پیش‌بینی نرخ ارز با استفاده از روش تحلیل مجموعه‌ی مقادیر تکین

نوع مقاله: علمی - پژوهشی

نویسندگان

1 دانشیار گروه آمار دانشگاه پیام نور تهران

2 استادیار گروه آمار دانشگاه بوعلی سینا

چکیده

تأثیر نرخ‌های ارز خارجی بر متغیرهای اقتصادی در هر کشوری، ضرورت مدل‌سازی و پیش‌بینی آن را نشان می‌دهد. در این مقاله روش تحلیل مجموعه‌ی مقادیر تکین (SSA) که یک روش ناپارامتری برای تحلیل سری‌های زمانی است، برای مدل‌سازی و پیش‌بینی نرخ روزانه دلار به ریال در بازه زمانی تیرماه ۱۳۹۲ تا شهریور ۱۳۹۴ مورد استفاده قرار گرفته است. برای ارزیابی کیفیت مدل ارائه‌شده از مدل ARIMA به‌عنوان یک مدل رقیب استفاده شده است. برای یافتن بهترین مدل ARIMA از بسته نرم‌افزاری auto.arima در نرم‌افزار R استفاده شده است. همچنین برای مقایسه دو مدل، خطای برازش (درون نمونه‌ای) و خطای پیش‌بینی (خطای برون نمونه‌ای) برای گام‌های پیش‌بینی کوتاه، متوسط و بلند مقایسه شده است. نتایج نشان می‌دهد که SSA می‌تواند به‌عنوان یک روش توانمند برای این منظور به‌کار گرفته شود.

کلیدواژه‌ها


عنوان مقاله [English]

Exchange RatePrediction Using Singular Spectrum Analysis

نویسندگان [English]

  • Masoud Yarmohammadi 1
  • rahim mahmoudvand 2
چکیده [English]

The effects of foreign exchange rates on economic variables in every countries show the importance of modeling and prediction of exchange rates.In this paper, singular spectrum analysis (SSA), which is a non-parametric technique for time series analysis, are used for modeling and predicting daily exchange rate US dollar when compares with Iranian Rials (USD/IRR) during June 2013 to Sep. 2015. ARIMA model is used as a benchmark to assess the performance of SSA. In order to find the best ARIMA model, R package auto.arima is used. In addition, errors in sample and out of samples for short, medium and long term forecasts are considered to compare the capabilities of models with together. Results indicate that SSA is able to be used for modeling exchange rate data.

کلیدواژه‌ها [English]

  • Time series
  • Singular Spectrum Analysis
  • Exchange rates
  • ARIMA model

پیرایی، خسرو و کوروش پسندیده، حسین (۱۳۸۱)؛ مطالعه تجربی رابطه بین نرخ ارز و تورم در ایران، پژوهشنامه علوم انسانی و اجتماعی، شماره ۴، ۶۱-۸۱.

توکلی، اکبر و سیاح، محسن (۱۳۸۹)؛ تأثیر نوسانات نرخ ارز بر فعالیت‌های اقتصادی کشور، فصلنامه پول و اقتصاد، شماره ۴، ۵۹-۷۷.

جعفری‌صمیمی، احمد و بالونژادنوری، روزبه (۱۳۹۴)؛ آزمون وجود حباب عقلایی قیمت در بازار ارز ایران: کاربردی از آزمون‌های ریشه واحد زنجیره‌ای؛ فصلنامه علمی- پژوهشی مطالعات اقتصادی کاربردی ایران، شماره ۱۵، ۱-۲۰.

جلایی­اسفندآبادی، سیدعبدالمجید؛ حسینی، سیدجعفر و نظام‌آبادی­پور، حسین (۱۳۹۱)؛ بررسی جهش پولی نرخ ارز و پیش‌بینی آن با شبکه‌های عصبی مصنوعی در ایران، پژوهشنامه اقتصاد کلان، شماره ۱۴، ۳۵-۶۰.

خداویسی، حسن و وفامند، علی (۱۳۹۲)؛ مقایسه پیش‌بینی نرخ ارز بر اساس مدل‌های غیرخطیSTAR و مدل‌های رقیب، فصلنامه مدلسازی اقتصادی، شماره ۲۳، ۸۵-۱۰۳.

زمان­زاده، حمید (۱۳۸۹)؛ مدیریت نرخ ارز در اقتصاد ایران؛ تازه‌های اقتصاد، شماره ۱۳۰، ۴۱-۴۸.

غفاری، هادی؛ چنگی‌آشتیانی، علی و جلولی، مهدی (۱۳۹۲)؛ بررسی اثر افزایش نرخ ارز بر متغیرهای عمده اقتصاد کلان ایران در چهارچوب یک الگوی اقتصاد سنجی کلان ساختاری، فصلنامه علمی-پژوهشی مطالعات اقتصادی کاربردی ایران، شماره ۸، ۹۱-۱۱۳.

شیرازی، همایون و نصراللهی، خدیجه (۱۳۹۲)؛ مدل‌های پولی و پیش‌بینی نرخ ارز در ایران: از تئوری تا شواهد تجربی؛ فصلنامه سیاست‌های مالی و اقتصادی، شماره ۴، ۵-۲۴.

طاهری، حامد و صارم صفاری، میلاد (۱۳۹۰)؛ بررسی رابطه بین نرخ ارز و شاخص قیمت بورس اوراق بهادار تهران: با استفاده از رویکرد ARDL؛ فصلنامه روند پژوهش‌های اقتصادی، شماره ۶۰، ۶۳-۸۰.

محمودوند، رحیم (۱۳۹۱)؛ گسترش‌ برخی از مبانی نظری روش تحلیل مجموعه‌ی مقادیر تکین؛ رساله دکتری آمار، دانشکده علوم ریاضی، دانشگاه شهید بهشتی.

نجاری، نادر (۱۳۹۰)؛ مقدمه‌ای بر تحلیل تکینی طیفی و کاربردهای آن (۱۳۹۰)؛ پایان‌نامه کارشناسی ارشد آمار، دانشکده علوم ریاضی، دانشگاه شهید بهشتی.

ورتابیان کاشانی، هادی (۱۳۹۲)؛ تحلیل منشأ نوسانات نرخ ارز طی سال‌های ۱۳۸۹-۱۳۹۱، فصلنامه سیاست‌های مالی و اقتصادی، شماره ۴، ۱۳۱-۱۵۴.

یزدانی، مهدی و قشلاقی زارع، سمیه (۱۳۹۵)؛ ارزیابی اثر تکانه های نرخ ارز بر تورم در اقتصاد ایران طی دوره فصلی ۱۳۷۹-۱۳۹۱، فصلنامه علمی-پژوهشی مطالعات اقتصادی کاربردی ایران، شماره ۱۷، ۱۷۱-۱۹۱.

Alexandrov, T. (2009); A Method of Trend Extraction Using Singular Spectrum Analysis; Statistical Journal, Vol. 7, No. 1, 1-22.

Beneki, C. and Yarmohammadi, M. (2014); Forecasting exchange rates: An optimal approach; Journal of Systems Science and Complexity, Vol. 27, No. 1, 21-28.

Box, G.E.P. and Draper, N.P. (1987); Empirical Model-Building and Response Surfaces; John Wiley & Sons, New York.

Della Corte, P.; Sarno, L. and Tsiakas, L. (2011); Spot and forward volatility in foreign exchange; Journal of Financial Economics, Vol. 100, 496-513.

Ghodsi, M. and Yarmohammadi, M. (2014); Exchange rate forecasting with optimum singular spectrum analysis; Journal of Systems Science and Complexity, Vol. 27, No. 1, 47-55.

Golyandina, N.; Nekrutkin, V. and Zhigljavsky, A. (2001); Analysis of Time Series Structure: SSA and related technique; Chapman and Hall/CRC, New York - London.

Hassani, H.; Soofi, A. and Zhigljavsky, A. (2009); Predicting Daily Exchange Rate with Singular Spectrum Analysis; Nonlinear Analysis: Real World Applications , Vol. 11, 2023-2034.

Hassani, H.; Mahmoudvand, R. and Yarmohammadi, M. (2010); “Filtering and Denosing in Linear Regression Analysis”; Fluctuation and Noise Letters, Vol. 9, No. 4, 343-353.

Janetzko, D. (2014); Using Twitter to Model the ERO/USD Exchange rate; arXiv preprint arXiv:1402-1624.

Mahmoudvand, R.; Alhosseini, F. and Rodrigues, P.C. (2015); Forecasting Mortality Rate by Singular Spectrum Analysis; RevStat-Statistical Journal, Vol. 13, No. 3, 193-206.

Mahmoudvand, R.; Najari, N. and Zokaei, M. (2013); On the Parameters for Reconstruction and Forecasting in the Singular Spectrum Analysis; Communication in Statistics: Simulations and Computations, Vol. 42, 860-870.

Mahmoudvand, R. and Rodrigues, P.C. (2016); Missing value imputation in time series using Singular Spectrum Analysis; International Journal of Energy and Statistics, Accepted.

Mohammad, Y. and Nishida, T. (2011); On comparing SSA-based change point discovery algorithms. IEEE SII, 938-945.

Plakanadaras, V. (2015); Forecasting Financial Time Series with Machin Learning Techniques; Ph.D. Thesis, Department of Economics, Democritus University of Thrace, Greece.

Rodrigues, P.C. and De Carvalho, M. (2013); Spectral modeling of time series with missing data; Applied Mathematical Modeling, 37, 4676-4684.