Investigation of Forecasting Performance of Selected VECM Models, for EUR/PLN Exchange Rate

• Autorzy: Adrian Burda

Warianty tytułu

Weryfikacja własności prognostycznych wybranych, proponowanych w literaturze modeli VECM dla kursu walutowego EUR/PLN

• Języki publikacji: EN

Abstrakty

EN

The purpose of this paper is testing forecasting properties of selected VECM models for EUR/PLN. These models incorporate such theories as purchasing power parity (PPP), uncovered interest rate parity (UIP), Harrod-Balassa-Samuelson (HBS) effect, terms of trade (TOT), Net financial asset (NFA) theory and risk premium. Results had been compared in terms of point forecast accuracy and directional accuracy with benchmarks like random walk without drift and AR1 and VAR1 model for PPP variables. Results indicate that none of considered VECM model significantly beats random walk in terms of point accuracy. In terms of directional accuracy, all models except the most complex CHEER_BEER have ability to predict direction of change of EUR/PLN for 1 month horizon and the results are robust in subsamples. For other horizons some VECM models are found to have ability to predict direction of change EUR/PLN, while the results are not very robust. (original abstract)

Celem niniejszego artykułu jest przetestowanie zdolności predykcyjnych wybranych wektorowych modeli korekty błędu (VECM) dla kursu walutowego EUR/PLN. Wspomniane modele inkorporują w sobie takie zjawiska i teorie ekonomiczne, jak parytet siły nabywczej (PPP), nieubezpieczony parytet stóp procentowych (UIP), efekt Harroda-Balassy-Samuelsona (HBS), terms of trade (TOT), jak i premię za ryzyko. Wyniki były porównywane pod względem dokładności prognoz punktowych oraz pod względem kierunkowej dokładności z takimi prognozami referencyjnymi jak: błądzenie przypadkowe bez dryfu, model AR1 oraz model VAR1 ze zmiennymi odzwierciedlającymi teorię PPP. Wyniki wskazują, że w odniesieniu do prognoz punktowych, żaden z rozważanych modeli VECM nie generuje istotnie bardziej dokładnych niż błądzenie przypadkowe. W odniesieniu do prognoz kierunku zmian, dla horyzontu jednego miesiąca większość modeli VECM wskazuje na istotną statystycznie zdolność do ich przewidzenia, a wyniki są odporne dla różnych podpróbek. W odniesieniu do dłuższych horyzontów, niektóre z analizowanych modeli VECM pozwalają na trafne przewidzenie kierunku zmian kursu walutowego, jednakże te wyniki nie są odporne dla różnych podpróbek. (abstrakt oryginalny)

Słowa kluczowe

EN

Exchange rates; Exchange rates forecasting; Vector error correction model (VECM); Euro; Polish Zloty

PL

Kurs walutowy; Prognozowanie kursów walut; Model wektorowej korekty błędem; Euro; Złoty polski

• Czasopismo: Folia Oeconomica Cracoviensia
• Rocznik: 2017
• Tom: 58
• Strony: 59--84

Twórcy

autor

Adrian Burda

• Uniwersytet Ekonomiczny w Krakowie

Bibliografia

• Adhikari B.K., Hillard J.E. (2014), The VIX, VXO and realised volatility: a test of lagged and contemporaneous relationships, International Journal of Financial Markets and Derivatives vol. 3, issue 3.
• Akaike H. (1998), Information Theory and an Extension of the Maximum Likelihood Principle, in: E. Parzen, K. Tanabe, G. Kitagawa (eds), Selected Papers of Hirotugu Akaike, Springer Series in Statistics, 199-213.
• Ardic N., Ergin O., Senol G. (2008), Exchange rate forecasting: Evidence from the emerging central and eastern european economies, MPRA Paper, (7505), https://mpra.ub.uni-muenchen.de/7505/1/ MPRApaper505.pdf.
• Bęza-Bojanowska J., MacDonald M.R. (2009), The behavioral zloty/euro equilibrium exchange rate., NBP Working Paper, (55), http://www.nbp.pl/publikacje/materialyistudia/55en.pdf.
• Cheung Yin-Wong, Chinn M.D., Pascual A.G. (2005), Empirical Exchange Rate Models of the Nineties: Are Any Fit to Survive?, Journal of International Money and Finance, 24 (7): 1150-75.
• Cuaresma J., Hlouskova J. (2005), Beating the random walk in central and Eastern Europe, Journal of Forecasting, (24), 189-201, http://onlinelibrary.wiley.com.wiley.han.uek.krakow.pl/doi/10.1002/ for.952/epdf.
• Diebold F.X. (2012), Comparing Predictive Accuracy, Twenty Years Later: A Personal Perspective on the Use and Abuse of Diebold-Mariano Tests (no. w18391), National Bureau of Economic Research.
• Diebold F.X., Mariano R.S. (1995), Comparing Predictive Accuracy, Journal of Business & Economic Statistics, 13(3), 253-263.
• Engel C., Mark N.C., West K.D. (2007), Exchange Rate Models Are Not as Bad as You Think, NBER Macroeconomics Annual 2007, D. Acemoglu, K.S. Rogoff, M. Woodford (eds), 381-441, Chicago and London: University of Chicago Press.
• Galimberti J.K., Moura M.L. (2013), Taylor rules and exchange rate predictability in emerging economies, Journal of International Money and Finance, 32, 1008-1031, http://www.sciencedirect.com. sciencedirect.han.uek.krakow.pl/science/article/pii/S02615 60612001581.
• Giacomini R., White H. (2006), Tests of Conditional Predictive Ability, Econometrica, 74, issue 6, 1545-1578, http://EconPapers.repec.org/RePEc:ecm:emetrp:v:74:y:2006:i:6:p:1545-1578.
• Harve D., Leybourne S., Newbold P. (1997), Testing the equality of prediction mean square errors, International Journal of Forecasting, 13(2), 281-291.
• Ince O., Molodtsova T., Pappel D.H. (2016), Taylor rule deviations and out-of-sample exchange rate predictability, Journal of International Money and Finance, 69, 22-44.
• Johansen S. (1988), Statistical analysis of cointegration vectors, Journal of Economic Dynamics and Control, 12, 70-86.
• Johansen S. (1991), Estimation and Hypothesis Testing of Cointegration Vectors in Gaussian Vector Autoregressive Models, Econometrica, 59(6), 1551-1580.
• Johansen S. (1995), Likelihood-Based Inference in Cointegrated Vector Auto-Regressive Models, Oxford University Press, New York.
• Johansen S. (2002), A small sample correction for the test of cointegration rank in the vector autoregressive model, Econometrica, Vol.70, No. 5, 1929-1961.
• Johansen S. (2005), The interpretation of cointegrating coefficients in the cointegrated vector autoregressive model, Oxford Bulletin of Economics and Statistics, 67, 93-104.
• Kębłowski P., Welfe A. (2012), A risk-driven approach to exchange rate modelling, Economic Modelling, 29, 1473-1482, http://www.sciencedirect.com /science/article/pii/S0264999312000375.
• Kelm R. (2013), Kurs złoty/euro: teoria i empiria, Wyd. UŁ, Łódź.
• Leitch G., Tanner J.E. (1991), Economic forecast evaluation: profits versus the conventional error measures, American Economic Review, 81, 580-590.
• Ljung G.M., Box G.E.P. (1978), On a Measure of Lack of Fit in Time Series Models, Biometrika, 65 (2), 297-303, doi:10.1093/biomet/65.2.297.
• Lütkepohl H., Poskitt D.S. (1998), Consistent estimation of the number of cointegration relations in a vector autoregressive model, in: R. Galata, H. Küchenhoff (eds), Econometrics in Theory and Practice. Festschrift for Hans Schneeweiß, Physica, Heidelberg, 87-100.
• Lütkepohl H. (2005), New Introduction to Multiple Time Series Analysis, Springer-Verlag, Berlin, Heidelberg, New York.
• Melvin M., Prins J., Shand D. (2013), Forecasting Exchange Rates: An Investor Perspective, in: Handbook of Economic Forecasting, Volume 2B, E. Graham, A. Timmermann (eds), 721-50, Amsterdam and Oxford: Elsevier, North-Holland.
• Meese R.A., Rogoff K. (1983), Empirical models of the exchange rate: do they fit out of sample, Journal of International Economics, (14), 3-24.
• Makridakis S., Wheelwright S., Hyndman R.J. (1998), Forecasting: Methods and applications, eds. 3, John Wiley and Sons, New York.
• Mućk J., Skrzypczyński P. (2012), Can we beat the random walk in forecasting CEE exchange rates?, NBP Working Paper, (127), http://pki.nbp.pl/publikacje/materialy_i_studia/127_en.pdf
• Naszodi A. (2011), Beating the random walk in central and eastern europe by survey forecasts, MNB Working Papers, (3), https://www.mnb.hu/letoltes/wp-2011-03.pdf.
• Papież M., Śmiech S. (2015), Modelowanie i prognozowanie cen surowców energetycznych, C.H. Beck, Warszawa.
• Pipień M., Roszkowska S. (2015), Quarterly estimates of regional GDP in Poland - application of statistical inference of function of parameters, NBP working paper, (219), http://www.nbp.pl/publikacje/materialy_i_studia/219_en.pdf.
• Rossi B. (2013), Exchange rate predictability, Journal of Economic Literature, 51 (4), 1063-1119.
• Rubaszek M., Serwa D. (2009), Analiza kursu walutowego, C.H. Beck, Warszawa.
• Rubaszek M., Skrzypczyński P., Koloch G. (2010), Forecasting the Polish zloty with nonlinear models, Central European Journal of Economic Modelling and Econometrics, 2(2), 151-167, http:// cejeme.org/publishedarticles/2013-12-15-634938559231250000-2549.pdf.
• Schwarz G. (1978), Estimating the Dimension of a Model, The Annals of Statistics 6, (2), 461-464, doi:10.1214/aos/1176344136.
• Zeliaś A., Pawełek B., Wanat S. (2008), Prognozowanie ekonomiczne: teoria, przykłady, zadania, PWN, Warszawa.