The Krone Exchange Rate Puzzle: Uncovering the Power of Market Sentiment and Nonlinearity

Abstract

Denne avhandlingen undersøker om inkludering av markedssentiment og ikke-lineæritet forbedrer statistisk modellering og prediksjon av fire forskjellige norske valutakurser: USDNOK, EURNOK, CADNOK og SEKNOK.

En ny tilnærming blir brukt for å fange opp markedssentiment ved hjelp av Google Trends, som benyttes til å utforme sentimentindekser. Verdien av disse indeksene blir først vurdert innenfor rammene av PPP, UIRP og monetære strukturelle modeller. Deretter blir de integrert i lineære og ikke-lineære autoregressive distribuerte lag modeller med feiljustering. Formålet med denne metodikken er todelt. For det første tillater den en bedre vurdering av sentimentindeksenes betydning i mer komplekse modeller og deres samspill med andre variabler. For det andre undersøker den de ikke-lineære påvirkningene av råvarer, globale økonomiske risikoer og finansmarkeder for å forbedre de statistiske modellene og prediksjonene. Analysen utføres med månedlige data fra januar 2005 til desember 2022.

Våre innledende resultater indikerer at sentimentindekser forbedrer statistiske modeller for alle undersøkte valutaer, og prediksjonene for noen av dem, et resultat som er i tråd med tidligere litteratur. Vi finner også et asymmetrisk forhold mellom prisene på Brent oljefutures og alle studerte valutakurser, med unntak av USDNOK, som viser et asymmetriske forhold til S&P500. Disse resultatene fremhever svakhetene ved lineære modeller som utelukkende inkluderer tradisjonelle makroøkonomiske og monetære variabler for å modellere den norske valutakursen, og bidrar dermed med en dypere forståelse av den pågående strukturelle svekkelsen av den norske kronen.

This thesis examines if the inclusion of market sentiment and nonlinearity improves statistical modeling and forecasting of four different Norwegian exchange rates: USDNOK, EURNOK, CADNOK, and SEKNOK.

A novel approach is used to capture market sentiment with Google Trends and formulate sentiment indices. The merit of these indices is initially assessed within the frameworks of the PPP, UIRP, and monetary structural models. Then, they are integrated into linear and nonlinear autoregressive distributed lag regressions with error correction. The purpose of this methodology is twofold. First, it permits a better assessment of the sentiment indices’ significance in more complex models and their interplay with other variables. Second, it inspects the nonlinear influences of commodities, global economic risks, and financial markets on improving the statistical models (in-sample) and forecasts (out-of-sample). The analysis is performed using monthly data from January 2005 until December 2022.

Our initial results indicate that our sentiment indices improve the statistical models for all examined currencies and the forecasting for some. We also provide evidence of an asymmetric relationship between Brent oil futures prices and all studied exchange rates, except for the USDNOK, which exhibits asymmetric ties with the S&P500 stock market. These results underscore the shortcomings of linear models exclusively reliant on traditional macroeconomic and monetary variables for modeling the Norwegian exchange rate, thus signifying a pivotal advancement in understanding the ongoing structural weakening of the Norwegian krone.