5.1. Estimation of the marginal den

5.1. Estimation of the marginal density
Formarginal density of the growth rate of production, itwas found thatARMA(4, 12)-GARCH(1, 1) skewed t-distribution
is appropriate because the corresponding residuals satisfy the i.i.d assumptions. For the growth rate of price, the suitable
distribution is ARMA (0, 1)-GARCH (1, 1) with skewed t-distribution. For both distributions, λ is statistically significantly
different from 1, implying that the skewed t-distribution is necessary for this data set.
Table 6 shows that values ˆui and ˆvi corresponding to growth rates of production and price have a uniform distribution,
as tested by the KS test. The Box–Ljung test for autocorrelation of both ˆui and ˆvi showed no autocorrelation from the first to
the fourth moments.
5.2. Estimating parameters of copula models
For the estimation of static copulas with one parameter, the results showed that for each family of copulas, the best fit
copula fits the data with p < 0.05. From the AIC and BIC perspective, the rotated Joe copula (270
◦
) was the best among
one-parameter static copulas which were shown in Table 7. Table 8 illustrates the estimates of the two-parameter static
copulas. The best copulamodel for this two-parameter static copulawas the rotated BB8 (270
◦
); however, itwas still inferior
to the rotated Joe copula (270
◦
). It has been mentioned that the Joe copula captures the upper tail dependence; so, we can
make the conclusion that the growth rates of production and price have an upper tail correlation, the value of which is
−0.2897.
5.3. Goodness-of-fit of copula models
Table 9 shows results of goodness-of-fit tests, providing probability values for CvM and KS. Five copulas: the rotated
Gumbel (90
◦
), rotated Clayton (270
◦
), rotated BB6 (90
◦
), rotated BB8 (90
◦
) and rotated Joe (90
◦
), did not fit the data. The
rotated Joe (270
◦
)was accepted in accordancewith the fact that itwas the best choice among the static copulas. The CvM and
KS tests for the two-parameter copula again showed results consistent with the best choice in the two-parameter copula.
Namely, we could not reject the null hypothesis that the rotated BB8 (270
◦
) copula was true, and the rotated BB8 (270
◦
) was
best among the two-parameter copulas.
5.4. Estimation of time-varying copulas
For the time-varying copula, relevant copulas in Eqs. (25)–(28)were employed.We modeled the dynamic Gumbel copula,
creating a dynamic Joe copula that can be used to analyze the time-varying nonlinear correlation, namely, Kendall’s tau. It
was found that the copula parameter followed the ARMA (1, 20) process very well.
In light of the results of the AIC, BIC and goodness-of-fit tests, we tested Gaussian, t, rotated Gumbel, rotated Clayton,
rotated Joe, DCC Gaussian and DCC T copulas. From this empirical study, the time-varying rotated Joe copula provided the
smallest AIC and BIC among the static and time-varying copulas. As Fig. 9 illustrates, it looked more natural, as expected,
because it always had the negative correlation and did not hit the upper bound at −1, and some parts of the dependency
parameterswere not constant. Itwas found that the smallest Kendall’s tau was about−0.33 and the highest one was almost
0. From Table 10, we can see that the autoregressive parameter β in the time-varying rotated Joe copula (270
◦
) was 0.30,
suggesting that there was not a high degree of persistence pertaining to the dependence structure between production and
price. In this study, therefore, the time-varying rotated Joe copula (270
◦
) was selected for policy implication.
6. Policy implication
The negative dependence between the growth rates of agricultural production and agricultural price was found, as
expected. The dependency, and hence, Kendall’s tau, were time-varying. The time-varying dependency and Kendall’s tau
can be used to predict the next period’s dependence and Kendall’s tau correlation, and help policy makers become aware of
what is likely to happen in the future. For instance, when the dependence is forecasted to be−1.2, and if it is known from the
forecasted growth rate of production that the rate is going to drop at a certain rate, then the growth rate of the price index
necessarily has to rise at a certain rate. Therefore, policymakers can prepare in advance to import some relevant agricultural
products to increase the supply, if necessary, which could have a calming effect on inflation. It could relieve suffering within
the population, especially for the lower income group, which would help prevent political unrest.
This paper provides the means to simulate the forecasted growth rate of agricultural prices, and therefore the price level,
conditional on the growth rate of agricultural production. The conditional density of the growth rate of agricultural price
could be obtained from


where c(u, v) is the copula density; fp(p)=themarginal density of the growth rate of agricultural price; fq(q)=themarginal
density of the growth rate of agricultural production. In this paper, it is recommended that one use the copula density of
the time-varying rotated Joe copula (270
◦
) with parameters specified in Table 10. The marginal density of the growth rate
of agriculture price is the skewed t-distribution with parameter estimates of the mean MA (1) and conditional volatility
GARCH (1, 1), skewness and degrees of freedom as shown in Table 5. This approach enables us to also include the spillover
effects from the other variables on the random variable being considered. Mean point and confidence interval forecasts are
shown in Table 11.
This study also describes the behaviors of conditional volatilities of growth rates for agricultural price and production.
These estimated conditional volatilities can help policy makers understand the behaviors of volatilities and subsequently
make possible policy adjustments to prevent undesirable effects caused by the change in price and production.
Our results showed that the estimated dependence parameter was relatively low, approximately −1. We suggest that
the model should be modified further by considering additional variables, e.g., the stock of agricultural production and its
production cost, especially the effect of the oil prices. This could help explain and forecast the growth rate of the agricultural
price index more effectively and reliably.
7. Conclusions
In modeling the volatility and dependency of agricultural price and production indices in Thailand, we found that the
appropriate marginal density for growth rates of agricultural production and price indices were the skewed t-distributions
with themeans, volatilities, skewness and degrees of freedom shown in Tables 4 and 5. The time-varying rotated Joe copula
was the bestamongseveral copula candidates. The behavior of the growth rate of the agricultural price index can be explained
by Eq. (39), ifwe use the selected marginal skewed t-distribution and conditional volatility.Use of the selectedmodel allowed
us to obtain the mean point and confidence interval forecast of the growth rate of price. After forecasting the production
growth rate, we can then forecast the inflation rate of the agricultural sector. Policy makers are encouraged to use these
methods to better prepare measures for managing inflation.
Acknowledgements
Theauthorswish tothankthe ThailandResearchFund(TRF) for itsfinancial support for theresearchproject (BRG5380024).
We thank the referees for their constructive comments and suggestions, and we also gratefully thank Professor Vladik
Kreinovich for his valuable comments, suggestions and editing, which lead to significant improvements in our work.

ผลลัพธ์ (ไทย) 1:

5.1 การประมาณค่าของความหนาแน่นของขอบ
ความหนาแน่น formarginal ของอัตราการเติบโตของการผลิต itwas พบ thatarma (4, 12)-garch (1, 1) เบ้แจกแจง
มีความเหมาะสมเพราะเหลือที่สอดคล้องตอบสนองสมมติฐาน iid อัตราการเจริญเติบโตของราคาที่เหมาะสม
กระจายอาวุธ (0, 1) garch (1, 1) ด้วยเบ้แจกแจง เพื่อการกระจายทั้งλเป็นอย่างมีนัยสำคัญทางสถิติที่แตกต่างจาก
1 หมายความว่าเบ้แจกแจงเป็นสิ่งที่จำเป็นสำหรับการตั้งค่าข้อมูลนี้.
ตารางที่ 6 แสดงให้เห็นว่าค่า UI และ vi สอดคล้องกับอัตราการเติบโตของการผลิตและราคาที่มีการจัดจำหน่ายเครื่องแบบ
เช่นการทดสอบโดย ทดสอบแคนซัส การทดสอบกล่อง ljung สำหรับการผิดพลาดที่สัมพันธ์ของทั้งสอง UI และ vi ไม่แสดงความผิดพลาดที่สัมพันธ์จากคนแรกที่
ช่วงเวลาที่สี่
5.2 การประมาณค่าพารามิเตอร์ของรูปแบบการเชื่อม
สำหรับการประมาณของ copulas คงที่กับหนึ่งพารามิเตอร์ผลการศึกษาพบว่าครอบครัวของ copulas แต่ละพอดีที่ดีที่สุดเหมาะกับ
เชื่อมข้อมูลกับ p <0.05 จาก AIC และ Bic มุมมอง joe เชื่อมหมุน (270 ◦

) เป็นที่ดีที่สุดใน
หนึ่งพารามิเตอร์ copulas คงที่ซึ่งมีการแสดงในตารางที่ 7ตารางที่ 8 แสดงให้เห็นถึงการประเมินของทั้งสองพารามิเตอร์คง
copulas copulamodel ดีที่สุดสำหรับนี้สองพารามิเตอร์ copulawas คง BB8 หมุน (270

◦) แต่ยังคงด้อยกว่า itwas
จะ joe เชื่อมหมุน (270 ◦

) จะได้รับการกล่าวถึงว่า joe เชื่อมพึ่งพาจับหางบนดังนั้นเราสามารถ
ทำให้สรุปได้ว่าอัตราการเติบโตของการผลิตและราคามีความสัมพันธ์หางบนค่าของซึ่งเป็น -0.2897
.
5.3 ความดีของพอดีของรูปแบบการเชื่อม
ตารางผลการทดสอบความดีของพอดีให้ค่าความน่าจะเป็น CVM และแคนซัส 9 แสดงให้เห็นว่า ห้า copulas: หมุน
กัมเบล (90 ◦

), เคลย์ตันหมุน (270 ◦

), หมุน BB6 (90 ◦

), หมุน BB8 (90 ◦

) และหมุน joe (90

◦)ไม่พอดีกับข้อมูล
หมุน joe (270 ◦

) ได้รับการยอมรับใน accordancewith ความจริงที่ว่า itwas เลือกที่ดีที่สุดในหมู่ copulas คงที่ CVM และ
ทดสอบแคนซัสสำหรับเชื่อมสองพารามิเตอร์อีกครั้งที่แสดงให้เห็นผลที่สอดคล้องกับการเลือกที่ดีที่สุดในการเชื่อมสองพารามิเตอร์.
คือเราไม่สามารถปฏิเสธสมมติฐานที่ BB8 หมุน (270 ◦

) เชื่อมเป็นความจริง และ BB8 หมุน (270

◦) เป็น
ดีที่สุดในหมู่ copulas สองพารามิเตอร์.
5.4 การประมาณค่าของ copulas เวลาที่แตกต่างกัน
สำหรับเชื่อมเวลาที่แตกต่าง copulas ที่เกี่ยวข้องใน EQS (25) - (28) เป็นรูปแบบ employed.we เชื่อม gumbel แบบไดนามิก
สร้างเชื่อม joe แบบไดนามิกที่สามารถนำมาใช้ในการวิเคราะห์ความสัมพันธ์เชิงเส้นเวลาที่แตกต่างกันคือเคนดอลของเอกภาพ มัน
พบว่าพารามิเตอร์เชื่อมตามอาวุธ (1,20) ขั้นตอนเป็นอย่างดี.
ในแง่ของผลการ AIC, Bic และการทดสอบความดีของพอดีเราได้ทดสอบเกาส์, เสื้อ, หมุน gumbel หมุนเคลย์ตัน,
หมุน joe, dcc เกาส์และ dcc copulas ที จากการศึกษาเชิงประจักษ์นี้เวลาที่แตกต่างกันหมุน joe เชื่อมให้
AIC เล็กที่สุดและ Bic หมู่ copulas แบบคงที่และเวลาที่แตกต่างกัน เป็นมะเดื่อ 9 แสดงให้เห็นถึงมันดูเป็นธรรมชาติมากขึ้นเป็นไปตามคาด
เพราะมันมักจะมีความสัมพันธ์ทางลบและไม่ได้ตีขอบบนที่ -1, และบางส่วนของการพึ่งพา
parameterswere ไม่คงที่ itwas พบว่าเอกภาพเคนดอลที่เล็กที่สุดคือเกี่ยวกับ 0.33 และหนึ่งในที่สูงที่สุดเกือบ
0 จากตาราง 10 เราจะเห็นว่าβพารามิเตอร์อัตในเวลาที่แตกต่างกันหมุนเชื่อม joe (270 ◦

) เป็น 0.30,
บอกว่ามีไม่ได้ในระดับสูงที่เกี่ยวข้องกับการคงอยู่ของโครงสร้างการพึ่งพาอาศัยระหว่างการผลิตและราคา
ในการศึกษาครั้งนี้จึงใช้เวลาที่แตกต่างกันหมุนเชื่อม joe (270 ◦

) ได้รับเลือกให้ความหมายนโยบาย.
6 นโยบายความหมาย
การพึ่งพาเชิงลบระหว่างอัตราการเติบโตของการผลิตการเกษตรและราคาสินค้าเกษตรก็พบว่าเป็นที่คาดหวัง
พึ่งพาและด้วยเหตุนี้ tau เคนดอลของเขาเวลาที่แตกต่างกัน พึ่งพาเวลาที่แตกต่างกันและเคนดอลของเอกภาพ
สามารถใช้ในการทำนายการพึ่งพาอาศัยช่วงถัดไปและเคนดอลของความสัมพันธ์เอกภาพและผู้กำหนดนโยบายช่วยเหลือตระหนักถึง
สิ่งที่มีแนวโน้มที่จะเกิดขึ้นในอนาคต ตัวอย่างเช่นเมื่อการพึ่งพาอาศัยคาดว่าจะเป็น-1.2 และถ้ามันเป็นที่รู้จักจาก
คาดการณ์อัตราการเติบโตของการผลิตว่าอัตราจะลดลงในอัตราที่แน่นอนแล้วอัตราการเติบโตของดัชนีราคา
จำเป็นต้องมีการปรับตัวสูงขึ้นในอัตราที่แน่นอน ดังนั้นผู้กำหนดนโยบายสามารถเตรียมความพร้อมล่วงหน้าที่จะนำเข้าสินค้าเกษตรบาง
ผลิตภัณฑ์ที่เกี่ยวข้องกับการเพิ่มขึ้นของอุปทานในกรณีที่จำเป็นซึ่งอาจมีผลกระทบต่ออัตราเงินเฟ้อสงบเงียบ มันสามารถบรรเทาความทุกข์ทรมานภายใน
ประชากรโดยเฉพาะอย่างยิ่งสำหรับกลุ่มรายได้ต่ำซึ่งจะช่วยป้องกันไม่ให้เกิดความไม่สงบทางการเมือง.
บทความนี้ให้หมายถึงการจำลองการคาดการณ์อัตราการเจริญเติบโตของราคาสินค้าเกษตรและดังนั้นจึงระดับราคา
เงื่อนไขในการอัตราการเติบโตของการผลิตการเกษตร ความหนาแน่นตามเงื่อนไขของอัตราการเติบโตของราคาสินค้าเกษตร
อาจจะได้รับจาก


โดยที่ c (u, v) คือความหนาแน่นเชื่อม;FP (P) = ความหนาแน่น themarginal ของอัตราการเติบโตของราคาการเกษตร fq (q) = themarginal
ความหนาแน่นของอัตราการเติบโตของการผลิตการเกษตร ในบทความนี้ก็ขอแนะนำว่าให้ใช้ความหนาแน่นของเชื่อม
เวลาที่แตกต่างกันหมุนเชื่อม joe (270 ◦

) กับพารามิเตอร์ที่ระบุไว้ในตาราง 10 ความหนาแน่นของส่วนเพิ่มของอัตราการเจริญเติบโต
ของราคาการเกษตรเป็นเบ้แจกแจงด้วยประมาณการค่าพารามิเตอร์ของแม่หมายถึง (1) และความผันผวนตามเงื่อนไข
garch (1, 1), เบ้และองศาอิสระดังแสดงในตารางที่ 5 วิธีการนี​​้ช่วยให้เราสามารถรวมทั้งยังมีผลกระทบ
จากตัวแปรอื่น ๆ ในตัวแปรสุ่มได้รับการพิจารณา หมายถึงจุดและการคาดการณ์ช่วงความเชื่อมั่นที่มี
แสดงในตารางที่ 11.
การศึกษาครั้งนี้ยังอธิบายถึงพฤติกรรมของความผันผวนตามเงื่อนไขของอัตราการเจริญเติบโตของราคาสินค้าเกษตรและการผลิต.
เหล่านี้ผันผวนตามเงื่อนไขที่คาดจะช่วยให้ผู้กำหนดนโยบายเข้าใจพฤติกรรมของความผันผวนและต่อมา
ทำการปรับเปลี่ยนนโยบายที่เป็นไปได้เพื่อป้องกันผลกระทบที่ไม่พึงประสงค์ที่เกิดจากการเปลี่ยนแปลงในราคาและ การผลิต.
ผลของเราแสดงให้เห็นว่าการพึ่งพาพารามิเตอร์ที่คาดค่อนข้างต่ำประมาณ -1 เราขอแนะนำให้
รูปแบบที่ควรจะแก้ไขเพิ่มเติมโดยพิจารณาตัวแปรเพิ่มเติมเช่นหุ้นของการผลิตการเกษตรและ
ต้นทุนการผลิตโดยเฉพาะอย่างยิ่งผลกระทบของราคาน้ำมัน นี้อาจช่วยอธิบายและคาดการณ์อัตราการเติบโตของภาคเกษตร
ดัชนีราคามากขึ้นได้อย่างมีประสิทธิภาพและเชื่อถือได้.
7 ข้อสรุปในการสร้างแบบจำลอง
ความผันผวนและการพึ่งพาของราคาและดัชนีผลผลิตทางการเกษตรในประเทศไทยเราพบว่ามีความหนาแน่นที่เหมาะสม
ขอบสำหรับอัตราการเจริญเติบโตของการผลิตการเกษตรและดัชนีราคาเป็นเบ้เสื้อกระจาย
ด้วย themeans, ความผันผวนเบ้และองศาของ เสรีภาพที่แสดงในตารางที่ 4 และ 5เวลาที่แตกต่างกันหมุน joe เชื่อม
เป็นผู้สมัครที่เชื่อม bestamongseveral พฤติกรรมของอัตราการเติบโตของดัชนีราคาสินค้าเกษตรสามารถอธิบายได้โดยสมการ
(39), ifwe ใช้ขอบเบ้แจกแจงเลือกและ volatility.use เงื่อนไขของ selectedmodel อนุญาต
เราจะได้รับการจุดหมายและความเชื่อมั่นคาดการณ์ช่วงเวลาของอัตราการเติบโตของราคาหลังจากการคาดการณ์การผลิต
อัตราการเติบโตที่เราจะสามารถคาดการณ์อัตราเงินเฟ้อของภาคเกษตร ผู้กำหนดนโยบายควรที่จะใช้วิธีการเหล่านี้
จะดีขึ้นเตรียมมาตรการในการบริหารจัดการอัตราเงินเฟ้อ.

กิตติกรรมประกาศ theauthorswish tothankthe thailandresearchfund (สกว. ) ที่ให้การสนับสนุนการ itsfinancial theresearchproject (brg5380024).
เราขอขอบคุณผู้ตัดสินสำหรับความคิดเห็นที่สร้างสรรค์และข้อเสนอแนะของพวกเขาและเรายังสุดซึ้งขอบคุณอาจารย์ Vladik
kreinovich สำหรับความคิดเห็นที่มีคุณค่าของเขาและข้อเสนอแนะในการแก้ไขที่นำไปสู่​​การปรับปรุงที่สำคัญในการทำงานของเรา

ผลลัพธ์ (ไทย) 2:

5.1 การประเมินความหนาแน่นกำไร
Formarginal ความหนาแน่นของอัตราการเติบโตของการผลิต ก็พบ thatARMA(4, 12) GARCH(1, 1) เบ้แจก t
เหมาะสมเนื่องจากค่าคงเหลือตรงตามสมมติฐาน i.i.d สำหรับอัตราการเติบโตที่เหมาะสม ราคา
แจกมีอาร์มา (0, 1) -GARCH (1, 1) กับการแจกแจง t ที่บิด สำหรับการกระจายทั้ง Λเป็นอย่างมีนัยสำคัญทางสถิติ
แตกต่างจาก 1 หน้าที่ว่า t-การแจกแจงเบ้จำเป็นสำหรับข้อมูลชุดนี้
6 ตารางแสดงว่า ค่า ˆui และ ˆvi ที่สอดคล้องกับอัตราการขยายตัวของการผลิตและราคามีการกระจายแบบสม่ำเสมอ,
เป็นทดสอบ โดยการทดสอบเอส Box–Ljung ทดสอบ autocorrelation ทั้ง ˆui และ ˆvi พบ autocorrelation ไม่จากวันแรกไป
ช่วงสี่
5.2 ประมาณพารามิเตอร์ของแบบจำลอง copula
สำหรับการประเมินของ copulas คงด้วยพารามิเตอร์หนึ่ง ผลพบว่า ในครอบครัวของ copulas ดีที่สุดพอ
copula เหมาะกับข้อมูลกับ p < 0.05 ไปการ AIC และ BIC, copula โจหมุน (270
◦
) ถูกสุดในหมู่
copulas คงพารามิเตอร์หนึ่งซึ่งถูกแสดงในตาราง 7 ตาราง 8 แสดงให้เห็นถึงการประเมินคงสองพารามิเตอร์
copulas Copulamodel ดีที่สุดสำหรับนี้ copulawas คงพารามิเตอร์สอง BB8 หมุน (270
◦
); อย่างไรก็ตาม ก็ยังน้อย
เพื่อ copula โจหมุน (270
◦
) มันได้รับการกล่าวว่า copula โจจับพึ่งพาด้านบนหาง ดังนั้น เราสามารถ
ทำให้ข้อสรุปว่า อัตราการขยายตัวของการผลิตและราคามีความสัมพันธ์บนหาง ค่าที่
−0.2897.
5.3 ความดีของฟิตรุ่น copula
9 ตารางแสดงผลการทดสอบความดีพอ ให้ค่าความน่าเป็นสำหรับ CvM และ KS Copulas ห้า: การหมุน
Gumbel (90
◦
), หมุนคลี่ย์ (270
◦
), หมุน BB6 (90
◦
), หมุน BB8 (90
◦
) หมุนโจ (90
◦
), ไม่พอดีกับข้อมูล ใน
หมุนโจ (270
◦
) ถูกยอมรับใน accordancewith ความจริงที่ว่า มันเป็นที่ดีที่สุดในหมู่ copulas คง CvM และ
KS ทดสอบสำหรับ copula สองพารามิเตอร์อีกพบผลสอดคล้องกับตัวเลือกดีที่สุดในสองพารามิเตอร์ copula
คือ ที่เราไม่สามารถปฏิเสธสมมติฐานว่างที่ BB8 หมุน (270
◦
) copula มีจริง BB8 หมุน (270
◦
) ถูก
สุดระหว่าง copulas สองพารามิเตอร์
5.4 การประเมินของ copulas ที่แตกต่างกันเวลา
สำหรับเวลาแตกต่างกัน copula, copulas ที่เกี่ยวข้องใน Eqs (25) – (28) ได้รับการว่าจ้างเราจำลอง copula Gumbel ไดนามิก,
สร้าง copula โจแบบไดนามิกที่ใช้ในการวิเคราะห์ความสัมพันธ์ที่แตกต่างกันเวลาไม่เชิงเส้นของ ได้แก่ เคนดัลของเต่าได้ มัน
พบว่า พารามิเตอร์ copula ตามอาร์มา (1 20 กระบวนการมากดี.
เมื่อผลลัพธ์ของ AIC, BIC และทดสอบความดีพอ เราทดสอบ Gaussian, t, Gumbel หมุน หมุนคลี่ย์,
หมุน copulas โจ การ DCC Gaussian และการ DCC T จากการศึกษาประจักษ์ แตกต่างกันเวลาไปหมุนให้ copula โจ
AIC ที่เล็กที่สุดและ BIC ระหว่าง copulas คง และเวลาแตกต่างกัน เป็น Fig. 9 แสดง มันดูธรรมชาติมากขึ้น คาด,
เนื่องจากมันมีความสัมพันธ์เชิงลบ และไม่ตีขอบเขตบนที่ −1 และบางส่วนของการขึ้นต่อกันเสมอ
parameterswere คงไม่ Itwas พบว่า เต่าของเคนดัลที่เล็กที่สุด about−0.33 และได้สูงสุดเกือบเป็น
0 จากตาราง 10 เราจะเห็นว่า βพารามิเตอร์ autoregressive ในแตกต่างกันเวลาไปหมุน copula โจ (270
◦
) ถูก 0.30,
แนะนำว่า มีไม่มีอยู่ที่เกี่ยวข้องกับโครงสร้างพึ่งพาระหว่างผลิตในระดับสูง และ
ราคา ในการศึกษานี้ ดังนั้น แตกต่างกันเวลาไปหมุน copula โจ (270
◦
) ถูกเลือกสำหรับนโยบายปริยาย.
6 นโยบายปริยาย
พบพึ่งพาค่าลบระหว่างอัตราการขยายตัวของสินค้าเกษตรและเกษตรราคา เป็น
คาดว่า อ้างอิง และด้วยเหตุ นี้ เต่าของเคนดัล มีเวลาแตกต่างกัน อ้างอิงเวลาแตกต่างกันและเต่าของเคนดัล
สามารถใช้ทำนายการพึ่งพาของรอบระยะเวลาถัดไปและความสัมพันธ์ของเคนดัลเต่า และช่วยให้ผู้กำหนดนโยบายตระหนัก
อะไรจะเกิดขึ้นในอนาคต เช่น เมื่อการคาดการณ์การพึ่งพาเพื่อ be−1.2 และถ้าเป็นที่รู้จักกันจากการ
คาดการณ์อัตราการเติบโตของการผลิตที่อัตราจะลดลงในอัตราที่แน่นอน แล้วอัตราการเติบโตของดัชนีราคา
จำเป็นต้องมีการเพิ่มขึ้นในอัตราที่แน่นอน ดังนั้น ผู้กำหนดนโยบายสามารถเตรียมล่วงหน้าเพื่อนำเข้าที่เกี่ยวข้องบางเกษตร
ผลิตภัณฑ์เพื่อเพิ่มการจัดหา จำเป็น ซึ่งได้ความชื่นมีผลกับเงินเฟ้อได้ มันสามารถบรรเทาทุกข์ภายใน
ประชากร โดยเฉพาะอย่างยิ่งสำหรับกลุ่มรายได้ต่ำ ซึ่งจะช่วยป้องกันความไม่สงบทางการเมือง
กระดาษนี้ให้หมายถึงการจำลองการคาดการณ์อัตราราคาเกษตร และระดับราคา,
เงื่อนไขเกี่ยวกับอัตราการเติบโตของการผลิตทางการเกษตร ความหนาแน่นตามเงื่อนไขของอัตราการเติบโตของราคาเกษตร
สามารถดึงจาก


c (u, v) ความหนาแน่น copula fp (p) =ความหนาแน่น themarginal ของอัตราการเติบโตของราคาเกษตร fq (q) = themarginal
ความหนาแน่นของอัตราการเติบโตของการผลิตทางการเกษตร ในเอกสารนี้ ไม่ว่า ผู้ใดใช้ความหนาแน่น copula ของ
แตกต่างกันเวลาไปหมุน copula โจ (270
◦
) กับพารามิเตอร์ที่ระบุไว้ในตาราง 10 ความหนาแน่นของอัตราการเติบโตกำไร
เกษตรราคาเป็นการบิด t กระจายประเมินพารามิเตอร์ของค่าเฉลี่ย MA (1) และเงื่อนไขความผันผวน
GARCH (1, 1), ความเบ้และองศาความเป็นอิสระดังแสดงในตาราง 5 วิธีการนี้ช่วยให้เราสามารถรวมการ spillover
ผลจากตัวแปรตัวแปรสุ่มการพิจารณา หมายถึง จุดและช่วงความเชื่อมั่นคาดการณ์
แสดงในตาราง 11.
การศึกษานี้ยังอธิบายลักษณะการทำงานของ volatilities ตามเงื่อนไขของอัตราการเจริญเติบโตราคาเกษตรและผลิต
เหล่านี้ประมาณ volatilities แบบมีเงื่อนไขจะช่วยให้เข้าใจพฤติกรรม ของ volatilities และในภายหลังผู้กำหนดนโยบาย
ทำการปรับปรุงนโยบายได้ให้ระวังผลกระทบที่เกิดจากการเปลี่ยนแปลงราคาและการผลิต
ผลพบว่า พารามิเตอร์ที่พึ่งพาการประเมินค่อนข้างต่ำ ประมาณ −1 เราขอแนะนำที่
ควรปรับเปลี่ยนรูปแบบเพิ่มเติมโดยพิจารณาตัวแปรเพิ่มเติม เช่น สินค้าเกษตรและ
ทุน โดยเฉพาะอย่างยิ่งผลของราคาน้ำมันผลิต นี้สามารถช่วยอธิบาย และคาดการณ์อัตราการเติบโตของการเกษตร
ราคาดัชนีได้อย่างมีประสิทธิภาพ และได้เพิ่มเติมการ
7 บทสรุป
ในแบบจำลองความผันผวนและอ้างอิงราคาเกษตรและดัชนีการผลิตในประเทศไทย เราพบว่า
กำไรความหนาแน่นที่เหมาะสมสำหรับอัตราการขยายตัวของการผลิตเกษตรและดัชนีราคาถูกบิด t กระจาย
themeans, volatilities ความเบ้ และองศาความเป็นอิสระที่แสดงในตาราง 4 และ 5 แตกต่างกันเวลาไปหมุนโจ copula
ถูก bestamongseveral copula ผู้สมัคร สามารถอธิบายลักษณะการทำงานของอัตราการเติบโตของดัชนีราคาเกษตร
โดย Eq. (39), ifwe ใช้เลือกกำไรบิด t-กระจายและผันผวนตามเงื่อนไขได้ใช้ของ selectedmodel ที่ได้รับอนุญาต
เรารับคาดการณ์เฉลี่ยของจุดและช่วงความเชื่อมั่นของอัตราการเติบโตของราคา หลังจากการคาดการณ์การผลิต
อัตราการเติบโต เราสามารถคาดการณ์อัตราเงินเฟ้อของภาคเกษตรแล้วได้ ผู้กำหนดนโยบายได้ใช้เหล่านี้
วิธีเพื่อเตรียมมาตรการในการจัดการเงินเฟ้อ
ถาม-ตอบ
Theauthorswish tothankthe ThailandResearchFund(TRF) itsfinancial สนับสนุนสำหรับ theresearchproject (BRG5380024) .
เราขอขอบคุณประเภทสร้างสรรค์ข้อคิดเห็นและข้อเสนอแนะ และเราควระยังขอขอบคุณศาสตราจารย์ Vladik
Kreinovich สำหรับความคิดของเขามีคุณค่าเห็น คำแนะนำและการแก้ไข ซึ่งนำไปสู่การปรับปรุงที่สำคัญในการทำงานของเรา

ผลลัพธ์ (ไทย) 3:

5.1 . ประเมินผลของความหนาแน่นที่ก้ำกึ่ง
formarginal ความหนาแน่นของอัตราการขยายตัวของการผลิต, itwas พบ thatarma ( 4 , 12 ) - garch ( 1 , 1 )แบบใหม่สไตล์เอียงๆ T - การกระจาย
มีความเหมาะสมเนื่องจากที่ residuals มอบความพึงพอใจที่เกี่ยวข้องที่ i.i.d ข้อสมมติ. สำหรับอัตราการขยายตัวของราคาเหมาะสม
เป็น arma ( 01 ) - garch ( 1 )พร้อมด้วย T แบบใหม่สไตล์เอียงๆ - การกระจาย สำหรับการเผยแพร่ทั้งสองΛ
ซึ่งจะช่วยได้อย่างมีนัยสำคัญทางสถิติที่แตกต่างจาก 1 ,ส่อว่าแบบใหม่สไตล์เอียงๆ T - การกระจายเป็นสิ่งจำเป็นสำหรับข้อมูลนี้ตั้งค่า.
ตาราง 6 แสดงให้เห็นว่าค่า ˆui ˆvi และที่เกี่ยวข้องกับอัตราการขยายตัวของการผลิตและราคามีเครื่องแบบการกระจาย,
ได้รับการทดสอบโดยให้,การทดสอบ การทดสอบ box-ljung สำหรับ autocorrelation ของ ˆvi ˆui ทั้งสองและไม่มีทีท่าว่า autocorrelation จากครั้งแรกที่จะช่วงเวลาที่สี่
ซึ่งจะช่วยได้
5.2 . การประเมินค่าพารามิเตอร์ของรุ่น copula
สำหรับประมาณการว่า copulas แบบสแตติกพร้อมด้วยหนึ่งพารามิเตอร์การแสดงให้เห็นว่าในแต่ละครอบครัวของ copulas เหมาะสม
copula ที่ใช้ได้พอดีกับข้อมูลที่พร้อมด้วย P < 0.05 จากระดมเลเบล BIC มุมมองและหมุน Joe copula ( 270

◦)เป็นที่ดีเยี่ยมท่ามกลาง
หนึ่ง - copulas แบบสแตติกพารามิเตอร์ที่ได้แสดงไว้ในตารางที่ 7ตารางที่ 8 แสดงถึงงบประมาณของสอง - พารามิเตอร์แบบสแตติก
copulas ได้ copulamodel ที่ดีเยี่ยมสำหรับ copulawas คงที่สอง - พารามิเตอร์นี้หมุน BB 8 ( 270

◦)แต่ถึงอย่างไรก็ตาม itwas ยังด้อยกว่า
ซึ่งจะช่วยในการที่หมุน Joe copula ( 270

◦) มีการกล่าวว่า copula Joe ที่สามารถจับต้องพึ่งพาหางด้านบนเพื่อให้เราสามารถตอบแทน
ทำให้สรุปได้ว่าอัตราการขยายตัวของการผลิตและราคาสินค้ามีความสัมพันธ์กันหางด้านบนให้ความคุ้มค่าที่มี
-0.2897 .
5.3 ความดี - ของ - FIT ของรุ่น copula
ตาราง 9 แสดงผลของการทดสอบความดี - ของ - Fit ให้คุณค่าและความเป็นไปได้สำหรับ cvm ks. ห้า copulas ที่หมุน
gumbel ( 90
◦
)หมุนห่างจาก Clayton ( 270
◦
)หมุน BB 6 ( 90
◦
)หมุน BB 8 ( 90
◦
)และหมุน Joe ( 90
◦
)ไม่ได้ใส่ข้อมูล
ซึ่งจะช่วยให้หมุน Joe ( 270

◦)เป็นที่ยอมรับใน accordancewith ข้อเท็จจริงที่ว่า itwas เป็นทางเลือกที่ดีเยี่ยมท่ามกลาง copulas คงที่ได้ การทดสอบ
, KS และ cvm สำหรับ copula สอง - พารามิเตอร์ที่อีกครั้งแสดงให้เห็นผลอย่างต่อเนื่องพร้อมด้วยทางเลือกที่ดีเยี่ยมใน copula สอง - พารามิเตอร์.
คือเราไม่สามารถปฏิเสธข้อสมมุติฐานที่มีค่าเป็นนัลหมุน BB 8 ( 270

◦) copula เป็นความจริงและที่หมุน BB 8 ( 270

◦)เป็น
ดีที่สุดท่ามกลาง copulas สอง - พารามิเตอร์.
5.4 . ประเมินผลของ copulas เวลาที่แตกต่างกันสำหรับ copula
เวลาที่แตกต่างกัน copulas ที่เกี่ยวข้องใน eqs . ( 25 ) - ( 28 )ถูกว่าจ้าง.เราวางรูปแบบตามอย่าง copula gumbel แบบไดนามิกที่
การสร้าง copula Joe แบบไดนามิกที่สามารถใช้ในการวิเคราะห์ความสัมพันธ์ nonlinear เวลาที่แตกต่างกันไปคือวุงของ, Kendall ,. มัน
พบว่าพารามิเตอร์ copula ตามด้วย arma ( 120 )ขั้นตอนเป็นอย่างมากรวมทั้ง.
ในผลการระดมเลเบล BIC การทดสอบความดี - ของ - ใส่ได้พอดีและที่เราได้ทำการทดสอบ gaussian T หมุน gumbel หมุนห่างจาก Clayton
หมุน Joe DCC gaussian DCC T copulas และ จากการศึกษาวิจัยนี้เวลาที่แตกต่างกันไปหมุน copula Joe จัดให้บริการที่มีขนาดเล็กที่สุดและ
ระดมเลเบล BIC ท่ามกลาง copulas แบบคงที่และเวลาที่แตกต่างกันไป เป็นรูป. 9 แสดงถึงจะดูเป็นธรรมชาติมากขึ้นเป็นไปตามที่คาดไว้
เพราะมันจะมีความสัมพันธ์กันอย่างที่เป็นไปในเชิงลบและไม่ได้ส่งผลกระทบต่อส่วนบนที่ผูกพันที่ 1 และบางส่วนของพึ่งพา
parameterswere ไม่คงที่ itwas พบว่ามีขนาดเล็กที่สุดของวุง Kendall ที่ได้ ประมาณ -0.33 สูงสุดและหนึ่งก็เกือบจะ
0 จากโต๊ะ 10 เราก็จะเห็นว่า autoregressive พารามิเตอร์เฉพาะในเวลาที่แตกต่างกันออกไปหมุน Joe copula ( 270

◦)เป็น 0.30
แนะนำว่าไม่มีระดับที่สูงมากของวิริย ภาพ เกี่ยวกับโครงสร้างการพึ่งพาระหว่างการผลิตและ
ราคา ในการศึกษาวิจัยนี้ทำให้มีเวลาในแบบที่แตกต่างกันไปหมุน Joe copula ( 270

◦)เป็นที่เลือกสำหรับแสดงนัยนโยบาย.
6 นโยบายการบอกเป็นนัย
ซึ่งจะช่วยการพึ่งพาการติดลบที่อยู่ระหว่างอัตราการขยายตัวของการผลิต ภาค เกษตรและราคาสินค้าเกษตรพบเป็น
ซึ่งจะช่วยคาดว่า การพึ่งพาได้และด้วยเหตุนี้จึงวุงของ, Kendall ,เป็นเวลาที่แตกต่างกันไป "การพึ่งพา"เวลาที่แตกต่างกันไปและวุงของ, Kendall ,
ซึ่งจะช่วยให้สามารถนำมาใช้ในการคาดเดาความสัมพันธ์ของการพึ่งพาวุงถัดไปของช่วงเวลาที่, Kendall ,และช่วยผู้กำหนดนโยบายตระหนักถึง
ซึ่งจะช่วยอะไรคือมีแนวโน้มที่จะเกิดขึ้นในอนาคต ตัวอย่างเช่นเมื่อการพึ่งพาอาศัยอยู่คาดว่าจะได้ รับ -1.2 และถ้าเป็นที่รู้จักกันในชื่อจาก
อัตราการคาดการณ์การเติบโตของการผลิตที่อัตราดอกเบี้ยที่มีแนวโน้มจะลดลงในอัตราบางอย่างที่แล้วอัตราการขยายตัวของดัชนีราคา
จำเป็นต้องมีการเพิ่มขึ้นในอัตราที่บางอย่าง ดังนั้นทางสามารถเตรียมตัวล่วงหน้าในการนำเข้าสินค้าเกษตรที่เกี่ยวข้อง
ผลิตภัณฑ์ บางอย่างในการเพิ่มปริมาณที่หากจำเป็นให้ซึ่งอาจมีผลต่ออัตราเงินเฟ้อที่เงียบสงบ มันไม่สามารถบรรเทาความทุกข์ยากในประชากร
ซึ่งจะช่วยได้โดยเฉพาะสำหรับกลุ่มรายได้ที่จะลดลงซึ่งจะช่วยป้องกันไม่ให้เกิดความไม่สงบทางการเมือง.
กระดาษนี้มีวิธีการในการจำลองอัตราการเติบโตที่คาดการณ์ไว้ที่ของราคาสินค้าเกษตรและดังนั้นจึงระดับราคาที่
โดยมีเงื่อนไขในอัตราการขยายตัวของการผลิตสินค้าเกษตร. ความหนาแน่นโดยมีเงื่อนไขของอัตราการขยายตัวของราคาสินค้าเกษตร
ซึ่งจะช่วยไม่ได้ที่ได้รับ จาก


C ( U v )มีความหนาแน่น copula ได้FP ( P )=ความหนาแน่น themarginal ของอัตราการขยายตัวของราคาสินค้าเกษตร fq ( Q )=ความหนาแน่น themarginal
ของอัตราการขยายตัวของการผลิตสินค้าเกษตร ในเอกสารนี้ขอแนะนำให้ใช้งาน copula ความหนาแน่นของ
เวลา - หลากหลายหมุน Joe copula ( 270

◦)มีพารามิเตอร์ที่ระบุในตาราง 10 ความละเอียดเศษที่ขยายตัวในอัตราที่
ตามมาตรฐานของราคาสินค้าเกษตรเป็นแบบใหม่สไตล์เอียงๆ T - การจำหน่ายที่มีการประเมินค่าพารามิเตอร์ของหมายถึง MA ( 1 )และความผันผวนโดยมีเงื่อนไข
garch ( 1 )และผลกระทบจากองศาของ เสรีภาพ ตามที่แสดงไว้ในตารางที่ 5 วิธีนี้จะช่วยให้เรารวมถึงผลกระทบหกกระเด็น
ออกจากตัวแปรอื่นๆที่ปรับเปลี่ยนแบบสุ่มที่กำลังได้รับการพิจารณาให้ได้ คาดว่าช่วงเวลาหมายถึงจุดเชื่อมต่อและความมั่นใจมี
ซึ่งจะช่วยแสดงอยู่ในตาราง 11 .
การศึกษานี้นอกจากนี้ยังอธิบายถึงการทำงานของโดยมีเงื่อนไขกับความผันผวนของอัตราการขยายตัวของสินค้าเกษตรการผลิตและราคาสินค้า.
เหล่านี้คาดว่าโดยมีเงื่อนไขกับความผันผวนจะช่วยให้นโยบายเครื่องทำความเข้าใจพฤติกรรมของกับความผันผวนและต่อมา
ซึ่งจะช่วยทำให้มีความเป็นไปได้ในการป้องกันไม่ให้นโยบายการปรับไม่พึงปรารถนาเกิดจากผลกระทบจากการเปลี่ยนแปลงในการผลิตและราคาสินค้า.
ผลการค้นหาของเราแสดงให้เห็นว่าค่าพารามิเตอร์การพึ่งพาอาศัยโดยประมาณก็ค่อนข้างต่ำประมาณ 1 เราขอแนะนำให้
รุ่นที่ควรจะได้รับการเปลี่ยนแปลงแก้ไขเพิ่มเติมโดยการพิจารณาถึงตัวแปรเพิ่มเติมเช่นหุ้นที่มีการผลิตสินค้าเกษตรและต้นทุนการผลิตโดยเฉพาะ
ซึ่งจะช่วยให้ผลของราคาน้ำมันที่ โรงแรมแห่งนี้สามารถช่วยอธิบายและการคาดการณ์อัตราการขยายตัวของสินค้าเกษตรที่
ดัชนีราคาสินค้าได้อย่างมี ประสิทธิภาพ มากยิ่งขึ้นและเชื่อถือได้.
7 . บทสรุป
ซึ่งจะช่วยในการสร้างแบบจำลองและการพึ่งพาความผันผวนของดัชนีการผลิตและราคาสินค้าเกษตรในประเทศไทยเราพบว่ามีความหนาแน่นริม
ซึ่งจะช่วยที่เหมาะสมสำหรับอัตราการขยายตัวของดัชนีการผลิตสินค้าเกษตรและราคาแบบใหม่สไตล์เอียงๆ T - การเผยแพร่ที่
ด้วยองศาและผลกระทบจากกับความผันผวน themeans ของ เสรีภาพ ที่แสดงในตาราง 4 และ 5 .เวลาที่แตกต่างกันออกไปหมุน Joe copula
เป็นผู้สมัครรับเลือกตั้ง copula bestamongseveral ได้ การทำงานของอัตราการขยายตัวของดัชนีราคาสินค้าเกษตรที่สามารถได้รับการอธิบายจาก EQ
( 39 )ให้ใช้ ifwe ที่เลือกเศษแบบใหม่สไตล์เอียงๆ T - การกระจายและความผันผวนโดยมีเงื่อนไข.ใช้ที่ของ selectedmodel ที่ได้รับอนุญาตให้
ซึ่งจะช่วยเราในการขอรับตำแหน่งว่าที่ความเชื่อมั่นและช่วงเวลาของการประมาณการอัตราการขยายตัวของราคาหลังจากการประมาณการอัตราการขยายตัวการผลิต
ซึ่งจะช่วยให้เราสามารถประมาณการอัตราเงินเฟ้อที่ของ ภาค เกษตรแล้ว ผู้กำหนดนโยบายจะได้รับการส่งเสริมให้ใช้
วิธีเหล่านี้ในการเตรียมมาตรการสำหรับการจัดการอัตราเงินเฟ้อ.

การรับทราบ theauthorswish tothankthe thailandresearchfund (สกว.)สำหรับการสนับสนุน itsfinancial สำหรับ theresearchproject ( brg 5380024 )ดีขึ้น..
เราขอขอบคุณผู้ตัดสินที่ให้ความเห็นและคำแนะนำอย่างสร้างสรรค์ของพวกเขาและเรายังขอบคุณขอบคุณศาสตราจารย์ vladik
kreinovich สำหรับสิ่งที่มีคุณค่าความเห็นและคำแนะนำการแก้ไขของเขาซึ่งนำไปสู่การปรับปรุงอย่างมีนัยสำคัญในการทำงานของเรา