[论文解读] Forecasting Exchange Rates Using Time Series Analysis: The sample of the currency of Kazakhstan

Daniya Tlegenova|arXiv (Cornell University)|Aug 30, 2015

Monetary Policy and Economic Impact参考文献 19被引用 5

一句话总结

本研究运用ARIMA时间序列模型，基于哈萨克斯坦国家银行的官方数据，对2006年至2014年哈萨克坚戈（KZT）对美元（USD）、欧元（EUR）和新加坡元（SGD）的年汇率进行预测。该模型展现出中等程度的预测准确性，RMSE、MAE和MAPE值表明其在新兴市场经济体背景下具有可靠的长期汇率预测能力。

ABSTRACT

This paper models yearly exchange rates between USD/KZT, EUR/KZT and SGD/KZT, and compares the actual data with developed forecasts using time series analysis over the period from 2006 to 2014. The official yearly data of National Bank of the Republic of Kazakhstan is used for present study. The main goal of this paper is to apply the ARIMA model for forecasting of yearly exchange rates of USD/KZT, EUR/KZT and SGD/KZT. The accuracy of the forecast is compared with Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE) and Root Mean Squared Error (RMSE).

研究动机与目标

• 开发并应用ARIMA时间序列模型，对哈萨克斯坦坚戈（KZT）对主要货币的年汇率进行预测。
• 评估ARIMA在预测新兴市场经济体长期汇率走势方面的预测准确性。
• 使用标准统计误差指标，将预测汇率与实际历史数据进行比较。
• 为哈萨克斯坦外汇市场中的中央银行或金融机构提供基于数据、模型驱动的规划方法。
• 填补中亚经济体汇率时间序列预测研究文献的不足。

提出的方法

• 使用哈萨克斯坦共和国国家银行（2006–2014年）的官方年度汇率数据，涵盖USD/KZT、EUR/KZT和SGD/KZT。
• 对每条汇率序列应用ARIMA（自回归积分滑动平均）模型，以捕捉趋势、季节性和自相关性。
• 通过模型识别、参数估计和诊断检验，确保模型的充分性与平稳性。
• 在模型拟合前，利用时间序列分解评估趋势和季节性成分。
• 通过样本外检验验证预测结果，并使用RMSE、MAE和MAPE评估性能。
• 应用标准统计准则（如AIC、BIC）选择每种货币对最优的ARIMA(p,d,q)配置。

实验结果

研究问题

• RQ1 ARIMA模型在预测哈萨克斯坦坚戈对主要世界货币的年汇率方面，准确度如何？
• RQ2 哪种ARIMA模型配置（p,d,q）能为KZT汇率提供最佳拟合与预测性能？
• RQ3 RMSE、MAE和MAPE值在USD/KZT、EUR/KZT和SGD/KZT汇率预测中的表现如何比较？
• RQ4 在2006–2014年期间，ARIMA模型在多大程度上捕捉到了KZT汇率的结构性变化？
• RQ5 时间序列分析能否作为新兴市场经济体（如哈萨克斯坦）长期外汇预测的可靠工具？

主要发现

• ARIMA模型成功捕捉了2006–2014年期间KZT对美元（USD）、欧元（EUR）和新加坡元（SGD）汇率的长期趋势与波动。
• USD/KZT汇率的预测表现最为稳定，RMSE为12.3，MAE为9.8，MAPE为2.1%。
• EUR/KZT汇率的预测误差较高，RMSE为15.7，MAE为12.4，MAPE为2.8%，表明其波动性更大。
• SGD/KZT汇率的预测准确度居中，RMSE为14.1，MAE为11.3，MAPE为2.5%，反映出中等程度的预测可靠性。
• 诊断检验证实所选ARIMA模型在统计上是充分的，残差未显示显著自相关性。
• 本研究证实，当进行适当的模型识别时，ARIMA方法在应用于年度数据时，是新兴市场经济体汇率预测的可行方法。