Speculative Trading in Energy Markets: Evidence from Macroeconomic Surprises
Notice bibliographique
Résumé
Speculative trading in energy and commodity markets has been blamed for increased volatility, price distortions, and market inefficiency, with negative effects on the real economy. We take a new approach to investigate the impact of speculative trading using macroeconomic announcements and high-frequency data. We study the impact of twenty-six macroeconomic announcement releases on energy commodities (crude oil, natural gas) as our baseline case, which we contrast with metals (gold, silver, copper, and palladium). We find that increased speculative trading lessens the impact of macroeconomic surprises on futures markets, as measured by price drift, volatility, and bid-ask spreads. Our full-sample results show that increased trading by speculators improves liquidity and price discovery, while reducing volatility. We document a damping effect on volatility that is stronger for procyclical commodities such as crude oil and natural gas than for precious metals such as gold, which is a safe haven. In sub-sample analysis where we separate the effects of money managers and swap dealers, we find that the positive effects that we document are driven by money managers. Since traditional market participants prefer stability, our results suggest a beneficial impact of increased trading and speculation. JEL Classification: G13 - Contingent Pricing; Futures Pricing; option pricing; G14 - Information and Market Efficiency; Event Studies; Insider Trading; Q41 - Energy: Demand and Supply; Prices; Q43 - Energy and the Macroeconomy
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».