JPSgydF4y2Ba 概率论与数理统计》杂志上gydF4y2Ba 1687 - 9538gydF4y2Ba 1687 - 952 xgydF4y2Ba HindawigydF4y2Ba 10.1155 / 2020/2345746gydF4y2Ba 2345746gydF4y2Ba 研究文章gydF4y2Ba 通货膨胀和汇率之间的依赖关系进行建模使用介体gydF4y2Ba https://orcid.org/0000 - 0003 - 0887 - 2041gydF4y2Ba KwofiegydF4y2Ba 查尔斯gydF4y2Ba AkotogydF4y2Ba 以撒gydF4y2Ba Opoku-AmeyawgydF4y2Ba KwakugydF4y2Ba ThavaneswarangydF4y2Ba AeragydF4y2Ba 数学和统计的部门gydF4y2Ba 大学的能源和自然资源gydF4y2Ba SunyanigydF4y2Ba 加纳gydF4y2Ba uenr.edu.ghgydF4y2Ba 2020年gydF4y2Ba 17gydF4y2Ba 6gydF4y2Ba 2020年gydF4y2Ba 2020年gydF4y2Ba 26gydF4y2Ba 03gydF4y2Ba 2020年gydF4y2Ba 12gydF4y2Ba 05年gydF4y2Ba 2020年gydF4y2Ba 30.gydF4y2Ba 05年gydF4y2Ba 2020年gydF4y2Ba 17gydF4y2Ba 6gydF4y2Ba 2020年gydF4y2Ba 2020年gydF4y2Ba 版权©2020年查尔斯Kwofie et al。gydF4y2Ba 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。gydF4y2Ba

在本文中,我们提出一种介体的方法测量通货膨胀和汇率之间的依赖关系。在推出这种依赖性,我们首先估计最好的两个变量GARCH模型。然后,我们得到的边际分布的GARCH标准化残差。拉普拉斯和普遍gydF4y2Ba tgydF4y2Ba的残差分布最佳模仿GARCH(1,1)模型,分别对通货膨胀和汇率。这些人被用来将标准化残差转换为统一的随机变量在一个单位区间[0,1]估计连系动词。我们的结果表明,通货膨胀和汇率之间的依赖性在加纳是大约7%。gydF4y2Ba

 1。介绍gydF4y2Ba

通货膨胀和汇率等宏观经济变量在任何国家的经济非常基本的。他们的主要性能指标是一个经济作为一个整体。几项研究都集中在显示动力学和这些宏观经济变量之间的依赖关系。根据文献,通货膨胀是高优先级的中央银行,因为它给出了一个价格稳定在一个经济的迹象。许多人认为,在高通胀导致同一家庭低储蓄的个人和经济的国际竞争力。另一方面,人们相信一个促进经济增长的低通货膨胀率负责。一些政府控制通货膨胀的方式是通过锁定汇率,利率动态等等。gydF4y2Ba

文学在某种程度上提供了不同的结果时,这种通货膨胀和其他宏观经济变量之间的关系如汇率。这些冲突导致通货膨胀和汇率之间的关系与国家和不同时期的数据。因此,汇率可以说是与通货膨胀率波动通过进口货物和生产需要的物资。宏观经济指标的依赖已被证明在几个文件有一些现有的关系(gydF4y2Ba 1gydF4y2Ba- - - - - -gydF4y2Ba 3gydF4y2Ba]。然而,这种关系已经公布了使用不同的方式和方法。例如,Kwofie和Ansah [gydF4y2Ba 4gydF4y2Ba使用自回归分布滞后(ARDL)模型,而极具et al。gydF4y2Ba 1gydF4y2Ba)使用马尔可夫切换回归和向量自回归(VAR)方法建立通货膨胀和汇率之间的一些动态。gydF4y2Ba

我们的动机是Barro和戈登的工作(gydF4y2Ba 5gydF4y2Ba]首创,提出通货膨胀和汇率关系与货币政策的可信度。他们的论点是,任何经济稳定或固定汇率制度已经被当局降低通货膨胀的趋势增加可信度。这个断言是回荡在gydF4y2Ba 6gydF4y2Ba,gydF4y2Ba 7gydF4y2Ba]。他们都说,有一个稳定的货币不仅仅是很好的一步维持通胀也提高货币政策效率。gydF4y2Ba

安东尼和Nkegbe [gydF4y2Ba 8gydF4y2Ba在加纳)研究了一些宏观经济变量之间的关系用协整技术。结果显示在加纳一个重要的通货膨胀和汇率之间的关系。同样,Gyebi和Boafo [gydF4y2Ba 9gydF4y2Ba)在他们的结论,汇率和货币供应的主要宏观经济变量是负责加纳经济通货膨胀的变化。Nortey et al。gydF4y2Ba 10gydF4y2Ba)表示,加纳中央银行的主要目的之一是保持稳定的一般价格水平在加纳,和实现这一目标的方法之一是通过汇率稳定。gydF4y2Ba

有很多的文学作品,尝试建立通货膨胀和汇率之间的关系。其中的一些作品(gydF4y2Ba 11gydF4y2Ba,gydF4y2Ba 12gydF4y2Ba]。在[gydF4y2Ba 11gydF4y2Ba,gydF4y2Ba 12gydF4y2Ba),作者分析了通货膨胀和汇率之间的关系对于一些新兴市场,而极具et al。gydF4y2Ba 1gydF4y2Ba使用数据从土耳其)分析类似的关系。而乔杜里和HakuragydF4y2Ba 2gydF4y2Ba)还分析了通货膨胀和汇率之间的关系,使用的数据来自一些工业化国家和发展中国家。然而,一定要注意,所有这些作者使用某种形式的多元时间序列分析在揭幕的关系。然而,我们采用copula-based建模方法分析的关系。在这种方法中,我们结合时间序列和概率的方法。宏观经济变量之间的依赖关系是一个非常重要的信息对决策和提高。在本文中,我们演示copula-based方法可用于造型通货膨胀和汇率之间的关系。介体链接两个边际分布成多元分布,从而提供一些参数之间的依赖。我们大量依靠Sklar(著名的定理gydF4y2Ba 13gydF4y2Ba]。基本上这个定理指出,任何连续独特多元分布可以被分解成它的利润和连系动词。gydF4y2Ba

我们的工作很相似但不同于(gydF4y2Ba 3gydF4y2Ba)也使用介体模型的通货膨胀和汇率之间的关系,使用的数据来自欧洲中央银行在2000年和2016年之间。作者通过使用SARIMA获得了利润的接合部。然而,我们的数据是最好的装备,GARCH(1, 1)之后,我们从残差拟合边缘分布,然后获得这些单变量分布的统一利润率接合部估计。因此,它是一个已知的事实,通货膨胀和汇率是相关的。一些工作仍在进行理解的程度,这两个变量之间存在的关系。工作由Nkoro和Uko [gydF4y2Ba 14gydF4y2Ba]在尼日利亚做是为了检查通货膨胀之间的关系,汇率,股票回报和得出结论,GARCH(1, 1)模型正确这些变量。gydF4y2Ba

河中的小岛Hassou et al。gydF4y2Ba 3gydF4y2Ba)使用接合部通货膨胀和汇率之间的依赖关系进行模型使用来自欧洲银行的数据。我们的研究不同于本研究在三个方面:gydF4y2Ba

他们用SARIMA,同时我们使用GARCH估算利润。首先,我们的数据表现出季节性变化。其次,GARCH捕捉波动比ARIMA,从我们的数据的情节,一个可以很容易地看到,我们的数据表现出较高的波动性。gydF4y2Ba

我们的方法应用于数据从不同的时期,从一个发展中国家,使其有价值的分析。gydF4y2Ba

的方法也不同,因为他们使用了非参数方法,同时我们使用半参数方法。gydF4y2Ba

剩下的部分下的纸是组织的一部分gydF4y2Ba 2gydF4y2Ba- - - - - -gydF4y2Ba 4gydF4y2Ba。材料与方法对这项工作提出了一节gydF4y2Ba 2gydF4y2Ba。本节包括gydF4y2Ba 部分2.1gydF4y2Ba(数据),gydF4y2Ba 2。2gydF4y2Ba(GARCH模型),gydF4y2Ba 2。3gydF4y2Ba(理论连系动词后面),gydF4y2Ba 2。4gydF4y2Ba(分配的人),gydF4y2Ba 2。5gydF4y2Ba(介体模型),gydF4y2Ba 2。6gydF4y2Ba(参数估计)。我们目前的结果和讨论gydF4y2Ba 第三节gydF4y2Ba。这一节还包括gydF4y2Ba 部分3.1gydF4y2Ba(初步分析),gydF4y2Ba 3.2gydF4y2Ba(利润),gydF4y2Ba 3.3gydF4y2Ba(估计连系动词)。最后,提出了工作的结论gydF4y2Ba 第四节gydF4y2Ba。gydF4y2Ba

 2。材料和方法gydF4y2Ba

在这里,我们描述和解释数据和统计方法用于揭示变量之间的依赖结构,预计的兴趣。特别是,我们描述了GARCH模型和介体模型被用于评估的依赖关系。gydF4y2Ba

2.1。数据gydF4y2Ba

我们使用月度通胀和汇率数据(加纳塞地兑美元)从中央银行的加纳。它由数据点从2000年到2018年。gydF4y2Ba

 2.2。GARCH模型gydF4y2Ba

确定结构的依赖性,我们首先模仿每个时间序列数据的普遍GARCH模型在gydF4y2Ba 15gydF4y2Ba]。被选中的选择最佳模型使用R软件基于AIC和BIC准则。每个模型的残余进入下一阶段的推导的不着边际。给出任何时间序列gydF4y2Ba XgydF4y2Ba 我gydF4y2Ba 我gydF4y2Ba ∈gydF4y2Ba ZgydF4y2Ba ,gydF4y2Ba GARCHgydF4y2Ba pgydF4y2Ba ,gydF4y2Ba 问gydF4y2Ba 可以表达的gydF4y2Ba (1)gydF4y2Ba XgydF4y2Ba 我gydF4y2Ba =gydF4y2Ba σgydF4y2Ba 我gydF4y2Ba ϵgydF4y2Ba 我gydF4y2Ba ,gydF4y2Ba σgydF4y2Ba 我gydF4y2Ba 2gydF4y2Ba =gydF4y2Ba αgydF4y2Ba 0gydF4y2Ba +gydF4y2Ba ∑gydF4y2Ba jgydF4y2Ba =gydF4y2Ba 1gydF4y2Ba pgydF4y2Ba αgydF4y2Ba jgydF4y2Ba ϵgydF4y2Ba 我gydF4y2Ba −gydF4y2Ba jgydF4y2Ba 2gydF4y2Ba +gydF4y2Ba ∑gydF4y2Ba kgydF4y2Ba =gydF4y2Ba 1gydF4y2Ba 问gydF4y2Ba βgydF4y2Ba kgydF4y2Ba σgydF4y2Ba 我gydF4y2Ba −gydF4y2Ba kgydF4y2Ba 2gydF4y2Ba ,gydF4y2Ba 在哪里gydF4y2Ba ϵgydF4y2Ba 我gydF4y2Ba 我gydF4y2Ba ∈gydF4y2Ba ℕgydF4y2Ba 是gydF4y2Ba iidgydF4y2Ba 与gydF4y2Ba EgydF4y2Ba ϵgydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 0gydF4y2Ba 和gydF4y2Ba VargydF4y2Ba ϵgydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba 和模型参数gydF4y2Ba αgydF4y2Ba jgydF4y2Ba ,gydF4y2Ba jgydF4y2Ba =gydF4y2Ba 0gydF4y2Ba ,gydF4y2Ba …gydF4y2Ba ,gydF4y2Ba pgydF4y2Ba 和gydF4y2Ba βgydF4y2Ba kgydF4y2Ba ,gydF4y2Ba kgydF4y2Ba =gydF4y2Ba 0gydF4y2Ba ,gydF4y2Ba …gydF4y2Ba ,gydF4y2Ba 问gydF4y2Ba 是这样的,gydF4y2Ba αgydF4y2Ba jgydF4y2Ba ,gydF4y2Ba βgydF4y2Ba kgydF4y2Ba ≥gydF4y2Ba 0gydF4y2Ba 与gydF4y2Ba ∑gydF4y2Ba jgydF4y2Ba =gydF4y2Ba 1gydF4y2Ba pgydF4y2Ba αgydF4y2Ba jgydF4y2Ba +gydF4y2Ba ∑gydF4y2Ba kgydF4y2Ba =gydF4y2Ba 1gydF4y2Ba 问gydF4y2Ba βgydF4y2Ba kgydF4y2Ba ≤gydF4y2Ba 1gydF4y2Ba 。gydF4y2Ba

 2.3。理论背后的连系动词gydF4y2Ba

连系动词的使用了在经济和金融只有在过去的几年里,和作品的例子gydF4y2Ba 16gydF4y2Ba- - - - - -gydF4y2Ba 18gydF4y2Ba]。在我们的研究中,我们利用两个变量,因此双变量的相关理论做一个简要的讨论在下面给出。讨论在很大程度上是来自Goorbergh [gydF4y2Ba 19gydF4y2Ba]。我们首先提供一个统计介体的定义,然后国家Sklar定理概率解释,然后我们讨论介体之间的关系和他们的依赖的措施。gydF4y2Ba

定义1。gydF4y2Ba

两个维度的相关函数gydF4y2Ba CgydF4y2Ba :gydF4y2Ba 0 1gydF4y2Ba 2gydF4y2Ba ⟶gydF4y2Ba 0 1gydF4y2Ba 满足:gydF4y2Ba

CgydF4y2Ba ugydF4y2Ba ,gydF4y2Ba vgydF4y2Ba =gydF4y2Ba CgydF4y2Ba 0gydF4y2Ba ,gydF4y2Ba vgydF4y2Ba =gydF4y2Ba 0gydF4y2Ba 对于每一个gydF4y2Ba ugydF4y2Ba ,gydF4y2Ba vgydF4y2Ba ∈gydF4y2Ba 0 1gydF4y2Ba

CgydF4y2Ba ugydF4y2Ba ,gydF4y2Ba 1gydF4y2Ba =gydF4y2Ba ugydF4y2Ba 和gydF4y2Ba CgydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba vgydF4y2Ba =gydF4y2Ba vgydF4y2Ba 对于每一个gydF4y2Ba ugydF4y2Ba ,gydF4y2Ba vgydF4y2Ba ∈gydF4y2Ba 0 1gydF4y2Ba

CgydF4y2Ba ugydF4y2Ba 2gydF4y2Ba ,gydF4y2Ba vgydF4y2Ba 2gydF4y2Ba −gydF4y2Ba CgydF4y2Ba ugydF4y2Ba 2gydF4y2Ba ,gydF4y2Ba vgydF4y2Ba 1gydF4y2Ba −gydF4y2Ba CgydF4y2Ba ugydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba vgydF4y2Ba 2gydF4y2Ba +gydF4y2Ba CgydF4y2Ba ugydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba vgydF4y2Ba 1gydF4y2Ba ≥gydF4y2Ba 0gydF4y2Ba 对于每一个gydF4y2Ba ugydF4y2Ba ,gydF4y2Ba vgydF4y2Ba ∈gydF4y2Ba 0 1gydF4y2Ba

定理1 (Sklar定理,参见[< xref ref-type =“bibr”掉= "十三区最" > < / xref > 13])。gydF4y2Ba

假设gydF4y2Ba FgydF4y2Ba和gydF4y2Ba GgydF4y2Ba不着边际的联合分布吗gydF4y2Ba HgydF4y2Ba。这时,一个连系动词gydF4y2Ba CgydF4y2Ba存在与gydF4y2Ba (2)gydF4y2Ba HgydF4y2Ba xgydF4y2Ba ,gydF4y2Ba ygydF4y2Ba =gydF4y2Ba CgydF4y2Ba GgydF4y2Ba xgydF4y2Ba ,gydF4y2Ba FgydF4y2Ba ygydF4y2Ba ,gydF4y2Ba ∀gydF4y2Ba xgydF4y2Ba ,gydF4y2Ba ygydF4y2Ba ∈gydF4y2Ba ℝgydF4y2Ba ×gydF4y2Ba ℝgydF4y2Ba 。gydF4y2Ba CgydF4y2Ba是独一无二的,gydF4y2Ba FgydF4y2Ba和gydF4y2Ba GgydF4y2Ba是连续的;否则,连系动词gydF4y2Ba CgydF4y2Ba确定独特的使用gydF4y2Ba 排名gydF4y2Ba FgydF4y2Ba ×gydF4y2Ba 排名gydF4y2Ba GgydF4y2Ba 。的交谈gydF4y2Ba 2。2gydF4y2Ba也适用。gydF4y2Ba

可以找到上面的定理的证明(gydF4y2Ba 20.gydF4y2Ba]。定理表明,任何共同配送可以分解成它的边际分布和介体,它描述了人之间的依赖。相反,它规定,鉴于任何不着边际,连系动词,我们可以把他们获得一个联合分布。gydF4y2Ba

一种广泛使用的依赖测量在测量依赖肯德尔接合部的τ。对于任意两个随机变量gydF4y2Ba XgydF4y2Ba和gydF4y2Ba YgydF4y2Ba与连系动词gydF4y2Ba CgydF4y2Ba可以表示为,肯德尔的τgydF4y2Ba (3)gydF4y2Ba τgydF4y2Ba CgydF4y2Ba =gydF4y2Ba 4gydF4y2Ba ∬gydF4y2Ba 0 1gydF4y2Ba 2gydF4y2Ba CgydF4y2Ba ugydF4y2Ba ,gydF4y2Ba vgydF4y2Ba dgydF4y2Ba CgydF4y2Ba ugydF4y2Ba ,gydF4y2Ba vgydF4y2Ba −gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba 为gydF4y2Ba ugydF4y2Ba ,gydF4y2Ba vgydF4y2Ba ∈gydF4y2Ba 0 1gydF4y2Ba 。gydF4y2Ba

 2.4。分配的人gydF4y2Ba

我们假设的实现标准化残差的GARCH (p, q)模型对两变量遵循下列任何一个边际分布,gydF4y2Ba fgydF4y2Ba YgydF4y2Ba ygydF4y2Ba 的概率密度函数(pdf)的人。gydF4y2Ba

2.4.1。广义< inline-formula > < mml:数学xmlns: mml = " http://www.w3.org/1998/Math/MathML " id =“锰”> < mml: mi > t < / mml: mi > < / mml:数学> < / inline-formula >分布gydF4y2Ba

(4)gydF4y2Ba fgydF4y2Ba YgydF4y2Ba ygydF4y2Ba =gydF4y2Ba ψgydF4y2Ba 2gydF4y2Ba σgydF4y2Ba ωgydF4y2Ba 1gydF4y2Ba /gydF4y2Ba ψgydF4y2Ba BgydF4y2Ba 1gydF4y2Ba ψgydF4y2Ba ,gydF4y2Ba ωgydF4y2Ba 1gydF4y2Ba +gydF4y2Ba zgydF4y2Ba |gydF4y2Ba ψgydF4y2Ba ωgydF4y2Ba ωgydF4y2Ba +gydF4y2Ba 1gydF4y2Ba /gydF4y2Ba ψgydF4y2Ba −gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba 为gydF4y2Ba μgydF4y2Ba ,gydF4y2Ba ygydF4y2Ba ∈gydF4y2Ba ℝgydF4y2Ba ,gydF4y2Ba σgydF4y2Ba ,gydF4y2Ba ωgydF4y2Ba ,gydF4y2Ba ψgydF4y2Ba ∈gydF4y2Ba ℝgydF4y2Ba +gydF4y2Ba ,gydF4y2Ba zgydF4y2Ba =gydF4y2Ba ygydF4y2Ba −gydF4y2Ba μgydF4y2Ba /gydF4y2Ba σgydF4y2Ba ,gydF4y2Ba 和gydF4y2Ba BgydF4y2Ba ⋅gydF4y2Ba ,gydF4y2Ba ⋅gydF4y2Ba 是β函数给出了吗gydF4y2Ba (5)gydF4y2Ba BgydF4y2Ba αgydF4y2Ba ,gydF4y2Ba βgydF4y2Ba =gydF4y2Ba ∫gydF4y2Ba 0gydF4y2Ba 1gydF4y2Ba tgydF4y2Ba αgydF4y2Ba −gydF4y2Ba 1gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba tgydF4y2Ba βgydF4y2Ba −gydF4y2Ba 1gydF4y2Ba dgydF4y2Ba tgydF4y2Ba ,gydF4y2Ba 为gydF4y2Ba αgydF4y2Ba ,gydF4y2Ba βgydF4y2Ba >gydF4y2Ba 0。gydF4y2Ba

2.4.2。斜正态分布gydF4y2Ba

(6)gydF4y2Ba fgydF4y2Ba YgydF4y2Ba ygydF4y2Ba =gydF4y2Ba 2gydF4y2Ba ϕgydF4y2Ba zgydF4y2Ba ΦgydF4y2Ba βgydF4y2Ba zgydF4y2Ba ;gydF4y2Ba ygydF4y2Ba ,gydF4y2Ba βgydF4y2Ba ,gydF4y2Ba μgydF4y2Ba ∈gydF4y2Ba ℝgydF4y2Ba ,gydF4y2Ba σgydF4y2Ba ∈gydF4y2Ba ℝgydF4y2Ba +gydF4y2Ba ,gydF4y2Ba 在哪里gydF4y2Ba zgydF4y2Ba =gydF4y2Ba ygydF4y2Ba −gydF4y2Ba μgydF4y2Ba /gydF4y2Ba σgydF4y2Ba ,gydF4y2Ba ϕgydF4y2Ba ⋅gydF4y2Ba 的概率密度函数(pdf)的标准正态分布gydF4y2Ba fgydF4y2Ba XgydF4y2Ba xgydF4y2Ba =gydF4y2Ba 1gydF4y2Ba /gydF4y2Ba 2gydF4y2Ba πgydF4y2Ba 经验值gydF4y2Ba −gydF4y2Ba xgydF4y2Ba 2gydF4y2Ba /gydF4y2Ba 2gydF4y2Ba ,gydF4y2Ba xgydF4y2Ba ∈gydF4y2Ba ∞gydF4y2Ba ,gydF4y2Ba ∞gydF4y2Ba ,gydF4y2Ba ΦgydF4y2Ba ⋅gydF4y2Ba 是它的累积分布函数(cdf)由吗gydF4y2Ba FgydF4y2Ba XgydF4y2Ba xgydF4y2Ba =gydF4y2Ba 1gydF4y2Ba /gydF4y2Ba 2gydF4y2Ba 小块土地gydF4y2Ba xgydF4y2Ba /gydF4y2Ba 2gydF4y2Ba +gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba xgydF4y2Ba ∈gydF4y2Ba −gydF4y2Ba ∞gydF4y2Ba ,gydF4y2Ba ∞gydF4y2Ba 。gydF4y2Ba

 2.4.3。拉普拉斯分布gydF4y2Ba

(7)gydF4y2Ba fgydF4y2Ba YgydF4y2Ba ygydF4y2Ba =gydF4y2Ba 1gydF4y2Ba 2gydF4y2Ba τgydF4y2Ba 经验值gydF4y2Ba −gydF4y2Ba ygydF4y2Ba −gydF4y2Ba μgydF4y2Ba τgydF4y2Ba ,gydF4y2Ba 为gydF4y2Ba ygydF4y2Ba ,gydF4y2Ba μgydF4y2Ba ∈gydF4y2Ba ℝgydF4y2Ba 和gydF4y2Ba τgydF4y2Ba ∈gydF4y2Ba ℝgydF4y2Ba +gydF4y2Ba 。gydF4y2Ba

 2.4.4。物流配送gydF4y2Ba

(8)gydF4y2Ba fgydF4y2Ba YgydF4y2Ba ygydF4y2Ba =gydF4y2Ba 1gydF4y2Ba tgydF4y2Ba 经验值gydF4y2Ba ygydF4y2Ba −gydF4y2Ba ngydF4y2Ba tgydF4y2Ba 1gydF4y2Ba +gydF4y2Ba 经验值gydF4y2Ba ygydF4y2Ba −gydF4y2Ba ngydF4y2Ba tgydF4y2Ba −gydF4y2Ba 2gydF4y2Ba ,gydF4y2Ba 为gydF4y2Ba tgydF4y2Ba ∈gydF4y2Ba ℝgydF4y2Ba +gydF4y2Ba 和gydF4y2Ba ygydF4y2Ba ,gydF4y2Ba ngydF4y2Ba ∈gydF4y2Ba ℝgydF4y2Ba 。gydF4y2Ba

这四个分布使用由于其容易介体模型的适应性。他们也有广泛使用在造型分布等宏观经济数据的通货膨胀和汇率。gydF4y2Ba

 2.5。介体模型gydF4y2Ba

在这里,我们描述用于这项工作的接合部。本文在加纳通货膨胀和汇率之间的关系是由两个二元介体建模。我们使用椭圆和阿基米德家族造型的接合部。描述一起肯德尔的τ可以在表中找到gydF4y2Ba 1gydF4y2Ba。最后两个是高斯和学生gydF4y2Ba tgydF4y2Ba连系动词构成椭圆的家庭,而其他八阿基米德的家庭。gydF4y2Ba

常见的接合部有相应的家庭肯德尔的τ值。gydF4y2Ba

#gydF4y2Ba 类型gydF4y2Ba 生成器函数gydF4y2Ba 参数gydF4y2Ba 肯德尔的τgydF4y2Ba
1gydF4y2Ba 弗兰克gydF4y2Ba −gydF4y2Ba 日志gydF4y2Ba egydF4y2Ba −gydF4y2Ba θgydF4y2Ba tgydF4y2Ba −gydF4y2Ba 1gydF4y2Ba /gydF4y2Ba egydF4y2Ba −gydF4y2Ba θgydF4y2Ba −gydF4y2Ba 1gydF4y2Ba θgydF4y2Ba ∈gydF4y2Ba ℝgydF4y2Ba \gydF4y2Ba 0gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba 4gydF4y2Ba /gydF4y2Ba θgydF4y2Ba +gydF4y2Ba 4gydF4y2Ba DgydF4y2Ba 1gydF4y2Ba θgydF4y2Ba /gydF4y2Ba θgydF4y2Ba
2gydF4y2Ba 乔gydF4y2Ba −gydF4y2Ba 日志gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba tgydF4y2Ba θgydF4y2Ba θgydF4y2Ba >gydF4y2Ba 1gydF4y2Ba 1gydF4y2Ba +gydF4y2Ba 4gydF4y2Ba /gydF4y2Ba θgydF4y2Ba 2gydF4y2Ba ∫gydF4y2Ba 0gydF4y2Ba 1gydF4y2Ba tgydF4y2Ba 日志gydF4y2Ba tgydF4y2Ba 1gydF4y2Ba −gydF4y2Ba tgydF4y2Ba 2gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba θgydF4y2Ba /gydF4y2Ba θgydF4y2Ba dgydF4y2Ba tgydF4y2Ba
3gydF4y2Ba 克莱顿gydF4y2Ba 1gydF4y2Ba /gydF4y2Ba θgydF4y2Ba tgydF4y2Ba −gydF4y2Ba θgydF4y2Ba −gydF4y2Ba 1gydF4y2Ba θgydF4y2Ba >gydF4y2Ba 0gydF4y2Ba θgydF4y2Ba /gydF4y2Ba θgydF4y2Ba +gydF4y2Ba 2gydF4y2Ba
4gydF4y2Ba 甘力克gydF4y2Ba −gydF4y2Ba 日志gydF4y2Ba θgydF4y2Ba θgydF4y2Ba ≥gydF4y2Ba 1gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba 1gydF4y2Ba /gydF4y2Ba θgydF4y2Ba
5gydF4y2Ba BB1组gydF4y2Ba tgydF4y2Ba −gydF4y2Ba θgydF4y2Ba −gydF4y2Ba 1gydF4y2Ba ψgydF4y2Ba θgydF4y2Ba >gydF4y2Ba 0gydF4y2Ba ,gydF4y2Ba ψgydF4y2Ba ≥gydF4y2Ba 1gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba 2gydF4y2Ba /gydF4y2Ba ψgydF4y2Ba θgydF4y2Ba +gydF4y2Ba 2gydF4y2Ba
6gydF4y2Ba BB6gydF4y2Ba −gydF4y2Ba 日志gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba tgydF4y2Ba θgydF4y2Ba ψgydF4y2Ba θgydF4y2Ba >gydF4y2Ba 0gydF4y2Ba ,gydF4y2Ba ψgydF4y2Ba ≥gydF4y2Ba 1gydF4y2Ba 1gydF4y2Ba +gydF4y2Ba 4gydF4y2Ba /gydF4y2Ba θgydF4y2Ba ψgydF4y2Ba ∫gydF4y2Ba 0gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba 日志gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba tgydF4y2Ba θgydF4y2Ba 1gydF4y2Ba −gydF4y2Ba tgydF4y2Ba 1gydF4y2Ba −gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba tgydF4y2Ba −gydF4y2Ba θgydF4y2Ba dgydF4y2Ba tgydF4y2Ba
7gydF4y2Ba BB7gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba tgydF4y2Ba θgydF4y2Ba −gydF4y2Ba ψgydF4y2Ba −gydF4y2Ba 1gydF4y2Ba θgydF4y2Ba >gydF4y2Ba 0gydF4y2Ba ,gydF4y2Ba ψgydF4y2Ba >gydF4y2Ba 0gydF4y2Ba 1gydF4y2Ba +gydF4y2Ba 4gydF4y2Ba /gydF4y2Ba θgydF4y2Ba ψgydF4y2Ba ∫gydF4y2Ba 0gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba tgydF4y2Ba ψgydF4y2Ba +gydF4y2Ba 1gydF4y2Ba ⋅gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba tgydF4y2Ba ψgydF4y2Ba −gydF4y2Ba 1gydF4y2Ba /gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba tgydF4y2Ba θgydF4y2Ba −gydF4y2Ba 1gydF4y2Ba dgydF4y2Ba tgydF4y2Ba
8gydF4y2Ba BB8gydF4y2Ba −gydF4y2Ba 日志gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba ψgydF4y2Ba tgydF4y2Ba θgydF4y2Ba /gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba ψgydF4y2Ba θgydF4y2Ba θgydF4y2Ba ≥gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba ψgydF4y2Ba ∈gydF4y2Ba 0 1gydF4y2Ba 1gydF4y2Ba +gydF4y2Ba 4gydF4y2Ba /gydF4y2Ba θgydF4y2Ba ψgydF4y2Ba ∫gydF4y2Ba 0gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba 日志gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba tgydF4y2Ba ψgydF4y2Ba θgydF4y2Ba −gydF4y2Ba 1gydF4y2Ba /gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba tgydF4y2Ba θgydF4y2Ba −gydF4y2Ba 1gydF4y2Ba 。gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba tgydF4y2Ba ψgydF4y2Ba 1gydF4y2Ba −gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba tgydF4y2Ba ψgydF4y2Ba −gydF4y2Ba θgydF4y2Ba dgydF4y2Ba tgydF4y2Ba
9gydF4y2Ba 高斯gydF4y2Ba 1gydF4y2Ba /gydF4y2Ba 2gydF4y2Ba πgydF4y2Ba 经验值gydF4y2Ba −gydF4y2Ba tgydF4y2Ba /gydF4y2Ba 2gydF4y2Ba θgydF4y2Ba −gydF4y2Ba 1,- 1gydF4y2Ba 2gydF4y2Ba /gydF4y2Ba πgydF4y2Ba arcsingydF4y2Ba θgydF4y2Ba
10gydF4y2Ba 学生gydF4y2Ba tgydF4y2Ba ΓgydF4y2Ba ψgydF4y2Ba +gydF4y2Ba 1gydF4y2Ba /gydF4y2Ba 2gydF4y2Ba /gydF4y2Ba ΓgydF4y2Ba ψgydF4y2Ba /gydF4y2Ba 2gydF4y2Ba πgydF4y2Ba ψgydF4y2Ba 1gydF4y2Ba +gydF4y2Ba tgydF4y2Ba /gydF4y2Ba ψgydF4y2Ba −gydF4y2Ba 2gydF4y2Ba +gydF4y2Ba ψgydF4y2Ba /gydF4y2Ba 2gydF4y2Ba θgydF4y2Ba −gydF4y2Ba 1,- 1gydF4y2Ba ,gydF4y2Ba ψgydF4y2Ba >gydF4y2Ba 2gydF4y2Ba 2gydF4y2Ba /gydF4y2Ba πgydF4y2Ba arcsingydF4y2Ba θgydF4y2Ba

请注意。gydF4y2Ba DgydF4y2Ba 1gydF4y2Ba θgydF4y2Ba =gydF4y2Ba ∫gydF4y2Ba 0gydF4y2Ba θgydF4y2Ba cgydF4y2Ba /gydF4y2Ba θgydF4y2Ba /gydF4y2Ba 经验值gydF4y2Ba xgydF4y2Ba −gydF4y2Ba 1gydF4y2Ba dgydF4y2Ba xgydF4y2Ba 是德拜函数(gydF4y2Ba 21gydF4y2Ba]。gydF4y2Ba

 2.6。估计的参数gydF4y2Ba

考虑到边际密度gydF4y2Ba ggydF4y2Ba 。gydF4y2Ba 和gydF4y2Ba fgydF4y2Ba 。gydF4y2Ba 有参数gydF4y2Ba θgydF4y2Ba 1gydF4y2Ba 和gydF4y2Ba θgydF4y2Ba 2gydF4y2Ba 分别同时接合部的依赖gydF4y2Ba θgydF4y2Ba 3gydF4y2Ba 。现在,假设我们有一个给定的数据样本gydF4y2Ba xgydF4y2Ba 我gydF4y2Ba ,gydF4y2Ba ygydF4y2Ba 我gydF4y2Ba ,gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba …gydF4y2Ba ,gydF4y2Ba ngydF4y2Ba 的大小gydF4y2Ba ngydF4y2Ba ,然后联合分布的对数似可以写成gydF4y2Ba (9)gydF4y2Ba lgydF4y2Ba θgydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba θgydF4y2Ba 2gydF4y2Ba ,gydF4y2Ba θgydF4y2Ba 3gydF4y2Ba ≔gydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ngydF4y2Ba 日志gydF4y2Ba ggydF4y2Ba xgydF4y2Ba 我gydF4y2Ba ;gydF4y2Ba θgydF4y2Ba 1gydF4y2Ba +gydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ngydF4y2Ba 日志gydF4y2Ba fgydF4y2Ba ygydF4y2Ba 我gydF4y2Ba ;gydF4y2Ba θgydF4y2Ba 2gydF4y2Ba +gydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ngydF4y2Ba 日志gydF4y2Ba CgydF4y2Ba GgydF4y2Ba xgydF4y2Ba 我gydF4y2Ba ;gydF4y2Ba θgydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba FgydF4y2Ba ygydF4y2Ba 我gydF4y2Ba ;gydF4y2Ba θgydF4y2Ba 2gydF4y2Ba ;gydF4y2Ba θgydF4y2Ba 3gydF4y2Ba ,gydF4y2Ba 在哪里gydF4y2Ba CgydF4y2Ba 。gydF4y2Ba 估计是连系动词。从这个对数似函数,我们连系动词的参数可以估计。gydF4y2Ba

 3所示。结果与讨论gydF4y2Ba

这部分处理结果通过通货膨胀和汇率数据的方法。我们首先获得一些描述性统计分析和可视化数据的初步分析。然后,我们使用GARCH估计一元的利润。之后,我们得到的边际概率分布标准化残差,然后把他们制服的人,然后使用估计连系动词。gydF4y2Ba

3.1。初步分析gydF4y2Ba

我们现在的一些描述性统计和一块变量。正如前面提到的,我们使用通货膨胀和汇率的月度数据银行的加纳,从2000年到2018年。情节清楚地描述,没有固定的变量。因此,随后的分析数据进行了使用这两个变量的一阶差分。gydF4y2Ba

图gydF4y2Ba 1gydF4y2Ba显示了两个月的时间序列图通货膨胀和汇率数据。显然,情节展示了高度认可的波动性,它支持我们的选择使用GARCH模型一元的利润。通货膨胀率的标准偏差7.89表gydF4y2Ba 2gydF4y2Ba证实了高的情节出现在图峰值gydF4y2Ba 1gydF4y2Ba。gydF4y2Ba

块(a)月度汇率(美元)的加纳和(b)每月加纳的通货膨胀率。gydF4y2Ba

描述性统计分析。gydF4y2Ba

统计gydF4y2Ba 通货膨胀率gydF4y2Ba 汇率(美元)gydF4y2Ba
的意思是gydF4y2Ba 16.35gydF4y2Ba 1.84gydF4y2Ba
标准偏差gydF4y2Ba 7.48gydF4y2Ba 1.30gydF4y2Ba
最低gydF4y2Ba 8.39gydF4y2Ba 0.36gydF4y2Ba
最大gydF4y2Ba 41.90gydF4y2Ba 4.79gydF4y2Ba
3.2。利润率gydF4y2Ba

我们现在最适合GARCH模型数据表gydF4y2Ba 3gydF4y2Ba和gydF4y2Ba 4gydF4y2Ba。最佳适合GARCH模型对通胀和汇率都是GARCH (1, 1)。这两个变量的结果表明,两种模型的参数都是重要的在5%的显著性水平除了汇率模型中的常数。从GARCH模型,我们将检索标准化残差gydF4y2Ba xgydF4y2Ba egydF4y2Ba 为每个数据集和适合边际分布在我们将安装不着边际转换为统一的边际分布来构建我们的接合部。表gydF4y2Ba 5gydF4y2Ba表明,标准化残差不是正态分布,这结果是符合金融文献说。gydF4y2Ba

估计系数的GARCH(1,1)模型对汇率。gydF4y2Ba

估计gydF4y2Ba Std.错误gydF4y2Ba tgydF4y2Ba价值gydF4y2Ba PgydF4y2Ba 价值gydF4y2Ba
αgydF4y2Ba 0gydF4y2Ba 1.679gydF4y2Ba egydF4y2Ba−06gydF4y2Ba 3.792gydF4y2Ba egydF4y2Ba−04gydF4y2Ba 0.004gydF4y2Ba 0.996gydF4y2Ba
αgydF4y2Ba 1gydF4y2Ba 8.619gydF4y2Ba egydF4y2Ba−02gydF4y2Ba 1.638gydF4y2Ba egydF4y2Ba−02gydF4y2Ba 5.262gydF4y2Ba 1.42gydF4y2Ba egydF4y2Ba−07gydF4y2Ba
βgydF4y2Ba 1gydF4y2Ba 1.744gydF4y2Ba egydF4y2Ba−1gydF4y2Ba 8.404gydF4y2Ba egydF4y2Ba−02gydF4y2Ba 2.075gydF4y2Ba 0.038gydF4y2Ba
里夫gydF4y2Ba 1.702745gydF4y2Ba
BICgydF4y2Ba 0.11059599gydF4y2Ba

估计系数的GARCH(1,1)模型对通货膨胀。gydF4y2Ba

估计gydF4y2Ba Std.错误gydF4y2Ba tgydF4y2Ba价值gydF4y2Ba PgydF4y2Ba 价值gydF4y2Ba
αgydF4y2Ba 0gydF4y2Ba 1.5270gydF4y2Ba egydF4y2Ba−02gydF4y2Ba 5.4850gydF4y2Ba egydF4y2Ba−03gydF4y2Ba 2.784gydF4y2Ba 0.00537gydF4y2Ba ∗gydF4y2Ba ∗gydF4y2Ba
αgydF4y2Ba 1gydF4y2Ba 9.4359gydF4y2Ba egydF4y2Ba−02gydF4y2Ba 1.5047gydF4y2Ba egydF4y2Ba−02gydF4y2Ba 6.271gydF4y2Ba 3.58gydF4y2Ba egydF4y2Ba−10gydF4y2Ba ∗gydF4y2Ba ∗gydF4y2Ba ∗gydF4y2Ba
βgydF4y2Ba 1gydF4y2Ba 1.4623gydF4y2Ba egydF4y2Ba−02gydF4y2Ba 8.8895gydF4y2Ba egydF4y2Ba−03gydF4y2Ba 1.644gydF4y2Ba 0.10018gydF4y2Ba
里夫gydF4y2Ba −631.7143gydF4y2Ba
BICgydF4y2Ba 5.661358gydF4y2Ba

测试正常的GARCH(1, 1)标准化残差。gydF4y2Ba

数据gydF4y2Ba 正常gydF4y2Ba
Jarque-BeragydF4y2Ba Shapiro-WilkgydF4y2Ba
通货膨胀gydF4y2Ba 0.008gydF4y2Ba 0.000gydF4y2Ba
汇率gydF4y2Ba 0.0071gydF4y2Ba 0.00127gydF4y2Ba

制服的人是通过改变标准化残差使用最佳适合边际分布的GARCH模型。所以,现在,我们适合概率分布的标准化残差每个安装GARCH模型。利用AIC和BIC值,表中可以看到gydF4y2Ba 6gydF4y2Ba和gydF4y2Ba 7gydF4y2Ba残差的最佳适合不着边际的通胀和汇率的GARCH模型,分别拉普拉斯和普遍gydF4y2Ba tgydF4y2Ba分布。我们现在将这些概率分布转换为统一的随机变量在单位区间[0,1]。使用著名的想法,这样做是一个随机变量组成与自身提供一个统一的随机变量。这个统一变量推导和转换单元区间[0,1]只是完成了R软件。确认我们的转换是均匀分布在单位区间[0,1],我们进行正式的统计测试。这个测试的结果是在表gydF4y2Ba 8gydF4y2Ba。结果表明,均匀分布在单元区间[0,1]。估计我们的接合部,至关重要的是,我们检查我们的新变量之间的依赖关系。表中给出的结果是gydF4y2Ba 9gydF4y2Ba。这说明,这两个变量是相关的。gydF4y2Ba

边缘分布我们的通货膨胀率残差。gydF4y2Ba

分布gydF4y2Ba 另类投资会议gydF4y2Ba BICgydF4y2Ba
物流gydF4y2Ba 501年gydF4y2Ba 512年gydF4y2Ba
斜正常gydF4y2Ba 377年gydF4y2Ba 362年gydF4y2Ba
普遍gydF4y2Ba tgydF4y2Ba 257年gydF4y2Ba 312年gydF4y2Ba
拉普拉斯gydF4y2Ba 112年gydF4y2Ba 141年gydF4y2Ba

边缘分布的汇率残差。gydF4y2Ba

分布gydF4y2Ba 另类投资会议gydF4y2Ba BICgydF4y2Ba
物流gydF4y2Ba 230年gydF4y2Ba 251年gydF4y2Ba
斜正常gydF4y2Ba 201年gydF4y2Ba 215年gydF4y2Ba
普遍gydF4y2Ba tgydF4y2Ba 119年gydF4y2Ba 128年gydF4y2Ba
拉普拉斯gydF4y2Ba 189年gydF4y2Ba 191年gydF4y2Ba

一致性测试在区间[0,1]上。gydF4y2Ba

利润率gydF4y2Ba 统计gydF4y2Ba PgydF4y2Ba 价值gydF4y2Ba
ugydF4y2Ba 1gydF4y2Ba 0.0571gydF4y2Ba 0.2120gydF4y2Ba
ugydF4y2Ba 2gydF4y2Ba 0.0812gydF4y2Ba 0.2751gydF4y2Ba

测试之间的独立的人使用肯德尔的等级相关。gydF4y2Ba

一对gydF4y2Ba τgydF4y2Ba PgydF4y2Ba 价值gydF4y2Ba
ugydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba ugydF4y2Ba 2gydF4y2Ba 0.20612gydF4y2Ba 0.214gydF4y2Ba
3.3。估计连系动词gydF4y2Ba

我们现在的结果估计的参数选定的接合部。参数估计在R软件使用最大似然估计。高斯,学生gydF4y2Ba tgydF4y2Ba克莱顿,甘力克,乔,BB1组,弗兰克,BB6, BB7,和BB8接合部估计,和这项研究的结果发表在表gydF4y2Ba 10gydF4y2Ba。每一种介体参数在5%显著性水平显著,表明一些重要统计通货膨胀和汇率之间的依赖关系。gydF4y2Ba

估计连系动词的参数估计和拟合优度值标准。gydF4y2Ba

连系动词gydF4y2Ba 参数gydF4y2Ba 拟合优度gydF4y2Ba 肯德尔的gydF4y2Ba τgydF4y2Ba
θgydF4y2Ba ψgydF4y2Ba BICgydF4y2Ba 里夫gydF4y2Ba
高斯gydF4y2Ba 0.06gydF4y2Ba 4.66gydF4y2Ba 0.38gydF4y2Ba 0.073gydF4y2Ba
学生gydF4y2Ba tgydF4y2Ba 0.07gydF4y2Ba 4.5gydF4y2Ba −8.28gydF4y2Ba 9.57gydF4y2Ba 0.072gydF4y2Ba
克莱顿gydF4y2Ba 0.1gydF4y2Ba 5.43gydF4y2Ba 0gydF4y2Ba 0.071gydF4y2Ba
甘力克gydF4y2Ba 1gydF4y2Ba 5.43gydF4y2Ba 0gydF4y2Ba 0.071gydF4y2Ba
弗兰克gydF4y2Ba 0.27gydF4y2Ba 0.36gydF4y2Ba 4.71gydF4y2Ba 0.070gydF4y2Ba
乔gydF4y2Ba 1.2gydF4y2Ba 5.43gydF4y2Ba 0gydF4y2Ba 0.070gydF4y2Ba
BB1组gydF4y2Ba 0.12gydF4y2Ba 2。1gydF4y2Ba 10.89gydF4y2Ba −0.02gydF4y2Ba 0.077gydF4y2Ba
BB6gydF4y2Ba 1gydF4y2Ba 1gydF4y2Ba 10.90gydF4y2Ba −0.02gydF4y2Ba 0.079gydF4y2Ba
BB7gydF4y2Ba 0.2gydF4y2Ba 0.5gydF4y2Ba 10.87gydF4y2Ba −0.01gydF4y2Ba 0.079gydF4y2Ba
BB8gydF4y2Ba 1gydF4y2Ba 0gydF4y2Ba 10.79gydF4y2Ba 0gydF4y2Ba 0.072gydF4y2Ba

肯德尔的gydF4y2Ba τgydF4y2Ba 为每个接合部被用来衡量通货膨胀和汇率之间的依赖。表显示,通胀和汇率之间的依赖关系是大约7%。gydF4y2Ba

 4所示。结论gydF4y2Ba

总之,我们表明,连系动词可用于衡量通货膨胀和汇率数据之间的依赖关系。我们月度通货膨胀和汇率数据用于这项研究。我们发现拉普拉斯分布普遍gydF4y2Ba tgydF4y2Ba分别分布最佳模仿通货膨胀和汇率,在加纳。根据各种接合部的拟合优度检验,发现学生gydF4y2Ba tgydF4y2Ba最佳捕获变量之间的依赖关系。结果从我们的最佳适合接合部(学生gydF4y2Ba tgydF4y2Ba)表明,通货膨胀和汇率之间的依赖关系是大约7%。这意味着,通胀目标,解决的一个关键指标是升值或贬值的加纳塞地兑美元。这项研究的结果是一致的在加纳很多研究两个变量使用不同的方法。Kwofie和AnsahgydF4y2Ba 4gydF4y2Ba),例如,声明,他们在他们的论文中有一些关系。更普遍的是,我们的结果表明,汇率稳定可以用来实现一个更加稳定的通胀在某种程度上。但是,也会有很多其他的因素可以推动通货膨胀。gydF4y2Ba

 数据可用性gydF4y2Ba

这项工作的数据是现成的网站上银行的加纳。gydF4y2Ba

 的利益冲突gydF4y2Ba

作者宣称没有利益冲突。gydF4y2Ba

 亚斯兰gydF4y2Ba F。gydF4y2Ba KaramangydF4y2Ba D。gydF4y2Ba 亚斯兰gydF4y2Ba N。gydF4y2Ba Hilmi粗铁gydF4y2Ba 年代。gydF4y2Ba 通货膨胀目标制和汇率之间的关系在土耳其直通模型平均方法gydF4y2Ba 土耳其共和国中央银行工作gydF4y2Ba 2014年gydF4y2Ba 1gydF4y2Ba 14/16gydF4y2Ba 而乔杜里gydF4y2Ba e U。gydF4y2Ba HakuragydF4y2Ba d S。gydF4y2Ba 汇率直通国内价格:通胀环境有关系吗?gydF4y2Ba 国际货币和金融杂志》上gydF4y2Ba 2006年gydF4y2Ba 25gydF4y2Ba 4gydF4y2Ba 614年gydF4y2Ba 639年gydF4y2Ba 10.1016 / j.jimonfin.2005.11.009gydF4y2Ba 2 - s2.0 - 33646783313gydF4y2Ba 河中的小岛HassougydF4y2Ba lgydF4y2Ba BadaouigydF4y2Ba F。gydF4y2Ba CyrillegydF4y2Ba o . G。gydF4y2Ba 胺gydF4y2Ba 一个。gydF4y2Ba ZoglatgydF4y2Ba 一个。gydF4y2Ba EzzahidgydF4y2Ba E。gydF4y2Ba 连系动词的建模通货膨胀和汇率之间的关系gydF4y2Ba 程序的国际工作会议在时间序列分析gydF4y2Ba 2017年9月gydF4y2Ba 格拉纳达,西班牙gydF4y2Ba 施普林格gydF4y2Ba 217年gydF4y2Ba 228年gydF4y2Ba KwofiegydF4y2Ba C。gydF4y2Ba AnsahgydF4y2Ba r·K。gydF4y2Ba 研究通货膨胀和汇率的影响在加纳股市回报gydF4y2Ba 国际数学和数学科学杂志》上gydF4y2Ba 2018年gydF4y2Ba 2018年gydF4y2Ba 8gydF4y2Ba 7016792gydF4y2Ba 10.1155 / 2018/7016792gydF4y2Ba 2 - s2.0 - 85044109464gydF4y2Ba 巴罗gydF4y2Ba r . J。gydF4y2Ba 戈登gydF4y2Ba d·B。gydF4y2Ba 积极的货币政策理论在自然率模型gydF4y2Ba 政治经济学杂志gydF4y2Ba 1983年gydF4y2Ba 91年gydF4y2Ba 4gydF4y2Ba 589年gydF4y2Ba 610年gydF4y2Ba 10.1086/261167gydF4y2Ba 2 - s2.0 - 84983958104gydF4y2Ba DornbuschgydF4y2Ba R。gydF4y2Ba 更少的钱,更好的款项gydF4y2Ba 美国经济评论gydF4y2Ba 2001年gydF4y2Ba 91年gydF4y2Ba 2gydF4y2Ba 238年gydF4y2Ba 242年gydF4y2Ba 10.1257 / aer.91.2.238gydF4y2Ba VelascogydF4y2Ba 一个。gydF4y2Ba 固定汇率:信誉,灵活性和多样性gydF4y2Ba 欧洲经济评论gydF4y2Ba 1996年gydF4y2Ba 40gydF4y2Ba 3 - 5gydF4y2Ba 1023年gydF4y2Ba 1035年gydF4y2Ba 10.1016 / 0014 - 2921 (95)00112 - 3gydF4y2Ba 2 - s2.0 - 0001606198gydF4y2Ba 安东尼gydF4y2Ba C。gydF4y2Ba NkegbegydF4y2Ba p K。gydF4y2Ba GDP增长,货币增长,汇率和通货膨胀在加纳gydF4y2Ba 当代商业研究杂志》上gydF4y2Ba 2014年gydF4y2Ba 3gydF4y2Ba 2gydF4y2Ba 75年gydF4y2Ba 87年gydF4y2Ba GyebigydF4y2Ba F。gydF4y2Ba BoafogydF4y2Ba g·K。gydF4y2Ba 宏观经济因素的通货膨胀从1990 - 2009年在加纳gydF4y2Ba 国际商业和社会研究杂志》上gydF4y2Ba 2013年gydF4y2Ba 3gydF4y2Ba 6gydF4y2Ba 81年gydF4y2Ba 93年gydF4y2Ba NorteygydF4y2Ba e . N . N。gydF4y2Ba NgohgydF4y2Ba D D。gydF4y2Ba Doku-AmponsahgydF4y2Ba K。gydF4y2Ba Ofori-BoatenggydF4y2Ba K。gydF4y2Ba 通货膨胀率和汇率在加纳建模:多元garch模型的应用程序gydF4y2Ba SpringerPlusgydF4y2Ba 2015年gydF4y2Ba 4gydF4y2Ba 1gydF4y2Ba 86年gydF4y2Ba 10.1186 / s40064 - 015 - 0837 - 6gydF4y2Ba 2 - s2.0 - 84924192742gydF4y2Ba CaselligydF4y2Ba f·G。gydF4y2Ba RoitmangydF4y2Ba 一个。gydF4y2Ba 非线性直通新兴市场的汇率gydF4y2Ba 国际金融gydF4y2Ba 2019年gydF4y2Ba 22gydF4y2Ba 3gydF4y2Ba 279年gydF4y2Ba 306年gydF4y2Ba 10.1111 / infi.12344gydF4y2Ba 2 - s2.0 - 85063568567gydF4y2Ba Ca 'ZorzigydF4y2Ba M。gydF4y2Ba 哈恩gydF4y2Ba E。gydF4y2Ba 桑切斯gydF4y2Ba M。gydF4y2Ba 在新兴市场的汇率传递gydF4y2Ba 2007年gydF4y2Ba SklargydF4y2Ba 年代。gydF4y2Ba 函数de Reprtition et Leursmarges一个维度gydF4y2Ba 1959年gydF4y2Ba NkorogydF4y2Ba E。gydF4y2Ba UkogydF4y2Ba 答:K。gydF4y2Ba 汇率和通货膨胀的波动和股票价格波动:证据来自尼日利亚,1986 - 2012gydF4y2Ba 应用金融和银行业的杂志gydF4y2Ba 2016年gydF4y2Ba 6gydF4y2Ba 6gydF4y2Ba 57gydF4y2Ba BollerslevgydF4y2Ba T。gydF4y2Ba 有条件地heteroskedastic时间序列模型投机性价格和回报率gydF4y2Ba 经济学和统计学的评审gydF4y2Ba 1987年gydF4y2Ba 69年gydF4y2Ba 3gydF4y2Ba 542年gydF4y2Ba 547年gydF4y2Ba 10.2307 / 1925546gydF4y2Ba CherubinigydF4y2Ba U。gydF4y2Ba 卢西亚诺gydF4y2Ba E。gydF4y2Ba 沃尔特gydF4y2Ba V。gydF4y2Ba 连系动词的融资方法gydF4y2Ba 2004年gydF4y2Ba 美国新泽西州霍博肯gydF4y2Ba 约翰威利& SonsgydF4y2Ba 巴顿gydF4y2Ba a·J。gydF4y2Ba 造型不对称汇率的依赖gydF4y2Ba 国际经济评论gydF4y2Ba 2006年gydF4y2Ba 47gydF4y2Ba 2gydF4y2Ba 527年gydF4y2Ba 556年gydF4y2Ba 10.1111 / j.1468-2354.2006.00387.xgydF4y2Ba 2 - s2.0 - 33645716201gydF4y2Ba 贝纳gydF4y2Ba 一个。gydF4y2Ba FermaniangydF4y2Ba j。gydF4y2Ba ScailletgydF4y2Ba O。gydF4y2Ba 排名gydF4y2Ba J。gydF4y2Ba 连系动词的评估:理论与实践gydF4y2Ba 连系动词:从理论到应用在金融领域gydF4y2Ba 2007年gydF4y2Ba 英国伦敦gydF4y2Ba 风险的书gydF4y2Ba 35gydF4y2Ba 64年gydF4y2Ba Van den GoorberghgydF4y2Ba R。gydF4y2Ba 一个copula-based国际股票市场模型自回归条件依赖性gydF4y2Ba 2004年gydF4y2Ba 荷兰阿姆斯特丹gydF4y2Ba 荷兰中央银行研究部门gydF4y2Ba 技术报告gydF4y2Ba 尼尔森gydF4y2Ba r B。gydF4y2Ba 介绍介体gydF4y2Ba 2007年gydF4y2Ba 柏林,德国gydF4y2Ba 施普林格科学与商业媒体gydF4y2Ba BrechmanngydF4y2Ba E。gydF4y2Ba SchepsmeiergydF4y2Ba U。gydF4y2Ba 建模与c和依赖d-vine接合部:CDVine R包gydF4y2Ba 杂志的统计软件gydF4y2Ba 2013年gydF4y2Ba 52gydF4y2Ba 3gydF4y2Ba 1gydF4y2Ba 27gydF4y2Ba 10.18637 / jss.v052.i03gydF4y2Ba 2 - s2.0 - 84873453041gydF4y2Ba