Guy Meredith (2003) Medium-Term Exchange Rate Forecasting: What We Can Expect IMF Working Paper WP 03/021. Celem artykułu jest porównanie różnych modeli używanych w prognozowaniu kursów walutowych. Modelowanie Rynków Finansowych 1
Wprowadzenie W artykule poddana analizie jest średniookresowa przewidywalność zmian kursu walutowego za pomocą trzech modeli wykorzystujących czynniki fundamentalne: parytet siły nabywczej (PPP), model monetarny. niepokryty parytet stóp procentowych (UIP), Modelowanie Rynków Finansowych 2
Wprowadzenie Messe & Rogoff (1983) krótkookresowe zmiany kursu walutowego są trudne do przewidzenia Jeżeli wierzymy, że kursy walutowe zależą od czynników fundamentalnych to powinny być przewidywalne w dłuższym okresie czasu, pomimo braku przewidywalności w krótkim horyzoncie Modelowanie Rynków Finansowych 3
Wprowadzenie W literaturze empirycznej nie ma zgodności na temat średniookresowych przewidywań zmian kursu walutowego znalezione pozytywne rezultaty są mało odporne niska odporność rezultatów jest związana z problemami natury ekonometrycznej Modelowanie Rynków Finansowych 4
Problemy ekonometryczne tendencja do zbytniego rozbudowywania specyfikacji modelu regresji (ang. overfitting) w przypadku występowania autokorelacji towarzyszy temu zbyt częste potwierdzanie przewidywalności zmian kursu ponadto często występuje problem krótkiej próby, bowiem kursy upłynniono w 1973. Modelowanie Rynków Finansowych 5
PPP Jeżeli hipoteza PPP jest prawdziwa, to odchylenie kursu walutowego od PPP powinno wskazywać na przyszłą zmianę kursu PPP jest definiowane za pomocą REER (Real Effective Exchange Rate) Modelowanie Rynków Finansowych 6
PPP Dla rocznych zmian ln(reer t /reer t 1 ) = α + β[ln(reer t 1 ) ln(reer m )] gdzie ln(reer m ) to średnia próbkowa ln(reer) Dla 5-letnich zmian ln(reer t /reer t 5 ) = α + β[ln(reer t 5 ) ln(reer m )] w tym przypadku błędy standardowe zostały skorygowane o proces MA(4) za pomocą procedury Newey a-west a. Modelowanie Rynków Finansowych 7
PPP - problemy estymacyjne obciążenie estymatorów x t = α + γx t 1 + ε t x t x t 1 = α + (γ 1)x t 1 + ε t = α + βx t 1 + ε t E(β ˆβ) ( 4 + 3β ) T Modelowanie Rynków Finansowych 8
PPP - problemy estymacyjne problem rozmiarów testów - tendencja do zbyt częstego odrzucania hipotezy o błądzeniu przypadkowym używanie uśrednionych danych, aczkolwiek dla prognozowania kursów walutowych obciążenie związane z uśrednieniem może być pominięte Modelowanie Rynków Finansowych 9
PPP Monte Carlo proces powracający do średniej 21 lat 250 lat Częstotliwość β t półokres β t półokres Dzienna -0.0013 2.30 1.5-0.0007 5.27 2.9 Miesięczna -0.0246 1.81 3.2-0.0132 4.80 4.5 wyniki potwierdzają obecność obciążenia rozmiaru Modelowanie Rynków Finansowych 10
Testowanie powracania do średniej ln(reer t /reer t 1 ) = α + β[ln(reer t 1 ) ln(reer m )] dane miesięczne Kraj raw ssb sstab USA -0.005 0.011 0.003 JPN -0.013 0.003-0.005 NIE -0.012* 0.004-0.004 FRA -0.012* 0.004-0.004 UK -0.025* -0.010-0.018 ITA -0.009 0.007 0.001 CAN -0.025* -0.010-0.018 Modelowanie Rynków Finansowych 11
Testowanie powracania do średniej wszystkie oszacowania współczynników β są ujemne, co jest zgodne z hipotezą powracania do średniej. Jednak tylko 3 na 7 jest istotnych. po skorygowaniu o obciążenie szeregi okazują się być błądzeniem przypadkowym Modelowanie Rynków Finansowych 12
Testowanie powracania do średniej ln(reer t /reer t 1 ) = α + β[ln(reer t 1 ) ln(reer m )] dane roczne Kraj raw ssb sstab USA -0.148 0.050-0.014 JPN -0.187 0.004-0.060 NIE -0.123 0.079 0.015 FRA -0.204-0.016-0.080 UK -0.192* -0.002-0.066 ITA -0.144 0.055-0.009 CAN -0.338* -0.172-0.052 Modelowanie Rynków Finansowych 13
Testowanie powracania do średniej ln(reer t /reer t 5 ) = α + β[ln(reer t 5 ) ln(reer m )] dane 5-letnie Kraj raw ssb USA -1.299* -0.514 JPN -0.718* 0.067 NIE -0.665* 0.120 FRA -0.976* -0.191 UK -1.016* -0.231 ITA -0.584* 0.201 CAN -1.446* -0.661 Modelowanie Rynków Finansowych 14
Testowanie powracania do średniej Test Theila Kraj 1 rok 5 lat USA 1.000 1.275 JPN 1.001 0.656 NIE 1.010 1.229 FRA 1.028 1.719 UK 1.010 0.976 ITA 1.018 1.463 CAN 0.996 0.793 tylko dla 3 regresji model jest lepszy od błądzenia przypadkowego Modelowanie Rynków Finansowych 15
Model monetarny równowaga e t = (m t m f t ) γ(y t y f t ) m t m f t różnica w podaży pieniądza w kraju i za granicą y t y f t różnica dochodu realnego γ elastyczność dochodowa popytu na pieniądz zakładając, że odchylenia od równowagi są chwilowe uzyskujemy model ECM e t k e t = θ(e t k e t ) Modelowanie Rynków Finansowych 16
Model monetarny wyniki oszacowań - predykcja w próbie Kraj 1 kwart 4 kwart 16 kwart CAN -0.013-0.043-0.112 NIE 0.047 0.250 1.463* SUI 0.084* 0.380* 1.231* JPN 0.024 0.178 0.986* Modelowanie Rynków Finansowych 17
Model monetarny wyniki oszacowań - predykcja poza próbą 1 kwart 4 kwart 16 kwart Kraj kurs M kurs M kurs M CAN 0.93 1.35 0.86 1.43 0.69 2.18 NIE 0.92 0.89 0.67 0.98 0.85 0.63 SUI 1.00 0.78 1.13 0.83 1.05 0.74 JPN 1.02 0.43 1.10 0.47 0.92 0.59 Modelowanie Rynków Finansowych 18
Model UIP wyniki oszacowań - predykcja poza próbą 1 rok 5 lat 10 lat 10 lat obligacje JPN 1.05-0.71 0.74 NIE 1.06 1.00 0.64 0.65 FRA 1.00 - - 0.96 UK 1.05 1.00 0.78 0.80 ITA 0.93 - - - CAN 1.07 0.87 0.72 0.66 Modelowanie Rynków Finansowych 19
Podsumowanie Modele PPP i monetarny nie dają dobrych predykcji kursu walutowego prognozy są obciążone. Obciążenie jest tym większe im dłuższy jest horyzont prognozy. model UIP jest nieznacznie lepszy Modelowanie Rynków Finansowych 20