Severalmodels in recent years have

Severalmodels in recent years have been used to find the relationship among random variables. The Generalized Method
of Moments (GMM) model is a robust estimator, because it allows stochastic error term that takes into account the heteroscedasticity
and autocorrelation without strong assumptions on distributions of the error. Hence, this model is more
effective than the other parameter estimationmethods, and Yousefi and Wirjanto [24] used the GMMmethod to investigate
the correlation between exchange rates of the US dollar and oil prices. Akram [31] found a non-linear relationship. The
multivariate Constant Conditional Correlation (CCC)-GARCH-M model assumes that the conditional correlation matrix is
time-invariant, and this model was employed by Cifarelli and Paladino [27]. Multivariate GARCH models have been used to
model time varying volatility, e.g., Bekiros and Diks [32], in which awell-behaved covariancematrixwas assumed [6]. Vector
Error Correction Models, e.g., Roengchai et al. [29], Chaiwat et al. [28], Kunsuda et al. [30], were implemented to analyze
the multivariate relationship. Additionally, generalized impulse response function and generalized variance forecast error
variance decomposition, e.g., Sari et al. [25] and Wu et al. [6], were used as tools to find the relationship among random
variables.
Additionally, multivariate analysis of volatility has been conducted using multivariate GARCH together with the Vector
Auto Regression (VAR) model, which assumes that the multivariate model follows a symmetric multivariate normal or
student-t distribution and, of course, incorporates Pearson correlation (based on linear correlation). These assumptionsmay
be considered reliable in empirical studies; yet, in many data sets, the data were found to be skewed (asymmetric), heavily
tailed and leptokurtic, with different marginal distributions. Additionally, if the distributions have degrees of freedom, the
degrees of freedom need not be the same for each marginal distribution.
The relationship between random variables might be nonlinear and/or asymmetric. Some studies, e.g., Chang et al.
[26], and Bekiros and Diks [32], investigated the time varying dependence of random variables in the model by employing
multivariate GARCH models. However, this model was set up with some robust assumptions in order to have a desirable
variance-covariance matrix [6]. And again, for each equation of the random variable in the multivariate analysis, the VARGARCH
or Vector Auto Regression Moving Average (VARMA)-GARCH was assumed to have a linear relationship with a
multivariate student-t or normal distribution [6]. In many cases, however, these assumptions do not conform to the data.
Since the copula-basedmultivariate analysis used in this paper nested the traditional multivariate as a special case (Tae-
Hwy and Xiangdong, 2009) [13], copula-based GARCH models can possibly handle these limitations arising from flawed
statistical assumptions. Such models provide better flexibility for estimating the joint distributions as well as the transformation
invariant correlations, without a need to assume linear correlation.
There are several contributions of this paper. They include: (1) the model can capture the skewness and leptokurtosis
of the data; (2) restrictive assumptions of the distribution are relaxed in comparison traditional methods, e.g., normality or

ผลลัพธ์ (ไทย) 1:

severalmodels ในปีที่ผ่านมาได้รับการใช้ในการค้นหาความสัมพันธ์ระหว่างตัวแปรสุ่ม ทั่วไปวิธี
ช่วงเวลา (gmm) รุ่นประมาณแข็งแกร่งเพราะจะช่วยให้ระยะการสุ่มข้อผิดพลาดที่คำนึงถึง heteroscedasticity
โดยไม่ต้องผิดพลาดที่สัมพันธ์และสมมติฐานที่แข็งแกร่งในการกระจายของข้อผิดพลาด ด้วยเหตุนี้รุ่นนี้เป็นอีก
ที่มีประสิทธิภาพกว่า estimationmethods พารามิเตอร์อื่น ๆ และ Yousefi และ wirjanto [24] ที่ใช้ gmmmethod ในการตรวจสอบความสัมพันธ์ระหว่าง
อัตราแลกเปลี่ยนของเงินดอลลาร์เราและราคาน้ำมัน akram [31] พบว่ามีความสัมพันธ์ที่ไม่ใช่เชิงเส้น
หลายตัวแปรเงื่อนไขความสัมพันธ์คงที่ (CCC) garch เมตรสันนิษฐานว่ารูปแบบเมทริกซ์ความสัมพันธ์เป็นเงื่อนไข
เวลาคงที่และรูปแบบนี้ถูกจ้างมาจาก cifarelli และ Paladino [27] รุ่น garch หลายตัวแปรได้รับการใช้ในการ
เวลาแบบที่แตกต่างกันความผันผวนเช่น bekiros และ diks [32] ซึ่งใน covariancematrixwas awell มารยาทสันนิษฐาน [6] รูปแบบการแก้ไขข้อผิดพลาดเวกเตอร์
เช่น roengchai ตอัล [29], chaiwat ตอัล [28], kunsuda ตอัล [30] ถูกนำมาใช้ในการวิเคราะห์
ความสัมพันธ์หลายตัวแปร นอกจากนี้ฟังก์ชั่นกระตุ้นการตอบสนองทั่วไปและความแปรปรวนทั่วไปข้อผิดพลาดคาดการณ์
สลายแปรปรวนเช่นส่าหรีตอัล [25] และวูเอตอัล [6] ถูกนำมาใช้เป็นเครื่องมือในการค้นหาความสัมพันธ์ระหว่างตัวแปรสุ่ม
.
นอกจากนี้การวิเคราะห์หลายตัวแปรของความผันผวนได้รับการดำเนินการโดยใช้ garch หลายตัวแปรร่วมกับเวกเตอร์
อัตโนมัติถดถอย (var) รุ่นซึ่งสันนิษฐานว่ารูปแบบดังต่อไปนี้หลายตัวแปรหลายตัวแปรปกติหรือ
จำหน่ายเสื้อนักเรียนสมมาตรและแน่นอนรวมเอาความสัมพันธ์เพียร์สัน (ขึ้นอยู่กับความสัมพันธ์เชิงเส้น)
assumptionsmay เหล่านี้ได้รับการพิจารณาความน่าเชื่อถือในการศึกษาเชิงประจักษ์; ยังในชุดข้อมูลหลายข้อมูลที่พบว่ามีความเบ้ (ไม่สมมาตร) หนัก
เทลด์และ leptokurtic มีการกระจายที่แตกต่างกันเล็กน้อยนอกจากนี้ถ้ามีการกระจายองศาอิสระ
องศาอิสระไม่จำเป็นต้องเหมือนกันสำหรับแต่ละการกระจายขอบ.
ความสัมพันธ์ระหว่างตัวแปรสุ่มอาจจะไม่เชิงเส้นและ / หรือสมมาตร การศึกษาบางอย่างเช่นช้างเอตอัล.
[26] และ bekiros และ diks [32], การตรวจสอบเวลาการพึ่งพาอาศัยที่แตกต่างกันของตัวแปรสุ่มในรูปแบบโดยการใช้รูปแบบหลายตัวแปร
garchแต่รุ่นนี้ได้รับการตั้งค่ากับสมมติฐานที่แข็งแกร่งบางอย่างเพื่อที่จะได้เป็นที่น่าพอใจ
ความแปรปรวนความแปรปรวนร่วมเมทริกซ์ [6] และอีกครั้งสำหรับสมการของตัวแปรสุ่มแต่ละในการวิเคราะห์หลายตัวแปร vargarch
หรือเวกเตอร์ถดถอยอัตโนมัติเฉลี่ยเคลื่อนที่ (วาร์) garch สันนิษฐานที่จะมีความสัมพันธ์เชิงเส้นที่มีหลายตัวแปร
นักเรียนทีหรือการกระจายปกติ [6] ในหลายกรณี แต่สมมติฐานเหล่านี้ไม่สอดคล้องกับข้อมูล.
ตั้งแต่การวิเคราะห์เชื่อม-basedmultivariate ที่ใช้ในบทความนี้ซ้อนกันหลายตัวแปรแบบดั้งเดิมเป็นกรณีพิเศษ (tae-
HWY และ Xiangdong, 2009) [13], เชื่อมตามรูปแบบ garch อาจจัดการ ข้อ จำกัด เหล่านี้เกิดขึ้นจากข้อบกพร่อง
สมมติฐานทางสถิติรูปแบบดังกล่าวให้มีความยืดหยุ่นที่ดีขึ้นสำหรับการประเมินการกระจายทุนเช่นเดียวกับการเปลี่ยนแปลง
ความสัมพันธ์คงที่โดยไม่จำเป็นต้องถือว่าความสัมพันธ์เชิงเส้น.
มีส่วนร่วมของหลายของบทความนี้ พวกเขารวมถึง (1) สามารถจับเบ้และ leptokurtosis
ของข้อมูลนั้น(2) สมมติฐานข้อ จำกัด ของการกระจายกำลังผ่อนคลายในการเปรียบเทียบวิธีการแบบเดิมเช่นปกติหรือ

ผลลัพธ์ (ไทย) 2:

Severalmodels ในปีที่ผ่านมามีการใช้ในการค้นหาความสัมพันธ์ระหว่างตัวแปรสุ่ม วิธีการตั้งค่าทั่วไป
ของช่วงเวลา (GMM) จำลองเป็นราคาประมาณที่แข็งแกร่ง เพราะช่วยให้ข้อผิดพลาดแบบเฟ้นสุ่มระยะ ที่พิจารณาที่ heteroscedasticity
autocorrelation โดยสมมติฐานที่แข็งแกร่งในการกระจายของข้อผิดพลาดและการ ดังนั้น รุ่นนี้มีมากกว่า
มีประสิทธิภาพกว่าพารามิเตอร์อื่น ๆ estimationmethods และ Yousefi และ Wirjanto [24] ใช้ GMMmethod ในการตรวจสอบ
ความสัมพันธ์ระหว่างอัตราแลกเปลี่ยนราคาน้ำมันและเงินดอลลาร์สหรัฐ อักร็อม [31] พบความสัมพันธ์แบบไม่เชิงเส้น ใน
รุ่นซีซีคงเงื่อนไขความสัมพันธ์ (ซี) - GARCH - M ตัวแปรพหุสันนิษฐานว่า เมทริกซ์สหสัมพันธ์แบบมีเงื่อนไขเป็น
invariant เวลา และแบบจำลองนี้ถูกจ้าง โดย Cifarelli และ Paladino [27] ได้ใช้รูปแบบตัวแปรพหุ GARCH
รุ่นเวลาต่าง ๆ ผันผวน เช่น Bekiros และ Diks [32], ในที่ทำงาน awell covariancematrixwas สันนิษฐาน [6] เวกเตอร์
รูปแบบการแก้ไขข้อผิดพลาด เช่น Roengchai et al. [29], Chaiwat et al. [28] Kunsuda และ al. [30], ถูกนำมาใช้เพื่อวิเคราะห์
ความสัมพันธ์ตัวแปรพหุ นอกจากนี้ กระแสตอบรับฟังก์ชันการตั้งค่าทั่วไป และการตั้งค่าทั่วไปของผลต่างการคาดการณ์ผิดพลาด
ต่างแยกส่วนประกอบ เช่น ส่าหรี et al. [25] และ Wu et al. [6], ถูกใช้เป็นเครื่องมือในการค้นหาความสัมพันธ์ระหว่างสุ่ม
ตัวแปร.
นอกจากนี้ วิเคราะห์ตัวแปรพหุของความผันผวนมีการดำเนินใช้ GARCH ตัวแปรพหุกับเวกเตอร์
แบบจำลองถดถอยอัตโนมัติ (VAR) ซึ่งสันนิษฐานว่า ทำตามแบบตัวแปรพหุ multivariate สมมาตรปกติ หรือ
t นักเรียนกระจาย และ แน่นอน รวมสหสัมพันธ์เพียร์สัน (ขึ้นอยู่กับความสัมพันธ์เชิงเส้น) Assumptionsmay เหล่านี้
ถือว่าเชื่อถือได้ในผลการศึกษา ยัง ในหลายชุดข้อมูล ข้อมูลที่พบจะมีเบ้ (asymmetric), หนัก
หาง และ leptokurtic ด้วยการกระจายกำไรแตกต่างกัน นอกจากนี้ ถ้าการกระจายที่มีองศาความเป็นอิสระ การ
องศาความเป็นอิสระไม่ต้องเหมือนกันสำหรับแต่ละกำไรกระจายการ
asymmetric หรือไม่เชิงเส้นของความสัมพันธ์ระหว่างตัวแปรสุ่มอาจได้ บางการศึกษา เช่น ช้างร้อยเอ็ด al.
[26], Bekiros และ Diks [32], อกเวลาแตกต่างกันของตัวแปรสุ่มในรูปแบบที่พึ่งพา โดยใช้
โมเดล GARCH ตัวแปรพหุ อย่างไรก็ตาม รุ่นนี้ถูกติดตั้ง ด้วยสมมติฐานบางอย่างแข็งแกร่งต้องประกอบ
เมทริกซ์ความแปรปรวนความแปรปรวนร่วม [6] และอีกครั้ง แต่ละสมการของตัวแปรสุ่มในการวิเคราะห์ตัวแปรพหุ VARGARCH
หรือเวกเตอร์อัตโนมัติถดถอยย้ายเฉลี่ย (VARMA) -GARCH ถูกถือว่ามีความสัมพันธ์เชิงเส้นกับตัว
t นักเรียนตัวแปรพหุหรือการแจกแจงปกติ [6] ในหลายกรณี อย่างไรก็ตาม สมมติฐานเหล่านี้สอดคล้องกับข้อมูลการ
ตั้งแต่การวิเคราะห์ copula basedmultivariate ที่ใช้ในเอกสารนี้ซ้อน multivariate ดั้งเดิมเป็นกรณีพิเศษ (เต้-
Hwy และ Xiangdong, 2009) [13], โมเดล GARCH ขึ้น copula สามารถอาจจัดการข้อจำกัดเหล่านี้เกิดจาก flawed
สมมติฐานทางสถิติได้ แบบจำลองดังกล่าวมีความยืดหยุ่นดีขึ้นสำหรับการประเมินการกระจายร่วมกันรวมทั้งการแปลง
ภาษาสัมพันธ์ โดยไม่จำเป็นต้องคิดเชิงความสัมพันธ์การ
มีหลายส่วนของเอกสารนี้ รวม: (1) รูปแบบสามารถจับภาพความเบ้และ leptokurtosis
ของข้อมูล (2) สมมติฐานของการกระจายเข้มงวดจะผ่อนคลายในวิธีแบบดั้งเดิมเปรียบเทียบ เช่น normality หรือ

ผลลัพธ์ (ไทย) 3:

severalmodels ในช่วงหลายปีที่ผ่านมาได้ถูกนำมาใช้เพื่อหาความสัมพันธ์ระหว่างตัวแปรแบบสุ่ม รุ่นของช่วงเวลา(จีเอ็มเอ็ม)เป็นวิธีการ
ซึ่งจะช่วยโดยทั่วไปที่มีเครื่องมือช่วยประเมินที่แข็งแกร่งเพราะจะช่วยให้ระยะสั้นเกิดข้อผิดพลาด,แบบใดก็ได้ทั้งหมดรองรับงานที่จะพาไปยังแอคเคาท์ heteroscedasticity
ซึ่งจะช่วยได้และ autocorrelation โดยไม่ต้องคาดการณ์คาดเดาในการเผยแพร่ของข้อผิดพลาด ดังนั้นรุ่นนี้มีมากกว่าตอบแทน
yousefi estimationmethods และมี ประสิทธิภาพ มากกว่าพารามิเตอร์อื่นๆและ wirjanto [ 24 ]ใช้ gmmmethod ในการสืบสวนสอบสวน
ซึ่งจะช่วยให้ความสัมพันธ์ระหว่างอัตราแลกเปลี่ยนของค่าเงินดอลลาร์และราคาน้ำมัน akram [ 31 ]พบความสัมพันธ์แบบ non - linear ที่ รุ่น garch - ม.
multivariate คงที่โดยมีเงื่อนไขความสัมพันธ์( CCC ) - ที่ตั้งสมมติฐานไว้ว่า Matrix Storage ความสัมพันธ์โดยมีเงื่อนไขคือ
เวลา - invariantและรุ่นนี้ก็ถูกว่าจ้างโดย cifarelli และ paladino [ 27 ] multivariate garch รุ่นได้ถูกนำมาใช้เพื่อเวลา
รุ่นแตกต่างกันไปความผันผวนเช่น bekiros และ diks [ 32 ]ที่ covariancematrixwas awell - ความประพฤติดีคาดว่า[ 6 ] การแก้ไข
เกิดข้อผิดพลาดเวกเตอร์รุ่นเช่นปณิธาน et al . [ 29 ]จำ et al . [ 28 ] kunsuda et al . [ 30 ]ได้ถูกนำมาใช้ในการวิเคราะห์ความสัมพันธ์ multivariate
ซึ่งจะช่วยได้. นอกเหนือจากนี้แยกออกเป็นส่วนๆฟังก์ชันการตอบสนองการผลักดันและโดยทั่วไปไม่เหมือนกันการประมาณการเกิดข้อผิดพลาด
ไม่เหมือนกันโดยทั่วไปเช่นส่าหรี et al . [ 25 ]และ Wu et al . [ 6 ]ได้ถูกนำมาใช้เป็นเครื่องมือในการค้นหาความสัมพันธ์ระหว่างการสุ่ม
ตัวแปร.
นอกจากนี้การวิเคราะห์ multivariate ความผันผวนของได้รับการดำเนินการโดยใช้ multivariate garch ร่วมกันกับรุ่นเวกเตอร์
อัตโนมัติ( Log ( VAR )ซึ่งจะถือว่ารุ่น multivariate ที่มีรายละเอียดดังนี้การจัดจำหน่าย
ซึ่งจะช่วยนักเรียน - T หรือแบบปกติ multivariate ,สมมาตรที่และแน่นอนรวมพื้นที่เข้ากับความสัมพันธ์กันระหว่างสนามบินนานาชาติ Pearson (อยู่บนพื้นฐานของความสัมพันธ์กันตามแนวยาว) assumptionsmay เหล่านี้
ซึ่งจะช่วยให้ได้รับการพิจารณาให้ความน่าเชื่อถือในการศึกษาเชิงประจักษ์แต่ยังคงอยู่ในชุดข้อมูลจำนวนมากข้อมูลที่พบว่ามีแบบใหม่สไตล์เอียงๆ( Asymmetric )อย่างหนัก
หางและ leptokurtic ด้วยการเผยแพร่ ภาพ แตกต่างกันนอกจากนี้หากการเผยแพร่ที่มีองศาของ เสรีภาพ
องศาของ เสรีภาพ ไม่จำเป็นต้องเหมือนกันสำหรับการกระจายเศษ.
ความสัมพันธ์ระหว่างตัวแปรการสุ่มอาจ nonlinear และ/หรือแบบอสมมาตร การศึกษาบางอย่างเช่นช้าง et al .
[ 26 ]และ bekiros และ diks [ 32 ]การสอบสวนเวลาที่แตกต่างกันไปการพึ่งพาของตัวแปรแบบสุ่มในรุ่นโดยใช้รุ่น garch
multivariate .แต่ถึงอย่างไรก็ตามรุ่นนี้ได้รับการตั้งค่าด้วยสมมุติฐานที่แข็งแกร่งในการสั่งซื้อจะมีความเหมาะสม
ไม่เหมือนกัน - covariance Matrix Storage Technology [ 6 ] และอีกครั้งสำหรับการปรับเปลี่ยนแต่ละแบบสุ่มในการวิเคราะห์ multivariate ที่ garch vargarch
หรือปัจจัยโดยอัตโนมัติ( Log เคลื่อนที่เฉลี่ย(ชาลี) - ที่คาดว่าจะมีความสัมพันธ์แบบ linear พร้อมด้วย
multivariate นักศึกษา - T หรือการจัดจำหน่ายปกติ[ 6 ] ในบางกรณีจำนวนมากแต่ถึงอย่างไรก็ตามเหล่านี้สมมุติฐานไม่ได้เป็นไปตามที่ข้อมูล.
นับตั้งแต่ copula - basedmultivariate การวิเคราะห์การใช้กระดาษในนี้ในแบบดั้งเดิม multivariate เป็นกรณีพิเศษ(เทควันโด -
ทางหลวงและ xiangdong , 2009 )[ 13 ], copula - ใช้ garch รุ่นสามารถเป็นไปได้ว่าอาจเป็นการจัดการนี้มีข้อจำกัดที่เกิดจากช่องโหว่
ทางสถิติข้อสมมติ.รุ่นนี้มีความยืดหยุ่นได้ดีขึ้นสำหรับการประเมินการเผยแพร่ร่วมกันได้เป็นอย่างดีเป็นสัมพันธ์เชิงการปรับเปลี่ยนรูปแบบ
invariant โดยไม่จำเป็นที่จะต้องเป็นผู้รับผิดชอบความสัมพันธ์ตามแนวยาว.
มีการบริจาคหลายแห่งของเอกสารนี้ ห้องพักรวมถึง( 1 )รุ่นที่สามารถถ่าย ภาพ leptokurtosis และผลกระทบจาก
ของข้อมูล( 2 )สมมุติฐานจำกัดในการกระจายอยู่ที่ผ่อนคลายในการเปรียบเทียบวิธีการแบบดั้งเดิมเช่นปกติ หรือ