مقایسهی پیشبینی نرخ ارز بر اساس مدلهای غیرخطی STAR و مدلهای رقیب
الموضوعات :
1 - استادیار اقتصاد دانشگاه ارومیه
2 - کارشناس ارشد اقتصاد
الکلمات المفتاحية: نرخ ارز, مدلهای غیرخطی, مدل خود رگرسیونی انتقال ملایم, تابع انتقال لجستیک, بهینهسازی الگوریتم ژنتیک,
ملخص المقالة :
این مقاله ضمن بررسی و انجام آزمون غیرخطی برای دادههای ماهیانهی نرخ ارز بازار رسمی ایران، به مدلسازی و پیشبینی روند سری زمانی نرخ ارز با استفاده از رگرسیون غیرخطی انتقال ملایم[1] میپردازد. همچنین به منظور مقایسه عملکرد پیشبینیهای خارج از نمونه، مدل رگرسیون غیرخطی انتقال ملایم بر اساس بهینهسازی الگوریتم ژنتیک و مدل ARIMA برآورد میگردد. ارزیابی نتایج این مطالعه تأییدکنندهی رفتار غیرخطی نرخ ارز در ایران و عملکرد بهتر مدلهای غیرخطی نسبت به مدل ARIMA در پیشبینی خارج از نمونه نرخ ارز برای افق 12 ماهه بر اساس معیارهایRMSE ، MAE و DAمیباشد. [1].Smooth Transition Regression
منابع
- درگاهی، حسن، انصاری، رضا (1386). بهبود مدلسازی شبکههای عصبی در پیشبینی نرخ ارز، با بهکارگیری شاخصهای تلاطم. مجله تحقیقات اقتصادی، 48(85): 117-143.
- عباسینژاد، حسین، محمدی، احمد (1386). پیشبینی نرخ ارز با استفاده از شبکههای عصبی و تبدیل موجک. فصلنامه نامه مفید، 13(60): 19-42.
- مهدوی، عبدالمحمد (1386). طراحی مدل ارزیابی کیفیت خدمات سیستمهای اطلاعاتی مبتنی بر الگوریتم ژنتیک. ویژه نامه مدیریت، 11(55): 235-263.
- مهر آرا، محسن، سرخوش، اکبر (1389). آثار غیرخطی متغیرهای کلان اقتصادی بر رشد اقتصادی با تأکید بر نرخ ارز (مورد ایران). مجله تحقیقات اقتصادی، 45(93): 201-228.