Forecasting Exchange Rates: A VAR Analysis
Prognózy měnových kurzů: VAR Analýza
bakalářská práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/54089Identifikátory
SIS: 122033
Kolekce
- Kvalifikační práce [17123]
Autor
Vedoucí práce
Oponent práce
Ivanková, Kristýna
Fakulta / součást
Fakulta sociálních věd
Obor
Ekonomie
Katedra / ústav / klinika
Institut ekonomických studií
Datum obhajoby
20. 6. 2013
Nakladatel
Univerzita Karlova, Fakulta sociálních vědJazyk
Angličtina
Známka
Výborně
Klíčová slova (česky)
výmenné kurzy, devízový trh, základné determinanty, inflácia, úroková miera, miera nezamestnanosti, hrubý domáci produkt, obchodná bilancia, vektorová autoregresiaKlíčová slova (anglicky)
exchange rates, foreign exchange market, fundamental determinants, inflation, interest rate, unemployment rate, gross domestic product, trade balance, vector autoregressive modelTáto práca si kladie za cieľ predpovedať vývoj výmenného kurzu USD/EUR použitím štyroch makroekonomických premenných, menovite inflácie, úrokovej miery, miery nezamestnanosti a indexu priemyselnej produkcie. Použitou metódou je vektorová autoregresia. Pri analýze boli využité mesačné dáta z obdobia 2002-2011 a dáta z roku 2012 boli uchované, aby bolo možné porovnať presnosť predpovede s náhodnou prechádzkou, ktorá zvyčajne produkuje lepšie výsledky v krátkodobom horizonte, ako napríklad jeden rok. Zistili sme, že vektorová autoregresia prekvapujúco porazila náhodnú prechádzku v horizonte jedného až troch mesiacov. V dlhodobejšom období šiestich, deviatich a dvanástich mesiacov očakávane náhodná prechádzka poskytla lepšiu predpoveď ako vektorová autoregresia. Dovodom mohol byť fakt, že v tomto období nevykazoval kurz žiadny jasný trend.
This thesis aims to out-of-sample forecast the USD/EUR exchange rate using four macroeconomic variables, namely ination, interest rate, unemployment rate and industrial production index. The model applied is the vector autoregressive model. We use monthly data for a period of 2002-2011 and use the data from 2012 in order to compare the forecast accuracy with the random walk, which is believed to outperform many models when forecasting for a short-time horizon, such as one year. We found out that the vector autogressive model beat the random walk in the period of one and three months, which was surprising. In the longer horizon of six, nine and twelve months, random walk, as expected, heavily outperformed vector autogressive model. The reasoning behind this could be that there was no clear trend in the USD/EUR exchange rate during this period.