| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 1.52 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
In this dissertation we follow Faria and Verona (2018, 2020a,b, 2021) investigation and apply a wavelet-based method (MODWT MRA) that allows to decomposing a time series into different frequency components. Therefore, one can unveil hidden information in time domain useful to forecasting. Taking into account the Conlon et al. (2021) paper on the time domain, we expand out-of-sample crude oil returns predictability literature, and find strong statistical and economic gains from using frequency domain information. Results are also robust to different settings. The best result achieved is a 𝑅𝑂𝑆 2 of 2,35% in the high-frequency component of predictor Chicago Board Options Exchange volatility index (VIX), outperforming out-of-sample R-Squareds obtained in literature on time domain based on end-of-month crude oil returns. In fact, for investors and policymakers interested in oil market developments, the short-term dynamics of Treasury bill rate (TBL), Change in Treasury bill rate (CTBL), and VIX are promising predictors to look at. We also conclude that evidence of predictability is stronger during NBER-dated recessions.
Nesta dissertação seguimos a investigação de Faria e Verona (2018, 2020a,b, 2021) e aplicamos uma método baseado em wavelets (MODWT MRA) que permite decompor uma série temporal em diferentes componentes-frequência. Por isso, pode-se revelar informação oculta no domínio do tempo, útil para previsão. Tendo em conta o artigo Conlon et al. (2021), expandimos a literatura de previsão out-of-sample dos retornos do crude e encontramos fortes ganhos estatísticos e económicos com o uso de informação no domínio da frequência. Os resultados são também robustos a diferentes configurações. O melhor resultado alcançado é um 𝑅𝑂𝑆 2 de 2,35% na componente high-frequency do previsor Chicago Board Options Exchange volatility index (VIX), ultrapassando os out-of-sample R-quadrados obtidos na literatura no domínio do tempo baseada em retornos do crude de fim do mês. De facto, para investidores e reguladores com interesse nos desenvolvimentos do mercado do petróleo, as dinâmicas de curto prazo do Treasury bill rate (TBL), Change in Treasury bill rate (CTBL), e VIX são previsores promissores. Concluímos também que a evidência de previsibilidade é mais forte durante as recessões NBER.
Nesta dissertação seguimos a investigação de Faria e Verona (2018, 2020a,b, 2021) e aplicamos uma método baseado em wavelets (MODWT MRA) que permite decompor uma série temporal em diferentes componentes-frequência. Por isso, pode-se revelar informação oculta no domínio do tempo, útil para previsão. Tendo em conta o artigo Conlon et al. (2021), expandimos a literatura de previsão out-of-sample dos retornos do crude e encontramos fortes ganhos estatísticos e económicos com o uso de informação no domínio da frequência. Os resultados são também robustos a diferentes configurações. O melhor resultado alcançado é um 𝑅𝑂𝑆 2 de 2,35% na componente high-frequency do previsor Chicago Board Options Exchange volatility index (VIX), ultrapassando os out-of-sample R-quadrados obtidos na literatura no domínio do tempo baseada em retornos do crude de fim do mês. De facto, para investidores e reguladores com interesse nos desenvolvimentos do mercado do petróleo, as dinâmicas de curto prazo do Treasury bill rate (TBL), Change in Treasury bill rate (CTBL), e VIX são previsores promissores. Concluímos também que a evidência de previsibilidade é mais forte durante as recessões NBER.
Descrição
Palavras-chave
Predictability Crude oil Out-of-sample forecasts Return forecasting Frequency domain Multiresolution analysis Previsibilidade Crude Previsões out-of-sample Previsão de retorno Domínio da frequência Análise multiresolução