TU Darmstadt / ULB / TUprints

Time Series Analyses of Global Oil Prices: Shocks, Effects and Predictability

Ruths Sion, Sebastian (2020)
Time Series Analyses of Global Oil Prices: Shocks, Effects and Predictability.
Technische Universität Darmstadt
doi: 10.25534/tuprints-00013411
Ph.D. Thesis, Primary publication

[img]
Preview
Text
DISS_S_RUTHSSION.pdf
Copyright Information: CC BY-SA 4.0 International - Creative Commons, Attribution ShareAlike.

Download (4MB) | Preview
Item Type: Ph.D. Thesis
Type of entry: Primary publication
Title: Time Series Analyses of Global Oil Prices: Shocks, Effects and Predictability
Language: English
Referees: Krüger, Prof. Dr. Jens ; Neugart, Prof. Dr. Michael
Date: 2020
Place of Publication: Frankfurt am Main
Date of oral examination: 9 July 2020
DOI: 10.25534/tuprints-00013411
Abstract:

This dissertation considers different aspects of crude oil research, primarily based on four independent empirical analyses, interconnected through a common denominator: Time-series analysis methods applied to global oil prices.

The first three chapters are of introductory nature. They present the developments on global oil markets since the end of World War II and review the literature on crude oil. More importantly, they show how to estimate global models using vector autoregressive (VAR) and structural vector autoregressive (SVAR) models. The latter allow for the disentanglement and estimation of unexpected oil price shocks required for later analyses.

The first analysis reviews the question, originally at the center of economic research on crude oil: How are macroeconomic performance and oil price shocks interrelated? New insights based on longer sample series as well as developments in SVAR models allow to complement the existing literature by estimating global models of oil. Based on a broad set of monthly macroeconomic variables for the United States and Germany, the analysis shows that these two industrialized economies react differently to oil price shocks. The disentanglement of the underlying causes of unexpected oil price movements is crucial.

The second empirical analysis concerns the effects of oil embargoes against oil producing countries The same SVAR models are applied in the framework of the sanctions that were imposed on Iran by the international community late 2011 and early 2012. The estimation results show that the direct effects of the Iran sanctions on global oil prices were limited and temporary. By estimating and analyzing the unexpected oil price changes before the implementation of sanctions, we find evidence that sanctions might have important price increasing effects through market expectations long before their official implementation.

Departing from the same global model that includes the real price of crude oil as an endogenous variable, the third analysis is concerned with its oil price forecasting properties. We are able to improve the forecasting accuracy by applying regularization methods for variable selection. Originating from the machine learning literature, these methods are now widely used in economic research, especially in cases, where a large number of variables are included in the model. Furthermore, typical lag selection methods, used in the estimation of global models of oil are compared. Finally, the core variable set is augmented by a wide range of possibly relevant regressors as suggested by the literature.

The fourth and final analysis concerns another aspect of oil price forecasting when using crude oil futures as forecasts for the spot price of oil. We estimate whether forecasting preferences are asymmetric in a sense that a positive forecast error has a different cost than a negative forecast error of the same magnitude. Using different model specifications and a wide range of instrument sets inspired by the literature on futures, we find robust evidence for asymmetric loss. The market has a preference to underestimate the spot price of crude oil through futures pricing. This indicates the existence of a risk premium on crude oil futures.

Alternative Abstract:
Alternative AbstractLanguage

Diese Dissertation befasst sich mit unterschiedlichen Aspekten der Ölpreisforschung. Basierend auf vier empirischen Analysen steht dabei der globale Ölpreis im Vordergrund, der mittels Methoden der Zeitreihenanalyse untersucht wird.

Die ersten drei Kapitel haben einführenden Charakter. Es werden die globalen Entwicklungen auf den Ölmärkten in der Nachkriegszeit vorgestellt und ein Literaturüberblick gegeben. Darüber hinaus wird die Schätzung von globalen Erdölmodellen erläutert, wobei zwischen vektorautoregressiven (VAR) und strukturellen vektorautoregressiven (SVAR) Modellen unterschieden wird. Letztere erlauben es, unerwartete Ölpreisschocks samt Differenzierung nach ihrer Ursache zu schätzen.

Die erste Analyse befasst sich mit der klassischen Frage der Interaktion zwischen Ölpreisschocks und makroökonomischer Entwicklung. Neuere Erkenntnisse auf der Basis längerer Untersuchungszeiträume sowie Fortschritte in der Schätzung und Identifizierung von strukturellen, vektorautoregressiven (SVAR) Modellen, ermöglichen neue Einblicke in diesen Zusammenhang. Anhand monatlicher Zeitreihen deutscher und US amerikanischer Variablen wird gezeigt, dass diese beiden entwickelten Volkswirtschaften unterschiedlich auf Ölpreisschocks reagieren. Dabei spielt die Unterscheidung der Ursachen der Ölpreisveränderungen eine entscheidende Rolle.

Die zweite empirische Analyse untersucht die Effekte von Ölembargos gegen Erdölexporteure. Die bereits vorgestellten SVAR-Modelle werden im Rahmen der Ende 2011 und Anfang 2012 international verhängten Sanktionen gegen den Iran eingesetzt. Die Schätzergebnisse weisen hierbei auf limitierte und temporäre Preissteigerungen nach offiziellem Erlass der Sanktionen hin. Hingegen deutet die empirische Dekomposition der unerwarteten Ölpreisveränderungen im Vorfeld der Sanktionen auf starke, preistreibende Effekte der Erwartungen der Marktteilnehmer hin.

Im Rahmen der dritten Analyse werden die Prognoseeigenschaften des globalen Erdölmodells evaluiert. Durch Einsatz von Regularisierungsmethoden zur Variablenselektion mittels Vektorautoregression werden Verbesserungen von Ölpreisprognosen erzielt. Diese aus dem maschinellen Lernen abgeleiteten Methoden werden in der empirischen Forschung dann eingesetzt, wenn eine große Vielfalt an Variablen in Modellen erwartet wird. Sie erlauben zudem üblicherweise eingesetzte Lag Selektionsmethoden im Rahmen der Schätzung des globalen Ölmodells zu bewerten. Schließlich wird die Hinzunahme weiterer, in der Literatur vorgeschlagener Variablen beurteilt.

In der abschließenden vierten Analyse werden Rohöl-Futures auf asymmetrischen Verlust untersucht, wenn diese als Marktprognosen des Spotkurses von Rohöl betrachtet werden. Es wird geschätzt, ob negative oder positive Prognosefehler gleicher Größenordnung unterschiedliche Kosten verursachen. Unter Einsatz unterschiedlicher Spezifizierungen sowie eines breiten Spektrums an Instrumentvariablen deuten die Ergebnisse darauf hin, dass Marktteilnehmer über die Festlegung der Preise von Rohöl-Futures zu einer Unterschätzung des Spotkurses tendieren. Dies kann als Hinweis auf das Bestehen einer Risikoprämie interpretiert werden.

German
URN: urn:nbn:de:tuda-tuprints-134111
Classification DDC: 300 Social sciences > 310 General statistics
300 Social sciences > 330 Economics
Divisions: 01 Department of Law and Economics > Volkswirtschaftliche Fachgebiete > Emprical Economics
Date Deposited: 29 Sep 2020 07:33
Last Modified: 29 Sep 2020 07:34
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/13411
PPN: 470833793
Export:
Actions (login required)
View Item View Item