การศึกษาเปรียบเทียบการพยากรณ์ข้อมูลอนุกรมเวลาโดยใช้วิธีการทางพาราเมตริกและนอนพาราเมตริก (NONPARAMETRIC AND PARAMETRIC FORECASTING IN TIME SERIES DATA : A COMPARATIVE STUDY)

Abstract

การศึกษานี้เป็นการเปรียบเทียบประสิทธิภาพในการพยากรณ์ข้อมูลอนุกรมเวลาด้วยวิธีการทางพาราเมตริกและนอนพาราเมตริก 3 วิธีด้วยกัน วิธีการทางพาราเมตริกคือวิธีบอกซ์–เจนกินส์และการถดถอยแบบฟัซซีที่ใช้ตัวแปรดัมมี ในขณะที่วิธีการทางนอนพาราเมตริก คือการประยุกต์ใช้ตัวประมาณ Nadaraya – Watson ในการพยากรณ์ค่าอนุกรมเวลา โดยศึกษาจากข้อมูลจริง จำนวน 2 ชุด ข้อมูลชุดที่ 1 คือราคายางแผ่นดิบราคาประมูลของตลาดกลางยางพารา อ.หาดใหญ่ รายเดือนตั้งแต่เดือนมกราคม พ.ศ. 2547 ถึงเดือนธันวาคม พ.ศ. 2556 และข้อมูลชุดที่ 2 คือ ราคาทองคำในประเทศไทยรายเดือนตั้งแต่เดือน มกราคม พ.ศ. 2547 ถึงเดือนธันวาคม พ.ศ. 2555 รูปแบบการศึกษาดำเนินการโดยแบ่งข้อมูลออกเป็น 2 ส่วน ส่วนแรกใช้สำหรับกำหนดรูปแบบสมการพยากรณ์ ข้อมูลส่วนที่ 2 จำนวน 12 ค่าใช้สำหรับศึกษา ช่วงการพยากรณ์ล่วงหน้าที่ช่วงเวลา 3 เดือน 6 เดือน 9 เดือน และ 12 เดือน ทั้งนี้พิจารณาวิธีการพยากรณ์ที่เหมาะสมจากค่าเปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์เฉลี่ย (MAPE%) มีค่าต่ำสุด ผลการศึกษาพบว่า วิธีที่มีประสิทธิภาพมากที่สุดในการพยากรณ์ข้อมูลอนุกรมเวลาล่วงหน้าที่ช่วงเวลา 3 เดือน 6 เดือน 9 เดือน และ 12 เดือน คือวิธีบอกซ์-เจนกินส์ ส่วนวิธีที่มีประสิทธิภาพรองลงมาคือ วิธีนอนพาราเมตริกโดยใช้ตัวประมาณ Nadaraya – Watson และวิธีที่มีประสิทธิภาพน้อยที่สุดคือ วิธีถดถอยแบบฟัซซีที่ใช้ตัวแปรดัมมีคำสำคัญ: การพยากรณ์ตัวประมาณ Nadaraya – Watson ตัวแปรดัมมีบอกซ์-เจนกินส์ ฟัซซี อนุกรมเวลาThis research aimed to compare the performance of forecasting techniques in time series data between parametric and nonparametric, There are tree forecasting methods that were used in this study : Box-jenkins, fuzzy regression with dummy variable, and nonparametric with Nadaraya – Watson estimator. There are two data sets were used in this study : the first group is the rubber price of central rubber market HATYAI monthly from January 2004 to December 2013, the second is the gold price monthly from January 2004 to December 2012. The time series in each group was devised into two groups. The first group for identification models.The second group for finding 4 periods of forecasting as 3, 6, 9 and 12 month. The suitable forecasting technique were chosen by considering the smallest value of MAPE (%). The best method is Box-jenkins, Nadaraya – Watson Estimator and fuzzy regression with dummy variable respectively.Keywords: Forecasting, Nadaraya – Watson Estimator, Dummy Variable, Box-Jenkins, Fuzzy, Time Series