Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/80821
| Title: | การพยากรณ์มูลค่าการส่งออกรถยนต์ อุปกรณ์ และส่วนประกอบของประเทศไทย |
| Other Titles: | Forecasting Thailand's export values of cars, equipment and parts |
| Authors: | อุรชา จันทรภา |
| Advisors: | นันทชัย กานตานันทะ |
| Other author: | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์ |
| Issue Date: | 2564 |
| Publisher: | จุฬาลงกรณ์มหาวิทยาลัย |
| Abstract: | รถยนต์ อุปกรณ์และส่วนประกอบเป็นสินค้าอุตสาหกรรมส่งออกสำคัญของประเทศไทย มีมูลค่าการส่งออกเป็นอันดับแรก ๆ ของประเทศ มีความสำคัญต่อเศรษฐกิจและเป็นรายได้หลักจากการส่งออกของประเทศ การพยากรณ์มูลค่าการส่งออกรถยนต์ อุปกรณ์และส่วนประกอบจะช่วยให้มองเห็นทิศทางของการส่งออก เพื่อวางแผนนโยบายการค้าหรือสนับสนุนการผลิตให้เกิดมูลค่ามากที่สุด งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาตัวแบบพยากรณ์ที่เหมาะสมสำหรับพยากรณ์มูลค่าการส่งออกรถยนต์ อุปกรณ์และส่วนประกอบโดยรวมของประเทศไทย และมูลค่าการส่งออกรถยนต์ อุปกรณ์และส่วนประกอบไปประเทศคู่ค้าที่มีมูลค่าการส่งออกจากประเทศไทยมากที่สุด 2 อันดับแรก ได้แก่ ประเทศออสเตรเลียและประเทศญี่ปุ่นด้วยวิธีอนุกรมเวลา วิธีการวิเคราะห์การถดถอยเชิงเส้นพหุคูณ วิธีการเรียนรู้ของเครื่อง และวิธีพยากรณ์แบบผสม โดยใช้ค่าร้อยละความคลาดเคลื่อนสัมบูรณ์เฉลี่ย (MAPE) ในการเปรียบเทียบความแม่นยำของตัวแบบพยากรณ์ ข้อมูลที่ใช้ในการศึกษาวิธีการพยากรณ์ของงานวิจัยนี้เป็นข้อมูลรายเดือนตั้งแต่เดือนมกราคม พ.ศ. 2551 ถึงเดือนธันวาคม พ.ศ. 2563 เป็นจำนวนทั้งหมด 156 เดือน วิธีที่ใช้ในการพยากรณ์ ได้แก่ Moving Average, Holt-Winters, SARIMA, Multiple Linear Regression, Artificial Neural Networks, Support Vector Regression, XGBoost, LSTM และวิธีพยากรณ์แบบผสม ผลการศึกษาพบว่า ตัวแบบพยากรณ์ที่มีความแม่นยำและเหมาะสมมากที่สุดสำหรับพยากรณ์มูลค่าการส่งออกรถยนต์ อุปกรณ์และส่วนประกอบโดยรวมของประเทศไทย มูลค่าการส่งออกรถยนต์ อุปกรณ์และส่วนประกอบของประเทศไทยไปประเทศออสเตรเลียและประเทศญี่ปุ่น ได้แก่ ตัวแบบพยากรณ์ผสมวิธี LSTM-XGB วิธี SARIMA-XGB และวิธี LSTM-SARIMA มีค่าร้อยละความคลาดเคลื่อนสัมบูรณ์เฉลี่ยเท่ากับ 6.63% 15.40% และ 6.27% ตามลำดับ |
| Other Abstract: | Cars, Equipment and Parts are Thailand’s important industrial exports, which the export values are as high as the top in Thailand and impact the country’s economics as the main income of the country’s exports. Forecasting the export values of cars, equipment and parts would help in seeing the direction of exporting for planning the commercial policy or supporting the production to gain the highest values. The objectives of this research are to study the suitable models for forecasting the total export values of cars, equipment and parts of Thailand and the export values of cars, equipment and parts of Thailand to the top two trading partners which are Australia and Japan by the time series methods, the multiple linear regression method, the machine learning methods, and the hybrid forecasting methods by using the mean absolute percentage error (MAPE) in comparing the forecasting models accuracy. The data used in this research are the monthly data from January 2008 to December 2020 which are 156 months. The methods studied in this research included Moving Average, Holt-Winters, SARIMA, Multiple Linear Regression, Artificial Neural Networks, Support Vector Regression, XGBoost, LSTM, and the hybrid forecasting methods. The results showed that the most accurate and suitable forecasting models for forecasting the total export values of cars, equipment and parts of Thailand and the export values of cars, equipment and parts of Thailand to Australia and Japan are the hybrid forecasting models of LSTM-XGB, SARIMA-XGB, and LSTM-SARIMA with the MAPEs of 6.63%, 15.40%, and 6.27%, respectively. |
| Description: | วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2564 |
| Degree Name: | วิศวกรรมศาสตรมหาบัณฑิต |
| Degree Level: | ปริญญาโท |
| Degree Discipline: | วิศวกรรมอุตสาหการ |
| URI: | http://cuir.car.chula.ac.th/handle/123456789/80821 |
| URI: | http://doi.org/10.58837/CHULA.THE.2021.1012 |
| metadata.dc.identifier.DOI: | 10.58837/CHULA.THE.2021.1012 |
| Type: | Thesis |
| Appears in Collections: | Eng - Theses |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 6270324221.pdf | 3.4 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.