Institutional Money, Ausgabe 2 | 2024

bewegungen im restlichen Verlauf des Jahres 2022. Auch in diesem Fall steigt das Ineffizienzmaß sprunghaft an – aber wiederum erst nach dem steilen Rückgang, der auf den anfänglichen Preisanstieg folgt. Doch wie wirkt sich der Ölpreis auf die verschiedenen und markttechnisch relevanten Stimmungslagen aus? Um das zu bestimmen, ziehen die Autoren drei Unsicherheits- maße heran: Makro- und Finanzmarktunsicherheit, wie von Baker et al. im Jahr 2016 vorgeschlagen, und den „Global Economic Policy Uncertainty“-Index von Jurado et al. aus dem Jahr 2015. Die Verläufe dieser Unsicherheitsmaße sind im Vergleich zur WTI-Ineffizienz recht unterschiedlich: So gibt es 2007/2008 einen Aufwärtsschub bei der globalen wirtschaftspolitischen Unsicherheit, dem ein anhaltender Anstieg dieses Maßes folgt. Die Unsicherheit auf den Finanzmärkten scheint hingegen zu pendeln und zu den jeweiligen Ölturbulenzen auszuschlagen, um dann wieder in Richtung der Niveaus vor den Ineffizienzen zu sinken. Währungen Womit wir bei den Auswirkungen der Turbulenzen auf den Währungsmarkt angekommen wären. Die Autoren des bereits erwähnten Volatility-Spillover-Papers schätzen dabei zunächst einen statischen Spillover-Index basierend auf vek- torautoregressiven (VAR) Modellen. Dann wenden sie den neuen DCC-GARCH-Connectedness-Ansatz an, den David Gabauer 2020 in seiner Arbeit „Volatility impulse response analysis for DCC - GARCH models: The role of volatility transmission mechanisms“vorgeschlagen hat. Auf diese Wei- se wird eine zeitvariable Analyse ermöglicht, die die dynami- sche Verbindung zwischen WTI-Preisen, Shanghai-Rohöl- Futures und den Währungsmärkten untersucht. Am Ende des Rechenprozesses steht ein dynamischer Spillover-Index, der das Ausmaß der Überschwappeffekte abbildet. Die Autoren untersuchen den Volatilitäts-Spillover, indem sie sich auf eine Stichprobe der wichtigsten ölexportierenden und -importierenden Länder konzentrieren, wobei sie tägli- che Daten von 4.März 2018 bis 25. August 2023 verwenden. Sie analysieren diese Wechselwirkungen während vier Pha- sen: über die gesamte Stichprobe, vor Covid-19, während Covid-19 und während des russisch-ukrainischen Krieges. (Anm.: Beim Berichten der Ergebnisse beschränken wir uns auf die grafische Abbildung derselben. Die exakten Stärken der Rich- tungsvektoren, die angeben, von wo die Volatilität wie stark aus- tritt und wo sie auftritt, führen wir in den meisten Fällen aus Platzgründen nicht an) . Zunächst jedenfalls die Analyse des gesamten Beobach- tungszeitraums: Hier legen die Daten nahe, dass Übertra- Wie Volatilität zwischen Öl- und Währungsmarkt hin und her schwappt 1/2 Untersucht werden WTI, Shanghai Future und wichtige Währungen von Ölex- und -importeuren. Eine Veranschaulichung der Volatilitätskontaminierung zwischen Öl- und Währungsmärkten: oben der gesamte Beobachtungszeitraum von März 2018 bis August 2023, weiter unten der Zeitabschnitt von März 2018 bis zum Ausbruch von Covid. Über den gesamten Zeitraum ist die Krone von Ölexporteur Norwegen der wichtigste Auslöser von Volatilität. Quelle: CESifo, Rault et al. Japanischer Yen Britisches Pfund Norwegische Krone Norwegische Krone Schwedische Krone Dänische Krone Mexikanischer Peso Russischer Rubel Euro Shanghai-Rohöl-Futures Indische Rupie Chinesischer Yuan Japanischer Yen Britisches Pfund Norwegische Krone Schwedische Krone Dänische Krone Mexikanischer Peso Russischer Rubel Euro Shanghai-Rohöl-Futures Indische Rupie Chinesischer Yuan Japanischer Yen Britisches Pfund Schwedische Krone Dänische Krone Mexikanischer Peso Russischer Rubel Euro WTI-Rohöl Indische Rupie Chinesischer Yuan Norwegische Krone Japanischer Yen Britisches Pfund Schwedische Krone Dänische Krone Mexikanischer Peso Russischer Rubel Euro WTI-Rohöl Indische Rupie Chinesischer Yuan GESAMTE STICHPROBE VOR COVID Volatilitätsempfänger Volatilitätssender 132 N o . 2/2024 | institutional-money.com THEORIE & PRAXIS | Ölmarkt