Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Nghiên cứu về sự biến động của tỷ giá hối đoái trong bối cảnh thanh toán RMB xuyên biên giới dựa trên thuật toán mạng nơ-ron đa lớp
Tóm tắt
Để tăng lợi nhuận, các doanh nghiệp thương mại nước ngoài cần giảm chi phí. Tuy nhiên, thanh toán RMB xuyên biên giới có thể giảm chi phí cho các doanh nghiệp thương mại nước ngoài, tránh những rủi ro về tỷ giá hối đoái ở một mức độ nhất định và giảm thiệt hại. Tuy nhiên, thanh toán RMB xuyên biên giới vẫn bị ảnh hưởng bởi sự thay đổi của tỷ giá. Để khám phá quy luật của sự thay đổi tỷ giá và đưa ra dự đoán nhằm giảm thiểu tác động của sự thay đổi tỷ giá, thuật toán mạng nơ-ron đa lớp đã được sử dụng để huấn luyện và kiểm tra tỷ giá của USD, EUR, JPY và HKD trong khoảng thời gian từ tháng 11 năm 2017 đến tháng 7 năm 2018 trên Matlab. Kết quả cho thấy sự thay đổi của tỷ giá hối đoái mang tính quy luật và các đồng tiền khác nhau có những đặc điểm thay đổi khác nhau. Thuật toán mạng nơ-ron đa lớp có thể dự đoán chính xác sự thay đổi tỷ giá của hầu hết các đồng tiền và có hiệu suất tốt nhất trong việc dự đoán tỷ giá của USD và EUR, đặc biệt là EUR, và hiệu suất đứng thứ hai trong việc dự đoán tỷ giá của HKD; nó có thể dự đoán xu hướng chung mặc dù có hiệu suất kém nhất trong việc dự đoán tỷ giá của JPY.
Từ khóa
#tỷ giá hối đoái #thanh toán xuyên biên giới #mạng nơ-ron đa lớp #doanh nghiệp thương mại #rủi ro tỷ giáTài liệu tham khảo
Balcilar, M., Gupta, R., and Pierdzioch, C., On exchange-rate movements and gold-price fluctuations: Evidence for gold-producing countries from a nonparametric causality-in-quantiles test, Int. Econ. Econ. Policy, 2015, vol. 14, no. 4, 691–700.
Gbatu, A.P., Wang, Z., Wesseh, P.K.J., et al., Asymmetric and dynamic effects of oil price shocks and exchange rate fluctuations: Evidence from a panel of Economic Community of West African States (ECOWAS), Int. J. Energ. Econ. Policy, 2017, vol. 7, no. 3, pp. 1–13.
Rashid, A. and Waqar, S.M., Exchange rate fluctuations, firm size, and export behavior: An empirical investigation, Small Bus. Econ., 2017, vol. 49, no. 3, pp. 609–625.
Kaiser, B., Siegenthaler, M., The skill-biased effects of exchange rate fluctuations, Econ. J., 2016, vol. 126, no. 592, pp. 756–780.
Zhang, J., Recommendations for the cost control of foreign trade enterprises in RMB cross-border settlement, Int. Conf. Hum. Soc. Sci., 2017, pp. 431–439.
Flaschel, P., Hartmann, F., and Malikane, C., A behavioral macroeconomic model of exchange rate fluctuations with complex market expectations formation, Comput. Econ., 2015, vol. 45, no. 4, pp. 669–691.
Caselli, M., Chatterjee, A., and Woodland, A., Multi-product exporters, variable markups and exchange rate fluctuations, Can. J. Econ., 2017, vol. 50, no. 4, pp. 1130–1160.
Fabling, R. and Sanderson, L., Exchange rate fluctuations and the margins of exports, in Working Papers 15_05, Motu Economic and Public Policy Research, 2015.
Galeshchuk, S., Neural networks performance in exchange rate prediction, Neurocomputing, 2016, vol. 172, pp. 446–452.
Pandey, T.N., Jagadev, A.K., Dehuri, S., and Cho, S.B., A novel committee machine and reviews of neural network and statistical models for currency exchange rate prediction: An experimental analysis, J. King Saud Univ. Comput. Inf. Sci., 2018.
Wang, S., Tang, Z., and Chai, B., Exchange rate prediction model analysis based on improved artificial neural network algorithm, Int. Conf. Commun. Electr. Syst., Coimbatore, 2017, pp. 1–5.
Kartini, U.T. and Chen, C.R., Short term forecasting of global solar irradiance by k-nearest neighbor multilayer backpropagation learning neural network algorithm, Int. Conf. Graph. Sign. Proc., 2017, pp. 96–100.
Laws, J., Modelling commodity value at risk with Psi Sigma neural networks using open–high–low–close data, Eur. J. Fin., 2015, vol. 21, no. 4, pp. 316–336.
Worasucheep, C., Forecasting currency exchange rates with an Artificial Bee Colony-optimized neural network, 2015 IEEE Congress Evolut. Comput., Sendai, 2015, pp. 3319–3326.
Ozturk, I., Exchange rate fluctuations, oil prices and economic performance: Empirical evidence from Nigeria, Int. J. Energ. Econ. Policy, 2015, vol. 5, no. 2, pp. 502–506.