Prognozowanie kursów Forex: Modele ARIMA, XGBoost, LSTM i Monte Carlo

Proces wymiany jednej waluty na inn- w ró-nych celach - najcz--ciej w handlu, turystyce lub handlu - jest znany jako wymiana walutowa lub forex (FX). Jako pary walutowe, waluty s- przedmiotem obrotu wzgl-dem siebie. Na przyk-ad para walutowa EUR/USD umo-liwia inwestorom handel euro w stosunku do dolara amerykäskiego, a GBP/JPY (funt brytyjski/jen japo-ski). Rynki walutowe (Forex), jako najwi-ksza na -wiecie arena finansowa, wymagaj- solidnych strategii prognozowania, aby poruszä si- po ich dynamicznej i z-o-onej naturze. Niniejsze badanie obejmuje dog--bn- analiz- porównawcz- modeli prognostycznych obejmuj-cych dwie dekady, od 2000 do 2019 r., z wykorzystaniem danych z szeregów czasowych Rezerwy Federalnej. Projekt zag--bia si- w sedno prognozowania kursów walutowych, odpowiadaj-c na krytyczn- potrzeb- dok-adno-ci w przewidywaniu ruchów kursów walutowych. W tym kontek-cie badania analizuj- skuteczno-- ró-nych modeli, w tym tradycyjnej autoregresyjnej zintegrowanej -redniej ruchomej (ARIMA), uczenia maszynowego XGBoost, g--bokiego uczenia Long Short-Term Memory (LSTM) oraz unikalnej perspektywy oferowanej przez symulacje Monte Carlo.

Dr Kirti Hemant Wanjale uzyskäa stopie- doktora na Wydziale In-ynierii Komputerowej w SSSTUMS, Sehore MP. Obecnie pracuje jako profesor na Wydziale In-ynierii Komputerowej w Vishwakarma Institute of Technology Pune. Ma 22-letnie do-wiadczenie. Jej g-ówne zainteresowania badawcze to bezprzewodowe sieci czujników, Internet rzeczy (IoT).