KCI등재
축약된 Relative Nelson-Siegel 모형과 딥러닝 기법을 이용한 원달러 환율의 변화율 예측 = Forecasting KRWUSD Exchange Rate Changes Using a Reduced Relative Nelson-Siegel Model with Deep Learning Techniques
저자
발행기관
학술지명
Journal of the Korean Data Analysis Society(Journal of The Korean Data Analysis Society)
권호사항
발행연도
2023
작성언어
-주제어
KDC
310
등재정보
KCI등재
자료형태
학술저널
수록면
987-1003(17쪽)
DOI식별코드
제공처
본 연구는 국가 간 이자율 요인(수준, 기울기, 곡도)의 차이에 기반한 Chen, Tsang(2013)의 Relative Nelson-Siegel(RNS) 모형을 원달러 환율 예측에 적용할 때 곡도 또는 곡도와 수준 요인만 사용하는 것이 과대 적합을 피할 수 있음을 보이고(모형 구조의 개선), 비선형성이 고려된 딥러닝 기법이 추가적으로 예측력을 개선하는지(추정 기법의 개선) 검토한다. 실증 분석에서는 2010년 1월부터 2022년 12월까지의 월평균 자료를 이용하여 원달러 환율의 1개월, 3개월, 6개월, 12개월 변화율을 예측하였으며 그 결과는 크게 두 가지로 요약할 수 있다. 첫째, RNS 모형은 과대적합 가능성을 나타낸 반면, 통화정책의 기조 및 미래 단기금리의 (기대수준을 벗어난) 변화를 반영하는 곡도를 중심으로 축약한 RNS 모형은 보다 낮은 RMSE를 나타냈다. 둘째, 1개월 예측의 경우 통계적으로 유의한 모형 간 차이가 발견되지 않았지만 나머지 예측 기간의 경우 딥러닝 기법을 적용한 경우에 예측력이 더욱 개선되었다. 결과적으로 중장기 환율의 변화율을 예측할 때 곡도 요인의 국가 간 차이에 주목하고 추가적인 예측력 개선을 위해 딥러닝 기법을 적극 활용할 필요가 있을 것으로 보인다.
더보기This study applies Chen and Tsang's (2013) Relative Nelson-Siegel (RNS) model, which is based on the differences between the interest rate factors (level, slope, and curvature) of two countries, to forecast the KRWUSD exchange rate and shows that a reduced RNS model with only the curvature or the curvature and level factors can avoid overfitting. Additionally, the study investigates the extent to which deep learning techniques, which consider nonlinearities, can enhance the forecasting performance. The empirical analysis uses monthly average data from January 2010 to December 2022 to forecast the 1-, 3-, 6-, and 12-month exchange rate changes. The main findings are threefold. First, the RNS model tends to suffer from the overfitting, while the reduced RNS model, including a relative curvature factor that reflects cross-country differences in monetary policy stance and unexpected changes in future short-term interest rates, demonstrates a relatively lower RMSE. Second, although no statistically significant model differences were found for the one-month forecast, the forecasting performance for the remaining forecast horizons was improved by deep learning techniques. Therefore, it is necessary to pay attention to cross-country differences in curvature factors when predicting KRWUSD exchange rate changes in the medium to long term and to use deep learning techniques to further improve the forecasting performance.
더보기분석정보
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)