การสร้างกลุ่มหลักทรัพย์ที่เหมาะสมที่สุดด้วยการแบ่งกลุ่มข้อมูลแบบเคมีนและวิธีหาค่าเหมาะสมที่สุดแบบกลุ่มอนุภาค

นายสุทธิรักส์ ศุขเขษม,

แสดงบทคัดย่อ

ชื่อบทความภาษาไทย

การสร้างกลุ่มหลักทรัพย์ที่เหมาะสมที่สุดด้วยการแบ่งกลุ่มข้อมูลแบบเคมีนและวิธีหาค่าเหมาะสมที่สุดแบบกลุ่มอนุภาค

ชื่อบทความภาษาอังกฤษ (Title)

Portfolio Optimization with K-Mean Clustering and Particle Swarm Optimization

ชื่อผู้เขียนบทความ (Authors)

นายสุทธิรักส์ ศุขเขษม

บทคัดย่อภาษาไทย

งานวิจัยนี้ได้ทำการศึกษาวิธีการเลือกหุ้นด้วยการแบ่งกลุ่มข้อมูลแบบเคมีนเพื่อเลือกหุ้นที่มีผลตอบแทนสูงและมีความเสี่ยงต่ำ และสร้างกลุ่มหลักทรัพย์ที่เหมาะสมที่สุดด้วยวิธีหาค่าเหมาะสมที่สุดแบบอนุภาค โดยศึกษาจากราคาปิดของหุ้นใน SET100 ตั้งแต่วันที่ 1 ม.ค. 2552 ถึง 15 พ.ย. 2562 จากการวิจัยพบว่าหุ้นที่ถูกเลือกจากการแบ่งกลุ่มข้อมูลแบบเคมีนนำมาสร้างเส้นกลุ่มหลักทรัพย์ที่มีประสิทธิภาพ (Efficient Frontier) ให้ผลตอบแทน 47.31% ความเสี่ยง 2.83 และ Sharpe Ratio 15.64 เปรียบเทียบกับกลุ่มหลักทรัพย์ที่มีประสิทธิภาพของ SET100 ที่ให้ผลตอบแทน 47.74 % ความเสี่ยง 2.77 และ Sharpe Ratio 16.13 ผลลัพธ์ใกล้เคียงกันแต่จำนวนหุ้นที่นำมาพิจารณาเพื่อสร้างกลุ่มหลักทรัพย์จากการแบ่งกลุ่มข้อมูลแบบเคมีนจะใช้หุ้นเพียง 23 ตัว น้อยกว่าหุ้นจาก SET100 ที่ต้องพิจารณาหุ้นถึง 100 ตัว และวิธีหาค่าเหมาะสมที่สุดแบบกลุ่มอนุภาคสามารถนำมาใช้ในการสร้างกลุ่มหลักทรัพย์ที่ใกล้เคียงเส้นกลุ่มหลักทรัพย์ที่มีประสิทธิภาพเมื่อไม่ได้พิจารณาเงื่อนไขในทางปฎิบัติโดยให้ผลตอบแทน 43.58% ความเสี่ยง 2.81 และ Sharpe Ratio 14.41 และจะมีประสิทธิภาพลดลงเมื่อเพิ่มเงื่อนไขในทางปฏิบัติเข้าไป โดยให้ผลตอบแทน 32.17% ความเสี่ยง 2.44 และ Sharpe Ratio 11.94 แต่ยังคงได้ผลที่ดีกว่าการลงทุนโดยสุ่มสัดส่วนหลักทรัพย์แต่ละตัว ซึ่งเป็นตัวแทนของการลงทุนแบบไม่มีความรู้ที่ให้ผลตอบแทน 31.90% ความเสี่ยง 2.52 และ Sharpe Ratio 11.49 เนื่องจากวิธีหาค่าเหมาะสมที่สุดแบบกลุ่มอนุภาคเป็นวิธีการเชิงประมาณค่า ดังนั้นวิธีการนี้ไม่สามารถใหเผลลัพธ์ที่ดีที่สุด แต่สามารถให้ผลลัพธ์ที่ดีพอประมาณที่ยอมรับได้และทันต่อเวลาและวิธีหาค่าเหมาะสมที่สุดแบบกลุ่มอนุภาคยังให้ผลลัพธ์ที่ดีกว่าการลงทุนแบบไม่มีความรู้

คำสำคัญภาษาไทย

การสร้างกลุ่มหลักทรัพย์ที่เหมาะสมที่สุด การแบ่งกลุ่มข้อมูลแบบเคมีน วิธีหาค่าเหมาะสมที่สุดแบบกลุ่มอนุภาค

Abstract

This research studies to the stock selection with K-Mean Clustering for selected stocks that high returns and low risk. Then to study the portfolio management with Particle Swarm Optimization (PSO).By using close prices of stock in SET100 from 1 Jan. 2009 to 15 Nov. 2019.The selected stocks by K-Mean clustering generates the Efficient Frontier given expected annual return 47.31 % ,risk 2.83 and Sharpe ratio at 15.64 which compare well with Efficient Frontier of SET100 that given of expected annual return 47.74 % ,risk 2.77 and Sharpe ratio 16.13.By which K-Mean Clustering have consider only 23 stocks, it is smaller size than SET100 that consider for 100 stocks. The portfolio management of the selected stocks are studied to 2 cases as the unconstrained portfolio and the practical constrained portfolio. In the practical constrained portfolio, we given lower boundary of portfolio selection to be equal to 10% and having upper boundary 50%.The results show that the unconstrained portfolio with PSO has expected return 43.58 % ,risk 2.82 and Sharpe ratio 14.41 whereas the constrained portfolio has 32.17% return, risk 2.44 and Sharpe ratio 11.94.But PSO still creates portfolio better than random portfolio which has 31.9 % of expected return, risk 2.52 and Sharpe ratio 11.49.Since PSO is approximate algorithm so it cannot to create the best solution but creates the good enough solution in a timely fashion and PSO has given results better than the random portfolio.

Keyword

Portfolio Optimization , K-Mean Clustering , Particle Swarm Optimization

กลุ่มของบทความ

คอมพิวเตอร์และเทคโนโลยีสารสนเทศ

รูปแบบการนำเสนอ

Oral

รูปแบบของบทความ

บทความวิจัย

Publication date

9 - 10 กรกฎาคม 2563