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

Technische Samenvatting: Kwantiel Tijd-Frequentie Hogere-Moment Risico-Spillovers en Multilaagse Netwerken

Probleemstelling
De bestaande literatuur heeft de spillover-effecten van klimaatrisico's (fysiek en transitie) op de rendementen en volatiliteit van koolstof-, energie- en metalenmarkten uitgebreid onderzocht. Er blijft echter een aanzienlijke kloof bestaan in het systematische begrip van deze interacties wanneer rekening wordt gehouden met hogere-moment risico's (scheefheid en kurtosis), die asymmetrie, staartrisico's en extreme volatiliteit vastleggen. Bovendien slagen traditionele enkelvoudige laag netwerkmodellen er niet in om de heterogeniteit van informatieoverdracht over verschillende marktomstandigheden (bull, bear, normaal) en tijd-frequentiedomeinen volledig te vatten. Deze studie adresseert deze hiaten door de kwantiel tijd-frequentie verbindingen tussen klimaatfysiek risico (PRI), klimaattransitierisico (TRI) en de rendement-, volatiliteits-, scheefheids- en kurtosisrisico's van de koolstof-, energie- en metalenmarkten te onderzoeken.

Methodologie
De studie hanteert een meerfasig methodologisch kader:

1. Meting van Hogere-Moment Risico's: Het Generalized Autoregressive Conditional Heteroskedasticity with Skewness and Kurtosis (GJRSK) model wordt gebruikt om de conditionele volatiliteit, scheefheid en kurtosis van de doelmarkten te kwantificeren.
2. Kwantiel Tijd-Frequentie Verbondenheid: De analyse integreert het Quantile Vector Autoregressive (QVAR) model met de Baruník en Kehlík (BK) frequentie-verbondenheidsmethode. Dit maakt het onderzoek naar spillover-effecten mogelijk over verschillende kwantielen (0,1, 0,5, 0,9) en frequentiebanden (kortetermijn: 1–22 dagen; langetermijn: >22 dagen).
3. Constructie van Multilaagse Netwerken: Een 12-laags informatienetwerk wordt geconstrueerd, bestaande uit lagen voor rendement, volatiliteit, scheefheid en kurtosis onder drie markttoestanden (extreme neerwaartse beweging, normaal, extreme opwaartse beweging).
4. Netwerkmetrieken:
   • Systeemniveau: Global Efficiency (GE) en Average Connectedness Strength (ACS) meten de efficiëntie van informatie-uitwisseling en de intensiteit van risico. Inter-laag correlaties worden beoordeeld via Edge Overlapping, Deg-deg Pearson/Spearman coëfficiënten en Shortest Path Similarity.
   • Marktniveau: Gemiddelde overlapping in in-strength, out-strength en net-strength karakteriseren de connectiviteit van individuele knooppunten.
5. Data: De steekproef beslaat dagelijkse gegevens van 1 juli 2015 tot 29 december 2023, bestaande uit PRI- en TRI-indices, ICE-EUA koolstoffutures, Brent ruwe olie, aardgas, de S&P Global Clean Energy Index en futures voor acht metalen (Goud, Zilver, Koper, Aluminium, Zink, Lood, Nikkel, Tin).

Belangrijkste Bijdragen

• Holistische Systemische Analyse: In tegenstelling tot eerdere studies die klimaatrisico's en specifieke markten geïsoleerd onderzochten, integreert dit onderzoek klimaatrisico's met een verenigd koolstof-energie-metaal systeem, inclusief zowel traditionele als schone energie, evenals edel- en non-ferro metalen.
• Methodologische Integratie: De studie combineert hogere-moment modellering met kwantiel tijd-frequentie analyse. Deze dubbele aanpak maakt de identificatie van kortetermijn- en langetermijn spillover-systemen onder extreme negatieve en positieve invloeden mogelijk, wat inzichten biedt in de intertemporele afhankelijkheidsstructuur van de staarten.
• Multilaags Netwerkframework: Door een 12-laags netwerk te construeren, gaat de studie verder dan enkelvoudige laag rendement/volatiliteit analyses. Het presenteert simultaan meerdere risicometrieken (rendement, volatiliteit, scheefheid, kurtosis) over variërende markttoestanden, wat een meer granulair beeld geeft van complexe financiële systeeminterconnectiviteit.

Belangrijkste Resultaten

• Significantie van Hogere-Momenten: Hoewel de omvang van de hogere-moment (scheefheid en kurtosis) spillovers lager is dan die van rendementen en volatiliteit, zijn ze statistisch significant en vertonen ze tijdvariërende kenmerken.
• Tijd-Frequentie Dynamiek:
  • Rendements-, scheidheids- en kurtosis-spillovers worden primair gedreven door kortetermijndynamiek (hoge frequentie).
  • Volatiliteit-spillovers zijn grotendeels geconcentreerd in de lange termijn (lage frequentie).
  • Correlaties tussen klimaatrisico's en markten zijn aanzienlijk sterker in extreme marktscenario's vergeleken met normale condities.
• Rolomkeringen en Netto Spillovers:
  • Metalenmarkten: Zij nemen over het algemeen een leidende positie in als informatiezenders (spillover senders) in het systeem, met name voor lagere-moment risico's. Echter, hun rol verschuift naar netto ontvangers tijdens extreme marktdalingen voor hogere-moment risico's.
  • Klimaatrisico's: Onder normale omstandigheden fungeren PRI en TRI primair als spillover-ontvangers. Tijdens marktdalingen (bear states) verschuiven zij echter naar netto zenders van langetermijnrisico's.
  • Extreme Gebeurtenissen: Gebeurtenissen zoals de COVID-19 pandemie en het conflict in Oekraïne triggeren een snelle intensivering van spillover-effecten en kunnen de richting van netto spillovers omkeren (bijv. koolstofmarkten die netto bijdragers worden tijdens de pandemie).
• Netwerktopologie:
  • De besmettingssnelheid van hogere-moment risico's is sneller dan die van lagere-moment risico's.
  • In opwaartse (bull) markttoestanden vertraagt de informatie-uitwisseling tussen klimaatrisico's en markten, ondanks de nauwere verbindingen.
  • Structurele configuraties verschillen significant tussen de lagen; bijvoorbeeld de kurtosis-netwerk bij het 0,9 kwantiel deelt minder randen met andere lagen, wat wijst op een lage structurele gelijkenis.

Significantie en Claims
Het artikel claimt dat de bevindingen een meer uitgebreid begrip bieden van de verbindingsmechanismen tussen klimaatrisico's en financiële markten. Door aan te tonen dat risicobesmettingsnetwerken gebaseerd op hogere-moment risico's gunstigere condities voor besmetting bieden dan die gebaseerd op enkel lagere momenten, betoogt de studie dat de bestaande literatuur die zich enkel richt op rendementen en volatiliteit, de werkelijke risico-overdrachtsdynamiek niet volledig kan reflecteren.

De resultaten bieden specifieke waarde voor:

• Investeerders: Door het belang te benadrukken van een "multi-moment + multi-scenario" risicobeheersingskader en metalenmarkten (bijv. koper, nikkel) te identificeren als belangrijke vroege waarschuwingsindicatoren voor risico.
• Beleidsmakers: Door de asymmetrie van spillover-effecten over markttoestanden te onthullen, wat duidt op de noodzaak van gedifferentieerde strategieën (bijv. het monitoren van olievolatiliteit in bull markten en het voorkomen van klimaatrisico-overdracht in bear markten).
• Toezichthouders: Door de noodzaak te benadrukken van grensoverschrijdende samenwerkende supervisie en de instelling van realtime monitoringsplatforms voor scheidings- en kurtosisrisico's om huidige blinde vlekken in het toezicht aan te pakken.