Since the adoption of the floating

Since the adoption of the floating exchange rate system in the early 1970s, a number
of studies have tried to establish a systematic link between risks in exchange rates and
trade volume. While Ethier (1973), Cushman (1986), and Peree and Steinherr (1989)
demonstrate theoretically the negative effects of exchange rate uncertainty on trade
flows, Franke (1991), Sercu and Vanhulle (1992), and Viaene and de Vries (1992)
suggest opposing arguments in favour of a positive relationship between trade and
exchange rate volatility. In recent work Barkoulas et al. (2002) take an intermediate
position by arguing that the overall effects depend upon the source of uncertainty in
exchange rates. Among many others, empirical studies related to this issue include
Hooper and Kohlhagen (1978), Kenen and Rodrik (1986), Pozo (1992), Chowdhury
(1993), Kroner and Lastrapes (1993), Arize et al. (2000), and De Grauwe and
Skudelny (2000). However the empirical evidence is also mixed, depending on the
choices of sample period, model specification, proxies for exchange rate volatility,
and countries considered.
In investigating the above issue, an econometric difficulty is that the data series of
volatility in exchange rates are not directly observed and thus measured in an indirect
way. In recent years, many empirical studies in the literature use ARCH type models
to generate the volatility and estimate the structural equation in the second stage with
the conventional OLS technique, by replacing the unobserved volatility with the
measured proxy.1
A problem with this two-step procedure, however, is that even
though the application of the OLS method leads to consistent estimators, the
estimators do not have consistent covariance matrix and, as a result, are inefficient
(Pagan 1984). That is, the standard errors of the OLS estimators are larger than those
of conventional OLS estimators, due to the composite error term involving noise in
the auxiliary equation. This implies that the application of the test statistics based on
conventional OLS estimation may be misleading, even in a large sample. Thus, to
have statistically reliable inferences, the non-spherical covariance matrix of the OLS
estimates in the second stage should be adjusted by taking account of time
dependence and heteroscedasticity in error terms.

In this paper we revisit the issue of the possible effect of exchange rate risk on US
bilateral imports from the United Kingdom. Our particular attention is on an
econometric problem arising from a generated variable of volatility in exchange rates.
We consider a special case when an ARCH type model is used to measure exchange
rate uncertainty and discuss a procedure for the correct inference of OLS estimates in
the second stage. More specifically, given that uncertainty in exchange rates is
1
The popularity of ARCH models in measuring volatility stems from the models'
usefulness in capturing non-constant, clustered time varying variance in higher
moments, which represents stochastic processes by which risk terms are generated
(see Bollerslev et al. (1992) for a comprehensive overview of the literature).
captured by an ARCH class auxiliary model, it is demonstrated that there exists an
orthogonal condition between structural parameters (including a measured volatility)
and error terms, because the risk variable generated by an ARCH class model has a
'strong property', as defined by Pagan and Ullah (1988). Then, the orthogonality
condition is exploited to derive OLS-based GMM estimators, using the Newey and
West (1987) method. This method adjusts the non-scalar covariance matrix of OLS
estimators in the second stage, mainly due to the generated regressor. By applying this
approach, we find a statistically significant, negative impact of exchange rate
uncertainty on US imports from the United Kingdom.

The paper is organised as follows. Section 2 discusses the orthogonality condition of
OLS estimation for a primary equation, when the equation includes a risk variable
measured by an ARCH class auxiliary model, and demonstrates that this condition
can be exploited to derive OLS-based GMM estimators. Section 3 describes the data
used and how the volatility of the exchange rate is measured. Section 4 presents
empirical results. Finally, conclusions are provided in Section 5.

ผลลัพธ์ (ไทย) 1:

ตั้งแต่มาตรการลอยตัวอัตราแลกเปลี่ยนระบบใน หมายเลข ศึกษาได้พยายามสร้างการเชื่อมโยงระบบระหว่างความเสี่ยงในอัตราแลกเปลี่ยน และ ปริมาณทางค้า ในขณะที่ Ethier (1973), Cushman (1986), และ Peree และ Steinherr (1989) แสดงให้เห็นผลกระทบเชิงลบของความไม่แน่นอนของอัตราแลกเปลี่ยนในทางการค้าตามหลักวิชา ขั้นตอน Franke (1991), Sercu และ Vanhulle (1992), และ Viaene และ de Vries (1992) แนะนำแก่อาร์กิวเมนต์ลงความสัมพันธ์ในเชิงบวกระหว่างการค้า และ ความผันผวนของอัตราแลกเปลี่ยน ในการทำงานล่าสุด Barkoulas et al. (2002) ใช้ราคากลาง ตำแหน่ง โดยใช้คำว่า ผลกระทบโดยรวมขึ้นอยู่กับแหล่งที่มาของความไม่แน่นอนใน อัตราแลกเปลี่ยน ในหมู่คนอื่น ๆ รวมผลการศึกษาที่เกี่ยวข้องกับปัญหานี้ รับ และ Kohlhagen (1978), Kenen และ Rodrik (1986), Pozo (1992), Chowdhury (1993), รเนอร์ และ Lastrapes (1993), เมล็ดพันธุ์ Arize et al. (2000), และเด Grauwe และ Skudelny (2000) อย่างไรก็ตาม หลักฐานประจักษ์ยังผสม ขึ้นอยู่กับการ เลือกรอบระยะเวลาตัวอย่าง ข้อมูลจำเพาะรูปแบบ ผู้รับมอบฉันทะในความผันผวนของอัตราแลกเปลี่ยน และประเทศที่ถือว่าในการตรวจสอบปัญหาข้างต้น ปัญหาการ econometric คือ ชุดข้อมูลของ ความผันผวนในอัตราแลกเปลี่ยนมีสังเกต และวัดดัง ในทางอ้อมที่ไม่ตรง วิธีการ ในปีที่ผ่านมา ศึกษาประจักษ์มากมายในวรรณคดีใช้แบบจำลองชนิดซุ้มประตู การสร้างความผันผวนการประมาณสมการโครงสร้างในระยะที่สองด้วย เทคนิค OLS ทั่วไป โดยแทนความผันผวน unobserved กับการ วัด proxy.1 ปัญหาขั้นตอนสองขั้นตอนนี้ อย่างไรก็ตาม ว่าแม้ แม้ว่าการประยุกต์ใช้วิธี OLS ที่นำไปสู่ estimators สอดคล้อง การ estimators มีเมตริกซ์ความแปรปรวนร่วมที่สอดคล้อง และ เป็นผล จะต่ำ (พุกาม 1984) นั่นคือ ข้อผิดพลาดมาตรฐานของ OLS estimators จะมีขนาดใหญ่กว่า ของ OLS estimators ธรรมดา เนื่องจากเกี่ยวข้องกับเสียงในคำข้อผิดพลาดในคอมโพสิต สมการเสริม หมายความว่า การประยุกต์ใช้สถิติทดสอบตาม ประเมิน OLS ธรรมดาอาจถูกหลอกลวง แม้ในตัวอย่างขนาดใหญ่ ดังนั้น การ มีเมทริกซ์ความแปรปรวนร่วมที่ไม่ใช่ทรงกลมของ OLS เชื่อถือได้ทางสถิติ inferences ประเมินในขั้นสองควรจะปรับปรุง โดยการใช้บัญชีของเวลา พึ่งพาและ heteroscedasticity ในเงื่อนไขข้อผิดพลาด ในเอกสารนี้ เรามาทบทวนปัญหาของผลได้ของความเสี่ยงอัตราแลกเปลี่ยนที่สหรัฐอเมริกา นำเข้าระหว่างสหราชอาณาจักร ความสนใจเฉพาะของเราอยู่ econometric ปัญหาที่เกิดจากตัวแปรที่สร้างขึ้นของความผันผวนแลกเปลี่ยนราคา เราพิจารณากรณีพิเศษเมื่อมีใช้แบบจำลองชนิดซุ้มประตูวัดอัตราแลกเปลี่ยน อัตราความไม่แน่นอน และอธิบายขั้นตอนในข้อถูกต้องของ OLS ประเมินใน ขั้นตอนสอง อื่น ๆ โดยเฉพาะ รับว่า ความไม่แน่นอนแลกเปลี่ยนราคาเป็น 1 ความนิยมของรูปแบบซุ้มประตูในการวัดความผันผวนที่เกิดจากแบบจำลอง ประโยชน์ในการจับไม่ใช่ค่าคง จับกลุ่มความแปรปรวนแตกต่างกันของเวลาในสูงขึ้น ช่วงเวลา ซึ่งแสดงถึงกระบวนการแบบเฟ้นสุ่ม โดยความเสี่ยงที่สร้างเงื่อนไข (ดู Bollerslev et al. (1992) ในภาพรวมที่ครอบคลุมของวรรณคดี) จับ โดยแบบจำลองเสริมชั้นซุ้มประตู มันจะแสดงที่มีการ เงื่อนไข orthogonal ระหว่างโครงสร้างพารามิเตอร์ (รวมถึงความผันผวนที่วัด) และข้อผิดพลาดข้อ เนื่องจากตัวแปรความเสี่ยงที่สร้างขึ้น โดยแบบจำลองชั้นซุ้มประตูเป็น 'แข็งแกร่งแห่ง' เป็นที่กำหนดโดยพุกามและ Ullah (1988) แล้ว orthogonality เงื่อนไขจะสามารถสามารถรับใช้ OLS GMM estimators, Newey ใช้ และ ตะวันตก (1987) วิธีการ วิธีการนี้ปรับเปลี่ยนเมตริกซ์ความแปรปรวนร่วมของสเกลาร์ที่ไม่ใช่ของ OLS estimators ในระยะที่สอง ส่วนใหญ่เนื่องจาก regressor ที่สร้างขึ้น โดยการใช้นี้ วิธี เราค้นหาผลกระทบอย่างมีนัยสำคัญทางสถิติ ค่าลบของอัตราแลกเปลี่ยน ความไม่แน่นอนเรานำเข้าจากสหราชอาณาจักร แหล่งกระดาษดังนี้ ส่วนที่ 2 กล่าวถึงเงื่อนไข orthogonality ของ สมการหลัก เมื่อสมการมีตัวแปรความเสี่ยงประเมิน OLS วัด โดยแบบจำลองเสริมชั้นซุ้มประตู และที่แสดงให้เห็นถึงเงื่อนไขนี้ สามารถนำไปเพื่อมาใช้ OLS GMM estimators 3 ส่วนอธิบายข้อมูล ใช้ และวิธีวัดความผันผวนของอัตราแลกเปลี่ยน แสดง 4 ส่วน ผลรวม สุดท้าย บทสรุปมีใน 5 ส่วน

ผลลัพธ์ (ไทย) 2:

ตั้งแต่การรับเลี้ยงบุตรบุญธรรมของระบบอัตราแลกเปลี่ยนแบบลอยตัวในช่วงต้นปี 1970 เป็นจำนวน
ของการศึกษาได้พยายามที่จะสร้างการเชื่อมโยงระหว่างระบบความเสี่ยงในอัตราแลกเปลี่ยนและ
ปริมาณการค้า ในขณะที่ Ethier (1973), คุชแมน (1986) และ Peree และ Steinherr (1989)
แสดงให้เห็นถึงทฤษฎีผลกระทบของความไม่แน่นอนของอัตราแลกเปลี่ยนเกี่ยวกับการค้า
กระแส, Franke (1991), Sercu และ Vanhulle (1992) และ Viaene และเดอไวริ (1992 )
ขอแนะนำข้อโต้แย้งของฝ่ายตรงข้ามในความโปรดปรานของความสัมพันธ์เชิงบวกระหว่างการค้าและ
ความผันผวนของอัตราแลกเปลี่ยน ในการทำงานที่ผ่านมา Barkoulas และคณะ (2002) ใช้เป็นสื่อกลาง
ในตำแหน่งโดยให้เหตุผลว่าผลกระทบโดยรวมขึ้นอยู่กับแหล่งที่มาของความไม่แน่นอนใน
อัตราแลกเปลี่ยน ท่ามกลางคนอื่น ๆ อีกมากมายการศึกษาเชิงประจักษ์ที่เกี่ยวข้องกับปัญหานี้รวมถึง
ฮูเปอร์และ Kohlhagen (1978), และ Kenen Rodrik (1986), Pozo (1992), ก่อสร้าง
(1993), โครเนอร์และ Lastrapes (1993), อไรซ์และคณะ (2000) และเดอ Grauwe และ
Skudelny (2000) อย่างไรก็ตามหลักฐานเชิงประจักษ์จะผสมยังขึ้นอยู่กับ
ทางเลือกของระยะเวลาตัวอย่างข้อกำหนดรูปแบบพร็อกซีสำหรับความผันผวนของอัตราแลกเปลี่ยนเงินตราต่าง
ประเทศและการพิจารณา.
ในการตรวจสอบปัญหาดังกล่าวยากลำบากทางเศรษฐมิติคือชุดข้อมูลของ
ความผันผวนของอัตราแลกเปลี่ยนไม่ได้ สังเกตเห็นได้โดยตรงและวัดจึงอยู่ในอ้อม
วิธี ในปีที่ผ่านมาการศึกษาเชิงประจักษ์จำนวนมากในวรรณคดีการใช้แบบจำลองชนิด ARCH
เพื่อสร้างความผันผวนและประเมินสมการโครงสร้างในขั้นตอนที่สองกับ
เทคนิค OLS ทั่วไปโดยการเปลี่ยนความผันผวนสังเกตกับ
วัด proxy.1
ปัญหากับสองนี้ ขั้นตอนขั้นตอน แต่เป็นว่าแม้
แม้ว่าการประยุกต์ใช้วิธี OLS นำไปสู่การประมาณค่าที่สอดคล้องกัน
ประมาณไม่ได้มีความแปรปรวนเมทริกซ์ที่สอดคล้องและเป็นผลให้มีประสิทธิภาพ
(พุกาม 1984) นั่นคือข้อผิดพลาดมาตรฐานของตัวประมาณ OLS มีขนาดใหญ่กว่าที่
ของเดิมประมาณ OLS เนื่องจากระยะข้อผิดพลาดที่เกี่ยวข้องกับการประกอบเสียงใน
สมการเสริม นี่ก็หมายความว่าการใช้สถิติทดสอบอยู่บนพื้นฐานของ
การประมาณค่าแบบเดิม OLS อาจจะทำให้เข้าใจผิดแม้จะอยู่ในกลุ่มตัวอย่างที่มีขนาดใหญ่ ดังนั้นเพื่อ
มีการหาข้อสรุปสถิติที่เชื่อถือได้, แปรปรวนเมทริกซ์ที่ไม่ใช่ทรงกลมของ OLS
ประมาณการในขั้นตอนที่สองควรมีการปรับโดยคำนึงถึงเวลา
การพึ่งพาและความแปรปรวนในแง่ข้อผิดพลาด. ในบทความนี้เราจะทบทวนปัญหาของผลกระทบที่เป็นไปได้ของการแลกเปลี่ยน ความเสี่ยงจากอัตราสหรัฐนำเข้าทวิภาคีจากสหราชอาณาจักร ความสนใจเป็นพิเศษของเราอยู่ในปัญหาทางเศรษฐมิติที่เกิดจากตัวแปรที่สร้างจากความผันผวนของอัตราแลกเปลี่ยน. เราพิจารณาเป็นกรณีพิเศษเมื่อรูปแบบชนิด ARCH ถูกนำมาใช้ในการวัดการแลกเปลี่ยนความไม่แน่นอนอัตราและหารือเกี่ยวกับขั้นตอนสำหรับการอนุมานที่ถูกต้องของ OLS ประมาณการในครั้งที่สอง เวที โดยเฉพาะอย่างยิ่งที่ได้รับความไม่แน่นอนของอัตราแลกเปลี่ยนคือ1 ความนิยมของรุ่น ARCH ในการวัดความผันผวนที่เกิดจากรูปแบบ ' ประโยชน์ในการจับที่ไม่คงที่, เวลาการจัดกลุ่มที่แตกต่างกันในความแปรปรวนสูงกว่าช่วงเวลาซึ่งหมายถึงกระบวนการสุ่มโดยที่เงื่อนไขความเสี่ยงจะถูกสร้างขึ้น( เห็น Bollerslev et al. (1992) สำหรับภาพรวมที่ครอบคลุมของวรรณกรรม). จับโดยชั้น ARCH รูปแบบช่วยก็จะแสดงให้เห็นว่ามีสภาพมุมฉากระหว่างพารามิเตอร์ของโครงสร้าง (รวมถึงความผันผวนของวัด) และเงื่อนไขข้อผิดพลาดเพราะความเสี่ยง ตัวแปรที่สร้างขึ้นโดยรูปแบบคลาส ARCH มีทรัพย์สินที่แข็งแกร่ง 'ตามที่กำหนดโดยอิสลามและ Ullah (1988) จากนั้นตั้งฉากสภาพเป็นประโยชน์ที่จะได้รับ OLS ตามประมาณจีเอ็มเอ็ใช้ Newey และเวสต์ (1987) วิธีการ วิธีการนี้จะปรับแปรปรวนเมทริกซ์ที่ไม่ใช่สเกลาร์ของ OLS ประมาณในขั้นตอนที่สองเนื่องจากการ regressor สร้าง โดยใช้นี้วิธีการที่เราจะพบอย่างมีนัยสำคัญทางสถิติผลกระทบจากอัตราแลกเปลี่ยนที่มีความไม่แน่นอนในการนำเข้าของสหรัฐฯจากสหราชอาณาจักร. กระดาษมีการจัดระเบียบดังต่อไปนี้ ส่วนที่ 2 กล่าวถึงสภาพตั้งฉากของการประมาณ OLS สำหรับสมการหลักเมื่อสมการตัวแปรความเสี่ยงรวมถึงการวัดจากระดับ ARCH แบบเสริมและแสดงให้เห็นว่าเงื่อนไขนี้สามารถใช้ประโยชน์ที่จะได้รับ OLS ตามประมาณ GMM ส่วนที่ 3 อธิบายข้อมูลที่ใช้และวิธีการที่ความผันผวนของอัตราแลกเปลี่ยนที่เป็นวัด หมวดที่ 4 นำเสนอผลการศึกษา สุดท้ายข้อสรุปที่จะบัญญัติไว้ในมาตรา 5

ผลลัพธ์ (ไทย) 3:

เนื่องจากการยอมรับของระบบอัตราแลกเปลี่ยนลอยตัวในต้นปี 1970 ตัวเลข
ของการศึกษาได้พยายามที่จะสร้างการเชื่อมโยงอย่างเป็นระบบระหว่างความเสี่ยงในอัตราแลกเปลี่ยนและ
ปริมาณการค้า ในขณะที่ ethier ( 1973 ) , คูชเมิน ( 1986 ) และ peree และ steinherr ( 1989 )
แสดงทฤษฎีผลกระทบของความไม่แน่นอนของอัตราแลกเปลี่ยนการค้า
ไหล Franke ( 1991 ) , และ sercu vanhulle ( 1992 )และ viaene และ เดอ ฟรีส์ ( 1992 )
แนะนำไม่เห็นด้วยในความโปรดปรานของความสัมพันธ์ระหว่างการค้าและ
ความผันผวนของอัตราแลกเปลี่ยน ในผลงานล่าสุด barkoulas et al . ( 2002 ) ใช้เป็นตำแหน่งกลาง
โดยโต้เถียงว่า ผลโดยรวมขึ้นอยู่กับแหล่งที่มาของความไม่แน่นอนใน
อัตราแลกเปลี่ยน ในหมู่อื่น ๆอีกมากมาย การศึกษาเชิงประจักษ์ที่เกี่ยวข้องกับปัญหานี้รวมถึง
ฮูเปอร์ และ kohlhagen ( 1978 ) และ kenen รอดริค ( 1986 ) , โซ่ ( 1992 ) , Chowdhury
( 1993 ) , โครน และ lastrapes ( 1993 ) , arize et al . ( 2000 ) และ เดอ grauwe และ
skudelny ( 2000 ) อย่างไรก็ตามมีหลักฐานเชิงประจักษ์ คือ ผสม ขึ้นอยู่กับ
ตัวเลือกระยะเวลาตัวอย่างแบบสเปค , ผู้รับมอบฉันทะสำหรับความผันผวนอัตราแลกเปลี่ยน และประเทศถือว่า
.
เข้าไปตรวจสอบปัญหาข้างต้นมีความยากลำบากทางเศรษฐกิจคือ ชุดข้อมูล
ความผันผวนในอัตราแลกเปลี่ยนไม่ได้สังเกตโดยตรง ดังนั้นวัดในทางอ้อม

ในปีล่าสุดหลาย การศึกษาเชิงประจักษ์ในวรรณคดีใช้โค้งประเภทโมเดล
สร้างความผันผวน และการประมาณการสมการเชิงโครงสร้างในขั้นตอนที่สองกับ
ทั้งแบบเทคนิคโดยการผวน unobserved ด้วย

วัดพร็อกซี่ 1 ปัญหาด้วยกระบวนการสองขั้นตอนนี้ อย่างไรก็ตาม คือ ว่า แม้
แม้ว่าการประยุกต์ใช้วิธี OLS จะนำไปสู่วิธีการที่สอดคล้องกัน ,
กะไม่สอดคล้องกันและเมทริกซ์ความแปรปรวนร่วม ผล เป็นผล
( พุกาม 1984 ) นั่นคือ ความคลาดเคลื่อนมาตรฐานของตลาดมีขนาดใหญ่กว่าประมาณนั้น
ปกติประมาณน้อยที่สุด เนื่องจากการประกอบผิดพลาดในระยะที่เกี่ยวข้องกับเสียง
สมการช่วย นี้แสดงให้เห็นว่าการใช้สถิติทดสอบตาม
ประมาณ OLS ธรรมดาอาจจะเข้าใจ แม้ในตัวอย่างขนาดใหญ่ ดังนั้น

มีสถิติอนุมานได้ , ที่ไม่ใช่ทรงกลมร่วมเมทริกซ์ของ OLS
การประเมินในขั้นตอนที่สอง ควรจะปรับ โดยคํานึงถึงเวลา
พึ่งพาและ heteroscedasticity ในเงื่อนไขข้อผิดพลาด

ในกระดาษนี้เราทบทวนเรื่องผลกระทบที่เป็นไปได้ของความเสี่ยงอัตราแลกเปลี่ยนเรา
ทวิภาคีนำเข้าจากสหราชอาณาจักร ความสนใจของเรา โดยเฉพาะปัญหาที่เกิดขึ้นจากวิธีการทางเศรษฐมิติใน
สร้างตัวแปรของความผันผวนในอัตราแลกเปลี่ยน
เราพิจารณาเป็นกรณีพิเศษเมื่อโค้งพิมพ์แบบใช้วัดความไม่แน่นอนของอัตราแลกเปลี่ยน
และหารือเกี่ยวกับขั้นตอนในการ OLS ประมาณการถูกต้องใน
ขั้นตอนที่สอง มากขึ้นโดยเฉพาะ ระบุว่า ความไม่แน่นอนในอัตราแลกเปลี่ยนเป็น
1
ความนิยมของโมเดลการวัดโค้งผวนมาจากโมเดล
ประโยชน์ในการจับไม่คงที่เมื่อเวลาเปลี่ยน แปรปรวนในช่วงเวลาที่สูง
ซึ่งหมายถึงกระบวนการสโตแคสติก ซึ่งเงื่อนไขความเสี่ยงขึ้น
( ดู bollerslev et al . ( 1992 ) สำหรับภาพรวมที่ครอบคลุมของวรรณกรรม )
จับโค้งชั้นแบบเสริม จะพบว่ามีเงื่อนไขระหว่างพารามิเตอร์ Orthogonal
โครงสร้าง ( รวมทั้งวัดการระเหย )
ผิดเงื่อนไขเพราะความเสี่ยงตัวแปรที่สร้างขึ้นโดยโค้งแบบมีคลาส
'strong คุณสมบัติ ' , ตามที่กำหนดโดยศาสนาและ ullah ( 1988 ) แล้ว orthogonality
สภาพใช้มาประมาณ OLS โดยจีเอ็มเอ็ม โดยใช้ newey
ตะวันตก ( 1987 ) และวิธี วิธีนี้ไม่ใช่สเกลาร์เมทริกซ์ของความแปรปรวนร่วมปรับน้อยที่สุด
กะ ในขั้นตอนที่สอง ส่วนใหญ่เนื่องจากการสร้าง regressor . โดยการสมัครนี้
วิธีการที่เราพบนัยสำคัญทางสถิติ ผลกระทบเชิงลบของความไม่แน่นอนของอัตราแลกเปลี่ยนเรา
นำเข้าจากสหราชอาณาจักร

กระดาษจัดดังนี้ ส่วนที่ 2 กล่าวถึง orthogonality สภาพ
ประมาณ OLS สำหรับสมการหลักเมื่อสมการมีตัวแปรความเสี่ยง
วัดโค้งแบบเสริมการเรียน และแสดงให้เห็นว่าสภาพนี้
สามารถใช้ประโยชน์จากตลาดจากจีเอ็มเอ็ม ตัวประมาณ ส่วนที่ 3 กล่าวถึงข้อมูล
ที่ใช้และวิธีการความผันผวนของอัตราแลกเปลี่ยนได้ ส่วนที่ 4 นำเสนอ
ผลเชิงประจักษ์ สุดท้าย สรุปไว้ใน มาตรา 5