Please use this identifier to cite or link to this item: http://cmuir.cmu.ac.th/jspui/handle/6653943832/79189
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorJeerayut Chaijaruwanich-
dc.contributor.advisorYongyut Laosiritaworn-
dc.contributor.advisorJakramate Bootkrajang-
dc.contributor.authorWilawan Yathongkhumen_US
dc.date.accessioned2023-11-15T10:14:04Z-
dc.date.available2023-11-15T10:14:04Z-
dc.date.issued2023-08-
dc.identifier.urihttp://cmuir.cmu.ac.th/jspui/handle/6653943832/79189-
dc.description.abstractFinancial risk is the potential for financial loss or missed profit opportunities arising from factors such as economic downturns, world events, market volatility, or insufficient information for decision-making. To mitigate losses during uncertain periods, hedging strategies are employed, with gold serving as an effective hedging tool, especially in times of crisis. Moreover, predicting gold prices can inform future decisions for financial risk assessment. To enhance the efficiency of financial risk assessment models, it is crucial to consider the impact of economic indicators, financial data, and information derived from news sources. This thesis introduces a financial risk assessment model that utilizes recurrent neural networks (RNN) based on heterogeneous information and aggregated historical data. The research focuses on extracting information from economic and financial news using news classification and sentiment analysis. It also involves identifying key factors from historical data and utilizing them to develop a financial risk assessment model. we proposed a hybrid approach to enhance the performance of economic and financial news classification. This approach combines baseline classifiers with a novel method called the Category Associated Feature Set (CAFS) classifier. CAFS transforms text input from the lexicon-space into the entity-space and discovers associations between entities and classes, akin to association rule learning. Experimental results on three datasets demonstrated that the proposed method is comparable to existing approaches and exhibits a significant improvement in the classification results for out-of-domain datasets. Additionally, we proposed sentiment analysis method that employs an Entity-Directionality and Domain-Specific (EDDS) approach. The entity-directionality aspect identifies entities and their associated directionality, while the domain-specific approach utilizes "Positive-if-Down" and "Negative-if-Up" features to capture concepts directly impacting sentiment formation. This method transforms news headlines into entity-directionality items and applies domain-specific concepts to determine sentiment. Comparative analysis on three benchmark datasets demonstrates the method's superior performance over baseline approaches. Furthermore, we conducted an analysis of aggregated historical data using a machine learning approach to identify relevant economic and financial factors. These influencing factors, selected through feature selection methods, are well-suited for constructing predictive models and provide insights similar to those found in other econometric studies. Subsequently, we developed financial risk assessment models by integrating these predictive factors with news sentiment. The findings unequivocally demonstrate that the Gated Recurrent Unit (GRU) model, which incorporates aggregated relevant factors and negative sentiment within specific categories, exhibits the best performance. This research contributes to the field of financial risk assessment by integrating diverse sources of information and leveraging recurrent neural networks. The proposed methods enhance the accuracy and effectiveness of risk evaluation, enabling individuals and organizations to make more informed decisions in managing financial risks.en_US
dc.language.isoenen_US
dc.publisherChiang Mai : Graduate School, Chiang Mai Universityen_US
dc.titleFinancial risk assessment model using recurrent neural network based on heterogeneous information and aggregate historical dataen_US
dc.title.alternativeตัวแบบการประเมินความเสี่ยงทางการเงินโดยใช้โครงข่ายประสาทแบบวนซ้ำบนสารสนเทศที่ต่างแบบกันและข้อมูลประวัติจากหลายแหล่งen_US
dc.typeThesis
thailis.controlvocab.lcshFinancial risk-
thailis.controlvocab.lcshFinancial risk management-
thailis.controlvocab.lcshComputer science-
thesis.degreedoctoralen_US
thesis.description.thaiAbstractความเสี่ยงทางการเงินคือโอกาสที่อาจทำให้เกิดความสูญเสียทางการเงิน หรือการที่ไม่ได้รับผลกำไรตามที่ควรจะเป็น โดยเกิดจากปัจจัยต่างๆ เช่น ภาวะเศรษฐกิจตกต่ำ สถานการณ์สำคัญที่เกิดขึ้นในโลก ความผันผวนของตลาด หรือข้อมูลที่ไม่เพียงพอสำหรับการตัดสินใจ เพื่อลดการสูญเสียที่เกิดขึ้นในช่วงสถานการณ์ที่ไม่แน่นอน มีการใช้กลยุทธ์การป้องกันความเสี่ยง โดยมีทองคำเป็นเครื่องมือในการป้องกันความเสี่ยงที่มีประสิทธิภาพ โดยเฉพาะอย่างยิ่งในช่วงเวลาวิกฤต ยิ่งไปกว่านั้นการคาดการณ์ราคาทองคำยังสามารถใช้เพื่อการตัดสินใจในอนาคตสำหรับการประเมินความเสี่ยงทางการเงินได้ ทั้งนี้เพื่อเพิ่มประสิทธิภาพของตัวแบบการประเมินความเสี่ยงทางการเงิน สิ่งสำคัญที่ควรพิจารณาคือ ผลกระทบของตัวชี้วัดทางเศรษฐกิจ ข้อมูลทางการเงิน และข้อมูลที่ได้รับจากข่าว ดังนั้นดุษฎีนิพนธ์ฉบับนี้จึงนำเสนอตัวแบบการประเมินความเสี่ยงทางการเงินโดยใช้โครงข่ายประสาทเทียมแบบวนซ้ำบนสารสนเทศที่หลากหลายและข้อมูลประวัติที่รวบรวมจากหลายแหล่งโดยมุ่งความสนใจไปยังสารสนเทศที่หลากหลายจากข่าวทางเศรษฐกิจและการเงิน รวมถึงการสกัดปัจจัยทางเศรษฐกิจและการเงินที่เหมาะสมจากข้อมูลประวัติที่รวบรวมจากหลายแหล่ง และการพัฒนาตัวแบบการประเมินความเสี่ยงทางการเงิน งานวิจัยนี้เสนอแนวทางแบบผสมผสานเพื่อเพิ่มประสิทธิภาพของการจัดประเภทข่าวเศรษฐกิจและการเงิน โดยได้รวมตัวแบบจำแนกพื้นฐานเข้ากับวิธีการใหม่ที่เรียกว่า ตัวจำแนกชุดคุณลักษณะที่เกี่ยวข้องกับหมวดหมู่ วิธีการแบบใหม่นี้จะทำการแปลงข้อมูลรับเข้าที่เป็นชุดของคำให้เป็นเอนทิตี จากนั้นหาความสัมพันธ์ระหว่างเอนทิตีและคลาสซึ่งมีลักษณะคล้ายกับกับการเรียนรู้กฎความสัมพันธ์ ผลลัพธ์จากการทดสอบด้วยข้อมูล 3 ชุดพบว่า วิธีการที่นำเสนอนั้นมีความสามารถเทียบเท่ากับตัวแบบจำแนกพื้นฐาน และให้ผลลัพธ์การจำแนกในชุดข้อมูลนอกโดเมนที่มีประสิทธิภาพดีกว่าอย่างมีนัยสำคัญ นอกจากนี้ งานวิจัยนี้ยังได้เสนอวิธีการวิเคราะห์ความรู้สึกจากข่าวเศรษฐกิจและการเงิน ด้วยการใช้เอนทิตี คำระบุทิศทาง และเป้าหมายจำเพาะกลุ่ม โดยเอนทิตีและคำระบุทิศทางจะถูกสกัดออกมาจากข่าว จากนั้นคุณลักษณะพิเศษในเป้าหมายจำเพาะกลุ่มจะถูกพิจารณาเพื่อเป็นตัวกำหนดความรู้สึกจากข่าว ผลลัพธ์จากการทดสอบกับชุดข้อมูล 3 ชุดพบว่าวิธีการที่นำเสนอ มีประสิทธิภาพดีกว่าวิธีการที่มีอยู่เดิม ยิ่งกว่านั้น งานวิจัยนี้ได้ทำการวิเคราะห์ข้อมูลประวัติที่รวบรวมจากหลายแหล่ง โดยใช้แนวทางการเรียนรู้ของเครื่องเพื่อระบุปัจจัยทางเศรษฐกิจและการเงินที่เกี่ยวข้อง ซึ่งปัจจัยที่ได้มาจากวิธีการเลือกคุณลักษณะนั้นเหมาะสำหรับการสร้างแบบจำลองเชิงคาดการณ์ และให้ข้อมูลเชิงลึกที่สอดคล้องกับผลการศึกษาทางเศรษฐมิติ จากนั้นตัวแบบการประเมินความเสี่ยงทางการเงินถูกสร้างโดยใช้โครงข่ายประสาทเทียมแบบวนซ้ำ ร่วมกับสารสนเทศจากข่าวและปัจจัยทางเศรษฐกิจและการเงินจากข้อมูลประวัติที่รวบรวมจากหลายแหล่ง ผลการวิจัยแสดงให้เห็นว่า ตัวแบบการประเมินความเสี่ยงทางการเงินที่สร้างด้วยเกทแบบวนกลับที่บูรณาการปัจจัยทางเศรษฐกิจและการเงินกับข่าวที่ให้ความรู้สึกเชิงลบในหมวดหมู่ที่จำเพาะ ให้ผลลัพธ์ที่มีประสิทธิภาพสูงที่สุด งานวิจัยนี้มีส่วนช่วยในการประเมินความเสี่ยงทางการเงิน โดยการรวมแหล่งข้อมูลที่หลากหลายและใช้ประโยชน์จากโครงข่ายประสาทเทียมแบบวนซ้ำ วิธีการที่นำเสนอช่วยเพิ่มความแม่นยำและประสิทธิผลของการประเมินความเสี่ยง ทำให้บุคคลและองค์กรสามารถตัดสินใจในการจัดการความเสี่ยงทางการเงินได้อย่างรอบรู้มากขึ้นen_US
Appears in Collections:SCIENCE: Theses

Files in This Item:
File Description SizeFormat 
610551027-WILAWAN YATHONGKHUM.pdf6.19 MBAdobe PDFView/Open    Request a copy


Items in CMUIR are protected by copyright, with all rights reserved, unless otherwise indicated.