Description

Abstract: Artificial neural networks (ANN) are employed for high-frequency Canada/U.S. dollar exchange rate forecasting. ANN outperform random walk and linear models in a number of recursive out-of- sample forecasts. The inclusion of a microstructure variable, order flow, substantially improves the predictive power of both the linear and non-linear models. Two criteria are applied to evaluate model performance: root-mean squared error (RMSE) and the ability to predict the direction of exchange rate moves. ANN is consistently better in RMSE than random walk and linear models for the various out-of-sample set sizes. Moreover, ANN performs better than other models in terms of percentage of correctly predicted exchange rate changes (PERC). The empirical results suggest that optimal ANN architecture is superior to random walk and any linear competing model for high-frequency exchange rate forecasting.

Résumé: Les réseaux de neurones artificiels sont employés pour la prévision du taux de change Canada/ États-Unis à fréquence élevée. Ils produisent généralement de meilleures prévisions hors échantillon récursives qu'une marche aléatoire ou un modèle linéaire. L'addition d'une variable microstructurelle (le flux des transactions) entraîne une nette amélioration de la capacité de prévision des modèles tant linéaires que non linéaires. Les auteurs font appel à deux critères pour évaluer le rendement d'un modèle : la racine carrée de l'erreur quadratique moyenne (REQM) et la capacité de prévoir le sens des variations du taux de change. La REQM est systématiquement moins élevée dans le cas des prévisions produites par les réseaux de neurones artificiels que pour celles issues d'une marche aléatoire ou de modèles linéaires, peu importe le nombre d'observations hors échantillon. De plus, les réseaux de neurones artificiels permettent de prédire correctement le sens d'un plus grand pourcentage des variations du taux de change. Selon les résultats empiriques, l'architecture optimale de ces réseaux fournit de meilleures prévisions du taux de change à fréquence élevée qu'une marche aléatoire ou tout autre modèle linéaire.

Details

PDF

Files

Statistics

from
to
Export
Download Full History