Please use this identifier to cite or link to this item:
http://cmuir.cmu.ac.th/jspui/handle/6653943832/77939
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | Paravee Maneejuk | - |
dc.contributor.advisor | Woraphon Yamaka | - |
dc.contributor.author | Binxiong Zou | en_US |
dc.date.accessioned | 2023-01-19T09:15:45Z | - |
dc.date.available | 2023-01-19T09:15:45Z | - |
dc.date.issued | 2022-12 | - |
dc.identifier.uri | http://cmuir.cmu.ac.th/jspui/handle/6653943832/77939 | - |
dc.description.abstract | Finding the most accurate model for predicting the stock price is a challenging task that academics and researchers must undertake. This study aims to predict the Chinese stock prices, which separate into two groups: high-market value stocks and low-market value stocks. This study uses and compares two models: the Back-propagation Neural Network (BPNN) model and the Extreme Learning Machine Neural Networks (ELMNN) model. In addition, the price of convertible bonds is also considered in this study as a new input variable in the model. This is to determine the optimal model for the Chinese stock data. The prediction results demonstrate that the ELMNN model outperforms the BPNN model regardless of whether the convertible bond price is included as an input variable. Moreover, we discover that the ANNs model performs significantly better for stocks with low market values. In conclusion, the price of convertible bonds has the power to predict stock prices in the future using ANNs models. | en_US |
dc.language.iso | en | en_US |
dc.publisher | Chiang Mai : Graduate School, Chiang Mai University | en_US |
dc.subject | Chinese stock price | en_US |
dc.subject | Convertible bond price | en_US |
dc.subject | Predictive power | en_US |
dc.subject | BPNN model | en_US |
dc.subject | ELMNN model | en_US |
dc.title | Predicting Chinese stock prices using convertible bond: an evidence based on neural network approach | en_US |
dc.title.alternative | การพยากรณ์ราคาหุ้นจีนด้วยหุ้นกู้แปลงสภาพ: หลักฐานจากแนวคิดโครงข่ายประสาทเทียม | en_US |
dc.type | Thesis | |
thailis.controlvocab.thash | Bonds | - |
thailis.controlvocab.thash | Stocks -- Prices | - |
thailis.controlvocab.thash | Stock price forecasting | - |
thesis.degree | master | en_US |
thesis.description.thaiAbstract | การค้นหาแบบจำลองที่มีความแม่นยำสูงเพื่อทำนายราคาหุ้นเป็นงานท้าทายที่นักวิชาการและ นักวิจัยที่ควรให้ความสำคัญ โดยในการศึกษานี้ ได้ทำการ ศึกษาพยากรณ์รา คาหุ้นจีนซึ่งแบ่งออกเป็น หุ้นที่มีมูลค่าตลาดสูงและหุ้นที่มีมูลค่าตลาดต่ำ โดยใช้แบบจำลองสองประเภท ได้แก่แบบจำลองโครง ข่ายประสาทเทียมแบบแพร่กระจายกลับ (BPNN)และแบบจำลองโครงข่ายประสาทเทียมของการเรียน รู้ขั้นสูงของเครื่อง (ELMNN) นอกจากนี้ ในการพยากรณ์ยัง ได้คำนึงถึงประสิทธิภาพของการพยากรณ์ โดยได้เพิ่มตัวแปรราคาของ หุ้นกู้แปลงสภาพเข้ามา ในแบบจำลองเพื่อเป็นตัวแปรนำเข้า ใหม่เพื่อประ เมินประสิทธิภาพในการพยากรณ์และกำหนดแบบจำลองที่มีความเหมาะสมมากที่สุดสำหรับพยากรณ์ หุ้นจีน ผลการศึกษาแสดง ให้เห็นว่าแบบจำลอง โครงข่าย ประสาทเทียม ของการเรียนรู้ ขั้นสูงของ เครื่องมีประสิทธิภาพมากกว่าแบบจำลอง โครงข่ายประสาทเทียมแบบแพร่กระจายกลับทั้งในกรณีที่ ได้เพิ่มตัวแปรราคาของหุ้นกู้แปลงสภาพและไม่ได้เพิ่มเข้าไปในแบบจำลองยิ่งไปกว่านั้นการศึกษานี้ ยังได้ค้นพบว่าแบบจำลอง โครงข่ายประสาทเทียมสามารถทำงานได้อย่างมีประสิทธิภาพมากขึ้นเมื่อ นํามาประยุกต์ ใช้กับหุ้นที่มีมูลค่าตลาดต่ำ โดยสรุปการศึกษานี้ค้นพบว่าราคาของหุ้นกู้แปลงสภาพมี ประสิทธิภาพในการช่วยในด้านการคาดการณ์ราคาหุ้นในอนาคตร่วมกับการใช้แบบจำลองโครงข่าย ประสาทเทียม | en_US |
Appears in Collections: | ECON: Theses |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
641635803-Binxiong Zou-Thesis-Watermark.pdf | Final thesis | 2.23 MB | Adobe PDF | View/Open Request a copy |
Items in CMUIR are protected by copyright, with all rights reserved, unless otherwise indicated.