Please use this identifier to cite or link to this item: https://publication.npru.ac.th/jspui/handle/123456789/876
Full metadata record
DC FieldValueLanguage
dc.contributor.authorSookkhasem, Sutthirak-
dc.contributor.authorPunpocha, Somporn-
dc.contributor.authorสุทธิรักส์ ศุขเขษม-
dc.date.accessioned2021-04-01T06:30:58Z-
dc.date.available2021-04-01T06:30:58Z-
dc.date.issued2020-07-09-
dc.identifier.citationวันเพ็ญ ผลิศร.และคณะ (2559). การพัฒนาระบบสารสนเทศเพื่อการจัดการโครงงานและผลงานวิจัยด้วยเทคนิค Cluster Analysis กรณีศึกษาสาขาวิชาวิศวกรรมคอมพิวเตอร์ มหาวิทยาลัยเทคโนโลยีราชมงคลสุวรรณภูมิ. พระนครศรีอยุธยา: มหาวิทยาลัยเทคโนโลยีราชมงคลสุวรรณภูมิ.-
dc.identifier.citationBienstock, D. (1996). Computational study of a family of mixed-integer quadratic programming problems. Mathematical Programming, Vol. 74, Aug. 1996, pp. 121 - 140.-
dc.identifier.citationChen, W. et al. (2006). Particle Swarm Optimization for Constrained Portfolio Selection Problems. Proceeding of 2006 International Conference on Machine Learning and Cybernetics , Dalian, China,, 13-16 Aug. 2006, pp. 591- 601-
dc.identifier.citationMarkowitz, H (1952). Portfolio Selection. The Journal of Finance, Vol. 7, No. 1. Mar. 1952, pp. 77-91.-
dc.identifier.citationPareek, M. and Thakkar, P. (2015). Surveying stock market portfolio optimization techniques. Proceeding of 5th Nirma University International Conference on Engineering (NUiCONE 2015), Ahmedabad, India, 26-28 Nov. 2015, pp. 1-5-
dc.identifier.urihttps://publication.npru.ac.th/jspui/handle/123456789/876-
dc.description.abstractThis 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.en_US
dc.description.abstractงานวิจัยนี้ได้ทำการศึกษาวิธีการเลือกหุ้นด้วยการแบ่งกลุ่มข้อมูลแบบเคมีนเพื่อเลือกหุ้นที่มีผลตอบแทนสูงและมี ความเสี่ยงต่ำ และสร้างกลุ่มหลักทรัพย์ที่เหมาะสมที่สุดด้วยวิธีหาค่าเหมาะสมที่สุดแบบอนุภาค โดยศึกษาจากราคาปิดของหุ้น ใน SET100 ตั้งแต่วันที่ 1 ม.ค. 2552 ถึง 15 พ.ย. 2562 จากการวิจัยพบว่าหุ้นที่ถูกเลือกจากการแบ่งกลุ่มข้อมูลแบบเคมีน นำมาสร้างเส้นกลุ่มหลักทรัพย์ที่มีประสิทธิภาพ (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 ผลลัพธ์ใกล้เคียงกัน แต่จำนวนหุ้นที่นำมาพิจารณาเพื่อสร้างกลุ่มหลักทรัพย์จากการแบ่งกลุ่มข้อมูล แบบเคมีนจะใช้หุ้นเพียง 23 ตัว น้อยกว่าหุ้นจาก SET100 ที่ต้องพิจารณาหุ้นถึง 100 ตัว และวิธีหาค่าเหมาะสมที่สุดแบบ กลุ่มอนุภาคสามารถนำมาใช้ในการสร้างกลุ่มหลักทรัพย์ที่ใกล้เคียงเส้นกลุ่มหลักทรัพย์ที่มีประสิทธิภาพเมื่อไม่ได้พิจารณา เงื่อนไขในทางปฎิบัติ โดยให้ผลตอบแทน 43.58% ความเสี่ยง 2.81 และ Sharpe Ratio 14.41 และจะมีประสิทธิภาพลดลง เมื่อเพิ่มเงื่อนไขในทางปฏิบัติเข้าไป โดยให้ผลตอบแทน 32.17% ความเสี่ยง 2.44 และ Sharpe Ratio 11.94 แต่ยังคงได้ผลที่ ดีกว่าการลงทุนโดยสุ่มสัดส่วนหลักทรัพย์แต่ละตัว ซึ่งเป็นตัวแทนของการลงทุนแบบไม่มีความรู้ที่ให้ผลตอบแทน 31.90 % ความเสี่ยง 2.52 และ Sharpe Ratio 11.49 เนื่องจากวิธีหาค่าเหมาะสมที่สุดแบบกลุ่มอนุภาคเป็นวิธีการเชิงประมาณค่า ดังนั้นวิธีการนี้ไม่สามารถให้ผลลัพธ์ที่ดีที่สุด แต่สามารถให้ผลลัพธ์ที่ดีพอประมาณที่ยอมรับได้และทันต่อเวลาและวิธีหาค่า เหมาะสมที่สุดแบบกลุ่มอนุภาคยังให้ผลลัพธ์ที่ดีกว่าการลงทุนแบบไม่มีความรู้-
dc.publisherNakhon Pathom Rajabhat Universityen_US
dc.subjectPortfolio Optimizationen_US
dc.subjectK-Mean Clusteringen_US
dc.subjectParticle Swarm Optimizationen_US
dc.titlePortfolio Optimization with K-Mean Clustering and Particle Swarm Optimizationen_US
dc.typeArticleen_US
dcterms.titleการสร้างกลุ่มหลักทรัพย์ที่เหมาะสมที่สุดด้วยการแบ่งกลุ่มข้อมูลแบบเคมีน และวิธีหาค่าเหมาะสมที่สุดแบบกลุ่มอนุภาค-
Appears in Collections:Proceedings of the 12th NPRU National Academic Conference



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.