 α = 0.9

(

หนุ�วย

: ล�า

นุบาที่

)