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). 3
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 หมายเลขศึกษาได้พยายามสร้างการเชื่อมโยงระบบระหว่างความเสี่ยงในอัตราแลกเปลี่ยน และปริมาณทางค้า ในขณะที่ Ethier (1973), Cushman (1986), และ Peree และ Steinherr (1989)แสดงให้เห็นผลกระทบเชิงลบของความไม่แน่นอนของอัตราแลกเปลี่ยนในทางการค้าตามหลักวิชาขั้นตอน Franke (1991), Sercu และ Vanhulle (1992), และ Viaene และ de Vries (1992)แนะนำแก่อาร์กิวเมนต์ลงความสัมพันธ์ในเชิงบวกระหว่างการค้า และความผันผวนของอัตราแลกเปลี่ยน ในการทำงานล่าสุด Barkoulas et al. (2002) ใช้ราคากลางตำแหน่ง โดยใช้คำว่า ผลกระทบโดยรวมขึ้นอยู่กับแหล่งที่มาของความไม่แน่นอนในอัตราแลกเปลี่ยน ในหมู่คนอื่น ๆ รวมผลการศึกษาที่เกี่ยวข้องกับปัญหานี้รับ และ Kohlhagen (1978), Kenen และ Rodrik (1986), Pozo (1992), Chowdhury(1993), รเนอร์ และ Lastrapes (1993), เมล็ดพันธุ์ Arize et al. (2000), และเด Grauwe และSkudelny (2000) อย่างไรก็ตาม หลักฐานประจักษ์ยังผสม ขึ้นอยู่กับการเลือกรอบระยะเวลาตัวอย่าง ข้อมูลจำเพาะรูปแบบ ผู้รับมอบฉันทะในความผันผวนของอัตราแลกเปลี่ยนและประเทศที่ถือว่าในการตรวจสอบปัญหาข้างต้น ปัญหาการ econometric คือ ชุดข้อมูลของความผันผวนในอัตราแลกเปลี่ยนมีสังเกต และวัดดัง ในทางอ้อมที่ไม่ตรงวิธีการ ในปีที่ผ่านมา ศึกษาประจักษ์มากมายในวรรณคดีใช้แบบจำลองชนิดซุ้มประตูการสร้างความผันผวนการประมาณสมการโครงสร้างในระยะที่สองด้วยเทคนิค OLS ทั่วไป โดยแทนความผันผวน unobserved กับการวัด proxy.1 ปัญหาขั้นตอนสองขั้นตอนนี้ อย่างไรก็ตาม ว่าแม้แม้ว่าการประยุกต์ใช้วิธี OLS ที่นำไปสู่ estimators สอดคล้อง การestimators มีเมตริกซ์ความแปรปรวนร่วมที่สอดคล้อง และ เป็นผล จะต่ำ(พุกาม 1984) นั่นคือ ข้อผิดพลาดมาตรฐานของ OLS estimators จะมีขนาดใหญ่กว่าของ OLS estimators ธรรมดา เนื่องจากเกี่ยวข้องกับเสียงในคำข้อผิดพลาดในคอมโพสิตสมการเสริม หมายความว่า การประยุกต์ใช้สถิติทดสอบตามประเมิน OLS ธรรมดาอาจถูกหลอกลวง แม้ในตัวอย่างขนาดใหญ่ ดังนั้น การมีเมทริกซ์ความแปรปรวนร่วมที่ไม่ใช่ทรงกลมของ OLS เชื่อถือได้ทางสถิติ inferencesประเมินในขั้นสองควรจะปรับปรุง โดยการใช้บัญชีของเวลาพึ่งพาและ heteroscedasticity ในเงื่อนไขข้อผิดพลาดในเอกสารนี้ เรามาทบทวนปัญหาของผลได้ของความเสี่ยงอัตราแลกเปลี่ยนที่สหรัฐอเมริกานำเข้าระหว่างสหราชอาณาจักร ความสนใจเฉพาะของเราอยู่econometric ปัญหาที่เกิดจากตัวแปรที่สร้างขึ้นของความผันผวนแลกเปลี่ยนราคาเราพิจารณากรณีพิเศษเมื่อมีใช้แบบจำลองชนิดซุ้มประตูวัดอัตราแลกเปลี่ยนอัตราความไม่แน่นอน และอธิบายขั้นตอนในข้อถูกต้องของ OLS ประเมินในขั้นตอนสอง อื่น ๆ โดยเฉพาะ รับว่า ความไม่แน่นอนแลกเปลี่ยนราคาเป็น1 ความนิยมของรูปแบบซุ้มประตูในการวัดความผันผวนที่เกิดจากแบบจำลองประโยชน์ในการจับไม่ใช่ค่าคง จับกลุ่มความแปรปรวนแตกต่างกันของเวลาในสูงขึ้นช่วงเวลา ซึ่งแสดงถึงกระบวนการแบบเฟ้นสุ่ม โดยความเสี่ยงที่สร้างเงื่อนไข(ดู Bollerslev et al. (1992) ในภาพรวมที่ครอบคลุมของวรรณคดี) 3จับ โดยแบบจำลองเสริมชั้นซุ้มประตู มันจะแสดงที่มีการเงื่อนไข orthogonal ระหว่างโครงสร้างพารามิเตอร์ (รวมถึงความผันผวนที่วัด)และข้อผิดพลาดข้อ เนื่องจากตัวแปรความเสี่ยงที่สร้างขึ้น โดยแบบจำลองชั้นซุ้มประตูเป็น'แข็งแกร่งแห่ง' เป็นที่กำหนดโดยพุกามและ Ullah (1988) แล้ว orthogonalityเงื่อนไขจะสามารถสามารถรับใช้ OLS GMM estimators, Newey ใช้ และตะวันตก (1987) วิธีการ วิธีการนี้ปรับเปลี่ยนเมตริกซ์ความแปรปรวนร่วมของสเกลาร์ที่ไม่ใช่ของ OLSestimators ในระยะที่สอง ส่วนใหญ่เนื่องจาก regressor ที่สร้างขึ้น โดยการใช้นี้วิธี เราค้นหาผลกระทบอย่างมีนัยสำคัญทางสถิติ ค่าลบของอัตราแลกเปลี่ยนความไม่แน่นอนเรานำเข้าจากสหราชอาณาจักรแหล่งกระดาษดังนี้ ส่วนที่ 2 กล่าวถึงเงื่อนไข orthogonality ของสมการหลัก เมื่อสมการมีตัวแปรความเสี่ยงประเมิน OLSวัด โดยแบบจำลองเสริมชั้นซุ้มประตู และที่แสดงให้เห็นถึงเงื่อนไขนี้สามารถนำไปเพื่อมาใช้ OLS GMM estimators 3 ส่วนอธิบายข้อมูลใช้ และวิธีวัดความผันผวนของอัตราแลกเปลี่ยน แสดง 4 ส่วนผลรวม สุดท้าย บทสรุปมีใน 5 ส่วน

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
เปอร์ kohlhagen ( 1978 ) , และและ 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
ทั้งแบบเทคนิค โดยแทนที่ด้วย
unobserved ความผันผวนวัดพร็อกซี่ 1
ปัญหาด้วยกระบวนการสองขั้นตอนนี้ อย่างไรก็ตาม คือ ว่า แม้
แม้ว่าการประยุกต์ใช้วิธี OLS จะนำไปสู่วิธีการที่สอดคล้องกัน ,
กะไม่สอดคล้องกันและเมทริกซ์ความแปรปรวนร่วม ผล เป็นผล
( พุกาม 1984 ) นั่นคือค่าประมาณของตลาดมีขนาดใหญ่กว่าปกติประมาณนั้น
น้อยที่สุด ,เนื่องจากการประกอบที่เกี่ยวข้องกับข้อผิดพลาดในระยะเสียง
สมการช่วย นี้แสดงให้เห็นว่าการใช้สถิติทดสอบตาม
ประมาณ OLS ธรรมดาอาจจะเข้าใจ แม้ในตัวอย่างขนาดใหญ่ ดังนั้น

มีสถิติอนุมานได้ , ที่ไม่ใช่ทรงกลมร่วมเมทริกซ์ของ OLS
ประเมินในขั้นตอนที่สอง ควรจะปรับ โดยคํานึงถึงเวลา