A comparative analysis of classical models and artificial intelligence based models in forecasting exchange rates

Abstract

Mesee ve Rogoff (1983) tarafından da belirtildiği gibi ekonomi temelli ekonometrik yöntemler ve zaman serileri yöntemleri gibi klasik yöntemler, döviz kuru tahmininde; döviz kurunun öngörülemez bir rassal süreç izlediğini belirten rassal yürüyüş modeline nazaran kayda değer bir başarı sergileyememişlerdir. Özellikle son 20 yılda, bilgi ve bilgisayar teknolojilerinde gözlenen hızlı gelişmeler sayesinde yapay zeka temelli yöntemler döviz kuru tahmininde umut vadeden yöntemler olarak yaygın bir şekilde kullanılmaya başlanmıştır. Bu çalışmanın amacı üç farklı Türk Lirası döviz kuru (TL/USD, TL/EUR, TL/GBP) için 2004-Ocak ve 2013-Aralık ayı arası 120 gözlemden oluşan aylık verileri kullanarak, klasik yöntemler ve yapay zeka temelli yöntemlerin tahmin performanslarının karşılaştırılmasıdır. İlgili yöntemlerin; bir adım öte, gözlem içi ve gözlem dışı tahmin performansları; kök ortalama kare hatası istatistiği ve Diebold-Mariano test yoluyla karşılaştırmalı olarak incelenmiştir. Gerçekleştirilen analiz neticesinde; yapay zeka temelli yöntemlerin gözlem-içi tahmin performansı açısından, klasik yöntemlere göre kayda değer bir şekilde daha başarılı olduğunu görülmüştür. Öte yandan klasik yöntemler, gözlem-dışı tahmin performansı açısından analize konu olan bir çok durumda yapay zeka temelli yöntemlere göre istatistiki olarak anlamlı bir şekilde daha başarılı olmuştur. Bunlara ek olarak analizde kullanılan yedi farklı model gözlem-dışı tahmin performansı açısından incelenen yirmi bir durumdan onunda, rassal yürüyüş modelinden istatistiki olarak anlamlı şekilde başarılı bir tahmin performansı sergilemiştir. Rassal yürüyüş modeli ise hiçbir durumda söz konusu modellerden istatistiki olarak anlamlı bir şekilde daha başarılı bir gözlem-dışı tahmin performansı sergileyememiştir.

As emphasized by Meese and Rogoff (1983) in their seminal paper; economic fundamentals based models and time series models (i.e. classical models) are unable to significantly outperform a random walk model, implying that exchange rates behave in a purely random and unpredictable manner. During the last decades with the rapid advancements in computer and information technologies artificial intelligence based models came into use in forecasting exchange rates as a promising forecasting tool. This paper aims to investigate predictive accuracy of classical models and artificial intelligence based models in forecasting three different Turkish Lira exchange rates (TL/USD, TL/EUR, TL/GBP), using monthly period data from January 2004 to December 2013 with 120 observations. One step ahead, in-sample and out-of-sample forecasting accuracy of each model analyzed comparatively by utilizing root mean squared error statistics and Diebold-Mariano test. Analysis results proposed that; artificial intelligence based models performed significantly better for in-sample forecasts. Besides, for out-of-sample forecasts; classical models performed statistically significantly better than artificial intelligence based models in most instances. Furthermore, in ten out of twenty-one instances all seven forecasting models in consideration (both classical models and artificial intelligence based models) were capable of beating random walk model; while random walk model was not capable of statistically significantly beating any of these seven models in consideration.