دانلود مقاله ISI انگلیسی شماره 111282
ترجمه فارسی عنوان مقاله

نفت و پیش بینی کوتاه مدت نوسانات بازگشت سهام

عنوان انگلیسی
Oil and the short-term predictability of stock return volatility
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
111282 2018 15 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Journal of Empirical Finance, Volume 47, June 2018, Pages 90-104

ترجمه کلمات کلیدی
نوسان نفت خام، نوسان سهام رگرسیون پیش بینی کننده، عملکرد خارج از نمونه، اهمیت اقتصادی،
کلمات کلیدی انگلیسی
Crude oil volatility; Stock volatility; Predictive regression; Out-of-sample performance; Economic significance;
ترجمه چکیده
هدف این مقاله نشان می دهد که نوسانات نفت خام از لحاظ بی ثباتی سهام در کوتاه مدت از دیدگاه های نمونه و خارج از نمونه پیش بینی می شود. پیش بینی پذیری نشان داده شده نیز از اهمیت اقتصادی برخوردار است، همانطور که در بررسی عملکرد اوراق بهادار ساخته شده بر اساس پیش بینی های نفتی نوسان متغیر نشان داده شده است. نتایج آزمونهای مقاومتی نشان می دهد که نوسانات نفت اطلاعات متنوعی را از متغیرهای کلان سنتی ارائه می دهد. تجزیه و تحلیل بیشتر نشان می دهد که رگرسیون خطی ساده برای گرفتن روابط پیش بینی بین نوسانات نفت و سهام کافی است. در طی دوره های اخیر، نوسانات نفتی پیش بینی می کند که نوسانات بازگشت در تعداد قابل توجهی از اوراق بهادار صنعت باشد.
پیش نمایش مقاله
پیش نمایش مقاله  نفت و پیش بینی کوتاه مدت نوسانات بازگشت سهام

چکیده انگلیسی

The goal of this paper is to show that crude oil volatility is predictive of stock volatility in the short-term from both in-sample and out-of-sample perspectives. The revealed predictability is also of economic significance, as shown by examining the performance of portfolios constructed on the oil-based forecasts of stock volatility. Results from robustness tests suggest that oil volatility provides different information from traditional macro variables. Further analysis shows that simple linear regression is sufficient for capturing predictive relationships between oil and stock volatility. Oil volatility is found to predict return volatilities of a significant number of industry portfolios during recent periods.