전문기관의 원/달러 환율예측력 분석 : 시계열 모형 및 기계학습 LSTM 모형과의 비교연구
The Forecast of won/dollar Exchange Rates by Specialized Institutions : A Comparison Between Time Series Models and Machine Learning Long Short-Term Memory (LSTM) Models
- 주제(키워드) 일별 환율 , 예측평가 , 시계열분석 , 기계학습 , 자기회귀누적이동평균 , 장단기기억 , Daily exchange rate , Forecast evaluation , Time series analysis , Machine Learning , ARIMA , LSTM
- 발행기관 서강대학교 경제대학원
- 지도교수 이한식
- 발행년도 2020
- 학위수여년월 2020. 8
- 학위명 석사
- 학과 및 전공 경제대학원 정보/기술경제
- UCI I804:11029-000000065541
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권보호를 받습니다.
초록/요약
환율은 대외의존도가 높은 한국경제에 중요한 요소이다. 특히 글로벌 경기의 방향성을 좌우하는 달러의 가치에 대한 원화 가치의 변동에 더 많은 관심이 필요하다. 이에 따라 원/달러 환율의 변동을 예측하기 위해 다양한 계량・통계 분석을 토대로 많은 연구가 진행되었다. 이러한 관점에서 본고는 환율의 시계열 자료만을 활용하는 일변량 모형(ARIMA 및 LSTM)의 예측데이터와 전문기관의 예측데이터를 체계적으로 비교/분석하여 환율예측에 대한 각 모형의 활용 가능성을 확인하였다. 실증분석 결과 전문기관의 예측치는 비교적 환율의 변동성이 크지 않는 예측기간Ⅰ에서 우수한 결과를 보여주었으며, 특히 RMSE를 20일 단위로 구간 추정(rolling estimation)한 분석에서 시계열 추세의 변화에 따라 불안정한 예측력을 보여준 일변량 모형(ARIMA 및 LSTM)들과는 달리 시계열의 변동성이 커지는 기간에도 그 추세를 추종하지 않고 안정적인 예측력을 보여주었다. 결론적으로 전문기관 예측치는 COVID-19와 같은 영향으로 급격한 변화가 있는 시기를 제외하고는 비교적 안정적인 예측력을 보여준다는 것을 확인하였으며 최근 시계열 데이터를 활용한 예측에서 좋은 성과를 보이는 LSTM 모형이나 전통적인 ARIMA 모형을 활용하더라도 일변량 데이터만으로 변동성이 큰 금융 시계열을 예측하려는 시도는 무의미하다는 것을 확인하였다.
more초록/요약
The exchange rate is an element that possesses high significance in the Korean economy, which is known for its high degree of trade dependency. In particular, fluctuations in the value of the won in accordance to that of the dollar should be more heavily assessed, since the dollar determines the orientation of the global market. Naturally, there has been a great amount of econometric and statistic analysis regarding the prediction of the won/dollar exchange rate. In this sense, this paper seeks to compare and analyze the univariate models (ARTMA and LSTM), which utilize only the time series data of the exchange rate, with forecasting data of specialized institutions and verify the possibilities of each model as an exchange rate forecasting tool. Empirical analysis shows that the forecasts of specialized institutions for Period I, where the exchange rate showed little variability, coincided with the real values. These forecasts were also effective even in periods that had higher variability, unlike univariate models (ARIMA and LSTM), which utilized rolling estimations of RMSE in 20 days intervals. These univariate models showed unstable forecasts as the trend of the time series data changed. In conclusion, this paper confirms that the forecasts of specialized institutions can predict the exchange rate with stability, except for periods of extreme variability such as the impact of the recent COVID-19 outbreak. Simultaneously, this paper confirmed that although the LSTM and ARIMA models utilizing time series data recently have shown possibilities in predicting the exchange rate, it is meaningless to predict the highly volatile monetary time series data with a univariate data set.
more