1 نفت ، نقش اساسی در اقتصاد جهانی ایفا می کند زیرا این یک تعیین کننده تعیین کننده رشد اقتصادی است. براساس گزارش آژانس بین المللی انرژی (IEA) 2009 ، نفت 36 ٪ از کل انرژی اولیه جهان ، 95 ٪ از کل انرژی مورد استفاده برای حمل و نقل ، از 1. 5 ٪ تا 2 ٪ تولید ناخالص داخلی جهان و از 6 ٪ به 8 را نشان می دهد.٪ از حجم تجارت جهانی. این شرکت همچنین به عنوان معیار برای قیمت گذاری ابزارهای مالی بیشمار از جمله قراردادهای آتی ، گزینه ها و سایر محصولات مرتبط با نفت عمل می کند. بنابراین ، درک رفتار قیمت در بازارهای نفت خام ، که با سطح نوسانات بالا و رانش های قوی به سمت بالا طی یک دهه گذشته مشخص می شوند ، برای سرمایه گذاران و سیاست گذاران نیز ضروری است.[5] این الگوی بی ثبات را می توان با تعدادی از عوامل از جمله ، در میان دیگران ، قانون عرضه و تقاضا توضیح داد (هاگن ، 1994 ؛ استیونز ، 1995) ، و نامنظم های گذشته/حال/آینده/آینده مربوط به آب و هوا ، شرایط بورس اوراق بهادار، رشد اقتصادی ، جنبه های سیاسی و انتظارات روانی سرمایه گذاران (یو و همکاران ، 2008). سایر رویدادهای پیش بینی نشده مانند جنگ ، تحریم و انقلاب نیز تأثیرات اساسی بر قیمت نفت دارند (Tabak and Cajueiro ، 2007). اثر ترکیبی این وقایع ، که می تواند خبرهای بد یا خوب باشد یا هر دو ، ممکن است قیمت نفت خام را بدون ارتباط با ارزش اساسی آن نوسان کند. در کل ، میزان کارآیی اطلاعاتی بازارهای نفت خام ممکن است تحت تأثیر قرار گیرد و ماهیت متغیر زمانی را نشان دهد.

2 در نظریه ، اگر همه اطلاعات موجود و مربوطه بلافاصله در قیمت دارایی ها منعکس شود ، یک بازار کارآمد است. این اطلاعات به عنوان هر چیزی که ممکن است بر قیمت دارایی تأثیر بگذارد تعریف می شود تا در آینده در حال حاضر و تصادفی ناشناخته شوند. در نتیجه ، در یک پیش بینی قیمت کاملاً کارآمد بازار غیرممکن است زیرا هیچ الگوی دقیقی برای قیمت دارایی وجود ندارد و بهترین فرآیند تصادفی است. همچنین ، هیچ کس نمی تواند از اطلاعات موجود برای ایجاد سود غیر طبیعی استفاده کند. با توجه به پیامدهای مهم آن در زمینه تنظیم بازار ، قیمت گذاری دارایی ها و تخصیص نمونه کارها ، فرضیه کارآمد بازار (از این پس EMH) به دنبال آثار بزرگ فاما (1970 ، 1991) توسط یک بدنه بزرگ از ادبیات مورد بررسی قرار گرفته است ، اما تمرکز آن است. بیشتر در بازارهای سهام ، اوراق قرضه و ارزی.

3 تا تاریخ ، این سؤال که آیا بازارهای نفت خام رفتار می کنند ، تنها با چند مطالعه مورد بررسی قرار گرفته است. Green and Mork (1991) ابتدا با آزمایش اینکه آیا قیمت یک قرارداد آتی در نفت خام یک پیش بینی کننده کارآمد از قیمت سابق پست در زمان تحویل کالا است ، با توجه به اینکه همه موارد مربوطه ، پیش بینی کننده کارآمد است ، در مورد کارآیی بازار نفت خام بحث کنید. اطلاعات در زمان تنظیم قرارداد در دسترس بود. آنها با استفاده از روش کلی لحظه ها ، شواهدی از پیش بینی در قیمت نفت برای کل دوره نمونه 1978-1985 پیدا می کنند.[6] اما ، هنگامی که از دوره های زیر نمونه استفاده می شود ، نتایج حاکی از بهبود کارآیی بازار است زیرا میزان پیش بینی تمایل به کاهش زمان دارد. در یک تحقیق جدیدتر ، ماسلیوک و اسمیت (2008) فرضیه بازار کارآمد با شکل ضعیف (WFEMH) بازارهای نفت خام را بر اساس تست های ریشه واحد چند برابر Lagrange با یک و دو شکست ساختاری درون زا بررسی می کنند. با استفاده از قیمت هفتگی و آتی قیمت WTI (واسطه غرب تگزاس) و روغن نفت خام برنت در طی دوره ژانویه 1991 تا دسامبر 2004 ، نویسندگان دریافتند که هر یک از نقاط نفت خام و سری قیمت های آینده را می توان به عنوان یک روند پیاده روی تصادفی توصیف کرد. و بنابراین از داده های قیمت تاریخی غیرقابل پیش بینی است. این یافته ها باعث می شود که ماسلیوک و اسمیت (2008) به نفع یک رفتار ضعیف کارآمد از بازارهای نفت خام در نظر گرفته شوند. چارلز و دارنه (2009) همچنین با آزمایش فرضیه پیاده روی تصادفی برای این بازارها در طی دوره از ژوئن 1982 تا ژوئیه 2008 ، بازده ضعیف دو بازار نفت خام (WTI و برنت) را بررسی می کنند. به طور خاص ، چارلز و دارنه (2009)از تست های نسبت واریانس غیر پارامتری پیشنهاد شده توسط رایت (2000) و همچنین تست های واریانس وحشی وحشی که توسط کیم (2006) تهیه شده است ، استفاده کنید. نویسندگان با استفاده از قیمت های نقطه بسته شدن روزانه برای بازارهای نفت خام مورد بررسی ، شواهدی را نشان می دهند که بازار نفت خام اروپا مطابق با بهره وری بازار ضعیف رفتار می کند ، در حالی که به نظر می رسد بازار نفت خام WTI نسبت به زیر دوره 1994 ناکارآمد است-2008. سرانجام ، لی و لی (2009) WFEMH را با استفاده از داده های واقعی سالانه از قیمت کل انرژی و چهار قیمت انرژی جداگانه دیگر (زغال سنگ ، نفت ، گاز و برق) برای کشورهای OCDE در دوره 1978-2006 آزمایش می کنند. بر اساس تست های استقرار داده پانل که امکان تغییر ناگهانی در سطح و شیب را فراهم می کند ، آنها شواهدی را در برابر راندمان ضعیف برای کلیه قیمت های انرژی ، از جمله قیمت نفت پیدا می کنند.

4EVENDEVENT از متغیرهای زمانی در سطح کارآیی بازارهای بین المللی نفت خام در تاباک و کاژویرو (2007) گزارش شده است که با استفاده از بازده اصلاح شده Hurst ، کارآیی بازارهای نفت خام WTI و برنت را بررسی می کنند. با استفاده از بازده روزانه روغن در طی دوره از مه 1983 تا ژوئیه 2004 ، نویسندگان وجود درجه های متغیر وابسته به دوربرد در بازده روغن را مستند می کنند ، که به طور موثری از فرضیه کارآیی در حال تحول بازارهای نفت خام پشتیبانی می کند. همچنین نشان داده شده است که بازارهای نفت خام به مرور زمان کارآمدتر شده اند ، و به نظر می رسد قیمت نفت خام WTI نسبت به قیمت های برنت از نظر ضعیف تر است. نتیجه گیری مشابه توسط آلوارز-رامیرز و همکاران ارائه شد.(2008) ، که با تخمین دینامیک Hurst Exponent برای اروپا برنت ، WTI کوشینگ و بازده روغن دبی برای دوره 1987-2007 ، همبستگی های متغیر بازارهای بین المللی نفت را بررسی می کند. نتایج آنها نشان می دهد که بازارهای نفت خام رفتار ناکارآمد کوتاه مدت را نشان می دهند ، اما در دراز مدت کارآمد می شوند. توجه داشته باشید که نتایج ارائه شده در Tabak و Cajueiro (2007) به وضوح با یافته های اخیر چارلز و دارنه (2009) متناقض است ، در حالی که شواهد پیش بینی بازگشت روغن کوتاه مدت گزارش شده در آلوارز-رامیرز و همکاران.(2008) مطابق با یافته های Elder and Serletis (2008) است. آروی و همکاران.(2010) از یک مدل پارامتر متغیر زمان با اثرات GARCH برای بررسی رفتار پویا قیمت نفت خام برای چهار کشور شورای همکاری خلیج فارس در دوره 1997-2010 استفاده کنید. از چارچوب فیلتر کالمن برای استنباط در مورد تغییر کارایی بازار استفاده شد. این نویسندگان شواهدی از پیش بینی کوتاه مدت متغیر زمان در تغییرات قیمت نفت می یابند و فرضیه کارآیی ضعیف را برای بازارهای در نظر گرفته می کنند. در یک مطالعه مرتبط ، آلوارز-رامیرز و همکاران.(2010) کارآیی بازارهای نفت خام را از استفاده از تجزیه و تحلیل نوسان ناچیز (DFA) که به تشخیص اثرات تأخیر در همبستگی های قیمت کمک می کند ، مطالعه کنید. آنها شواهدی از انحراف مهم از قیمت های کارآمد به دلیل همبستگی های عقب مانده نشان می دهند. اخیراً ، اورتیز-کروز و همکاران.(2012) تحول پیچیدگی و کارآیی اطلاعاتی بازار نفت خام WTI را از طریق تجزیه و تحلیل آنتروپی چند مقیاس تجزیه و تحلیل کنید. با استفاده از داده های قیمت روزانه در دوره ژانویه 1986 - مارس 2011 ، آنها نشان می دهند که بازار نفت خام از نظر اطلاعاتی در طول دوره مطالعه کارآمد است ،

به جز دو دوره که مربوط به اوایل دهه 1990 و اواخر دهه 2000 رکود اقتصادی ایالات متحده است. آنها همچنین بر این باورند که مقررات زدایی عملکرد بازار را به معنای بازپرداخت بازده کمتر قابل پیش بینی کرده است. یافته های آنها سرانجام شواهدی را برای حمایت از این واقعیت ارائه می دهد که کاهش کارآیی اطلاعاتی در بازار نفت خام منجر به افزایش احتمال رکود اقتصادی شدید ایالات متحده می شود ، این نشان می دهد که بازده نفت خام در هنگام رکود اقتصادی کمتر نامشخص است.

5 در کل ، مطالعات گذشته نشان می دهد که میزان کارآیی بازار نفت خام ثابت نیست و تغییرات آن ممکن است به عوامل مختلفی از جمله مقررات زدایی در بازار ، ساختار بازار و فعالیت های تجاری بستگی داشته باشد.[7] این مقاله همچنین به این سؤال می پردازد که آیا بازارهای بین المللی نفت خام با گذشت زمان کارآمد هستند زیرا احتمالاً این مورد خواهد بود و نتایج تجربی در مورد رفتار پویا آنها در ادبیات موجود قطعی نیست. علاوه بر این ، یافته های اضافی از سایر روش ها برای بحث دقیق در مورد پیامدهای آنها در مورد سیاست های انرژی و مدیریت نمونه کارها در صورت وجود خطر روغن مفید است. در اینجا ما تجزیه و تحلیل سری زمانی نمادین (STSA) و آنتروپی اصلاح شده شانون را که به طور گسترده در تئوری اطلاعات مورد استفاده قرار می گیرد ، برای ارزیابی میزان متغیر زمان کارآیی اطلاعاتی بازارهای نفت خام ترکیب می کنیم. در مقایسه با سایر روشهای ارزیابی بهره وری ، این رویکرد ساده است و به نظر می رسد برای ارزیابی محتوای اطلاعات سری زمانی مالی مناسب است. به عنوان مثال ، بنتس و همکاران.(2008) سندی که اقدامات آنتروپی در توصیف سری زمانی مالی مفید است. زونینو و همکاران.(2009) همچنین خاطرنشان كرد كه از آنتروپی شانون می تواند برای رتبه بندی سطح توسعه بازارهای مالی استفاده شود و از آنجا كه این امر باعث می شود عدم اطمینان (تصادفی) یك سری زمانی مالی را بدون تحمیل هرگونه محدودیت در توزیع احتمال نظری خود ، استفاده كند. ما سرانجام تجزیه و تحلیل روند زمان را انجام می دهیم و شواهدی از تکامل خاص بازار از راندمان شکل ضعیف نشان می دهیم.

6 باقیمانده این مقاله به شرح زیر است. بخش 2 آنتروپی شانون را نشان می دهد و نشان می دهد که چگونه می توان آن را برای اندازه گیری میزان کارآیی بازارهای نفت خام استفاده کرد. بخش 3 داده های مورد استفاده را توصیف می کند و نتایج تجربی را گزارش می کند. ما نتیجه گیری های خلاصه را در بخش 4 ارائه می دهیم.

2 - روش تجربی

7Tests of EMH عواقب مستقیمی در مورد اقدامات مدیران نمونه کارها برای طراحی استراتژی های تجارت کالاهای خود و مدیران مالی برای تصمیم گیری های تأمین مالی خود دارند (وانگ و یانگ ، 2010). تا آنجا که ما از اولین شکل از کارآیی بازار نگران هستیم ، روش آزمایش ما شامل بررسی اینکه آیا قیمت واقعی نفت خام در زمان t منعکس کننده فوراً و کاملاً تمام اطلاعات موجود مربوط به قیمت گذاری نفت است. این وضعیت بازار دلالت بر این دارد که الگوی گذشته حرکات قیمت نفت برای پیش بینی قیمت های آینده غیرقابل توصیف است. بنابراین ، تحت WFEMH ، توزیع بازده نفت کاملاً با پیاده روی های تصادفی در قیمت نفت سازگار است ، یعنی بازده نفت غیرقابل پیش بینی است و به طور مستقل تحت فرضیات عامل خنثی خطر توزیع می شود (FAMA ، 1991).

8 تا آزمایش برای راندمان ضعیف بازارهای نفت خام ، چارچوب تجربی ما مبتنی بر آنتروپی شانون است. ما ابتدا به تکنیک های STSA اشاره می کنیم تا نمادی از سری بازگشت روغن مورد بررسی را به منظور تشخیص الگوهای مختلف پویا آنها انجام دهیم. سپس ما از آنتروپی اصلاح شده شانون برای ارزیابی کمیت و ویژگی های ذاتی اطلاعات موجود در هر سری استفاده می کنیم.

9 به طور خاص ، مرحله نمادسیون شامل تبدیل سری بازگشت روغن از بسیاری از مقادیر ممکن به سری زمانی نمادین از چند مقدار مجزا است. به دنبال Risso (2008) ، ما دو دینامیک نمادین شدید را برای سری بازگشت نفت خام مانند:and denote oil retu series at time t and its corresponding symbolic series respectively. Accordingly, the symbolic series is none other than a binary random variable that takes a value of one if the retu is positive and zero otherwise, and zero being the breaking point between two symbols. [8] The sequences of 0s and 1s for the oil retu series thus represent the successive decreases (referred to as “bear market”) and successive increases (referred to as “bull market”) in oil prices respectively.

11 در بیان فوق ،

12 با توجه به فرآیند تولید برگه نمادین می تواند به عنوان یک فرآیند Beoulli در نظر گرفته شود ، می توان آنتروپی شانون اصلاح شده (H) را برای ارزیابی میزان عدم اطمینان که با آن توالی های 0 و 1 رخ می دهد ، استفاده کرد. سپس می توان از آنتروپی شانون اصلاح شده (H) برای استنباط میزان بهره وری بازار نفت خام استفاده کرد. هرچه تحقق توالی های 0 و 1 نامشخص باشد ، پایین تر میزان پیش بینی بازگشت یا معادل آن بالاتر است که میزان بهره وری بازار ضعیف است. از لحاظ تئوریکی ، H هنگامی که الگوی به دنبال سری بازگشت روغن کاملاً تصادفی باشد و حداقل مقدار صفر آن در هنگام وقوع یک رویداد کاملاً خاص ، حداکثر مقدار خود را بدست می آورد (یعنی دنباله بازده منفی یا مثبت را می توان با اطمینان پیش بینی کرد). بیان کلی برای H به عنوان تعریف شده استrefers to the probability of sequence which simply corresponds to the frequency of sequence i over the whole period. In order to detect at best the formation of oil price trends, we consider different combinations of negative and positive oil retus over five consecutive days ( i.e. , one trading week). We thus have a total of 32 possible sequences of 0s and 1s ( n = 32), comprising for example (0,0,0,0,0), (0,0,0,0,1), (0,0,0,1,0), and (0,0,0,1,1). From Eq. (2), we see that the efficiency measure is maximum when the n sequences are equally probable, i.e. , for all i . It has the lowest value when one particular sequence happens with a probability of one. Whenever p is different from 1/32, oil price trends will begin to form and market efficiency is lower.

14where n تعداد کل توالی های ممکن دو نماد بازگشت است.

از رویکرد پنجره نورد برای تخمین شاخص H استفاده می شود تا بتوانیم در طول زمان تکامل کارایی بازار نفت خام را دستگیر کنیم. بنابراین نیاز به انتخاب یک پنجره زمانی دارد. به طور کلی ، یک پنجره زمانی کوتاه برای تجزیه و تحلیل آنتروپی ارجح است زیرا امکان تشخیص محل را فراهم می کند (گرچ و مازور ، 2004). به دنبال Risso (2008) ، ما یک پنجره زمانی از 100 مشاهده را انتخاب می کنیم ، آن را در طول زمان با حذف اولین مشاهده و اضافه کردن یک مشاهده جدید تا پایان کل نمونه حرکت می دهیم و مقدار H را برای هر پنجره زمانی تخمین می زنیمبشرما همچنین چهار اندازه دیگر را برای پنجره زمان (150 ، 200 ، 250 و 300 مشاهده) در نظر می گیریم تا بتوانیم یک بررسی استحکام از نتایج تجربی انجام دهیم. انتظار می رود که مقادیر H با اندازه پنجره زمان افزایش یابد زیرا قیمت نفت خام ، به طور مداوم ، به سمت قیمت های کارآمد تحت نیروهای رقابت بازار و فعالیت های داوری تنظیم می شود.

3 - داده ها و نتایج

3. 1 - داده ها

16 ما قیمت نقطه بسته شدن روزانه دو معیار نفت خام را در نظر بگیرید: کوشینگ West Intermediate (WTI) ، روغن خام مرجع برای ایالات متحده و اروپا برنت ، مرجع خام دریای شمال. قیمت های پایانی از وب سایت اداره اطلاعات انرژی ایالات متحده (EIA) استخراج شد. داده ها برای هر دو شاخص قیمت نفت خام ، دوره از 20 مه 1987 تا 6 مارس 2012 را پوشش می دهد. بازده روزانه به طور مداوم مرکب با استفاده از یک فیلتر لگاریتمی به شرح زیر محاسبه می شودand are the daily oil retu in percentage and the closing oil price on day t respectively. Note that these retu series are then transformed into symbolic series with two symbols ( i.e ., 1 for positive retus, and 0 otherwise) before the Shaon entropy can be applied to construct the efficiency indices.

18 مکان

آمار 19 آمار برای کلیه سری های برگشتی روزانه در صفحه A از جدول 1 گزارش شده است. مشاهده شده است که سری بازگشت روزانه دارای چندین ویژگی مشترک است تا زمانی که لحظه های سوم و چهارم در نظر گرفته شود. به طور دقیق تر ، آنها در مقایسه با سطح توزیع عادی ، منفی هستند و ضرایب بزرگ کورتوز دارند. این واقعیت را تأیید می کند که با توجه به آمار آزمون Jarque-Bera ، نرمال بودن به وضوح رد می شود. ما همچنین برای همبستگی های سریال بازده روغن آزمایش می کنیم و آمار q Ljung-Box q سفارش 14 نشان می دهد که فرضیه تهی همبستگی را نمی توان رد کرد. بنابراین شواهدی از برخی الگوهای قابل پیش بینی در بازده روزانه روغن وجود دارد.

میز 1

خواص آماری بازده روغن خام (***)

میز 1

خواص آماری بازده روغن خام (***)

یادداشت ها: Jarque-Bera و Q (14) به ترتیب به آمار تجربی آزمایش Jarque-Bera برای نرمال بودن و آزمایش Ljung-Box برای همبستگی اشاره می کنند. ADF ، PP و KPSS عبارتند از: آمار تست ریشه واحد Dickey-Fuller (1979) ، آمار تست ریشه واحد فیلیپس (1988) ، و Kwiatkowski ، فیلیپس ، اشمیت و شین (1992) آمار تست استیکاری.(***) نشان دهنده رد فرضیه تهی از نرمال بودن ، عدم همبستگی ، ریشه واحد و ثابت بودن در سطح 1 ٪ است.

20 برای به دست آوردن بینش بیشتر در مورد پویایی قیمت نفت خام ، ما به ترتیب در شکل 1 و 2 میزان قیمت روغن روزانه و اختلافات لگاریتمی روزانه آنها (بازده) را به تصویر می کشیم. بر این اساس ، ما علائم آشکار قیمت و پایداری بازگشت را مشاهده می کنیم که در برخی از دوره های حرکات قوی قطع می شوند. این نشانگر پتانسیل ناهمگونی مشروط در زمان بازده روغن است. علاوه بر این ، توطئه های احتمال طبیعی و هیستوگرام در برابر نمودارهای توزیع عادی نشان می دهد که تمام بازده های روزانه عدم تقارن و دم چربی را نشان می دهند. نتایج تجزیه و تحلیل اولیه ما مطابق با یافته های قبلی است که در میان دیگران گزارش شده است ، هونگ و همکاران.(2008) ، و Aloui و Mabrouk (2010).

شکل 1