Oljeprissjokk og aksjemarkedet : en vektor-autoregressiv analyse av sammenhengen mellom sjokk i oljemarkedet og aksjeavkastning
Notice bibliographique
Résumé
Denne utredningen ser nærmere på sammenhengen mellom oljeprissjokk og avkastningen i aksjemarkedet. Inspirert av tidligere studier deler vi opp sjokk i oljemarkedet i tre ulike typer; 1) tilbudssjokk, 2) et aggregert etterspørselssjokk som reflekterer endringer i global realøkonomisk aktivitet, og 3) et sjokk som uttrykker endringer i forventninger til det fremtidige oljemarkedet, omtalt som et oljespesifikt etterspørselssjokk. Vi bekrefter funnene i tidligere studier, og påviser at relasjonen mellom oljeprissjokk og aksjemarkedet avhenger av hva som er den underliggende årsaken til sjokket.\nVi finner at oljeprisen og avkastningen i en bred markedsindeks ikke endres etter et tilbudssjokk i oljemarkedet. Et positivt aggregert etterspørselssjokk er relatert til en vedvarende positiv utvikling i oljeprisen, og en kortsiktig økning i global aksjeavkastning. På lengre sikt responderer likevel avkastningen i aksjemarkedet negativt på det aggregerte etterspørselssjokket. Et positivt sjokk i den oljespesifikke etterspørselen er relatert til en umiddelbar økning i oljeprisen, og en vedvarende negativ utvikling i aksjemarkedet. Disse funnene er konsistente med tidligere studier.\nI tillegg til å analysere sammenhengen mellom oljeprissjokk og den brede verdensmarkedsindeksen, undersøker vi forholdet mellom de samme sjokkene og aksjemarkeder i ulike land og bransjer. Vi finner at avkastningen i råvaretunge aksjemarkeder som Norge, Canada og Australia responderer mer positivt enn referanseindeksen på et positivt etterspørselssjokk i oljemarkedet. På bransjenivå finner vi også enkelte forskjeller i relasjonen mellom sjokk i oljemarkedet og avkastning. Bilbransjen og flybransjen responderer mer negativt enn markedsindeksen på positive etterspørselssjokk, mens olje- og gassektoren er blant bransjene som responderer mer positivt. For tilbudsjokket finner vi ingen vesentlige forskjeller på bransjenivå. Disse resultatene bruker vi til å konstruere porteføljer som gjør det mulig å profittere på et oljeprissjokk for en kortsiktig investor.\nVidere finner vi at om lag en femtedel av den langsiktige variansen i de respektive aksjemarkedene og bransjene kan forklares av variasjon i de strukturelle sjokkene i oljemarkedet. På kort sikt finner vi at sjokkene i oljemarkedet forklarer en større andel av variansen i råvaretunge indekser. Vi finner ingen systematiske forskjeller mellom de ulike markedene og bransjene på lang sikt, noe som gir grunn til å tro at sjokkene i oljemarkedet\npå sikt har tilnærmet samme betydning for risikopremie i de ulike markedene og bransjene. Dette indikerer at for en langsiktig og veldiversifisert investor som Statens Pensjonsfond Utland, vil oljeprissjokk ha like stor betydning for avkastningen til porteføljen dersom investoren trekker seg ut av, for eksempel, olje- og gassektoren.\nDenne studien er en videreføring av tidligere studier, og er særlig inspirert av litteratur skrevet av Kilian. Mens Kilian kun analyserer virkningene av oljeprissjokk på det amerikanske aksjemarkedet, tar vi for oss et større utvalg land og bransjer. I tillegg er analysen vår basert på et datagrunnlag som består av lengre tidsserier. Vår utredning skiller seg også fra tidligere studier ved at vi går nærmere inn på hvilke implikasjoner resultatene kan ha for både kortsiktige og langsiktige investorer.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,004 |
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 source (Gemma direct ou Codex distillé), 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 ».