آرشیو

آرشیو شماره ها:
۴۸

چکیده

تأثیر نرخ های ارز خارجی بر متغیرهای اقتصادی در هر کشوری، ضرورت مدل سازی و پیش بینی آن را نشان می دهد. در این مقاله روش تحلیل مجموعه ی مقادیر تکین (SSA) که یک روش ناپارامتری برای تحلیل سری های زمانی است، برای مدل سازی و پیش بینی نرخ روزانه دلار به ریال در بازه زمانی تیرماه ۱۳۹۲ تا شهریور ۱۳۹۴ 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 می دهد که SSA می تواند به عنوان یک روش توانمند برای این منظور به کار گرفته شود.

Exchange RatePrediction Using Singular Spectrum Analysis

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.

تبلیغات