原油市场与地缘政治事件：基于

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Crude oil market and geopolitical events: an analysis based on
  information-theory-based quantifiers》
---
作者：
Aurelio F. Bariviera, Luciano Zunino, Osvaldo A. Rosso
---
最新提交年份：
2017
---
英文摘要：
  This paper analyzes the informational efficiency of oil market during the last three decades, and examines changes in informational efficiency with major geopolitical events, such as terrorist attacks, financial crisis and other important events. The series under study is the daily prices of West Texas Intermediate (WTI) in USD/BBL, commonly used as a benchmark in oil pricing. The analysis is performed using information-theory-derived quantifiers, namely permutation entropy and permutation statistical complexity. These metrics allow capturing the hidden structure in the market dynamics, and allow discriminating different degrees of informational efficiency. We find that some geopolitical events impact on the underlying dynamical structure of the market.
---
中文摘要：
本文分析了近三十年来石油市场的信息效率，并考察了重大地缘政治事件（如恐怖袭击、金融危机和其他重要事件）对信息效率的影响。研究中的系列是以美元/桶为单位的西德克萨斯中质原油（WTI）的每日价格，通常用作石油定价的基准。使用信息论导出的量词（即置换熵和置换统计复杂性）进行分析。这些指标可以捕获市场动态中的隐藏结构，并可以区分不同程度的信息效率。我们发现，一些地缘政治事件会影响市场的基本动态结构。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Statistical Finance        统计金融
分类描述：Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--
一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--

---
PDF下载：
--> Crude_oil_market_and_geopolitical_events:_an_analysis_based_on_information-theor.pdf (516.46 KB)

2022-5-31 08:38:14 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：地缘政治 Quantitative Applications intermediate Econophysics

《模糊%经济%评论》，第21卷，第1期，第41-51页，“原油市场和地缘政治事件：基于信息论的量词的分析——奥雷里奥F.巴里维拉商业部，罗维拉大学维吉尔分校。Av.Universitat 1，43204 Reus，西班牙。奥雷里奥。fernandez@urv.catLuciano Zunino Centro de Investigaciones'Opticas（CONICET La Plata CIC），C.C.3，1897年，Gonnet，阿根廷拉普拉塔国立大学（UNLP）工程学院阿根廷科学部，1900年，阿根廷拉普拉塔lucianoz@ciop.unlp.edu.arOsvaldo A.Rosso Instituto de Física，阿拉戈斯联邦大学，BR 104 Norte km 97，57072-970 Maceió，Alagoas，巴西布宜诺斯艾利斯技术学院（ITBA），Av。爱德华多·马德罗（Eduardo Madero 399），C1106ACD Ciudad Autónoma de Buenos Aires，阿根廷复杂系统集团（Argentina Complex Systems Group），阿普利卡达斯（Av。蒙斯。智利圣地亚哥Las Condes lvaro del Portillo 12.455oarosso@gmail.com摘要本文分析了近三十年来石油市场的信息效率，并考察了重大地缘政治事件（如恐怖袭击、金融危机和其他重要事件）对信息效率的影响。研究中的系列是以美元/桶为单位的西德克萨斯中质原油（WTI）的每日价格，通常用作石油定价的基准。使用信息论导出的量词（即置换熵和置换统计复杂性）进行分析。这些指标可以捕获市场动态中的隐藏结构，并可以区分不同程度的信息效率。我们发现，一些地缘政治事件会影响市场的基本动态结构。

JEL:G14、Q40、C49关键词：经济物理学、置换熵、置换统计复杂性、WTI、信息效率、地缘政治事件“2”1。引言毋庸置疑，原油是一种战略资产，也是世界经济中一种非常重要的商品。自20世纪70年代石油禁运以来，由于全球经济或政治事件，市场经历了几次重要的中断。经济文献中有许多研究涉及非常不同的研究问题。Brahmasrene等人（2014年）研究了原油价格与外汇汇率之间的因果关系。An等人（2014年）研究了原油现货价格和未来价格之间的关系。Sun和Shi（2015）在价格时间序列中寻找结构性突破，考察单位根的存在，作为非平稳过程的指纹。Wang等人（2015年）关注价格预测。据报道，一些经济变量，如流动性（Bariviera，2011）或长期金融危机（Bariviera等人，2012），会影响股票和债券市场的信息效率水平。我们在这篇论文中的兴趣是研究原油市场的信息效率，我们的目的是区分在几个重要地缘政治事件的当代出现的不同动态机制。信息效率是金融经济学的核心概念。Fama（1970）将其定义为市场中价格反映所有可用信息的情况。Ross（2004）认识到，这是对一些基础信息做出的大量个人决策相互作用的结果。因此，使用相同的信息集，不可能获得更高的回报。

这也意味着，未来的回报在很大程度上不仅取决于历史信息，还取决于市场上出现的新信息。时间序列的详细分析可以作为描述和理解所分析系统的起点。经济学中的一个常见主题是揭示支配给定时间序列演化的基本动力学。在经济学中，金融是应用高级时间序列方法最丰富的领域之一。这是因为金融市场产生了大量的信息，即使在很小的时间间隔内也会被记录下来。因此，可以随时使用大型数据集进行分析。本文的目的是通过分析主要基准之一：西德克萨斯中间价格的时间序列，评估原油市场信息效率的时间演变。论文的其余部分是“3”，组织如下。第2节介绍了基于信息论的方法。第3节详细介绍了分析中的数据并给出了结果。最后，第四部分得出了本研究的主要结论。信息论量词在研究现实世界现象时，通常会记录这些现象表现的测量结果。如果这些测量是在不同的时间进行的，它们的顺序通常被称为时间序列。当数据丰富时，适合其治疗的技术数量就会增加。特别是，本文所应用的经济物理学方法是创新的，适合阐明经济问题。在许多情况下，经济物理学克服了传统计量经济技术的局限性。

在这方面，信息论衍生的量词可以帮助从金融时间序列中提取相关信息。20世纪60年代，有一系列论文使用熵来研究时间序列的可预测性。Theil和Leenders（1965）使用熵预测阿姆斯特丹证券交易所的短期价格波动。Fama（1965）和Dryden（1968）紧随其后，他们分别在纽约证券交易所和伦敦证券交易所复制了这项研究。Hart（1971）研究了几种收入集中度指标，包括一些熵激励的指标。Philippatos和Wilson（1974）提出平均互信息或共享熵作为系统风险的代表。虽然信息理论技术在经济分析中有些被遗忘，但近年来经济物理学家重新引入了信息理论。例如，Risso（2008）使用熵和符号时间序列分析来关联信息效率和经济崩溃的概率。后来，Risso（2009）利用香农熵对全球几个股票市场的信息效率进行排名。Rosso et al.（2010）强调了信息论相关方法在揭示非线性动力学方面的潜力。2.1熵本文选择的度量之一是香农熵（Shannon and Weaver，1949）。给定离散概率分布P={pi:i=1，…M}，香农熵定义为：！“#$%&\'（）%&*&+，。此公式“4”测量嵌入概率分布P所描述的物理过程中的信息。它是区间[0，log（M）]中的有界函数。

如果S[P]=0，则过程显示一个概率等于1的状态，其余状态等于0。换句话说，零熵意味着系统结果的完全确定性。另一个极端是，如果S[P]=log（M）=Smax，我们对系统的了解是最小的，这意味着所有状态的概率都是相等的。2.2统计复杂性尽管熵可以全面描述过程的有序/无序程度，但仅使用香农熵分析时间序列可能是不完整的（Feldman and Crutchfield，1998；Feldman et al.，2008）。原因是熵度量不能量化过程中存在的结构或模式的程度。为了充分描述动态系统，还需要一个量化过程隐藏结构的额外度量：统计复杂性度量。两种极端情况，完美顺序和最大随机性（例如，周期序列和公平抛硬币）显示出没有结构。在这种情况下，复杂性度量应该消失。在这两种情况之间，存在着具有不同物理结构程度的各种过程。Lamberti et al.（2004）和Martín et al.（2006）将基于López Ruiz et al.（1995）开发的函数形式的一系列统计复杂性度量定义为：-/“#0。”1“23 45”，其中5“#/6/7894是归一化香农熵，P是所分析时间序列的离散概率分布，Pe是均匀分布，QJ[P，Pe]是所谓的不平衡。这种不平衡是根据Jensen-Shannon散度定义的，它量化了两个概率分布之间的差异。Martín等人。

（2006）证明了广义统计复杂性度量（如CJS）的上下界的存在性。这种复杂性度量能够捕获动力学的基本细节，并区分不同程度的周期性和混沌。此外，如Zunino等人（2010b）所强调的，统计复杂性不是归一化熵的一个平凡函数，因为它基于两个概率分布。2.3概率密度函数“5”的估计为了评估这些量词，我们应该事先估计概率密度函数（PDF）。有几种方法可以做到这一点。除了通过频率计数制作的传统柱状图外，PDF还可以通过傅立叶分析（Powell等人，1979年）、二进制符号动力学（Mishaikow等人，1999年）、小波变换（Rosso等人，2001年）、基于振幅的程序（De Micco等人，2008年）以及许多其他技术进行估计。继Rosso et al.（2007）、Zunino et al.（2010a，2011）和Bariviera et al.（20152016）之后，我们使用了Bandt和Pompe（2002）排列方法，因为它是考虑时间因果关系的最简单的符号化技术。这种方法只需要弱平稳性假设。适当的符号序列自然从时间序列中产生。“划分”是通过比较相邻相对值的顺序来设计的，而不是根据不同的级别来分配振幅。不需要模型假设，因为Bandt和Pompe（BP）方法在每个分区内对时间序列和订单值进行分区。

给定时间序列S（t）={xt；t=1，…，N}，嵌入维数D>1，：；4<，以及嵌入延迟τ，τ；4<，s生成的D阶BP模式→ （xs，xs+τ，…，xx+（D-2）τ，xs+（D-1）τ）[1]是需要考虑的。对于每个时间s，BP分配一个D维向量，该向量是在时间s，s+τ，…，s+（D-2） τ，s+（D-1） τ。自然，D的值反映了向量中包含的关于“过去”的信息。通过与时间s相关的D阶顺序模式，BP表示置换π=（r0，r1，···，rD-1） of（0，1，···，D-2，D-1） 定义为xs+r0τxs+r1τ…xs+rD-2τxs+rD-1τ。这样，方程[1]定义的向量被转换成一个确定的符号π。为了得到唯一的结果，BP认为，如果x s+riτ=x s+ri+1τ，ri<ri+1。如果xt的值具有连续分布，因此相等的值非常罕见，则这是合理的。为了所有的D！可能的序（排列）πi当嵌入维数为D时，可以根据在时间序列中发现该特定序序列的次数除以序列总数，自然计算出其相关的相对频率。因此，有序模式概率分布P={P（πi），i=1，····，D！}从时间序列中获取。如前所述，序数模式的相关PDF对于非线性单调变换是不变的。因此，测量设备人工引入的非线性漂移或缩放不会改变量词的估计，如果处理实验数据，这是一个很好的特性（参见Saco等人，2010）。这些优点使得BP方法比基于范围划分的传统方法更加方便。

“6”方法的其他优点在于（i）其简单性（我们需要很少的参数：模式长度/嵌入维度D和嵌入延迟τ）和（ii）相关计算过程的极快性质。BP方法不仅可以应用于代表低维动态系统的时间序列，还可以应用于任何类型的时间序列（规则、混沌、噪声或基于现实的）。2.4复杂性熵因果平面为了量化石油市场的信息效率，我们使用复杂性熵因果平面，即时间序列的排列熵在水平轴上的笛卡尔平面，以及在垂直轴上定义的排列统计复杂性度量。Rosso et al.（2007）表明，该平面不仅有助于识别不同的随机过程，而且有助于区分混沌动力学。此外，它还成功地用于区分股票（Zunino et al.，2010a）、公司债券（Zunino et al.，2012）、商品（Zunino et al.，2011）和利率（Bariviera et al.，2016）中存在的线性和非线性相关性。由于时间模式的存在偏离了与完全随机过程相关的理想位置，因此复杂性熵因果平面中的位置允许量化所分析系统的低效性。数据和实证结果本研究的数据为1983年1月10日至2015年11月11日期间以美元/桶为单位的WTI FOB原油日价格，共8568个数据点。所有数据均从DataStream中检索。利用上述数据和第2节所述的方法，我们使用滑动窗口计算原油日价格的置换熵和置换统计复杂性。

使用移动样本的理由是，它使我们能够研究这些量词在研究期间的演变。我们的滑动窗口包含N=300个数据点，频率为每日（τ=1），每个窗口之间的步长为δ=20个数据点。这样，我们获得了413个估计周期。我们相信，在模式长度D=4和300个数据点的情况下，我们能够捕获所分析序列的动态。每个窗口跨度约为一年，并提前一个月（交易）。这样，就考虑到了潜在动态的变化。我们使用D=3得到了类似的结果。考虑到较大的D值包含更多“过去”信息，在输入顺序模式中，我们仅显示D=4的结果。“7”图1显示了复杂性熵因果关系平面。每个点反映了特定窗口的置换熵和置换复杂性的计算。为了观察信息效率随时间的变化，我们将窗口分为20组（20个窗口）和一组（13个窗口）。这些组用不同的标记和颜色进行描述，以便于目视检查。“图1.WTI原油日价格D=4，t=1的复杂性熵因果关系平面。实心红线表示不同赫斯特指数的fBm模拟量词的平均值和标准偏差值。实心黑线表示由Martín等人（2006）计算的量词的上限和下限。”。一般来说，我们可以说，所研究的时间序列具有相当高的信息效率（H>0.86，CJS<0.14），因为它们在很大程度上位于与标准布朗运动兼容的区域内（Hurst=0.5）。