The volatility of the KRW/USD rate has been increased sharply since the launch of the freely floating exchange rate system in late 1997 and it now becomes more challenging to forecast the future spot rate. Under these circumstances, this paper compares models such as pure random walk model, structural(flexible price)model and time series(ARIMA and Neural network)model by the methods of RMSPE, hit ratio and the regression test to figure out which model has better predictability for the Korean Won. The results show that ARIMA and Neural network have successful ex-post forecasting performance in the out-of-sample test. More specifically, Neural network is superior to the others during the market average exchange rate system and ARIMA has the smallest error and the highest hit ratio during the recent floating period. In case of the structural model, the accuracy is low but the hit ratio significantly improves for the long-term forecasts. This study indicates that it is useful to choose a model depending on the purpose of the forecasts to maximize the predictability of the exchange rate because each model has its own advantage.
본 연구는 환율예측모형인 단순random walk모형, 구조적모형의 일종인 신축가격(flexible price)모형, 그리고 시계열 모형인 ARIMA(p,d,q)와 신경망(Neural network)모형의 원화환율 예측성과를 평균자승백분율오차근(RMSPE), 적중률(hit ratio) 그리고 오차에 대한 회귀분석 등의 기준에 의해 비교분석하였다. 분석결과, 표본 내(in-sample)추정에서는 신경망모형이 가장 우수하였으며, 표본 외 검정(out-of-sample test)의 경우 시장평균환율제 기간에서는 신경망모형이 그리고 최근 변동환율제 구간에서는 ARIMA모형이 점 예측의 정확성 및 변동방향 예측의 정확성 측정에서 유의적으로 우수한 예측성과를 나타냈으며, 신축가격모형의 경우, 장기예측에서 환율 변동방향에 대한 적중률이 상승하는 모습을 보여 장기적인 환율움직임의 방향을 제시할 수 있는 모형으로서의 가능성을 보였다. 결론적으로, 연구결과 각 모형은 예측의 정확성과 유용성면에서 각기 다른 특성을 가지고 있으므로 미래 환율을 예상할 경우 어느 특정모형에 의존하기보다 각 모형이 지닌 장점을 살려 예측의 목적에 따라 적절한 모형을 병행 사용하는 것이 효과적일 것이다.
