Αιτιακές σχέσεις μεταξύ των πετρελαϊκών κρίσεων και των χρηματιστηριακών αγορών: μια εμπειρική ανάλυση για τις χρηματιστηριακές αγορές της Αμερικής, του Λονδίνου και της Ιαπωνίας.

Abstract

Η μοντελοποίηση και η πρόβλεψη της μεταβλητότητας στις χρηματοπιστωτικές αγορές αποτελεί ένα σοβαρό ζήτημα για πολλούς ερευνητές. Η σημασία αυτού του προβλήματος έγινε ιδιαίτερα αισθητή τα τελευταία χρόνια καθώς υπάρχει μεγάλη αβεβαιότητα στον χρηματοπιστωτικό τομέα. Επιπλέον, η σχέση μεταξύ των τιμών του πετρελαίου και της χρηματιστηριακής δραστηριότητας προσέλκυσαν την προσοχή της ερευνητικής κοινότητας, αλλά και τους φορείς της χάραξης της οικονομικής πολιτικής, καθώς και τους επενδυτές να αξιολογήσουν τη διασύνδεση μεταξύ των δύο αυτών αγορών. Σκοπός της εργασίας αυτής είναι να κατασκευαστεί το καταλληλότερο υπόδειγμα ARIMA/(G)ARCH λαμβάνοντας υπόψη πιθανές ασυμμετρίες και αποτελέσματα μόχλευσης ώστε να διερευνηθούν και να προβλεφθούν, μέσω της στατικής και δυναμικής πρόβλεψης, οι τιμές του πετρελαίου από τις χρηματιστηριακές μεταβολές τριών χρηματιστηριακών δεικτών όπως των Dow Jones, FTSE100 και Nikkei225. Τέλος, σκοπός είναι να εξεταστεί η αιτιακή σχέση στο μέσο και τη διακύμανση, μέσω της συνάρτησης συσχέτισης (cross-correlation function), ανάμεσα στους χρηματιστηριακούς δείκτες και στις τιμές του πετρελαίου. Για την εκτίμηση των συμμετρικών και ασύμμετρων υποδειγμάτων χρησιμοποιούμε τη μέθοδο της μέγιστης πιθανοφάνειας (Maximum Likelihood) χρησιμοποιώντας τον αλγόριθμο των Broyden-Fletcher-Goldfarb-Shanno(BFGS) για την μέθοδο της βελτιστοποίησης, χρησιμοποιώντας τα βήματα από τη μεθόδου του αλγορίθμου Marquardt (1963). Η συνάρτηση συσχέτισης (cross-correlation function) των κανονικοποιημένων καταλοίπων χρησιμοποιείται για να ελέγξει την μηδενική υπόθεση της μη αιτιότητας κατά Granger στο μέσο, ενώ η αντίστοιχη συνάρτηση των τετραγώνων των καταλοίπων χρησιμοποιείται για να ελέγξει την μηδενική υπόθεση της μη αιτιότητας κατά Granger στη διακύμανση. Τέλος οι προβλέψεις πραγματοποιούνται σε μέσα-στο-δείγμα (in-sample) και έξω-από-το-δείγμα (out-of-sample) των δεικτών που ερευνούμε. Τα αποτελέσματα της εργασίας έδειξαν ότι τα ασύμμετρα υποδείγματα ARIMA(2,0,0)-EGARCH(1,1), ARIMA(1,0,3)-EGARCH(1,1), και ARIMA(1,0,1)-GJR(1,1) είναι τα καταλληλότερα για τους χρηματιστηριακούς δείκτες Dow Jones, FTSE100, και Nikkei225, ενώ για τον δείκτη του πετρελαίου το καταλληλότερο υπόδειγμα είναι το συμμετρικό ARIMA(14,0,14)-GARCH-M(1,1). Σύμφωνα με τους ελέγχους ασυμμετρίας και Likelihood-ratio συμπεραίνουμε ότι τα «κακά» νέα έχουν μεγαλύτερη επίδραση στην υπό συνθήκη διακύμανση σε σχέση με τα «καλά» και ότι τα συμμετρικά υποδείγματα δεν είναι επαρκή για να περιγράψουν την χρονική εξάρτηση της μεταβλητότητας. Ο έλεγχος μεροληψίας πρόσημου και μεγέθους έδειξε στις περισσότερες περιπτώσεις ότι μόνο το μέγεθος των θετικών μεταβολών (shock) έχει ασύμμετρη επίδραση στη μεταβλητότητα. Τα αποτελέσματα της αιτιότητας του μέσου έδειξαν ότι μεταξύ των δεικτών Dow Jones και FTSE100 υπάρχει μονόδρομη αιτιακή σχέση από τους χρηματιστηριακούς δείκτες προς τον δείκτη του πετρελαίου, ενώ μεταξύ του δείκτη Nikkei225 και του δείκτη πετρελαίου υπάρχει αμφίδρομη αιτιακή σχέση. Ως προς την αιτιότητα της διακύμανσης όλες οι αιτιακές σχέσεις είναι αμφίδρομες μεταξύ των δεικτών και του δείκτη του πετρελαίου. Τέλος σύμφωνα με τα αποτελέσματα των προβλέψεων μέσα-στο-δείγμα και έξω-από-το-δείγμα φαίνεται ότι το ασύμμετρο υπόδειγμα EGARCH(1,1) έχει την καλύτερη προβλεπτική ικανότητα όσον αφορά τη μεταβλητότητα των δεικτών που εξετάζουμε.