Advancing Exchange Rate Forecasting: Leveraging Machine Learning and AI for Enhanced Accuracy in Global Financial Markets

要約

米ドル（USD）からバングラデシュタカ（BDT）などの外国為替レートの予測は、グローバルな金融市場で極めて重要な役割を果たし、貿易、投資、経済的安定に影響を与えます。
この調査では、Yahoo Financeから供給された2018年から2023年までの過去のUSD/BDT為替レートデータを活用して、正確な予測のための高度な機械学習モデルを開発しています。
長期的な短期メモリ（LSTM）ニューラルネットワークが採用されており、99.449％の例外的な精度、0.9858の根平均平方根誤差（RMSE）、および0.8523のテスト損失を達成し、ARIMA（RMSE 1.342）のような従来の方法を大幅に上回っています。
さらに、勾配ブースト分類器（GBC）が方向予測に適用され、10,000ドルの初期資本のバックテストが40.82％の収益性の高い貿易レートを明らかにしますが、49の取引で20,653.25ドルの純損失をもたらします。
この研究では、BDT/USD率の0.012から0.009に低下することを示す歴史的傾向を分析し、正規化された毎日のリターンを組み込んでボラティリティをキャプチャします。
これらの調査結果は、外国為替予測における深い学習の可能性を強調し、トレーダーと政策立案者にリスクを緩和するための堅牢なツールを提供します。
将来の作業は、感情分析とリアルタイムの経済指標を統合して、揮発性市場でのモデルの適応性をさらに高めることができます。

要約(オリジナル)

The prediction of foreign exchange rates, such as the US Dollar (USD) to Bangladeshi Taka (BDT), plays a pivotal role in global financial markets, influencing trade, investments, and economic stability. This study leverages historical USD/BDT exchange rate data from 2018 to 2023, sourced from Yahoo Finance, to develop advanced machine learning models for accurate forecasting. A Long Short-Term Memory (LSTM) neural network is employed, achieving an exceptional accuracy of 99.449%, a Root Mean Square Error (RMSE) of 0.9858, and a test loss of 0.8523, significantly outperforming traditional methods like ARIMA (RMSE 1.342). Additionally, a Gradient Boosting Classifier (GBC) is applied for directional prediction, with backtesting on a $10,000 initial capital revealing a 40.82% profitable trade rate, though resulting in a net loss of $20,653.25 over 49 trades. The study analyzes historical trends, showing a decline in BDT/USD rates from 0.012 to 0.009, and incorporates normalized daily returns to capture volatility. These findings highlight the potential of deep learning in forex forecasting, offering traders and policymakers robust tools to mitigate risks. Future work could integrate sentiment analysis and real-time economic indicators to further enhance model adaptability in volatile markets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google