Zastosowanie modelu wektorowej autoregresji do prognozowania kursu walutowego

• Autorzy: Jerzy Stelmach

Warianty tytułu

An Application of the Vector Autoregression Model to Exchange Rate Forecasting

• Języki publikacji: PL

Abstrakty

Prognozowanie kursów walutowych należy do trudnych, a jednocześnie bardzo ważnych zagadnień z zakresu nauk ekonomicznych. W artykule podjęto próbę opracowania prognoz kursu walutowego EUR/PLN na podstawie dynamicznego modelu wektorowej autoregresji. Uzyskane wyniki przemawiają na rzecz aprecjacji polskiej waluty w stosunku do euro w przyjętym okresie prognozy. (abstrakt oryginalny)

EN

Exchange rate forecasting belongs to the most difficult and, at the same time, the most important economic questions. In this paper we estimate and examine dynamic vector autoregression model in order to calculate exchange rate forecasts for EUR/PLN rate. The results of empirical analysis indicate that one can expect an appreciation of Polish currency in the nearest future. (original abstract)

Słowa kluczowe

PL

Kurs walutowy; Prognozowanie; Model wektorowej autoregresji; Prognozowanie kursów walut

EN

Exchange rates; Forecasting; Vector Autoregression Model (VAR); Exchange rates forecasting

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Ekonometria
• Rocznik: 2009
• Tom: 25
• Numer: nr 65 Zastosowanie metod ilościowych
• Strony: 199--212

Twórcy

autor

Jerzy Stelmach

• Uniwersytet Ekonomiczny we Wrocławiu

Bibliografia

• Brzeszczyński J., Kelm R., Ekonometryczne modele rynków finansowych. Modele kursów giełdowych i kursów walutowych, WIG-Press, Warszawa 2002.
• Charemza W., Deadman D.F., Nowa ekonometria, PWE, Warszawa 1997.
• Cieślak M. (red.), Prognozowanie gospodarcze. Metody i zastosowania, Wydawnictwo Naukowe PWN, Warszawa 1997.
• Clements M., Hendry D., Forecasting in cointegrated systems, “Journal of Applied Econometrics” 1995, vol. 10, s. 127-146.
• Dickey D.A., Fuller W.A., Distribution of the estimators for autoregressive time series with unit root, “Journal of the American Statistical Association” 1979, vol. 74, s. 427-431.
• Engle R., Yoo B., Forecasting and testing in co-integrated systems, “Journal of Econometrics 1987”, vol. 35(1), s. 143-159.
• Faust J., Leeper E., When do long-run identifying restrictions give reliable results, “Journal of Business and Economic Statistics” 1997, vol. 15 (3), s. 345-353.
• Hoffman D., Rasche R., Assessing forecast performance in a cointegrated system, “Journal of Applied Econometrics” 1996, vol. 11 (5), s. 495-517.
• MacKinnon J., Haug A., Michelis L., Numerical distribution functions of likelihood ratio tests for cointegration, “Journal of Applied Econometrics” 1999, vol. 14 (5), s. 563-577.
• Naka A., Tufte D., Examining impulse response functions in cointegrated systems, “Applied Economics” 1997, vol. 29 (12), s. 1593-1603.