인공신경망 모형과 ARIMA 모형의 원/달러 환율예측성과 비교연구 = (A) Comparative Study on the Won/Dollar Exchange Rate Forecasting Performance of the Artificial Neural Network Model and ARIMA Model
저자
발행사항
서울 : 西江大學校 大學院, 2001
학위논문사항
학위논문(석사)-- 서강대학교 대학원: 무역학과 2002. 2
발행연도
2001
작성언어
한국어
주제어
KDC
326.23 판사항(4)
DDC
382.1 판사항(21)
발행국(도시)
서울
형태사항
viii, 69p. ; 26cm
일반주기명
참고문헌: p. 66-69
소장기관
시장평균환율제도의 도입 이후 우리 나라 환율제도는 수차례에 걸쳐 원/달러 환율의 일일변동폭을 확대시켜 오다가 1997년 12월 환율의 일일변동 허용폭 제한을 완전히 폐지하는 자유변동환율제도로 이행되었다. 그 결과 환율변동폭의 확대로 환율예측이 어려워지고 환리스크가 증대되어 미래의 원화 환율변화율 예측이 기업의 재무관리자와 정부관계자들의 관심사가 되고 있다.
Meese and Rogoff의 연구 이후 환율예측을 위한 방법으로는 첫째, 환율결정모형에 근거하지 않고 시계열분석에만 의존하는 움직임이 있고 둘째, 경제이론에 근거한 환율결정모형에 여러 가지 계량방법을 이용하여 예측하는 방법이 있다. 그러나 최근에는 환율을 예측하는데 비선형 예측모형으로서 인공신경망 모형을 이용한 환율예측이 증가하고 있다.
따라서 본 논문의 연구목적은 시장평균환율기간 뿐만 아니라 변동환율기간의 환율자료를 이용하여 인공신경망 모형을 구축하여 원/달러 환율을 예측하여 이를 시계열모형인 ARIMA모형의 예측치와 비교해 어느 모형이 우수한 환율예측성과를 보이는가를 실증적으로 비교 분석하는 것이다. 이를 위하여 일일 원/달러환율을 대상으로 시장평균환율제도인 1992년 7월 1일부터 1994년 10월 31일까지의 기간을 연구기간Ⅰ, 1994년 11월 1일부터 1996년 12월 31일까지의 기간을 연구기간Ⅱ, 그리고 자유변동환율제도인 1999년 1월 1일부터 2000년 12월 31까지의 기간을 연구기간Ⅲ으로 연구기간을 구분하였다. 그리고 각 기간별로 인공신경망 모형과 ARIMA 모형을 구축하여 가장 적합한 환율예측모형을 선정한 후 마지막 90일의 환율을 예측하였다. 인공신경망 모형과 ARIMA 모형의 환율예측성과의 비교는 점예측 정확성 측면에서 평균오차자승근과 평균절대오차를 이용하여 비교하였고 변동방향예측 정확성 측면에서 인공신경망 모형과 ARIMA 모형의 환율의 변동방향에 대한 적중율을 비교하였다. 그리고 두 환율예측모형의 예측력이 상이한 예측기간별로 서로 차이가 있는지를 통계적으로 검증하기 위하여 두 모형의 예측오차에 대한 회귀분석을 실시하였다.
본 연구에서의 실증분석의 결과는 다음과 같다. 첫째, 점예측 정확성에 대한 비교에서는 평균자승오차근과 평균절대오차를 기준으로 세 예측기간 모두 인공신경망 모형이 ARIMA 모형보다 평균적으로 우수한 예측력을 보이는 것으로 나타났다. 둘째, 환율의 변동방향 예측적중율의 비교에서도 모든 예측기간에 대하여 인공신경망 모형의 적중율이 ARIMA 모형보다 전반적으로 우수하게 나타났다. 그러나 적중율에 대한 Z-검정 결과 두 모형 모두 적중율이 50%를 초과한다고 볼 수 없는 것으로 분석되었다. 셋째, 두 모형간의 절대예측오차 차이에 대한 t-검정결과에 의하면 인공신경망 모형의 원/달러 환율예측력이 ARIMA 모형보다 우수하다고 나타났으나 세 기간 모두 예측력의 차이가 통계적으로 유의하지 않은 것으로 나타났다. 그러나 두 모형의 예측오차에 대한 회귀분석을 실시한 결과 모든 예측기간에서 인공신경망 모형이 ARIMA 모형보다 우수한 예측력을 보임을 의미하는 통계적으로 유의한 회귀계수가 검출되었다.
본 연구의 결론을 바탕으로 한 시사점은 다음과 같다. 일일 원/달러 환율을 예측함에 있어 인공신경망 모형이 ARIMA 모형보다 우수한 예측성과를 보이고 있으므로 다국적기업의 국제자금조달과 환위험관리 또는 정부의 환율정책에 있어서 인공신경망 모형을 이용하여 보다 정확한 환율예측정보를 제공받을 수 있을 것이다. 또한 외환딜링에 있어서 보다 정확한 환율예측자료를 제공함으로써 매매수익의 기회와 범위를 확대시켜줄 수 있다는 점이다. 그러나 인공신경망 모형의 일일 원/달러 환율예측성과가 ARIMA 모형보다 우수한다는 통계적인 검증결과가 절대예측오차에 대한 t-검정과 예측오차에 대한 회귀검정의 경우 유보적인 결과를 보임으로써 실제 인공신경망 모형을 이용한 미래의 환율정보를 이용할 경우 다른 예측모형이나 예측기법들과 함께 병행하는 것이 유용할 것이다.
한편 본 연구는 실증분석과정에서 적지 않은 한계가 있었다. 첫째, 인공신경망 모형의 투입변수로 일일 원/달러 환율만을 투입변수로 사용하였는데 환율의 움직임에 영향을 미치는 다른 거시경제변수들도 고려하여 다변량 인공신경망 모형을 구축한다면 인공신경망 모형의 예측성과를 보다 개선할 수 있을 것이다. 둘째, 본 연구는 자유변동환율제도 하에서의 환율자료의 축적이 충분하지 않은 상황에서 시도되었기에 주별 또는 월별로 연구기간을 확장하는데 한계가 있어서 주별 및 월별 예측정보를 제공해주지 못하고 있다. 셋째, 인공신경망 모형 선정을 위한 체계적인 기준이 미흡한 관계로 수많은 시행착오를 거치며 인공신경망 모형을 선정하였는데 이는 연구자의 주관에 따라 선정기준이 달라질 수 있다.
After the daily floating range of the won/dollar exchange rate had been spreaded several times under the market average exchange rate system, the Korean government launched the free floating exchange rate system which abolished the limit of the daily floating range of won/dollar rates in December, 1997. Under the free floating exchange rate system government officials for the Korean economy planning as well as financial managers of international firms are being in trouble predicting the future exchange rate of won. Therefore the prediction of the future foreign exchange rate has became one of the most important things to those.
There has been two trends to forecast the future foreign exchange rate since the study of Meese and Rogoff. One stream is to forecast the future exchange rate only through the time series analysis without considerations of the foreign exchange rate theories, the other is to do it adding quantitative methods to the structural model to improve its forecasting performance. In recent times, the artificial neural network model which is known as a suitable tool for predicting nonlinear data such as foreign exchange rates is gaining popularity among foreign exchange rate researchers.
The purpose of this study is to forecast the future won/dollar exchange rate using the artificial neural network(the same as ANN) model and to compare the forecasting performance of the ANN with that of ARIMA model, one of time series predicting methods. Daily won/dollar exchange rate data was collected and separated three periods. The first period contained exchange rate data from July 1st 1992 to October 31st 1994 and the second period covered data from November 1st 1994 until December 31st 1996. The third period started January 1st 1999 and ended December 31st 2000 under the free floating exchange rate system. ANN models and ARIMA models trained and selected every period predicted the last 90 day won/dollar exchange rates of each period. The criteria for comparing the forecasting performance of ANN model and ARIMA model was RMSE and MAE in the point prediction of the daily rate, Hit Ratio in the movement direction prediction of the daily rate, and the regression analysis of forecast errors of two models.
The results of the empirical analysis of this study are as follows. First, ANN model outperforms ARIMA model on average on the basis of RMSE and MAE for all three periods. Second, ANN model is superior to ARIMA model on the hit ratio criterion for all three periods. However none of hit ratios of both models is not above 50% by Z-test. Third, T-test on absolute forecast errors of both models do not show one is superior to the other statistically for all periods. However, ANN model outperforms ARIMA model statistically for all three periods by the regression analysis of forecasting errors of two models.
The results of this study indicates that ANN model is likely to be more appropriate than ARIMA model to predict daily won/dollar exchange rate. Hence international financial managers of international Korean corporations can get the more accurate future daily won/dollar prediction information using ANN model. The foreign exchange rate dealers can also increase investment profits through foreign exchange rate dealing.
There are, however, some limitations in this study. First, only one input variable, daily won/dollar rates was used to forecast the future rate. The forecasting performance of ANN model can be improved using multiple macro economic variables. Second, a study using weekly and monthly won/dollar exchange rates under the free floating exchange rate system is needed.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)