نوع مقاله : مقاله پژوهشی
نویسندگان
1 دانشجوی دکتری رشته اقتصاد، دانشگاه سمنان، سمنان، ایران
2 استاد گروه اقتصاد، دانشگاه سمنان، سمنان، ایران.
3 دانشیار گروه اقتصاد، دانشگاه سمنان، سمنان، ایران
چکیده
نرخ ارز همواره از مهمترین شاخصهای اقتصادی بوده که عوامل مختلفی در تعیین آن مؤثرند. بعضی از این عوامل در قالب متغیرهای اقتصادی و برخی دیگر به شکل اخبار سیاسی-اقتصادی بازتاب دارند. پرسش مهمی که تاکنون پاسخ دقیقی به آن داده نشده، این است که آیا میتوان مدلی جامع و توسعهپذیر به منظور مدلسازی و پیشبینی نرخ ارز داشت بهنحویکه دربرگیرنده تمامی متغیرها و عوامل مؤثر باشد؟ در این پژوهش بهعنوان پاسخی برای این پرسش، با استفاده از یادگیری ماشین و رویکرد تلفیق دادهها، مدلی جامع مبتنی بر یادگیری عمیق ارائه شده که از انواع داده پشتیبانی میکند. به منظور آموزش مدل اخبار مؤثر بر نرخ ارز از 10 پایگاه اصلی داخلی و خارجی در بازه زمانی 1393 تا 1402 جمعآوری شده و به همراه دادههای نرخ ارز و سایر شاخصهای اقتصادی مستقیماً به مدل داده شده است. به منظور یافتن بهترین مدل، 8 مدل یادگیری ماشین، 2 مدل آماری و یک مدل زبانی بزرگ در هر دو حالت رگرسیون و کلاسبندی آموزش و آزموده شدهاند. برای اجتناب از سوگیری و نتایج تصادفی، از تکنیکهای اعتبارسنجی متقابل منطبق بر توالی زمانی و تکرار آموزش و آزمون مدلها با مقادیر اولیه تصادفی متفاوت، استفاده شده است. نتایج بهدست آمده حاکی از آن است که رویکرد جامع و توسعهپذیر پیشنهادی با لحاظ کردن تمامی عوامل مؤثر به صورت مستقیم، بهطور قابل توجهی عملکرد بهتری در مقایسه با رویکردهای گذشته داشته است.
کلیدواژهها
موضوعات
ابونوری، اسماعیل، خانعلیپور، امیر و عباسی، جعفر. (1388). اثر اخبار بر نوسانات نرخ ارز در ایران: کاربردی از خانواده ARCH. پژوهشنامه بازرگانی، 50، 101-120.
امیری، فرهاد، درخشانی درآبی، کاوه و آسایش، حمید. (1399). بررسی آپار نوسانات نرخ ارز بر ارزش افزوده در زیربخشهای اقتصاد ایران. فصلنامه علمی مطالعات اقتصادی کابردی ایران، 10(39)، 247-267
بیات، ندا. (1397). پیشبینی نرخ ارز با استفاده از نقشههای خودسازمانده بازگشتی. اقتصاد و تجارت نوین، 13، 55-84.
تقوی، مهدی و خدام، محمود. (1390). بررسی تطبیقی کارآمدی نظریههای ارزی در پیشبینی تغییرات نرخ ارز در بازار تبادلات بینالمللی ارز. دانش مالی تحلیل اوراق بهادار (مطالعات مالی)، 9، 147-192.
خاشعی، مهدی، بیجاری، مهدی و مخاطب رفیعی، فریماه. (1392). پیشبینی نرخ ارز با بهکـارگیری مدلهای ترکیبی پرسپترونهای چندلایه (MLPs) و طبقهبندیکنندههـای عصـبی احتمـالی (PNNs). فصلنامه روشهای عددی در مهندسی، 32(1)، 14-1
خداویسی، حسن و ملابهرامی، احمد. (1391). مدلسازی و پیشبینی نرخ ارز براساس معادلات دیفرانسیل تصادفی. تحقیقات اقتصادی، 100(47)، 129-144.
رحیمیبروجردی، علیرضا. (1379). نظام مطلوب ارزی و تنظیم و پیشبینی نرخ ارز برای اقتصاد ایران. پژوهشهای اقتصادی ایران، 5، 40-45.
زراءنژاد، منصور، فقهمجیدی، علی و رضایی، روحالله. (1387). پیشبینی نرخ ارز با استفاده از شبکههای عصبی مصنوعی و مدل ARIMA. اقتصاد مقداری (بررسیهای اقتصادی)، 19، 107-130.
شریفمقدم، شفق و هاشمی، سیدذبیحاله. (1397). پیشبینی نرخ ارز یورو به دلار با تکنیک شبکه عصبی مصنوعی. مهندسی مالی و مدیریت اوراق بهادار، 9(37)، 399-413.
شیرازی، همایون و نصرالهی، خدیجه. (1392). مدلهای پولی و پیشبینی نرخ ارز در ایران: از تئوری تا شواهد تجربی. فصلنامه سیاستهای مالی و اقتصادی، 1(4)، 24-5
طیبی، سیدکمیل، موحدنیا، ناصر و کاظمینی، معصومه. (1387). بهکارگیری شبکههای عصبی مصنوعی در پیشبینی متغیرهای اقتصادی و مقایسه آن با روشهای اقتصادسنجی: پیشبینی روند نرخ ارز در ایران. مهندسی صنایع و مدیریت (ویژه علوم مهندسی شریف)، 43، 104-199.
فتاحی، شهرام، احمدی، آرش و اکرممیرزایی، علی. (1392). مقایسه دقت روش الگوریتم ژنتیک با روشهای دیگر پیشبینیهای نرخ ارز. مطالعات و سیاستهای اقتصادی، 96، 113-136. doi: 10.22096/esp.2013.26156
گودرزی فراهانی، یزدان، عادلی، امیدعلی و قربانی، عاطفه. (1399). تأثیر نااطمینانی سیاستهای اقتصادی بر نوسانات نرخ ارز با استفاده از رویکرد مدل خودرگرسیون با وقفههای توزیعی غیرخطی (NARDL). مدلسازی اقتصادسنجی، 5(4)، 147-171.
مرزبان، حسین، جواهری، بهنام و اکبریان، رضا. (1384). یک مقایسه بین مدلهای اقتصادسنجی ساختاری، سری زمانی و شبکه عصبی برای پیشبینی نرخ ارز. مجله تحقیقات اقتصادی، 40(2). dor: 20.1001.1.00398969.1384.40.2.8.6
منصوریگرگری، حامد و خداویسی، حسن. (1398). پیشبینی نرخ ارز: مقایسه الگوهای رشد لجستیک با الگوهای رقیب. اقتصاد و الگوسازی، 10، 141-179. doi: 10.48308/ecoj.10.3.157
هاشمیدیزج، عبدالرحیم، حاضرینیری، هاتف و پوروحدانی، رسول. (1399). مقایسه عملکرد مدلهای شبکههای عصبی مصنوعی برای پیشبینی نرخ ارز در ایران. دوفصلنامه علمی مطالعات و سیاستهای اقتصادی، 7(2)، 53-80. doi: 10.22096/esp.2020.43397
یارمحمدی، مسعود و محمودوند، رحیم. (1394). پیشبینی نرخ ارز با استفاده از روش تحلیل مجموعه مقادیر تکین. مجله اقتصاد، 18، 137-146. doi: 10.22084/aes.2016.1497
Abounouri, A., Khanalipour, A. & Abbasi, J. (2009). The effect of news on exchange rate volatility in Iran: An application of the ARCH family. Pajouheshnameh Bazargani, 50, 101-120. [In Persian] dor:20.1001.1.17350794.1388.13.50.4.8
Amiri, Farhad, Derakhshani-Daraabi, Kaveh, & Asayesh, Hamid. (2020).
Investigation the Effects of Exchange Rate Fluctuations on the Sub-Sectors Value Added in Iran. Iranian Journal of Applied Economic Studies, 10(39), 247–267. [In Persian]
Bayat, N. (2018). Forecasting exchange rates using recurrent self-organizing maps. Economics and Modern Trade, 13, 55-84. [In Persian]
Brown, T., Mann, B., Ryder, N., Subbiah, M., Kaplan, J.D., Dhariwal, P., ... & Amodei, D. (2020). Language models are few-shot learners. Advances in Neural Information Processing Systems, 33, 1877-1901. doi:10.48550/arXiv.2005.14165
Devlin, J., Chang, M.-W., Lee, K. & Toutanova, K. (2018). BERT: Pre-training of deep bidirectional transformers for language understanding. arXiv preprint arXiv: 1810.04805. doi:10.48550/arXiv.1810.04805
Dridan, R. & Oepen, S. (2012). Tokenization: Returning to a long solved problem—a survey, contrastive experiment, recommendations, and toolkit. Proceedings of the 50th Annual Meeting of the Association for Computational Linguistics (Volume 2: Short Papers).
Farahani, M., Gharachorloo, M., Farahani, M. & Manthouri, M. (2021). ParsBERT: Transformer-based model for Persian language understanding. Neural Processing Letters, 53, 3831-3847.
Fatahi, Sh., Ahmadi, A. & Akram-Mirzaei, A. (2013). Comparison of the accuracy of genetic algorithm methods with other exchange rate forecasting methods. Economic Studies and Policies, 96, 113-136. [In Persian]. doi:10.22096/esp.2013.26156
Goudarzi Farahani, G., Adeli, O.A. & Ghorbani, M. (2020). The impact of economic policy uncertainty on exchange rate volatility using the NARDL model approach. Econometric Modeling, 5(4), 147-171. [In Persian]. doi:10.22075/jem.2021.22243.1547
Hashemi-Dizaj, A., Hazari-Neiri, H. & Pourvohedani, R. (2020). Comparing the performance of artificial neural network models for forecasting exchange rates in Iran. Scientific Biannual Journal of Economic Studies and Policies, 7(2), 53-80. [In Persian]. doi:10.22096/esp.2020.43397
Khashaei, Mehdi, Bijari, Mehdi, & Mokhatab-Rafi‘i, Farimah. (2013).
Forecasting the Exchange Rate Using Hybrid Models of Multilayer Perceptrons (MLPs) and Probabilistic Neural Network Classifiers (PNNs). Numerical Methods in Engineering Quarterly, 32(1), 1–14. [In Persian]
Khodaveisi, H. & Molabahrami, A. (2012). Modeling and forecasting exchange rates based on stochastic differential equations. Economic Research, 100(47), 129-144. [In Persian]. doi:10.22059/jte.2012.29257
Heaton, J. (2016). An empirical analysis of feature engineering for predictive modeling. SoutheastCon, 1-6. doi:10.48550/arXiv.1701.07852
Josse, J. & Husson, F. (2012). Handling missing values in exploratory multivariate data analysis methods. Journal de la Société Française de Statistique, 153(2), 79-99.
Khan, W., Daud, A., Khan, K., Muhammad, S. & Haq, R. (2023). Exploring the frontiers of deep learning and natural language processing: A comprehensive overview of key challenges and emerging trends. Natural Language Processing Journal, 100026. doi:10.1016/j.nlp.2023.100026
Li, Y. & Yang, T. (2018). Word embedding for understanding natural language: A survey. Guide to Big Data Applications, 83-104. doi:10.1007/978-3-319-53817-4
Liu, J., Li, T., Xie, P., Du, S., Teng, F. & Yang, X. (2020). Urban big data fusion based on deep learning: An overview. Information Fusion, 53, 123-133. doi:10.1016/j.inffus.2019.06.016
Mansouri-Gorgori, H. & Khodavisi, H. (2019). Exchange rate forecasting: Comparison of logistic growth models with competing models. Economics and Modeling, 10, 141-179. [In Persian]. doi:10.48308/ecoj.10.3.157
Marzban, D.H., Javaheri, B.B. & Akbarian, A. (2005). A comparison between structural econometric models, time series, and neural networks for exchange rate forecasting. Economic Research Journal, 40(2). [In Persian]. dor: 20.1001.1.00398969.1384.40.2.8.6
Mikolov, T., Chen, K., Corrado, G. & Dean, J. (2013). Efficient estimation of word representations in vector space. arXiv preprint arXiv: 1301.3781. doi:10.48550/arXiv.1301.3781
Mohamadi, S., Mujtaba, G., Le, N., Doretto, G. & Adjeroh, D.A. (2023). ChatGPT in the Age of Generative AI and Large Language Models: A Concise Survey. arXiv preprint arXiv: 2307.04251.
Nargesian, F., Samulowitz, H., Khurana, U., Khalil, E.B. & Turaga, D.S. (2017). Learning feature engineering for classification. IJCAI, 2529-2535. doi:10.24963/ijcai.2017/352
Potdar, K., Pardawala, T.S. & Pai, C.D. (2017). A comparative study of categorical variable encoding techniques for neural network classifiers. International Journal of Computer Applications, 175(4), 7-9.
Rahimi-Boroujerdi, A. (2000). The optimal exchange system and forecasting exchange rates for Iran's economy. Iranian Economic Research, 5, 40-45. [In Persian].
Seabe, P.L., Moutsinga, C.R.B. & Pindza, E. (2023). Forecasting cryptocurrency prices using LSTM, GRU, and bi-directional LSTM: A deep learning approach. Fractal and Fractional, 7(2), 203.
Sharif-Moghaddam, Sh. & Hashemi, S.A. (2018). Forecasting euro to dollar exchange rate using artificial neural networks. Financial Engineering and Securities Management, 9(37), 399-413. [In Persian].
Shirazi, Homayoun, & Nasrollahi, Khadijeh. (2013). Monetary Models and Exchange Rate Forecasting in Iran: From Theory to Empirical Evidence. Financial and Economic Policies Quarterly, 1(4), 5–24. [In Persian]
Singh, D. & Singh, B. (2020). Investigating the impact of data normalization on classification performance. Applied Soft Computing, 97, 105524. doi:10.1016/j.asoc.2019.105524
Sousa, M.G., Sakiyama, K., de Souza Rodrigues, L., Moraes, P.H., Fernandes, E.R. & Matsubara, E.T. (2019). BERT for stock market sentiment analysis. 2019 IEEE 31st International Conference on Tools with Artificial Intelligence (ICTAI), 1597-1601. doi.org:10.1109/ICTAI.2019.00231
Taghavi, M. & Khodam, M. (2011). Comparative efficiency of exchange rate theories in predicting exchange rate changes in the international foreign exchange market. Financial Knowledge of Securities Analysis (Financial Studies), 9, 147-192. [In Persian].
Tayebi, S., Moheddinia, N. & Kazemini, M. (2008). Utilizing artificial neural networks in forecasting economic variables and comparison with econometric methods: Forecasting exchange rate trends in Iran. Industrial Engineering and Management (Sharif Special Edition for Engineering Sciences), 43, 104-199. [In Persian]
Villamil, L., Bausback, R., Salman, S., Liu, T.L., Horn, C. & Liu, X. (2023). Improved stock price movement classification using news articles based on embeddings and label smoothing. arXiv preprint arXiv:2301.10458. doi:10.48550/arXiv.2301.10458
Yarmohammadi, M. & Mahmoodvand, R. (2015). Forecasting exchange rates using singular value decomposition analysis. Journal of Economics, 18, 137-146. [In Persian].
Zaranejad, M., Fagh-Majidi, A. & Rezaei, R.A. (2008). Exchange rate forecasting using artificial neural networks and ARIMA models. Quantitative Economics (Economic Studies), 19, 107-130. [In Persian]
)