《Economic Modelling》：Volatility regimes and jumps in crude oil futures: Uncovering how market shocks trigger extreme comovements
编辑推荐：
本文深入探讨了日内市场冲击如何塑造原油期货的极端共动，重点关注INE、布伦特与WTI市场尾部分布依赖性的动态特征。研究发现，白天的尾部依赖性主要由区域性协同跳跃（cojumps）驱动，而夜间的尾部依赖性则在强全球市场整合下被持续波动性放大。本文融合高频波动率分解、跳跃检测与动态Copula模型，为投资者设计对冲策略和政策制定者在压力下监控市场稳定性提供了新的视角。
突出亮点
本文深入研究了原油期货市场的波动机制与跳跃现象，旨在揭示市场冲击如何触发极端的价格共舞。我们不再满足于观察市场平均联动，而是聚焦于“尾部依赖性”——即极端价格变动趋于同时发生的概率。
1. 波动率、投资者行为与原油市场尾部风险
早期研究已关注油价冲击对金融市场的影响。Park and Ratti (2008)的研究表明，油价变动显著影响股市波动率和收益率预测。后续研究(Wang et al., 2013b, Ma et al., 2019)进一步强调，原油波动率不仅响应全球不确定性，还在市场间传导风险。Lu et al., 2021, Kumar and Mallick, 2024的研究进一步证明，在高不确定性时期，需求和供给冲击对油价和金融市场的传导方式会发生显著变化。
2. 边际分布模型
为了捕捉每个收益率序列的边际分布，我们采用了ARMA (p, q)-TGARCH (r, m, n)框架，并对标准化残差使用了偏斜t分布。具体而言，条件均值(μt)通过自回归移动平均(ARMA)过程建模，而条件方差(σ2t)则遵循一个阈值广义自回归条件异方差(TGARCH)过程，从而允许波动率对正负冲击做出不对称反应。
3. 数据描述与汇总统计
本研究使用两类互补的数据，分析INE原油期货与全球基准（WTI和布伦特）之间时变尾部依赖性的决定因素。首先，我们收集了INE、WTI和布伦特主力期货合约的15分钟高频收盘价数据(Zhang and Ma, 2021)。与过高频率（如1-5分钟）的数据相比，15分钟数据在捕捉日内市场动态和最小化微观结构噪音之间取得了良好平衡。
4. 时变尾部依赖性的估计结果
我们使用时变参数(TVP) Copula函数来捕捉INE与其他原油期货市场之间的动态尾部依赖性。表3展示了INE日间、夜间以及全样本期间TVP Copula函数的参数估计结果。拟合效果最佳（AIC值最低）的Copula函数在表中以加粗字体显示。结果显示，除了全样本的INE-布伦特配对之外，时变旋转Gumbel Copula为大多数配对提供了最佳拟合。
5. 结论
本研究对INE原油期货与全球主要基准之间的时变尾部依赖性进行了全面分析，通过使用对齐的交易窗口解决了市场非同步性问题，重点强调了波动机制、跳跃动态以及协同跳跃在INE日间、夜间和全样本期间的作用。
实证研究结果揭示了由特质性和系统性冲击共同驱动的显著尾部依赖性不对称现象。在INE日间交易时段，正面的……
