This special project aims to develop and compare the performance of gold price prediction models using quantitative variables and news text data. The study incorporates nine key predictors, including Brent crude oil prices, WTI crude oil prices, silver prices, platinum prices, the U.S. Federal Reserve's policy interest rate, the Nikkei 225 index, the Dow Jones Industrial Average, the S&P 500 index, and daily news articles from Bangkok Business News. Relevant news data will be processed using Natural Language Processing (NLP) techniques and integrated with three predictive models: Gradient Boosting, Machine Learning Models, and Regression Analysis. The model performance will be evaluated using three key metrics: Root Mean Square Error (RMSE), Mean Absolute Error (MAE), and the Coefficient of Determination (R*). This research aims to develop a predictive model that effectively utilizes both quantitative variables and news data to enhance gold price forecasting, providing valuable insights for investors and analysts.
ทองคำ(Gold) เป็นแร่โลหะมีค่า เป็นแร่ธาตุตามธรรมชาติซึ่งมีอยู่น้อยมาก ทองคำมีคุณสมบัติทนต่อการผุกร่อนนิยมนำมาใช้ทำเป็นเครื่องประดับจึงทำให้ทองคําเป็นโลหะที่มีค่าอยู่ในตัวเองและเป็นที่ยอมรับของทุกคนในสังคม ทองคำถือว่าเป็นสินทรัพย์ที่สำคัญในระบบเศรษฐกิจโลกทองคำถูกนำมาใช้เพื่อแสดงเป็นสัญลักษณ์ของความมั่งคั่ง มูลค่าของทองคำนั้น ขึ้นอยู่กับปัจจัยต่างๆมากมาย เช่น ค่าเงินดอลลาร์สหรัฐฯ ราคาน้ำมันดิบ จำนวนที่เพิ่มขึ้นหรือลดลงของเหมืองทองคํา ความเสี่ยงทางการเมืองระหว่างประเทศ และความต้องการทองคำสำหรับเครื่องประดับ(ธนะเกียรติ, 2560) ดังนั้นการคาดการณ์ราคาทองคำได้อย่างถูกต้อง จึงเป็นสิ่งที่นักลงทุน นักวิเคราะห์ และผู้ที่มีส่วนเกี่ยวข้องในตลาดทองคำ ต่างให้ความสนใจ ทองคํายังเป็นส่วนหนึ่งของความมั่นคงทางเศรษฐกิจการคลัง ทองคํามีประโยชน์ในฐานะเป็นโลหะสื่อกลางแห่งการแลกเปลี่ยนเงินตรา จึงถูกสํารองไว้เป็นทุนสํารองเงินตราระหว่างประเทศเพราะทองคํามีมูลค่าในตัวเอง ซึ่งต่างจากเงินตราสกุลต่างๆ ที่มูลค่าอาจเพิ่มหรือลดได้(สมาคมทองคำ, 2526) การทำนายราคาทองคำในปัจจุบันยังคงเป็นเรื่องที่ท้าทายเนื่องจากแบบจำลองที่มีอยู่ยังไม่สามารถอธิบายความผันผวนของราคาทองคำได้อย่างครอบคลุมนอกจากนี้ข้อมูลข่าวสารที่มีจำนวนมากและมีความหลากหลายทำให้การวิเคราะห์และการดึงข้อมูลที่เป็นประโยชน์ออกมาเป็นไปได้ยาก การพัฒนาแบบจำลองการทำนายราคาทองคำที่มีความแม่นยำสูงและสามารถนำข้อมูลข่าวสารมาใช้ในการทำนายได้อย่างมีประสิทธิภาพจึงเป็นสิ่งที่จำเป็น เพื่อตอบสนองความท้าทายนี้ จำเป็นต้องมีการรวมข้อมูลจากหลายแหล่ง รวมถึงการใช้เทคนิคการวิเคราะห์ขั้นสูง เช่น การเรียนรู้ของเครื่อง (machine learning) และปัญญาประดิษฐ์ (AI) เพื่อ วิเคราะห์ข้อมูลและทำนายราคาทองคำ การพัฒนาแบบจำลองที่มีความแม่นยำสูงจะช่วยให้ผู้ลงทุนสามารถทำการตัดสินใจได้ดีขึ้นและลดความเสี่ยงในการลงทุนได้ ราคาทองคำเป็นหนึ่งในสินทรัพย์ที่มีความผันผวนสูงและมีความสำคัญอย่างยิ่งสำหรับนักลงทุนเนื่องจากทองคำถือเป็นสินทรัพย์ที่ปลอดภัยในช่วงที่เศรษฐกิจมีความไม่แน่นอนความผันผวนของราคาทองคำมักถูกกระทบจากปัจจัยหลายประการหนึ่งในปัจจัยที่มีผลอย่างมีนัยสำคัญต่อราคาทองคำคือข้อความข่าวสารต่าง ๆ ที่เกี่ยวข้องกับทองคำโดยตรงข่าวที่มีคำว่า "ทองคำ" หรือเกี่ยวข้องกับทองคำสามารถมีผลกระทบต่อราคาทองคำได้หลายปัจจัย จากการศึกษางานวิจัยของ รจิกาญจน์(2561) ได้ศึกษา ปัจจัยที่ส่งผลกระทบต่อราคาทองคำในตลาดโลก มีจุดมุ่งหมายเพื่อมองภาพรวมในการเคลื่อนไหวของทิศทางราคาทองคำ โดยศึกษาปัจจัยที่มีผลเกี่ยวข้องกับราคาทองคําในตลาดโลก โดยใช้ข้อมูลรายเดือนย้อนหลัง 9 ปี ช่วงปี พ.ศ. 2553-2561 โดยทําการวิเคราะห์สมการถดถอยพหุคูณ จากการศึกษาพบว่ามีเพียง 7 ปัจจัยที่ส่งผลกระทบต่อราคาทองคําในตลาดโลกอย่างมีนัยสําคัญทางสถิติที่ระดับความเชื่อมั่น 95% คือ ดัชนีตลาดหุ้นสหรัฐฯ (Dow Jone Index), ราคาโลหะเงินในตลาดโลก, ดัชนีตลาดหุ้นประเทศญี่ปุ่น (NIKKEI Index), ดัชนีตลาดหุ้นสาธารณรัฐไต้หวัน(TWSE Index), ราคาโลหะแพลทินัมในตลาดโลก, อัตราเงินเฟ้อสหรัฐฯ และดัชนี GDP ของสหรัฐฯ โดยเรียงลําดับตามปัจจัยที่มีความสัมพันธ์กับราคาทองคําในตลาดโลกมากไปน้อย ซึ่งตัวแบบสมการถดถอยพหุคูณสําหรับการพยากรณ์สามารถอธิบายความสัมพันธ์ ระหว่างปัจจัยที่ส่งผลต่อราคาทองคําในตลาดโลกได้ 91.6% โดยสมมติให้ปัจจัยอื่นๆ คงที่ ดังนั้นผู้วิจัยจึงสนใจเปรียบเทียบแบบจำลองการทำนายราคาทองคำโดยใช้ตัวแปรต้น คือ ข้อมูลราคา สินค้าโภคภัณฑ์ที่เกี่ยวข้อง และข้อความจากข่าวที่เกี่ยวข้องกับทองคำ โดยในการศึกษาครั้งนี้ จะประกอบไปด้วย การจัดการข้อมูลประเภทข้อความด้วยการประมวลผลภาษาธรรมชาติ (Natural Language Processing - NLP) การสร้างแบบจำลองการทำนายราคาทองคำ โดยเทคนิคการวิเคราะห์ทางสถิติ และอัลกอริทึมการเรียนรู้ของเครื่อง (Machine Learning) จากนั้นผู้วิจัยจะเปรียบเทียบประสิทธิภาพของแบบจำลอง โดยผู้วิจัยจะใช้ 9 ค่าในการพิจารณาคือ ราคาน้ำมันดิบเบรนท์ ราคาน้ำมันดิบ WTI ราคาโลหะเงินในตลาดโลก ราคาแพลทินัมในตลาดโลก อัตราดอกเบี้ยนโยบายของธนาคารกลางสหรัฐ FED ดัชนีตลาดหุ้นประเทศญี่ปุ่นนิคเคอิ 225 ดัชนี ค่าเฉลี่ยอุตสาหกรรมดาวโจนส์ดัชนี S&P 500 และข่าวรายวันจากสำนักข่าวกรุงเทพธุรกิจผู้วิจัยหวังเป็นอย่างยิ่ง ว่านักลงทุนและผู้ที่เกี่ยวข้องจะสามารถนำผลสรุปจากการวิจัยครั้งนี้ไปใช้เป็นแนวทางในการวางแผนการลงทุนในทองคำได้อย่างมีประสิทธิภาพมากขึ้น การวิจัยนี้มุ่งเน้นให้เห็นถึงความสำคัญของการพัฒนาแบบจำลองการทำนายราคาทองคำที่แม่นยำขึ้น โดยการใช้เทคนิคการวิเคราะห์ที่มีประสิทธิภาพและการรวบรวมข้อมูลที่หลากหลาย เพื่อให้การลงทุนในทองคำเป็นไปอย่างรอบคอบและมีการจัดการความเสี่ยงที่ดียิ่งขึ้น ผู้วิจัยเชื่อว่าผลการศึกษานี้จะเป็นประโยชน์ต่อการตัดสินใจในการลงทุนในทองคำและหวังว่าข้อมูลและข้อเสนอแนะจากการวิจัยนี้จะช่วยให้นักลงทุนสามารถวางกลยุทธ์การลงทุนที่มีประสิทธิภาพและสามารถปรับตัวได้ดียิ่งขึ้นในสภาวะตลาดที่เปลี่ยนแปลงอยู่เสมอ
คณะวิทยาศาสตร์
This special problem aims to study and compare the performance of predicting the air quality index (AQI) using five ensemble machine learning methods: random forest, XGBoost, CatBoost, stacking ensemble of random forest and XGBoost, and stacking ensemble of random forest, SVR, and MLP. The study uses a dataset from the Central Pollution Control Board of India (CPCB), which includes fifteen pollutants and nine meteorological variables collected between January, 2021 and December, 2023. In this study, there were 1,024,920 records. The performance is measured using three methods: root mean square error (RMSE), mean absolute error (MAE), and coefficient of determination. The study found that the random forest and XGBoost stacking ensemble had the best performance measures among the three methods, with the minimum RMSE of 0.1040, the minimum MAE of 0.0675, and the maximum of 0.8128. SHAP-based model interpretation method for five machine learning methods. All methods reached the same conclusion: the two variables that most significantly impacted the global prediction were PM2.5 and PM10, respectively.
คณะวิศวกรรมศาสตร์
Stirling engine is the external heated engine that heat is sup-plied externally to the heater part of the engine. Thus, Stirling cycle engine can be employed with various sources of renewable energy such as biomass, biofuel, solar energy, geothermal energy, recovery heat, and waste. The integration of gasifier, burner, and heat engine as a power system offers more fuel choices of each local area with potential resources resulting independent from shortage and cost fluctuation of fossil fuel. This research aims to investigate the integration of the Stirling engine with a wood pellet gasifier for electric power generation. Biomass can be controlled to have continuously combustion with ultra-low toxic emission. Stirling engine, therefore, is a promising alternative in small-scale-electricity production. Even though many biomass-powered Stirling engines were successfully constructed and marketed but these engines and the use of biomass resources as fuel for power generation are quite new concepts in some developing countries. Especially, the capital cost of this engine is high and unaffordable for installation compared to other power systems. Therefore, this research aims to the study attractive and feasibility of the compact Stirling engine with green energy.
คณะเทคโนโลยีการเกษตร
This study aimed to evaluate the optimal edible coating formulation for 'Namdokmai Sithong' mangoes by incorporating 10% gum arabic (GA) with mangosteen peel extract (MPE) at varying concentrations (1%, 3%, and 5%), compared to a control treatment (distilled water). The coated fruits were stored at room temperature for 14 days, and their physicochemical properties were assessed. The findings indicate that the application of GA (10%) combined with MPE effectively mitigated color changes in mango flesh, suppressed disease incidence, and preserved fruit firmness. Additionally, the coating significantly delayed alterations in total soluble solids (TSS), titratable acidity (TA), vitamin C content, carotenoid levels, and phenolic compounds. Among the tested formulations, GA (10%) + MPE (1%) exhibited the highest efficacy in extending shelf life, maintaining fruit quality, and enhancing surface gloss.