Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Política de recursos
Página web de la revista: www.elsevier.com/locate/resourpol
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.
* 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
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 Para obtener resultados precisos y exactos sobre la multifractalidad
denotan por H+ (q), H— (q) y H(q), respectivamente. Estacionariedad asimétrica de los mercados del petróleo, utilizamos datos de alta
del frecuencia de los precios del petróleo. Esto nos proporciona suficientes
o el paseo aleatorio se determina a través de estos exponentes de Hurst observaciones para examinar la eficiencia
generalizados en orden q-ésimo. Comparable al MF-DFA convencional
dinámica de los mercados petroleros antes y durante la COVID-19
-
los gráficos logarítmicos q(n) ,F q(n) y Fq(n) en función de n para cada brote. Para e l l o , recopilamos datos de precios de cierre de 5 minutos de
de F +
se dispone de un único valor de q para analizar el escalado de las funciones cuatro mercados del petróleo, incluidos el petróleo crudo, el petróleo
de fluctuación Brent, el gasóleo y el gas natural. El periodo total de la muestra
comportamiento. Los valores de H+ (q), H— (q) y H(q) pueden estimarse comienza el 23 de abril de 2018 y finaliza el 24 de abril de 2020.
utilizando Además, la muestra se divide a su vez en periodo prepandémico (del 23
el método de mínimos cuadrados ordinarios (MCO) basado en la forma de abril de 2018 al 30 de noviembre de 2020) y periodo pospandémico
logarítmica. La correlación puede interpretarse mediante los valores del (del 1 de diciembre de 2019 al 24 de abril de 2020). Además, para el
exponente de Hurst. La serie se considera monofractal si los valores de H(q) análisis se estiman los rendimientos intradía compuestos de forma
son constantes para todas las observaciones de q, en los demás casos se continua de los mercados del petróleo de la muestra.
considera multifractal. Además, la correlación en la serie temporal es La Fig. 1 muestra la evolución de los rendimientos intradía de los
persistente o de larga memoria cuando mercados del petróleo durante el periodo de la muestra. El gráfico
H(2) > 0,5, e s d e c i r , se espera un cambio grande (pequeño) en las muestra claramente un pico significativo durante el periodo de la
series pandemia COVID-19 para todos los mercados del petróleo. Además,
otro cambio grande (pequeño). Si H(2) = 0,5, la serie se considera los grupos de volatilidad son más pronunciados durante el periodo de
estocástica y presenta un recorrido aleatorio. Del mismo modo, si H+ brote. Entre los mercados de la muestra, la mayor variación de precios
(q) = H— (q), la correlación es simétrica, mientras que si H+ (q) /= se observa en los mercados del petróleo Brent y del crudo. En
H— (q), la correlación en las series temporales es asimétrica. El grado
de asimetría ΔH(q) se define como: conjunto, los resultados muestran una clara diferencia entre las
dinámicas de rentabilidad y volatilidad de los mercados petroleros
ΔH(q) = H+ (q) - H— (q) (9) antes y durante el periodo COVIDD-19.
En el Cuadro 1 se presentan las estadísticas resumidas de los
Para una q específica, cuanto mayor sea el valor de ΔH(q) mayor será
mercados petroleros. Los resultados muestran que todos los mercados
el grado de asimetría. Si ΔH(q) > 0, entonces la persistencia de la
correlación es mayor en petrolíferos, salvo el del gas natural, registraron rentabilidades medias
la serie con tendencia al alza la serie con tendencia a la baja. Por el negativas durante el periodo estudiado. Asimismo, los resultados
contrario, si muestran que la desviación típica más elevada corresponde a
ΔH(q) < 0, entonces el grado de persistencia es mayor a la baja
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
5. Resultados empíricos
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.
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
13
M.A. Naeem et al. Política de Recursos 86 (2023)
104194
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 un número infinito de exponentes, H(q), se describen únicamente
exponente de Hurst clásico) y f(α) = 1. De hecho, el proceso sigue el mediante dos parámetros independientes, c y d. En consecuencia, la
modelo de cascada multiplicativa con componentes de Hurst fuerza de multifractalidad (QUOTE) se determina restando los valores
generalizados esti- q +dq
máximo y
mados mediante la siguiente fórmula H(q) =1 -log(c )
. En el valores mínimos de α y no está limitado por el intervalo q. Por lo tanto, en el
q qlog(2)
16
M.A. Naeem et al. Política de Recursos 86 (2023)
104194
modelo de cascada multiplicativa, la fuerza de multifractalidad se define Los resultados subrayan una vez más el bajo riesgo y la naturaleza
estable del mercado del gas natural en comparación con otros
como Δ
mercados del petróleo. Como era de esperar, durante el periodo de
α = logc - logd/log 2.
propagación del virus la eficiencia en todos los mercados del petróleo
En primer lugar, el panel (a) de la Fig. 5 presenta los resultados
disminuye, lo que pone de manifiesto el impacto adverso de la
para todo el periodo. La forma parabólica inversa del espectro
pandemia en los mercados del petróleo. Los resultados están en línea
multifractal para todos los mercados petrolíferos confirma aún más la
con la literatura que documenta la influencia negativa del brote en la
presencia de multifractalidad. Además, la típica figura en forma de
dinámica de eficiencia de los mercados financieros (por ejemplo,
joroba confirma las características multifractales de las series
Naeem et al., 2021; Mensi et al., 2021a; Lee et al., 2017; Liu y Lee,
temporales. Además, la anchura del espectro multifractal de las
2021). Los resultados concuerdan con la idea de que las condiciones
tendencias negativas es mayor que las tendencias generales y positivas
económicas impredecibles provocan mayores ineficiencias de mercado
del mercado. Además, los resultados muestran una vez más que el
(Lee et al., 2017). Curiosamente, los resultados muestran que durante
mercado del gas natural presenta el nivel más bajo de características
el periodo del brote de COVID-19 el mercado del crudo es el más
multifractales entre todos los mercados del petróleo. Los resultados
ineficiente de todos los mercados del petróleo. Los resultados se
muestran que, aunque todos los mercados del petróleo son ineficientes,
corresponden con los acontecimientos que tuvieron lugar en las
el del gas natural es más estable que los demás. Además, los resultados
primeras etapas de la pandemia, cuando los precios del crudo tocaron
destacan de nuevo el papel de cobertura del mercado del gas natural en
fondo debido a la extrema disminución de la demanda. De hecho, el
el sector del petróleo. Nuestro análisis por submuestras de antes y después
precio del crudo se redujo drásticamente a menos de 20 dólares por
de la coevid-19 también ha revelado resultados similares.
barril debido. En general, la variación del nivel de eficiencia durante
las tendencias al alza y a la baja tiene implicaciones cruciales
5.2. Eficiencia variable en el tiempo de los mercados del petróleo relacionadas con la gestión del riesgo y la asignación de activos para
los inversores del sector energético.
Para evaluar el grado de eficiencia del mercado, seguimos a Wang et al. La Tabla 3 presenta los resultados de la hipótesis nula de un
(2019) para calcular la medida de eficiencia del mercado (MDM) de la mercado eficiente para los mercados del petróleo bajo diferentes
siguiente manera: tendencias de mercado. Los resultados muestran claramente que los
1 mercados del petróleo Brent y del crudo son en gran medida
MDM = (|h(-4) - 0,5| + |h(+4) - 0,5|). (10) ineficientes en términos de todos los tipos de tendencias del mercado
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 subperiodos. Los resultados ponen de manifiesto la naturaleza volátil
pequeñas y grandes fluctuaciones, respectivamente. En este contexto, se del mercado del petróleo y la incertidumbre reinante sobre los precios.
dice que un mercado es Del mismo modo, los resultados también muestran que el mercado del
eficiente, si todas las fluctuaciones (pequeñas o grandes) siguen un gasóleo es predomi- nantemente ineficiente durante los movimientos al
proceso de paseo aleatorio, lo que significa que el valor de H(q) es alza y a la baja. Por el contrario, los resultados muestran que el
igual a 0,5 para todos los valores de q. En este espíritu, si el valor de MDM mercado del gas natural es eficiente durante las tendencias bajistas
es próximo a cero, entonces el mercado
se considera altamente eficiente, mientras que un valor grande de MDM durante el periodo completo y los subperiodos. En cierto modo, estos
marca una alta ineficiencia del mercado. resultados indican que el mercado del gas natural es un refugio seguro
La Tabla 3 presenta la eficiencia de los mercados petrolíferos para diversificar y cubrir los riesgos de otros mercados del petróleo.
utilizando la medida MDM para el periodo completo y los subperiodos. Además, el Cuadro 4 presenta la prueba de robustez para la
En primer lugar, se ilustran los resultados del periodo completo, que heterogeneidad de las pendientes, y los resultados confirman nuestras
muestran que el mercado del gasóleo es el más eficiente en términos de principales conclusiones.
tendencias generales y alcistas en comparación con otros mercados del
6. Conclusiones e implicaciones políticas
petróleo. Por el contrario, observamos que durante las tendencias a la
baja el mercado del gas natural es el más eficiente. Los resultados
Tras el anuncio de COVID-19 como pandemia mundial se produjo un
validan nuestras conclusiones presentadas anteriormente e indican una
brusco descenso de los mercados financieros internacionales. Del
mayor eficiencia del mercado del gas natural durante los periodos
mismo modo, los mercados energéticos también atravesaron
marcados por tendencias bajistas. De este modo, los resultados
dificultades excepcionales durante el periodo del brote. Además, la
corroboran la idea de que el mercado del gas natural puede utilizarse
dinámica de los precios en los mercados energéticos también se vio
eficazmente para cubrir los riesgos a la baja de otros mercados del
influida significativamente por el temible entorno y el riesgo sin
petróleo. Los resultados se apoyan en las conclusiones de Mensi et al.
precedentes experimentados durante la pandemia. En este contexto, es
(2021b), que destacan el potencial de divaricación y cobertura del
razonable anticipar que los factores pandémicos habrían causado
mercado de gas natural. Del mismo modo, nuestro análisis de
ineficiencias de precios en los mercados del petróleo. Con este espíritu,
submuestra de la era pre COVID-19 también muestra que el mercado de gas
el estudio explora la dinámica de la eficiencia de los mercados del
natural es el mercado de petróleo más eficiente en términos de tendencias
petróleo antes y después de la pandemia COVID- 19. Para nuestra
generales, alcistas y bajistas. La dirección
investigación, obtenemos datos de alta frecuencia de cuatro importantes
mercados del petróleo, a saber, petróleo crudo, petróleo Brent, gasóleo y
Cuadro 3
Resultados de la prueba de la hipótesis nula para H (q
= 2) = 0,5
Período de la muestra completa Período prepandémico Período pospandémico
Petróleo Brent
En general 0.5466 [0.591] -2.0667* [0.051] -1.2398 [0.229]
Hacia arriba -0.8926 [0.382] -3.7884*** [ 0 .001] -3.1436*** [ 0 .005]
Hacia abajo 1.8802* [0.074] 1.9151* [0.069] 2.2915** [0.032]
Petróleo
En general 0.0181 [0.985] -1.3333 [0.197] -1.6777 [0.109]
Hacia arriba -0.5225 [0.607] -3.5052*** [0.002] -1.9648* [0.063]
10
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.
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.
Disponibilidad de datos
Agradecimientos:
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. Política de Recursos 86 (2023)
104194
Álvarez-Ramírez, J., Rodríguez, E., 2015. Autocorrelaciones asimétricas a largo plazo en Mensi, W., Sensoy, A., Vo, X.V., Kang, S.H., 2022a. Pricing efficiency and asymmetric
los mercados de crudo. Phys. Stat. Mech. Appl. 424, 330-341. multifractality of major asset classes before and during COVID-19 crisis. N. Am. J.
Álvarez-Ramírez, J., Álvarez, J., Rodríguez, E., 2008. Predictibilidad a corto plazo del
crudo Econ. Finance 62, 101773.
oil markets: a detrended fluctuation analysis approach. Energy Econ. 30 (5), 2645- Mensi, W., Vo, X.V., Kang, S.H., 2021a. Upside-downside multifractality and efficiency
2656. of green bonds: the roles of global factors and COVID-19 (Multifractalidad al alza y
Álvarez-Ramírez, J., Álvarez, J., Rodríguez, E., 2015. Autocorrelaciones asimétricas a a la baja y eficiencia de los bonos verdes: el papel de los factores globales y COVID-
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 19). Finance Res. Lett. 43, 101995.
multifractal Hurst de los precios del crudo. Phys. Stat. Mech. Appl. 313 (3-4), 651- Mensi, W., Rehman, M.U., Vo, X.V., 2021b. Dynamic frequency relationships and
670. volatility spillovers in natural gas, crude oil, gas oil, gasoline, and heating oil
Al-Yahyaee, K.H., Mensi, W., Yoon, S.M., 2018. Efficiency, multifractality, and the long-
markets: implications for portfolio management. Resour. Pol. 73, 102172.
propiedad de memoria del mercado Bitcoin: un análisis comparativo con los mercados
de acciones, divisas y oro. Finance Res. Lett. 27, 228-234. Mensi, W., Vo, X.V., Kang, S.H., 2022b. Upward/downward multifractality and
Arfaoui, N., Naeem, M.A., Boubaker, S., Mirza, N., Karim, S., 2023. Interdependence of efficiency in metals futures markets: the impacts of financial and oil crises. Resour.
energía limpia y mercados verdes con criptomonedas. Energy Econ. 120, 106584. Pol. 76, 102645.
Arshad, S., Rizvi, S.A.R., Haroon, O., Mehmood, F., Gong, Q., 2021. ¿Son eficientes los Mensi, W., Yousaf, I., Vo, X.V., Kang, S.H., 2022c. Multifractality during
precios del petróleo? Econ. Modell. 96, 362-370.
Aslam, F., Ferreira, P., Mohti, W., 2023. Investigación de la eficiencia de los mercados de upside/downside trends in the MENA stock markets: the effects of the global financial
valores fronterizos crisis, oil crash and COVID-19 pandemic. Int. J. Emerg. Mark. https://doi.org/10.1108
mediante el análisis multifractal de fluctuaciones detrendentes. Int. J. Emerg. /IJOEM-08-2021-1177.
Mark. 18 (7), 1650-1676. Momeni, M., Kourakis, I., 2010. Non-Gaussian statistics of oil pricing time-series: a case
Bagheri, E., Ebrahimi, S.B., Mohammadi, A., Miri, M., Bekiros, S., 2022. La dinámica study. Fractals 18 (1), 101-110.
volatility connectivity structure of energy futures and global financial markets: Naeem, M.A., Anwer, Z., Karim, S., Tiwari, A.K., 2023a. ¿Son los contagios del tipo de
evidence from a novel time-frequency domain approach. Comput. Econ. 59 (3), cambio
1087-1111. ¿asimétrico? Evidence from emerging market economies. Emerg. Mark. Finance
Baker, S.R., Bloom, N., Davis, S.J., Kost, K., Sammon, M., Viratyosin, T., 2020. La T r a d e 1-18.
reacción sin precedentes del mercado de valores a COVID-19. Rev. Asset Pricing Naeem, M.A., Farid, S., Ferrer, R., Shahzad, S.J.H., 2021. Comparative efficiency of green
Stud. 10 (4), y bonos convencionales antes y durante COVID-19: un análisis de fluctuación
asimétrica multifractal detrended. Energy Pol. 153, 112285.
742-758.
Baur, D.G., Dimpfl, T., 2018. Volatilidad asimétrica en criptodivisas. Econ. Lett. 173, Naeem, M.A., Gul, R., Farid, S., Karim, S., Lucey, B.M., 2023b. Evaluación de los vínculos
148-151. entre los mercados de energías alternativas y las criptomonedas. J. Econ. Behav.
Cao, G., Han, Y., Cui, W., Guo, Y., 2014. Multifractal detrended cross-correlations Organ. 211, 513-529.
entre los futuros del índice CSI 300 y los mercados al contado a partir de datos de Naeem, M.A., Hasan, M., Agyemang, A., Chowdhury, M.I.H., Balli, F., 2023c. Time-
alta frecuencia. Phys. Stat. Mech. Appl. 414, 308-320. frequency dynamics between fear connectivity of stocks and alternative assets. Int.
Caporin, M., Naeem, M.A., Arif, M., Hasan, M., Vo, X.V., Shahzad, S.J.H., 2021.
J. Finance Econ. 28 (2), 2188-2201.
Efectos indirectos asimétricos y temporales entre materias primas utilizando datos de Naeem, M.A., Karim, S., Farid, S., Tiwari, A.K., 2022. Comparing the asymmetric
alta frecuencia. Resour. Pol. 70, 101958. eficiencia de los mercados de energía sucia y limpia antes y durante COVID-19.
Cevik, E.I., Gunay, S., Bugan, M.F., Dibooglu, S., 2022. La conectividad y el riesgo Econ. Anal. Pol. 75, 548-562.
spillovers between bitcoin spot and futures markets: evidence from intraday data. Naeem, M.A., Karim, S., Yarovaya, L., Lucey, B.M., 2023d. Sentimiento inducido por COVID y
Ann. Oper. Res. 1-25. los desbordamientos de volatilidad intradía entre los ETF energéticos y otros ETF.
Fama, E.F., French, K.R., 1988. Componentes permanentes y temporales de los precios de Energy Econ. 122, 106677.
las acciones.
Naeem, M.A., Rabbani, M.R., Karim, S., Billah, S.M., 2023e. Religión frente a ética: cobertura y
J. Polit. Econ. 96, 246-273.
safe haven properties of Sukuk and green bonds for stock markets pre-and during
Fama, E.F., 1970. Efficient capital markets: a review of theory and empirical work. COVID-19. Int. J. Islam. Middle E Finance Manag. 16 (2), 234-252.
J. Finance 25, 383-417. 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.
Fama, E.F., 1991. Mercados de capitales eficientes: II. J. Finance 46, 1575-1617.
Naeem, M.A., Shahzad, M.R., Karim, S., Assaf, R., 2023g. Tail risk transmission in
Farid, S., Kayani, G.M., Naeem, M.A., Shahzad, S.J.H., 2021. Volatilidad intradía
technology-driven markets. Global Finance J. 57, 100855.
transmisión entre metales preciosos, energía y acciones durante la pandemia de
Naeem, M.A., Yousaf, I., Karim, S., Tiwari, A.K., Farid, S., 2023h. Comparing
COVID-19. Resour. Pol. 72, 102101.
asymmetric price efficiency in regional ESG markets before and during COVID-19
Gao, X.L., Shao, Y.H., Yang, Y.H., Zhou, W.X., 2022. ¿Presentan los mercados
(Comparación de la eficiencia asimétrica de los precios en los mercados regionales de
mundiales de cereales al contado una naturaleza multifractal? Chaos, Solit. Fractals
ESG antes y durante COVID-19). Econ. Modell. 118, 106095.
164, 112663.
Naeem, M.A., Yousaf, I., Karim, S., Yarovaya, L., Ali, S., 2023i. Tail-event driven
Gu, R., Chen, H., Wang, Y., 2010. Multifractal analysis on international crude oil markets
NETwork dependence in emerging markets. Emerg. Mark. Rev. 55, 100971.
based on the multifractal detrended fluctuation analysis. Phys. Stat. Mech. Appl. 389
Nguyen, T.T.H., Naeem, M.A., Balli, F., Balli, H.O., Vo, X.V., 2021. Time-frequency
(14), 2805-2815.
comovement among green bonds, stocks, commodities, clean energy, and
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 conventional bonds. Finance Res. Lett. 40, 101739.
(3), 501-533. Peng, C.K., Buldyrev, S.V., Havlin, S., Simons, M., Stanley, H.E., Goldberger, A.L., 1994.
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. Organización en mosaico de los nucleótidos del ADN. Phys. Rev. 49 (2), 1685-1689.
Huang, M., Shao, W., Wang, J., 2023. Correlations between the crude oil market and 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.
capital markets under the Russia-Ukraine conflict: a perspective of crude oil Saˆadaoui, F., 2023. Skewed multifractal scaling of stock markets during the COVID-19
importing and exporting countries. Resour. Pol. 80, 103233.
pandemia. Chaos, Solit. Fractales 170, 113372.
Ji, Q., Zhang, D., Zhao, Y., 2020. Búsqueda de activos refugio durante la pandemia de
Sensoy, A., Hacihasanoglu, E., 2014. Time-varying long range dependence in energy
COVID-19. Int. Rev. Financ. Anal. 71, 101526. futures markets. Energy Econ. 46, 318-327.
Jiang, Z.Q., Xie, W.J., Zhou, W.X., 2014. Testing the weak-form efficiency of the WTI Serletis, A., Andreadis, I., 2004. Random fractal structures in North American energy
crude oil futures market. Phys. Stat. Mech. Appl. 405, 235-244. m a r k e t s . Energy Econ. 26 (3), 389-399.
Kantelhardt, J.W., Koscielny-Bunde, E., Rybski, D., Braun, P., Bunde, A., Havlin, S., 2006. Shrestha, K., Naysary, B., Philip, S.S.S., 2023. Fintech market efficiency: a multifractal
Long-term persistence and multifractality of precipitation and river runoff r e c o r d s . detrended fluctuation analysis. Finance Res. Lett. 54, 103775.
J. Geophys. Res. Atmos. 111, D01106. Umar, M., Farid, S., Naeem, M.A., 2022. Time-frequency connectionness among clean-
Karim, S., Naeem, M.A., Tiwari, A.K., Ashraf, S., 2023. Examining the avenues of energy stocks and fossil fuel markets: comparison between financial, oil and
sustainability in resources and digital blockchains backed currencies: evidence from pandemic crisis. Energy 240, 122702.
metales energéticos y criptomonedas. Ann. Oper. Res. 1-18. Wang, F., Ye, X., Wu, C., 2019. Análisis de las características multifractales de la
Khediri, K.B., Charfeddine, L., 2015. Evolving efficiency of spot and futures energy fluctuación de los precios de los futuros del petróleo crudo en China. Phys. Stat. Mech.
markets: a rolling sample approach. J. Behav. Exp. Finance 6, 67-79. Appl. 533, 122021.
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. Wang, X., Wu, C., 2018. Asymmetric volatility spillovers between crude oil and
Lee, M., Song, J.W., Hwan, J.H., Chang, W., 2017. Asymmetric multifractality in the U.S. international financial markets. Energy Econ. 74, 592-604.
stock indices using index-based model of A-MFDFA. Chaos, Solit. Fractals 97, 28-38. Wang, Y., Wu, C., 2013. Efficiency of crude oil futures markets: new evidence from
Ling, D.C., Wang, C., Zhou, T., 2020. A first look at the impact of COVID-19 on 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
commercial real estate prices: asset-level evidence. Rev. Asset Pricing Stud. 10 (4), multiscale perspective. Phys. Stat. Mech. Appl. 389 (24), 5759-5768.
669-704. 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.
Liu, M., Lee, C.C., 2021. Capturing the dynamics of the China crude oil futures: markov Yao, C.Z., Liu, C., Ju, W.J., 2020. Análisis multifractal del mercado del crudo WTI, EE.
Conmutación, movimiento conjunto y previsión de la volatilidad. Energy Econ.
bolsa y EPU. Phys. Stat. Mech. Appl. 550, 124096.
103, 105622. Lo, A.W., MacKinlay, A.C., 1988. Stock market prices do not follow
Yousaf, I., 2021. Transmisión de riesgos del COVID-19 a los mercados de metales y energía.
random walk:
Resour. Pol. 73, 102156.
evidencia de una prueba de especificación simple. Rev. Financ. Stud. 1, 41-66. Yousaf, I., Yarovaya, L., 2022. Static and dynamic connectionness between NFTs, Defi and
Mensi, W., Lee, Y.J., Al-Yahyaee, K.H., Sensoy, A., Yoon, S.M., 2019. Intradía
other assets: portfolio implication. Global Finance J. 53, 100719.
multifractalidad ascendente/descendente y memoria larga en Bitcoin y Ethereum
Yousaf, I., Ali, S., 2021. Linkages between stock and cryptocurrency markets during the
mercados: un análisis de fluctuaciones asimétricas multifractales detrendentes. COVID-19 outbreak: an intraday analysis. Singapore Econ. Rev. 1-20.
Finance Res. Lett. 31, 19-25. Yuan, Y., Zhuang, X.T., Jin, X., Huang, W.Q., 2014. Distribución estable y correlación de
Mensi, W., Sensoy, A., Vo, X.V., Kang, S.H., 2020. Impacto del brote de COVID-19 en largo alcance del mercado del crudo Brent. Phys. Stat. Mech. Appl. 413, 173-179.
multifractalidad asimétrica de los precios del oro y del petróleo. Resour. Pol. 69, 101829.
13
M.A. Naeem et al. Política de Recursos 86 (2023)
104194
Zhang, B., Li, X.M., He, F., 2014. Testing the evolution of crude oil market efficiency: Zhuang, X., Wei, D., 2022. Asymmetric multifractality, comparative efficiency analysis
data have the conn. Energy Pol. 68, 39-52. of green finance markets: a dynamic study by index-based model. Phys. Stat. Mech.
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. 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.
14