عنوان مقاله:
آیا قیمت نفت و عدم قطعیت سیاست اقتصادی برای بازده فلزات گرانبها اهمیت دارد؟ بینش جدید از چارچوب TVP-VAR
Do oil prices and economic policy uncertainty matter for precious metal returns? New insights from a TVP-VAR framework
سال انتشار: 2022
رشته: اقتصاد
گرایش: اقتصاد بازرگانی، اقتصاد انرژی، تجارت نفت و گاز
دانلود رایگان این مقاله:
مشاهده سایر مقالات جدید:
3. Empirical results and analyses
3.1. Descriptive statistics Considering that the basic data series used in this study are all time series, it is vital to implement stationarity tests on each data set. We adopt the augmented Dickey-Fuller (ADF) and Phillips-Perron (PP) tests to determine the stationarity. As we can see in Table 1, the original sequences of EPU, the returns of gold, silver, platinum and palladium pass this test at a 1% significance level, indicating that they reject the null hypothesis of unit roots, but POI is stationary after the first difference processing. As shown in Table 2, the optimal number of lag lengths for constructing the TVP-VAR model is identified by calculating the LR, FPE, AIC, SC and HQ. According to the minimum value principle of AIC and FPE, the optimal lag length is set to 2.
3.2. Model estimation results and diagnosis Before using the Bayesian method to simulate sampling and estimate the TVP-VAR model, it is significant to assign initial values to the parameters. As shown in Table 3, the mean values are all within the confidence interval, and the Geweke convergence diagnostic value fails the significance test at the 5% level, indicating that the parameters converge to the posterior distribution. In addition, the invalid factors are all small, with a maximum value of 75.46. Given the number of simulated samples studied in this paper, we know that enough irrelevant samples are obtained. Following Gong and Lin (2018) and Chen et al. (2020), it is indicated that the parameter estimation of this model is effective. Finally, the sample autocorrelation coefficient, sample convergence trajectory and posterior density distribution diagram are shown in Fig. 4 from top to bottom. It can be seen that the sampling times set in this paper can eliminate the autocorrelation between samples and that the sample sequence fluctuates in a “white noise” trajectory near the mean. At the same time, Fig. 4 also verifies that the samples obtained by sampling with the Markov chain Monte Carlo algorithm are irrelevant and effective.
3.3. Impulse response analysis in different lag periods The TVP-VAR model can capture dynamic impulse response in different lag periods. Figs. 5 and 6 show the dynamic impulse responses of precious metal returns to crude oil prices and economic policy uncertainty in the 4th, 8th and 12th periods of lags. As we can see in Fig. 5, the impacts of crude oil prices on gold returns are time varying. Taking four periods ahead as an example, we can see that the responses of gold returns were mainly positive before the international financial crisis, reaching the maximum value of 0.0025 around 2001. After 2008, the response of gold returns showed a negative and sharp increase after an impact, reaching the bottom of − 0.0018 around the second half of 2009, implying that the gold returns had the greatest response intensity to crude oil prices during the two periods of 2001 and 2008. Furthermore, this positive response tended to be flat after 2018. From the perspective of different lag periods, the impact in the 4th lag period is the largest, followed by the 8th and 12th lag periods, indicating that the impacts of crude oil prices on gold returns are also different from time to time, and the impacts are gradually weakened with the increase in lag duration. As seen from Fig. 5, silver returns generated a negative reaction at the initial stage of the impact of crude oil prices, then remained positive from 1991 to 2008, and peaked in 1999 and 2007. The positive response to crude oil prices declined rapidly after 2007 and became a negative response after 2008. In addition, the negative response intensity was greatest in the second quarter of 2010. For the time-varying effects on platinum returns, after a short-term negative response, a positive response was observed from 1993 to 2004 and peaked in 1998. Since then, the negative response has been maintained. The negative response to shocks in 2007 increased rapidly, and the response intensity maximized in 2009 and then stabilized after 2018. Palladium returns responded positively to shocks of oil price from 1992 to 2004, and the positive response intensity reached its maximum value in 2001. After 2007, a negative response emerged, which reached the bottom in 2010 and stabilized after 2016. Similar to the gold return, with the expansion of lag periods, the responses of silver, platinum and palladium have gradually weakened.
(دقت کنید که این بخش از متن، با استفاده از گوگل ترنسلیت ترجمه شده و توسط مترجمین سایت ای ترجمه، ترجمه نشده است و صرفا جهت آشنایی شما با متن میباشد.)
3. نتایج تجربی و تجزیه و تحلیل
3.1. آمار توصیفی با توجه به اینکه سری داده‌های پایه مورد استفاده در این مطالعه تمام سری‌های زمانی هستند، اجرای آزمون‌های ایستایی بر روی هر مجموعه داده ضروری است. ما تست های دیکی-فولر (ADF) و فیلیپس-پرون (PP) تقویت شده را برای تعیین ایستایی اتخاذ می کنیم. همانطور که در جدول 1 می بینیم، توالی های اصلی EPU، بازده های طلا، نقره، پلاتین و پالادیوم این آزمون را در سطح معنی داری 1% می گذرانند، که نشان می دهد آنها فرضیه صفر ریشه های واحد را رد می کنند، اما POI پس از ثابت است. پردازش تفاوت اول همانطور که در جدول 2 نشان داده شده است، تعداد بهینه طول تاخیر برای ساخت مدل TVP-VAR با محاسبه LR، FPE، AIC، SC و HQ مشخص می شود. با توجه به اصل مقدار حداقل AIC و FPE، طول تاخیر بهینه روی 2 تنظیم شده است.
3.2. نتایج تخمین مدل و تشخیص قبل از استفاده از روش بیزی برای شبیه‌سازی نمونه‌برداری و تخمین مدل TVP-VAR، اختصاص مقادیر اولیه به پارامترها مهم است. همانطور که در جدول 3 نشان داده شده است، مقادیر میانگین همگی در بازه اطمینان هستند، و مقدار تشخیصی همگرایی Geweke در آزمون معنی داری در سطح 5 درصد شکست خورده است، که نشان می دهد پارامترها به توزیع پسین همگرا می شوند. علاوه بر این، فاکتورهای نامعتبر همگی کوچک هستند و حداکثر مقدار آنها 75.46 است. با توجه به تعداد نمونه های شبیه سازی شده در این مقاله، می دانیم که نمونه های نامربوط کافی به دست آمده است. پیرو گونگ و لین (2018) و چن و همکاران. (2020)، نشان داده شده است که تخمین پارامتر این مدل موثر است. در نهایت، ضریب همبستگی نمونه، مسیر همگرایی نمونه و نمودار توزیع چگالی خلفی در شکل 4 از بالا به پایین نشان داده شده است. مشاهده می‌شود که زمان‌های نمونه‌برداری تعیین‌شده در این مقاله می‌تواند همبستگی خودکار بین نمونه‌ها را از بین ببرد و توالی نمونه در یک مسیر "نویز سفید" نزدیک به میانگین نوسان می‌کند. در عین حال، شکل 4 نیز تأیید می کند که نمونه های به دست آمده با نمونه برداری با الگوریتم مونت کارلو زنجیره مارکوف نامربوط و مؤثر هستند.
3.3. تجزیه و تحلیل پاسخ ضربه در دوره های تاخیر مختلف مدل TVP-VAR می تواند پاسخ ضربه پویا را در دوره های تاخیر مختلف ثبت کند. انجیر. شکل‌های 5 و 6 واکنش‌های ضربه‌ای پویا بازده فلزات گرانبها به قیمت نفت خام و عدم قطعیت سیاست‌های اقتصادی را در دوره‌های 4، 8 و 12 نشان می‌دهند. همانطور که در شکل 5 می بینیم، تاثیرات قیمت نفت خام بر بازده طلا با زمان متفاوت است. با در نظر گرفتن چهار دوره پیش رو به عنوان مثال، می بینیم که پاسخ های بازده طلا عمدتاً قبل از بحران مالی بین المللی مثبت بوده و در حدود سال 2001 به حداکثر مقدار 0.0025 رسیده است. پس از سال 2008، پاسخ بازده طلا افزایش منفی و شدیدی را نشان می دهد. تأثیری که در نیمه دوم سال 2009 به پایین 0.0018- رسید، به این معنی که بازده طلا بیشترین واکنش را به قیمت نفت خام در دو دوره 2001 و 2008 داشته است. از منظر دوره‌های تأخیری مختلف، بیشترین تأثیر در دوره تأخیری چهارم و پس از آن دوره‌های تأخیری هشتم و دوازدهم است که نشان می‌دهد تأثیرات قیمت نفت خام بر بازده طلا نیز در هر زمان متفاوت است و اثرات به تدریج با افزایش مدت تاخیر ضعیف می شود. همانطور که از شکل 5 مشاهده می شود، بازده نقره در مرحله اولیه تاثیر قیمت نفت خام واکنش منفی ایجاد کرد، سپس از سال 1991 تا 2008 مثبت باقی ماند و در سال 1999 و 2007 به اوج خود رسید. واکنش مثبت به قیمت نفت خام به سرعت پس از کاهش یافت. در سال 2007 و پس از سال 2008 به پاسخ منفی تبدیل شد. علاوه بر این، شدت پاسخ منفی در سه ماهه دوم سال 2010 بیشترین بود. برای تأثیرات متغیر زمانی بر بازده پلاتین، پس از یک پاسخ منفی کوتاه مدت، یک پاسخ مثبت از سال 1993 مشاهده شد. تا سال 2004 و در سال 1998 به اوج خود رسید. از آن زمان، پاسخ منفی حفظ شده است. پاسخ منفی به شوک ها در سال 2007 به سرعت افزایش یافت و شدت پاسخ در سال 2009 به حداکثر رسید و سپس پس از سال 2018 تثبیت شد. بازده پالادیوم به شوک های قیمت نفت از سال 1992 تا 2004 پاسخ مثبت داد و شدت پاسخ مثبت به حداکثر مقدار خود در سال 2001 رسید. در سال 2007، یک پاسخ منفی ظاهر شد که در سال 2010 به پایین ترین سطح خود رسید و پس از سال 2016 تثبیت شد. مشابه با بازگشت طلا، با گسترش دوره های تاخیر، واکنش های نقره، پلاتین و پالادیوم به تدریج ضعیف شده است.
