ความสัมพันธ์ของอัตราผลตอบแทนแบบมีเงื่อนไขระหว่างสัญญาซื้อขายล่วงหน้าทองคำ สัญญาซื้อขายล่วงหน้าน้ำมันดิบ ตลาดหุ้นไทย และตลาดตราสารหนี้ไทย
Article Sidebar
Main Article Content
บทคัดย่อ
การศึกษาในครั้งนี้มีวัตถุประสงค์เพื่อศึกษาความสัมพันธ์ของความผันผวนของผลตอบแทนระหว่างสัญญาซื้อขายสินค้าโภคภัณฑ์ล่วงหน้า และสินทรัพย์พื้นฐานด้วยแบบจำลอง DCC-GARCH โดยตัวแปรที่ใช้ในการศึกษาแทนสัญญาซื้อขายสินค้าโภคภัณฑ์ล่วงหน้า ได้แก่ สัญญาซื้อขายล่วงหน้าทองคำ (Gold Futures) และสัญญาซื้อขายล่วงหน้าน้ำมันดิบ WTI (WTI Futures) ส่วนสินทรัพย์พื้นฐาน ได้แก่ ตราสารทุน (SET) และตราสารหนี้ (Bond) นอกจากนี้ การเปลี่ยนแปลงของอัตราแลกเปลี่ยนยังเป็นตัวแปรอิสระที่เพิ่มเข้าไปในสมการความแปรปรวนของแบบจำลอง GARCH เนื่องจากการที่เงินบาทแข็งค่าหรืออ่อนค่านั้นก่อให้เกิดความผันผวนในราคาของทั้ง 4 หลักทรัพย์
จากผลการศึกษาพบว่า ความสัมพันธ์ของความผันผวนของผลตอบแทนระหว่าง SET และ WTI Futures มีค่าสหสัมพันธ์ที่เป็นลบทุกช่วงเวลา โดยมีค่าสหสัมพันธ์สูงสุด คือ -0.0692 และต่ำสุด คือ -0.4911 ซึ่งแสดงให้เห็นว่า WTI Futures เป็นเครื่องมือที่ดีในการกระจายความเสี่ยงในพอร์ตการลงทุนตราสารทุน นอกจากนี้ ยังพบว่าความสัมพันธ์ของความผันผวนของผลตอบแทนระหว่าง Gold Futures และ SET มีการปรับตัวลดลงในช่วงที่ตลาดการเงินเกิดความผันผวน ดังนั้น การถือสถานะซื้อ (Long Position) ในสัญญาซื้อขายล่วงหน้าทองคำ และลดปริมาณการถือครองหุ้นลงในพอร์ตการลงทุนตราสารทุน จะเป็นประโยชน์ต่อนักลงทุน หรือสถาบันการเงิน ตลอดจนผู้จัดการกองทุนที่ต้องการกระจายความเสี่ยงในพอร์ตการลงทุนตราสารทุน เมื่อตลาดการเงินมีความผันผวนสูง
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ตีพิมพ์ถือเป็นลิขสิทธิ์ของวารสารวิทยาการจัดการ มหาวิทยาลัยสงขลานครินทร์ อย่างไรก็ตาม กองบรรณาธิการไม่สงวนลิขสิทธิ์ในการทำซ้ำ คัดลอก หรือเผยแพร่ แต่จะต้องอ้างอิงให้ถูกต้องตามหลักวิชาการ
เอกสารอ้างอิง
Billio, M., Caporin, M., & Gobbo, M. (2006). Flexible Dynamic Conditional Correlation multivariate GARCH models for asset allocation. Applied Financial Economics Letters, 2(2), 123-130.
Bodie, Z. (1983). Commodity futures as a hedge against inflation. Journal of Portfolio Management, 9(3), 12-17.
Bollerslev, T. (1986). Generalized autoregressive conditional heteroscedasticity. Journal of Econometrics, 31(3), 307-327.
Boyer. M. M., & Filion, D. (2007). Common and fundamental factors in stock returns of Canadian oil and gas companies. Energy Economics, 29(3), 428-453.
Broadstock, D. C., Cao, H., & Zhang, D. (2012). Oil shocks and their impact on energy related stocks in China. Energy Economics, 34(6), 1888-1895.
Chen, Q., & Lv, X. (2015). The extreme-value dependence between the crude oil price and Chinese stock markets. International Review of Economics and Finance, 39, 121-132.
Chodchuangnirun B., Yamaka W., & Khiewngamdee C. (2018). A regime switching for dynamic conditional correlation and GARCH: application to agricultural commodity price market risks. International Symposium on Integrated Uncertainty in Knowledge Modelling and Decision Making (pp. 289-301). Vietnam: Springer.
Chong, J., & Miffre, J. (2010). Conditional correlation and volatility in commodity futures and traditional asset markets. The Journal of Alternative Investments, 12(13), 61-75.
Daskalaki, C., & Skiadopoulos, G. (2011). Should investors include commodities in their portfolios after all? New evidence. Journal of Banking & Finance, 35(10), 2606-2626.
Engle, R. F. (2002). Dynamic conditional correlation: A simple class of multivariate generalized autoregressive conditional heteroscedasticity models. Journal of Business and Economic Statistics, 20(3), 339-350.
Foreign Trade Statistics of Thailand. (2018). Thai trade statistics, Retrieved November 1, 2019, from http://www2.ops3.moc.go.th/
Goodman, S. N. (1999). Toward evidence-based medical statistic. 2: The Bayes factor. Annals of Internal Medicine, 130(12), 1005-1021.
Jensen, G., Johnson, R., & Mercer, J. (2000). Efficient use of commodity futures in diversified portfolios. Journal of Futures Markets, 20(5), 489-506.
Kajornsin B. (2013). Analyzing the results of statistical. Retrieved November 1, 2019, from http://www.rlc.nrct.go.th/ewt_dl.php?nid=1159
Khashman, A., & Nwulu, N. I. (2011). Support Vector Machines Versus Back Propagation Algorithm for Oil Price Prediction. Proceeding of the 8th International Symposium on Neural Networks (pp. 530-538). Berlin: Springer.
Kumar, S., Pradhan, A. K., Tiwari A. K., & Kang, S. H. (2019). Correlations and volatility spillovers between oil, natural gas, and stock prices in India. Resources Policy, 62, 282-291.
Lamoureux, C. G., & Lastrapes, W. (1990). Heteroskedasticity in Stock Return Data: Volume versus GARCH Effects. Journal of Finance, 45(1), 221-29.
Le, T. H., & Chang, Y. (2011). Oil and gold: correlation or causation?, Working Papers 22, Development and Policies Research Center, Vietnam.
Lerkeitthamrong K., Khiewngamdee C., & Osathanunkul R. (2019). Impacts of Global Market Volatility and US Dollar on Agricultural Commodity Futures Prices: A Panel Cointegration Approach. International Conference of the Thailand Econometrics Society (pp. 412-422). Vietnam: Springer.
Pitisuksombat, Y., Wongtirawit, V., & Senjuntichai, A. (2011). Analysis of Gold Futures Investment by Forecasting Method. Research and Development Journal, 22(4), 62-68.
Puksamatanan, J. (2019). Oil Price, Retrieved November 1, 2019, from https://www.finnomena.com/dr-jitipol/3-worlds-oil/
Ratchadamarin, P. (2009). Factors Affecting the Movement of SET 50 Index Futures (Master’s Thesis). Ramkhamhaeng University. Bangkok.
Soytas, U., Sari, R., Hammoudeh, S., & Hacihasanoglu, E. (2009). World Oil Prices, Precious Metal Prices and Macroeconomy in Turkey. Energy Policy, 37(2), 5557-5566.
Sujit, K. S., & Kumar, R. B. (2011). Study on dynamic relationship among gold price, oil price, exchange rate and stock market returns. International journal of applied business and economic research, 9(2), 145-165.
The Stock Exchange of Thailand. (2015). Fundamental analysis. Retrieved November 1, 2019, from https://www.set.or.th/set/education/html.do?name=begin&showTitle=F
The Thai Bond Market Association. (2019). Composite Bond Index. Retrieved November 1, 2019, from http://www.thaibma.or.th/EN/Market/Index/CompositeIndex.asp
Tsai, I-C. (2012). The relationship between stock price index and exchange rate in Asian markets: Aquantile regression approach. Journal of International Financial Markets, Institutions and Money, 22(3), 609-621.
