Spelling suggestions: "subject:"delmodell"" "subject:"deltamodell""
1 |
Vart är kronan på väg? : Utmaningen med växelkursprognoser - en jämförelse av prognosmodellerDahlberg, Magnus, Anders, Gombrii January 2021 (has links)
Riksbanken har under senaste åren blivit kritiserade för deras bristande prognoser av svenska valutakurser. I denna uppsats undersöks det om slumpvandring (RW) är den mest framgångsrika prognosmodellen eller om alternativa ekonometriska prognosmodeller (AR, VAR och VECM) kan estimera framtida växelkurser mer korrekt på kort sikt, ett kvartal fram, och medellång sikt, fyra kvartal fram. I dessa prognosmodeller behandlas fem Svenska makroekonomiska variabler som endogena; KPI, BNP, arbetslöshet, 3 månaders statsobligationer (T-bonds), samt en exogen variabel, Amerikansk-BNP. Den data som används är kvartalsdata från första kvartalet 1993 till andra kvartalet 2020 för respektive variabel. Resultaten från studie visar på att RW är mer ackurat än de multivariata modellerna (VAR och VECM) på både kort sikt och medellång sikt. Residualerna utvärderas genom att kolla på rotmedelkvadratfel (RMSE) från respektive prognos. / In recent years, the Riksbank has been criticized for their underperforming forecasts of Swedish exchange rates. This thesis examines whether the random walk (RW) is the most successful forecasting model when forecasting the exchange rate (SEK / USD) or whether alternative economic forecasting models (AR, VAR and VECM) can estimate future exchange rates more accurately. Both in the short and medium term, one respectively four quarters ahead. In these forecast models, five Swedish macroeconomic variables are treated as endogenous; CPI, GDP, unemployment, three-month Treasury-bonds (T-Bonds), and an exogenous variable, US GDP. The data used is quarterly data from the first quarter of 1993 to the second quarter of 2020 for each variable. Results from the study show that RW is more accurate than the multivariate models (VAR and VECM) in both the short and medium term. The residuals are evaluated by looking at root mean square error (RMSE) from the respective forecast.
|
Page generated in 0.0393 seconds