بررسی رفتار نرخ ارز غیرخطی در ایران: شواهدی از مدل سوئیچینگ مارکوف

نرخ ارز یکی از مهمترین متغیرهای کلیدی اقتصادی است که می تواند از طریق تأثیرگذاری بر وضعیت تجارت خارجی و تراز پرداخت ، بر تولید ، تورم ، اشتغال و سایر متغیرهای کلان اقتصادی تأثیر بگذارد. بر این اساس ، مقاله حاضر با استفاده از مدل غیرخطی سوئیچینگ مارکوف به مدل سازی نرخ ارز در ایران می پردازد. داده های مورد استفاده در این مقاله داده های نرخ ارز برای سال 1396-1986 است. یکی از دلایل مهم استفاده از مدل سوئیچینگ مارکوف این است که نرخ ارز یک سری زمانی غیرخطی است که در طی سالهای مورد مطالعه شوک و نوسانات مختلفی دارد. به طور کلی ، نتایج مدل سوئیچینگ مارکوف نشان می دهد که نرخ ارز دارای رفتار غیر خطی و نامتقارن در ایران است و نرخ ارز در سه رژیم مختلف رفتار متفاوت و رفتار نرخ ارز را در سه رژیم نشان می دهد و این می تواند بسیار مهم باشدبرای سیاست گذاری ارز.

کلید واژه ها

• پیش بینی نرخ ارز
• مدل سازی نرخ ارز
• مدلهای غیرخطی
• مدل سوئیچینگ مارکوف
• اقتصاد ایران. طبقه بندی ژل: C15
• F31
• G17
• c58

منابع

BARAAHEیMی ، AیLANAHز ، THOSELیANE ، حSیN (1391). طaraحی یک sanemaneh hyhahdardheی زwdenahame biquaehahی arزی adr yیarana bysthadahadh areز rruیکdhrad memarahف shvhئیچیnگ.

اِسسنی فr ، memحmd ، athatham araثی ، rhraha (1394). پیش beیnی nenrخ arز ddr baزarahahe be shathadh ate م esshaی enیnگیhnhehnhehnگیhnگیhnکhnکnhnیneshnhhn shnebahnthneshnhneshneshnhneshneshneshneshneshneshneshneshnesh. منهالعه ماردی: دخلار استراالیا ، دسلهر ارهوداهههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههه همهر همرر همرر همرر همرره نیزره نیز نیز نیز نیز نیز نیز نیز نیز نیز نیز نیز نیز نیز نیز نیز نیز نیز نیز نیز نیز نیز نیز نیز نیز

Tahثیr szیathahی thجarی wow arزی bre bخش صnnate thaharan (2000). محسب مانهاعات و 90

خAشASی ، MEHEDی و BAیجARی ، MEHEDی (1389). بکررگیری مدل تمربیهههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههههتتهتهتهتهتهتهتهتهتهتهتهتهتهدتدنننن گ بعدننندننننننلنته گ نهر گ Tرررررررررتتتتتتترترت اسرترترترت ب قمهل محمدهی صnaی '(شMARAH 1) ، 47-39.

خیabanah ، nnaصr wo غelجh‌aی ، semیra (1393). فصelnanameh‌ی baanameh‌erیزی و budhehh ، شmareh (3) ، صفحatt 3-22.

SALARQUEHی ، حBیB ELEHE ، کAHAشی ، RENصVR ، حSیNی ، SیDحSN ، DENیAیی ، MEMحMAD (TABESTANN 1391). فصelnaname denaش سرمایهاری سعل ال (شmareh demom).

شاه‌حسینی، سمیه، رضایی، علی (بهار1396). اقتصاد و تجارت نوین. پژوهشگاه علوم انسانی و مطالعات فرهنگی سال دوازدهم(شماره اول)، 80-51.

شیرازی، همایون، نصرالهی، خدیجه (1392). مدل‌های پولی و پیش‌بینی نرخ ارز در ایران از تئوری تا شواهد تجربی. فصلنامه سیاست های مالی و اقتصادی، سال اول(شماره4)، 5-24.

فتاحی، شهرام، نظیفی، مینو، مدلسازی نرخ واقعی ارز ایران با استفاده از مدل چرخشی خودبازگشتی مارکف (MSAR)، فصلنامه پژوهش‌های اقتصادی(رشد و توسعه پایدار)، سال چهاردهم(شماره دوم)، تابستان 1393، صفحات 178-157.

کازرونی، علیرضا و اصغرپور، حسین و محمدپور، سیاوش و بهاری، صابر (1391). اثرات نامتقارن نوسانات نرخ واقعی ارز بر رشد اقتصادی در ایران: رهیافت مارکوف-سوئیچینگ. مجله‌ی اقتصادی-دو ماهنامه‌ی بررسی مسائل و سیاست‌های اقتصادی، شماره‌های 7 و 8، صفحات 5-26.

مرزبان، حسین، اکبریان، رضا و جواهری، بهنام (1384). یک مقاله بین مدل‌های اقتصادسنجی ساختاری سری زمانی و شبکه عصبی برای پیش‌بینی نرخ ارز. مجله تحقیقات اقتصادی(شماره 69)، 216-181.

محمدی، تیمور و رضا طالبلو (1389). پویایی‌های تورم و رابطه تورم و عدم اطمینان اسمی با استفاده از الگوی ARFIMA-GARCH. پژوهشنامه اقتصادی، سال دهم( شماره اول).

مطهری، محب اله، لطفعلی‌پور، محمدرضا، شادمهری، محمدطاهراحمدی (زمستان 1394). فصلنامه نظریه‌های کاربردی اقتصاد، سال دوم(شماره 4)، صفحات 92-71.

ممی‌پور، سیاب، جعفری، صغری. اموال موثر بر فشار بازار ارز در ایران: در چارچوب الگوی مارکوف-سوئیچینگ با احتمال انتقال متغیر، تحقیقات اقتصادی، دوره‌ی 52، شماره 2، تابستان 1396، ص 429-457.

Abbate, A., & Marcellino, M. (2018). Point, interval and density forecasts of exchange rates with time varying parameter models. Joual of the Royal Statistical Society: Series A (Statistics in Society) , 181 (1), 155-179.

Hurst, H. E. (1951). Long-term storage capacity of reservoirs. Trans. Amer. Soc. Civil Eng. , 116 , 770-799.

Ca'Zorzi, M., Muck, J., & Rubaszek, M. (2013). Real exchange rate forecasting: a calibrated half-life PPP model can beat the random walk.

Hamilton, J. D. (1989). A new approach to the economic analysis of nonstationary time series and the business cycle. Econometrica: Joual of the Econometric Society , 357-384.

Macerinskiene, I., & Balciunas, A. (2013). Fundamental exchange rate forecasting models. Advantages and drawbacks. KSI transactions on knowledge society , 6 (3), 9-17.

Moosa, Imad, Bus, Kelly (2014), “Error Correction Modeling and Dynamic specifications ac a Conduit to Outperforming the Random Walk in Exchange Rate Forecasting”, Applied Economics , Vol. 46, No. 25, 3107–3118.

Moosa, Imad, Bus, Kelly (2013), “The Monetary Model of Exchange Rates is Better than the Random Walk in Out-of-Sample Forecasting”, Applied Economics Letters , Vol. 20, No. 14, pp. 1293–1297.

Quandt, R. E. (1972). A new approach to estimating switching regressions. Joual of the American statistical association , 67 (338), 306-310. Не удалось загрузить все результаты. ПовторитьПовторная попытка…