7.2 Tolkning av resultaten
7.2.2 Brasilien, Ryssland, Indien och Kina
De betingade korrelationerna mellan de enskilda BRIC-ländernas aktieavkastningar och futuravkastningen på råolja hittas i figurerna 11 och 12. I de dagliga betingade korrelationerna kan ses att de ryska och brasilianska aktieavkastningarnas korrelationer med oljeavkastningen i regel är aningen högre och verkar mera volatila än de indiska och kinesiska aktieavkastningarnas korrelationer. Eftersom Ryssland och Brasilien exporterar olja medan Indien och Kina importerar mest olja av alla tillväxtmarknader (bilaga 2) anses den högre och mera volatila korrelationen kunna ha att göra med oljeproduktionen i länderna. Detta skulle gälla specifikt landets produktion av olja och inte energisektorns storlek i indexet eftersom energisektorn är större endast i det ryska indexet jämfört med de övriga BRIC-ländernas index. Med andra ord skulle en marknads oljeproduktion då påverka korrelationen mellan aktie- och oljeavkastningar, vilket Park och Rattis (2008) undersökning indikerat. Inga definitiva slutsatser gällande detta kan ändå dras baserat på resultaten i denna undersökning.
Liknande resultat kan ses i de veckovisa korrelationerna med den skillnaden att korrelationen mellan den kinesiska aktiemarknadsavkastningen och futuravkastningen på olja här är väldig volatil. Detta kan tänkas bero på modellen som använts eftersom den betingade korrelationen är så olik de andra och mera volatil än den dagliga korrelationen. Korrelationen verkar ändå på längre sikt vara på samma nivå som med dagliga data och modellen för Kina verkar också vara väl specificerad.
Överlag verkar relativt stora skillnader finnas mellan olika tillväxtmarknaders korrelationer med oljemarknaden under flera perioder och marknadsspecifika faktorer tycks påverka korrelationen mycket. Till exempel observeras negativa korrelationer under olika tider för de olika marknaderna både med dagliga och veckovisa data.
Korrelationerna tycks heller inte likna MSCI EMs korrelationer mera än MSCI Worlds, vilket skulle tyda på att även om avkastningar på diversifierade aktiemarknadsindex för tillväxtmarknader och utvecklade marknader kan ha olika korrelation med oljeavkastningar under vissa perioder, kan marknadsspecifika faktorer ofta vara viktigare determinanter för aktieavkastningars korrelation med oljeavkastningar än nivån av utveckling på marknaden.
Figur 11 Dagliga betingade oljekorrelationer för enskilda BRIC-länders aktiemarknadsavkastningar
Figur 12 Veckovisa betingade oljekorrelationer för enskilda BRIC-länders aktiemarknadsavkastningar
När det kommer till volatilitetsöverföring för de enskilda BRIC-länderna i modellerna med dagliga data (bilaga 7) estimeras endast en signifikant korsvis ARCH-parameter (signifikant på 1 procents nivå). Denna tyder på att det finns en negativ volatilitetsöverföring från brasilianska aktieavkastningar till oljeavkastningar. Detta är förvånande eftersom oljepriset är globalt medan Brasilien endast representerar är en liten del av den globala marknaden och till exempel Ryssland producerar flera gånger mera olja än Brasilien. Chocker på Brasiliens aktiemarknad borde därmed inte i stor grad påverka volatiliteten i det globala oljepriset. GARCH-parametrarna å andra sidan indikerar en volatilitetsöverföring från oljemarknaden till aktiemarknaden för alla BRIC-länder utom Kina (på en 5 procents nivå) samt från aktiemarknaden till oljemarknaden för Brasilien och Kina.
-0,4 -0,2 0 0,2 0,4 0,6 0,8
DCC, MSCI Brazil - Brent DCC, MSCI Russia - Brent DCC, MSCI India - Brent DCC, MSCI China - Brent
-0,40 -0,20 0,00 0,20 0,40 0,60 0,80
DCC, MSCI China - Brent DCC, MSCI Brazil - Brent DCC, MSCI Russia - Brent DCC, MSCI India - Brent
Som tidigare nämnts finns tecken på att modellerna med dagliga data (förutom för Indien) är dåligt specificerade, vilket betyder att resultaten bör tolkas med försiktighet.
Med veckovisa data fanns det däremot mindre problem med modellerna. Här tyder signifikanta ARCH-parametrar på en 5 procents nivå på att en negativ volatilitetsöverföring från oljeavkastningar till brasilianska och ryska aktieavkastningar samt från indiska och kinesiska aktieavkastningar till oljeavkastningar existerar. Med andra ord skulle chocker (negativa eller positiva) i oljepriset leda till lägre volatilitet i de två marknadernas aktieavkastningar, medan chocker i kinesiska och indiska aktieavkastningar skulle leda till lägre volatilitet i oljepriset.
Till skillnad från ARCH-parametrarna får samtliga korsvisa GARCH-parametrar positiva värden. Dessa indikerar volatilitetsöverföring från aktie- till oljefuturmarknaden för Brasilien, Indien och Kina medan den ryska aktiemarknadens volatilitet verkar överföras till oljemarknaden.
Utan att spekulera gällande orsaken till olika volatilitetsöverföringar, kan konstateras att sambandet till oljeavkastningarna verkar vara olik mellan de enskilda tillvästmarknaderna och att nivån av utveckling då inte är den viktigaste determinanten för volatilitetsöverföringen heller. Att skillnader existerar tillväxtmarknader emellan tyder också på att investerare i tillväxtmarknaders aktier bör ta den specifika marknaden i beaktande vid diversifiering eller hedging med hjälp av oljefuturer och inte förlita sig på sambandet mellan oljeavkastningar och avkastningar på diversifierade tillväxtmarknadsindex.
8 SAMMANFATTNING
I denna undersökning har korrelationer och volatilitetsöverföringar mellan futuravkastningar på Brent råolja och aktiemarknadsavkastningar undersökts för MSCI Emerging Markets och MSCI World aktiemarknadsindex. Detta har gjorts för att analysera sambanden mellan avkastningarna samt undersöka skillnader i sambandet för utvecklade marknader och tillväxtmarknader. Dessutom har de enskilda BRIC-länderna också undersökts för att se hurudana marknadsspecifika skillnader som kan finnas.
Undersökningen har gjorts med hjälp av dynamiska betingade korrelationer från DCC-GARCH-GJR-modeller och volatilitetsöverföringar från CCC-VARMA-GARCH-GJR-modeller. Undersökningen har också gjorts långt ur investerares synvinkel. Både dagliga och veckovisa avkastningar har använts och tidsperioden för undersökningen har varit från januari 2001 till mars 2015.
Resultaten tyder på att korrelationen mellan aktie- och oljeavkastningar i medeltal är positiv och relativt låg för alla marknader men varierar mycket över tiden, vilket är i linje med Degiannakis et al. (2011), Chang et al. 2013 och Sadorsky (2012; 2014).
Korrelationen blir också negativ under vissa perioder i och med olika händelser, vilket är delvis i linje med Degiannakis et al. (2011) och Kilian och Park (2009). För en aktieinvesterare innebär detta att diversifiering med hjälp av råoljefuturer kan vara effektivt medan säkring kan vara ineffektivt. Frekvent balansering krävs ändå i båda fallen, vilket bestyrks av beräknade säkringsförhållanden och optimala portföljvikter.
Volatilitetsöverföring kan observeras i huvudsak från aktiemarknader till oljemarknaden men också tecken på det motsatta kan ses. Denna överföring fångas upp bättre med dagliga än veckovisa data och anses därför vara relativt kortsiktig.
Skillnader mellan utvecklade marknader och tillväxtmarknader gällande aktieavkastningars korrelation med oljeavkastningar kan observeras under flera kortare tidsperioder och i samband med olika chocker och händelser på marknaden. De veckovisa korrelationerna tyder därtill på att skillnader också kan existera och vara ihållande under längre perioder. Någon bestående skillnad mellan oljekorrelationen för utvecklade marknader och tillvästmarknader kan däremot inte observeras. Samma diversifierings- eller säkringsstrategier bör ändå inte implementeras på de olika marknaderna, även om medelkorrelationen under många perioder är liknande. I medeltal krävdes mindre investering i råoljefuturer för att både säkra och diversifiera MSCI World indexet jämfört med MSCI EM.
Volatilitetsöverföringar tyder på att aktiemarknadschocker på utvecklade marknader påverkat avkastningsvolatiliteten på olja mera än chocker på tillväxtmarknader. Detta förhållande kan tänkas förändras i och med tillväxtmarknaders ökande oljekonsumtion och allt större andel av den globala konsumtionen. Oljeavkastningarna tycks inte påverka aktieavkastningarna på samma sätt men tecken finns på att volatilitetsöverföring ändå existerar från olja till både utvecklade marknaders och tillväxtmarknaders aktiemarknader.
Undersökning av enskilda BRIC-länder tyder ändå på att både korrelationen och volatilitetsöverföringen är relativt marknadsspecifik mellan olika tillväxtmarknader.
Detta betyder att även om MSCI World och MSCI EM är globalt diversifierade kan skillnader mellan indexens samband med oljeavkastningen också bero på andra faktorer än marknadens nivå av utveckling (till exempel produktionen av olja), vilket bör kommas ihåg. En del svagheter i många av modellerna i denna avhandling finns också, vilket ger ytterligare orsak att tolka resultaten med försiktighet.
För att sammanfatta tyder resultaten på att sambandet mellan aktie- och oljeavkastningen är svagt och att tillfälliga skillnader existerar i oljekorrelationen för utvecklade- och tillväxtmarknaders aktieavkastningar, medan den långsiktiga korrelationen är relativt lika för de två marknaderna. Volatilitetsöverföring tycks existera tydligast från utvecklade marknaders aktieavkastningar till oljeavkastningen, men detta förhållande kan tänkas förändras med tiden. Resultaten tyder också på att skillnaderna mellan tillväxtmarknader och utvecklade marknader inte nödvändigtvis endast förklaras av marknadernas nivå av utveckling utan andra faktorer kan också påverka.
KÄLLFÖRTECKNING
Apergis, N. & Miller, S.M. (2009). Do structural oil-market shocks affect stock prices?
Energy Economics, vol. 31, nr. 4, s. 569–575.
Arouri, M.E.H. & Nguyen, D.K. (2010). Oil prices, stock markets and portfolio investment: Evidence from sector analysis in Europe over the last decade.
Energy Policy, vol. 38, nr. 8, s. 4528–4539
Arouri, M.E.H., Jouini, J. & Nguyen, D.K. (2011a). Volatility spillovers between oil prices and stock sector returns: Implications for portfolio management. Journal of International Money and Finance, vol. 30, nr. 7, s. 1387–1405
Arouri, M.E.H., Jouini, J. & Nguyen, D.K. (2011b) Return and volatility transmission between world oil prices and stock markets of the GCC countries. Economic Modelling, vol. 28, nr 4, s. 1815–1825
Arouri, M.E.H., Jouini, J. & Nguyen, D.K. (2012). On the impacts of oil price fluctuations on European equity markets: Volatility spillover and hedging effectiveness. Energy Economics, vol. 34, nr. 2, s. 611–617
Basher, S.A., Haug, A.A. & Sadorsky, P. (2012). Oil prices, exchange rates and emerging stock markets. Energy Economics, vol. 34, nr. 1, s. 227–240.
Basher, S.A. & Sadorsky, P. (2006) Oil price risk and emerging stock markets. Global Finance Journal, vol. 17, s. 224-251.
Baumeister, C. & Kilian, L. (2015). Understanding the Decline in the Price of Oil since June 2014. CFS Working Paper nr. 501.
Berndt, E. K., Hall, B. H., Hall, R. E. & Hausman, J. A. (1974). Estimation and Inference in Nonlinear Structural Models. Annals of Economic and Social Measurement,vol. 4, s. 653—65.
Bollerslev, T. (1986). Generalized Autoregressive Conditional Heteroskedasticity.
Journal of Econometrics, nr. 31, s. 307-327.
Bollerslev, T. (1990). Modeling the Coherence in Short-Run Nominal Exchange Rates:
A MultivariateGeneralized ARCH Model. Review of Economics and Statistics, nr. 72, s. 498-505.
Bollerslev, T & Wooldridge, J. M. (1992). Quasi-maximum likelihood estimation and inference in dynamic models with time-varying covariances. Econometric Reviews, vol. 11, nr. 2, s. 143-172.
Bowden, G., (1985). The social construction of validity in estimates of US crude oil reserves. Social Studies of Science, vol. 15, s. 207–240.
BP. (2015). Energy Outlook 2035 booklet. Tillgänglig: www.bp.com/content/ dam/bp/
pdf/Energy-economics/energy-outlook-2015/Energy_Outlook_2035_
booklet.pdf Hämtad: 28.04.2015
Brennan, M.J. (1958). The Supply of Storage. American Economic Review, vol. 48, s.
50-72.
Brooks, C. (2008). Introductary Econometrics for Finance. Cambridge: Cambridge University Press.
Brooks, C. (2009). RATS handbook to accompany Introductory econometrics for finance. Cambridge: Cambridge University Press.
Broyden, C. G. (1965). A Class of Methods for Solving Nonlinear Simultaneous Equations. Mathematics of Computation, vol. 19, s. 577-93
Broyden, C. G. (1967). Quasi-Newton Methods and their Application to Function Minimisation, Mathematics of Commutation, vol. 21, s. 368-81
Buyuksahin, B., Lee, T.K., Moser, J.T. & Robe M.A. (2013). Physical Markets, Paper Markets and the WTI-Brent Spread. Energy Journal, vol. 34, nr. 3,
Caporin, M. & McAleer, M. (2013). Ten Things You Should Know About the Dynamic Conditional Correlation Representation. Econometrics, vol. 1, nr. 1, s. 115-126.
Carlton, D. W. (1984). Futures markets: Their purpose, their history, their growth, their successes and failures. Journal of Futures Markets, vol. 4, nr. 3, s. 237–271.
Central Intelligence Agency. (2015). The World Factbook. Tillgänglig: www.cia.gov/
library/publications/the-world-factbook. Hämtad 10.04.2015.
Chang, C-L., McAleer, M. & Tansuchat, R (2010) Analyzing and forecasting volatility spillovers, asymmetries and hedging in major oil markets. Energy Ecnomics, vol.
32, nr. 6, s. 1445-1455
Chang, C-L., McAleer, M. & Tansuchat, R (2013). Conditional correlations and volatility spillovers between crude oil and stock index returns. The North American Journal of Economics and Finance, vol. 25, s. 116–138.
Chapman, I. (2013). The end of Peak Oil? Why this topic is still relevant despite recent denials. Energy policy, vol. 64, s. 93-101.
Cifarelli, G. & Paladino, G. (2010). Oil price dynamics and speculation: A multivariate financial approach. Energy Economics, vol. 32, nr. 2, s. 363–372.
Coleman , L. (2012). Explaining crude oil prices using fundamental measures. Energy Policy, vol. 40, s. 318-324.
Creti, A., Joëts, M. & Mignon, V. (2013). On the links between stock and commodity markets' volatility. Energy Economics, nr. 37, s. 16–28.
Degiannakis, S., Filis, G. & Floros, C. (2011). Dynamic correlation between stock market and oil prices: The case of oil-importing and oil-exporting countries.
International Review of Financial Analysis, vol. 20, nr. 3, s. 152–164.
Dickey, D. A. & W. A. Fuller (1981). Likelihood ratio statistics for autoregressive time series with a unit root. Econometrica, nr. 49, s. 1057-1072.
EIA. (2002) Petroleum Chronology of Events 1970-2000. Tillgänglig: www.eia.gov/
pub/oil_gas/petroleum/analysis_publications/chronology/petroleumchronolog y2000.htm Hämtad: 01.08.2015
EIA. (2014). Benchmarks play an important role in pricing crude oil. Tillgänglig:
www.eia.gov/todayinenergy/detail.cfm?id=18571, Hämtad: 19.03.2015 EIA. (2015a). What Drives Crude Oil Prices? – Demand: OECD. Tillgänglig:
www.eia.gov/finance/markets/demand-oecd.cfm Hämtad: 28.04.2015 EIA. (2015b). Petroleum & Other Liquids – U.S. Field Production of Crude Oil.
Tillgänglig: www.eia.gov/dnav/pet/hist/LeafHandler.ashx?n=pet&s=mcrfpus 2&f=m Hämtad: 10.08.2015
Engle, R.F. (1982). Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of U.K. Inflation. Econometrica, nr. 50, s. 987-1008.
Engle, R.F. (2001). GARCH 101: The Use of ARCH/GARCH Models in Applied Econometrics. Journal of Economic Perspectives, vol. 15, nr. 4 s. 157-168.
Engle, R.F. (2002). Dynamic conditional correlation: a simple class of multivariate generalized autoregressive conditional heteroskedasticity models. Journal of Business & Economic Statistics, nr. 20, s. 339-350.
Engle, R.F. (2009). Anticipating Correlations – A New Paradigm for Risk Management. Princeton: Princeton University Press.
Engle, R. F. & Kroner, K. F. (1995). Multivariate simultaneous generalized ARCH.
Econometric Theory, vol. 11, s. 122–150.
Estima. (2007). Rats Version 7 User Guide. Evanston: Estima.
Fama, E.F. (1970) Efficient Capital Markets: A Review of Theory and Empirical Work.
The Journal of Finance, vol. 25, nr. 2, s. 383-417.
Fama, E.F. (1981). Stock Returns, Real Activity, Inflation, and Money. The American Economic Review, vol. 71, nr. 4, s. 545-565.
Fama, E.F. & French, K.R. (1987). Commodity Futures Prices: Some Evidence on Forecast Power, Premiums, and the Theory of Storage. The Journal of Business, vol. 60, nr. 1, s. 55-73.
Fisher, I. (1930). The Theory of Interest as Determined by Impatience to Spend Income and Opportunity to Invest it. New York: The Macmillan Company.
Geman, H. & Kharoubi, C. (2008). WTI crude oil Futures in portfolio diversification:
The time-to-maturity effect. Journal of Banking & Finance, vol. 32, nr. 12, s.
2553–2559.
Glosten, L.R., Jagannathan, R., & Runkle, D.E. (1993). On the Relation between the Expected Value and the Volatility of the Nominal Excess Return on Stocks. The Journal of Finance, vol. 48, nr. 5, s. 1779–1801.
Gorton, G.B. & Rouwenhorst, K.G. (2006). Facts and Fantasies about Commodity Futures. Financial Analysis Journal, nr. 62, s. 47-68.
Gorton, G.B., Hayashi, F. & Rouwenhorst K. G. (2013). The Fundamentals of Commodity Futures Returns. Review of Finance, vol. 17, s. 35-105.
Greer, R.J. (1978). Conservative Commodities: A Key Inflation Hedge. Journal of Portfolio Management, vol. 4, nr. 4, s. 26.
Hamilton, D.J. (1983). Oil and the macroeconomy since World War II. The Journal of Political Economy, vol. 9, s. 228-248.
Hamilton, D. J. (1996). This is what happened to the oil price-macroeconomy relationship. Journal of Monetary Economics, vol. 38, nr. 2, s. 215–220 Hamilton, D.J. (2009). Causes and consequences of the oil shock of 2007-08.
Brookings Papers on Economic Activity, vol. 1, 215-261.
Hamilton, D.J. (2011). Historical Oil Shocks. NBER Working Paper No. 16790, Tillgänglig: www.nber.org/papers/w16790.pdf, Hämtad: 15.06.2015 Hicks, J. R. (1939). Value and Capital. Cambridge: Oxford University Press.
Hooker, M.A. (1996) What happened to the oil price-macroeconomy relationship?
Journal of Monetary Economics, vol. 38, nr. 2, s. 195–213.
Hosking, J. (1981). Equivalent Forms of the Multivariate Portmanteau Statistic, Journal of the Royal Statistical Society: B, vol. 43, s. 261-262.
Huang, R.D., Masulis, R.W. & Stoll, H.R.(1996). Energy Shocks and Financial Markets.
Journal of Futures Markets, vol. 16, nr. 1, s. 1-27,
Hubbert, M.K. (1971). The energy resources on the Earth, Energy and Power, a Scientific American Book. San Francisco: W.H. Freeman & Co,
Jarque, C. & Bera, A. (1987). A test for normality of observations and regression residuals. International Statistical Review, nr. 55, s. 163–172.
Jones, C.M., Kaul, G. (1996). Oil and the stock markets. Journal of Finance, nr. 55, s- 463-491.
Kaldor, N. (1939). Speculation and economic stability. Review of economic studies, vol.
7, s. 1-27.
Keynes, J. M. (1930). A Treatise on Money, Volym 2. London: Macmillan & Company Kilian, L. (2009). Not all oil price shocks are alike: Disentangling demand and supply
shocks in the crude oil market. American Economic Review, vol. 99, nr. 3, s.
1053–1069.
Kilian, L. & Lee, T.K. (2014). Quantifying the speculative component in the real price of oil: The role of global oil inventories. Journal of International Money and Finance, vol. 42, s. 71–87.
Kilian, L. & Murphy, D.P. (2014). The Role of Oil Inventories and Speculative Trading in the Global Market for Crude Oil. Journal of Applied Econometrics, vol. 29.
nr. 3, s. 454-478.
Kilian, L. & Park, C. (2009). The impact of oil price shocks on the U.S. stock market.
International Economic Review, vol. 50, nr. 4, s. 1267-1287.
Kling, J.L. (1985) Oil price shocks and stock market behaviour. The Journal of Portfolio Management, vol. 12, nr. 1, s. 34-39.
Kwiatkowski, D., Phillips, P.C.B., Schmidt, P. & Shin, Y. (1992). Testing the Null Hypothesis of Stationarity Against the Alternative of a Unit Root, Journal of Econometrics, nr. 54, s.159-178.
Lin, B., Wesseh Jr., P.K., & Appiah, M.O. (2014). Oil price fluctuation, volatility spillover and the Ghanaian equity market: Implication for portfolio
management and hedging effectiveness. Energy Economics, nr. 42 s. 172-182.
Ling, S & McAleer, M. (2002). Stationarity and the existence of moments of a family of GARCH processes. Journal of Econometrics, vol. 106, s. 109-117.
Ling, S & McAleer, M. (2003). Asymptotic Theory for a Vector ARMA-GARCH Model.
Economic Theory, vol. 19, s. 280-310.
Lintner, J. (1965). The valuation of risk assets and the selection of risky investments in stock portfolios and capital budgets. Review of Economics and Statistics, nr. 47, s. 13-37.
Ljung, G.M. & Box, G.E.P. (1978). On a Measure of Lack of Fit in Time Series Models, Biometrika, vol. 65, nr. 2, s. 297-303.
Maghyereh, A (2004). Oil Price Shocks and Emerging Stock Markets: A Generalized VAR Approach. International Journal of Applied Econometrics and
Quantitative Studies, vol. 1-2, s. 27-40.
Malik, F. & Ewing, B.T. (2009). Volatility transmission between oil prices and equity sector returns. International Review of Financial Analysis, vol. 18, nr. 3, s. 95–
100.
Malik, F. & Hammoudeh, S. (2007). Shock and volatility transmission in the oil, US and Gulf equity markets. International Review of Economics & Finance, vol. 16, nr.
3, 2007, s. 357–368.
Markowitz, H. (1952). Portfolio Selection. The Journal of Finance, vol. 7, nr. 1, s. 77-91.
McAleer, M., Hoti, S., Chan, F. (2009). Structure and asymptotic theory for
multivariate asymmetric conditional volatility. Economic Review, nr. 28, s. 422-440.
Mileva, E. & Siegfried, N. (2012). Oil market structure, network effects and the choice of currency for oil invoicing. Energy Policy, vol. 44, nr. C, s. 385-394.
Miller, J.I. & Ratti, R.A. (2009). Crude oil and stock markets: Stability, instability, and bubbles. Energy Economics, vol. 31, nr. 4, s. 559–568.
MSCI (2014) MSCI Market Classification Framework. Tillgänglig:
www.msci.com/resources/products/indexes/global_equity_indexes/gimi/stdin dex/MSCI_Market_Classification_Framework.pdf Hämtad: 23.04.2015
MSCI (2015a) MSCI Emerging Markets Index. Tillgänglig: www.msci.com/resources/
factsheets/index_fact_sheet/msci-emerging-markets-index-usd-net.pdf Hämtad: 19.03.2015
MSCI (2015b) MSCI World Index. Tillgänglig: www.msci.com/resources/factsheets/
index_fact_sheet/msci-world-index.pdf Hämtad: 19.03.2015
MSCI (2015c) MSCI Brazil Index. Tillgänglig: www.msci.com/resources/factsheets/
index_fact_sheet/msci-brazil-index-net.pdf Hämtad: 19.03.2015
MSCI (2015d) MSCI Russia Index. Tillgänglig: www.msci.com/resources/factsheets/
index_fact_sheet/msci-russia-index-rub-gross.pdf Hämtad: 19.03.2015
MSCI (2015e) MSCI India Index. Tillgänglig: www.msci.com/resources/factsheets/
index_fact_sheet/msci-india-index-inr-gross.pdf Hämtad: 19.03.2015 MSCI (2015f) MSCI China Index. Tillgänglig: www.msci.com/resources/factsheets/
index_fact_sheet/msci-china-index.pdf Hämtad: 19.03.2015 OPEC. (2015). Annual Statistical Bulletin. Tillgänglig:
www.opec.org/opec_web/static_files_project/media/downloads/publications/
ASB2015.pdf Hämtad: 05.08.2015
Park, J. & Ratti, A.R. (2008). Oil price shocks and stock markets in the U.S. and 13 European countries. Energy Economics, vol. 30, nr. 5, s. 2587–2608.
Sadorsky, P. (1999). Oil price shocks and stock market activity. Energy Economics, vol.
21, nr. 5, s. 449-469.
Sadorsky, P (2012). Correlations and volatility spillovers between oil prices and the stock prices of clean energy and technology companies. Energy Economics, vol.
34, nr. 1, January 2012, s. 248–255.
Sadorsky, P. (2014). Modeling volatility and correlations between emerging market stock prices and the prices of copper, oil and wheat. Energy Economics, vol. 43, s. 72-81.
Sharpe, W.F. (1964). Capital asset prices: A theory of market equilibrium under conditions of risk. Journal of Finance, nr. 19, s. 425-442.
Silvennoinen, A & Teräsvirta, T. (2009). Multivariate GARCH models. I: Andersen, T.G., Davis, R.A., Kreiss, J.-P. & Mikosch, Th.V. (red.) Handbook of Financial Time Series. New York: Springer. s. 201-226.
Taylor, S.J. (1986). Modeling Financial Time Series. Chichester, UK: John Wiley and Sons.
Telser, L.G. (1958) Futures trading and the storage of cotton and wheat. Journal of political economy, vol. 66, s. 233-255.
The Economist. (2014). Why the oil price is falling. Tillgänglig: www.economist.com/
blogs/economist-explains/2014/12/economist-explains-4 Hämtad: 28.04.2015 Treynor, J. (1961). Towards a theory of market value of risky assets, opubliserat
manuscript.
Williams, J., B. (1938). The Theory of Investment Value. Cambridge: Harvard University Press, s. 80.
Williams, S. (2015). Saudi Arabia in the Spotlight Amid Oil Price Rout. The Wall street journal 25.08.2015.
Working, H. (1948). Theory of the inverse carrying charges in futures markets. Journal of farm economics, vol. 30, s. 1-28.
Zivot, E. (2009). Practical Issues in the Analysis of Univariate GARCH Models. I:
Andersen, T.G., Davis, R.A., Kreiss, J.-P. & Mikosch, Th.V. (red.) Handbook of Financial Time Series. New York: Springer. s. 113-151.
BILAGA 1 LISTA PÅ ORD OCH FÖRKORTNINGAR
En del ord och förkortningar som används i avhandlingen kommer här att definieras.
Detta eftersom en del engelska ord och uttryck inte har motsvarande svenska översättningar samt för att underlätta läsandet av avhandlingen.
Bid-ask spread: Skillnaden mellan bjudet försäljnings- och köpepris på en marknad.
Bid-ask spread: Skillnaden mellan bjudet försäljnings- och köpepris på en marknad.