Oljeprissjokk og aksjemarkedet : en vektor-autoregressiv analyse av sammenhengen mellom sjokk i oljemarkedet og aksjeavkastning
Bibliographic record
Abstract
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.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.025 | 0.004 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".