Quantile Time-Frequency Higher-Moment Risk Spillovers and Multilayer Networks: Bridging Climate Risks to Carbon, Energy, and Metals Markets

Resumen Técnico: Riesgos de Momentos Superiores en el Tiempo-Frecuencia de Cuantiles y Redes Multicapa

Planteamiento del Problema
La literatura existente ha explorado extensamente los efectos de desbordamiento (spillover) de los riesgos climáticos (físicos y de transición) sobre los rendimientos y la volatilidad de los mercados de carbono, energía y metales. Sin embargo, persiste una brecha significativa en la comprensión sistemática de estas interacciones cuando se consideran los riesgos de momentos superiores (asimetría y curtosis), los cuales capturan la asimetría, los riesgos de cola y la volatilidad extrema. Además, los modelos de red tradicionales de capa única no logran capturar plenamente la heterogeneidad de la transmisión de información a través de diferentes condiciones de mercado (alcista, bajista, normal) y dominios de tiempo-frecuencia. Este estudio aborda estas brechas investigando las conexiones de cuantiles en el tiempo-frecuencia entre el riesgo físico climático (PRI), el riesgo de transición climática (TRI) y los riesgos de rendimiento, volatilidad, asimetría y curtosis de los mercados de carbono, energía y metales.

Metodología
El estudio emplea un marco metodológico de múltiples etapas:

1. Medición de Riesgos de Momentos Superiores: Se utiliza el modelo de Heterocedasticidad Condicional Autorregresiva Generalizada con Asimetría y Curtosis (GJRSK) para cuantificar la volatilidad condicional, la asimetría y la curtosis de los mercados objetivo.
2. Conectividad de Cuantiles en el Tiempo-Frecuencia: El análisis integra el modelo de Vectores Autorregresivos de Cuantiles (QVAR) con el método de conectividad de frecuencia de Baruník y Kehlík (BK). Esto permite el examen de los efectos de desbordamiento a través de diferentes cuantiles (0.1, 0.5, 0.9) y bandas de frecuencia (corto plazo: 1–22 días; largo plazo: >22 días).
3. Construcción de Red Multicapa: Se construye una red de información de 12 capas, que abarca las capas de rendimiento, volatilidad, asimetría y curtosis bajo tres estados de mercado (descenso extremo, normal, ascenso extremo).
4. Métricas de Red:
   • A nivel de sistema: La Eficiencia Global (GE) y la Fuerza de Conectividad Promedio (ACS) miden la eficiencia del intercambio de información y la intensidad del riesgo. Las correlaciones entre capas se evalúan mediante el Solapamiento de Aristas (Edge Overlapping), los coeficientes de Pearson/Spearman de grado-grado y la Similitud de Camino Corto.
   • A nivel de mercado: El solapamiento promedio de la fuerza de entrada (in-strength), fuerza de salida (out-strength) y fuerza neta (net-strength) caracterizan la conectividad de los nodos individuales.
5. Datos: La muestra cubre datos diarios desde el 1 de julio de 2015 hasta el 29 de diciembre de 2023, que comprenden índices de PRI y TRI, futuros de carbono ICE-EUA, petróleo Brent, gas natural, el índice S&P Global Clean Energy y futuros de ocho metales (Oro, Plata, Cobre, Aluminio, Zinc, Plomo, Níquel, Estaño).

Contribuciones Clave

• Análisis Sistémico Holístico: A diferencia de estudios previos que examinaron los riesgos climáticos y mercados específicos de forma aislada, esta investigación integra los riesgos climáticos con un sistema unificado de carbono-energía-metales, incluyendo tanto la energía tradicional como la limpia, así como metales preciosos y no ferrosos.
• Integración Metodológica: El estudio combina el modelado de momentos superiores con el análisis de cuantiles en el tiempo-frecuencia. Este enfoque dual permite la identificación de sistemas de desbordamiento de corto y largo plazo bajo impactos negativos y positivos extremos, proporcionando información sobre la estructura de dependencia intertemporal de las colas.
• Marco de Red Multicapa: Al construir una red de 12 capas, el estudio va más allá de los análisis de una sola capa de rendimiento/volatilidad. Presenta simultáneamente múltiples métricas de riesgo (rendimiento, volatilidad, asimetría y curtosis) a través de diversos estados de mercado, ofreciendo una visión más granular de la interconectividad del complejo sistema financiero.

Resultos Clave

• Significancia de los Momentos Superiores: Aunque la magnitud de los desbordamientos de momentos superiores (asimetría y curtidad) es menor que la de los rendimientos y la volatilidad, son estadísticamente significativos y exhiben características variables en el tiempo.
• Dinámicas de Tiempo-Frecuencia:
  • Los desbordamientos de rendimiento, asimetría y curtosis son impulsados principalmente por dinámicas de corto plazo (alta frecuencia).
  • Los desbordamientos de volatilidad se concentran mayoritariamente en el largo plazo (baja frecuencia).
  • Las correlaciones entre los riesgos climáticos y los mercados son significativamente más fuertes en escenarios de mercado extremos en comparación con las condiciones normales.
• Inversiones de Roles y Desbordamientos Netos:
  • Mercados de Metales: Generalmente ocupan una posición de liderazgo como transmisores de información (emisores de desbordamiento) en el sistema, particularmente para riesgos de momentos inferiores. Sin embargo, su rol cambia a ser receptores netos durante descensos extremos del mercado para los riesgos de momentos superiores.
  • Riesgos Climáticos: Bajo condiciones normales, el PRI y el TRI actúan principalmente como receptores de desbordamiento. Sin embargo, durante las caídas del mercado (estados bajistas), pasan a ser transmisores netos de riesgos a largo plazo.
  • Eventos Extremos: Eventos como la pandemia de COVID-19 y el conflicto Rusia-Ucrania desencadenan una intensificación rápida de los efectos de desbordamiento y pueden revertir la dirección de los desbordamientos netos (por ejemplo, los mercados de carbono convirtiéndose en contribuyentes netos durante la pandemia).
• Topología de la Red:
  • La velocidad de contagio de los riesgos de momentos superiores es más rápida que la de los riesgos de momentos inferiores.
  • En estados de mercado alcistas, el intercambio de información entre los riesgos climáticos y los mercados se ralentiza, a pesar de tener conexiones más estrechas.
  • Las configuraciones estructurales difieren significativamente entre capas; por ejemplo, la red de curtosis en el cuantil 0.9 comparte menos aristas con otras capas, lo que indica una baja similitud estructural.

Significancia y Reivindicaciones
El artículo sostiene que sus hallazgos proporcionan una comprensión más completa de los mecanismos de vinculación entre los riesgos climáticos y los mercados financieros. Al demostrar que las redes de contagio basadas en riesgos de momentos superiores ofrecen condiciones más favorables para el contagio que aquellas basadas únicamente en momentos inferiores, el estudio argumenta que la literatura existente que se centra solo en rendimientos y volatilidad no puede reflejar plenamente la dinámica real de transmisión de riesgos.

Los resultados ofrecen un valor específico para:

• Inversores: Al resaltar la necesidad de un marco de gestión de riesgos de "múltiples momentos + múltiples escenarios" e identificar los mercados de metales (por ejemplo, cobre, níquel) como indicadores clave de alerta temprana de riesgo.
• Responsables de Políticas (Policymakers): Al revelar la asimetría de los efectos de desbordamiento a través de los estados del mercado, sugiriendo la necesidad de estrategias diferenciadas (por ejemplo, monitorear la volatilidad del petróleo en mercados alcistas y prevenir la transmisión del riesgo climático en mercados bajistas).
• Reguladores: Al enfatizar la necesidad de una supervisión colaborativa entre mercados y el establecimiento de plataformas de monitoreo en tiempo real para los riesgos de asimetría y curtosis para abordar los puntos ciegos actuales de la supervisión.