This project focuses on the study and development of a short-term investment framework via gold trading in the foreign exchange market. Machine learning techniques are applied to analyze and forecast pricing trends. Moreover, we develop the system using a stochastic process to determine optimal stop-loss points, with the aim of maximizing expected returns. Additionally, we apply game theory to guide the decision-making process regarding order holding or closure. The system is implemented and tested on the MetaTrader 5 (MT5) platform. This project outlined the clear process that includes data preparation, machine learning model training, probabilistic modeling of gold price movements, stop-loss strategy formulation, strategic decision modeling based on game theory, the development of an automated trading program, and backtesting to evaluate system performance.
การลงทุนระยะสั้น คือ การพยากรณ์ว่าราคาในอนาคตอันใกล้เพิ่มขึ้นหรือลดลงในปริมาณ เท่าไรและเก็งกำไรจากส่วนต่างของราคาที่จะเกิดขึ้น ยิ่งการพยากรณ์มีความแม่นยำมาก ก็จะยิ่งได้ ผลตอบแทนมากตาม ผู้วิจัยได้รับแรงบันดาลใจจากการศึกษาการลงทุนระยะสั้นในรูปแบบ Price Action ซึ่งตั้งอยู่ บนสมมติฐานที่ว่า ข้อมูลราคาในอดีตมีความเพียงพอในการทำนายแนวโน้มราคาในอนาคต โดยไม่ จำเป็นต้องใช้ตัวชี้วัดทางเทคนิค (indicator) เนื่องจากตัวชี้วัดเหล่านั้นล้วนแล้วแต่คำนวณมาจาก ข้อมูลราคาในอดีตเช่นกัน ด้วยเหตุนี้ ผู้วิจัยจึงมุ่งเน้นที่จะนำเทคโนโลยี Deep Learning มาใช้ในการ สร้างแบบจำลองที่สามารถเรียนรู้จากข้อมูลราคาในอดีตเพื่อทำการพยากรณ์แนวโน้มราคาตลาดใน อนาคต และนำผลลัพธ์ไปประยุกต์ใช้ในการกำหนดจุด take profit อย่างมีประสิทธิภาพ ทั้งนี้ การ เลือกใช้ Deep Learning มีพื้นฐานมาจากคุณสมบัติในการเรียนรู้และประมวลผลข้อมูลเชิงซ้อน รวมถึงความสามารถในการจับความสัมพันธ์เชิงลึกของข้อมูลที่ไม่สามารถมองเห็นได้ด้วยวิธีการทั่วไป นอกจากนั้น ผู้วิจัยยังได้รับแรงบันดาลใจจากการศึกษาแนวคิด Drunkard Walk ซึ่งได้ถูกในไปใช้หา ความน่าจะเป็นที่คนเมาจะเดินกลับถึงบ้านหรือเดินกลับไปที่สถานบันเทิงจากความน่าจะเป็นที่คนเมา จะเดินไปทางซ้ายหรือเดินไปทางขวาและการประยุกต์ใช้ Absorbing Markov Chain เพื่อวิเคราะห์ ความน่าจะเป็นของการเคลื่อนไหวของกราฟราคา โดยแนวคิดนี้สามารถนำมาใช้ในการคำนวณความ น่าจะเป็นที่ราคาจะเคลื่อนที่ไปถึงจุด take profit หรือ stop loss ซึ่งเป็นปัจจัยสำคัญในการกำหนด กลยุทธ์การลงทุน ผู้วิจัยจึงประยุกต์ใช้แนวคิดนี้ในการพัฒนาแบบจำลองที่สามารถคำนวณค่า ผลตอบแทนเฉลี่ยเพื่อช่วยในการกำหนดจุด stop loss ที่เหมาะสม ยิ่งไปกว่านั้น จากประสบการณ์ใน การเทรดจริง ผู้วิจัยได้พบเจอปัญหาในการตัดสินใจเมื่อคำสั่งเทรดยังคงเปิดอยู่และไม่สามารถประเมิน ได้ชัดเจนว่าควรปิดคำสั่งเทรดก่อน หรือรอให้ราคาถึงจุดที่ตั้งไว้ หากปิดคำสั่งก่อนและราคากลับไปถึง จุด stop loss การตัดสินใจนั้นถือว่าถูกต้อง แต่หากราคาถึงจุด take profit การตัดสินใจนั้นก็จะถือ ว่าผิดพลาด ด้วยเหตุนี้ ผู้วิจัยจึงเลือกนำแนวคิดจากทฤษฎีเกม (Game Theory) มาช่วยในการวางกลยุทธ์ การตัดสินใจที่เหมาะสม โดยใช้กลยุทธ์แบบผสม (Mixed Strategy) และการวิเคราะห์การแจกแจง ความน่าจะเป็นของกราฟราคา เพื่อให้สามารถตัดสินใจได้อย่างมีเหตุผลและมีประสิทธิภาพสูงสุด
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
This study explores the design, production, and installation of 3D-printed modular artificial reefs (3DMARs) at Koh Khai, Chumphon Province, Thailand, through a design thinking framework. Collaborating with SCG Co., Ltd. and the Department of Marine and Coastal Resources, the research establishes design criteria and installation methods, utilizing content analysis and qualitative research. Key principles such as modularity, flexibility, environmental sustainability, and usability are identified. The user-centered approach optimizes the 3DMARs for transport and deployment, enabling local community involvement and fostering sustainable practices. The modular design supports scalability, enhancing marine habitats and coral larval settlement. Furthermore, underwater monitoring techniques enable site-specific data collection, allowing for the generation of digital twin models. This research offers a practical framework for marine ecosystem restoration and empowers coastal communities in Thailand and beyond
คณะวิศวกรรมศาสตร์
The Thai Sign Language Generation System aims to create a comprehensive 3D modeling and animation platform that translates Thai sentences into dynamic and accurate representations of Thai Sign Language (TSL) gestures. This project enhances communication for the Thai deaf community by leveraging a landmark-based approach using a Vector Quantized Variational Autoencoder (VQVAE) and a Large Language Model (LLM) for sign language generation. The system first trains a VQVAE encoder using landmark data extracted from sign videos, allowing it to learn compact latent representations of TSL gestures. These encoded representations are then used to generate additional landmark-based sign sequences, effectively expanding the training dataset using the BigSign ThaiPBS dataset. Once the dataset is augmented, an LLM is trained to output accurate landmark sequences from Thai text inputs, which are then used to animate a 3D model in Blender, ensuring fluid and natural TSL gestures. The project is implemented using Python, incorporating MediaPipe for landmark extraction, OpenCV for real-time image processing, and Blender’s Python API for 3D animation. By integrating AI, VQVAE-based encoding, and LLM-driven landmark generation, this system aspires to bridge the communication gap between written Thai text and expressive TSL gestures, providing the Thai deaf community with an interactive, real-time sign language animation platform.
คณะอุตสาหกรรมอาหาร
Spent hens are laying hens that are over 18 months to 2 years old and no longer productive. The texture of spent hen meat is significantly tougher compared to broiler chickens, capons, and native chickens. Therefore, to increase the value of spent hens, a study was conducted to modify the texture of the meat by restructuring it with carrageenan and tenderizing it by marinating it in bromelain solution at different concentrations. The experiment found that restructuring with carrageenan and using bromelain enzyme resulted in a newly formed product and significantly improved the tenderness of the meat compared to chicken meat that was not treated with carrageenan and bromelain enzyme.