匯率預測模型之研究-ARIMA之應用

Exchange Rates Forecasting：An Application of ARIMA Models

管相柔(Xiang-Rou Kuan)

指導教授 ： 楊奕農

中原大學/商學院/國際貿易研究所/碩士(2007年)

https://doi.org/10.6840/cycu200700775

摘要

摘要
本文主要目的是採用不同的匯率頻率資料 (日資料及月資料)，以單變量Box-Jenkins 時間列序模型做為預測方法，選取標的物為美元兌新台幣、日圓、歐元的即期匯率，找出最適預測模型，並以誤差均方根（RMSE）、平均誤差絶對值（MAE）、平均絶對誤差百分比值（MAPE）做為衡量標準來評估模型樣本外的預測績效，並檢視高頻率資料預測能力是否較低頻率資料預測為佳。
實證分析得到之結果顯示，利用三種計算誤差值之統計量來做為衡量指標（RMSE、MAE、及MAPE），日資料之預測誤差值都比月資料來的小，反應出高頻率資料之預測能力確實較低頻率資料為佳。在不考慮資料取得成本時，對於公司決策者或一般投資大眾在做外匯市場實務操作時，建議可以高頻率資料來建立預測模型，就能有效掌握外匯市場的動向，減少決策錯誤的機率，可以達到投資、套利、避險及減少匯兌損失的目的。

關鍵字

平均?對值百分比誤差 ； 單根檢定 ； 平均?對誤差 ； 時間序列模型 ； 匯率預測 ； 平均平方根誤差

並列摘要

Abstract
The purpose of this paper to adopt different frequency data（daily and monthly data）. This paper use forecasting models, which is the univariate time series model of Box-Jenkins ARIMA models as a forecasting approach. Using the spot exchange rates between US Dollar against New Taiwan Dollar、Japanese Yen、Euro Dollar as our empirical data, and try to find a reasonable and efficient models for predicting the exchange rates of models. Finally, this paper will employ RMSE、MAE、MAPE as our standard evaluating principles, and to evaluate their forecasting performance in out-of-sample models. And inspected that high frequency whether to compare the low frequency best forecastability.
The result indicates that the three kind of measurement tools（RMSE, MAE, and MAPE）. Conclusion, We find that prediction errors of daily data are small relatively to the monthly data. Therefore, we compare in the high frequency data to the low frequency best forecastability. Exclude to obtain data cost, enterprise decision-making or individual investor practice operation in the foreign exchange market, may be to use high frequency data to build forecasting models. if we can effectively control the foreign exchange market of trend, and to reduces the decision-making wrong probability, and furthermore, to achieve the investment、arbitrage、hedge, and we can reduce the risks of the exchange rates.

並列關鍵字

MAE ； RMSE ； Unit-Root Test ； MAPE ； Exchange Rates Forecasting ； ARIMA Models

參考文獻

曾淑惠、王志成（2003），「時間數列ARIMA模式與多變量模糊時間數列模式在預測應用之比較—以總體經濟資料之預測為例」，《中國統計學報》，41，175-210。

鄭天德（2001），《ARIMA-TGARCH模型之建立》，交通大學經營管理研究所碩士論文。

胡愈寧、張宏淵、陳靜怡（2004），「整合時間序列資料與總體經濟變數於失業率預測之應用」，《育達學院學報》，142-147。

邱至中（2003）)，《長短期匯率預測模式績效之比較》，成功大學財務金融研究所碩士論文。

Akaike, H.（1973）,“Maximum Likelihood Identification of Gaussian Autoregressive Moving