高雄科技大學企業管理系

標題	107D2-經濟基要與名目匯率的可預測性：機器學習之應用
姓名	蕭雅涵
指導教授	李政峯 老師
畢業日期	2018/06
參考連結	檔案下載
摘要	匯率變動影響一國總體經濟及政府政策，若能準確預知匯率未來走向，將 利於政府當局及企業做出相應對策，降低匯率變動的不利影響，由此可見匯率 預測有其必要性。然而，由於匯率變動頻繁，準確預測匯率是件具挑戰之事。 因此，本論文以新台幣與全球主要貨幣對美元的名目匯率為研究對象，除以時 間數列與傳統經濟結構模型來預測外，亦使用機器學習方法來提高預測績效。 樣本期間為1971 年1 月至2020 年10 月。首先以十國匯率時間數列資料做 ARIMA 及SVR 的匯率預測比較，再以四種經濟結構變數(購買力平價、未拋 補利率、貨幣學派、泰勒法則)，分別使用OLS/FM-OLS、VAR/VECM、SVR 三種方法進行匯率預測並進行比較。實證結果顯示，整體而言使用SVR 來訓 練經濟結構模型及時間數列模型，在十國匯率預測績效上，表現皆優於 OLS/FM-OLS、VAR/VECM 及ARIMA 方法。首先，在經濟結構模型預測表現 上，OLS/FM-OLS 平均MAPE 為14.207%、平均RMSE 為0.097；VAR/VECM 平均MAPE 為43.716%、平均RMSE 為0.047；SVR 平均MAPE 為11.573%、 平均RMSE 為0.024。最後，在時間數列模型預測表現上，ARIMA 平均MAPE 為7.219%、平均RMSE 為0.034；SVR 平均MAPE 為10.145%、平均RMSE 為0.024。 關鍵詞：匯率、機器學習、預測、經濟結構變數、SVR