پیش‌بینی نرخ رسمی ارز در ایران با استفاده از مدل خودرگرسیونی ARIMA هم‌راه با عامل‌های مداخله‌ای و مقایسۀ آن با مدل گام تصادفی

نوع مقاله : علمی- پژوهشی

نویسندگان

1 استادیار گروه اقتصاد بازرگانی، دانشگاه علامه طباطبایی

2 کارشناس ارشد آمار ریاضی، دانشگاه علامه طباطبایی

چکیده

باتوجه‌به تغییرات فراوان نرخ ارز در ایران طی 35 ‌سال گذشته و علاوه‌برآن، وابستگی درآمدهای ارزی کشور به صادرات نفت خام و وابستگی بودجه‌های سنواتی به نرخ ارز تعیین نرخ ارز و پیش‌بینی نوسانات آن ضمن کاهش ریسک نوسانات نرخ ارز به برنامه‌ریزی بهتر در بودجه‌های سنواتی، واردات مواد اولیۀ موردنیاز کشور، و نیز صادرات غیرنفتی منجر می‌شود. بر این اساس، در مقالۀ حاضر به مدل‌سازی و پیش‌بینی نرخ رسمی ارز در ایران با استفاده از مدل خودرگرسیونی ARIMA هم‌راه با عامل‌های مداخله‌ای می‌پردازیم و این الگو را با مدل گام‌برداری تصادفی مقایسه می‌کنیم. ابتدا، با استفاده از نرم‌افزار R و به‌کارگیری داده‌های نرخ رسمی ارز از سال 1357 تا 1394 دو مدل یادشده برازش می‌شوند و مقایسه می‌گردند و در مرحلۀ بعد با مدل مناسب نرخ رسمی ارز برای سال‌های 1395 تا 1404 پیش‌بینی می‌شود. نتایج حاکی از آن است که مدل ARIMA هم‌راه با عامل‌های مداخله‌ای عملکرد بهتری در مقایسه با مدل گام تصادفی دارد.

کلیدواژه‌ها


عنوان مقاله [English]

Forecasting of Iran’s Official Exchange Rate Using the Autoregressive ARIMA Intervention Model

نویسندگان [English]

  • Somayeh Shahhosseini 1
  • Ali Rezaei 2
1 Assistant Professor, Faculty of Economic, Allameh Tabataba’i University
2 Master of Mathematical Statistics, Allameh Tabataba’i University
چکیده [English]

The exchange rate is one of the most important economics’ variables which could impact the foreign trade and balance of payments and other macroeconomic variables such as GDP, inflation, and employment. Given the dependency of Iranian economy on foreign exchange and its high volatility  over the past thirty-five years, forecasting the exchange rates and their volatility help reduce the risk in business and government plans.  In this paper, we model the Iran’s official exchange rate using the autoregressive ARIMA intervention approach and compare its results with the random walk model. We use the official exchange rates data from 1357 to 1394 to estimate the models and forecast for the period 1395 to 1404 using R. The results show that the ARIMA model with intervention performs better than the random walk model.

کلیدواژه‌ها [English]

  • Official Exchange Rate
  • Exchange Rate Forecasting
  • Random Walk Model
  • Auto-Regressive ARIMA Model
  • Intervention Operating JEL Classification: F31
  • F37
  • C14
  • C15
  • C53
ابونوری، عباس‌علی، فرداد فرخی، و سیده‌فاطمه شجاعیان (1393)، «مقایسۀ عمل‌کرد شبکه‌های مصنوعی (ANN) و مدل میانگین متحرک انباشتۀ اتورگرسیو (ARIMA) در مدل‌سازی و پیش‌بینی کوتاه‌مدت روند نرخ ارز در ایران»، فصل‌نامۀ علمی ــ پژوهشی دانش سرمایه‌گذاری، س 3، ش 10.
احسانی‌فر، محمد و رضا احتشام راثی (1394)، «پیش‌بینی نرخ ارز در بازار سرمایه با استفاده از مدل‌های میانگین متحرک خودرگرسیون انباشته و شبکۀ عصبی (مطالعۀ موردی: دلار استرالیا، دلار کانادا، ین ژاپن، و پوند انگلستان)»، فصل‌نامۀ دانش مالی تحلیل اوراق بهادار، س 8، ش 27.
بافنده ایمان‌دوست، صادق، سیدمحمد فهیمی‌فرد، و سمیه شیرزادی (۱۳۸۸)، «پیش‌بینی نرخ ارز با مدل‌های عصبی ــ فازی ANFIS، شبکۀ عصبی ــ خودرگرسیونی NNARX، و خودرگرسیونی ARIMA در اقتصاد ایران (۱۳۸۱- 13۸۷)»، مجلۀ دانش و توسعه، س 16، ش ۲۸.
بهرام‌پور، پیمان و نیک‌بخش جوادیان (1393)، «پیش‌بینی روزانۀ نرخ جفت ارز پوند/ دلار در بازار فارکس با استفاده از شبکۀ عصبی»، نشریۀ مهندسی صنایع و مدیریت تولید، ش 4.
تقوی، مهدی و محمود خدام (1390)، «بررسی تطبیقی کارآمدی نظریه‌های ارزی در پیش‌بینی تغییرات نرخ ارز در بازار تبادلات بین‌المللی ارز»، مجلۀ دانش مالی تحلیل اوراق بهادار، ش 9.
خاشعی، مهدی و مهدی بیجاری (۱۳۸۶)، «به‌کارگیری مدل میانگین متحرک خودرگرسیون انباشتۀ فازی به‌منظور پیش‌بینی نرخ ارز»، مجلۀ استقلال، س 26، ش ۲.
خاشعی، مهدی، فریماه مخاطب رفیعی، و مهدی بیجاری (1391)، «به‌کارگیری مدل‌های ترکیبی میانگین متحرک خودرگرسیون انباشتۀ فازی احتمالی به‌منظور پیش‌بینی نرخ ارز»، فصل‌نامۀ روش‌های عددی در مهندسی، س 31، ش 1.
خاشعی، مهدی، مهدی بیجاری، و فریماه مخاطب رفیعی (1392)، «پیش‌بینی نرخ ارز با به‌کارگیری مدل‌های ترکیبی پرسپترون‌های چندلایه (MLPs) و طبقه‌بندی‌کننده‌های عصبی احتمالی (PNNs)»، فصل‌نامۀ روش‌های عددی در مهندسی، س 32، ش 1.
خداویسی، حسن و احمد ملابهرامی (1391)، «مدل‌سازی و پیش‌بینی نرخ ارز براساس معادلات دیفرانسیل تصادفی»، مجلۀ تحقیقات اقتصادی، ش 3.
خزائی، مجتبی (1387)، آشنایی با تحلیل‌ سری‌های زمانی به‌کمک نرم‌افزار S-PLUS، تهران: پژوهشکدۀ آمار.
درگاهی، حسن و رضا انصاری (1387)، «بهبود مدل‌سازی شبکه‌های عصبی در پیش‌بینی نرخ ارز با به‌کارگیری شاخص‌های تلاطم»، مجلۀ تحقیقات اقتصادی، ش 4.
زرانژاد، منصور، علی فقه مجیدی، و روح‌الله رضایی (1387)، «پیش‌بینی نرخ ارز با استفاده از شبکه‌های عصبی مصنوعی و مدل ARIMA»، فصل‌نامۀ اقتصاد مقداری، ش 4.
شیرازی، همایون و خدیجه نصرالهی (1392)، «مدل‌های پولی و پیش‌بینی نرخ ارز در ایران: از تئوری تا شواهد تجربی»، فصل‌نامۀ سیاست‌های مالی و اقتصادی، س 1، ش 4.
عباسی‌نژاد، حسین و احمد محمدی (1386)، «پیش‌بینی نرخ ارز با استفاده از شبکه‌های عصبی و تبدیل موجک»، نامۀ مفید، ش 60.
فتاحی، شهرام، آرش احمدی، و علی‌اکرم میرزایی (1392)، «مقایسۀ دقت روش الگوریتم ژنتیک با روش‌های دیگر پیش‌بینی‌های نرخ ارز»، سیاست‌های اقتصادی، ش 1.
مرزبان، حسین، رضا اکبریان، و بهنام جواهری (1384)، «یک مقایسه بین مدل‌های اقتصادسنجی ساختاری، سری زمانی و شبکۀ عصبی برای پیش‌بینی نرخ ارز»، مجلۀ تحقیقات اقتصادی، ش 69.
مطهری، محب‌اله، محمدرضا لطف‌علی‌پور، و محمدطاهر احمدی شادمهری (1394)، «ارائۀ یک الگوی هشدار پیش از وقوع نوسانات ارزی در بازار ارز ایران: روش مارکوف سوئیچینگ گارچ»، فصل‌نامۀ نظریه‌های کاربردی اقتصادی، س 2، ش 4.
مهرآرا، محسن و اکبر سرخوش (۱۳۸۹)، «آثار غیرخطی متغیرهای کلان اقتصادی بر رشد اقتصادی با تأکید بر نرخ ارز (مورد ایران)»، مجلۀ تحقیقات اقتصادی، ش 93.
وی، ویلیام (1391)، تحلیل سری‌های زمانی، روش‌های یک‌متغیری و چندمتغیری، ترجمۀ حسین‌علی نیرومند، مشهد: دانشگاه فردوسی مشهد.
یارمحمدی، مسعود و رحیم محمودوند (1395)، «پیش‌بینی نرخ ارز با استفاده از روش تحلیل مجموعۀ مقادیر تکین»، فصل‌نامۀ مطالعات اقتصادی کاربردی ایران، س 5، ش 18.
Abbate, Angela and Massimiliano Marcellino (2016), “Point, Interval and Density Forecasts of Exchange Rates with Time-Varying Parameter Models”, Discussion Papers, vol. 19, Deutsche Bundesbank, Research Centre.
Bacchetta, Philippe and Eric Van Wincoop (2013), “On the Unstable Relationship between Exchange Rates and Macroeconomic Fundamentals”, Journal of International Economics, Elsevier, vol. 91, no. 1.
Bilson, John F. O. (1978), “Rational Expectations and the Exchange Rate”, in: The Economics of Exchange Rates, J. Frenkel and H. Johnson (eds.), Addison Wesley Press, Reading.
Box, George E. P. and George C. Tiao (1979), “Intervention Analysis with Applications to Environmental and Economic Problems”, Journal of the American Statistical Association, vol. 70.
Ca' Zorzi, Michele, Jakub Muck, and Michal Rubaszek (2013), “Real Exchange Rate Forecasting; A Calibrated Half-Life PPP Model Can Beat the Random Walk”, European Central Bank, Working Paper Series, no. 1576.
Ca' Zorzi, Michele, Marcin Kolasa, and Michal Rubaszek (2016), “Exchange Rate Forecasting with DSGE Models”, European Central Bank, Working Paper Series, no. 1905.
Cai, Charlie X. and Qi Zhang (2016), “High‐Frequency Exchange Rate Forecasting”, European Financial Management, vol. 22, no. 1.
Chang, Ih, George C. Tiao, and Chung Chen (1988), “Estimation of Time Series Parameters in the Presence of Outliers”, Technometrics, vol. 30.
Chang, Ih and George C. Tiao (1983), “Estimation of Time Series Parameters in the Presence of Outliers”, Technical Report 8, University of Chicago, Statistical Research Center.
Chinn, M. D. and A. R. Meese (1995), “Banking on Currency Forecasts: Is Change in Money Predictable”, Journal of International Economics, vol. 38.
Chinn, M. D. and A. R. Meese (1995), “Banking on Currency Forecasts: How Predictable Is Change in Money?”, Journal of International Economics, vol. 38, no. 1-2.
Cuaresma, C. J., F. Ines, and H. Jaroslava (2005), “Evaluating Euro Exchange Rate Predictions from a Battery of Multivariate”, Macroeconomic Models and Forecasts for Austria, Vienna.
Engel, Charles, Nelson C. Mark, and Kenneth D. West (2012), “Factor Model Forecasts of Exchange Rates”, Econometric Reviews, Taylor & Francis Journals, vol. 34.
Fox, A. J. (1972), “Outliers in Time Series”, Journal of the Royal Statistical Society, vol. 34.
Goodman, Stephen H. (1978), “Foreign Exchange Rate Forecasting Techniques: Implication for Business and Policy”, Journal of Finance, vol. 34, no. 2.
Hauner, David, Jaewoo Lee, and Hajime Takizawa (2011), “In Which Exchange Rate Models Do Forecasters Trust”, IMF Working Paper, vol. 11.
Hsieh, W. J. (2009), “Study of the Behavior of the Indonesian Rupiah/ US Dollar Exchange Rate and Policy Implications”, International Journal of Applied Economics, vol. 6, no. 2.
Li, Jiahan, Ilias Tsiakas, and Wang Wei (2015), “Predicting Exchange Rates Out of Sample: Can Economic Fundamentals Beat the Random Walk”, Journal of Financial Econometrics, vol. 13, no. 2.
Macerinskiene, Irena and Andrius Balciunas (2013), “Fundamental Exchange Rate Forecasting Models: Advantages and Drawbacks”, KSI Transactions on Knowledge Society, vol. 6, no. 3.
Mac Donald, Ronald and Mark P. Taylor (1993), “The Monetary Approach to the Exchange Rate: Rational Expectations, Long-Run Equilibrium, and Forecasting”, IMF Staff Papers, vol. 40, no. 1.
Mark, Nelson (1995), “Exchange Rates and Fundamentals: Evidence on Long-Horizon Predictability”, American Economic Review, vol. 85, no. 1.
Meese, Richard A. and Kenneth Rogoff (1983), “Empirical Exchange Rate Models of the Seventies; Do They Fit out of Sample?”, Journal of International Economics, vol. 14.
Moosa, Imad and Kelly Burns (2013), “The Monetary Model of Exchange Rates is Better than the Random Walk in Out-of-Sample Forecasting”, Applied Economics Letters, vol. 20, no. 14.
Moosa, Imad and Kelly Burns (2014), “Error Correction Modeling and Dynamic Specifications as a Conduit to Outperforming the Random Walk in Exchange Rate Forecasting”, Applied Economics, vol. 46, no. 25.
Moosa, Imad and Razzaque Bhatti (2010), The Theory and Empirics of Exchange Rates, Singapore: World Scientific.
Rossi, Barbara (2013), “Exchange Rate Predictability”, Journal of Economic Literature, vol. 51, no. 4.
Rogoff, Kenneth (2009), “Exchange Rates in the Modern Floating Era: What Do We Really Know?”, Review of World Economics, vol. 145, no. 1.
Sichei, Moses, Tewodros Gebreselasie, and Olusegun Ayodele Akanbi (2005 a), “Econometric Model Support Vector Machines Model in Stock Price Forecasting”, The Journal of Omega, vol. 33.
Sichei, Moses, Tewodros Gebreselasie, and Olusegun Ayodele Akanbi (2005 b), Econometric Model of the Rand-US Dollar Nominal Exchange Rate, University of Pretoria, Department of Economics, Working Papers, no. 200514.
Tanaka, H. and H. Ishibuchi (1992), “Possibilistic Regression Analysis Based on Linear Programming”, in: Fuzzy Regression Analysis, J. Kacpryzk and M. Fedrizzi (eds.), Omintech Press, Warsaw and Physica-Verlag, Heidelberg.
Tsay, Ruey S. and George C. Tiao (1984), “Consistent Estimates of Autoregressive Parameters and Extended Sample Autocorrelation Function for Stationary and Nonstationary ARMA Models”, Journal of the American Statistical Association, vol. 79.
West, Kenneth and Charles Engel (2005), “Exchange Rates and Fundamentals”, Journal of Political Economy