การพยากรณ์ราคาแป้งมันสำปะหลังของประเทศไทยด้วยตัวแบบอนุกรมเวลา Forecasting Cassava Starch Price in Thailand by Using Time Series Models

Abstract

วัตถุประสงค์ของการศึกษา คือ การพยากรณ์ราคาของแป้งมันสำปะหลังในประเทศไทย ด้วยเทคนิคอนุกรมเวลา5 วิธี ได้แก่ วิธีบ๊อกซ์-เจนกินส์ วิธีการปรับเรียบด้วยเส้นโค้งเลขชี้กำลังของโฮลต์ วิธีการปรับเรียบด้วยเส้นโค้งเลขชี้กำลังที่มีแนวโน้มแบบแด็มพ์ วิธีการปรับเรียบด้วยเส้นโค้งเลขชี้กำลังอย่างง่าย และวิธีการเฉลี่ยเคลื่อนที่อย่างง่าย 3, 6 และ 12 เดือน โดยใช้ข้อมูลจากสมาคมแป้งมันสำปะหลังไทย (TTSA) จำนวน 72 เดือน ตั้งแต่เดือนมกราคม 2552 ถึงเดือนธันวาคม 2557 ผู้วิจัยได้แบ่งข้อมูลออกเป็นสองชุด โดยข้อมูลชุดที่ 1 จำนวน 60 เดือน เริ่มตั้งแต่เดือนมกราคม 2552 ถึงเดือนธันวาคม 2556 สำหรับการสร้างตัวแบบพยากรณ์ และข้อมูลชุดที่ 2 จำนวน 12 เดือน โดยเริ่มตั้งแต่เดือนมกราคมถึงเดือนธันวาคม 2557 สำหรับการเปรียบเทียบประสิทธิภาพของวิธีการพยากรณ์ ด้วยเกณฑ์เปอร์เซ็นต์ความคลาดเคลื่อนสมบูรณ์เฉลี่ย และเกณฑ์รากที่สองของความคลาดเคลื่อนเฉลี่ยกำลังสองเฉลี่ยที่ต่ำที่สุด ผลการวิจัยพบว่า จากวิธีการพยากรณ์ทั้งหมดที่ได้ศึกษา ภายใต้เกณฑ์เปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์เฉลี่ย วิธีการเฉลี่ยเคลื่อนที่อย่างง่ายสามเดือน เป็นวิธีที่มีประสิทธิภาพสูงที่สุด ขณะที่ภายใต้เกณฑ์รากที่สองของความคลาดเคลื่อนกำลังสองเฉลี่ย วิธีการปรับเรียบด้วยเส้นโค้งเลขชี้กำลังอย่างง่าย เป็นวิธีที่มีประสิทธิภาพสูงที่สุด อย่างไรก็ตาม ค่าพยากรณ์ของทั้งสองวิธีมีความน่าเชื่อถือ เนื่องจากไม่มีความแตกต่างกันอย่างมีนัยสำคัญทางสถิติ

The purpose of this study is to forecast the cassava price in Thailand using five time series methods, which are Box-Jenkins method, Holt’s exponential smoothing method, damped trend exponential smoothing method, simple exponential smoothing method, and 3, 6, 12 month moving average methods. The secondary data obtained from Thai Tapioca Starch Association (TTSA) between January 2009 and December 2014 are used for time-series analysis. The data obtained from 2009 to 2013 were used to formulate the forecasting models and the data in 2014 were used to compare the performance of the forecasting methods via the criteria of the lowest mean absolute percentage error and root mean squared error. The findings from this research indicate that under the criterion of mean absolute percentage error, the 3 month moving average method is the most accurate to forecast the cassava price in 2014. In addition, under the criterion of root mean squared error, the simple exponential smoothing method is the most accurate. Additionally, the forecast values from both methods are reliable and no statistically significant difference was found between them.