Exchange Rate Determinants & Exchange Rate Risk Hedging: An Empirical Study Applied on the Case of a Tunisian Company
Notice bibliographique
Résumé
The aim of this paper is to propose an appropriate method that could assist decision-makers in the finance department responsible for hedging against the exchange risk yielding a better strategy to shield the company from the undesired scenarios of loss.Our research interrogation related to an intelligent solution devoted to the minimization of the currency risk incurred by our Tunisian studied Holding when trading on the foreign exchange market.The study focused on the four most involved currencies in the Tunisian and Foreign trading market: USD, EUR, GBP, and JPY.Our sampling period runs from January 03, 2011 to June 30, 2021.First, the results suggest that the key interest rate and the foreign exchange reserves are most determinant variables compared to the other variables.Second, we present a feasible procedure to hedge against currency risk consisting of five steps, through a developed Artificial Intelligence based program, a correlation analysis and the Temporal Causality Model.Finally, we create our different hedging scenarios and the desired exchange rate is forecasted for a period (from 1 month to 12 months).Based on the forecasted exchange rate values, the studied Holding is able to conclude the most advantageous forward hedging contract by choosing the term of the contract at which the exchange rate level is the most profitable rate according to its position in the market.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».