[论文解读] Predicting bubble bursts in oil prices during the COVID-19 pandemic with mixed causal-noncausal models

Alain Hecq, Elisa Voisin|arXiv (Cornell University)|Jan 1, 2019

Market Dynamics and Volatility被引用 4

一句话总结

本文提出混合因果-非因果自回归（MAR）模型，以检测和预测新冠疫情期间WTI和Brent原油价格中的投机泡沫。通过结合滞后和前瞻价格依赖关系，该模型识别泡沫动态并估计崩盘概率，蒙特卡洛模拟表明，适当的去趋势化处理可保留泡沫模式，实现准确预测。

ABSTRACT

This paper investigates oil price series using mixed causal-noncausal autoregressive (MAR) models, namely dynamic processes that depend not only on their lags but also on their leads. MAR models have been successfully implemented on commodity prices as they allow to generate nonlinear features such as speculative bubbles. We estimate the probabilities of crash in oil prices. To do so we first evaluate how to adequately detrend nonstationary oil price series while preserving the bubble patterns observed in the raw data. The impact of different filters on the identification of MAR models as well as on forecasting bubble events is investigated using Monte Carlo simulations. We illustrate our findings on WTI and Brent monthly series before and during the outbreak of the Covid-19 pandemic.

研究动机与目标

• 探究混合因果-非因果自回归（MAR）模型是否能有效检测原油价格中的投机泡沫。
• 评估不同去趋势化滤波器对识别MAR模型及预测泡沫事件的影响。
• 评估MAR模型在捕捉非平稳原油价格序列中非线性动态（如价格泡沫）方面的稳健性。
• 比较MAR模型在新冠疫情爆发前与爆发期间WTI和Brent原油价格数据上的表现。
• 通过识别泡沫形成与破裂模式，估计市场崩盘的概率。

提出的方法

• 本研究采用依赖于原油价格过去（滞后）和未来（前瞻）值的混合因果-非因果自回归（MAR）模型，以捕捉如投机泡沫等非线性动态。
• 使用多种滤波器对非平稳原油价格序列进行去趋势化处理，目标是在去除确定性趋势的同时保留泡沫模式。
• 通过蒙特卡洛模拟评估不同去趋势化方法在识别MAR模型和预测泡沫事件方面的表现。
• 在疫情前至疫情期的月度WTI和Brent原油价格序列上估计并验证模型。
• 基于MAR模型中存在爆发根来判断泡沫检测，表明潜在的价格泡沫。
• 通过分析泡沫形成后反转的可能性，利用MAR过程的统计特性来估计崩盘概率。

实验结果

研究问题

• RQ1 不同去趋势化滤波器如何影响MAR模型的识别及原油价格泡沫事件的预测？
• RQ2 MAR模型在新冠疫情期间多大程度上能检测并预测WTI和Brent原油价格中的投机泡沫？
• RQ3 哪种去趋势化方法能在去除趋势的同时最佳保留非平稳原油价格序列中的泡沫模式？
• RQ4 MAR模型中爆发动态的存在与价格崩盘概率之间有何关联？
• RQ5 与疫情前条件相比，原油价格中的泡沫模式在疫情期是否更加显著或更易检测？

主要发现

• MAR模型成功捕捉了原油价格序列中的非线性特征，如投机泡沫，特别是在市场压力时期。
• 适当的去趋势化至关重要：某些滤波器比其他滤波器更能保留泡沫信号，显著提升模型识别与预测准确性。
• 蒙特卡洛模拟表明，去趋势化滤波器的选择对MAR模型估计的可靠性及崩盘概率预测具有重大影响。
• 在新冠疫情初期，WTI和Brent原油价格中的泡沫模式更加明显，表明投机行为加剧。
• 模型在爆发性价格行为期间估计到崩盘概率显著上升，证实其对市场反转的预测潜力。
• MAR模型中引入前瞻（未来）价格依赖关系，相比纯因果模型，显著增强了其检测与预测泡沫破裂的能力。