Forecasting the trend of foreign exchange rates using time series analysis techniques

Abstract

Forecasting exchange rates from the foreign exchange market is a challenging research. The exchange rate forecast will be very beneficial to investors. Currently, time series techniques play a role in forecasting future data. The purpose of this research is to study and compare the efficiency of the models for predicting foreign exchange rates.In this paper, Using the upward trend of exchange rates. From. February 2014 to January 2017 were used. four techniques including Linear Regression (LR), Multi-Layer 9 Perceptron (MLP), Support Vector Machine Regression (SVMR) and Sequential Minimal Optimization Regression (SMOR) were employed. Sliding Windows was used to divide data into learning and testing sets. In this paper, 12 rounds of sliding windows were used to reduce the variance of experiment results. Moreover, Mean Absolute Error (MAE) and Root Mean Square Error (RMSE) Has been used to measure the efficiency of the model, which found that the SMOR technique can better claim different exchange rate expectations while processing the most demanding forecast errors in Rate announcement Exchanged with MAE and RMSE values ​​of 0%

การพยากรณ์อัตราแลกเปลี่ยนเงินตราจากการอ้างอิงราคาจากตลาดการแลกเปลี่ยนเงินตราต่างประเทศนั้นเป็นงานวิจัยที่ท้าทาย โดยการพยากรณ์อัตราแลกเปลี่ยนเงินตราจะทำประโยชน์อย่างยิ่งต่อนักลงทุน ปัจจุบันเทคนิคอนุกรมเวลาเข้ามามีบทบาทในการพยากรณ์ข้อมูลที่จะเกิดขึ้นในอนาคต ดังนั้นงานวิจัยนี้จึงมีวัตถุประสงค์เพื่อศึกษาและเปรียบเทียบประสิทธิภาพของแบบจำลองในการพยากรณ์อัตราการแลกเปลี่ยนเงินตราต่างประเทศ โดยใช้ข้อมูล แนวโน้มขาขึ้นของอัตราแลกเปลี่ยนเงินตรา ตั้งแต่เดือนกุมพาพันธ์ พ.ศ.2014 ถึง เดือนมกราคม พ.ศ. 2017 ในงานวิจัยนี้ 4 เทคนิคที่มีประสิทธิภาพในการสร้างแบบจำลองเพื่อพยากรณ์ คือ Linear Regression (LR), Multi-Layer 9 Perceptron (MLP), Support Vector Machine Regression (SVMR) และ Sequential Minimal Optimization Regression (SMOR) ในการทดสอบประสิทธิภาพของแบบจำลองที่สร้างขึ้น Sliding Windows ได้ถูกนำมาใช้ในการแบ่งกลุ่มข้อมูลเป็นชุดข้อมูลการเรียนรู้ และชุดข้อมูลทดสอบ 12 รอบของ Sliding Windows ถูกนำมาใช้เพื่อลดความแปรปรวนของผลการทดลองด้วยค่าเฉลี่ยความคลาดเคลื่อนสัมบูรณ์ และรากกำลังสองสัมพัทธ์มีความผิดพลาดได้ถูกนำมาใช้การวัดประสิทธิภาพของแบบจำลองนั้นพบว่าเทคนิค SMOR สามารถพยากรณ์อัตราแนวโน้มอัตราแลกเปลี่ยนเงินตราต่างประเทศได้ดีเพราะเมื่อทำการประมวลผลความผิดพลาดในการพยากรณ์ มีความเหมาะสมมากทีสุด ในการพยากรณ์อัตราแนวโน้มอัตราแลกเปลี่ยนเงินตราต่างประเทศ ด้วยค่า MAE และค่า RMSE มีค่าเข้าใกล้ 0 มากที่สุด