Modeling of exchange rates by multivariate adaptive regression splines and comparison with classical statistical methods

Abstract

Enflasyon, faiz oranları ve döviz kuru gibi ekonomik faktörler, bir ülkenin ekonomikdüzeyinin önde gelen göstergelerindendir. Küresel gereksinimler ve teknolojik gelişimsayesinde ve genişleyen ticari hacim ve ağlar ile döviz kurları, ekonomi ve finans alanlarındaönemli bir rol oynar; çünkü yüksek bir döviz kuru, bir ülkenin dış ticaret dengesindedüşüşe neden olabilirken, daha düşük bir oran artışa neden olabilir. Enflasyon,faiz oranları, yerel para arzındaki artış, bir ülkenin ödemeler dengesi ve eğilimi, ekonomikbüyümesi, dış kaynaklara bağımlılığı ve merkez bankası müdahalesi gibi etkenlerdöviz kurunu etkileyen faktörlerdir. Bunlara benzer birçok bağımlı ve bağımsızfaktör döviz kurunu etkiler ve bu nedenle döviz kurlarını tahmin etmek zordur. Dövizkurlarını tahminlemek amacıyla veri madenciliği, mali tahminler, pazarlama stratejileribenzeri metodlar sıklıkla kullanılır. Veri madenciliği ve makine öğrenimi yöntemi,bu karmaşık sistemlerin gelecekteki davranışlarını analiz etmek ve tahmin etmek içinuygulanabilir. Matematikçiler, ekonomistler ve istatistikçiler yıllarca üstün tahminyeteneği olan bir modele erişmek için uğraşmış olsalar da döviz kurlarının modellenmesive tahmini çalışmaları hala devam etmektedir. Bu nedenle, bu çalışmada,veri madenciliği araçları aracılığıyla aylık ABD Doları (USD) / Türk Lirası (TRY)ve Avro (EUR) / Türk Lirası (TRY) kurlarını tahmin etmek için matematiksel modellerüretmeyi amaçlıyoruz. Bu amaçla esnek bir model olan Çok Değişkenli UyarlamalıRegresyon Şemaları (MARS) ve yaygın olarak kullanılan modeller olan LineerRegression (LR) ve Support Vector Regression (SVR) methodları uygulanmaktadır.Bu çalışmada, 01/01/2007 ve 30/04/2015 dönemine ait USD / TRY ve EUR /TRYkur verilerine uygulanan MARS, LR ve SVR modelleri ve bu modellerin sonuçlarıkarşılaştırılmıştır. Karşılaştırma sonucunda MARS methodunun LR ve SVR methodlarınagöre USD / TRY ve EUR /TRY kur modelleri için daha üstün modelleme yeteneğiolduğu gözlemlenmiştir. Tez, sonuç ve gelecek araştırmalara yönelik bir görüş ile sonaermektedir.

Economic factors like inflation, interest rates and exchange rates are among the leadingindicators of a country's relative level of economic health. With the help of technologicalimprovements and global requirements, trading volume and a wide range ofcommerce network, exchange rates play a vital role in economics and finance since ahigher exchange rate may result in a lower trade balance of a country, whereas a lowerrate may cause an increase. Inflation, interest rates, domestic money supply growth, acountry's balance of payments' size and trend, a country's economic growth, dependencyon outside sources and central bank intervention, are the factors which affect anexchange rate. Since many dependent and independent factors affect exchange rates, itis difficult to predict them. In areas of application, data mining is frequently used fordecision support, financial forecasting, marketing strategy, prediction, etc. The methodof data mining and machine learning is applied to analyze and forecast the future behaviorof such complex systems. Modeling and prediction of exchange rates are still achallenge, although mathematicians, economists and statisticians have worked to reacha model with a superior forecasting ability for many years. Therefore, in this study, weaim to generate mathematical models to forecast the monthly US Dollar (USD) / TurkishLira (TRY) and Euro (EUR) / Turkish Lira (TRY) exchange rates via data miningtools. For this purpose, we apply a flexible model Multivariate Adaptive RegressionSplines (MARS) and widely used models Linear Regression (LR) and Support VectorRegression (SVR). In this study, MARS, LR and SVR models applied on USD / TRYand EUR / TRY exchange rate data sets in the period of 01/01/2007 and 30/04/2015;then the results of these models are compared and found out that MARS method hassuperior forecasting ability over LR and SVR methods for USD / TRY and EUR / TRYexchange rates. The thesis ends with a conclusion and an outlook to future investigations.