Journal of Intelligence and Information Systems (지능정보연구)

Korea Intelligent Information System Society (한국지능정보시스템학회)
권호 표지
DOI QR코드

DOI QR Code

Prediction of KRW/USD exchange rate during the Covid-19 pandemic using SARIMA and ARDL models

SARIMA와 ARDL모형을 활용한 COVID-19 구간별 원/달러 환율 예측

  • Oh, In-Jeong (Department of Industrial Engineering, Yonsei University) ;
  • Kim, Wooju (Department of Industrial Engineering, Yonsei University)
  • 오인정 (연세대학교 산업공학과) ;
  • 김우주 (연세대학교 산업공학과)
  • Received : 2022.11.10
  • Accepted : 2022.11.28
  • Published : 2022.12.31
Download PDF
⟨ Previous Next ⟩

Abstract

This paper is a review of studies that focus on the prediction of a won/dollar exchange rate before and after the covid 19 pandemic. The Korea economy has an unprecedent situation starting from 2021 up till 2022 where the won/dollar exchange rate has exceeded 1,400 KRW, a first time since the global financial crisis in 2008. The US Federal Reserve has raised the interest rate up to 2.5% (2022.7) called a 'Big Step' and the Korea central bank has also raised the interested rate up to 2.5% (2022.8) accordingly. In the unpredictable economic situation, the prediction of the won/dollar exchange rate has become more important than ever. The authors separated the period from 2015.Jan to 2022.Aug into three periods and built a best fitted ARIMA/ARDL prediction model using the period 1. Finally using the best the fitted prediction model, we predicted the won/dollar exchange rate for each period. The conclusions of the study were that during Period 3, when the usual relationship between exchange rates and economic factors appears, the ARDL model reflecting the variable relationship is a better predictive model, and in Period 2 of the transitional period, which deviates from the typical pattern of exchange rate and economic factors, the SARIMA model, which reflects only historical exchange rate trends, was validated as a model with a better predictive performance.

2020년 코로나19 발발 이후 한국 경제를 포함한 국제 시장 환경은 급속하게 변하고 있고 한국 금융시장의 중요 경제 지표인 원/달러 환율도 요동치고 있다. 대외 의존도가 높은 한국 경제에서 환율에 대한 이해는 항상 중요한 연구 과제였고, 특히 코로나 확산이 환율에 미치는 연구는 시기적으로 많은 경제 학자들의 관심사이기도 하다. 따라서 본 연구는 코로나19 발발 이후 환율과 경제 지표의 관계를 분석하고 환율 예측을 위한 단변량 다변량 예측 모형을 구축하여 모형의 예측 성능을 비교 검증을 하였다. 코로나 전후 기간을 세 기간으로 나눠서 기간 1은 코로나 발발전과 초기, 기간 2는 코로나 대확산, 기간 3을 코로나 안정기로 나누고 기간 1의 환율 데이터를 학습한 SARIMA 모형과 같은 기간의 경제 변수와 환율 데이터를 학습한 ARDL 모형의 예측 성능을 비교하였다. 기간별 RMSE기준으로 SARIMA 모형은 기간 2에서 예측 성능이 뛰어나고 ARDL 모형은 기간 3에서 예측 성능이 가장 우수한 것으로 나타났다. 연구 결론은 환율과 경제 변수의 통상적인 관계가 나타나는 기간 3에서는 변수 관계를 반영하는 ARDL 모형이 좀 더 예측 성능이 좋은 모델이고 기존의 전형적인 환율과 경제 변수의 패턴에서 벗어난 과도기 시기인 기간 2에는 과거 환율 추이만 반영하는 SARIMA 모형이 좀 더 우수한 예측 성능을 보여주는 모델로 검증되었다.

Keywords

References

  1. 김흥기, 박은엽. (2014). ARDL-Bounds Test를 이용한 국내 생명보험 및 은행예금 수요요인 실증분석. 보험학회지, 97, 133-155.
  2. 노재확. (2021). 머신러닝을 이용한 우리나라 환율예측 연구. 기업과혁신연구, 44(3), 3-18. https://doi.org/10.22778/JCI.2021.44.3.3
  3. 박범조. (1999). 수정된 엘만신경망을 이용한 외환예측. 지능정보연구, 3(1), 47-68.
  4. 서종덕. (2016). 데이터마이닝 기법을 이용한 환율예측-GARCH와 결합된 랜덤 포레스트 모형. 산업경제연구, 29(5), 1607-1628.
  5. 신택수, 한인구. (1999). 환율예측을 위한 신호처리분석 및 인공신경망기법의 통합시스템 구축. 지능정보연구, 5(1), 103-123.
  6. 이형용, 박정민. (2016). 인공신경망을 이용한 경제위기예측. 지능정보연구, 22(4), 19-43. https://doi.org/10.13088/JIIS.2016.22.4.019
  7. 이종하, 순병민. (2019). 한국간 미국 간 무역에서 환율과 상대가격의 비대칭적 효과 분석: 비선형 ARDL모형을 중심으로. 산업경제연구, 32(4), 1543-1564.
  8. 이재득. (2021). 투자와 수출 및 환율의 고용에 대한 의사결정 나무, 랜덤 포레스트와 그래디언트 부스팅 머신러닝 모형 예측. 무역학회지, 46(2), 281-299. https://doi.org/10.22659/KTRA.2021.46.2.281
  9. 정용석. (2009). 원/달러 환율결정의 통화모형에 대한 분석: ARDL방식을 이용하여. 한국산업경제학회 추계학술발표대회 논문집, 687-704.
  10. 전용식, 전용주. (2021). 거시경제 환경변화에 따른 생명보험 수요의 구조변화 분석. 글로벌경영학회지, 18(5), 206-225.
  11. 한정아, 안창호. (2019). 시계열 모형을 이용한 원/달러 환율 예측모형 비교연구. 융복합지식학회논문지, 7(4), 69-78. https://doi.org/10.22716/SCKT.2019.7.4.052
  12. Blackburne, E., Frank, M. (2007). Estimation of Nonstationary Heterogeneous Panels. The Stata Journal: Promoting Communication on Statistics and Stata, 7(2), 197-208. https://doi.org/10.1177/1536867x0700700204
  13. Iwok, A., Okpe, A. (2016). A Comparative Study between Univariate and Multivariate Linear Stationary Time Series Models. American Journal of Mathematics and Statistics, 6(5), 203-212.
  14. Nusair, S., Olson, D. (2022). Dynamic relationship between exchange rates and stock prices for the G7 countries: nonlinear ARDL approach. Journal of International Financial Markets, Institutions and Money, 78, Article 101541.
  15. Pesaran, M. H., Shin, Y. (1999). An Autoregressive Distributed-Lag Modelling Approach to integration Analysis. Econometrics and Economic Theory in the 20th Century: The Ragnar Fisch Centennial Symposium, Steinar Strom (eds.), Stanford, Cambridge University Press, 371-413.
  16. Wang, J., Wang, X., Li, J., Wang, H. (2021). A Prediction Model of CNN-TLSTM for USD/CNY Exchange Rate Prediction. IEEE Access, 9, 73346-73354. https://doi.org/10.1109/ACCESS.2021.3080459