Comparing the Exchange Rates Predicted by STAR Non-linear Models and Alternative Models
Subject Areas : Labor and Demographic EconomicsHasan Khodavaisi 1 , Ali Vafamand 2
1 - استادیار اقتصاد دانشگاه ارومیه
2 - کارشناس ارشد اقتصاد
Keywords: Exchange Rate Prediction, Smooth Transition Autoregressive, Genetic Algorithm Method,
Abstract :
Exchange rate known as a strategic variable plays an important role in the economy, because of affecting on different sectors in economy all over the world. So, exchange-rate predictions have always been an important subject for the researchers in Economics. This paper tries to study the attributes of exchange rate developed by monthly official data of Iran Stock Exchange based on Smooth Transition Autoregressive (STAR) models. The result of simulation based on STAR models and estimated by Genetic Algorithm method, outperforms linear time series models, such as ARIMA out of sample predictions based on RMSE, MAE and DA criteria.
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.