III. 2. Forecasting exchange rates - c) VAR forecasting

Zhrnutie prednášky

Prednáška ukazuje praktické prognózovanie výmenných kurzov pomocou vektorovej autoregresie (VAR), konkrétne kurzu českej koruny voči eur. VAR na rozdiel od bežnej regresie zahŕňa endogenitu, teda vzájomné ovplyvňovanie premenných, ako sú výmenný kurz, inflácia a úrokové sadzby. Pred modelovaním treba pripraviť dáta: použiť nízku frekvenciu (napr. kvartálne, 30–100 pozorovaní), odstrániť chýbajúce hodnoty, dáta diferencovať a overiť stacionaritu ADF testom (p < 0,05). Dummy premenné reprezentujú exogénne šoky (recesia, kurzový floor, fondy ESM). Na úvod sa odhadne jednoduchý OLS model so zameraním na autokoreláciu (Durbin-Watson) a rozdelenie dát na trénovaciu (80 %) a testovaciu (20 %) vzorku. Následne sa v Gretli odhaduje VAR s typicky štyrmi oneskoreniami, kontroluje sa autokorelácia reziduí a ich normalita.

• - VAR zahŕňa endogenitu: minulé hodnoty premennej aj ostatných premenných vstupujú do každej rovnice.
• - Pre VAR sa nepoužívajú vysokofrekvenčné dáta; vhodná dĺžka radu je zhruba 30–100 pozorovaní.
• - Vstupy musia byť stacionárne a podobne škálované, preto sa diferencujú (dummy premenné nie); stacionarita sa overuje ADF testom s p < 0,05.
• - Dummy premenné zachytávajú exogénne šoky: recesiu, kurzový floor voči euru a použitie fondov ESM.
• - Jednoduchý OLS model mal autokoreláciu (Durbin-Watson mimo 1,8–2,2); pridanie oneskorenej premennej ju znížilo, no prognózy neboli významné.
• - Dáta sa delia na trénovaciu (80 %) a testovaciu (20 %) časť na validáciu prognózy.
• - Pri kvartálnych dátach sa vo VAR používajú štyri oneskorenia; pri autokorelácii reziduí sa ich počet zvyšuje a overuje sa normalita reziduí.

Zhrnutie pripravené s pomocou AI z prepisu videa.