Corso di Laurea magistrale in Analisi, Consulenza e Gestione Finanziaria Facoltà di Economia Marco Biagi COMMODITY FUTURES E PREZZI SPOT ATTESI UN’ ANALISI.

Presentazione sul tema: "Corso di Laurea magistrale in Analisi, Consulenza e Gestione Finanziaria Facoltà di Economia Marco Biagi COMMODITY FUTURES E PREZZI SPOT ATTESI UN’ ANALISI."— Transcript della presentazione:

1 Corso di Laurea magistrale in Analisi, Consulenza e Gestione Finanziaria Facoltà di Economia Marco Biagi COMMODITY FUTURES E PREZZI SPOT ATTESI UN’ ANALISI EMPIRICA DEL MERCATO DEL MAIS Modena, 22 Marzo 2012 Relatore: Laureanda: Prof.ssa Costanza Torricelli Barbara Cardelli

2 Modena, 22 Marzo 2012 Barbara Cardelli 2 Motivazione e struttura della tesi Recente dibattito sulla tendenza al rialzo dei prezzi delle commodity e aumento della volatilità Ripercussioni macroeconomiche della dinamica del prezzo spot analisi dei modelli di determinazione dei prezzi futures analisi della letteratura empirica sulla relazione prezzo spot-prezzo futures analisi empirica sul potere previsivo dei prezzi futures

3 Modena, 22 Marzo 2012 Barbara Cardelli 3 Obiettivo dell’analisi empirica Periodo e mercato: 1998-2011, contratti sul mais sul CBOT VERIFICARE LA RELAZIONE FRA PREZZO SPOT E PREZZO FUTURES

4 Relazione prezzi spot e futures: la teoria sottostante Modena, 22 Marzo 2012 Barbara Cardelli 4 Mercato efficiente: il prezzo futures deve uguagliare il prezzo spot atteso più (o meno) un premio al rischio costante o variabile nel tempo. Unbiasedness hypothesis: il prezzo futures è unbiased quando prevede perfettamente il prezzo spot futuro. È possibile solo in presenza di mercato efficiente e assenza di premio al rischio. Verifica econometrica

5 Dataset per l’implementazione Modena, 22 Marzo 2012 Barbara Cardelli 5 Orizzonte di previsione prezzo futures: 2 mesi Serie storiche bimestrali di futures settlement price e prezzi spot ottenute da Datastream GenFebMarAprMagGiuLugAgSettOttNovDic Prezzo spot = media prezzi futures giornalieri nell’ expiration month Non vi è piena coincidenza tra le specifiche di consegna dei contratti futures e le caratteristiche del contratto spot Periodo di consegna di 15 giorni Periodo considerato: Maggio 1998 – Dicembre 2011

6 Andamento prezzi: S t e F t-1 Modena, 22 Marzo 2012 Barbara Cardelli 6

7 Serie non stazionarie Modena, 22 Marzo 2012 Barbara Cardelli 7 COINTEGRAZIONE 2 ritardi per ogni variabile selezionati tramite il criterio d’informazione di Akaike costante e trend deterministico considerati nel test Dickey-Fuller aumentato (ADF) SPOTFUTURES  0,8033420,76915 t-statistic -2,31078-2,84441 p-value asintotico 0,42750,1812 Le serie presentano un trend stocastico e perciò sono non stazionarie

8 Cointegrazione (1) Modena, 22 Marzo 2012 Barbara Cardelli 8 RangoAutovaloreTest tracciaP-valueTest maxP-value r = 00,86622136,12[0,0000]134,77[0,0000] r = 10,0199631,3511[0,8864]1,3511[0,8855] Esiste un solo vettore di cointegrazione, ossia esiste una sola combinazione lineare che è I(0). Cointegrazione verificata Efficienza del mercato nel lungo periodo

9 Cointegrazione (2) Modena, 22 Marzo 2012 Barbara Cardelli 9 Unbiasedness del prezzo futures del mais non accettata VincoliStatistica testP-value  =0 0,6842710,40812  =1;  =018,93117,74752e-005 nessuna evidenza di un premio al rischio costante possibilità di un premio al rischio time varying

10 Error Correction Model (1) Modena, 22 Marzo 2012 Barbara Cardelli 10 CoefficientiStatistica testp-value -0,276555 (0,3727) -0,74190,4608 0,0211184 (0,3754) 0,056260,9553 0,424036 (0,3378) 1,2550,2139 Il coefficiente dell’error correction term non risulta diverso da zero I vincoli imposti per testare l’efficienza e l’unbiasedness non sono accettati Verificata la presenza di eteroschedasticità Impiego dei minimi quadrati ponderati

11 Error Correction Model (2) Modena, 22 Marzo 2012 Barbara Cardelli 11 Esiste una relazione di cointegrazione anche nel breve periodo Vincoli ancora una volta non accettati CoefficientiStatistica testp-value -0,791361** (0,3148) -2,5130,0145 0,763758* (0,4231) 1,8050,0757 0,580783* (0,3218) 1,8050,0757 IL MERCATO DEL MAIS NON È EFFICIENTE E IL PREZZO FUTURES DISTORTO

12 Effetto della crisi Modena, 22 Marzo 2012 Barbara Cardelli 12 Riduzione del campione al periodo 1998-2006 VincoliStatistica testP-value  =0 1,158890,281696  =1;  =010,18330,006148 CoefficientiStatistica testp-value -0,108122 (0,401281) -0,26940,7889 -0,0632194 (0,447057) -0,14140,8882 -0,0551455 (0,417510) -0,13210,8956 IL MERCATO DEL MAIS NON È EFFICIENTE E IL PREZZO FUTURES DISTORTO

13 Analisi in e out of sample Modena, 22 Marzo 2012 Barbara Cardelli 13 MSERMSERelative MSE FUTURES 4982,5970,59 1,00 RANDOM WALK 6012,8077,541,206 ECM 6015,2977,561,207 ECM-WLS 6239,5378,991,252 In-sample: Maggio1998- Dicembre 2004 Out-of-sample: Gennaio 2005-Dicembre 2011 Il prezzo futures emerge come migliore stimatore del prezzo spot atteso

14 Conclusioni Modena, 22 Marzo 2012 Barbara Cardelli 14 Risultati coerenti con la letteratura empirica analizzata Distorsione del prezzo futures dovuta a inefficienza e non all’esistenza di un premio al rischio variabile nel tempo Non si rileva differenza tra prima e dopo la crisi Non c’è evidenza di «finanziarizzazione» forte del mercato dei commodity futures Il prezzo futures ha un potere previsivo migliore del modello ECM

15 Vincoli all’ECM Modena, 22 Marzo 2012 Barbara Cardelli 15 VincoliStatistica testp-value 125,1575,91813e-027 127,1573,81662e-027 VincoliStatistica testp-value 0,4390380,50993 46,06084,42638e-016 7,094410,000338923 Vincoli posti all’ECM classico Vincoli posti all’ECM calcolato con minimi quadrati ponderati

16 Confronto con la letteratura Modena, 22 Marzo 2012 Barbara Cardelli 16 Chinn and Coibion (2010) Beck (1994) McKenzie and Holt (2002) Nostra analisi MetodoOLS e GARCHECM ECM e ARCH(1)-ECM ECM MercatoCMECBOT Periodo1990-20091966-19861959-19951998-2011 Efficiente (orizzonte di previsione) NO(3 mesi) NO(6 mesi) SI(2 mesi) NO(6 mesi) NO(2 mesi)