การวิเคราะห์อนุกรมเวลาสำหรับการทำนายปริมาณการนำเข้าและส่งออกสินค้าโดยใช้การเรียนรู้เชิงลึก

Time Series Analysis for Predicting Import and Export Volumes Based on Deep Learning

บทคัดย่อ

         การขาดดุลการค้าเป็นสถานการณ์ทางเศรษฐกิจที่เกิดขึ้นเมื่อมูลค่าการนำเข้าสินค้าและบริการของประเทศหนึ่งสูงกว่ามูลค่าการส่งออกสินค้าหรือบริการของประเทศนั้นในช่วงเวลาหนึ่ง การขาดดุลการค้ามักจะแสดงถึงสถานการณ์ที่ประเทศกำลังบริโภคสินค้ามากกว่าที่ผลิตได้เอง การขาดดุลการค้าอาจจะมีผลกระทบทั้งทางบวกและลบต่อเศรษฐกิจของประเทศ ดังนั้นการพยากรณ์มูลค่าการนำเข้าและส่งออกสินค้าและบริการโดยรวมของประเทศล่วงหน้าได้นั้นจึงเป็นประโยชน์อย่างมากต่อการวางแผนเชิงกลยุทธล่วงหน้าเพื่อจัดการกับปัญหาที่อาจจะเกิดขึ้นจากการขาดดุลการค้าของประเทศ จากเหตุผลดังกล่าวงานวิจัยนี้จึงได้ทำการศึกษาวิเคราะห์และเปรียบเทียบแบบจำลองอนุกรมเวลาที่สามารถใช้ในการทำนายปริมาณการนำเข้าและส่งออกสินค้าโดยรวมด้วยวิธีทางสถิติและวิธีการเรียนรู้ของเครื่องได้แก่แบบจำลอง DNN LSTM ARIMA และ Prophet ให้ค่า MSE เท่ากับ 0.4116615060290905 0.9943514149915439 0.5022269255490994 และ 1.4212623390468428 ตามลำดับและค่า RMSE เท่ากับ 0.6416085302028727 0.9971717078776071 0.7086797058961822 และ 1.1921670768171897 ตามลำดับ จากผลทดลองสรุปว่าแบบจำลอง DNN ให้ประสิทธิภาพสูงสุดในการพยากรณ์ปริมาณการนำเข้าและส่งออกทั้งสินค้าและบริการของประเทศ