ทำไมอัตราแลกเปลี่ยนมักจะเคลื่อนไหวในรูปแบบที่แม้แต่รุ่นที่ดีที่สุดก็ไม่สามารถคาดการณ์ได้? เป็นเวลาหลายทศวรรษแล้วที่นักวิจัยพบว่าการคาดการณ์“ แบบสุ่ม-เดิน” สามารถทำได้ดีกว่าโมเดลบนพื้นฐานของพื้นฐาน (Meese & Rogoff, 1983a; Meese & Rogoff, 1983b) นั่นเป็นเรื่องที่ทำให้งง ทฤษฎีกล่าวว่าตัวแปรพื้นฐานควรมีความสำคัญ แต่ในทางปฏิบัติตลาด FX ตอบสนองอย่างรวดเร็วต่อข้อมูลใหม่ที่พวกเขามักจะคาดเดาไม่ได้ (Fama, 1970; Mark, 1995)
ทำไมโมเดลดั้งเดิมถึงสั้น
เพื่อให้ก้าวไปข้างหน้าของตลาดที่เคลื่อนไหวเร็วเหล่านี้การวิจัยในภายหลังได้พิจารณาสัญญาณที่มีความถี่สูงและตลาดที่เคลื่อนที่ไปข้างหน้าของการชิงช้าสกุลเงินขนาดใหญ่ Spikes ในการแลกเปลี่ยนความผันผวนและดอกเบี้ยสเปรดมีแนวโน้มที่จะปรากฏขึ้นก่อนที่ความเครียดที่สำคัญในตลาดสกุลเงิน (Babecký et al., 2014; Pleasure et al., 2017; Tölö, 2019) ผู้ค้าและผู้กำหนดนโยบายยังดูการแลกเปลี่ยนเครดิต – การแลกเปลี่ยนสำหรับหนี้อธิปไตยเนื่องจากการขยายสเปรดส่งสัญญาณความกลัวที่เพิ่มขึ้นเกี่ยวกับความสามารถของประเทศในการปฏิบัติตามภาระผูกพัน ในขณะเดียวกันมาตรวัดความเสี่ยงระดับโลกเช่นดัชนี VIX ซึ่งวัดความคาดหวังความผันผวนของหุ้นของหุ้นมักจะเตือนถึงการกระวนกระวายใจของตลาดที่กว้างขึ้นซึ่งสามารถทะลักเข้าสู่ตลาดแลกเปลี่ยนต่างประเทศ
ในช่วงไม่กี่ปีที่ผ่านมาการเรียนรู้ของเครื่องได้ใช้ FX คาดการณ์อีกขั้น โมเดลเหล่านี้รวมอินพุตจำนวนมากเช่นตัวชี้วัดสภาพคล่องความผันผวนของตัวเลือกที่ปล่อยออกมาสเปรดเครดิตและดัชนีความเสี่ยงในระบบการเตือนล่วงหน้า
เครื่องมือเช่นป่าแบบสุ่มการส่งเสริมการไล่ระดับสีและเครือข่ายประสาทสามารถตรวจจับรูปแบบที่ซับซ้อนและไม่เป็นเชิงเส้นที่โมเดลแบบดั้งเดิมพลาด (Casabianca et al., 2019; Tölö, 2019; Falliard et al., 2019)
แต่ถึงแม้โมเดลขั้นสูงเหล่านี้มักจะขึ้นอยู่กับตัวชี้วัดที่มีความยาวคงที่-จุดข้อมูลที่ใช้ในช่วงเวลาที่เฉพาะเจาะจงในอดีตเช่นการแพร่กระจายอัตราดอกเบี้ยเมื่อวานหรือระดับ CDS ของสัปดาห์ที่แล้ว สแนปชอตเหล่านี้อาจพลาดความเครียดที่ค่อยๆสร้างหรือแผ่ออกไปในช่วงเวลา กล่าวอีกนัยหนึ่งพวกเขามักจะเพิกเฉยต่อเส้นทางที่ข้อมูลใช้เพื่อไปที่นั่น
จากสแน็ปช็อตถึงรูปร่าง: วิธีที่ดีกว่าในการอ่านความเครียดของตลาด
การเปลี่ยนแปลงที่มีแนวโน้มคือการมุ่งเน้นไม่เพียง แต่กับค่าที่ผ่านมา แต่เป็นรูปร่างของการพัฒนาค่าเหล่านั้น นี่คือที่วิธีการลงนามเส้นทางเข้ามาจากทฤษฎีเส้นทางคร่าวๆเครื่องมือเหล่านี้เปลี่ยนลำดับของผลตอบแทนเป็นลายนิ้วมือทางคณิตศาสตร์ชนิดหนึ่งซึ่งเป็นสิ่งที่จับการบิดและการเคลื่อนไหวของตลาด
การศึกษาก่อนหน้าแสดงให้เห็นว่าคุณสมบัติตามรูปร่างเหล่านี้สามารถปรับปรุงการคาดการณ์สำหรับความผันผวนและการคาดการณ์ FX ซึ่งนำเสนอมุมมองที่มีชีวิตชีวามากขึ้นของพฤติกรรมการตลาด
สิ่งนี้หมายถึงการพยากรณ์และการบริหารความเสี่ยง
การค้นพบเหล่านี้ชี้ให้เห็นว่าเส้นทางของตัวเอง – ผลตอบแทนที่เกิดขึ้นเมื่อเวลาผ่านไปสามารถทำนายการเคลื่อนไหวของราคาสินทรัพย์และความเครียดของตลาดได้อย่างไร โดยการวิเคราะห์วิถีการเคลื่อนที่เต็มรูปแบบของผลตอบแทนล่าสุดแทนที่จะเป็นสแน็ปช็อตที่แยกได้นักวิเคราะห์สามารถตรวจจับการเปลี่ยนแปลงเล็กน้อยในพฤติกรรมการตลาดที่ทำนายการเคลื่อนไหว
สำหรับทุกคนที่จัดการความเสี่ยงจากสกุลเงิน-ธนาคารกลางผู้จัดการกองทุนและทีมคลังขององค์กร-การเพิ่มคุณสมบัติลายเซ็นเหล่านี้ลงในชุดเครื่องมือของพวกเขาอาจเสนอก่อนหน้านี้และคำเตือนที่เชื่อถือได้มากขึ้นเกี่ยวกับปัญหา FX
มองไปข้างหน้าวิธีการลงนามเส้นทางสามารถรวมกับเทคนิคการเรียนรู้ของเครื่องขั้นสูงเช่นเครือข่ายประสาทเพื่อจับภาพที่ดียิ่งขึ้นในข้อมูลทางการเงิน
การนำอินพุตเพิ่มเติมเช่นการวัดตัวเลือกที่นำไปใช้หรือการแพร่กระจายของซีดีจะกระจายไปยังเฟรมเวิร์กบนเส้นทางโดยตรงอาจทำให้การคาดการณ์ยิ่งขึ้น
ในระยะสั้นยอมรับรูปร่างของเส้นทางการเงิน – ไม่เพียง แต่จุดสิ้นสุดของพวกเขา – เปิดโอกาสใหม่สำหรับการพยากรณ์ที่ดีขึ้นและการบริหารความเสี่ยงที่ชาญฉลาด
การอ้างอิง
Babecký, J. , Havránek, T. , Matějů, J. , Rusnák, M. , Šmídková, Ok. , & Vašíček, B. (2014) การธนาคารหนี้และวิกฤตการณ์สกุลเงินในประเทศที่พัฒนาแล้ว: ข้อเท็จจริงที่เก๋ไก๋และตัวชี้วัดการเตือนล่วงหน้า วารสารความมั่นคงทางการเงิน, 15, 1–17
Casabianca, EJ, Catalano, M. , Forni, L. , Giarda, E. , & Passeri, S. (2019) ระบบเตือนภัยล่วงหน้าสำหรับวิกฤตการณ์ธนาคาร: จากการวิเคราะห์การถดถอยไปจนถึงเทคนิคการเรียนรู้ของเครื่อง Dipartimento Di Scienze Economiche“ Marco Fanno” รายงานทางเทคนิค
Cerchiello, P. , Nicola, G. , Rönnqvist, S. , & Sarlin, P. (2022) การประเมินความทุกข์ของธนาคารโดยใช้ข่าวและข้อมูลทางการเงินปกติ พรมแดนในปัญญาประดิษฐ์, 5, 871863
Fama, EF (1970) ตลาดทุนที่มีประสิทธิภาพ: การทบทวนทฤษฎีและงานเชิงประจักษ์ วารสารการเงิน, 25 (2), 383–417
Falliard, J. , Howell, M. , & Rey, H. (2019) การตอบรับราชินี: การเรียนรู้ของเครื่องจักรและวิกฤตการณ์ทางการเงิน กระดาษทำงาน
Pleasure, M. , Rusnák, M. , Šmídková, Ok. , & Vašíček, B. (2017) วิกฤตการณ์ธนาคารและสกุลเงิน: การวินิจฉัยแยกต่างหากสำหรับประเทศที่พัฒนาแล้ว วารสารการเงินระหว่างประเทศและเศรษฐศาสตร์, 22 (1), 44–69
Mark, NC (1995) อัตราแลกเปลี่ยนและปัจจัยพื้นฐาน: หลักฐานการคาดการณ์ของ Horizon ระยะยาว การทบทวนเศรษฐกิจอเมริกัน, 85 (1), 201–218
Meese, Ra, & Rogoff, Ok. (1983a) ความล้มเหลวของตัวอย่างของแบบจำลองอัตราแลกเปลี่ยนเชิงประจักษ์: ข้อผิดพลาดในการสุ่มตัวอย่างหรือการสะกดผิด? ใน JA Frenkel (ed.) อัตราแลกเปลี่ยนและเศรษฐศาสตร์มหภาคระหว่างประเทศ (หน้า 67–112) สำนักพิมพ์มหาวิทยาลัยชิคาโก
Meese, Ra, & Rogoff, Ok. (1983b) แบบจำลองอัตราแลกเปลี่ยนเชิงประจักษ์ของอายุเจ็ดสิบ วารสารเศรษฐศาสตร์ระหว่างประเทศ, 14 (1–2), 3–24
Tölö, E. (2019) การทำนายวิกฤตการณ์ทางการเงินอย่างเป็นระบบด้วยเครือข่ายประสาทที่เกิดขึ้นอีก รายงานทางเทคนิคของธนาคารแห่งฟินแลนด์
