The linkage between macroeconomic variables and exchange rate fluctuations from the Eurozone perspective : a comparison between the linear regression and the ARMA model

Abstract

Exchange rates affect several market participants in the global economy, although predicting them has proven difficult. Regardless of the model, currency pair, or period, no consensus has been reached on the possibility of predicting them.

This thesis aims to investigate the predictability of exchange rates using several machine learning models. The paper examines whether the prevailing differences in interest rates, inflation levels, and income levels between two different currency areas statistically affect the exchange rate fluctuations using time series data consisting of monthly observations from 2009 to 2020. Secondly, the work investigates whether the forecast’s accuracy can be improved with a standardized regression model, which includes lambda in the equation, shrinking the coefficients of explanatory variables. Thirdly, the work challenges the traditional regression model with an autoregressive moving average model based on monthly observations from 1975 to 2023.

Based on the results, macroeconomic variables (interest rate differences and differences in inflation and income levels) have no statistically significant impact on exchange rate fluctuations, excluding one minor case. Of the three variables for two different currency pairs, only the interest rate difference between the Eurozone and Japan statistically impacted the exchange rate fluctuation between the euro and the yen. In addition, the prediction accuracy remained high, and the standardized regression improved the accuracy by very little. The autoregressive moving average considerably improved forecast accuracy, although the results were inconsistent and dependent on the currency pair. Forecast accuracy was improved when predicting the euro and the yen exchange rate. Still, the predictability between the euro and the dollar with an autoregressive moving average was not possible.

Valuuttakurssit vaikuttavat globalisoituneessa maailmassa moneen markkinaosapuoleen, joskin niiden ennustaminen on osoittautunut hankalaksi tehtäväksi mallista, valuuttaparista tai ajanjaksosta riippumatta, eikä niiden ennustettavuudesta ylipäätänsä ole päästy konsensukseen.

Tämän työn tarkoituksena on tutkia valuuttakurssien ennustettavuutta usealla koneoppisella mallilla. Työssä tarkastellaan vaikuttavatko kahden eri valuutta-alueen välillä vallitsevat erot korkotasoissa, inflaatiotasoissa tai tulotasoissa tilastollisesti merkitsevästi valuuttakurssien kehitykseen käyttäen aikasarja-aineistoa, joka koostuu kuukausittaisista havainnoista vuodesta 2009 vuoteen 2020. Toiseksi työssä selvitetään voiko ennustetarkkuutta parantaa vakinaistetulla regressiomallilla, joka tuo yhtälöön mukaan lambdan pienentäen selitettävien muuttujien kertoimia. Kolmanneksi työssä haastetaan perinteinen regressiomalli autoregressiivisellä liukuvalla keskiarvolla, joka perustuu kuukausittaisiin havaintoihin vuodesta 1975 vuoteen 2023.

Tulosten perusteella makrotaloudellisilla muuttujilla (korkoeroilla ja eroilla inflaatio- sekä tulotasoissa) ei lähtökohtaisesti ole tilastollisesti merkitsevää vaikutusta valuuttakurssien vaihteluun yhtä poikkeusta lukuun ottamatta. Kolmesta muuttujasta kahdelle eri valuuttaparille ainoastaan euroalueen ja Japanin välinen korkoero vaikutti tilastollisesti merkitsevästi euron ja jenin välisen valuuttakurssin kehitykseen. Lisäksi ennustetarkkuus pysyi suurena eikä vakinaistettu regressio parantanut ennustetarkkuutta kuin nimellisesti. Autoregressiivinen liukuva keskiarvo tarjosi huomattavan parannuksen ennustetarkkuuteen, joskin myös sen kohdalla tulokset olivat ristiriidassa keskenään ja valuuttaparista riippuvaisia. Ennustetarkkuutta saatiin parannettua euron ja jenin valuuttakurssia ennustaessa, mutta euron ja dollarin välinen ennustettavuus autoregressiivisellä liukuvalla keskiarvolla sen sijaan ei ollut mahdollista.