| Popis: |
Treball fi de màster de: Master's Degree in Specialized Economic Analysis Director: Joan Llull The following research project aims at comparing across often used and unconventional models on forecasting currency crises. The methods chosen to compare include the Binary Probit model as seen in Berg and Pattillo (1999), and the Markov-Switching Approach presented by Abiad (2007). The last model we focus on is essentially a Feed-Forward Artificial Neural Network, and we provide an extension to its usual ’financial’ form by adding means of learning techniques applied in image recognition that have not been used before. We achieve findings on the performance of the so-called conventional methods that are comparable with the results reported in the literature. However, we gain a tangible improvement on predictability when introducing a special form of clustering for our data, instead of relying on the separate country-by-country data sets. The latter alteration is in its essence a different interpretation of the definition of a currency crisis and, offers a ’middle ground’ for working with a large data set like ours. All our findings are empirical and are solely based on open-source data downloaded and modified from the IMF data bases1. Our initial data set includes observations on 33 countries which are later cut down to 17 due to data availability of the indicators of interest. We consider working on this amount of information simultaneously a potential step-ahead from previous relevant research, as the literature on the topic so far would usually consider only few countries at a time. El següent projecte de recerca té com a objectiu la comparació entre models sovint usats i convencionals en la previsió de crisis monetàries. Els mètodes escollits de comparació inclouen el model binari de Probit segons es veu a Berg i Pattillo (1999); i l’enfocament Markov-Switching presentat per Abiad (2007) . El darrer model en què ens centrem és essencialment una xarxa neuronal artificial de control anticipat a la que li proporcionem una extensió a la seva forma “financera” habitual afegint-hi mitjans d’aprenentatge de tècniques aplicades en el reconeixement d’imatges que no s’han utilitzat abans. Aconseguim descobriments sobre el rendiment dels anomenats mètodes convencionals comparables amb els resultats reportats a la bibliografía. Tanmateix, obtenim una millora tangible de la predicció en introduir una forma especial d’agrupament per a les nostres dades, en lloc de confiar en els conjunts de dades separats per país. Aquesta última modificació és, en essència, una interpretació diferent de la definició de crisi monetària, i ofereix un punt mig per treballar amb un conjunt de dades gran com el nostre. Totes les conclusions són empíriques i es basen exclusivament en dades de codi obert descarregades i modificades de les bases de dades1 del FMI. El nostre conjunt de dades inicial inclou observacions sobre 33 països que després es redueixen a 17 segons la disponibilitat de dades dels indicadors d’interès. Considerem que poder treballar simultàniament amb aquesta quantitat d’informació és un possible avenç d’investigacions rellevants anteriors, ja que la literatura sobre el tema fins ara sol considerar només alguns països alhora. |
