Master Thesis

Predicting Commodity Turning Points with Mixed Causal-Noncausal Models and Exogenous Variables

Inês Pires e Castro

Monday, 16th of November, 2026 from 2 p.m. to 4 p.m.
Este evento já terminou.
Online

Os preços das matérias-primas registam frequentemente flutuações acentuadas e episódios de caráter explosivo, potencialmente associados a bolhas especulativas e posteriores inversões de tendência. Os modelos autorregressivos mistos causais-não-causais (MAR) permitem representar estas dinâmicas através de componentes retrospetivas e prospetivas, enquanto a sua extensão com variáveis exógenas (MARX) incorpora informação económica adicional. Esta dissertação analisa a relação entre a bimodalidade das densidades preditivas destes modelos e as dinâmicas explosivas nos mercados de matérias-primas.

Para esse efeito, desenvolve-se um indicador que quantifica a presença de dois modos distintos nas densidades preditivas. O indicador proposto é analisado através de simulações, considerando diferentes especificações dos modelos MAR e MARX e diferentes distribuições para as inovações. A análise empírica incide sobre três matérias-primas: petróleo West Texas Intermediate (WTI), gás natural Henry Hub e níquel. MAR(1,1) e MARX(1,1,q) são comparados de forma a estudar o impacto de variáveis exógenas na estimação de parâmetros, nas densidades preditivas e na respetiva bimodalidade. O indicador de bimodalidade é ainda comparado com o procedimento de Phillips-Shi-Yu (PSY) utilizado para deteção de episódios de preços explosivos.

Os resultados demonstram que as variáveis exógenas melhoram o ajuste dos modelos para WTI e níquel, mas não para o gás natural. A bimodalidade coincide com muitos dos episódios explosivos identificados por PSY, embora também ocorra fora destes. Para além disso, a informação exógena geralmente mantém ou melhora esta correspondência, mas a capacidade de antecipar inversões permanece por demonstrar.