Modeling the Volatility of Exchange Rate Currency using GARCH Model

Chaido Dritsaki
Additional contact information
Chaido Dritsaki: Department of Accounting and Finance, Western Macedonia University of Applied Sciences, Kila, Kozani, Greece

Economia Internazionale / International Economics, 2019, vol. 72, issue 2, 209-230

Abstract: In this paper, we study GARCH models with their modifications in order to study the volatility of Euro/US dollar exchange rate. Given that there are ARCH effects on exchange rate returns Euro/US dollar, we estimated ARCH(p), GARCH(p,q) and EGARCH(p,q) including these effects on mean equation. These models were estimated with maximum likelihood method using the following distributions: normal, t-student and generalized error distribution. The log likelihood function was maximized using Marquardt’s algorithm (1963) in order to search for optimal parameter of all models. The results showed that ARIMA(0,0,1)-EGARCH(1,1) model with generalized error distribution is the best in order to describe exchange rate returns and also captures the leverage effect. Finally, for the forecasting of ARIMA(0,0,1)-EGARCH(1,1) model both the dynamic and static procedure is used. The static procedure provides better results on the forecasting rather than the dynamic. Modelli di volatilità del tasso di cambio con l’utilizzo di un modello GARCH In questo articolo viene esaminata la volatilità del tasso di cambio Euro/dollaro USA tramite un modello GARCH. Accertato che ci sono degli effetti ARCH sul tasso di cambio Euro/dollaro USA, sono state effettuate delle stime ARCH (p), GARCH (p,q) e EGARCH(p,q) includendo questi effetti su un’equazione minima. Questi modelli sono stati stimati col metodo della massima somiglianza utilizzando queste distribuzioni: normale, t-student e distribuzione generalizzata di errore. La funzione logaritmica di verosomiglianza è stata massimizzata usando l’algoritmo di Marquardt (1963), al fine di cercare dei parametri ottimali per tutti i modelli. I risultati hanno evidenziato che il modello ARIMA (0,0,1)-EGARCH(1,1) con distribuzione generalizzata di errore è la migliore per descrivere i rendimenti del tasso di cambio e cogliere gli effetti leva. Infine, nell’utilizzo del modello di previsione ARIMA(0,0,1)-EGARCH(1,1) sono state usate sia la procedura dinamica che quella statica. Quest’ultima ha fornito risultati migliori sulla previsione rispetto a quella dinamica.

Keywords: Exchange Rate; Volatility; ARIMA-GARCH Models; Forecasting (search for similar items in EconPapers)
JEL-codes: C22 C32 C53 (search for similar items in EconPapers)
Date: 2019
References: View references in EconPapers View complete reference list from CitEc
Citations: View citations in EconPapers (3)

Downloads: (external link)
http://www.iei1946.it/upload/rivista_articoli/allegati/265_dritsakiricfinalx.pdf Full text (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:ris:ecoint:0846

Access Statistics for this article

Economia Internazionale / International Economics is currently edited by Giovanni Battista Pittaluga

More articles in Economia Internazionale / International Economics from Camera di Commercio Industria Artigianato Agricoltura di Genova Via Garibaldi 4, 16124 Genova, Italy. Contact information at EDIRC.
Bibliographic data for series maintained by Angela Procopio ().