การแจกแจงความน่าจะเป็นของอัตราซื้อถัวเฉลี่ยรายเดือนของเงินบาทต่อดอลลาร์สหรัฐ
Probability Distribution of the Monthly Average Buying Rate of Thai Baht to US Dollar
Keywords:
อัตราซื้อถัวเฉลี่ยรายเดือน , การแจกแจงปรกติ , การแจกแจงล็อกนอร์มัล , การแจกแจงแกมมา , การแจกแจงไวบูลAbstract
อัตราแลกเปลี่ยนโดยเฉพาะอย่างยิ่งอัตราซื้อถัวเฉลี่ยของเงินบาทต่อดอลลาร์สหรัฐเป็นดัชนีทางการเงินที่มีบทบาทสำคัญทั้งทางบวกและทางลบต่อเศรษฐกิจไทย หากสามารถทำนายอัตราซื้อถัวเฉลี่ยของเงินบาทต่อดอลลาร์สหรัฐในอนาคตได้ก็จะเป็นประโยชน์อย่างยิ่งต่อการวางแผนในการลงทุนและการกำหนดนโยบายด้านเศรษฐกิจของประเทศ การแจกแจงความน่าจะเป็นเป็นตัวแบบเชิงสถิติชนิดหนึ่งที่สามารถนำมา ใช้ในการทำนายอัตราซื้อถัวเฉลี่ยของเงินบาทต่อดอลลาร์สหรัฐได้ โดยในการศึกษานี้ได้ศึกษาการแจกแจงความน่าจะเป็น 4 ชนิด ได้แก่ การแจกแจงปรกติ การแจกแจงล็อกนอร์มัล การแจกแจงแกมมา และการแจกแจงไวบูล เพื่อหาว่าการแจกแจงชนิดใดมีความหมาะสมมากที่สุด โดยใช้การทดสอบคอลโมโกรอฟ- สมีร์นอฟ และการทดสอบแอนเดอร์สัน-ดาร์ลิง ในการทดสอบหาการแจกแจงความน่าจะเป็นที่เหมาะสม และใช้ค่ารากที่สองของความคลาดเคลื่อนกำลังสองเฉลี่ย (RMSE) และค่ารากที่สองของความคลาดเคลื่อนกำลังสองเฉลี่ยสัมพัทธ์ (RRMSE) เป็นเกณฑ์ในการวัดความคลาดเคลื่อนในการทำนายของการแจกแจงความน่าจะเป็นที่เหมาะสม ผลการศึกษาพบว่า การแจกแจงล็อกนอร์มัลเป็นการแจกแจงความน่าจะเป็นที่เหมาะสมกับอัตราซื้อถัวเฉลี่ยของเงินบาทต่อดอลลาร์สหรัฐมากที่สุด Exchange rate, especially the average buying rate of Thai Baht to US Dollar, is a financial index which plays an important role in Thai economy. The prediction of future average buying rate of Thai Baht to US Dollar would be very useful to investment planning and economic policies of Thailand. The probability distribution is one of the statistical models that can be used to predict average buying rate of Thai Baht to US Dollar. In this study, the appropriate distribution of the average buying rate of Thai Baht to US Dollar was obtained. Four types of probability distributions were investigated, i.e. normal distribution, log-normal distribution, gamma distribution and Weibull distribution. For goodness of fit test, Kolmogorov-Smirnov test and Anderson-Darling test were used and the root mean square error (RMSE) and the relative root mean square error (RRMSE) were criteria for measuring the prediction error of the appropriate distribution. The result indicated that the log-normal distribution was the most appropriate distribution of the average buying rate of Thai Baht to US Dollar compare to the others distributions.References
Bank of Thailand. (2018). Financial Policy Report, June 2018. Bangkok: Bank of Thailand. (in Thai)
Boothe, P. & Glassman, D. (1987). The statistical distribution of exchange rates: Empirical evidence and economic implications. Journal of International Economics, 22(3-4), 297-319.
Chu J., Nadarajah S. & Chan S. (2015) Statistical Analysis of the Exchange Rate of Bitcoin. PLoS ONE, 10(7): e0133678. DOI:10.1371/journal. pone.013367
Corlu, C.G. & Corlu, A. (2015) Modelling exchange rate returns: which flexible distribution to use?, Quantitative Finance, 15(11), 1851-1864, DOI: 10.1080/14697688.2014.942231
Delignette-Muller, M.L. & Dutang, C. (2015). fitdistrplus: An R Package for Fitting Distributions. Journal of Statistical Software, 64(4), 1–34. Retrieved May 10, 2020, from http://www.jstatsoft.org/v64/i04/.
Egan, W.J. (2007). The Distribution of S&P 500 Index Returns. Retrieved 6, 2007, from https://ssrn.com/abstract=955639 or http://dx.doi.org/10.2139/ssrn.955639
Forbes, C., Evans, M., Hasting, N., & Peacock, B. (2011). Statistical Distributions (4th ed.). New York: John Wiley & Sons.
R Core Team. (2020). A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. https://www.R-project.org/.
Sarpong, S. (2019). Estimating the Probability Distribution of the Exchange Rate Between Ghana Cedi and American Dollar. Journal of King Saud University – Science, 31, 177-183.
Siegel, S., & Castellan, N. J. (1988). Nonparametric Statistics for the Behavioral Science (2nd ed.). New York: McGraw-Hill.
Stephens, M. A. (1974). EDF Statistics for Goodness of fit and Some Comparisons. Journal of the American Statistical Association, 69(347), 730-737.
