پیش‌بینی نرخ ارز با استفاده از الگوریتم‌های فراابتکاری

اتخاذ سیاست‌های نرخ ارز مناسب در کشورهای در حال توسعه، همواره بحث برانگیز است. سیاست‌گذاران پولی به منظور جلوگیری از زیان‌های ناشی از تغییرات نرخ ارز، درصدد یافتن روشی مناسب برای پیش‌بینی نرخ ارز بوده‌اند. حال آنکه ویژگی‌های سیاسی، اقتصادی نرخ ارز باعث رفتار پیچیده و غیرخطی آن شده و نشان از عملکرد بهتر این الگو‌ها در پیش‌بینی است. در این پژوهش با استفاده از الگوریتم‌های فراابتکاری الگوی بهینه نرخ ارز شبیه‌سازی شد. بدین منظور از 257 داده ماهانه نرخ ارز، نرخ تورم، قیمت نفتی سبد اوپک و نرخ سکه تمام بهار آزادی در بازه زمانی آذرماه 1379 لغایت اسفندماه 1400، استفاده گردید. ابتدا داده‌ها به دو دسته آموزش و آزمایش تقسیم شدند. هر یک از الگوریتم‌های فراابتکاری برای 24 ماه آینده از پارامترهای مربوط به هر الگوریتم اجرا شد. مقادیر ضرایب خطا، پس از رسیدن به ملاک توقف ثبت و نهایتا بهترین الگوریتم، بر اساس بیشترین همگرایی انتخاب شد. نتایج نشان داد الگوریتم ازدحام ذرات در تعداد و تکرار پایین همگرایی بسیار مطلوبی داشته و دارای عملکرد دقیق‌تری در پیش‌بینی نرخ ارز است. با توجه به این که الگوریتم‌های فراابتکاری قادر به بهینه‌سازی فرآیندهای مختلف مانند مدیریت زمان، منابع و تسهیل کردن برنامه ریزی روزانه هستند، پیشنهاد می‌شود سیاست‌گزاران از این الگوریتم جهت پیش‌بینی نرخ ارز استفاده کنند.

forecasting the exchange rate using meta-heuristic algorithms

adopting appropriate exchange rate policies in developing countries is always controversial. in order to prevent losses from changes in exchange rates, monetary policymakers have always sought to find a suitable method for forecasting exchange rates. however, the political and economic characteristics of the exchange rate have caused complex and nonlinear behavior, indicating the use of better models in forecasting. in this study, the optimal exchange rate model was simulated using metaheuristic algorithms. for this purpose, from 257 monthly data of exchange rate, inflation rate, opec basket oil price and gold coin price during the period from december 2000 to march 2021, the data were first divided into two groups of training and testing. each of the metaheuristic algorithms was run for the next 24 months with the parameters related to each algorithm. in each run, the value of the error coefficients was selected after reaching the stop criterion and finally the best algorithm was selected based on the highest convergence. the results show that the particle swarm algorithm had very good convergence in low number and iteration and had a more accurate performance in forecasting the exchange rate. given that metaheuristic algorithms are capable of optimizing various processes such as time management, resources, and facilitating daily planning, this study suggests that policymakers use this algorithm to predict the exchange rate before planning in sectors.