چکیده:
این مقاله ضمن بررسی و انجام آزمون غیرخطی برای داده های ماهیانه ی نرخ ارز بازار رسمی ایران، به مدل سازی و پیش بینی روند سری زمانی نرخ ارز با استفاده از رگرسیون غیرخطی انتقال ملایم می پردازد. هم چنین به منظور مقایسه عملکرد پیش بینی های خارج از نمونه، مدل رگرسیون غیرخطی انتقال ملایم بر اساس بهینه سازی الگوریتم ژنتیک و مدل ARIMA برآورد می گردد. ارزیابی نتایج این مطالعه تاییدکننده ی رفتار غیرخطی نرخ ارز در ایران و عملکرد بهتر مدل های غیرخطی نسبت به مدل ARIMA در پیش بینی خارج از نمونه نرخ ارز برای افق 12 ماهه بر اساس معیارهایRMSE ، MAE و DAمی باشد.
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.
خلاصه ماشینی:
ارز بر اساس مدلهاي غيرخطي STAR و مدلهاي رقيب حسن خداويسي ∗ علي وفامند ∗∗ تاريخ دريافت : ٩١/٠٨/١٦ تاريخ پذيرش: ٩٢/٠٧/٠٦ چکيده اين مقاله ضمن بررسي و انجام آزمون غيرخطي براي دادههاي ماهيانه ي نرخ ارز بازار رسمي ايـران، بـه مدلسازي و پيش بيني روند سري زمـاني نـرخ ارز بـا اسـتفاده از رگرسـيون غيرخطـي انتقـال ملايـم ١ مي پردازد.
هم چنين به منظور مقايسه عملکرد پيش بيني هاي خارج از نمونه ، مـدل رگرسـيون غيرخطـي انتقال ملايم بر اساس بهينه سازي الگوريتم ژنتيک و مدل ARIMA برآورد مي گردد.
ارزيابي نتايج ايـن مطالعه تأييدکنندهي رفتار غيرخطي نرخ ارز در ايران و عملکرد بهتر مدلهاي غيرخطي نسبت بـه مـدل ARIMA در پيش بيني خارج از نمونه نرخ ارز براي افق ١٢ ماهه بر اساس معيارهاي MAE،RMSE و DA مي باشد.
لين ، ليانگ و يه ٢(٢٠١٠) با مطالعه رفتار انحرافي نرخ ارز بر اساس نظريه برابـري نـرخ ارز (ERP٣) در کشورهاي ژاپن ، کره جنوبي ، تايوان و سـنگاپور بـا اسـتفاده از مـدلهـاي STAR، نشان دادند که رفتار نرخ ارز در هر چهار کشور فوق غيرخطي بوده و مـدل خـود رگرسـيوني انتقال ملايم عملکرد بهتري در پيش بيني خارج از نمونه نسبت به مدل خطي دارا مي باشد.
تابع گذار LSTR١ (یه تصویر صفحه رجوع شود) ٢٠٠ پس از تخمين مدل، آزمون هاي تشخيصي براي بررسي پارامترهاي مدل تحقيق و پسماند سري زماني نرخ ارز انجام مي گيرد.
Testing No Additive Nonlinearity 0٩٩ منبع : يافته هاي تحقيق پس از تخمين پارامترهاي مدلهاي ARIMA و STR به برآورد مدل STR بر اساس بهينه سازي الگوي الگوريتم ژنتيک پرداخته مي شود.