مدل‌سازی وابستگی بین بازده و نوسان قیمت نفت با استفاده از رگرسیون کوانتایل کاپولا: مطالعه موردی قیمت نفت خام سنگین ایران

هدف اصلی این پژوهش بررسی رابطه میان بازده و نوسان قیمت نفت خام سنگین ایران با استفاده از روش کوانتایل مبتنی بر کاپولا است. رگرسیون کوانتایل کاپولا ابزاری کارا برای تحلیل مدل های غیرخطی سری زمانی است که به دلیل عدم نیاز به فروض اولیه، دارای مزیت در برآورد ارتباط بین بازده و نوسان است. داده های تحقیق به‌صورت ماهیانه از ژانویه 1990 تا دسامبر 2019 مورد بررسی قرار گرفته است. در این پژوهش برای محاسبه نوسانات قیمت نفت از فیلتر ‌هادریک-پرسکات استفاده شده است و کوانتایل ها هم به‌صورت چارکی و هم به‌صورت صدکی به‌کار برده شده است. آزمون کلموگروف-اسمیرونوف و بررسی آمار توصیفی، توزیع چوله به چپ متغیرهای بازده و نوسانات قیمت نفت ایران را تایید می‌کند، بنابراین محاسبه رابطه مستقیم میان بازده نفت ایران و نوسانات قیمت نفت ایران امکان پذیر نیست. براساس نتایج برآورد رگرسیون کوانتایل کاپولا، بین نوسانات و بازده قیمت نفت خام ایران در کوانتایل‌های (0/05، 0/1، 0/2، 0/25، 0/3، 0/8، 0/9، 0/95) که مربوط به دوره های بدون ثبات و بحرانی (دوران جنگ و تحریم‌های اقتصادی) است، رابطه مثبت و معنادار وجود دارد که از نظر تئوریک از طریق کانال تاثیر تقاضای احتیاطی بر قیمت نفت قابل توضیح است. براساس نتایج آزمون anova جهت بررسی همگونی واریانس‌ها درون کوانتایل‌های مختلف، فرضیه برابری واریانس ها رد شد. همچنین بین نوسانات قیمت نفت با تاخیر زمانی یک دوره (xt-1) و بازده نفت در کوانتایل های فوق رابطه معنادار یافت شد. با استفاده از این نتایج، سرمایه گذاران می توانند ریسک سرمایه گذاری در بازار نفت و نیز سایر یازارهای مالی مرتبط با بازار نفت را به نحو موثرتری مدیریت کنند. 

a copula-based quantile model for crude oil return-volatility dependence modelling: case of iran heavy oil

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.