Home » Uncategorized » Er Oslo Børs Oljeprisdrevet?

Er Oslo Børs Oljeprisdrevet?

faksimile

E24 skriver (faksimile fra 29 mars) at oljeprisen er en av de desidert største driverne for oslo børs. La oss gjøre en analyse av i hvor stor grad oljeprisen påvirker Oslo Børs (OSEBX).

Vi finner at det er en sammenheng mellom oljeprisen og OSEBX. Når oljeprisen går opp med 1% går OSEBX opp med 0.21%. Endringer i oljeprisen forklarer 10.8% av variasjonen i OSEBX.
Oljeprisen var en viktigere driver i årene 2009-2012. De to siste årene samt begynnelsen av 2016 ligger på gjennomsnittet.

Vi starter analysen med å laste ned daglig Brent oljepris (US$ per fat) fra Quandl.
plot of chunk unnamed-chunk-1

Daglige sluttkurser på OSEBX laster vi ned fra Netfonds.
plot of chunk unnamed-chunk-2

Slår vi disse to datakildene sammen har vi daglige data fra 1997-01-02 til og med 2016-03-23, totalt 4738 observasjoner.

Vi estimerer en regresjonsmodell på log differensiert form, der prosentvis endring i oljepris forklarer prosentvis endring i osebx. Modellen vår er som følger:

    \[ \Delta log(y_{t})=\beta _{0}+\beta _{1} \Delta log(x_{t})+\epsilon _{t} \]

der \Delta log(y_{t})=log(y_{t})-log(y_{t-1}) og \Delta log(x_{t})=log(x_{t})-log(x_{t-1}). Her er y=osebx og x=oljepris.

Vi får følgende resultat (standardfeil i parentes):

Sammenheng mellom % endring i OSEBX og % endring i Brent oljepris
diff(log(osebx))
diff(log(oljepris)) 0.210***
(0.009)
Constant 0.0003
(0.0002)
N 4,737
R2 0.108
Adjusted R2 0.108
Residual Std. Error 0.014 (df = 4735)
F Statistic 573.017*** (df = 1; 4735)
Notes: ***Significant at the 1 percent level.
**Significant at the 5 percent level.
*Significant at the 10 percent level.

Resultater fra regresjonsmodellen

Modellen har en Durbin-Watson verdi på 1.9998 (og p-verdi på 0.984) som viser at det ikke er autokorrelasjon i restleddet.

Vi har en R^{2} på 0.108, dvs oljeprisen forklarer omlag 10.8 prosent av variasjonen i OSEBX. Responsen er uelastisk. En 1% endring i oljeprisen forårsaker en 0.21% endring i OSEBX. Det er ingen trend i modellen.

Vi ser at det er en sammenheng mellom oljepris og OSEBX, men effekten er ikke spesielt sterk. En regresjonsmodell gir oss gjennomsnittseffekten gjennom hele perioden. Dette kan være en streng forutsetning i et dynamisk marked. La oss derfor forsøke en alternaiv modell der effekten kan variere over tid.

Oljepriseffekten varierer over tid

I en alternativ modell lar vi parameterne variere over tid. Kalaba og Tesfatsion (1989) utviklet en algoritme som tillater dette[1].

Vår alternative Flexible Least Squares (FLS) modell blir da:

    \[ \Delta log(y_{t})=\beta _{0,t}+\beta _{1,t} \Delta log(x_{t})+\varepsilon _{t} \]

plot of chunk unnamed-chunk-7

Varierende oljepriseffekt

Den røde linja i figuren over er gjennomsnittet (0.2044) av alle \beta _{1,t} parameterne i perioden. Vi ser at denne verdien ikke er så forskjellig fra verdien i vår regresjonsmodell (0.2095). Jeg har benyttet en “smoothness”   vekt på \delta =0.1 i FLS estimeringen.

En kvadrert korrelasjonskoeffisient mellom den predikerte verdien av OSEBX (\Delta log(\hat{y}_{t})) og den faktiske verdien (\Delta log(y_{t})) er 0.983. I denne modellen er det en svært god samvariasjon mellom OSEBX og oljeprisen.

plot of chunk unnamed-chunk-10
Beregner vi årlige gjennomsnitt av de daglige effektene ser vi at i årene 2008 til og med 2012 var oljeprisen viktigst med en elastisitet opp mot 0.5. Årene 1997 til 2005 lå under gjennomsnittet. De to siste årene, samt begynnelsen av 2016 ligger rundt gjennomsnittet.

Til analysene har jeg benyttet R bibliotekene lubridate, Quandl, mosaic og stargazer.

[1]:“Time-Varying Linear Regression Via Flexible Least Squares”, Computers and Mathematics with Applications, Vol. 17 (8/9), pp. 1215-1245.

1,342 total views, 4 views today


Leave a comment

Your email address will not be published. Required fields are marked *