Jitihada za kutabiri mienendo ya ubadilishaji wa sarafu, msingi wa fedha za kimataifa, zimekuwa chini ya kivuli cha kitendawili cha Meese-Rogoff (1983) kwa muda mrefu, kilichodai ubora wa mfano rahisi wa kutembea bila mpangilio kuliko mbinu zinazotegemea msingi. Karatasi hii ya Byrne, Korobilis, na Ribeiro (2014) inakabiliana moja kwa moja na changamoto hii kwa kuanzisha ubunifu muhimu: kutambua na kuunda mfano wa hali ya kubadilika kwa muda ya uhusiano wa kiuchumi unaounga mkono ubadilishaji wa sarafu. Waandishi wanasema kuwa kushindwa kwa mifano ya vigezo thabiti kunatokana na kutoweza kukamata kutotulia kwa kimuundo katika kanuni za sera za fedha, haswa wakati wa vipindi vya mafuriko kama Mgogoro wa Fedha wa Ulimwengu. Suluhisho lao lililopendekezwa ni mfano wa Bayesian wa Vigezo Vinavyobadilika kwa Muda (TVP) unaotumika kwa msingi wa Kanuni ya Taylor, unaoonyesha usahihi ulioboreshwa sana wa kutabiri nje ya sampuli.
Sehemu hii inaweka msingi wa kiakili wa utafiti, kufuatilia mageuzi kutoka kwenye kitendawili cha Meese-Rogoff hadi mafanikio ya hivi karibuni zaidi na mifano ya Kanuni ya Taylor.
Kazi muhimu ya Meese na Rogoff (1983) ilionyesha kuwa mifano mikuu ya kimuundo (ya fedha, usawa wa portfoli) haikuweza kushinda mtembeaji rahisi bila mpangilio katika utabiri wa ubadilishaji wa sarafu nje ya sampuli, haswa kwenye upeo mfupi. Matokeo haya yalileta changamoto kubwa kwa taaluma na yakachochea utafiti wa miongo kadhaa.
Engel na West (2005) na kazi zilizofuata zilibadilisha suala hili kupitia lenzi ya bei ya mali. Mifano ambapo benki kuu hufuata kanuni za aina ya Taylor—kuweka viwango vya riba kulingana na mfumuko wa bei na pengo la pato—inaweza kutolewa kwa namna ya thamani ya sasa. Engel et al. (2008) na Molodtsova na Papell (2009) walitoa ushahidi wa kimajaribio kwamba mifano inayotegemea Kanuni ya Taylor inaweza, kwa kweli, kushinda mtembeaji bila mpangilio, ikionyesha mafanikio makubwa.
Hata hivyo, utabiri mara nyingi ulipatikana kuwa wa muda mfupi na unategemea sampuli. Rogoff na Stavrakeva (2008) na Rossi (2013) walionyesha kutotulia huku, wakipendekeza kuwa viwango vinavyounganisha msingi na ubadilishaji wa sarafu sio vya kudumu. Karatasi hii inatambua kutotulia huku kwa kiwango kama kikwazo kikuu cha kutabiri kwa uthabiti.
Mchango mkuu wa kibunifu ni utumizi wa mfano wa Bayesian wa Vigezo Vinavyobadilika kwa Muda katika utabiri wa ubadilishaji wa sarafu.
Waandishi wanaainisha mlinganyo wa kutabiri ambapo faida ya ubadilishaji wa sarafu (mfano, USD/EUR) ni kazi ya msingi wa Kanuni ya Taylor—tofauti kati ya mfumuko wa bei wa ndani na wa kigeni na pengo la pato. Muhimu zaidi, viwango ($\beta_t$) kwenye msingi huu vinaruhusiwa kubadilika baada ya muda kama mtembeaji bila mpangilio: $\beta_t = \beta_{t-1} + \eta_t$, ambapo $\eta_t \sim N(0, Q)$. Hii inakamata mabadiliko ya taratibu katika bei ya soko ya msingi huu.
Kukadiria mfano kama huo kwa mbinu za mara kwa mara ni ngumu kwa sababu ya "laana ya ukubwa". Waandishi hutumia mbinu za Bayesian (labda sampula ya Gibbs au mbinu inayofanana ya Markov Chain Monte Carlo) kutoa hitimisho kwenye njia nzima ya vigezo vinavyobadilika kwa muda ($\{\beta_t\}_{t=1}^T$) na vigezo vya juu (kama matriki ya uunganisho $Q$). Mapendekezo ya awali yanatumika kuweka muundo wenye maana na kudhibiti kuongezeka kwa vigezo.
Utabiri nje ya sampuli hutolewa kwa kurudia. Kila wakati, mfano unakadiriwa kwa kutumia data hadi wakati huo, usambazaji wa baada ya vigezo unapatikana, na msongamano wa utabiri wa ubadilishaji wa sarafu wa baadaye unahesabiwa. Hii hutoa usambazaji wa utabiri, sio makadirio ya nukta tu.
Matokeo makuu yanavutia. Mfano wa Kanuni ya Taylor wa TVP hutoa faida ya kitakwimu muhimu ya kutabiri nje ya sampuli dhidi ya kiwango cha kulinganisha cha kutembea bila mpangilio kwa idadi kubwa (angalau nusu, hadi nane) kati ya viwango kumi muhimu vya ubadilishaji wa sarafu vilivyochunguzwa (labda pamoja na USD/EUR, USD/JPY, USD/GBP, n.k.). Kiwango hiki cha mafanikio kiko juu zaidi kuliko kile kilichowezekana kwa mifano ya awali, isiyobadilika.
Jaribio muhimu la kudhibitiwa hulinganisha mfano wa TVP na mfano wake wenye vigezo vya thabiti. Mfano wa mwisho unaonyesha uboreshaji mdogo tu au usio thabiti juu ya kutembea bila mpangilio, ukasisitiza thamani muhimu iliyoongezwa kwa kuunda mfano wa kutotulia kwa kiwango. Hii inakabiliana moja kwa moja na ukosoaji wa kutegemea sampuli katika fasihi ya awali.
Ili kuonyesha ujumla wa mbinu yao ya kibunifu, waandishi hutumia mfumo huo wa TVP-Bayesian kwa mifano mingine miwili ya msingi ya kawaida: Usawa wa Nguvu ya Kununua na Usawa wa Riba Isiyofunikwa. Ugunduzi kwamba mifano hii iliyoboreshwa na TVP pia inashinda kutembea bila mpangilio ni ushahidi wenye nguvu kwamba mbinu—kushughulikia mabadiliko ya muda—ni muhimu kama nadharia maalum (Kanuni za Taylor).
Mfano mkuu wa kutabiri wa TVP unaweza kuwakilishwa kama mfumo wa nafasi-hali:
Mlinganyo wa Uchunguzi:
$\Delta s_{t+1} = x_t' \beta_t + \epsilon_{t+1}, \quad \epsilon_{t+1} \sim N(0, \sigma^2_\epsilon)$
Ambapo $\Delta s_{t+1}$ ni faida ya ubadilishaji wa sarafu, $x_t$ ina tofauti za Kanuni ya Taylor (pengo la mfumuko wa bei, pengo la pato), na $\beta_t$ ni vekta ya kiwango inayobadilika kwa muda.
Mlinganyo wa Jimbo:
$\beta_t = \beta_{t-1} + \eta_t, \quad \eta_t \sim N(0, Q)$
Mabadiliko haya ya kutembea bila mpangilio kwa $\beta_t$ yanakamata mabadiliko ya kudumu. Ukadiriaji wa Bayesian unahusisha kubainisha mapendekezo ya awali kwa $\beta_0$, $\sigma^2_\epsilon$, na $Q$, na kisha kutumia MCMC kuchukua sampuli kutoka kwenye usambazaji wa pamoja wa baada $p(\{\beta_t\}, \sigma^2_\epsilon, Q | Data)$.
Kesi: Kutabiri USD/EUR wakati wa Kipindi cha 2008-2012.
Mfano huu unaonyesha jinsi mfumo wa TVP unavyofanya kazi kama utaratibu wa kujirekebisha, kuruhusu uhusiano wa kutabiri kujikimu kupitia muda, tofauti na mfano thabiti ambao ungekosea kwa kudumu wakati wa mapumziko ya kimuundo.
Byrne et al. wamefanikiwa kubadilisha dhana. Shida sio kwamba msingi hauna maana kwa ubadilishaji wa sarafu; ni kwamba kiasi gani kinachokuwa na maana kinabadilika baada ya muda. Mfumo wao wa TVP-Bayesian sio tu urekebishaji mwingine wa mfano—ni kutambua kwa msingi kwamba masoko ya fedha ni mifumo inayojikimu, sio maabara thabiti. Mafanikio makubwa ni ya kibunifu: kutumia zana kutoka kwenye uchumi wa Bayesian (uliojulikana katika uchumi wa jumla kwa kushughulikia kutotulia kwa kiwango, kama katika Cogley & Sargent, 2005) kwa shida ngumu ya utabiri wa FX.
Hoja ni nzuri na iliyopangwa vizuri: (1) Kuweka kitendawili cha kihistoria (Meese-Rogoff). (2) Kuangazia suluhisho la kinadharia linalotumainiwa (Kanuni za Taylor). (3) Kutambua dosari yake ya kufa katika mazoezi (kutotulia kwa kiwango). (4) Kupendekeza tiba yenye usahihi wa kiufundi (TVP-Bayesian). (5) Kuidhibitisha kwa kimajaribio kwa matokeo wazi, ya kulinganisha. Mtiririko kutoka kwa utambuzi wa shida hadi suluhisho la kiufundi hadi uthibitishaji wa kimajaribio unavutia.
Nguvu: Nguvu kubwa ya karatasi hii ni mafanikio yake ya kimajaribiko ambapo wengi wameshindwa. Kushinda kutembea bila mpangilio kwa sarafu 5-8 kati ya 10 ni matokeo yanayovutia umakini. Ukaguzi wa uthabiti kwa kutumia PPP na UIP ni hatua bora, ikithibitisha ujumla wa mbinu hiyo. Kiufundi, mbinu ya Bayesian ni ya kisasa zaidi kwa shida hii.
Kasoro & Mapungufu: Uchambuzi hata hivyo, unahisi kama uthibitisho mzuri wa dhana badala ya bidhaa iliyokamilika. Maelezo muhimu ya vitendo yamepitwa: uainishaji kamili wa msingi wa Kanuni ya Taylor, uchaguzi wa mapendekezo ya awali (ambayo yanaweza kuathiri sana matokeo ya Bayesian), na mzigo wa hesabu. Muhimu zaidi, ingawa inagundua kutotulia, haitoi maelezo. Ni matukio gani ya kiuchumi yanayochochea mabadiliko katika $\beta_t$? Kuunganisha mabadiliko ya kiwango na hali maalum za sera au vipindi vya kutotulia kungesaidia sana kuelezea. Zaidi ya hayo, kulinganisha na viwango vya kisasa zaidi vya kujifunza kwa mashine (kama misitu bila mpangilio au LSTM ambazo zinaweza pia kushughulikia mstari usio sawia na mapumziko ya kimuundo) hakuna—jaribio muhimu kwa mfano wowote mpya wa kutabiri leo.
Kwa Watafiti: Karatasi hii ni mwongozo. Hatua inayofuata moja kwa moja ni kufungua "sanduku nyeusi" la mabadiliko ya muda. Tumia njia za $\beta_t$ zilizokadiriwa kama vigezo tegemezi ili kuunda mfano wa kinachosababisha kutotulia (mfano, kwa kutumia fahirisi za kutotulia au vipimo vya kutokuwa na uhakika wa sera). Kwa Wakuu wa Hazina ya Kiasi: Wazo kuu linaweza kutekelezwa. Anza kwa kujumuisha mifano rahisi ya dirisha linalozunguka au kubadilisha hali kama ukaguzi wa uthabiti kwa ishara zako zilizopo za FX. Dhana ya TVP inaonya dhidi ya kutegemea kupita kiasi uhusiano uliokadiriwa katika vipindi virefu, vya utulivu vya kihistoria. Kwa Wachambuzi wa Sera: Matokeo yanasisitiza kwamba utaratibu wa kupitishwa wa sera ya fedha kwa ubadilishaji wa sarafu hauna kudumu. Hii inapaswa kupunguza ujasiri kupita kiasi katika uigizaji wa sera kulingana na mifano ya kimataifa ya kiwango cha kudumu.
Kwa kumalizia, karatasi hii haitatatui kabisa kitendawili cha utabiri wa ubadilishaji wa sarafu, lakini inatambua na kushambulia kipande chake kikuu kwa usahihi: kutotulia. Inatoa mfumo wenye nguvu, unaoweza kubadilika ambao uko tayari kuwa kiwango cha kawaida katika taaluma hii, kusukuma kazi ya baadaye kuelekea mifano zaidi inayojikimu, ya kweli ya masoko ya fedha.