การผสานการวิเคราะห์เชิงเทคนิคและแบบจำลองการเรียนรู้เชิงลึกสำหรับการซื้อขายน้ำมันดิบ

Abstract

น้ำมันดิบเป็นสินค้าอุปโภคที่มีความสำคัญในโลก เพราะน้ำมันดิบถือเป็นแหล่งพลังงานหลักของโลก ราคาของน้ำมันดิบนั้นมีส่วนเกี่ยวข้องในหลาย ๆ อุตสาหกรรม เช่น การขนส่ง, การผลิตพลังงานไฟฟ้า และอุตสาหกรรมปิโตรเคมี ดังนั้นการคาดการณ์ราคาน้ำมันดิบจึงมีความสำคัญสำหรับหลายภาคส่วน แต่ก็เป็นเรื่องที่ท้าทายมากเช่นกัน เนื่องจากราคาน้ำมันดิบมีความผันผวนสูง มีหลานงานวิจัยจำนวนมากที่เสนอการใช้การเรียนรู้ของเครื่องเพื่อทำนายราคาน้ำมัน โดยงานวิจัยนี้ได้นำเสนอเทคนิคการใช้โครงข่ายประสาทเทียมแบบผสานกันระหว่างโครงข่ายประสาทเทียมคอนโวลูชัน (Convolutional neural networks - CNN) และ หน่วยความจำระยะสั้นแบบยาว (Long short-term memory - LSTM) เพื่อใช้ทำนายแนวโน้มราคาน้ำมันและส่งสัญญาณการซื้อขายน้ำมันให้ดียิ่งขึ้นเมื่อเทียบกับกลยุทธ์การซื้อขายน้ำมันแบบดั้งเดิม โดยหลักการของแบบจำลองคือ CNN สามารถตรวจจับรูปแบบในตำแหน่งต่าง ๆ ของข้อมูล Time Series ได้ ในขณะที่ LSTM สามารถใช้รักษาความจำทั้งระยะสั้นและระยะยาวสำหรับข้อมูล Time Series ได้ การผสานคุณสมบัติเหล่านี้จึงเพิ่มความสามารถให้แบบจำลองได้ จากการศึกษานี้พบว่าการผสานกันของ CNN และ LSTM สามารถเพิ่มความสามารถในการทำกำไรจากการซื้อขายน้ำมันดิบได้ในระยะยาว