پيش بيني نرخ ارز با استفاده از نقشه هاي خودسازمان ده بازگشتي

Exchange Rate Forecasting using Recurrent Self-Organizing Maps

تغييرات نرخ ارز در كشورهاي در حال‌ توسعه، كه اغلب صادركنندۀ مواد خام‌اند، بيش‌تر از ديگر كشورها اهميت دارد. ايران نيز نه‌ تنها به‌علت وابستگي شديد به درآمدهاي ارزي حاصل از صادرات نفت از اين امر مستثني نيست، بلكه به‌علت اعمال جدي‌تر تحريم‌هاي اقتصادي در سال‌هاي اخير و تأثيرپذيري شديد نرخ ارز از اين امر اين اهميت دوچندان شده است. بنابراين، در اين مقاله سعي شده است با در نظرگرفتن عوامل مؤثر در نرخ ارز و هم‌چنين، درنظرگرفتن اثرات تحريم با استفاده از نقشه‌هاي خود سازمان‌ده بازگشتي مدلي براي پيش‌بيني نرخ ارز ارائه شود. براي اين كار علاوه‌بر عوامل مؤثر در آن به‌طور هم‌زمان از سري زماني مربوط به نرخ ارز نيز براي پيش‌بيني مدل استفاده شده است و درمجموع، دوازده متغير انتخابي از متغيرهاي مؤثر كلان در نرخ ارز، و اثر تحريم و شاخص قيمت بازارهاي رقيب، يعني طلا، بورس، و مسكن در مدل‌ وارد شدند. نتايج تحقيق نشان داد كه اين مدل ابزار مناسبي براي پيش‌بيني نرخ ارز است.

Exchange rate is one of the most important variables in economics, which impacts many other macroeconomic variables in an economy. Such changes are more important in developing countries, which are often exporters of raw materials. Exchange rate fluctuations in Iran is also critical since the country is highly dependent on foreign exchange earnings from oil exports and also subject to the severs sanctions imposed by the US in recent years. In this paper, we propose a forecasting model using recurrent self-organizing maps to forecast the exchange rates considering the factors affecting the exchange rate markets. In total, 12 selected variables are used in modeling the exchange rate, which includes the effective macro variables and the price index of competing markets, such as gold, stock exchange and housing. We also control for the effect of sanctions. The results show that the model produces relatively accurate forecasts of the exchange rates with a less than 3% error.