مدل‌سازي وابستگي بين بازده و نوسان قيمت نفت با استفاده از رگرسيون كوانتايل كاپولا: مطالعه موردي قيمت نفت خام سنگين ايران

A Copula-based Quantile Model for Crude oil Return-Volatility Dependence Modelling: Case of Iran Heavy Oil

هدف اصلي اين پژوهش بررسي رابطه ميان بازده و نوسان قيمت نفت خام سنگين ايران با استفاده از روش كوانتايل مبتني بر كاپولا است. رگرسيون كوانتايل كاپولا ابزاري كارا براي تحليل مدل­ هاي غيرخطي سري زماني است كه به دليل عدم نياز به فروض اوليه، داراي مزيت در برآورد ارتباط بين بازده و نوسان است. داده­ هاي تحقيق به‌صورت ماهيانه از ژانويه 1990 تا دسامبر 2019 مورد بررسي قرار گرفته است. در اين پژوهش براي محاسبه نوسانات قيمت نفت از فيلتر ‌هادريك-پرسكات استفاده شده است و كوانتايل­ ها هم به‌صورت چاركي و هم به‌صورت صدكي به‌كار برده شده است. آزمون كلموگروف-اسميرونوف و بررسي آمار توصيفي، توزيع چوله به چپ متغيرهاي بازده و نوسانات قيمت نفت ايران را تأييد مي‌كند، بنابراين محاسبه رابطه مستقيم ميان بازده نفت ايران و نوسانات قيمت نفت ايران امكان پذير نيست. براساس نتايج برآورد رگرسيون كوانتايل كاپولا، بين نوسانات و بازده قيمت نفت خام ايران در كوانتايل‌هاي (05/0، 1/0، 2/0، 25/0، 3/0، 8/0، 9/0، 95/0) كه مربوط به دوره­ هاي بدون ثبات و بحراني (دوران جنگ و تحريم‌هاي اقتصادي) است، رابطه مثبت و معنادار وجود دارد كه از نظر تئوريك از طريق كانال تأثير تقاضاي احتياطي بر قيمت نفت قابل توضيح است. براساس نتايج آزمون ANOVA جهت بررسي همگوني واريانس‌ها درون كوانتايل‌هاي مختلف، فرضيه برابري واريانس­ها رد شد. همچنين بين نوسانات قيمت نفت با تأخير زماني يك دوره (Xt-1) و بازده نفت در كوانتايل­ هاي فوق رابطه معنادار يافت شد. با استفاده از اين نتايج، سرمايه­ گذاران مي ­توانند ريسك سرمايه­ گذاري در بازار نفت و نيز ساير يازارهاي مالي مرتبط با بازار نفت را به نحو مؤثرتري مديريت كنند.

The main purpose of this study is to investigate the relationship between Iran’s heavy crude oil price returns and volatility dependence using the Copula-based quantile model (CQM). CQM is an efficient tool for analyzing nonlinear time series models as it has no need for initial assumptions. We use monthly data from January 1990 to December 2019. We use the Hadrick-Prescott filter to calculate oil price fluctuations and use quantiles in both quartile and percentile form. The Kolmogorov-Smirnov test and the descriptive statistics confirm the fat-tail distribution of the variables. It is thus not possible to calculate a direct relationship between crude oil price return and volatility. Based on the results of CQM estimation, a positive and significant relationship is verified between crude oil price volatility and returns in quantiles (0.05, 0.1, 0.2, 0.25, 0.3, 0.8, 0.9, and 0.95) which relate to periods of instability and crisis (war and economic sanctions). This finding can be theoretically explained through the channel of the precautionary demand effect on the oil price. The hypothesis of equality of variances was rejected within different quantiles based on ANOVA test result. Moreover, there is a significant relationship between one-period lag of oil price volatility (Xt-1) and oil returns within different quantiles. Using these results, investors can more effectively manage the risk of investing in the oil market as well as other financial assets related to the oil market.