2017年-BIS国际清算银行_Volatility_risk_premia_and_future_commodities_returns_32页_692kb

总结：Volatility Risk Premia and Future Commodity Returns

核心内容

本文探讨了波动率风险溢价（Volatility Risk Premium, VRP）在预测未来商品价格及其他资产类别收益中的作用。研究重点包括**商品货币（Commodity Currencies, CC）和黄金（Gold）的波动率风险溢价，以及原油（Oil）**的波动率风险溢价。研究结果表明，VRP在某些条件下能够预测未来商品价格和资产收益，但其有效性受到样本期和控制变量的影响。

主要观点

• 商品货币的波动率风险溢价（CC VRP）在2008年全球金融危机后能够预测未来商品指数收益，且该预测能力在包括控制变量（如股票VRP和过去货币收益）的情况下依然成立。
• 黄金的波动率风险溢价（Gold VRP）能够预测未来商品、货币和股票收益，但其预测能力仅限于贵金属，在考虑其他VRP作为控制变量时，这种能力受到限制。
• 原油的波动率风险溢价（Oil VRP）也显示出预测能力，但仅限于能源相关商品，与Chevallier和Sevi（2014）的负向结果形成对比，这可能与样本期不同（如使用了更长的时间跨度和日内数据）有关。
• VRP的预测能力与市场风险偏好变化有关，即当风险厌恶增加时，资产价格会迅速调整，从而影响未来收益。
• 本文通过三种VRP计算方法（HAR方法、向前方法和传统方法）进行分析，其中向前方法（Equation 6）更贴近实际市场预期，但测量误差可能影响结果的准确性。

关键信息

1. VRP的计算方法

• 波动率风险溢价是隐含波动率（风险中性波动率）与实际波动率（物理波动率）之间的差值。
• 隐含波动率通过**CBOE模型自由隐含波动率指数（MFIV）**计算，如OVX（原油ETF波动率指数）和GVZ（黄金ETF波动率指数）。
• 实际波动率通过日内交易数据（5分钟收益率）计算，并转化为月度波动率以匹配隐含波动率的计算周期。
• 由于商品和货币市场缺乏连续的期权行权价，本文采用了离散化方法来近似计算MFIV。

2. 样本描述

• 商品货币样本：包括澳大利亚元（AUD）和加拿大元（CAD），与美元对冲，使用OTC期权数据。
• 商品样本：使用CBOE提供的ETF波动率指数（如OVX和GVZ），并基于ETF的日收益率计算实际波动率。
• 股票样本：使用S&P 500指数的VIX波动率指数和日收益率。
• 时间跨度：从2003年2月至2014年12月，样本数据覆盖约12年的重叠日收益率。
• VRP计算方法：
  • HAR方法（Equation 5）：基于Corsi（2009）的异质自回归模型。
  • 向前方法（Equation 6）：使用当前隐含波动率与未来实际波动率的对比。
  • 传统方法（Equation 4）：使用当前隐含波动率与过去实际波动率的对比。

3. 回归结果

• 商品货币VRP（CC VRP）在2008年后能够预测未来商品指数收益，包括能源、工业金属、农产品和贵金属，且预测能力在三个月内依然显著。
• 黄金VRP能够预测未来商品、货币和股票收益，但其预测能力仅限于贵金属，在加入其他VRP作为控制变量后效果减弱。
• 原油VRP仅能预测能源相关商品，且结果与Chevallier和Sevi（2014）的负向结果不一致，可能由于样本差异。
• 多元回归显示，商品货币和股票的VRP是最佳预测因子，而黄金和原油的预测能力受限。
• VRP的测量误差可能导致变量误差问题，因此本文采用多种方法进行交叉验证。

结论

• 波动率风险溢价可以作为预测未来商品价格和资产收益的工具，但其预测能力受限于特定时期（如2008年后）。
• 商品货币VRP和股票VRP在预测未来收益方面表现最佳。
• 黄金和原油VRP的预测能力受限于资产类别，且可能受到市场预期变化的影响。
• VRP的测量方法对结果影响较大，因此需要采用多种方法以减少误差。

表格摘要

表I：主要变量的统计描述

表II：波动率风险溢价之间的相关性

图表摘要

• 图1：展示了不同VRP与实际波动率随时间的变化，表明VRP数据具有较高的噪声。
• 图2：展示了VRP的自相关函数，显示商品货币VRP在1.5个月内仍有显著自相关，而HAR方法的自相关衰减更快。

未来研究方向

• 需要进一步研究VRP的测量误差对预测能力的影响。
• 需要验证VRP在不同市场环境下的预测能力是否具有普遍性。
• 可以扩展研究到其他商品和更多资产类别，以评估VRP的跨市场预测能力。