طراحی و تبیین مدل پیش‌بینی سبد ارزی

در این پژوهش که به‌منظور طراحی یک مدل پیش بینی بازده تعدیل‌شده سرمایه گذاری در بازار ارز بین الملل انجام گرفته است، با طراحی و استفاده از یک سبد معیار که از حداقل نوسان ارزش برخوردار است و به‌کارگیری متغیرهای موثر بر نرخ ارز، به طراحی مدلی جهت پیش بینی و تعیین بهترین پرتفوی ارزی از نظر بازدهی نسبت به ریسک اقدام شده و در ادامه پرتفوی های خروجی مدل مدنظر، با پرتفوی های حاصل از به‌کارگیری استراتژی مومنتوم (که یک استراتژی متداول سرمایه گذاری در بازار ارز و سایر بازارهای مالی است) مقایسه شده است. برای انجام پژوهش، از داده‌های فصلی مربوط به 15 ارز (که شامل 15 ارز با بیشترین حجم معاملات می باشند) از ابتدای سال 1999 تا آخر سال 2018 استفاده شده است و برای پردازش داده های مربوطه، از روش پنل پویا استفاده شده است. یافته های پژوهش نشان‌دهنده قدرت بیشتر مدل ارائه شده در خصوص پیش بینی بازده تعدیل‌شده با ریسک ارزها نسبت به استراتژی مومنتوم است همچنین متغیرهای نرخ برابری واقعی و نرخ بهره با بازدهی مذکور ارتباط مثبت و داشته و در ترکیب با مقادیر گذشته بازدهی ارز، قابلیت پیش‌بینی بازده ارز را دارند و وقفه‌های گذشته بازدهی ارز نیز با بازده جاری ارتباط منفی داشته و قابلیت پیش‌بینی بازده ارز را دارد.

Currency Portfolio Predicting Model

In this study, using a basket of 5 most traded currencies as the base to measure currencies return (a basket with minimum variance in value), and applying variables affecting the exchange rate, we design a model for predicting and determining the best foreign exchange portfolio (in the sense of risk adjusted return), and then the output portfolios of the model, will compete the momentum based portfolio which is commonly used in forex and other financial markets. If there is a significant difference between the two models, the model presented in this study will be introduced as a model with the more ability than momentum investing strategy to predict the currency risk adjusted return.     For research, quarterly data from 15 currencies (which includes the 15 most traded currencies) has been used since 1999 to 2018, and the Dynamic Panel method is used to process related data.     The research findings indicate the power of the proposed model for predicting risk adjusted return of the currencies Also, the finding shows than the fundamental variables (Interest Rate and Real Exchange Rate) have a positive relationship with the currencies return and the previous lags of currency return has a negative relation with the current return.