不确定性会影响石油市场的极端事件吗？对动态概率最优模型（POT模型）的“神迹般”的改进

《Journal of Empirical Finance》：Can uncertainty affect extreme events in the oil market? A MIDAS touch to dynamic POT models

　　我们提出了一个结合MIDAS的动态POT模型，用于预测石油尾部风险。我们使用离散时间随机过程来建模事件间的间隔时间和幅度。我们将EPU、EMV-CM和JLNUM1M指数纳入尾部风险预测中。AC-MIDAS-POT在样本外VaR和ES预测方面的表现优于GARCH-MIDAS-EVT。不确定性指数有助于解释极端石油回报的聚集性和强度。

引言
石油价格的突然变化对全球经济的各个方面都有显著影响，这通常与政治和宏观经济不确定性密切相关。这些因素包括全球金融危机、地缘政治冲突、欧佩克的决定、自然灾害以及特定于石油的需求冲击等（例如，Gkillas等人，2021年；Lee等人，2021年；Cheikh和Zaied，2023年；Bettarelli等人，2024年；Kumar和Mallick，2024年）。因此，预测石油市场中极端事件发生的可能性增加对于政策制定者、宏观经济预测者、中央银行和企业家来说至关重要。

金融计量学的最新进展强调了低频变量（例如，月度或季度预测因子）在建模和预测股市波动性中的重要性，这体现在Engle等人（2013年）首次提出的混合数据采样GARCH（GARCH-MIDAS）方法的发展上。该方法旨在将波动性分解为两个组成部分：一个捕捉短期波动，另一个代表受低频预测因子影响的长期因素。因此，这种方法避免了将每日波动性平均到较低的月度频率可能导致的信息损失（例如，Van Robays，2016年；Lyócsa等人，2021年；Liang等人，2022年；Nguyen和Virbickait?，2023年；An等人，2024年；Ding等人，2022年）。

鉴于捕捉与石油回报相关的固有尾部风险的复杂性，最近关于波动性的研究越来越多地结合了极值理论（EVT）的改进，通常与MIDAS扩展相结合，以提高风险预测的准确性。例如，Lyu等人（2024年）将GARCH-MIDAS模型与EVT（GARCH-MIDAS-EVT）结合起来，用于预测石油市场的风险价值（VaR）。他们的实证结果表明，这种规格的性能优于基准模型，如GARCH-MIDAS规格。尽管GARCH-MIDAS框架很受欢迎，但它无法快速适应波动性的快速变化或极端事件的动态出现（Smetanina，2017年；Ding，2023年；Wu等人，2023年）。现有的方法主要设计用于通过结合高频和低频信息来模拟波动性动态，而不是捕捉尾部风险的真实行为。正如金融计量学文献中所充分记录的，GARCH或GARCH-MIDAS模型通常被用作过滤器，将EVT应用于标准化残差，从而得到GARCH-EVT或GARCH-MIDAS-EVT规格。这种两阶段程序可能会由于模型中波动性组成部分的错误设定而引入偏差。

尽管有这些重要进展，现有文献主要集中在固定时间网格上建模石油价格、实现波动性和宏观经济总量。对于直接建模极端尾部事件的研究较少，而这些事件在时间上是不规则的，对风险管理和金融稳定分析尤为重要。我们的研究通过将混合频率不确定性指标整合到一个动态的峰值超过阈值框架中，共同捕捉极端石油市场事件的时间和幅度，从而填补了这一空白。

受最近对基于波动性的模型在捕捉金融极端事件方面的局限性的见解的启发，本研究提出了一种新的尾部风险预测方法，并对石油风险预测文献做出了四个关键贡献。首先，我们不建模石油回报的整个分布，而是关注超过高阈值的回报。我们的目标是在灵活的MIDAS框架内，结合低频信息，共同建模此类极端事件的到达时间和幅度。这种方法将被称为自回归条件MIDAS峰值超过阈值（AC-MIDAS-POT）模型。其次，我们将分析重点从预测回报或条件波动性转向建模石油回报的尾部行为。具体来说，我们研究了宏观经济和政策相关不确定性指数如何与AC-MIDAS-POT框架内的极端事件的时间和幅度相关联。这种特定于尾部的关注使我们能够生成对风险管理领域高度相关的预测，在这些领域中，传统的MIDAS波动性模型可能不够充分。我们的方法提供了一个补充视角，增强了人们对商品市场尾部风险的理解，特别是在不确定性加剧的情况下。第三，我们明确地建模了极端事件之间的时间间隔，这与早期假设连续时间的过程不同。这使我们能够考虑到实证金融数据的离散性质，其中极端事件通常在固定时间网格上观察到，以天为单位递增（0,...,t?1,t,t+1,t+2,...）。这种离散时间表述更真实地代表了控制极端事件发生的随机过程，并提高了预测性能。我们的方法也得到了Bień-Barkowska和Herrera（2026年）的最新发现的支持，他们强调了在相关设置中使用离散时间建模的好处。第四，为了更好地理解全球石油市场极端下行风险的驱动因素，我们应用我们的框架来估计两种主要原油基准——西德克萨斯中间油（WTI）和布伦特原油的尾部风险，使用了1990年1月至2020年12月的日回报数据，并评估了2021年1月至2024年12月我们模型的样本外表现。认识到商品市场和石油市场的尾部风险可能受到一组不确定性因素的影响，我们纳入了三个互补的宏观经济不确定性度量，这些度量捕捉了不同的信息和传递渠道。我们包括的第一个不确定性指数是Baker等人（2016年）开发的经济政策不确定性（EPU）指数，该指数是根据报纸中与经济、不确定性和政策机构相关的术语的频率计数构建的。EPU指数作为财政、货币和监管政策不可预测性的代理。它与石油市场的相关性在于其能够反映制度性冲击，如制裁、欧佩克政策协调失败和地缘政治冲突，这些冲击会扰乱供应链并引发石油价格的突然波动。我们考虑的第二个不确定性指数是Baker等人（2019年、2025年）提出的商品市场股市波动性追踪器（EMV-CM），该指数隔离了主要报纸中提到与商品相关术语的股市波动性文章子集。这个指数强调了与商品部门相关的市场感知波动性，捕捉了对能源市场发展的投资者情绪和反应，包括对通货膨胀、地缘政治危机和投机动态的担忧。与关注政治不确定性的EPU不同，EMV-CM直接追踪感知到的与商品相关风险的变动，这些变动可以通过金融市场渠道放大尾部事件。我们整合的第三个不确定性指数是Jurado等人（2015年、2025年）提出的Jurado–Ludvigson–Ng 1个月前瞻宏观经济不确定性指数（JLNUM1M），该指数采用数据丰富、基于模型的方法来量化一系列经济指标中不可预测的成分。与基于文本的指数不同，JLNUM1M指数通过多期预测误差的条件波动性提取潜在的宏观经济不确定性，提供了一个细致且理论上有根据的实际经济不可预测性度量。在石油市场的背景下，这一度量特别适用于识别由广泛需求变化引发的极端事件，例如由意外的宏观经济放缓或同步衰退引起的事件。这些指数的综合应用提供了影响极端石油回报动态和幅度的不确定性的全面视图。因此，通过利用高频和低频数据，我们的模型增强了尾部风险的预测，并捕捉了极端事件的时间聚集性和规模，从而提供了更准确的风险价值（VaR）和预期亏损（ES）预测。

根据我们的实证发现，AC-MIDAS-POT模型有效捕捉了极端损失事件日的时间聚集性和极端损失幅度的正序列相关性等特征。重要的是，我们的结果揭示了所有不确定性指数的最新变化与极端事件的动态和幅度之间的强烈关联。较高的不确定性水平与下一次极端损失事件之前的较短等待时间和这些极端回报的较大规模相关。用不确定性指数丰富POT模型还有助于识别石油市场的历史性崩溃，例如1991年的海湾战争、2001年9月11日的事件、2008-09年的金融危机以及COVID-19大流行，这些事件导致石油市场的前所未有的波动，增加了极端事件的可能性。此外，AC-MIDAS-POT模型在样本外风险预测方面的表现优于传统的GARCH-MIDAS模型。这些发现为投资者和政策制定者提供了宝贵的见解。投资者可以利用我们的模型更好地管理极端损失的风险，而政策制定者可以预测和缓解油价突然波动对更广泛经济的不利影响。

本文的其余部分组织如下。第2节回顾了关于油价对地缘政治事件脆弱性的文献，以及研究人员用于应对该市场中极端事件的方法。第3节描述了AC-MIDAS-POT模型及其在MIDAS框架内的不确定性指数整合。第4节详细介绍了数据来源、样本期以及将模型应用于布伦特和WTI油价的情况，强调了不确定性指数对预测极端事件的影响，并比较了AC-MIDAS-POT模型与竞争模型的表现。最后，第5节总结了关键发现，并提出了未来研究的方向。

文献综述
油价极易受到外部地缘政治事件、投机行为和石油出口国宏观经济条件的影响。因此，构建一个准确的预测模型面临几个挑战，例如考虑极端石油回报的可能性以及结合适当的宏观和不确定性相关因素。宏观经济因素在预测油价中的作用已被广泛研究（例如，Baumeister和Kilian，2012年；Alquist等人，2013年）。

在本节中，我们介绍了自回归条件MIDAS峰值超过阈值（AC-MIDAS-POT）框架，该框架描述了两个相互关联的随机过程。第一个过程与极端事件之间的时间间隔相关，而第二个过程捕捉这些事件的幅度。对于第一个过程，我们采用了基于右移的Beta负二项（BNB）分布的离散时间自回归条件持续时间（ACD）模型。

数据描述
我们使用了在纽约商品交易所（NYMEX）交易的WTI原油期货合约的每日结算价格，以及在欧洲洲际交易所（ICE）交易的布伦特原油的价格。用于估计的样本时间跨度为1990年1月2日至2020年12月31日，而用于模型验证的样本外时间跨度为2021年1月4日至2024年12月31日。我们使用Refinitiv Datastream提取了数据。

结论
本研究探讨了在MIDAS框架内包含不确定性导向指数如何增强尾部风险动态的预测。为此，我们引入了AC-MIDAS-POT模型来捕捉石油市场中的极端事件，特别是布伦特和WTI原油价格中的极端事件。

我们的方法从根本上不同于广泛使用的GARCH-MIDAS和GARCH-MIDAS-EVT模型。虽然这些模型将波动性视为一个潜在过程，并通常使用两步程序，但AC-MIDAS-POT模型采取了不同的方法。

作者贡献声明
Katarzyna Bień-Barkowska：撰写——原始草稿，可视化，验证，软件，方法论，调查，正式分析，数据策划，概念化。
Agata Kliber：撰写——原始草稿，可视化，验证，方法论，正式分析，数据策划，概念化。
Rodrigo Herrera：撰写——原始草稿，监督，方法论，正式分析，概念化。

致谢
本研究得到了波兰国家科学中心（NCN）在Grant No. 2022/45/B/HS4/00864项目下的支持，以及智利国家研究与发展局（ANID）在FONDECYT Regular 1210915项目下的支持。