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

Sintesi Tecnica: Spillover del Rischio dei Momenti Superiori nel Dominio Tempo-Frequenza dei Quantili e Reti Multistrato

Definizione del Problema
La letteratura esistente ha esplorato ampiamente gli effetti di spillover dei rischi climatici (fisici e di transizione) sui rendimenti e sulla volatilità dei mercati del carbonio, dell'energia e dei metalli. Tuttavia, rimane una lacuna significativa nella comprensione sistematica di queste interazioni quando si considerano i rischi dei momenti superiori (asimmetria e curtosi), che catturano l'asimmetria, i rischi di coda e la volatilità estrema. Inoltre, i modelli di rete tradizionali a singolo strato non riescono a catturare pienamente l'eterogeneità della trasmissione delle informazioni attraverso diverse condizioni di mercato (bull, bear, normal) e domini tempo-frequenza. Questo studio affronta tali lacune investigando le connessioni quantili tempo-frequenza tra il rischio fisico climatico (PRI), il rischio di transizione climatica (TRI) e i rischi di rendimento, volatilità, asimmetria e curtosi dei mercati del carbonio, dell'energia e dei metalli.

Metodologia
Lo studio impiega un framework metodologico in più fasi:

1. Misurazione del Rischio dei Momenti Superiori: Il modello GJR-SK (Generalized Autoregressive Conditional Heteroskedasticity with Skewness and Kurtosis) viene utilizzato per quantificare la volatilità condizionale, l'asimmetria e la curtosi dei mercati target.
2. Connettività Quantile Tempo-Frequenza: L'analisi integra il modello Quantile Vector Autoregressive (QVAR) con il metodo di connettività di frequenza di Baruník e Kehlík (BK). Ciò consente l'esame degli effetti di spillover attraverso diversi quantili (0,1, 0,5, 0,9) e bande di frequenza (breve termine: 1–22 giorni; lungo termine: >22 giorni).
3. Costruzione della Rete Multistrato: Viene costruita una rete informativa a 12 strati, che comprende i livelli di rendimento, volatilità, asimmetria e curtosi sotto tre stati di mercato (estremo ribassista, normale, estremo rialzista).
4. Metriche di Rete:
   • Livello di sistema: L'Efficienza Globale (GE) e l'Average Connectedness Strength (ACS) misurano l'efficienza dello scambio di informazioni e l'intensità del rischio. Le correlazioni inter-strato sono valutate tramite Edge Overlapping, coefficienti Deg-deg Pearson/Speiman e Shortest Path Similarity.
   • Livello di mercato: L'Average overlapping in-strength, out-strength e net-strength caratterizzano la connettività dei singoli nodi.
5. Dati: Il campione copre dati giornalieri dal 1° luglio 2015 al 29 dicembre 2023, comprendendo indici PRI e TRI, futures del carbonio ICE-EUA, Brent crude oil, gas naturale, l'indice S&P Global Clean Energy e i futures di otto metalli (Oro, Argento, Rame, Alluminio, Zinco, Piombo, Nichel, Stagno).

Contributi Chiave

• Analisi Sistemica Olistica: A differenza degli studi precedenti che hanno esaminato i rischi climatici e mercati specifici isolatamente, questa ricerca integra i rischi climatici con un sistema unificato carbonio-energia-metalli, includendo sia l'energia tradizionale che quella pulita, nonché metalli preziosi e non ferrosi.
• Integrazione Metodologica: Lo studio combina la modellazione dei momenti superiori con l'analisi quantile tempo-frequenza. Questo doppio approccio consente l'identificazione di sistemi di spillover a breve e lungo termine sotto impatti negativi e positivi estremi, fornendo approfondimenti sulla struttura di dipendenza intertemporale delle code.
• Framework di Rete Multistrato: Costruendo una rete a 12 strati, lo studio va oltre le analisi di rendimento/volatilità a singolo strato. Presenta simultaneamente molteplici metriche di rischio (rendimento, volatilità, asimmetria, curtosi) attraverso diversi stati di mercato, offrendo una visione più granulare della connettività del complesso sistema finanziario.

Risultati Chiave

• Significatività dei Momenti Superiori: Sebbene l'entità degli spillover dei momenti superiori (asimmetria e curtosi) sia inferiore a quella dei rendimenti e della volatilità, essi sono statisticamente significativi e mostrano caratteristiche variabili nel tempo.
• Dinamiche Tempo-Frequenza:
  • Gli spillover di rendimento, asimmetria e curtosi sono guidati principalmente da dinamiche a breve termine (alta frequenza).
  • Gli spillover della volatilità sono concentrati ampiamente nel lungo periodo (bassa frequenza).
  • Le correlazioni tra rischi climatici e mercati sono significativamente più forti in scenari di mercato estremi rispetto alle condizioni normali.
• Inversioni di Ruolo e Net Spillover:
  • Mercati dei Metalli: Occupano generalmente una posizione di leadership come trasmettitori di informazione (spillover senders) nel sistema, in particolare per i rischi a momenti inferiori. Tuttavia, il loro ruolo passa a quello di net receivers durante i crolli estremi del mercato per i rischi dei momenti superiori.
  • Rischi Climatici: In condizioni normali, PRI e TRI agiscono principalmente come ricevitori di spillover. Tuttavia, durante i ribassi del mercato (stati bear), passano a diventare trasmettitori netti di rischi a lungo termine.
  • Eventi Estremi: Eventi come la pandemia di COVID-19 e il conflitto Russia-Ucraina scatenano un rapido intensificarsi degli effetti di spillover e possono invertire la direzione degli spillover netti (ad esempio, i mercati del carbonio che diventano contributori netti durante la pandemia).
• Topologia della Rete:
  • La velocità di contagio dei rischi dei momenti superiori è più rapida di quella dei rischi dei momenti inferiori.
  • Negli stati di mercato rialzisti (bull), lo scambio di informazioni tra rischi climatici e mercati rallenta, nonostante le connessioni più strette.
  • Le configurazioni strutturali differiscono significativamente tra i vari strati; ad esempio, la rete della curtosi al quantile 0,9 condivide meno archi con gli altri strati, indicando una bassa somiglianza strutturale.

Significatività e Rivendicazioni
L'articolo sostiene che i suoi risultati forniscono una comprensione più completa dei meccanismi di collegamento tra i rischi climatici e i mercati finanziari. Dimostrando che le reti di contagio basate sui rischi dei momenti superiori offrono condizioni più favorevoli per il contagio rispetto a quelle basate solo sui momenti inferiori, lo studio argomenta che la letteratura esistente focalizzata solo su rendimenti e volatilità non può riflettere pienamente le reali dinamiche di trasmissione del rischio.

I risultati offrono un valore specifico per:

• Investitori: Evidenziando la necessità di un framework di gestione del rischio "multi-momento + multi-scenario" e identificando i mercati dei metalli (ad esempio, rame, nichel) come indicatori chiave di allerta precoce del rischio.
• Politici (Policymakers): Rivelando l'asimmetria degli effetti di spillover tra gli stati di mercato, suggerendo la necessità di strategie differenziate (ad esempio, monitorare la volatilità del petrolio nei mercati bull e prevenire la trasmissione del rischio climatico nei mercati bear).
• Regolatori: Enfatizzando la necessità di una supervisione collaborativa tra i mercati e l'istituzione di piattaforme di monitoraggio in tempo reale per i rischi di asimmetria e curtosi per affrontare gli attuali punti ciechi della supervisione.