Variance risk premia for agricultural commodities
Notice bibliographique
Résumé
Purpose The purpose of this paper is to study the variance risk premium in corn and soybean markets, where the variance risk premium is defined as the difference between the historical realized variance and the corresponding risk-neutral expected variance. Design/methodology/approach The authors compute variance risk premiums using historical derivatives data. The authors use regression analysis and time series econometrics methods, including EGARCH and the Kalman filter, to analyze variance risk premiums. Findings There are moderate commonalities in variance within the agricultural sector, but fairly weak commonalities between the agricultural and the equity sectors. Corn and soybean variance risk premia in dollar terms are time-varying and correlated with the risk-neutral expected variance. In contrast, agricultural commodity variance risk premia in log return terms are more likely to be constant and less correlated with the log risk-neutral expected variance. Variance and price (return) risk premia in agricultural markets are weakly correlated, and the correlation depends on the sign of the returns in the underlying commodity. Practical implications Commodity variance (i.e. volatility) risk cannot be hedged using futures markets. The results have practical implications for US crop insurance programs because the implied volatilities from the relevant options markets are used to estimate the price volatility factors used to generate premia for revenue insurance products such as “Revenue Protection” and “Revenue Protection with Harvest Price Exclusion.” The variance risk premia found implies that revenue insurance premia are overpriced. Originality/value The empirical results suggest that the implied volatilities in corn and soybean futures market overestimate true expected volatility by approximately 15 percent. This has implications for derivative products, such as revenue insurance, that use these implied volatilities to calculate fair premia.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».