Política de Recursos 86 (2023) 104194

Listas de contenidos disponibles en ScienceDirect

Política de recursos
Página web de la revista: www.elsevier.com/locate/resourpol

Eficiencia asimétrica en los mercados del petróleo antes y durante COVID-19

Muhammad Abubakr Naeem a,d, Saqib Faridb , Imran Yousaf c,d,1Sang Hoon Kang e,f,*
a College of Business and Economics, Universidad de los Emiratos Árabes Unidos, P.O. Box 15551, Al-Ain, Emiratos Árabes Unidos
b Escuela de Gestión Dr. Hassan Murad, Universidad de Gestión y Tecnología, Pakistán
c Facultad de Empresa y Gestión Pública, Universidad de Wenzhou-Kean, China

d Escuela de Negocios Adnan Kassar, Universidad Libanesa Americana, Beirut, Líbano

e Escuela de Negocios, Universidad Nacional de Pusan, Busan, República de Corea

f UniSA Business, Universidad de Australia Meridional, Adelaida, Australia

A R T Í C U L OE A B S T R A C T O
N F O R M A
Los mercados del petróleo se enfrentaron a retos excepcionales durante el periodo del brote. En este contexto,
Palabras clave: la dinámica de los precios en los mercados del petróleo también se vio influida significativamente por el
Mercados del petróleo
temible entorno y el riesgo sin precedentes experimentados durante la pandemia. En esta dirección, el estudio
Multifractalidad asimétrica
intenta investigar la dinámica de eficiencia de los mercados del petróleo antes y durante la pandemia de
Alta frecuencia
COVID-19 COVID-19. El estudio utiliza datos de alta frecuencia de cuatro grandes mercados del petróleo, a saber, el
Eficacia del mercado petróleo crudo, el petróleo Brent, el gasóleo y el gas natural. Para desvelar el comportamiento de escala
multifractal asimétrica de los mercados petrolíferos empleamos un enfoque ampliamente reconocido conocido
como análisis de fluctuación asimétrico-métrico multifractal detrended (A-MF-DFA). Los resultados
confirman la presencia de ineficiencias de mercado predominantes en los mercados del petróleo. De hecho,
los resultados sugieren que la multifractalidad asimétrica es más pronunciada durante las tendencias bajistas.
Asimismo, los resultados subrayan que la dinámica de la eficiencia del mercado en el sector del petróleo
depende del horizonte de inversión, de las condiciones del mercado y del comportamiento de los inversores. Y
lo que es más importante, el análisis por subperíodos de la era COVID-19 pone de manifiesto el deterioro de
la eficiencia de los mercados del petróleo. Además, el mercado del gas natural aparece como el más eficiente
antes y durante el periodo COVID- 19.

1. Introducción Además, el precio/barril del crudo Brent cayó de los 68 $ del 03 de

La pandemia de COVID-19 restringió las diversas actividades de
los seres humanos, afectando en última instancia a los mercados
financieros y a las economías. Muchos de los mercados financieros
descendieron bruscamente al inicio de la COVID-19, incluidas las
acciones (Baker et al., 2020; Yousaf y Ali, 2021; Naeem et al, 2020),
divisas convencionales (Naeem et al., 2023), criptomonedas (Naeem et
al., 2023; Yousaf y Yarovaya, 2022; Naeem et al., 2023; Karim et al.,
2023; Arfaoui et al., 2023)) y energía (Ji et al., 2020; Naeem et al.,
2023; Naeem et al., 2023; Alawi et al., 2023). De todos los mercados
financieros, el de la energía se ve extremadamente afectado por la
pandemia COVID-19. El precio del barril de petróleo crudo disminuyó
sin precedentes a -37 dólares y tocó su nivel más bajo de todos los
tiempos el 20 de abril de 2020 durante la fase inicial de la COVID-19.2
enero de 2020 a los 19 $ del 30 de marzo de 2020. El precio por galón
de gasóleo bajó de 2,034 dólares el 3 de enero de 2020 a 0,602 dólares
el 27 de abril de 2020. Los precios del gas natural cayeron
bruscamente de 2,12 $ el 3 de enero de 2020 a 1,55 $ el 30 de marzo de
2020. La caída extrema de los mercados energéticos aumenta la
incertidumbre y las pérdidas para los inversores durante el COVID-19.
Por lo tanto, es crucial investigar la dinámica de eficiencia variable en
el tiempo de los mercados del petróleo durante la pandemia para
ofrecer información útil a los inversores en el sector energético sobre
las oportunidades rentables y las estrategias de negociación en las
diferentes fases del brote de COVID-19.
En el presente estudio, examinamos la multifractalidad asimétrica
de los mercados del petróleo (Brent, WTI, Gas y Diesel) antes y
durante el COVID-19 utilizando datos de alta frecuencia. El análisis de
la multifractalidad calibra el nivel de eficiencia de los mercados, lo que
resulta útil para proporcionar

* Autor correspondiente. School of Business, Pusan National University, Jangjeon2-Dong, Ge-umjeong-Gu, Busan, 609-735, República de Corea.
Direcciones de correo electrónico: m.ab.naeem@gmail.com (M.A. Naeem), saqib.farid@umt.edu.pk (S. Farid), imranyousaf.fin@gmail.com (I. Yousaf),
sanghoonkang@pusan.ac. kr (S.H. Kang).
1 Imran Yousaf es el co-primer autor.

2 Fuente: https://www.eia.gov/.

https://doi.org/10.1016/j.resourpol.2023.104194
Recibido el 24 de agosto de 2022; Recibido en versión revisada el 10 de septiembre de 2023; Aceptado el 19 de septiembre de 2023
Disponible en línea el 25 de septiembre de 2023
0301-4207/© 2023 Elsevier Ltd. Todos los derechos reservados.
M.A. Naeem et al. Política de Recursos 86 (2023)
104194
utilizamos datos de alta frecuencia para el análisis, mientras que sólo
información útil a los inversores y a los reguladores del mercado sobre
la fore- Mensi et al. (2020) utilizan los datos de alta frecuencia para el análisis
poder de mercado, gestión del riesgo de cartera y estabilidad del de la multifractalidad del petróleo Brent en la literatura. Los datos de
mercado. Según la "hipótesis del mercado eficiente", los precios de los alta frecuencia proporcionan más hechos estilizados que los datos de
activos reflejan toda la información relevante y disponible, y cada baja frecuencia en el análisis de multifractalidad (Cao et al., 2014;
nueva información se ajusta en los precios instantáneamente, por lo
que no es posible batir al mercado (Fama, 1970, 1991; Fama y French, Mensi et al., 2019; Caporin et al., 2021; Cevik et al., 2022; Ali et al.,
1988; Lo y MacK- 2023).
inlay, 1988). Por el contrario, la presencia de multifractalidad ofrece Los resultados confirman la existencia de ineficiencias de mercado
pruebas en contra de la hipótesis de eficiencia de forma débil, predominantes en los mercados del petróleo. De hecho, las conclusiones
indicando la capacidad de prever rendimientos futuros a través de indican que la multifractalidad asimétrica es más prominente durante las
rendimientos pasados. tendencias a la baja.
Las contribuciones del presente estudio son tres. En primer lugar, el
estudio investiga la dinámica de la eficiencia de los mercados del
petróleo empleando el análisis de fluctuación asimétrica multifractal
detrended (A-MF-DFA), mientras que la mayoría de los estudios
anteriores emplearon los enfoques de multifractalidad simétrica
(Álvarez-Ramírez et al., 2002, 2008; Wang et al., 2010, 2019; Yuan et
al., 2014; Sensoy y Hacihasanoglu, 2014; Zheng y Lan, 2016; Yao et
al., 2020; Arshad et al., 2021; Saaˆdaoui, 2023; Huang et al., 2023;
Shrestha et al., 2023). El modelo A-MF-DFA presenta algunas
ventajas frente a los enfoques de multifractalidad simétrica (es decir,
MF-DFA). En primer lugar, el modelo A-MF-DFA se utiliza para probar la
eficiencia de forma débil, la memoria de largo alcance y el
comportamiento de paseo aleatorio en condiciones de mercado alcistas
y bajistas por separado (Naeem et al., 2021; Mensi et al., 2022). En
segundo lugar, mide la multifractalidad asimétrica tanto a corto como a
largo plazo para proporcionar información valiosa a los inversores y
operadores a largo plazo (Mensi et al., 2020). El análisis de la
multifractalidad simétrica presupone un comportamiento similar del
mercado en los momentos alcistas y bajistas. Sin embargo, los
inversores
responden de forma diferente a las señales bajistas y alcistas (Kim y
Nof- singer, 2007; Baur y Dimpfl, 2018; Wang y Wu, 2018). El
apetito por el riesgo de los inversores es diferente durante las con-
versiones alcistas y bajistas del mercado.
diciones (Mensi et al., 2020). Álvarez-Ramírez y Rodríguez (2015)
aportan pruebas de diferentes niveles de eficiencia durante las
condiciones de mercado alcistas y bajistas del crudo. Por lo tanto, es
importante investigar la multifractalidad asimétrica para proporcionar
información útil sobre la gestión del riesgo y la construcción de
carteras en condiciones de mercado tanto bajistas como alcistas.
En segundo lugar, nuestro estudio se centra en el examen de la
multifractalidad de cuatro mercados del petróleo antes y durante el brote de
COVID-19. Anteriormente Mensi et al. (2020) examinan la
multifractalidad de sólo el mercado de petróleo Brent durante el
COVID. Nuestro estudio amplía el trabajo de Mensi et al. (2020)
mediante el examen de la multifractalidad asimétrica de WTI, Gas, y
diesel, además del petróleo Brent en pre y durante los períodos de
muestra COVID-19. Además, varios estudios exploran la eficiencia de
varios mercados durante la COVID-19, es decir, el mercado de oro y
petróleo (Mensi et al., 2020), bonos verdes (Mensi et al., 2021),
múltiples clases de activos (Mensi et al., 2022a), futuros de metales
(Mensi et al., 2022b), mercados de renta variable MENA (Mensi et al.,
2022c), mercados spot de grano (Gao et al., 2022), renta variable
global (Saaˆdaoui, 2023). El efecto de la COVID-19 es diferente en
los distintos mercados de la energía, es decir, Yousaf (2021), Nguyen et
al. (2021) y Umar et al. (2022) encuentran que la transmisión de la
volatilidad es significativamente negativa (positiva) de la COVID-19
al mercado del petróleo crudo Brent (WTI), mientras que es
insignificante para el mercado del gas natural. Por lo tanto, la
multifractalidad también puede ser diferente en varios mercados de
petróleo (WTI, Brent, Gas y Diesel) durante la COVID-19. Nuestro
estudio se centra en la multifractalidad de varios mercados energéticos. Es
importante responder a las siguientes preguntas ¿Existen pruebas de
multifractalidad asimétrica en los distintos mercados del petróleo? ¿Si
las características de la multifractalidad varían según los mercados del
petróleo? ¿Si las características de multifractalidad varían antes y
durante los periodos de pandemia de COVID-19? En tercer lugar,
2
M.A. Naeem et al. eficiencia de los principales mercados energéticos
Política devaría con
Recursos 86 el tiempo
(2023)
Además, los resultados refuerzan que la eficiencia del mercado en el 104194
y los vencimientos de los contratos de futuros. De hecho, el grado de
sector del petróleo depende del horizonte de inversión, de las
eficiencia en los mercados de petróleo crudo y gas natural aumenta con
condiciones del mercado y del comportamiento de los inversores. Y lo
la disminución del tiempo hasta el vencimiento. Zhuang et al. (2014)
que es más importante, el análisis subperiódico del periodo COVID-19
emplean el enfoque MF-DFA para investigar la multifractalidad del
revela un deterioro de la eficiencia de los mercados petroleros.
mercado del petróleo crudo (WTI y Brent) y del carbono. Aportan
Además, el mercado del gas natural aparece como el mercado
pruebas de la multifractalidad en las series de rendimientos de los
petrolero más eficiente antes y durante el periodo COVID-19.
mercados del petróleo crudo y del carbono. Jiang et al. (2014) ilustran
El resto del documento se organiza de la siguiente manera: La
que el mercado de futuros de petróleo crudo se vuelve ineficiente tras
sección 2 trata de la bibliografía relacionada. La Sección 3 explica la
la crisis financiera mundial de 2008 y la guerra del Golfo. En general,
metodología utilizada en el estudio. La sección 4 presenta los datos y
los mercados de futuros de petróleo Bent resultan ser eficientes en su forma
el análisis inicial. La sección 5 recoge las pruebas empíricas y el
débil para toda la muestra.
debate, y la última sección concluye el estudio con implicaciones
políticas.

2. Revisión bibliográfica

Varios estudios han investigado la dinámica de eficiencia de los

mercados energéticos durante episodios de crisis y de no crisis. Más
concretamente, Alvar- ez-Ramírez et al. (2002) emplean el análisis
Multifractal Hurst para detectar la multifractalidad en los mercados de
crudo a diferentes escalas temporales. Descubren que tres puntos de
referencia del petróleo crudo son coherentes con la hipótesis del
paseo aleatorio en las escalas temporales inferiores, pero no en las
superiores. Serletis y Andreadis (2004) demuestran la existencia de
una estructura turbulenta multifractal aleatoria (fractal aleatorio) en
los precios del crudo WTI (gas natural). Álvarez-Ramírez et al.
(2008) utilizan el enfoque DFA para examinar la previsibilidad del
mercado del crudo y concluyen que el mercado del crudo es eficiente
a largo plazo. Sin embargo, también aportan pruebas de la
ineficiencia del mercado del crudo en horizontes a corto plazo.
Asimismo, Wang et al. (2010) emplean el modelo MF-DFA para
presentar pruebas sobre la autocorrelación de largo alcance en las
volatilidades del petróleo crudo WTI tanto para escalas temporales
grandes como pequeñas.
Gu et al. (2010) examinan el impacto de las guerras del Golfo en la
economía multi
fractalidad de los mercados del crudo WTI y Brent mediante el MF-
DFA
y concluyen que estos mercados son más eficientes a largo plazo. Los
resultados revelan claramente una influencia más pronunciada de la
guerra del Golfo en el mercado del petróleo Brent que en el del crudo
WTI. Momeni y Kourakis (2010) aplican el análisis de varianza con
ventana de escala, el análisis de rango reescalado y el análisis del
exponente de Hurst generalizado para el mercado de crudo WTI e
informan de la multifractalidad en el mercado de crudo WTI. He y
Chen (2010) emplean los enfoques MF-SSA y MF-DFA para probar
la multifractalidad en los mercados de crudo WTI y Brent, e informan
de la presencia de multifractalidad en ambos mercados. Además, las
pequeñas fluctuaciones de precios difieren considerablemente de las
grandes fluctuaciones de precios en ambos mercados. Wang et al.
(2011) comparan el rendimiento de los modelos basados en MF-DFA y
GARCH para examinar la memoria a largo plazo en la volatilidad de los
precios del crudo WTI. Llegan a la conclusión de que los modelos
basados en GARCH son los mejores para captar el proceso de
memoria a largo plazo en las volatilidades de los precios del crudo si
la escala temporal es superior a un año; de lo contrario, los modelos
basados en GARCH son inadecuados si la escala temporal es inferior a
un año. Wang y Wu (2013) comprueban la eficiencia de la forma débil
del mercado de petróleo crudo WTI utilizando el enfoque MF-DMA. Los
resultados revelan que el mercado del crudo es ineficiente tanto a corto
como a largo plazo. Además, los mercados de crudo son menos
ineficientes a corto plazo que a largo plazo. Yuan et al. (2014)
exploran la dinámica de eficiencia del mercado de petróleo Brent
empleando el análisis DFA, y los resultados sugieren que la
persistencia en los rendimientos del petróleo es pronunciada después
de la crisis financiera mundial de 2008.
Sensoy y Hacihasanoglu (2014) utilizan componentes de Hurst
dinámicos
para investigar la dinámica de la eficiencia de los futuros de los
mercados del crudo y el gas natural. Constatan que el grado de 3
M.A. Naeem et al. Política de Recursos 86 (2023)
104194
entre 1983 y 2012. Zhang et al. (2014) utilizan el modelo GAR-TGARCH 3. Metodología
dinámico para probar la eficiencia de los mercados al contado de petróleo
crudo de Europa, China, Estados Unidos y Emiratos Árabes Unidos. Las estimaciones de la fluctuación asimétrica multifractal detrended
Llegan a la conclusión de la eficiencia en cuatro mercados en todo el puede explicarse de la siguiente m a n e r a . En el primer paso, describimos
período de la muestra, pero también proporcionan pruebas de ineficiencia una serie temporal {x(t)}, t = 1,2,...,N. Construimos la trayectoria de la serie
en algunos períodos de tiempo más cortos. temporal x(t) del siguiente modo:
Khediri y Charfeddine (2015) ponen a prueba la "hipótesis del ∑t )
Y(t) = xj - x , t = 1, 2, ⋯, N, (1)
mercado eficiente j=1

en los mercados al contado y de futuros de la energía utilizando el ratio ∑

de varianza bootstrap donde x = N1N x(t).
t=1
Como es evidente en la Ec. (1) que la trayectoria o
y el enfoque DFA. Los resultados muestran que la eficiencia en los perfil se construye tomando la diferencia de cada observación x(t) y
mercados energéticos al contado y de futuros viene determinada por los valores medios de la serie temporal.
las condiciones políticas y económicas. Álvarez-Ramírez et al. (2015) En el segundo paso, el perfil y(j) derivado de la Ec. (1) y la serie x(t)
examinan las autocorrelaciones asimétricas utilizando el análisis de se dividen en Nn = int(N /n) partes continuas y no solapadas de la
misma longitud n. Aquí int (.) denota los números enteros. Siguiendo la
Hurst y descubren que la tendencia positiva de los precios muestra una bibliografía anterior, como Peng et al. (1994), los segmentos se
mayor persistencia en comparación con la tendencia negativa de los seleccionan entre N/4 y 5. En
precios en los mercados de petróleo crudo WTI. Zheng y Lan (2016) De este modo, la longitud del segmento final o último puede ser
utilizan el método MF-DFA para comparar la eficiencia del mercado inferior a n, ya que la longitud de la serie N no siempre es múltiplo de
de crudo con los mercados de petroleros. Los resultados muestran un n. Para guardar la pequeña parte de datos en los extremos del perfil, el
menor grado de ineficiencias de mercado en los mercados de crudo procedimiento del segmento se reitera a la inversa
que en los mercados de petroleros. Wang et al. (2019) comparan la y crea 2Nn número de segmentos. La j-ésima sub-serie temporal de
multifractalidad de los futuros de crudo chinos con los mercados de k=1
crudo Brent y WTI empleando el método MF-DFA. Encuentran que los
futuros del petróleo crudo chino revelan características de
multifractalidad. Además, los rasgos de multifractalidad de los futuros
del crudo chino son más fuertes que los del WTI, pero más débiles que
los del Brent.
Petróleo Brent. longitud n se presenta por Sj = {s perfilan de forma similar las sub-series
}j,kn temporales en
Yao et al. (2020) utilizan el enfoque MF-DFA para examinar la
j-ésimo intervalo de tiempo se denota por Yj =k=1 {y }i,k .
n
multifractalidad en los índices WTI, EPU y S&P 500 y aportan El tercer paso consiste en ajustar dos modelos de regresión lineal
pruebas de multifractalidad en estos índices. Arshad et al. (2021) b a s a d o s en el método de mínimos cuadrados ordinarios ( MCO).
utilizan el enfoque MF-DFA para probar la multifractalidad en Estos modelos lineales
diferentes mercados de petróleo crudo. Las pruebas revelan una
para cada segmento j-ésimo y perfil Yj pueden especificarse como:
eficiencia de forma débil en el mercado del petróleo Brent. De hecho,
se observa que los mercados de petróleo crudo son más eficientes ̂ sj,k = aj s + bj ks (2)
después de periodos de crisis, tras la crisis financiera mundial de 2008.
Zhuang y Wei (2022) comparan la eficiencia de distintos mercados y = ay j+ b kj y
̂j,k (3)
verdes y no verdes utilizando el modelo A-MF-DFA. Constatan que los donde las estimaciones ajustadas para S e Yj se dan como sj,k e y ,
mercados
los
al. verdes
mercados son relativamente
no verdes más
en diferentes eficientes de
condiciones quemercado.
los no verdes.
Aslam et
(2023) investigan la multifractalidad de los mercados de valores j ̂ ̂j,k
fronterizos y respectivamente. Además,j as in y ayj representan los interceptos jy bs y j
concluir la variación de la eficiencia a lo largo de varios mercados de by
simbolizan las pendientes de los modelos ajustados. La tendencia, ya sea
valores y del tiempo positiva o
horizontes. negativo, se determina mediante ̂ sj,k fluctuación o la varianza en cada
Por último, en la reciente pandemia COVID-19, Mensi et al. (2020)
se calcula como:
investi- garon la multifractalidad de los mercados del petróleo crudo n
Brent y del oro utilizando la
A-MF-DFA. Informan de que la multifractalidad aumenta con el 1 ∑ , )2j,k
Fj (n) =n y jk - ̂y (4)
aumento de la escala de fractalidad, y los mercados del petróleo Brent k=1
y del oro son muy ineficientes en el brote COVID-19. Además,
las diferentes
también tendencias de la multifractalidad en los mercados del
encuentran Para cada sub-serie temporal, j = 1, 2, ⋯, 2Nn .El cuarto paso
Brent y del oro en el periodo anterior a la pandemia y durante la consiste en evaluar
misma. Además, el mercado del petróleo Brent es más ineficiente en la correlación cruzada asimétrica. Para cada caso con tendencia
los momentos bajistas del mercado que en los momentos alcistas negativa y positiva de la serie x(t), se observan dos fluctuaciones.
Mientras que las fluctuaciones bidireccionales de orden q-ésimo
durante el p e r i o d o d e propagación del virus. Mensi et al, pueden expresarse
( como:
) )
(2021) exploran la multifractalidad asimétrica del mercado de bonos 1 ∑2Nn signo b + 1[ )1/q ∑2Nn
signo b + 1
verdes. ]
q/2
Fj (n)
q Sj
kets en la COVID-19 y concluye que los mercados de bonos verdes se F+ (n) , M+ = Sj
,
2
2
M+
vuelven más ineficientes después de la COVID-19. Mensi et al. = j=1 j=1

(2022a) examinan la influencia de la pandemia COVID-19 en la (5)

eficiencia de varios activos
clases y aportar pruebas de ineficiencias en varias clases de activos ( [ ) ] [ ) ]
durante el COVID-19. Mensi et al. (2022b) investigan la asimetría 1 ∑2Nn - signo b Sj- 1 [ q/2
)1/q ∑2Nn
- signo b - 1
Fj (n)
]
multifractality in the metals futures market and report that multi- F—
q (n) 2 , M— = Sj
,
2
M-
fractality is asymmetric and metals are more inefficient in the = j=1 j=1

downward trends. Gao et al. (2022) estiman la multifractalidad del spot (6)
de cereales
4
mercados y al.
M.A. Naeem et encontrar multifractalidad en las series de soja, maíz y Mientras que la tendencia positiva de lasPolítica de Recursos
funciones 86 (2023)
de fluctuación
cebada. 104194
Mensi et al. (2022c) examinan la multifractalidad asimétrica en el medias de orden q es
denotado por F+ (n) y la tendencia a la baja se presenta por F— (n) y así
q q
MENA equity markets and find majority markets as inefficient after en las Ecs (5)-(6) se utilizan para determinar el número de sub-series
the COVOD-19 pandemic. Saaˆdaoui (2023) explora el temporales con tendencias negativas y positivas,
comportamiento multifractal de los mercados de renta variable durante correspondientemente. Suponiendo que bx j =/
la COVID-19. Este estudio encuentra la multifractalidad sesgada en los
0 para todo j = 1, ⋯, 2Nn , entonces M+ + M— = 2Nn .
mercados de renta variable de EE.UU., Japón y algunos países de la Además, según el modelo clásico MF-DFA (Kantelhardt et al.,
Eurozona al comienzo de la COVID-19. Sobre la base de la literatura 2006), la función de fluctuación media simétrica de orden q-ésimo se
antes mencionada, sólo Mensi et al. (2020) examinan la calcula como:
multifractalidad del petróleo crudo Brent en la C O V I D - 1 9 , sin embargo a 1∑n )2
Fj (n) = y jk - ̂y (7)
lo mejor de nuestro conocimiento ninguno de los estudios han explorado la n k=1
, j,k

dinámicalade
durante la eficiencia
época de los mercados
de propagación del virus del petróleo.
utilizando datos de alta
frecuencia, por lo que
colmar esta laguna El quinto paso consiste en calcular las asimetrías del comportamiento
bibliográfica. escalar en las series temporales mediante el exponente de Hurst
generalizado. El escalado o ley de potencia

5
M.A. Naeem et al. Política de Recursos 86 (2023)
104194
se define como series de tendencia.
-
Fq(n) ∼ n H(q) ; F+ H + (q)
(n) ∼ n ;q F— H (q)
(n) ∼ n , (8)
q 4. Datos y análisis descriptivo

donde los exponentes de escala ascendente, descendente y global se
denotan por H+ (q), H— (q) y H(q), respectivamente. Estacionariedad
del
o el paseo aleatorio se determina a través de estos exponentes de Hurst
generalizados en orden q-ésimo. Comparable al MF-DFA convencional
-
los gráficos logarítmicos q(n) ,F q(n) y Fq(n) en función de n para cada
de F +
Para obtener resultados precisos y exactos sobre la multifractalidad
asimétrica de los mercados del petróleo, utilizamos datos de alta
frecuencia de los precios del petróleo. Esto nos proporciona suficientes
observaciones para examinar la eficiencia
dinámica de los mercados petroleros antes y durante la COVID-19
brote. Para e l l o , recopilamos datos de precios de cierre de 5 minutos de

se dispone de un único valor de q para analizar el escalado de las funciones
de fluctuación
comportamiento. Los valores de H+ (q), H— (q) y H(q) pueden estimarse
utilizando
el método de mínimos cuadrados ordinarios (MCO) basado en la forma
logarítmica. La correlación puede interpretarse mediante los valores del
exponente de Hurst. La serie se considera monofractal si los valores de H(q)
son constantes para todas las observaciones de q, en los demás casos se
considera multifractal. Además, la correlación en la serie temporal es
persistente o de larga memoria cuando
H(2) > 0,5, e s d e c i r , se espera un cambio grande (pequeño) en las
series
otro cambio grande (pequeño). Si H(2) = 0,5, la serie se considera
estocástica y presenta un recorrido aleatorio. Del mismo modo, si H+
(q) = H— (q), la correlación es simétrica, mientras que si H+ (q) /=
H— (q), la correlación en las series temporales es asimétrica. El grado
de asimetría ΔH(q) se define como:
ΔH(q) = H+ (q) - H— (q) (9)
Para una q específica, cuanto mayor sea el valor de ΔH(q) mayor será
el grado de asimetría. Si ΔH(q) > 0, entonces la persistencia de la
correlación es mayor en
la serie con tendencia al alza la serie con tendencia a la baja. Por el
contrario, si
ΔH(q) < 0, entonces el grado de persistencia es mayor a la baja
cuatro mercados del petróleo, incluidos el petróleo crudo, el petróleo
Brent, el gasóleo y el gas natural. El periodo total de la muestra
comienza el 23 de abril de 2018 y finaliza el 24 de abril de 2020.
Además, la muestra se divide a su vez en periodo prepandémico (del 23
de abril de 2018 al 30 de noviembre de 2020) y periodo pospandémico
(del 1 de diciembre de 2019 al 24 de abril de 2020). Además, para el
análisis se estiman los rendimientos intradía compuestos de forma
continua de los mercados del petróleo de la muestra.
La Fig. 1 muestra la evolución de los rendimientos intradía de los
mercados del petróleo durante el periodo de la muestra. El gráfico
muestra claramente un pico significativo durante el periodo de la
pandemia COVID-19 para todos los mercados del petróleo. Además,
los grupos de volatilidad son más pronunciados durante el periodo de
brote. Entre los mercados de la muestra, la mayor variación de precios
se observa en los mercados del petróleo Brent y del crudo. En
conjunto, los resultados muestran una clara diferencia entre las
dinámicas de rentabilidad y volatilidad de los mercados petroleros
antes y durante el periodo COVIDD-19.
En el Cuadro 1 se presentan las estadísticas resumidas de los
mercados petroleros. Los resultados muestran que todos los mercados
petrolíferos, salvo el del gas natural, registraron rentabilidades medias
negativas durante el periodo estudiado. Asimismo, los resultados
muestran que la desviación típica más elevada corresponde a

6
M.A. Naeem et al. Política de Recursos 86 (2023)
104194

Fig. 1. Evolución de los rendimientos intradía de los mercados del petróleo (1 de enero de 2019 a 28 de octubre de 2020) (a) Periodo de muestra completo
(i) Petróleo Brent (ii) Petróleo crudo.

7
M.A. Naeem et al. Política de Recursos 86 (2023)
104194

Cuadro 1 La multifractalidad aumenta con las escalas. Más concretamente, la

Estadísticas descriptivas y pruebas de raíz unitaria para los rendimientos multifractalidad en los mercados del petróleo varía en función de las
intradía. tendencias alcistas y bajistas del mercado. En este sentido, las pruebas
Petróleo Brent Petróleo Gas Diesel demuestran claramente la presencia de ineficiencias de mercado
Media -0.00028 -0.00017 8.36e-05 -0.00043 predominantes en los mercados del petróleo. Además, en todos los
Máximo 12.650 35.575 34.281 25.629 mercados del petróleo la multifractalidad a la baja domina a la
Mínimo -25.238 -47.461 -8.844 -19.178 multifractalidad al alza. Del mismo modo, Naeem et al. (2022) también
Desv. est. 0.2406 0.3731 0.2401 0.2229
muestran que la multifractalidad a la baja domina a la multifractalidad
Skewness -7.4550 -10.884 27.498 4.0969
Kurtosis 1306.12 3914.30 3866.13 2643.34
al alza en los mercados energéticos. Los resultados se corresponden
Jarque-Bera 7.87e+09*** 7.53e+10*** 6.85e+10*** 3.16e+10*** con la noción que aboga por una mayor ineficacia del mercado durante
ADF -243.05*** -45.991*** -340.86*** -94.025*** los períodos de recesión económica (Rizvi y Arshad, 2016). Los
KPSS 0.1181 0.0819 0.2523 0.1833 resultados implican que los inversores en el sector del petróleo deben
Notas: En la tabla anterior, el estadístico ADF presenta la prueba de raíz unitaria reconocer los diferentes patrones de precios que persisten durante las
Dickey y Fuller aumentada, mientras que KPSS significa prueba Kwiatkowski tendencias bajistas y alcistas para formular una mejor gestión del
Philipps Schmidt Shin. Ambas pruebas se emplean para comprobar el supuesto riesgo y las decisiones de inversión. Además, los resultados también
de estacionariedad. Asimismo, el rechazo de la hipótesis nula a un nivel de revelan que el patrón de multifractalidad asimétrica es algo similar en
significación del 1% se representa con ***. todos los mercados del petróleo; sin embargo, entre los mercados de la
muestra, el mercado del gas natural presenta la menor desviación de la
simetría.
Cuadro 2
En segundo lugar, el panel (b) muestra los resultados para el
Estimación de la dunámica de eficiencia del mercado utilizando MDM.
periodo pre COVID-19, similares a los resultados de toda la muestra
del panel (a). La evidencia obtenida confirma una vez más la
existencia de un efecto multivariado asimétrico.
Período Periodo Periodo tifractalidad en las series temporales de los mercados del petróleo, en
completo prepandémico pospandémico las que la multifractalidad a la baja domina sobre la multifractalidad al
de la
Petróleo alza. Además, observamos que la desviación de la asimetría es elevada
BrentEn general muestra
0.1536 0.1868 0.1256 en las escalas más grandes, lo que muestra un aumento de las
Hacia arriba 0.1812 0.2803 0.1138
ineficiencias del mercado a largo plazo. Naeem et al. (2023) también
Hacia abajo 0.2007 0.1933 0.2664
Petróleo
encontraron que en los mercados financieros la desviación de la
En general 0.1956 0.1617 0.1842 simetría es más notable en las escalas más altas. Las pruebas
Hacia arriba 0.2085 0.2539 0.1498 presentadas siguen en cierto modo el argumento de Al-Yahyaee et al.
Hacia abajo 0.2699 0.1614 0.3227 (2018) de que los participantes en los mercados financieros tienden a
Gas
centrarse en la persistencia a largo plazo de los precios de los activos,
En general 0.2868 0.1496 0.3072
Hacia arriba 0.3438 0.2254 0.3442 lo que se traduce en un mayor grado de comportamiento asimétrico a
Hacia abajo 0.1920 0.1143 0.1789 largo plazo. Además, una vez más los resultados destacan que entre
Diesel todos los mercados del petróleo, el mercado del gas natural muestra un
En general 0.1435 0.1820 0.1820
grado mínimo de multifractalidad asimétrica. De este modo, los
Hacia arriba 0.1557 0.2487 0.1621
Hacia abajo 0.2319 0.1070 0.2602
resultados ponen de manifiesto la oportunidad de utilizar el mercado
del gas natural como cobertura y como activo refugio para otros
mercados del petróleo. Recientemente, Farid et al. (2021) y Bagheri et
al. (2022) también hacen hincapié en el papel de cobertura y refugio
del mercado del gas natural, en particular durante el brote de COVID-19.
Notas: En la tabla anterior, los mercados de petróleo más ineficientes para investigar la fractalidad de los mercados petrolíferos trazando la
diferentes
Las tendencias del mercado y las submuestras se destacan mediante valores en Funciones A-MF-DFA Fq (n) frente a la escala temporal (n) de la
negrita. cuatro series temporales. El panel (a) de la Fig. 2 muestra los resultados
para todo el
mercado del petróleo crudo, seguido del petróleo Brent y el gas periodo de muestra. El valor de la escala temporal n oscila entre 1 y 4.
natural. Y lo que es más importante, los resultados muestran grandes Los puntos negros de la figura representan la tendencia general de la
variaciones de precios en los mercados del petróleo a lo largo del multifractalidad en los mercados del petróleo. En cambio, los puntos
periodo estudiado, lo que en cierto modo pone de relieve el entorno de verdes y rojos ilustran las tendencias al alza y a la baja en el sector
alto riesgo y las pérdidas financieras asociadas en el sector petrolero. petrolero.
Además, los resultados de asimetría, curtosis y Jarque-Bera para los En primer lugar, presentamos la dinámica de eficiencia de los
mercados del petróleo muestran que todas las series de rendimientos mercados del petróleo para el periodo de estudio completo. Los
siguen una distribución no normal. Además, el estudio emplea la resultados revelan que la multifractalidad en los mercados del petróleo
prueba de raíz unitaria de Dickey y Fuller aumentada (ADF) para aumenta con la escala temporal. Los resultados son coherentes con las
estimar la estacionariedad de las variables. Los resultados de las conclusiones de Mensi et al. (2021), que también revelan que
estadísticas ADF revelan que todas las series temporales de los
mercados del petróleo son estacionarias (la media y la varianza son
constantes) (véase el Cuadro 2).

5. Resultados empíricos

5.1. Multifractalidad asimétrica de los mercados del petróleo

En consonancia con las investigaciones anteriores sobre la

dinámica de la eficiencia de los mercados financieros (por ejemplo, Lee
et al., 2017; Mensi et al., 2019; Naeem et al., 2021), comenzamos a
8
M.A.En tercer
Naeem et al.lugar,los resultados sobre la dinámica de eficiencia de los Política de Recursos 86 (2023)
mercados del petróleo 104194
durante el periodo del brote COVID-19 se presentan en el Panel (c).
Los resultados para la época de la pandemia revelan que las
ineficiencias de mercado en los mercados del petróleo se dispararon
durante el brote, especialmente bajo las tendencias a la baja. Las
pruebas obtenidas ponen de relieve el impacto significativo del brote
de COVID-19 en la dinámica de la eficiencia de los mercados del
petróleo, al igual que otros mercados financieros. Además, los
resultados se ven corroborados por la evidencia presentada por Mensi
et al. (2022a), que también informan de mayores ineficiencias de
mercado para las principales clases de activos en tendencias a la baja
durante la pandemia de COVID-19. De forma similar, Naeem et al.
Del mismo modo, Naeem et al. (2022) también muestran mayores
ineficiencias de mercado persisten en los mercados de energía limpia
y sucia durante el período del brote. De este modo, los resultados se
ajustan a la literatura que sugiere una disminución de los niveles de
eficiencia en los mercados financieros durante los períodos de crisis
(Rizvi y Arshad, 2016; Naeem et al., 2021; Mensi et al., 2022b).
El exceso de multifractalidad asimétrica en los mercados del petróleo se
muestra en la Fig. 3, donde el exceso de asimetría se define como ΔH(q) =
H+ (q) - H— (q). A este respecto, si ΔH(q) se aproxima a cero, entonces
multi-
se cree que la fractalidad es simétrica en los mercados del petróleo,
mientras que un valor creciente de ΔH(q) describe un mayor grado de
comportamiento asimétrico. Además, el valor positivo de ΔH(q)
describe que la muestra de petróleo
los mercados generan grandes correlaciones cruzadas en las
tendencias positivas en comparación con las negativas. Los resultados
de nuestra muestra completa confirman la existencia de un exceso de
multifractalidad asimétrica en los mercados del petróleo. Esto valida
el uso del enfoque subyacente para explorar la dinámica de la
eficiencia en los mercados del petróleo. Además, de forma similar a los
resultados presentados anteriormente, los resultados sugieren una vez
más que la multifractalidad asimétrica negativa domina los mercados
del petróleo, ya que se observan valores negativos de multifractalidad
asimétrica en todas las escalas. Los resultados implican que persiste
un mayor grado de ineficiencias de mercado durante las tendencias a
la baja que durante las tendencias al alza en los mercados del petróleo.
Una posible explicación podría ser

9
M.A. Naeem et al. Política de Recursos 86 (2023)
104194

Fig. 2. Funciones MF-DFA asimétricas f2 (n) frente a la escala temporal (n) para los rendimientos intradía de los mercados del petróleo.

Para seguir explorando la multifractalidad asimétrica en petro-

que el alto nivel de contagio del mercado provoca un aumento de las
ineficiencias en los mercados del petróleo durante los periodos de
desaceleración. Y lo que es más importante
El análisis de submuestras de la propagación del virus COVID-19 muestra
que los valores positivos crecientes de ΔH(q) dominan durante la época
de la pandemia, lo que desvela el aumento de las ineficiencias en los
mercados del petróleo. Cuanto más ineficiente
El comportamiento de los mercados del petróleo durante este periodo
de tiempo apunta hacia una influencia catastrófica de la pandemia en la
dinámica de precios de los mercados energéticos. Mensi et al. (2021)
también reconocen que la pandemia COVID-19 es el principal factor
de ineficiencia en los mercados de bonos verdes.
10
M.A. Naeem et al. Política de Recursos 86 (2023)
leum trazamos los exponentes de Hurst generalizados. Los exponentes 104194
de Hurst generalizados H(q), H+ (q) y H— (q) representan los valores
de q,
donde los valores de q varían típicamente entre -4 y 4. En la Fig. 4, el
La tendencia general se representa con puntos negros, y los círculos
rojos, al alza.
y los triángulos verdes muestran tendencias a la baja. De los
resultados se desprende que los valores de los componentes de Hurst
varían significativamente según las tendencias del mercado y las
escalas temporales, lo que pone de manifiesto las ineficiencias que
prevalecen en los mercados del petróleo, independientemente de las
condiciones del mercado. En este sentido, los resultados coinciden
con los de Zhuang y Wei (2022), que también muestran una
multifractalidad significativa tanto en las tendencias alcistas como en
las bajistas.

11
M.A. Naeem et al. Política de Recursos 86 (2023)
104194

Fig. 3. Exceso de asimetría en la multifractalidad de los rendimientos intradía de los mercados del petróleo
Notas:El eje X representa la escala temporal n, que varía de 5 a N/4 (donde N es el número de observaciones de la serie temporal). El eje y representa la diferencia entre log2(f+
(n)) y log2(f— (n)). 2 2

tendencias del mercado y diferentes escalas temporales. Asimismo, q es pequeño y

observamos que el valor de los componentes de Hurst disminuye con
el aumento del valor de q. De hecho, los resultados de eficiencia para
los mercados del petróleo sugieren la persistencia de q pequeñas y
co-movimientos gradualmente decrecientes durante todos los tipos de
tendencias del mercado (global, alcista y bajista). Además, los
resultados también muestran que el
(una gran diferencia significa asimetría) entre los componentes de
Hurst para tendencias positivas y negativas es más pronunciada cuando
12
se hace menor a medida que q aumenta para todos los mercados del
M.A. Naeem et al. Política de Recursos 86 (2023)
104194
petróleo. Esto indica que la asimetría de la correlación es mayor para
las fluctuaciones pequeñas a medida que
en comparación con las grandes fluctuaciones de todos los mercados
del petróleo. Curiosamente, los resultados también muestran que la
brecha entre los componentes de Hurst es menos prominente para el
mercado del gas natural, lo que sugiere un menor grado de
ineficiencia del mercado del petróleo subyacente. Esto confirma una
vez más el papel de diversificación y cobertura del mercado del gas
natural.

13
M.A. Naeem et al. Política de Recursos 86 (2023)
104194

Fig. 4. Gráficos de los exponentes de Hurst para los rendimientos intradía

Notas:Esta figura muestra la tendencia de H(q) global, H+ (q) ascendente y H— (q) descendente frente a q (q = -10, -9, ..., 9, 10).

pandémica. Además, los resultados

frente a otros mercados del petróleo. Además, el análisis de
submuestra del periodo del brote COVID-19 revela un impacto
significativo de la pandemia en la dinámica de la eficiencia de los
mercados del petróleo. Los resultados muestran que las ineficiencias
del mercado en el sector del petróleo aumentaron durante el brote, ya
que observamos una gran diferencia entre los componentes de Hurst
para las tendencias positivas y negativas en comparación con todo el
período de la muestra. Los resultados confirman una vez más el
deterioro de la eficiencia de los mercados del petróleo durante la crisis
14
M.A. Naeem et al. Política de Recursos 86 (2023)
muestran una eficiencia superior del mercado del gas natural sobre 104194
otros mercados del petróleo incluso durante el periodo pandémico.
La Fig. 5 muestra el espectro multifractal de f(α), f+ (α) y f — (α)
frente a la intensidad de la singularidad, α, ilustrando las tendencias
generales, positivas y negativas, de los mercados del petróleo. El
gráfico ofrece información crucial sobre las características
multifractales asimétricas de las series temporales de los mercados del
petróleo estudiados. A este respecto, la amplitud del espectro establece
la magnitud de la ineficiencia. Además, en el caso del monofractal puro

15
M.A. Naeem et al. Política de Recursos 86 (2023)
104194

Fig. 5. Espectro multifractal asimétrico de los rendimientos intradía de los mercados del petróleo.

la serie temporal converge a un punto en el que α = H (representa el
exponente de Hurst clásico) y f(α) = 1. De hecho, el proceso sigue el
modelo de cascada multiplicativa con componentes de Hurst
generalizados esti- q +dq
mados mediante la siguiente fórmula H(q) =1 -log(c )
. En el
q qlog(2)
un número infinito de exponentes, H(q), se describen únicamente
mediante dos parámetros independientes, c y d. En consecuencia, la
fuerza de multifractalidad (QUOTE) se determina restando los valores
máximo y
valores mínimos de α y no está limitado por el intervalo q. Por lo tanto, en el

16
M.A. Naeem et al.
modelo de cascada multiplicativa, la fuerza de multifractalidad se define
como Δ
α = logc - logd/log 2.
En primer lugar, el panel (a) de la Fig. 5 presenta los resultados
para todo el periodo. La forma parabólica inversa del espectro
multifractal para todos los mercados petrolíferos confirma aún más la
presencia de multifractalidad. Además, la típica figura en forma de
joroba confirma las características multifractales de las series
temporales. Además, la anchura del espectro multifractal de las
tendencias negativas es mayor que las tendencias generales y positivas
del mercado. Además, los resultados muestran una vez más que el
mercado del gas natural presenta el nivel más bajo de características
multifractales entre todos los mercados del petróleo. Los resultados
muestran que, aunque todos los mercados del petróleo son ineficientes,
el del gas natural es más estable que los demás. Además, los resultados
destacan de nuevo el papel de cobertura del mercado del gas natural en
el sector del petróleo. Nuestro análisis por submuestras de antes y después
de la coevid-19 también ha revelado resultados similares.
5.2. Eficiencia variable en el tiempo de los mercados del petróleo
Para evaluar el grado de eficiencia del mercado, seguimos a Wang et al.
(2019) para calcular la medida de eficiencia del mercado (MDM) de la
siguiente manera:
1 mercados del petróleo Brent y del crudo son en gran medida
MDM = (|h(-4) - 0,5| + |h(+4) - 0,5|). (10)
2 (global, alcista y bajista) durante todo el periodo de la muestra y los
En lo anterior, los componentes de escala H(-4) y H(+4) representan
pequeñas y grandes fluctuaciones, respectivamente. En este contexto, se
dice que un mercado es
eficiente, si todas las fluctuaciones (pequeñas o grandes) siguen un
proceso de paseo aleatorio, lo que significa que el valor de H(q) es
igual a 0,5 para todos los valores de q. En este espíritu, si el valor de MDM
es próximo a cero, entonces el mercado
se considera altamente eficiente, mientras que un valor grande de MDM
marca una alta ineficiencia del mercado.
La Tabla 3 presenta la eficiencia de los mercados petrolíferos
utilizando la medida MDM para el periodo completo y los subperiodos.
En primer lugar, se ilustran los resultados del periodo completo, que
muestran que el mercado del gasóleo es el más eficiente en términos de
tendencias generales y alcistas en comparación con otros mercados del
petróleo. Por el contrario, observamos que durante las tendencias a la
baja el mercado del gas natural es el más eficiente. Los resultados
validan nuestras conclusiones presentadas anteriormente e indican una
mayor eficiencia del mercado del gas natural durante los periodos
marcados por tendencias bajistas. De este modo, los resultados
corroboran la idea de que el mercado del gas natural puede utilizarse
eficazmente para cubrir los riesgos a la baja de otros mercados del
petróleo. Los resultados se apoyan en las conclusiones de Mensi et al.
(2021b), que destacan el potencial de divaricación y cobertura del
mercado de gas natural. Del mismo modo, nuestro análisis de
submuestra de la era pre COVID-19 también muestra que el mercado de gas
natural es el mercado de petróleo más eficiente en términos de tendencias
generales, alcistas y bajistas. La dirección
Cuadro 3
Resultados de la prueba de la hipótesis nula para H (q
= 2) = 0,5
Período de la muestra completa
Petróleo Brent
En general 0.5466 [0.591]
Hacia arriba -0.8926 [0.382]
Hacia abajo 1.8802* [0.074]
Petróleo
En general 0.0181 [0.985]
Hacia arriba -0.5225 [0.607]
10
Política de Recursos 86 (2023)
104194
Los resultados subrayan una vez más el bajo riesgo y la naturaleza
estable del mercado del gas natural en comparación con otros
mercados del petróleo. Como era de esperar, durante el periodo de
propagación del virus la eficiencia en todos los mercados del petróleo
disminuye, lo que pone de manifiesto el impacto adverso de la
pandemia en los mercados del petróleo. Los resultados están en línea
con la literatura que documenta la influencia negativa del brote en la
dinámica de eficiencia de los mercados financieros (por ejemplo,
Naeem et al., 2021; Mensi et al., 2021a; Lee et al., 2017; Liu y Lee,
2021). Los resultados concuerdan con la idea de que las condiciones
económicas impredecibles provocan mayores ineficiencias de mercado
(Lee et al., 2017). Curiosamente, los resultados muestran que durante
el periodo del brote de COVID-19 el mercado del crudo es el más
ineficiente de todos los mercados del petróleo. Los resultados se
corresponden con los acontecimientos que tuvieron lugar en las
primeras etapas de la pandemia, cuando los precios del crudo tocaron
fondo debido a la extrema disminución de la demanda. De hecho, el
precio del crudo se redujo drásticamente a menos de 20 dólares por
barril debido. En general, la variación del nivel de eficiencia durante
las tendencias al alza y a la baja tiene implicaciones cruciales
relacionadas con la gestión del riesgo y la asignación de activos para
los inversores del sector energético.
La Tabla 3 presenta los resultados de la hipótesis nula de un
mercado eficiente para los mercados del petróleo bajo diferentes
tendencias de mercado. Los resultados muestran claramente que los
ineficientes en términos de todos los tipos de tendencias del mercado
subperiodos. Los resultados ponen de manifiesto la naturaleza volátil
del mercado del petróleo y la incertidumbre reinante sobre los precios.
Del mismo modo, los resultados también muestran que el mercado del
gasóleo es predomi- nantemente ineficiente durante los movimientos al
alza y a la baja. Por el contrario, los resultados muestran que el
mercado del gas natural es eficiente durante las tendencias bajistas
durante el periodo completo y los subperiodos. En cierto modo, estos
resultados indican que el mercado del gas natural es un refugio seguro
para diversificar y cubrir los riesgos de otros mercados del petróleo.
Además, el Cuadro 4 presenta la prueba de robustez para la
heterogeneidad de las pendientes, y los resultados confirman nuestras
principales conclusiones.
6. Conclusiones e implicaciones políticas
Tras el anuncio de COVID-19 como pandemia mundial se produjo un
brusco descenso de los mercados financieros internacionales. Del
mismo modo, los mercados energéticos también atravesaron
dificultades excepcionales durante el periodo del brote. Además, la
dinámica de los precios en los mercados energéticos también se vio
influida significativamente por el temible entorno y el riesgo sin
precedentes experimentados durante la pandemia. En este contexto, es
razonable anticipar que los factores pandémicos habrían causado
ineficiencias de precios en los mercados del petróleo. Con este espíritu,
el estudio explora la dinámica de la eficiencia de los mercados del
petróleo antes y después de la pandemia COVID- 19. Para nuestra
investigación, obtenemos datos de alta frecuencia de cuatro importantes
mercados del petróleo, a saber, petróleo crudo, petróleo Brent, gasóleo y
Período prepandémico Período pospandémico
-2.0667* [0.051] -1.2398 [0.229]
-3.7884*** [ 0 .001] -3.1436*** [ 0 .005]
1.9151* [0.069] 2.2915** [0.032]
-1.3333 [0.197] -1.6777 [0.109]
-3.5052*** [0.002] -1.9648* [0.063]
M.A. Naeem et al. Hacia abajo 1.7719* [0.091] 3.0077*** [0.007] Política de 0.4411
Recursos[0.663]
86 (2023)
Gas 104194
En general -2.0258* [0.056] 2.3410** [0.029] -1.4261 [0.169]
Hacia arriba -0.5142 [0.612] 3.4501*** [0.002] -0.7507 [0.461]
Hacia abajo -1.6761 [0.109] 2.9826 [0.007] -0.8200 [0.421]
Diesel
En general 0.8223 [0.420] -1.1356 [0.269] 0.2958 [0.770]
Hacia arriba -0.5709 [0.574] -2.3639** [0.028] -0.8587 [0.400]
Hacia abajo 0.2528** [0.020] 2.0367* [0.055] 1.4571 [0.160]

Notas: En el cuadro anterior, el rechazo de las hipótesis nulas al 10%, 5% y 1% se indica con *, ** y ***, respectivamente.

10
M.A. Naeem et al. Política de Recursos 86 (2023)
104194

Cuadro 4
Pruebas robustas de heterogeneidad de las pendientes.
Pruebas de igualdad de Pruebas de varianza de
medias igualdad
Satterthwaite-Welch Anova Bartlett Levene Brown-Forsythe

Petróleo Brent
Período completo de la muestra 151.28*** [0.000] 128.37*** [0.000] 3.7945 [0.434] 1.7711 [0.184] 1.4358 [0.267]
Periodo prepandémico 353.10*** [0.000] 121.68*** [0.000] 6.8908 [0.142] 2.6862* [0.069] 2.4165* [0.091]
Periodo pandémico 82.647*** [0.000] 100.08*** [0.000] 8.1989 [0.042] 2.9215* [0.063] 2.6607* [0.081]
Petróleo
Período completo de la muestra 205.67*** [0.000] 74.901*** [0.000] 0.1355 [0.987] 1.0752 [0.386] 0.7944 [0.513]
Periodo prepandémico 137.81*** [0.000] 102.64*** [0.000] 4.0550 [0.255] 1.7292 [0.198] 1.1270 [0.366]
Periodo pandémico 123.80*** [0.000] 79.153*** [0.000] 2.6959 [0.441] 1.9665 [0.157] 1.8876 [0.170]
Gas
Período completo de la muestra 342.83*** [0.000] 149.14*** [0.000] 7.3177 [0.120] 2.4112 [0.120] 1.9746 [0.147]
Periodo prepandémico 438.81*** [0.000] 90.426*** [0.000] 8.9975 [0.109] 3.3046** [0.032] 2.8443* [0.053]
Periodo pandémico 157.09*** [0.000] 93.795*** [0.000] 7.9425* [0.093] 3.0903* [0.046] 2.7353* [0.065]
Diesel
Período completo de la muestra 84.343*** [0.000] 116.70*** [0.000] 1.0746 [0.898] 0.7289 [0.585] 0.6829 [0.613]
Periodo prepandémico 302.66*** [0.000] 134.64*** [0.000] 6.7976 [0.147] 2.4554** [0.087] 2.1031 [0.127]
Periodo pandémico 82.853*** [0.000] 66.667*** [0.000] 2.8985 [0.234] 2.6412* [0.098] 1.8254 [0.189]

Notas: En la tabla anterior se ilustran las pruebas de igualdad de medias (estadísticos Satterthwaite-Welch y Anova) y las pruebas de igualdad de varianzas (Bartlett,
Levene y Brown-Forsythe) para los exponentes de Hurst al alza y a la baja. Asimismo, el rechazo de las hipótesis nulas al 10%, 5% y 1% se indica con *, ** y ***,
respectivamente.

centradas en mejorar la transparencia y la seguridad en el sector del

gas natural. Para explorar el comportamiento multifractal asimétrico de
petróleo. Esto mejorará la eficiencia general del mercado y reducirá sus
los mercados del petróleo utilizamos un enfoque ampliamente
fallos en periodos de crisis económica. Estas iniciativas también
reconocido de A-MF-DFA.
reforzarán la confianza institucional y de los inversores en estos
Los resultados del estudio revelan la persistencia de ineficiencias
mercados en tiempos turbulentos. En segundo lugar, la experiencia nos
de mercado (multifractalidad asimétrica) en los mercados del petróleo.
dice que la dinámica de la eficiencia en los mercados del petróleo
Las conclusiones abogan por que los inversores sean conscientes de las
depende de las tendencias y condiciones del mercado, por lo que los
ineficiencias de precios existentes en los mercados del petróleo para
inversores deben comprobar cuidadosamente el comportamiento de los
aprovechar las patentes explotables. Los resultados también indican
precios en los mercados del petróleo para determinar si se han producido
que las ineficiencias de precios en el sector del petróleo son más
cambios.
prominentes en las tendencias a la baja. De hecho, los resultados
indican que la eficiencia de los mercados del petróleo está sujeta a
factores como el horizonte temporal de la inversión, las tendencias del
mercado y las condiciones. De este modo, las conclusiones subrayan
que la eficiencia en el sector petrolero viene determinada por las
circunstancias económicas y financieras, los sentimientos de los
inversores y el horizonte de inversión. Asimismo, el análisis
comparativo de la eficiencia de los mercados petrolíferos pone de
relieve la superior eficiencia del mercado del gas natural sobre los
demás grandes mercados petrolíferos, especialmente durante las
tendencias a la baja. De este modo, los resultados refuerzan la
naturaleza estable del mercado del gas natural entre los mercados
petrolíferos de la muestra. Además, los resultados también muestran
claramente la naturaleza variable en el tiempo de las eficiencias de
mercado en el sector del petróleo. Y lo que es más importante, los
resultados ilustran el aumento de las ineficiencias del mercado del
petróleo durante la pandemia. En este sentido, las pruebas muestran el
impacto adverso del brote de COVID-19 en la dinámica de la
eficiencia de los mercados del petróleo. Sin embargo, entre los
mercados energéticos de la muestra, el mercado del gas natural fue el
mercado del petróleo más eficiente durante la pandemia. Los
resultados indican en cierto modo que los inversores y los gestores de
carteras pueden utilizar el mercado del gas natural para diversificar las
incertidumbres sobre los precios en otros mercados del petróleo.
Las pruebas obtenidas tienen diversas implicaciones para la
regulación de la energía.
tores y participantes en el mercado del sector petrolero. Los resultados
postulan claramente que los precios del petróleo no siguen la hipótesis
clásica del movimiento browniano geométrico. De ahí que los
participantes en el mercado deban reconocer posibles pautas
aprovechables en los mercados del petróleo para crear oportunidades
de arbitraje eficaces. Además, en vista de la persistencia de patrones
explotables en los mercados del petróleo, especialmente durante las
crisis como el brote de COVID-19, los responsables de la política
energética y los reguladores deberían poner en marcha políticas

11
M.A. Naeem et al. Política de Recursos 86 (2023)
tomar decisiones más prudentes en materia de gestión de riesgos y 104194
asignación de activos. A la luz de estas ineficiencias imperantes en el
sector petrolero, los responsables de la política energética y los
reguladores deberían promover alternativas a los combustibles fósiles
respetuosas con el clima. Aunque tanto los mercados sucios como los
respetuosos con el clima se ven afectados por las ineficiencias del
mercado, el sector de las energías limpias presenta un menor grado de
ineficiencias y más beneficios para el clima que su homólogo
tradicional. En este sentido, las políticas que se centran en ampliar las
sub- sidies para las energías limpias estimularán la rápida expansión
del sector de las energías limpias y garantizarán una transición fluida
hacia una economía global respetuosa con el clima. Además, la
investigación futura debería centrarse en comparar los niveles de
eficiencia de los mercados del petróleo y sus alternativas limpias para
comprender mejor la dinámica de eficiencia de los mercados
subyacentes y sus ramificaciones para las economías y los inversores
mundiales.

Declaración del autor del crédito

Muhammad Abubakr Naeem: Conceptualización, Redacción

borrador original, Redacción-revisión final, Saqib Farid: Metodología,
Redacción - Revisión y Edición, Imran Yousaf: Recopilación de
datos, Análisis de datos e investigación, Sang Hoon Kang:
Supervisión, Investigación, Obtención de financiación, Redacción -
Revisión y edición.

Declaración de intereses competitivos

Los autores declaran que no tienen intereses económicos ni

relaciones personales que pudieran haber influido en el trabajo
presentado en este artículo.

Disponibilidad de datos

Los datos se facilitarán previa solicitud.

Agradecimientos:

El último autor agradece el apoyo financiero del Ministerio de

Educación de la República de Corea y de la Fundación Nacional de
Investigación de Corea (NRF-2022S1A5A2A01038422).

Referencias

Alawi, S.M., Karim, S., Meero, A.A., Rabbani, M.R., Naeem, M.A., 2023. Información
transmisión en los mercados regionales de valores energéticos. Environ. Sci. Pollut.
Control Ser. 30 (15), 43000-43012.
Ali, S., Moussa, F., Youssef, M., 2023. Connectedness between cryptocurrencies using
high-frequency data: a novel insight from the Silicon Valley Banks Collapse.
Finance Res. Lett., 104352

12
 M.A. Naeem et al.
Álvarez-Ramírez, J., Rodríguez, E., 2015. Autocorrelaciones asimétricas a largo plazo en
los mercados de crudo. Phys. Stat. Mech. Appl. 424, 330-341.
Álvarez-Ramírez, J., Álvarez, J., Rodríguez, E., 2008. Predictibilidad a corto plazo del
crudo
oil markets: a detrended fluctuation analysis approach. Energy Econ. 30 (5), 2645-
2656.
Álvarez-Ramírez, J., Álvarez, J., Rodríguez, E., 2015. Autocorrelaciones asimétricas a
largo plazo en los mercados de crudo. Phys. Stat. Mech. Appl. 424, 330-341.
Alvarez-Ramirez, J., Cisneros, M., Ibarra-Valdez, C., Soriano, A., 2002. Análisis
multifractal Hurst de los precios del crudo. Phys. Stat. Mech. Appl. 313 (3-4), 651-
670.
Al-Yahyaee, K.H., Mensi, W., Yoon, S.M., 2018. Efficiency, multifractality, and the long-
propiedad de memoria del mercado Bitcoin: un análisis comparativo con los mercados
de acciones, divisas y oro. Finance Res. Lett. 27, 228-234.
Arfaoui, N., Naeem, M.A., Boubaker, S., Mirza, N., Karim, S., 2023. Interdependence of
energía limpia y mercados verdes con criptomonedas. Energy Econ. 120, 106584.
Arshad, S., Rizvi, S.A.R., Haroon, O., Mehmood, F., Gong, Q., 2021. ¿Son eficientes los
precios del petróleo? Econ. Modell. 96, 362-370.
Aslam, F., Ferreira, P., Mohti, W., 2023. Investigación de la eficiencia de los mercados de
valores fronterizos
mediante el análisis multifractal de fluctuaciones detrendentes. Int. J. Emerg.
Mark. 18 (7), 1650-1676.
Bagheri, E., Ebrahimi, S.B., Mohammadi, A., Miri, M., Bekiros, S., 2022. La dinámica
volatility connectivity structure of energy futures and global financial markets:
evidence from a novel time-frequency domain approach. Comput. Econ. 59 (3),
1087-1111.
Baker, S.R., Bloom, N., Davis, S.J., Kost, K., Sammon, M., Viratyosin, T., 2020. La
reacción sin precedentes del mercado de valores a COVID-19. Rev. Asset Pricing
Stud. 10 (4),
742-758.
Baur, D.G., Dimpfl, T., 2018. Volatilidad asimétrica en criptodivisas. Econ. Lett. 173,
148-151.
Cao, G., Han, Y., Cui, W., Guo, Y., 2014. Multifractal detrended cross-correlations
entre los futuros del índice CSI 300 y los mercados al contado a partir de datos de
alta frecuencia. Phys. Stat. Mech. Appl. 414, 308-320.
Caporin, M., Naeem, M.A., Arif, M., Hasan, M., Vo, X.V., Shahzad, S.J.H., 2021.
Efectos indirectos asimétricos y temporales entre materias primas utilizando datos de
alta frecuencia. Resour. Pol. 70, 101958.
Cevik, E.I., Gunay, S., Bugan, M.F., Dibooglu, S., 2022. La conectividad y el riesgo
spillovers between bitcoin spot and futures markets: evidence from intraday data.
Ann. Oper. Res. 1-25.
Fama, E.F., French, K.R., 1988. Componentes permanentes y temporales de los precios de
las acciones.
J. Polit. Econ. 96, 246-273.
Fama, E.F., 1970. Efficient capital markets: a review of theory and empirical work.
J. Finance 25, 383-417.
Fama, E.F., 1991. Mercados de capitales eficientes: II. J. Finance 46, 1575-1617.
Farid, S., Kayani, G.M., Naeem, M.A., Shahzad, S.J.H., 2021. Volatilidad intradía
transmisión entre metales preciosos, energía y acciones durante la pandemia de
COVID-19. Resour. Pol. 72, 102101.
Gao, X.L., Shao, Y.H., Yang, Y.H., Zhou, W.X., 2022. ¿Presentan los mercados
mundiales de cereales al contado una naturaleza multifractal? Chaos, Solit. Fractals
164, 112663.
Gu, R., Chen, H., Wang, Y., 2010. Multifractal analysis on international crude oil markets
based on the multifractal detrended fluctuation analysis. Phys. Stat. Mech. Appl. 389
(14), 2805-2815.
Halling, M., Yu, J., Zechner, J., 2020. ¿Cómo afectó COVID-19 al acceso de las
empresas a los mercados públicos d e c a p i t a l e s ? Rev. Corp. Finance Stud. 9
(3), 501-533.
He, L.Y., Chen, S.P., 2010. Are crude oil markets multifractal? Evidence from MF-DFA
and MF-SSA perspectives. Phys. Stat. Mech. Appl. 389 (16), 3218-3229.
Huang, M., Shao, W., Wang, J., 2023. Correlations between the crude oil market and
capital markets under the Russia-Ukraine conflict: a perspective of crude oil
importing and exporting countries. Resour. Pol. 80, 103233.
Ji, Q., Zhang, D., Zhao, Y., 2020. Búsqueda de activos refugio durante la pandemia de
COVID-19. Int. Rev. Financ. Anal. 71, 101526.
Jiang, Z.Q., Xie, W.J., Zhou, W.X., 2014. Testing the weak-form efficiency of the WTI
crude oil futures market. Phys. Stat. Mech. Appl. 405, 235-244.
Kantelhardt, J.W., Koscielny-Bunde, E., Rybski, D., Braun, P., Bunde, A., Havlin, S., 2006.
Long-term persistence and multifractality of precipitation and river runoff r e c o r d s .
J. Geophys. Res. Atmos. 111, D01106.
Karim, S., Naeem, M.A., Tiwari, A.K., Ashraf, S., 2023. Examining the avenues of
sustainability in resources and digital blockchains backed currencies: evidence from
metales energéticos y criptomonedas. Ann. Oper. Res. 1-18.
Khediri, K.B., Charfeddine, L., 2015. Evolving efficiency of spot and futures energy
markets: a rolling sample approach. J. Behav. Exp. Finance 6, 67-79.
Kim, K.A., Nofsinger, J.R., 2007. El comportamiento de los inversores individuales
japoneses durante los mercados alcistas y bajistas. J. Behav. Finance 8 (3), 138-153.
Lee, M., Song, J.W., Hwan, J.H., Chang, W., 2017. Asymmetric multifractality in the U.S.
stock indices using index-based model of A-MFDFA. Chaos, Solit. Fractals 97, 28-38.
Ling, D.C., Wang, C., Zhou, T., 2020. A first look at the impact of COVID-19 on
commercial real estate prices: asset-level evidence. Rev. Asset Pricing Stud. 10 (4),
669-704.
Liu, M., Lee, C.C., 2021. Capturing the dynamics of the China crude oil futures: markov
Conmutación, movimiento conjunto y previsión de la volatilidad. Energy Econ.
103, 105622. Lo, A.W., MacKinlay, A.C., 1988. Stock market prices do not follow
random walk:
evidencia de una prueba de especificación simple. Rev. Financ. Stud. 1, 41-66.
Mensi, W., Lee, Y.J., Al-Yahyaee, K.H., Sensoy, A., Yoon, S.M., 2019. Intradía
multifractalidad ascendente/descendente y memoria larga en Bitcoin y Ethereum
mercados: un análisis de fluctuaciones asimétricas multifractales detrendentes.
Finance Res. Lett. 31, 19-25.
Mensi, W., Sensoy, A., Vo, X.V., Kang, S.H., 2020. Impacto del brote de COVID-19 en
multifractalidad asimétrica de los precios del oro y del petróleo. Resour. Pol. 69, 101829.
13
Política de Recursos 86 (2023)
104194
Mensi, W., Sensoy, A., Vo, X.V., Kang, S.H., 2022a. Pricing efficiency and asymmetric
multifractality of major asset classes before and during COVID-19 crisis. N. Am. J.
Econ. Finance 62, 101773.
Mensi, W., Vo, X.V., Kang, S.H., 2021a. Upside-downside multifractality and efficiency
of green bonds: the roles of global factors and COVID-19 (Multifractalidad al alza y
a la baja y eficiencia de los bonos verdes: el papel de los factores globales y COVID-
19). Finance Res. Lett. 43, 101995.
Mensi, W., Rehman, M.U., Vo, X.V., 2021b. Dynamic frequency relationships and
volatility spillovers in natural gas, crude oil, gas oil, gasoline, and heating oil
markets: implications for portfolio management. Resour. Pol. 73, 102172.
Mensi, W., Vo, X.V., Kang, S.H., 2022b. Upward/downward multifractality and
efficiency in metals futures markets: the impacts of financial and oil crises. Resour.
Pol. 76, 102645.
Mensi, W., Yousaf, I., Vo, X.V., Kang, S.H., 2022c. Multifractality during
upside/downside trends in the MENA stock markets: the effects of the global financial
crisis, oil crash and COVID-19 pandemic. Int. J. Emerg. Mark. https://doi.org/10.1108
/IJOEM-08-2021-1177.
Momeni, M., Kourakis, I., 2010. Non-Gaussian statistics of oil pricing time-series: a case
study. Fractals 18 (1), 101-110.
Naeem, M.A., Anwer, Z., Karim, S., Tiwari, A.K., 2023a. ¿Son los contagios del tipo de
cambio
¿asimétrico? Evidence from emerging market economies. Emerg. Mark. Finance
T r a d e 1-18.
Naeem, M.A., Farid, S., Ferrer, R., Shahzad, S.J.H., 2021. Comparative efficiency of green
y bonos convencionales antes y durante COVID-19: un análisis de fluctuación
asimétrica multifractal detrended. Energy Pol. 153, 112285.
Naeem, M.A., Gul, R., Farid, S., Karim, S., Lucey, B.M., 2023b. Evaluación de los vínculos
entre los mercados de energías alternativas y las criptomonedas. J. Econ. Behav.
Organ. 211, 513-529.
Naeem, M.A., Hasan, M., Agyemang, A., Chowdhury, M.I.H., Balli, F., 2023c. Time-
frequency dynamics between fear connectivity of stocks and alternative assets. Int.
J. Finance Econ. 28 (2), 2188-2201.
Naeem, M.A., Karim, S., Farid, S., Tiwari, A.K., 2022. Comparing the asymmetric
eficiencia de los mercados de energía sucia y limpia antes y durante COVID-19.
Econ. Anal. Pol. 75, 548-562.
Naeem, M.A., Karim, S., Yarovaya, L., Lucey, B.M., 2023d. Sentimiento inducido por COVID y
los desbordamientos de volatilidad intradía entre los ETF energéticos y otros ETF.
Energy Econ. 122, 106677.
Naeem, M.A., Rabbani, M.R., Karim, S., Billah, S.M., 2023e. Religión frente a ética: cobertura y
safe haven properties of Sukuk and green bonds for stock markets pre-and during
COVID-19. Int. J. Islam. Middle E Finance Manag. 16 (2), 234-252.
Naeem, M.A., Rehman, M.U., Ahmad, N., Vo, X.V., Karim, S., 2023f. Good vs bad
returns spillover in regional energy markets. Int. J. Green Energy 1-16.
Naeem, M.A., Shahzad, M.R., Karim, S., Assaf, R., 2023g. Tail risk transmission in
technology-driven markets. Global Finance J. 57, 100855.
Naeem, M.A., Yousaf, I., Karim, S., Tiwari, A.K., Farid, S., 2023h. Comparing
asymmetric price efficiency in regional ESG markets before and during COVID-19
(Comparación de la eficiencia asimétrica de los precios en los mercados regionales de
ESG antes y durante COVID-19). Econ. Modell. 118, 106095.
Naeem, M.A., Yousaf, I., Karim, S., Yarovaya, L., Ali, S., 2023i. Tail-event driven
NETwork dependence in emerging markets. Emerg. Mark. Rev. 55, 100971.
Nguyen, T.T.H., Naeem, M.A., Balli, F., Balli, H.O., Vo, X.V., 2021. Time-frequency
comovement among green bonds, stocks, commodities, clean energy, and
conventional bonds. Finance Res. Lett. 40, 101739.
Peng, C.K., Buldyrev, S.V., Havlin, S., Simons, M., Stanley, H.E., Goldberger, A.L., 1994.
Organización en mosaico de los nucleótidos del ADN. Phys. Rev. 49 (2), 1685-1689.
Rizvi, S.A.R., Arshad, S., 2016. ¿Cómo afecta la crisis a la eficiencia? An empirical study
of East Asian markets. Borsa Istanbul Rev. 16 (1), 1-8.
Saˆadaoui, F., 2023. Skewed multifractal scaling of stock markets during the COVID-19
pandemia. Chaos, Solit. Fractales 170, 113372.
Sensoy, A., Hacihasanoglu, E., 2014. Time-varying long range dependence in energy
futures markets. Energy Econ. 46, 318-327.
Serletis, A., Andreadis, I., 2004. Random fractal structures in North American energy
m a r k e t s . Energy Econ. 26 (3), 389-399.
Shrestha, K., Naysary, B., Philip, S.S.S., 2023. Fintech market efficiency: a multifractal
detrended fluctuation analysis. Finance Res. Lett. 54, 103775.
Umar, M., Farid, S., Naeem, M.A., 2022. Time-frequency connectionness among clean-
energy stocks and fossil fuel markets: comparison between financial, oil and
pandemic crisis. Energy 240, 122702.
Wang, F., Ye, X., Wu, C., 2019. Análisis de las características multifractales de la
fluctuación de los precios de los futuros del petróleo crudo en China. Phys. Stat. Mech.
Appl. 533, 122021.
Wang, X., Wu, C., 2018. Asymmetric volatility spillovers between crude oil and
international financial markets. Energy Econ. 74, 592-604.
Wang, Y., Wu, C., 2013. Efficiency of crude oil futures markets: new evidence from
multifractal detrending moving average analysis. Comput. Econ. 42 (4), 393-414.
Wang, Y., Wei, Y., Wu, C., 2010. Auto-correlated behavior of WTI crude oil volatilities: a
multiscale perspective. Phys. Stat. Mech. Appl. 389 (24), 5759-5768.
Wang, Y., Wu, C., Wei, Y., 2011. ¿Pueden los modelos de clase GARCH captar la memoria
larga en los mercados de crudo WTI? Econ. Modell. 28 (3), 921-927.
Yao, C.Z., Liu, C., Ju, W.J., 2020. Análisis multifractal del mercado del crudo WTI, EE.
bolsa y EPU. Phys. Stat. Mech. Appl. 550, 124096.
Yousaf, I., 2021. Transmisión de riesgos del COVID-19 a los mercados de metales y energía.
Resour. Pol. 73, 102156.
Yousaf, I., Yarovaya, L., 2022. Static and dynamic connectionness between NFTs, Defi and
other assets: portfolio implication. Global Finance J. 53, 100719.
Yousaf, I., Ali, S., 2021. Linkages between stock and cryptocurrency markets during the
COVID-19 outbreak: an intraday analysis. Singapore Econ. Rev. 1-20.
Yuan, Y., Zhuang, X.T., Jin, X., Huang, W.Q., 2014. Distribución estable y correlación de
largo alcance del mercado del crudo Brent. Phys. Stat. Mech. Appl. 413, 173-179.
M.A. Naeem et al.
Zhang, B., Li, X.M., He, F., 2014. Testing the evolution of crude oil market efficiency:
data have the conn. Energy Pol. 68, 39-52.
Zheng, S., Lan, X., 2016. Multifractal analysis of spot rates in tanker markets and their
comparisons with crude oil markets. Phys. Stat. Mech. Appl. 444, 547-559.
14
Política de Recursos 86 (2023)
104194
Zhuang, X., Wei, D., 2022. Asymmetric multifractality, comparative efficiency analysis
of green finance markets: a dynamic study by index-based model. Phys. Stat. Mech.
Appl. 604, 127949.
Zhuang, X., Wei, Y., Zhang, B., 2014. Multifractal detrended cross-correlation analysis of
carbon and crude oil markets. Phys. Stat. Mech. Appl. 399, 113-125.