پیش بینی نرخ ارز یکی از مسائل مهم هر کشور است. روش های مرسوم پیش بینی و تجزیه و تحلیل آماری سری زمانی بر اساس دو فرض ایستایی و خطی بودن هستند، اما در مواردی که ویژگی خطی بودن صدق نکند، در عملکرد این مدل ها تردید ایجاد می شود. در این راستا، شبکه های عصبی مصنوعی از قابلیت بالایی در مدل سازی فرآیندهای تصادفی و پیچیده و پیش بینی مسیرهای غیرخطی پویا برخوردارند. در این مقاله، با استفاده از یک شبکه عصبی با رویکرد بنیادی، روند تغییرات نرخ ارز را بر اساس متغیرهای اقتصادی مؤثر بر آن مانند شاخص قیمت مصرف کننده در ایران و آمریکا، ارزش صادرات و واردات، قیمت نفت و قیمت طلا را مدل سازی کرده و با تحلیل حساسیت میزان تأثیرگذاری هریک از متغیرها را ارزیابی کرده ایم. با استفاده از نتایج مدل می توان اظهار داشت که مدل، بیشترین حساسیت را نسبت به شاخص قیمت مصرف کننده از خود نشان می دهد. همچنین قیمت طلا، صادرات، قیمت نفت و واردات به ترتیب عوامل دیگر مؤثر بر روند نرخ ارز در ایران هستند.
پیش بینی نوسانات ارزی گامی مهم در سیاست گذاری ارزی کشور به منظور جلوگیری از نوسانات شدید ارزی محسوب می شود. نوسانات ارزی از آن جهت اهمیت دارد که می تواند معیاری از نااطمینانی سرمایه گذاری در اقتصاد هر کشوری محسوب شود. هدف از این مقاله معرفی یک الگوی هشدار پیش از وقوع نوسانات شدید در بازار ارز کشور است. بدین منظور با برآورد مدل مارکوف سوئیچینگ گارچ، نوسانات نرخ ارز بازار آزاد مدل سازی شد. در این مقاله از داده های روزانه نرخ ارز بازار غیررسمی (آزاد) ارز در بازه زمانی بیست و پنجم اردیبهشت سال 1385 تا بیست و یکم تیرماه سال 1394 استفاده شده است. با برآورد این مدل، ماتریس احتمالات انتقال دو وضعیت پرنوسان و کم نوسان ارزی محاسبه می شود. با استفاده از این ماتریس می توان احتمال مواجه شدن بازار با نوسانات شدید را در هر دوره آتی پیش بینی نمود و بدین ترتیب به یک الگوی مناسب برای پیش بینی نوسانات شدید دست یافت. نتایج این الگو نشان می دهد که احتمال ماندن در رژیم پر نوسان ارزی، احتمال انتقال از رژیم پر نوسان به رژیم کم نوسان ارزی، احتمال انتقال از رژیم کم نوسان به رژیم پر نوسان ارزی و احتمال ماندن در رژیم کم نوسان ارزی به ترتیب برابر با 0/14، 0/03، 0/86 و 0/97 است.