Zagreb International Review of Economics amp; Business, Vol. 18, No. 2, pp. 31-44, 2015 copy; 2015 Faculty of Economics and Business, University of Zagreb and De Gruyter Open All rights reserved. Printed in Croatia ISSN 1331-5609; UDC: 33 65 DOI: 10.1515/zireb-2015-0008
Oil-Price Volatility and Macroeconomic Spillovers in Central and Eastern Europe: Evidence from a Multivariate GARCH Model
Scott W. Hegerty *
Abstract: Recent commodity price declines have added to worldwide macroeconomic risk, which has had serious effects on both commodity exporters and manufacturers that use oil and raw materials. These effects have been keenly felt in Central and Eastern Europe—particularly in Russia, but also in European Union member states. This study tests for spillovers among commodity-price and macroeconomic volatility by applying a VAR(1)-MGARCH model to monthly time series for eight CEE countries. Overall, we find that oil prices do indeed have effects throughout the region, as do spillovers among exchange rates, inflation, interest rates, and output, but that they differ from country to country—particularly when different degrees of transition and integration are considered. While oil prices have a limited impact on the cur-rencies of Russia and Ukraine, they do make a much larger contribution to the two countriesrsquo; macroeconomic volatility than do spillovers among the other macroeconomic variables.
Keywords: Oil Prices; Volatility; Multivariate GARCH; Spillovers; Central/Eastern Europe
JEL Classification: F36
Introduction
With oil and other commodity prices declining since 2014, after large increases that began during the run-up to the 2008 financial crisis, economies throughout the world must continue to brace for strong economic impacts. In particular, revenue might decline for commodity exporters, but economies that rely more on manufacturing will also find themselves susceptible to increased terms-of-trade volatility and the associated macroeconomic risk. This is especially true for the Central and Eastern European (CEE) region, whose countries are either members of or closely connected to the European Union.
* Scott W. Hegerty is at Northeastern Illinois University, Department of Economics, Chicago, USA.
32 Scott W. Hegerty
The CEE region has long experienced macroeconomic “transmission” from its larger neighbors. Before the 2008 Global Financial Crisis, rising commodity prices and currencies that were often pegged to the Euro combined to “import” inflation and contribute to an unsustainable economic boom. Likewise, the 2008 crisis and collapsing commodity prices were associated with volatile output, price declines and general instability in the CEE region and elsewhere in the world. This study exam-ines the linkages between commodity-price and macroeconomic volatility in eight CEE countries, using monthly data that begin in the 1990s. Using Multivariate Gen-eralised Autoregressive Conditional Heteroskedasticity (MGARCH) models, we find that effects differ among the variables of interest, with oil-price fluctuations having less influence on interest-rate volatility than on output, exchange rates and inflation. Results also vary by country type, with the Czech Republic, Hungary, and Poland less likely to see exchange-rate volatility spill over to output variability, and Russia and Ukraine witnessing (perhaps surprisingly) fewer spillovers from oil prices to output.
Relation to the Literature
Most studies of commodity-price volatility examine either the volatility of one or more commodities itself, or spillovers between commodity and financial prices (such as stocks or currencies). In the former group, Beck (2001) uses an ARCH model to examine storable and non-storable commodities, finding that only storable commod-ity prices exhibit time-varying variability. Dahl and Iglesias (2009), however, repeat the earlier study and find that non-storable commodities exhibit this property as well. In a seminal study, Cashin et al. (2002) discuss spillovers to the exchange rate for so-called “commodity currencies.” Other analyses apply different types of GARCH, as well as alternative estimation methods. For example, Bernard et al. (2008) examine aluminum prices and find that Exponential GARCH or other GARCH methods do not outperform the standard method. Choi and Hammoudeh (2010) apply a number of variations in analysis of the oil and metals markets. Likewise, Ding and Vo (2012) and Brooks and Prokopczuk (2013) use non-GARCH models in their studies.
Studies in the second group mentioned above include Bui and Pippinger (1990), who examine links between commodity prices and (supposedly more volatile) ex-change rate regimes, while Smith (1999) studies differences in spillovers under fixed and floating exchange rates. Chen et al. (2010) examine the other direction of causation—from commodity-driven exchange rates to global commodity prices. Mensi et al. (2013) use a VAR-GARCH model to investigate spillovers between stock and commodity prices.
Fewer studies focus on connections between commodity-price volatility and the real economy, although the means of the variables are often included in models when the variances are not. Deaton (1999) finds that commodity prices explain nearly half
Oil-Price Volatility and Macroeconomic Spillovers in Central and Eastern Europe: Evidence from 33of sub-Saharan Africarsquo;s growth during the period of study. Ocran and Biekpe (2007) discuss the sensitivity of policymakers to changes in commodity prices, thus affect-ing monetary and macroeconomic variables. Velasco and Ceacute;spedes (2012) conclude that incre
剩余内容已隐藏，支付完成后下载完整资料
中东欧地区油价波动性和宏观经济溢出效应研究：基于多元GARCH模型
Scott W. Hegerty
摘 要
近期商品价格的下跌增加了全球宏观经济风险，这对商品出口商和使用石油和原材料的制造商都造成了严重影响。在中欧和东欧，特别是在俄罗斯，而且在欧盟成员国，这些影响都非常敏感。本研究通过将VAR（1）-MGARCH模型应用于八个中东欧国家的月度时间序列来检验商品价格和宏观经济波动之间的溢出效应。总的来说，我们发现油价确实对整个地区产生了影响，汇率，通货膨胀率，利率和产出之间的溢出效应也是如此，但各国的情况各不相同 - 尤其是考虑到不同程度的转型和一体化时。虽然油价对俄罗斯和乌克兰的现金影响有限，但它们对两国宏观经济波动的贡献比其他宏观经济变量中的溢出效应更大。
关键词：油价; 挥发性; 多元GARCH;溢出; 中欧/东欧
引言
随着2014年以来石油和其他商品价格的下跌，在2008年金融危机爆发之前出现大幅增长之后，全球经济体必须继续支撑强劲的经济影响。 特别是，大宗商品出口商的收入可能会下降，但更多地依赖制造业的经济体也会发现他们易受贸易条件波动和相关宏观经济风险的影响。 中欧和东欧（CEE）地区的情况尤其如此，这些地区的国家都是欧盟的成员或与欧盟密切相关。
中欧和东欧地区从其较大的邻国经历了长时间的宏观经济“传播”。在2008年全球金融危机之前，商品价格上涨以及通常与欧元挂钩的货币合起来“导入”通货膨胀并导致经济繁荣不可持续。同样，2008年危机和商品价格下跌与中东欧地区和世界其他地区的产量波动，价格下跌以及总体不稳定性相关。本研究使用20世纪90年代开始的月度数据，检验了八个中东欧国家商品价格与宏观经济波动之间的联系。使用多元一般自回归条件异方差（MGARCH）模型，我们发现效益因感兴趣的变量而不同，其中石油价格波动对利率波动的影响小于产出，汇率和通货膨胀。结果也因国家类型而异，捷克共和国，匈牙利和波兰不太可能会看到汇率波动溢出到产出变化上，俄罗斯和乌克兰目睹（可能令人惊讶的）从油价到产出的较少溢出效应。
文献综述
大多数关于商品价格波动的研究都是考察一种或多种商品本身的波动性，或者商品价格与金融价格（如股票或货币）之间的溢出效应。在前一组中，Beck（2001）使用ARCH模型来检验可存储和不可存储的商品，发现只有可存储的商品价格表现出随时间变化的变化。然而，Dahl和Iglesias（2009）重复了之前的研究，并发现不可储存的商品也表现出这种特性。在一项开创性的研究中，Cashin等人（2002）讨论了所谓“商品货币”汇率的溢出效应。其他分析应用了不同类型的GARCH以及替代估计方法。例如，Bernard等人（2008）对铝价进行了检验，发现指数GARCH或其他GARCH方法不会超越标准方法。 Choi和Hammoudeh（2010）在石油和金属市场分析中应用了许多变化。同样，Ding和Vo（2012）以及Brooks和Prokopczuk（2013）在他们的研究中使用了非GARCH模型。
上面提到的第二类研究包括Bui和Pippinger（1990），他研究了商品价格和（据推测波动率更大）汇率制度之间的联系，而Smith（1999）研究了固定汇率和浮动汇率下的溢出效应差异。 陈等人。 （2010）研究了从商品驱动的汇率到全球商品价格的另一个因果方向。 Mensi等人 （2013）使用VAR-GARCH模型来研究股票和商品价格之间的溢出效应。
关于商品价格波动与实体经济之间的联系的研究较少，尽管变量的方式通常包含在模型中，而方差不是。 Deaton（1999）发现，在研究期间，商品价格解释了近一半的撒哈拉以南非洲地区的增长。 奥克兰和比克佩（2007年）讨论决策者对商品价格变化的敏感性，从而影响货币和宏观经济变量。 Velasco和Ceacute;spedes（2012）认为，商品价格上涨会增加他们分析中的经济活动。
尽管Hegerty（2011,2012）分析了CEE地区内单一的宏观经济变量（分别为利率和产出）及其波动率传导，但多变量分析相对较少。 因此，我们使用VAR（1）-MGARCH模型考察了8个CEE经济体的油价和产出增长率，通货膨胀率，利率和汇率波动溢出。 该模型允许在均值方程中的变量之间以及在它们的变量之间估计溢出效应。 我们的论文收益如下。 第二部分概述了计量经济学方法论。 第三节讨论结果，第四节总结。
研究方法
利用国际货币基金组织国际金融统计数据的月度数据，我们计算了工业生产和消费者价格指数的日志变化（在使用人口普查-X12方法对两个系列进行了第一季度的季节性后），货币市场利率和汇率 以美元为单位表示。 （匈牙利使用折扣率。）附录表2中提供了确切的样本长度。 我们还计算英国布伦特原油价格指数的对数变化。
我们的样本国家包括CEE经济体，这些经济体在共产主义倒台以来的20年中一直沿着不同的道路前进。 三个国家（捷克共和国，匈牙利和波兰）是早期的改革者，也是最早加入欧盟的国家之一。 保加利亚和罗马尼亚的巴尔干国家加入后，仍然面临一些挑战。 这个群体可能会加入克罗地亚，仅在2013年才加入欧盟。最后，俄罗斯和乌克兰不在生态经济集团之内，在不久的将来加入的可能性很小。 我们期望在我们的研究中找到这些国家之间的差异。
我们的目标是根据Engle（1982）和Bollerslev（1986）引入的GARCH模型来测量时变波动率及其传递。 我们同时为每个系列建模如下。 对于每个国家，我们估计了一阶VAR（1）的矢量自回归模型，以捕获宏观经济变量和油价之间的同期溢出效应，如方程（1a）所示。 同时，我们估计如方程（1b）中的多元GARCH（1,1），其中每个变量的方差系列是其他方差的误差项（对变量的冲击）和波动率系列的函数。 由此产生的系数显示了从一个变量到另一个变量的波动溢出效应。 我们还估计条件相关性，如公式（1c）所示： (1a)
for all i,j (1b)
for all i,j; (1c)
这种估计方法使我们能够从油价到整体宏观经济以及宏观经济变量本身中找到波动溢出的证据。 我们在下面讨论我们的发现
结果
我们从使用单变量GARCH（1,1）模型对石油价格波动率进行建模开始。 应用Box-Jenkins方法，我们发现一个简单的AR（1）是一个适当的平均方程。 原始系列对数变化和由此产生的方差系列如图1所示。除了与2008年金融危机相关的价格大幅下跌之外，我们看到在20世纪90年代末和2000年代初和中期相对较高的波动性。
图1：1991 - 2014年石油价格变动和石油价格波动
基于AR（1）估计英国布伦特原油价格对数变化的GARCH（1,1）过程进行计算。图2显示了所有八个国家的宏观经济时间序列。 我们看到克罗地亚（1992年），罗马尼亚（1997年），俄罗斯（1998年）和乌克兰（2008年）的货币大幅贬值。 正如国际宏观经济理论预测的那样，这些时期的通货膨胀率也很高。 我们看到整个样本在整个地区的增长率波动，而克罗地亚，罗马尼亚，保加利亚和俄罗斯的利率表现出特别明显的随时间变化的波动性。 我们也看到俄罗斯，克罗地亚和罗马尼亚的通货膨胀趋于稳定（保加利亚的样本是在1997年恶性通货膨胀之后开始的，乌克兰的样本也很短）。 各国之间的差异表明，国内因素与油价对宏观经济波动的相对贡献在整个区域将有所不同。
图2：宏观经济变量（月度日志变化）
这些贡献使用我们的VAR（1）-MGARCH（1,1）模型进行测试，其结果列于附录表1。 虽然我们关注的是源自石油价格的溢出效应，但我们也注意到宏观经济变量之间的关键联系。 在解释这些统计数据时，我们着重讨论三个主要观点：平均等式（来自等式1a的VAR系数），条件相关（等式3c）和GARCH系数（等式3b）中的准连续关系。 我们怀疑我们的三个国家集团（2004年加入欧盟的“维谢格拉德”国家，三个巴尔干国家以及俄罗斯和乌克兰）在其行为方面存在差异，这可能归因于不同程度的转型和经济 积分。 我们在下面解决这些差异。
在平均方程中，我们看到波兰和匈牙利（早期欧盟成员国的制造业出口商）从油价到通货膨胀的溢出效应。 这两个国家看到了通货膨胀与其货币的相同关系。 在巴尔干国家以及俄罗斯和乌克兰，影响较小。 同样，油价上涨推动了匈牙利和乌克兰的工业生产增长，以及匈牙利和波兰的通胀。 如果油价下跌，只有俄罗斯认为其货币下跌（每美元单位增加）。
这些均值方程之间的联系是否也存在差异？谈到条件相关性，除乌克兰外，所有情况下的石油价格和汇率波动都是负相关的。这可能令人感到意外，因为这一迹象是“错误的”，表明全球风险增加与货币稳定性增强有关，但也许政策制定者在动荡时期更为活跃。这种差异值得进一步研究。虽然乌克兰可能比世界石油市场的事件更容易受到政治风险和其他风险的影响，但我们在该地区的任何一对宏观经济变量中都看不到容易解释的模式。例如，石油价格波动与波兰和俄罗斯的利率波动相关（表明政策制定者积极应对风险），但没有其他国家表现出同样的关系。同样，仅在捷克共和国，通货膨胀波动率与产出增长曲线相关，并与匈牙利，俄罗斯和乌克兰的汇率相关。这些发现更容易用公式（1b）来解释。
检验GARCH系数，我们发现几乎所有国家都有明显的证据表明石油价格波动溢出到所有宏观经济变量。 只有利率波动率不能为波兰，克罗地亚和保加利亚产生显着的GARCH系数，而俄罗斯和乌克兰的汇率方程则没有显着的油价波动率系数。 也许这可以由这两个非欧盟成员对能源价格高度敏感并且大量管理其汇率来解释。 显然，这两个国家在对石油价格的反应方面表现不同; 这些差异将在下面进一步详细解释。
其他宏观经济变量显示了对彼此波动的贡献，但不是统一的国家或变量。 例如，波兰的利率波动受所有国内变量的影响，但不受油价波动的影响。 另一方面，波兰的增长和通货膨胀以及匈牙利的所有变数都看到了许多重大影响。 对于其他国家来说，俄罗斯和乌克兰似乎具有最少的重要系数。
表2总结了GARCH系数和按国家组和总数的条件相关性。 八个国家中有七个国家的石油价格波动溢出汇率和通货膨胀，利率波动影响汇率波动。 油价影响6个案例的产量。 另一方面，石油价格波动仅影响一半国家的利率。 汇率波动率仅影响三个欧盟成员国的产出变化，其中没有一个是欧盟成员国。产出变化溢出到汇率和利率上，仅有三种情况。 C组（俄罗斯和乌克兰）经历了其他变量的溢出效应，除了从油价到通胀波动之外。
此外，计算表2中各组的总和表明，虽然A组（波兰，匈牙利和捷克共和国）有33个显着系数，B组（三个巴尔干国家）有34个，但C组中的两个国家仅产生 11个重要系数。 这与两个较大的群体的情况相比要小得多。 这表明政治因素或其他无法解释的变量可能是造成大部分宏观经济风险的原因。 考虑到这11个系数中有5个与油价相关，我们可以得出这样的结论：这个变量在该地区的这个地区的宏观经济波动中起着特别重要的作用。
最后，看一下条件相关性的汇总表明汇率与通货膨胀之间的联系最为密切。 各组之间关于其他变量对的差异表明，整合水平可能有助于解释宏观经济溢出的不同程度的易感性。
结论
在经历多年创纪录的高位之后，2014年开始的油价持续下跌，助长了中东欧地区的波动性和风险。这一风险具有深刻的经济和政治影响。前者可以使用时间序列技术进行检查。使用多元GARCH方法和VAR（1）平均方程，我们解决了石油价格溢出效应，以及八个中东欧国家宏观经济中其他地区的波动。我们的VAR（1）平均方程表明波兰和匈牙利经历了从油价到通货膨胀以及通货膨胀和汇率的溢出效应，而如果油价下跌，俄罗斯卢布贬值。
我们的GARCH系数和条件相关发现，油价波动对利率风险溢出的影响小于其他变量，其他类型的宏观经济波动在俄罗斯和乌克兰经济体中的作用远低于维谢格拉德或巴尔干地区国家。对于这两个国家来说，油价有显着的影响，但也许令人惊讶的是，不是卢布或格里夫纳。因此，我们可以得出结论：转型过程中的成功程度 - 这些国家大部分都获得了欧盟成员国的回报 - 也可能有助于解释这些不同的结果。特别是俄罗斯和乌克兰显示值得进一步研究的结果。
参考文献：
Beck, S. (2001). Autoregressive conditional heteroscedasticity in commodity spot prices. Journal of Applied Econometrics, 16(2), 115–132.
Bernard, J.-T., Khalaf, L., Kichian, M., amp; Mcmahon, S. (2008). Forecasting commodity prices: GARCH, jumps, and mean reversion. Journal of Forecasting, 27(4), 279-291.
Bollerslev, T. (1986). Generalized autoregressive conditional heteroscedasticity. Journal of Economet-rics, 31, 307-327.
Brooks, C. amp; Pr
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[468971]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
