چکیده:
تاثیر نرخ های ارز خارجی بر متغیرهای اقتصادی در هر کشوری، ضرورت مدل سازی و پیش بینی آن را نشان میدهد. در این مقاله روش تحلیل مجموعه ی مقادیر تکین (SSA) که یک روش ناپارامتری برای تحلیل سریهای زمانی است ، برای مدل سازی و پیش بینی نرخ روزانه دلار به ریال در بازه زمانی تیرماه ١٣٩٢ تا شهریور ١٣٩٤ مورد استفاده قرار گرفته است . برای ارزیابی کیفیت مدل ارائه شده از مدل ARIMA به عنوان یک مدل رقیب استفاده شده است . برای یافتن بهترین مدل ARIMA از بسته نرم افزاری auto.arima در نرم افزار R استفاده شده است . همچنین برای مقایسه دو مدل ، خطای برازش (درون نمونه ای) و خطای پیش بینی (خطای برون نمونه ای) برای گام های پیش بینی کوتاه ، متوسط و بلند مقایسه شده است . نتایج نشان میدهد که SSA میتواند به عنوان یک روش توانمند برای این منظور به کار گرفته شود.
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
خلاصه ماشینی:
در این مقاله روش تحلیل مجموعه ی مقادیر تکین (SSA) که یک روش ناپارامتری برای تحلیل سریهای زمانی است ، برای مدل سازی و پیش بینی نرخ روزانه دلار به ریال در بازه زمانی تیرماه ١٣٩٢ تا شهریور ١٣٩٤ مورد استفاده قرار گرفته است .
ساختار این مقاله در ادامه به صورت زیر تهیه شده است : در بخش ٢ یک دسته بندی کلی از مهم ترین روش های پیش بینی نرخ ارز ارائه میکنیم و در ادامه به ذکر دلایل انتخاب روش SSA میپردازیم .
مدل های ARIMA و ویرایش های غیرخطی مانند ARCH و GARCH از جمله مهم ترین مدل های پارامتری هستند که برای پیش بینی نرخ ارز قابل استفاده بوده و تاکنون بارها به کار گرفته شده اند.
مطابق با پژوهش هایی کاربردی صورت گرفته تا این تاریخ ، روش SSA در پیشبرد اهداف زیر موفق عمل کرده است : هموارسازی داده های طولی و سریهای زمانی (حسنی و همکاران ، ٢٠١٠)؛ استخراج روند تغییرات سریهای زمانی (الکساندروف ، ٢٠٠٩)؛ پیش بینی سری های زمانی (محمودوند و همکاران ، ٢٠١٥)؛ برآورد داده های گمشده (رودریگوئز و دیکاروالهو (٢٠١٣) و محمودوند و رودریگوئز، ٢٠١٦)؛ تشخیص نقطه تغییر در سری زمانی (محمد و نیشیدا، ٢٠١١).
با توجه به نتایج عددی به دست آمده از این مدل ها و بر اســاس معیار MSE روش SSA نشــان داده که میتواند به عنوان یک مدل رقیب برای پیش بینی نرخ ارز مورد استفاده قرار بگیرد.
قابل ذکر است که امکان استفاده از این روش برای پیش بینی و مدل سازی سایر متغیرهای اقتصادی نیز میتواند در پژوهش های بعدی مورد مطالعه قرار بگیرد.