آیا استخراج سیگنال می تواند به پیشگویی هزینه ریسک در نرخ های ارز خارجی کمک کند

قیمت: 41,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

آیا استخراج سیگنال می تواند به پیشگویی هزینه ریسک در نرخ های ارز خارجی کمک کند

عنوان لاتین

Can signal extraction help predict risk premia in foreign exchange rates

پژوهش حاضر احتمال وجود تنوع زمان هزینه ریسک را در حرکت رو به جلو نرخ های ارز خارجی رئال برزیل، یوان چین. پوند قبرس، کرون دانمارک، یورو منطقه یورو، فرانک فرانسه، روپیه هند، ین ژاپن، روپیه پاکستان و پوند انگلیس در برابر دلار آمریکا بررسی می کند . نرخ ارز در این مجموعه ها با استفاده از مدل ها فضای حالت غیر گوسی که دربرگیرنده اثرات غیر عادی و GARCH-like است مدلسازی می شوند. نتایج شواهد آماری قابل توجهی از زمان متنوع هزینه ریسک در تمامی این مجموعه نشان می دهد. پس از ولف (1987)، نتایج نسخه های گاوسی از مدل فضای حالت خیلی متفاوت نیستند. علاوه بر این، شواهد آماری معنی دار از خوش بندی نوسانات در تمام مجموعه تحقق یافته است. آزمون های اضافی نشان می دهد که استثنا کردن از ناهمگنی مشروط از مدل های پیش بینی منجر به استنتاج آماری نادرست می شود که به نفع هیچ تنوع زمانی هزینه ریسک در بسیاری از مجموعه ها نیست.

The present study investigates possible existence of time varying risk premia in Brazilian real, Chinese yuan; Cypriot pound, Danish krone, Eurozone euro, French franc, Indian rupee, Japanese yen, Pakistani rupee, and British pound forward foreign exchange rates against US dollar. Exchange rates in these series are modeled using non-Gaussian state space models that encompass non-normality and GARCH-like affects.The results show statistically significant evidence of time varying risk premium in all the series. Following Wolff (1987), the results from Gaussian versions of the state space models are not much different. Moreover, statistically significant evidence of volatility clustering is realized in all the series. Additional tests reveal that exclusion of conditional heteroskedasticity from the forecasting models leads to false statistical inferences in favor of no time varying risk premium in most of the series.