Estimating and forecasting exchange rate: Comparison of structural and var models

Abstract

Bu çalışmada alternatif döviz kuru modelleri, öngörü başarısı açısından karşılaştırılmaktadır. Bunun için, farklı varsayımlar içeren üç yapısal döviz kuru modeli ve bu modellerin zaman serisi biçiminde formüle edilmiş yaklaşımları kullanılmıştır. Yapısal modeller, döviz kuruna potföy yaklaşımı ya da paracı yaklaşım olarak ayrılmakta ve bu modeller satınalma gücü paritesinin kısa ya da uzun dönemde geçerli olması varsayımlarına göre çeşitlendirilmektedir. Zaman serisi yaklaşımında ise vektör otoregresyon modelleri ve vektör otoregresyon modellerine Bayesci yaklaşım olarak şeklinde iki yöntem benimsenmiştir. Bu bağlamda, kısa dönemli döviz kuru öngörülerinde, Bayesci yaklaşımın vektör otoregresyon ve yapısal modellere göre daha iyi öngörüler türettiği gösterilmektedir. Anahtar Kelimeler: Döviz kuru, döviz kuruna paracı yaklaşım, döviz kuruna portföy yaklaşımı, satınalma gücü paritesi, vektör otoregresyon modelleri (VAR), Bayesci VAR modelleri, öngörü, Theil U istatistiği. Bilim Dalı Sayısal Kodu: 219.01.02 iv

The aim of this study is to compare the alternative exchange rate models according to their out of sample forecasting accuracy. For this reason three structural models of exchange rate have been developed under different assumptions and their time series representations have been utilized. Structural models of exchange rate are divided in to portfolio balance approach and monetary approach to exchange rate. Furthermore, these models are diversified according to the flexibility of prices in the short run and in the long run. For the time series representations of the vector autoregression models vector autoregression (VAR) and the Bayesian approach to vector autoregression models were used. In this context it has been shown that, in out of sample forecasts of short time horizons, Bayesian VAR models in general produce better forecasts. Key Words: Exchange rate, Monetary approach, portfolio balance approach, purchasing power parity, vector autoregression models (VAR), Bayesian VAR models, out of sample forecasting, Theil U statistic. Science Code: 219.01.02 m