Download - Financial forecasting by time series 55660701

Transcript
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

)