A Comparison Between the ARDL and the LSTM for Exchange Rates
Keywords:
ARDL, Deep Learning, Recurrent Neural Network, LSTM
Abstract
This study aims to study the efficiency of forecasting the exchange rate of Thai baht against the US dollar using the model based on the concept of purchasing power parity. The monthly data from January 2010 to December 2021, 144 months are used for estimation. Two estimation techniques are employed in the study. The first technique on is Auto Regressive Distribution Lag Model (ARDL) approach with Bound test statistic. The other one is Long Short-Term Memory Model (LSTM) which is non-linear model.
From ARDL results, we can conclude that an increase relative output lead of baht appreciation 0.714%. In terms of the error estimation comparison between ARDL and LSTM ,the result shows that ARDL model has perform better than LSTM.
Published
2022-10-09
Section
Articles
- บทความทุกเรื่องที่ตีพิมพ์เผยแพร่ได้ผ่านการพิจารณาทางวิชาการโดยผู้ทรงคุณวุฒิในสาขาวิชา (Peer review) ในรูปแบบไม่มีชื่อผู้เขียน (Double-blind peer review) อย่างน้อย ๓ ท่าน
- บทความวิจัยที่ตีพิมพ์เป็นข้อค้นพบ ข้อคิดเห็นและความรับผิดชอบของผู้เขียนเจ้าของผลงาน และผู้เขียนเจ้าของผลงาน ต้องรับผิดชอบต่อผลที่อาจเกิดขึ้นจากบทความและงานวิจัยนั้น
- ต้นฉบับที่ตีพิมพ์ได้ผ่านการตรวจสอบคำพิมพ์และเครื่องหมายต่างๆ โดยผู้เขียนเจ้าของบทความก่อนการรวมเล่ม
